Jln. Khatib Sulaiman Dalam, No. 1, Padang, Indonesia, Telp. (0751) 7056199, 7058325 Website: ijcs.stmikindonesia.ac.id | E-mail: [email protected]
Analisis Faktor Perilaku Penggunaan Sistem Pendaftaran Online Berdasarkan Unified Theory of Acceptance and Use Of Technology (UTAUT)
Asy Syfa Suradi1, Firdawati1, Vera Pujani2, Yudha Aditya Fiandra3 [email protected], [email protected], [email protected], [email protected]
1Fakultas Kedokteran, Universitas Andalas, Padang, Sumatra Barat
2Fakultas Ekonomi dan Bisnis, Universitas Andalas, Padang, Sumatra Barat
3Fakultas Teknik, Universitas Negeri Padang, Padang, Sumatra Barat
Informasi Artikel Abstrak Diterima : 25 Mar 2023
Direview : 3 Apr 2023 Disetujui : 27 Apr 2023
Penelitian ini bertujuan mengevaluasi sikap penerimaan masyarakat terhadap penggunaan pendaftaran online di RS Aisyiyah Pariaman menggunakan model Unified Theory of Accepptance and Use of Technology (UTAUT). Penelitian ini merupakan penelitian observasional analitik dengan pendekatan cross sectional yang menjelaskan hubungan variabel independen (performance expectancy, effort expectancy, social influence dan facilitating conditions), variabel moderasi (usia dan pengalaman) terhadap variabel dependen (use behavior dan behavioral intention). Populasi adalah pasien poliklinik rawat jalan menggunakan pendaftaran online. Sampel yang diteliti sebesar 243 sampel dengan menggunakan teknik purposive sampling dalam pengambilan sampel. Metode analisis data deskriptif menggunakan SPSS 26 dan analisis Structural Equation Modelling (SEM) menggunakan piranti LISREL 8.8. Berdasarkan hasil penelitian didapatkan bahwa performance expectancy, effort expectancy, social influence berhubungan signifikan terhadap behavior intention dan facilitating conditions, behaviaoral Intention berhubungan signifikan terhadap use behavior, sedangkan variabel moderasi usia dan pengalaman tidak berhubungan signifikan dalam memoderasi variabel independen terhadap variabel dependen.
Kata Kunci
Pendaftaran Online, Penerimaaan Pengguna, UTAUT
Keywords Abstrak
Online Registration, User
Acceptance, UTAUT This study aims to evaluate the public acceptance of the use of online registration at Aisyiyah Pariaman Hospital using the Unified Theory of Acceptance and Use of Technology (UTAUT) model. This research is an analytic observational study with a cross-sectional approach which explains the relationship of independent variables (performance expectancy, effort expectancy, social influence and facilitating conditions), moderating variables (age and experience) to the dependent variable (use behavior and behavioral intention). The population is outpatient at Aisyiyah Pariaman Hospital who use online registration. The samples studied were 243 samples using a purposive sampling technique. Descriptive data analysis method using SPSS 26 and Structural Equation Modeling (SEM) analysis using LISREL 8.8. Based on the results of the study, it was found that performance expectancy, effort expectancy, social influence had a significant relationship with behavioral intention and facilitating conditions, behavioral intention had a significant relationship with use behavior, while the moderating variables of age and experience had no significant relationship in moderating the independent variables on the dependent variable.
A. Pendahuluan
Pelayanan kesehatan merupakan pelayanan publik yang sangat kompleks [1].
Pada era digital saat ini, kecepatan sistem informasi dan komunikasi sangat diperlukan dalam memberikan pelayanan yang prima pada pasien dan keluarga [2], [3]. Rumah sakit adalah institusi pelayanan kesehatan yang menyelenggarakan pelayanan kesehatan perorangan secara paripurna, menyediakan pelayanan rawat inap, rawat jalan dan gawat darurat yang erat kaitannya dengan penggunaan teknologi dan informasi [4], [5].
Berbagai sistem komunikasi digital sudah mulai marak diterapkan dalam memberikan pelayanan prima kepada pasien [6]. Rumah sakit telah menerapkan Sistem Informasi Manajemen Rumah Sakit (SIMRS) sehingga antar unit sudah terhubung dalam satu sistem secara terintegrasi [7]. Saat ini selain terhubung dengan unit pelayanan yang ada di rumah sakit, SIMRS juga sudah terhubung dengan aplikasi atau sistem yang ada pada Kementrian Kesehatan dan BPJS Kesehatan sehingga informasi baik jumlah tempat tidur, jenis pelayanan, pendaftaran dan antrian pasien di poliklinik telah terintegrasi dalam satu sistem dan bisa diakses oleh masyarakat luas dimanapun berada, namun belum semua rumah sakit menggunakan fasilitas ini[8].
Pemerintah mengumumkan darurat pandemi Covid 19 Pada Maret 2020 hal ini merubah tatanan dalam pelayanan kesehatan terutama rumah sakit [9]..Penerapan pembatasan sosial berskala besar menuntut rumah sakit untuk menggunakan teknologi dalam memberikan pelayanan kepada pasien salah satunya untuk mengurangi penumpukan pasien dan antrian pasien di rumah sakit maka banyak rumah sakit mulai menerapkan pendaftaran online baik melalui aplikasi terintegrasi dengan BPJS ataupun aplikasi ataupun sistem yang dikelola secaran mandiri oleh rumah sakit [10].
Peningkatkan kunjungan poliklinik RS Aisyiyah Pariaman sebanyak 27,61%
di tahun 2021 menyebabkan kapasitas ruang tunggu rumah sakit tidak memadai dengan rata-rata kunjungan poliklinik sebanyak 160 pasien per hari, hal ini meyebabkan pendaftaran online semakin penting untuk diterapkan agar pelayanan kepada pasien lebih efektif dan efisien serta memberikan rasa aman dan nyaman pada pasien saat berkunjung ke poliklinik.
Pendaftaran online di Rumah Sakit Aisyiyah menggunakan, pendaftaran via aplikasi Whatsapp, melalui website resmi Rumah Sakit dan sistem yang terintegrasi dengan aplikasi Mobile JKN BPJS. Berdasarkan data tahun 2021 pasien yang berkunjung ke RS Aisyiyah Pariaman rata-rata sebanyak 160 pasien per hari dan pasien yang melakukan pendaftaran secara online melalui Whatsapp rata-rata 20 persen dari total kunjungan pasien, sedangkan untuk mobile JKN dan Website sama sekali tidak digunakan oleh pasien.
Keberhasilan penerapan pendaftaran online ini dipengaruhi oleh berbagai faktor salah satunya yaitu kebiasaan pengguna. Penggunaan pendaftaran online di RS Aisyiyah Pariaman belum efektif diterapkan, hal ini disebabkan karena pasien lebih cenderung mendaftar langsung ke poliklinik. Tidak efektifnya penggunaan pendaftaran online ini berdampak serius terhadap kualitas pelayanan yang menyebabkan pasien menjadi tidak nyaman dan tidak aman selama pelayanan, selain itu pelayanan kepada pasien menjadi tidak efektif dan tidak efisien baik dari
segi waktu pelayanan maupun waktu tunggu pasien menjadi panjang dan tidak sesuai dengan standar pelayanan minimal di Rumah Sakit.
Untuk mengetahui apakah ada hubungan kebiasaan pasien terhadap penerapan pendaftaran online maka dilakukan analisa faktor yang berhubungan dengan perilaku pengguna dalam memanfaat teknologi (Use Behavior) melalui suatu model yang dikembangkan oleh Venkatesh tahun 2003 yang disebut Unified Theory of Acceptance and Use of Technology (UTAUT). UTAUT merupakan model penerimaan dan penggunaan teknologi yang menyatukan fitur-fitur terbaik dari delapan teori penerimaan teknologi lainnya yaitu Theory of Reasoned Action (TRA) , Technology Acceptance Model (TAM) , Motivational Model (MM), Theory of Planned Behavior (TPB), Combined TAM and TPB (C- TAM-TPB), Model of PC Utilization (MPCU), Innovation Diffusion Theory (IDT), dan Social Cognitive Theory (SCT).
Model UTAUT dipengaruhi langsung oleh empat konstruk utama yaitu performance expectancy, effort expectancy, social influence, dan facilitating condition selain itu juga menjelaskan faktor moderasi yang mempengaruhi perilaku yaitu usia dan pengalaman sehingga cocok untuk digunakan dalam menganalisa faktor yang mempengaruhi kebiasaan penggunaan pendaftaran online di Rumah Sakit Aisyiyah Pariaman. Penggunaan model UTAUT dinilai terbukti hingga 70% lebih berhasil dalam menjelaskan varian niat menggunakan teknologi dibandingkan kedelapan teori yang lain [11].
Penelitian ini bertujuan mengevaluasi sikap penerimaan masyarakat terhadap penggunaan pendaftaran online di RS Aisyiyah Pariaman sehingga Rumah Sakit dapat mengetahui metode pendekatan yang efektif agar masyarakat dapat memanfaatkan pendaftaran online secara maksimal untuk meningkatkan kualitas dan mutu layanan.
B. Metode Penelitian
Penelitian ini merupakan penelitian observasional analitik dengan pendekatan cross sectional. Pengertian metode cross-sectional menurut Asiamah (2021) adalah penelitian yang dilakukan dengan cara pengumpulan data yang dilakukan hanya sekali, dalam beberapa hari, minggu atau bulan dengan tujuan untuk menjawab pertanyaan penelitian [12]. Populasi penelitian adalah pasien Poliklinik Rawat Jalan RS Aisyiyah Pariaman yang menggunakan pendaftaran online.
Sampel yang diteliti sebesar 243 sampel. Jumlah ini ditetapkan karena ukuran sampel minimum untuk metode analisis data menggunakan structural equation modelling (SEM) yang diperlukan untuk mengurangi bias pada semua jenis estimasi SEM adalah minimal 200 sampel. Metode pengumpulan sampel (sampling method) yang digunakan adalah purposive sampling. Metode purposive sampling adalah metode pengumpulan sampel nonprobability sampling. Metode ini dipilih karena data diambil dari populasi yang secara nyaman memberikan informasi sehingga peneliti memiliki kebebasan untuk memilih sampel yang paling cepat dan murah, dalam hal mengisi kuesioner.
Batasan dalam metode purposive sampling ini adalah pasien yang menggunakan pendaftaran online di RS Aisyiyah Pariaman yang pada saat penelitian mendaftar ke Poliklinik menggunakan sistem pendaftaran online. Alasan ditetapkan batasan tersebut ialah diharapkan kriteria sampel yang akan diambil
benar-benar memenuhi kriteria yang sesuai dengan penelitian yang akan dilakukan. Variabel penelitian terdiri dari variabel independen (performance expectancy, effort expectancy, social influence dan facilitating conditions), variabel moderasi usia dan pengalaman dan variabel dependen (use behavior dan behavioral intention).
Analisis data dilakukan melalui dua tahap yaitu analisis deskriptif menggunakan SPSS 26 dan analisis Structural Equation Model (SEM) untuk analisis hubungan korelatif menggunakan piranti LISREL 8.8. Teknik analisis data yang digunakan untuk mengetahui hubungan korelatif dalam penelitian ini adalah model analisis jalur atau path analysis. Pemilihan path analysis sebagai teknik analisis data secara verifikatif adalah karena tujuan utama penelitian ini untuk menguji teori (test-theory) dan mengetahui hubungan antar variabel yaitu variabel independen pada variable mediasi serta dependen. Piranti lunak LISREL 8.8 dinilai tepat dan mampu menjadi alat bantu perhitungan serta pengujian data untuk menjawab rumusan masalah penelitian.
Gambar 1. Model Diagram Struktural C. Hasil dan Pembahasan
Hasil
Structural Equation Modeling (SEM) merupakan analisis statistik multivariat yang berguna untuk mengestimasi pengaruh antara variabel penelitian secara simultan dengan tujuan studi konfirmatori teori model berdasarkan data empiris [13]. Penelitian ini menggunakan analisis SEM yang menitikberatkan pada studi konfirmasi/menguji teori model UTAUT, jumlah sampel yang besar, model pengukuran bersifat reflektif, serta kebutuhan kecocokan model goodness of fit untuk mengkonfirmasi hasil model.
Asumsi Analisis Structural Equation Modeling
Pemeriksaan distribusi normal multivariat data dapat dilihat dari ukuran skewness dan kurtosis. Hasil pengolahan data uji normalitas dapat dilihat pada tabel 1. Berdasarkan pengolahan hasil uji normalitas data secara multivariat pada tabel 1, menunjukan nilai p-value kurang dari 0,05 baik untuk skewness, kurtosis atau gabungan skewness dan kurtosis. Hasil ini menunjukan bahwa data tidak berdistribusi normal multivariat. Meskipun kondisi data tidak berdistribusi normal multivariat namun kini, analisis SEM mempunyai kemampuan untuk mengatasi data tidak normal multivariat dengan menggunakan penskalaan Satorra-Bentler Chi Square yang diimplementasikan dalam penaksir Robust Maximum Likelihood (RML) [14].
Tabel 1. Uji Normalitas Multivariat
Skewness Kurtosis Skewness and Kurtosis
Value Z-Score P-Value Value Z-Score P-Value Chi-Square P-Value 234.649 55.204 0.001 998.250 21.787 0.001 3522.105 0.001
Selanjutnya adalah memeriksa asumsi SEM kedua adalah bahwa tidak ada multikolinier atau hubungan yang tinggi antara variabel dimana dalam Lisrel 8.8 adalah dari output phi yang menunjukan korelasi antara variabel. Berdasarkan hasil pengolahan pada tabel 2, nilai korelasi antara variabel dibawah 0,90 yang berarti tidak adanya potensi multikolinier dalam SEM, dan taksiran parameter yang dihasilkan tidak bias.
Tabel 2. Korelasi Antara Variabel
PHI PERF EFFOR SOCIAL FACIL BEHAV USE
BEHAV
PERF 1.000
EFFOR 0.621 1.000
SOCIAL 0.352 0.334 1.000
FACIL 0.532 0.752 0.495 1.000
BEHAV 0.710 0.666 0.433 0.645 1.000
USEBEHAV 0.712 0.763 0.539 0.776 0.851 1.000
Confirmatory Factor Analysis
Confirmatory factor analysis (CFA) adalah evaluasi model pengukuran yaitu seberapa baik kausalitas antara variabel dengan item pengukuran yang mengukurnya. Evaluasi model pengukuran atau CFA pada tingkat dimensi dilihat dari loading factor diatas 0,60 (Chin, 1998), Construct Reliability diatas 0,70 dan Variance Exracted (VE) diatas 0,50. Loading factor digunakan sebagai ukuran validitas item pengukuran, construct reliability digunakan sebagai untuk mengukur reliabilitas dan variance extracted digunakan sebagai ukuran convergent validity.
Berikut tabel hasil pengolahan Lisrel 8.8.
Tabel 3. Tingkat Validitas Awal
Variabel Item Loading Factor Keterangan
Performance Expectancy PE1 0.690 Valid
PE2 0.797 Valid
Variabel Item Loading Factor Keterangan
PE3 0.836 Valid
PE4 0.564 Kurang valid
Effort Expectancy
EE1 0.827 Valid
EE2 0.897 Valid
EE3 0.872 Valid
EE4 0.658 Valid
Social Influence
SI1 0.761 Valid
SI2 0.689 Valid
SI3 0.362 Kurang valid
SI4 0.485 Kurang valid
Facilitating Conditions
FC1 0.611 Valid
FC2 0.875 Valid
FC3 0.770 Valid
FC4 0.310 Kurang valid
Behavior Intention
BI1 0.891 Valid
BI2 0.784 Valid
BI3 0.828 Valid
Use Behavior
UB1 0.759 Valid
UB2 0.821 Valid
UB3 0.781 Valid
UB4 0.702 Valid
Hasil estimasi awal model CFA diperoleh 19 item pengukuran valid (LF >
0.60) dan ada 4 item kurang valid (LF < 0.60). Adapun item pengukuran yang kurang valid adalah PE4 (LF=0.564), SI3 (LF=0.362), SI4 (LF=0.485) dan FC4 (LF=0.310). Selanjutnya keempat item tersebut dihilangkan dalam model dan dilakukan estimasi kembali. Berikut tabel hasil estimasi kedua model CFA.
Tabel 4. Validitas dan Reliabilitas Model Pengukuran (Estimasi Kedua)
Variabel Item Loading Factor Construct
Reliability Variance Extracted Performance Expectancy PE1 0.713
0,825 0,612
PE2 0.814
PE3 0.815
Effort Expectancy EE1 0.828
0,889 0,671
EE2 0.897
EE3 0.872
EE4 0.657
Social Influence SI1 0.805 0,726 0,57
SI2 0.702
Facilitating Conditions FC1 0.608
0,802 0,58
FC2 0.883
FC3 0.769
Behavior Intention BI1 0.893
0,873 0,698
BI2 0.782
BI3 0.828
Use Behavior UB1 0.759 0,851 0,589
Variabel Item Loading Factor Construct
Reliability Variance Extracted
UB2 0.822
UB3 0.780
UB4 0.703
Secara keseluruhan ada 19 item pengukuran yang valid mencerminkan pengukuran variabel penelitian dengan loading factor diatas 0.60 serta mempunyai tingkat reliabilitas yang diterima. Variabel performance expectancy diukur oleh 3 (tiga) item valid dengan loading factor antara 0.713–0.815 dimana ketiga item valid mencerminkan pengukuran variabel performance expectancy.
Variabel effort expectancy di diukur oleh 4 (tiga) item valid dengan loading factor antara 0.657–0.897 dimana keempat item valid mencerminkan pengukuran variabel effort expectancy. Variabel social influence diukur oleh 2 (dua) item valid dengan loading factor antara 0.702–0.805 dimana kedua item valid mencerminkan pengukuran variabel social influence. Variabel facilitating conditions diukur oleh 3 (tiga) item valid dengan loading factor antara 0.608 – 0.883. Variabel behavior intention diukur oleh 3 (tiga) item valid dengan loading factor antara 0.782 – 0.893.
Gambar 2. Diagram Model CFA (Loading Factor) Goodness of Fit model CFA Variabel
Goodness of fit CFA model tingkat variabel berguna untuk melihat kecocokan model pengukuran tingkat variabel. Apakah data empiris yang ada mampu mengkonfirmasi model pengukuran dengan baik.
Tabel 5. Goodness of Fit Model CFA Variabel
Goodness of Fit Kriteria
Diterima Hasil
Estimasi Keterangan
Chi Square/ DF < 3 1,268 Good Fit
Root Mean Square Error of Approximation
(RMSEA) < 0,08 0,033 Good Fit
Normed Fit Index (NFI) > 0,90 0,980 Good Fit
Non-Normed Fit Index (NNFI) > 0,90 0,995 Good Fit
Comparative Fit Index (CFI) > 0,90 0,996 Good Fit
Incremental Fit Index (IFI) > 0,90 0,996 Good Fit
Relative Fit Index (RFI) > 0,90 0,975 Good Fit
Root Mean Square Residual (RMR) < 0,08 0,022 Good Fit
Standardized RMR < 0,08 0,056 Good Fit
Evaluasi Model Struktural Tanpa Moderasi
Setelah memperoleh model pengukuran atau CFA variabel diterima dengan goodness of fit model yang baik maka langkah selanjutnya adalah pengujian model struktural atau pengaruh antara variabel. Proses pengujian hipotesis terbagi menjadi pengujian hipotesis tanpa memasukan variabel moderasi, uji mediasi dan pengujian hipotesis dengan memasukan variabel moderasi.
Tabel 6. Pengujian Hipotesis Tanpa Moderasi
Hipotesis Pernyataan Hipotesis Path coefficient T Statistik Keterangan
H1 PERF --> BEHAV 0,449 5,17 Hipotesis
Diterima
H2 EFFOR --> BEHAV 0,343 4,726 Hipotesis
Diterima
H3 SOCIAL ---> BEHAV 0,183 2,557 Hipotesis
Diterima
H4 FACIL --> USERBEHAV 0,420 5,032 Hipotesis
Diterima
H5 BEHAV --> USERBEHAV 0,602 6,704 Hipotesis
Diterima
Goodness of Fit Model Struktural
Goodness of fit model struktural berguna untuk melihat kecocokan model struktural yang dihasilkan. Apakah data empiris yang ada mampu mengkonfirmasi pengaruh antara variabel yang dihipotesikan sebelumnya.
Tabel 7. Goodness of Fit Model Struktural
Goodness of Fit Kriteria
Diterima Hasil
Estimasi Keterangan
Chi Square / DF < 3 1,306 Good Fit
Root Mean Square Error of Approximation (RMSEA) < 0,08 0,035 Good Fit
Normed Fit Index (NFI) > 0,90 0,978 Good Fit
Non-Normed Fit Index (NNFI) > 0,90 0,994 Good Fit
Comparative Fit Index (CFI) > 0,90 0,995 Good Fit
Incremental Fit Index (IFI) > 0,90 0,995 Good Fit
Relative Fit Index (RFI) > 0,90 0,974 Good Fit
Root Mean Square Residual (RMR) < 0,08 0,023 Good Fit
Goodness of Fit Kriteria
Diterima Hasil
Estimasi Keterangan
Standardized RMR < 0,08 0,058 Good Fit
Secara keseluruhan tingkat kecocokan model atau goodness of fit model struktural yang diajukan dapat diterima model menunjukan kecenderungan good fit (model baik). Ukuran tersebut adalah nilai NFI, NNFI, CFI, IFI dan RFI diatas 0.90 (good fit). Ukuran residual RMR dan SRMR dibawah 0.08 (good fit), nilai RMSEA 0,035 < 0.08 (model good fit).
Evaluasi Uji Mediasi
Uji mediasi berkaitan dengan peran behavior intention dalam memediasi pengaruh tidak langsung performance expectancy, effort expectancy, dan social influence terhadap peningkatan use behavior. Berikut hasil pengolahan data.
Tabel 8. Hasil Uji Hipotesis Mediasi
Hipotesis Pernyataan Hipotesis Path coefficient T Statistik Keterangan H6 PERF --> BEHAV -->
USERBEHAV 0,270 4,217 Hipotesis
Diterima H7 EFFOR --> BEHAV -->
USERBEHAV 0,207 3,944 Hipotesis
Diterima H8 SOCIAL ---> BEHAV -->
USERBEHAV 0,110 2,422 Hipotesis
Diterima
Gambar 3. Diagram Path Coefficient Model Struktural Tanpa Moderasi Evaluasi Model Struktural Dengan Moderasi
Pengujian model dengan memasukan variabeL moderasi adalah menguji apakah faktor usia dan pengalaman dapat memerkuat/menurunkan pengaruh performance expectancy, effort expectancy dan social influence dan apakah faktor usia dan pengalaman dapat memerkuat/menurunkan pengaruh facilitating conditions terhadap use behavior. Berikut adalah hasil pengolahan data.
Tabel 9. Uji Moderasi
Hipotesis Pernyataan Hipotesis Path coefficient T Statistik Keterangan H9 US X PE --> BEHAV -0,024 -0,297 Hipotesis Ditolak H10 US X EE --> BEHAV 0,029 0,507 Hipotesis Ditolak
H11 US X SI ---> BEHAV -0,027 -0,491 Hipotesis Ditolak H12 PNG X PE --> BEHAV -0,082 -1,268 Hipotesis Ditolak H13 PNG X EE --> BEHAV 0,015 0,218 Hipotesis Ditolak H14 PNG X SI ---> BEHAV 0,056 1,064 Hipotesis Ditolak H15 US X FC --> USEBEHAV -0,016 -0,433 Hipotesis Ditolak H16 PNG X FC --> USEBEHAV -0,042 -0,971 Hipotesis Ditolak
Gambar 4. Diagram Path Coefficient Model Struktural Dengan Moderasi Pembahasan
Hipotesis pertama (H1) diterima yaitu performance expectancy berhubungan signifikan terhadap behavior intention pengunaan pendaftaran online di RS Aisyiyah Pariaman dengan path coefficient 0,449 dan t statistik 5,170 > 1,96.
Dengan meningkatkan performance expectancy maka akan signifikan meningkatkan behavior intention pengunaan pendaftaran online.
Hipotesis kedua (H2) diterima effort expectancy akan berhubungan signifikan terhadap behavior intention pengunaan pendaftaran online di RS Aisyiyah Pariaman dengan path coefficient 0,343 dan t statistik 4,726>1,96. Dengan meningkatnya effort expectancy maka akan signifikan meningkatkan behavior intention pengunaan pendaftaran online.
Hipotesis ketiga (H3) diterima dimana social influence akan berhubungan signifikan terhadap behavior intention pengunaan pendaftaran online di RS Aisyiyah Pariaman dengan path coefficient 0,183 dan t statistik 2,557>1,96.
dengan meningkatnya dorongan social influence maka berhubungan signifikan meningkatkan behavior intention pengunaan pendaftaran online.
Hipotesis keempat (H4) diterima, facilitating conditions akan berhubungan signifikan terhadap use behavior pengunaan pendaftaran dan di RS Aisyiyah Pariaman dengan path coefficient 0,420 dan t statistik 5,032 > 1,96. Dengan meningkatnya facilitating conditions maka berhubungan signifikan meningkatkan use behavior.
Hipotesis kelima (H5) diterima faktor behavior intention akan berhubungan signifikan terhadap use behavior penggunaan sistem pendaftaran online di Rumah Sakit Aisyiyah Pariaman dengan path coefficient 0,602 dan t statistik 6,704 > 1,96.
dengan meningkatnya behavior intention maka akan signifikan berhubungan meningkatkan use behavior penggunaan sistem pendaftaran online.
Uji mediasi berkaitan dengan peran behavior intention dalam memediasi pengaruh tidak langsung performance expectancy, effort expectancy, dan social influence terhadap peningkatan use behavior.
1. Hubungan performance expectancy terhadap use behavior melalui behavioral intention. Hipotesis keenam (H6) diterima yaitu performance expectancy berhubungan signifikan tidak langsung terhadap use behavior melalui mediasi behavior intention pengunaan pendaftaran online di RS Aisyiyah Pariaman dengan path coefficient mediasi 0,270 dan t statistik 4,217>1,96.
2. Hubungan Effort Expectancy terhadap use behavior melalui behavioral intention. Hipotesis ketujuh (H7) diterima effort expectancy berhubungan signifikan tidak langsung terhadap use behavior melalui mediasi behavior intention pengunaan pendaftaran online di RS Aisyiyah Pariaman dengan path coefficient mediasi 0,207 dan t statistik 3,944 > 1,96.
3. Hubungan social influence terhadap use behavior melalui behavioral intention.
Hipotesis kedelapan (H8) diterima social influence berhubungan signifikan tidak langsung terhadap use behavior melalui mediasi behavior Intention pengunaan pendaftaran online di RS Aisyiyah Pariaman dengan path coefficient mediasi 0,110 dan t statistik 2,422 > 1,96.
Pengujian model dengan memasukan variable moderasi adalah menguji apakah faktor usia dan pengalaman dapat memperkuat/menurunkan hubungan performance expectancy, effort expectancy dan social influence dan apakah faktor usia dan pengalaman dapat memperkuat/menurunkan hubungan facilitating conditions terhadap use behavior. Berikut adalah hasil pengolahan data.
Berdasarkan pengujian hipotesis dengan memasukan variabel moderasi adalah sebagai berikut:
1. Hipotesis kesembilan (H9) ditolak yaitu hubungan performance expectancy terhadap behavioral intention dengan moderasi age tidak signifikan dengan path coefficient (-0,024) dan t statistik (-0,297)<1,96. Age tidak signifikan memoderasi hubungan performance expectancy terhadap behavioral intention.
2. Hipotesis kesepuluh (H10) ditolak yaitu hubungan effort expectancy terhadap behavioral intention dengan moderasi age tidak signifikan dengan path coefficient 0,029 dengan t statistik (0,507)<1,96. Age tidak signifikan berperan sebagai variabel moderasi yang memperkuat/memperlemah hubungan effort expectancy terhadap behavioral intention.
3. Hipotesis kesebelas (H11) ditolak yaitu hubungan social influence terhadap behavioral intention dengan moderasi age dengan path coefficient -0,027 dengan t statistik (-0,491)<1,96. Age tidak signifikan berperan sebagai variabel moderasi yang memperkuat/ memperlemah hubungan social influence terhadap behavioral intention.
4. Hipotesis keduabelas (H12) ditolak yaitu hubungan performance expectancy terhadap behavioral intention dengan moderasi experience tidak signifikan dengan path coefficient (-0,082) dan t statistik (-1,268)<1,96. Experience tidak
signifikan memoderasi hubungan performance expectancy terhadap behavioral intention.
5. Hipotesis ketigabelas (H13) ditolak yaitu hubungan effort expectancy terhadap behavioral intention dengan moderasi experience tidak signifikan dengan path coefficient 0,015 dan t statistik (0,218)<1,96.
6. Hipotesis keempat belas (H14) ditolak yaitu hubungan social influence terhadap behavioral intention dengan moderasi experience tidak signifikan dengan path coefficient 0,056 dan t statistik (1,064)<1,96.
7. Hipotesis kelima belas (H15) ditolak yaitu hubungan facilitating condition terhadap use behavior dengan moderasi age tidak signifikan dengan path coefficient -0,016 dan t statistik (-0,433)<1,96.
8. Hipotesis keenam belas (H16) ditolak yaitu hubungan facilitating condition terhadap use behavior dengan moderasi experience tidak signifikan dengan path coefficient -0,042 dan t statistik (-0,971)<1,96.
D. Simpulan
Penelitian ini memiliki tujuan untuk menganalisis variabel UTAUT terhadap behavioral intention dan dampaknya pada use behavior pada sistem pendaftaran online di RS Aisyiyah Pariaman. Berikut adalah kesimpulan penelitian yang menjawab rumusan masalah yang telah disusun.
1. Berdasarkan hasil penelitian didapatkan bahwa faktor-faktor yang berhubungan dengan penggunaan pendaftaran online (use behavior) di Rumah Sakit Aisyiyah Pariaman berdasarkan Unified Teory of Acceptance and Use Of technology (UTAUT) yaitu performance expectancy, effort expectancy, social influence, facilitating conditions dan behavioral intention.
2. Performance expectancy, effort expectancy, social influence, berhubungan signifikan terhadap behavioral intention penggunaan pendaftaran online di Rumah Sakit Aisyiyah Pariaman dengan nilai signifikan tertinggi terdapat pada hubungan performance expectancy terhadap behavior intention.
3. Facilitating conditions dan behavioral intention berhubungan signifikan terhadap use behavior penggunaan pendaftaran online di Rumah Sakit Aisyiyah Pariaman.
4. Variabel mediasi behavior intention dalam memediasi pengaruh tidak langsung performance expectancy, effort expectancy, dan social influence berhubungan signifikan terhadap peningkatan use behavior.
5. Variabel moderasi usia (age) dan pengalaman (experience) dalan memoderasi performance expectancy, effort expectancy, social influence terhadap behavioral intention tidak berhubungan signifikan.
6. Variabel moderasi usia (age) dan pengalaman (experience) dalam meoderasi facilitating conditions terhadap use behavior tidak berhubungan signifikan.
E. Referensi
[1] R. M. D. Putra, “Inovasi Pelayanan Publik Di Era Disrupsi (Studi Tentang Keberlanjutan Inovasi E-Health Di Kota Surabaya),” Universitas Airlangga, 2018.
[2] G. Gopal, C. Suter-Crazzolara, L. Toldo, and W. Eberhardt, “Digital transformation in healthcare–architectures of present and future
information technologies,” Clin. Chem. Lab. Med., vol. 57, no. 3, pp. 328–335, 2019.
[3] A. Ramsetty and C. Adams, “Impact of the digital divide in the age of COVID- 19,” J. Am. Med. Informatics Assoc., vol. 27, no. 7, pp. 1147–1148, 2020.
[4] Y. S. Bae et al., “Information technology–based management of clinically healthy COVID-19 patients: lessons from a living and treatment support center operated by Seoul National University Hospital,” J. Med. Internet Res., vol. 22, no. 6, p. e19938, 2020.
[5] J. Devin, B. J. Cleary, and S. Cullinan, “The impact of health information technology on prescribing errors in hospitals: a systematic review and behaviour change technique analysis,” Syst. Rev., vol. 9, no. 1, pp. 1–17, 2020.
[6] M. Imran, P. Paidi, K. Aryani, and A. A. Lubis, “Penggunaan Komunikasi Digital Dalam Upaya Meningkatkan Efektivitas Pelayanan Kesehatan,” Source J. Ilmu Komun., vol. 3, no. 2, pp. 88–85, 2021.
[7] T. D. Silitonga, “Pelaksanaan Sistem Informasi Manajemen Rumah Sakit (SIMRS) Di Rumah Sakit Jiwa Tampan Provinsi Riau Tahun 2017,” J. Kesehat.
Komunitas, vol. 5, no. 3, pp. 161–165, 2019.
[8] A. Riyandi, “Sistem Informasi Ketersediaan Ruangan Rumah Sakit Terintegrasi Aplicare BPJS Kesehatan,” Paradig. - J. Komput. dan Inform., vol.
21, no. 1, pp. 85–90, 2019.
[9] R. N. Putri, “Indonesia dalam Menghadapi Pandemi Covid-19,” J. Ilm. Univ.
Batanghari Jambi, vol. 20, no. 2, p. 705, 2020.
[10] R. Melyanti, D. Irfan, A. Febriani, R. Khairana, and S. Hang Tuah Pekanbaru,
“Rancang Bangun Sistem Antrian Online Kunjungan Pasien Rawat Jalan Pada Rumah Sakit Syafira Berbasis Web,” J. Inf. Technol. Comput. Sci., vol. 3, no. 2, pp. 192–198, 2020.
[11] V. Venkatesh, J. Y. L. Thong, and X. Xu, “Unified Theory of Acceptance and Use of Technology: A Synthesis and the Road Ahead,” J. Assoc. Inf. Syst., vol. 17, no. 5, pp. 328–376, 2016.
[12] N. Asiamah, E. Mends-Brew, and B. K. T. Boison, “A spotlight on cross- sectional research: addressing the issues of confounding and adjustment,”
Int. J. Healthc. Manag., vol. 14, no. 1, pp. 183–196, 2021.
[13] J. F. Hair, W. C. Black, B. J. Babin, and R. E. Anderson, “Multivariate Data Analysis (7th Edition) ( PDFDrive ).pdf.” p. 816 pages, 2010.
[14] S. Yamin, Tutorial Statistik : SPSS, LISREL, WARPPLS & JASP. Titian Pena 2017, 2021.
