pengukuran penerimaan teknologi e-banking oleh - sipeg unj

(1)

PENGUKURAN PENERIMAAN TEKNOLOGI E-BANKING OLEH NASABAH PADA BANK PEMERINTAH DENGAN MENGGUNAKAN MODEL UTAUT (UNIFIED THEORY OF ACCEPTANCE AND USE OF

TECHNOLOGY) DENGAN MODERATING VARIABEL USIA

MEASUREMENT TECHNOLOGIES E-BANKING BY CUSTOMER GOVERNMENT BANK USING MODEL UTAUT (UNIFIED THEORY OF

ACCEPTANCE AND USE OF TECHNOLOGY) WITH MODERATING VARIABEL AGE

PENELITIAN Oleh : OSLY USMAN NIM 120430130515

PROGRAM DOKTOR ILMU EKONOMI & BISNIS KONSENTRASI STRATEGIK MANAJEMEN

FAKULTAS EKONOMI DAN BISNIS UNIVERSITAS PADJADJARAN

BANDUNG, 2018

(2)

i KATA PENGANTAR

Alhamdulillah, segala puji dan syukur kepada Allah SWT atas segala rahmat, taufik dan hidayah hingga penulis dapat merampungkan penyusunan Penelitian dengan judul Pengukuran Penerimaan Teknologi E-Banking oleh Nasabah pada Bank Pemerintah dengan menggunakan model UTAUT (Unified Theory of Acceptance and Use of Technology) dengan Moderating Variable Age.

Penulis menyadari bahwa dalam penyusunan Penelitian ini masih terdapat kelemahan yang perlu diperkuat dan kekurangan yang perlu dilengkapi. Karena itu, dengan rendah hati penulis mengaharapkan masukan, koreksi dan saran untuk memperkuat kelemahan dan melengkapi kekurangan tersebut.

Dengan tersusunnya Penelitian ini, penulis mengucapkan terimakasih dan penghargaan yang setinggi-tingginya kepada Yth. Prof. Dr. Ina Primiana Syinar, SE., MT selaku Ketua Tim Promotor, Yth. Dr.Hj.Umi Kultum, SE. MS selaku Anggota Tim Promotor, dan Erie Febrian, SE., MBA, M.Comm, Ph.D selaku Anggota Tim Promotor, yang berkenan memberi bimbingan, arahan dan masukan bagi tersusunnya Penelitian yang layak untuk disajikan. Penulis juga mengucapkan terima kasih dan penghargaan kepada:

1. Yth. Rektor Universitas Padjadjaran, Bandung;

2. Yth. Direktur Ketua Program Doktor Ilmu Ekonomi dan Bisnis Universitas Padjadjaran, Bandung;

3. Keluarga besar Universitas Negeri Jakarta terutama Fakultas Ekonomi Universitas Negeri Jakarta yang telah mendukung penulis dalam upaya memperoleh gelar Doktor selama kurang lebih 2 (dua) tahun belakangan ini;

4. Orang tua tersayang Almarhum H. Nur Usman dan Almarhumah Hj. Tioly Harahap, yang saat ini sudah tiada namun penulis yakin mereka pasti akan mendukung dan bahagia saat penulis dapat memperoleh gelar Doktor;

5. Keluarga besar penulis, terutama Tante Nur Cahaya dan adek Telly Usman yang sudah mendukung penulis selama ini perkuliahan berlangsung, serta keluarga lainnya yang tidak mungkin disebutkan satu persatu;

(3)

ii 6. Orang tua dari istri penulis, H. Djaja Satria dan Suryetti DS, serta saudara – saudara dari istri penulis yang selalu mendukung apa yang dilakukan penulis terutama dalam upaya memperoleh gelar Doktor;

7. Yang teristimewa dan paling khusus, istri tersayang Ami Deltiyati Satria dan anak – anak ganteng tercinta Imanullah Oracle Usman dan Ibrahim Akhtar Usman, yang senantiasa menjadi inspirasi, memberi doa, dan dukungan selama berlangsungnya masa perkuliahan hingga memasuki masa penyelesaian perkuliahan untuk memperoleh gelar Doktor;

8. Terakhir kepada teman – teman penulis serta semua pihak yang telah membantu kegiatan penelitian pendahuluan; atas perhatian, perkenan dan bantuan yang telah diberikan hingga tersusunnya Penelitian ini.

Semoga apa yang penulis buat dalam penelitian ini dapat berguna dan bermanfaat bagi Universitas Padjajaran dan Universitas Negeri Jakarta pada khususnya, dan seluruh masyarakat Indonesia pada umumnya.

Jakarta, Oktober 2018

Osly Usman

(4)

iii ABSTRAK

Penelitian ini merupakan penelitian eksploratif dengan tujuan para pengunaan electronic banking dapat mengunakan teknologi tanpa menggunakan pelayanan pegawai bank, namun melalui delivery chanel transaksi elektronik perbankan. Penelitian ini adalah studi literatur dengan mengkaji berbagai hasil riset empiris tentang adopsi e-banking. Untuk kasus sektor perbankan, adopsi e-banking merupakan salah satu alternatif untuk mendukung pelayanan. Di satu sisi, adopsi e-banking memberikan tambahan penghasilan bagi perbankan, namun di sisi lain adopsi e-banking juga sangat rentan terkait dengan aspek trust yang dirasakan oleh nasabah. Oleh karena itu, kajian tentang aspek trust dalam kasus adopsi e-banking sangatlah perlu untuk dicermati, yaitu tidak saja bagi upaya peningkatan kualitas layanan bagi nasabah, tetapi juga meningkatkan keunggulan bersaing dari pesaing dan juga aspek kepercayaan nasabah untuk tetap loyal menggunakan e-banking. Hasil dari kajian literatur menunjukan bahwa aspek trust menjadi salah satu aspek terpenting untuk mendukung security dari pengukuran banking penerimaan teknologi e- banking oleh nasabah pada bank pemerintah dengan menggunakan model UTAUT dalam rangka mencapai keunggulan bersaing.

Keyword : E-banking, Security, Utaut

(5)

iv

DAFTAR ISI

Kata Pengantar ... i

Abstrak ... iii

Daftar Isi ... Iv UTAUT-S dengan moderating Age ... 1

Pengaruh Age sebagai moderating variabel dari Performance Expectancy, Effort Expectancy, Social Influence dan Security terhadap Behavioral Intention ... 4

Performance Expectancy terhdap Behavioral Intention ... 8

effort expectancy terhadap behavioral intention ... 8

Social Influence terhadap Behavioral Intention ... 9

Daftar Pustaka ... 11

(6)

1 UTAUTS Dengan Moderating Age

Pengelompokan usia merupakan salah satu moderating variable yang sering dipakai dalam penelitian penerimaan teknologi (Aboobucker dan Bao, 2018). Penelitian Aboobucker tentang faktor penghalang penerimaan teknologi internet banking pada nasabah bank di Sri Lanka, menunjukkan bahwa pengelompokan usia signifikan sebagai moderating variable bagi perceived risk, perceived trust, web usability, dan security terhadap adoption internet banking behavior (Aboobucker dan Bao, 2018). Pengujian lebih lanjut menunjukkan grup usia muda (dengan range usia 18-30 tahun) lebih mudah menerima teknologi internet banking berdasarkan perceived trust dan web usability dibanding grup usia dewasa (>30 tahun). Sementara itu, grup usia dewasa lebih unggul atas usia muda dalam penerimaan teknologi terkait perceived risk dan security.

Selanjutnya, pada penelitian adopsi e-banking di Finlandia, Laukkanen menunjukkan bahwa pengelompokan usia juga signifikan sebagai moderating variable dari intensi adopsi e- banking (Laukkanen, 2016). Berdasarkan kedua uraian tersebut, peneliti menyimpulkan bahwa pengelompokan usia dapat digunakan sebagai moderating variable bagi security, performace expectancy, effort expectancy, social influence, serta facilitating condition terhadap behavioral intention.

Age diduga sebagai moderating variabel pada Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Condition dan Security terhadap Behavioral Intentention pada bank pemerintah.

(7)

2 Gambar 3.8 Diagram Persamaan Hipothesis 6.

Sumber (Olahan Peneliti)

Hipothesis 6a.

H0: 𝛽₁₁₍₁₎=𝛽₁₁₍₂₎ Tidak ada perbedaan pengaruh performance expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

H1: 𝛽₁₁₍₁₎ ≠ 𝛽₁₁₍₂₎ Ada perbedaan pengaruh performance expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

(8)

3 Hipothesis 6b.

H0: 𝛽₁₂₍₁₎=𝛽₁₂₍₂₎ Tidak ada perbedaan pengaruh effort expectancy terhadap behavioral intention secara signifikan signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

H1: 𝛽₁₂₍₁₎ ≠ 𝛽₁₂₍₂₎ Ada perbedaan pengaruh effort expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

Hipothesis 6c.

H0: 𝛽₁₃₍₁₎=𝛽₁₃₍₂₎ Tidak ada perbedaan pengaruh social influence terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

H1: 𝛽₁₃₍₁₎ ≠ 𝛽₁₃₍₂₎Ada perbedaan pengaruh social influence terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

Hipothesis 6d.

H0: 𝛽₁₅₍₁₎=𝛽₁₅₍₂₎ Tidak ada perbedaan pengaruh security terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun)

H1: 𝛽₁₅₍₁₎ ≠ 𝛽₁₅₍₂₎ Ada perbedaan pengaruh security terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

(9)

4 Pengujian hipothesi dilakukan dengan menggunakan uji t (parametrik test) sebagai berikut:

Uji t dilakukan dengan menggunakan formula :

𝑡 = 𝛽₍₁₎− 𝛽₍₂₎

√ (𝑛⁽¹⁾− 1)²

𝑛⁽¹⁾− 𝑛⁽²⁾− 2. 𝑠𝑒(𝛽₍₁₎)²+ (𝑛⁽¹⁾− 1)²

𝑛⁽¹⁾− 𝑛⁽²⁾− 2. 𝑠𝑒(𝛽₍₂₎)²𝑥√ 1

𝑛⁽¹⁾+ 1 𝑛⁽²⁾

Keterangan:

𝛽₍₁₎ = nilai koefisien di grup 1 𝛽₍₂₎ = nilai koefisien di grup 2 𝑛⁽¹⁾ = jumlah pengamatan grup 1 𝑛⁽²⁾ = jumlah pengamatan grup 2

𝑠𝑒(𝛽₍₁₎) = standart error koefisien di grup 1 𝑠𝑒(𝛽₍₁₎) = standart error koefisien di grup 2

Jika nilai 𝑡_{ℎ𝑖𝑡𝑢𝑛𝑔} > 𝑡_𝑛(1)+𝑛⁽²⁾−2, maka disimpulkan ada perbedaan koefisien di group 1 dan grup 2 (variabel tersebut merupakan moderating variabel)

Pengaruh Age sebagai moderating variabel dari Performance Expectancy, Effort Expectancy, Social Influence dan Security terhadap Behavioral Intention.

(10)

5 Gambar 3.7 Diagram BootStrap Usia Dibawah 25

Sumber (Olahan Peneliti)

Gambar 3.7 Diagram BootStrap Usia diatas 25 Sumber (Olahan Peneliti)

(11)

6 Multi Group Analysis (MGA) digunakan untuk menguji pengaruh Age sebagai moderating variabel dari performance expectancy, effort expectancy, social influence, security terhadap behavioral intention. Pada penelitian ini usia dibagi atas 2 grup yaitu responden yang berusia < 25 tahun dan responden yang berusia > 25 tahun.

Tabel 4.5.1 Outer Model Dengan Age Sebagai Moderating Variabel

Keterangan Loading Factor Composite

Reliability Cronbach Apha

<25 thn >25 thn <25 thn >25 thn <25 thn >25 thn Performance Expectancy

PE ----> PEX1 0.852 0.848

0.923 0.931 0.895 0.907

PE ----> PEX2 0.847 0.859

PE ----> PEX3 0.831 0.846

PE ----> PEX4 0.835 0.859

PE ----> PEX5 0.852 0.854

Effort Expectancy

EE ----> EEX1 0.830 0.857

0.910 0.923 0.867 0.889

EE ----> EEX2 0.837 0.861

EE ----> EEX3 0.847 0.876

EE ----> EEX4 0.869 0.872

Social Influence

SI ----> SIX1 0.831 0.842

0.907 0.910 0.863 0.868

SI ----> SIX2 0.857 0.850

SI ----> SIX3 0.833 0.850

SI ----> SIX4 0.845 0.845

Faciltating Condition

FC ----> FCX1 0.860 0.876

0.891 0.907 0.816 0.847

FC ----> FCX2 0.823 0.874

FC ----> FCX3 0.882 0.874

Security

S ----> SX1 0.849 0.860

0.911 0.913 0.870 0.873

S ----> SX2 0.850 0.853

S ----> SX3 0.847 0.869

S ----> SX4 0.848 0.822

Behavioral Intention

BI ----> BIX1 0.844 0.862

0.901 0.910 0.854 0.868

BI ----> BIX2 0.836 0.846

BI ----> BIX3 0.832 0.843

BI ----> BIX4 0.825 0.835

Use Behavior

(12)

7 Keterangan Loading Factor Composite

Reliability Cronbach Apha

<25 thn >25 thn <25 thn >25 thn <25 thn >25 thn

USE ----> USEX1 0.841 0.870

0.893 0.911 0.840 0.870

USE ----> USEX2 0.825 0.853

USE ----> USEX3 0.825 0.838

USE ----> USEX4 0.797 0.829

Sumber: Hasil Olahan Data Statistik

Outer model disajikan pada tabel 4.5.1. Tabel tersebut menggambarkan uji validitas dengan uji convergent validity, serta uji reliabilitas dengan composite reliability dan cronbach alpha. Indikator atau indikator disimpulkan valid jika memiliki nilai loading diatas 0.5. Indikator atau indikator yang mengukur variabel laten disimpulkan reliabel jika memiliki nilai composite reliability diatas 0.7 dan cronbach alpha diatas 0.6.

Tabel 4.5.1 menunjukkan bahwa semua indikator pada tiap variabel laten memiliki nilai loading lebih dari 0.5. Tidak ada perbedaan yang signifikan nilai loading pada nasabah berusia <

25 tahun dan > 25 tahun. Nilai composite reliability lebih dari 0.7 dan nilai cronbach alpha lebih dari 0.6. Artinya tidak ada perbedaan tingkat validitas dan reliabilitas alat ukur untuk pada nasabah berusia < 25 tahun dan > 25 tahun.

Tabel 4.5.2 Koefisien Pengaruh Age sebagai moderating variabel dari Performance Expectancy, Effort Expectancy, Social Influence, Security terhadap Behavioral Intention

Arah hubungan Koefisien Selisih t test P-

Value

<25 thn >25 thn

Performance expectancy ---

> Behavior intention 0.256 0.117

0.139 2.01 0.047 Effort expectancy

---

0.113 1,98 0.048 Social influence

---

0.127 2.03 0.046 Security

---

0.166 2.95 0.032 Sumber: Hasil Olahan Data Statistik

Proses pengujian hipothesis 6 dari penelitian ini sebagai berikut:

(13)

8 Performance Expectancy terhadap Behavioral Intention

H0: 𝛽₁₁₍₁₎=𝛽₁₁₍₂₎ Tidak ada perbedaan pengaruh performance expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

H1: 𝛽₁₁₍₁₎ ≠ 𝛽₁₁₍₂₎ Ada perbedaan pengaruh performance expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

Pengujian dilakukan dengan menggunakan pendekatan parametrik (uji t). Tabel 4.5.2 menunjukkan bahwa nilai t-test dari perbedaan pengaruh performance expectancy terhadap behavioral intention sebesar 2.01 dengan nilai p-value 0.047 atau kurang dari nilai α = 0.05.

sehingga disimpulkan untuk menerima H1. .Artinya ada perbedaan pengaruh performance expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

effort expectancy terhadap behavioral intention.

H0: 𝛽₁₂₍₁₎=𝛽₁₂₍₂₎ Tidak ada perbedaan pengaruh effort expectancy terhadap behavioral intention secara signifikan signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

H1: 𝛽₁₂₍₁₎ ≠ 𝛽₁₂₍₂₎ Ada perbedaan pengaruh effort expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

Pengujian dilakukan dengan menggunakan pendekatan parametrik (uji t). Tabel 4.5.2 menunjukkan bahwa nilai t-test dari perbedaan pengaruh effort expectancy terhadap behavior intention sebesar 1.98 dengan nilai p-value 0.048 atau kurang dari nilai α = 0.05. Sehingga

(14)

9 disimpulkan untuk menerima H1. .Artinya ada perbedaan pengaruh effort expectancy terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun)

Social Influence terhadap Behavioral Intention

H0: 𝛽₁₃₍₁₎=𝛽₁₃₍₂₎ Tidak ada perbedaan pengaruh social influence terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

H1: 𝛽₁₃₍₁₎ ≠ 𝛽₁₃₍₂₎

Ada perbedaan pengaruh social influence terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun)

Pengujian dilakukan dengan menggunakan pendekatan parametrik (uji t). Tabel 4.5.2 menunjukkan bahwa nilai t-test dari perbedaan pengaruh social influence terhadap behavioral intention sebesar 2.03 dengan nilai p-value 0.046 atau kurang dari nilai α = 0.05. sehingga disimpulkan untuk menerima H1. .Artinya ada perbedaan pengaruh social influence terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

Security terhadap Behavioral Intention

H0: 𝛽₁₅₍₁₎=𝛽₁₅₍₂₎ Tidak ada perbedaan pengaruh security terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun)

H1: 𝛽₁₅₍₁₎ ≠ 𝛽₁₅₍₂₎ Ada perbedaan pengaruh security terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

(15)

10 Pengujian dilakukan dengan menggunakan pendekatan parametrik (uji t). Tabel 4.5.2 menunjukkan bahwa nilai t-test dari perbedaan pengaruh security terhadap behavioral intention sebesar 2.95 dengan nilai p-value 0.032 atau kurang dari nilai α = 0.05. sehingga disimpulkan untuk menerima H1. .Artinya ada perbedaan pengaruh security terhadap behavioral intention secara signifikan antara nasabah usia muda (< 25 tahun) dan nasabah usia dewasa (> 25 tahun).

Hipothesis penelitian yang menduga bahwa age merupakan variabel moderating dari performance expectancy, effort expectancy, social influence, security terhadap behavioral intention. Hasil temuan ternyata menunjukkan bahwa age merupakan moderating variabel pada performace expectancy, effort expectancy, social influence dan security pada adopsi teknologi e- banking pada nasabah bank pemerintah.

(16)

11

DAFTAR PUSTAKA

Aboobucker, I., & Bao, Y. (2018). What obstruct customer acceptance of internet banking?

Security and privacy, risk, trust and website usability and the role of moderators. The Journal of High Technology Management Research.

Ahmad, M. I. (2014). Unified Theory of Acceptance and Use of Technology (UTAUT): a decade of validation and development. In Proceedings of the 4th International Conference on ICT in our Lives (ISSN 2314–8942).

Ajzen, I. (1991). The theory of planned behavior. SesOrganizational Behavior and Human Decision Proces, 50(2), 179–211.

Alalwan, A. A., Dwivedi, Y. K., Rana, N. P. P., & Williams, M. D. (2016). Consumer adoption of mobile banking in Jordan. Journal of Enterprise Information Management, 29(1), 118–

139. https://doi.org/10.1108/JEIM-04-2015-0035

Chellappa, R. K., & Pavlou, P. A. (2002). Perceived information security, financial liability and consumer trust in electronic commerce transactions. Logistics Information Management, 15(5/6), 358–368.

Celik, H. (2016). Customer online shopping anxiety within the Unified Theory of Acceptance and Use Technology (UTAUT) framework. Asia Pacific Journal of Marketing and Logistics, 28(2), 278–307

Chiu, J. L., Bool, N. C., & Chiu, C. L. (2017). Challenges and factors influencing initial trust and behavioral intention to use mobile banking services in the Philippines. Asia Pacific Journal of Innovation and Entrepreneurship, 11(2), 246–278. https://doi.org/10.1108/APJIE-08- 2017-029

(17)

12 Chin, W. W. (2010). How to write up and report PLS analyses. In Handbook of partial least

squares (pp. 655–690). Springer.

Chopdar, P. K., Korfiatis, N., Sivakumar, V. J., & Lytras, M. D. (2018). Mobile shopping apps adoption and perceived risks: A cross-country perspective utilizing the Unified Theory of Acceptance and Use of Technology. Computers in Human Behavior, 86, 109–128

Compeau, D. R., & Higgins, C. A. (1995). Application of social cognitive theory to training for computer skills. Information Systems Research, 6(2), 118–143.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 319–340.

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology:

a comparison of two theoretical models. Management Science.

https://doi.org/10.1287/mnsc.35.8.982

Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic and intrinsic motivation to use computers in the workplace 1. Journal of Applied Social Psychology, 22(14), 1111–1132.

Doll, W. J., & Torkzadeh, G. (1988). The measurement of end-user computing satisfaction. MIS Quarterly, 259–274.

Fishbein, M., & Ajzen, I. (1974). Attitudes towards objects as predictors of single and multiple behavioral criteria. Psychological Review, 81(1), 59.

Ganapathy, S., Ranganathan, C., & Sankaranarayanan, B. (2004). Visualization strategies and tools for enhancing customer relationship management. Communications of the ACM, 47(11), 92–99.

Gounaris, S., & Koritos, C. (2008). Investigating the drivers of internet banking adoption decision: A comparison of three alternative frameworks. International Journal of Bank

(18)

13 Marketing, 26(5), 282–304.

Henderson, R. (1995). European retail banking: innovation strategies. International Journal of Business Studies, 3(1), 11–30.

Hair Jr, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2016). A primer on partial least squares structural equation modeling (PLS-SEM). Sage Publications.

Isa, M. A. M., Nasrul, F., Senan, R., & Mohamed, S. (2017). The consumer acceptance towards electronic payment system.

Laukkanen, T. (2016). Consumer adoption versus rejection decisions in seemingly similar service innovations: The case of the Internet and mobile banking. Journal of Business Research, 69(7), 2432–2439.

Lee, M. C. (2009). Factors influencing the adoption of internet banking: An integration of TAM and TPB with perceived risk and perceived benefit. Electronic Commerce Research and Applications, 8(3), 130–141. https://doi.org/10.1016/j.elerap.2008.11.006

Liebenberg, J., Benade, T., & Ellis, S. (2018). Acceptance of ICT: Applicability of the Unified Theory of Acceptance and Use of Technology (UTAUT) to South African Students. The African Journal of Information Systems, 10(3), 1.

Mahardika, A., & Basuki, R. (2011). Factor Determining Acceptance Level of Internet Banking Implementation. Journal of Management Science and Information Technology, 1(1).

Martins, C., Oliveira, T., & Popovič, A. (2014). Understanding the internet banking adoption: A unified theory of acceptance and use of technology and perceived risk application.

International Journal of Information Management. https://doi.org/sci

Madan, K., & Yadav, R. (2016). Behavioural intention to adopt mobile wallet: a developing country perspective. Journal of Indian Business Research, 8(3), 227–244.

(19)

14 https://doi.org/10.1108/JIBR-10-2015-0112

Mahardika, A., & Basuki, R. (2011). Factor Determining Acceptance Level of Internet Banking Implementation. Journal of Management Science and Information Technology, 1(1).

Mauro C. Hernandez, J., & Afonso Mazzon, J. (2007). Adoption of internet banking: proposition and implementation of an integrated methodology approach. International Journal of Bank Marketing, 25(2), 72–88. https://doi.org/10.1108/02652320710728410

Monecke, A., & Leisch, F. (2012). semPLS: structural equation modeling using partial least squares

Momani, A. M., & Jamous, M. (2017). The Evolution of Technology Acceptance Theories.

Moore, G. C., & Benbasat, I. (1991). Development of an instrument to measure the perceptions of adopting an information technology innovation. Information Systems Research, 2(3), 192–222.

Mukherjee, A., & Nath, P. (2003). A model of trust in online relationship banking. International Journal of Bank Marketing, 21(1), 5–15. https://doi.org/10.1108/02652320310457767 Ofori, K. S., Boakye, K. G., Addae, J. A., Ampong, G. O. A., & Adu, A. S. Y. (2017). An

Empirical Study on the Adoption of Consumer-to-Consumer E-commerce: Integrating the UTAUT Model and the Initial Trust Model. In International Conference on e-Infrastructure and e-Services for Developing Countries (pp. 281–292). Springer.

Owusu Kwateng, K., Osei Atiemo, K. A., & Appiah, C. (2018). Acceptance and use of mobile banking: an application of UTAUT2. Journal of Enterprise Information Management.

Patel, K. J., & Patel, H. J. (2018). Adoption of internet banking services in Gujarat: An extension of TAM with perceived security and social influence. International Journal of Bank

Marketing, 36(1), 147–169.

(20)

15 Phichitchaisopa, N., & Naenna, T. (2013). Factors affecting the adoption of healthcare

information technology. EXCLI Journal, 12, 413.

Rahi, S., Ghani, M., Alnaser, F., & Ngah, A. (2018). Investigating the role of unified theory of acceptance and use of technology (UTAUT) in internet banking adoption context.

Management Science Letters, 8(3), 173–186.

Rahi, S., Ghani, M., & Ngah, A. (2018). A structural equation model for evaluating user’s intention to adopt internet banking and intention to recommend technology. Accounting, 4(4), 139–152.

Raza, S. A., Umer, A., & Shah, N. (2017). New determinants of ease of use and perceived usefulness for mobile banking adoption. International Journal of Electronic Customer Relationship Management, 11(1), 44–65.

Sekaran, U., & Bougie, R. (2016). Research methods for business: A skill building approach.

John Wiley & Sons

Salimon, M. G., Yusoff, R. Z., & Mokhtar, S. S. M. (2016). The influence of e-satisfaction, e- trust and hedonic motivation on the adoption of e-banking and its determinants in Nigeria:

A pilot study. Mediterranean Journal of Social Sciences, 7(1), 54.

Singh, S., & Srivastava, R. K. (2018). Predicting the intention to use mobile banking in India.

International Journal of Bank Marketing, 36(2), 357–378.

Sinisalo, J., & Karjaluoto, H. (2009). THE IMPACT OF MOBILE PHONE CAPABILITIES ON MOBILE SERVICE USAGE: EMPIRICAL EVIDENCE FROM FINLAND. International Journal of Mobile Marketing, 4(1).

Sugiono. (2008). Metode penelitian pendidikan: (pendekatan kuantitatif, kualitatif dan R & D).

Alfabeta. Retrieved from

(21)

16 Tan, E., & Leby Lau, J. (2016). Behavioural intention to adopt mobile banking among the

millennial generation. Young Consumers, 17(1), 18–31. https://doi.org/10.1108/YC-07- 2015-00537

Tenenhaus, M., Vinzi, V. E., Chatelin, Y. M., & Lauro, C. (2005). PLS path modeling.

Computational Statistics and Data Analysis, 48(1), 159–205.

Tarhini, A., El-Masri, M., Ali, M., & Serrano, A. (2016a). Extending the UTAUT model to understand the customers’ acceptance and use of internet banking in Lebanon: A structural equation modeling approach. Information Technology & People, 29(4), 830–849.

Tarhini, A., El-Masri, M., Ali, M., & Serrano, A. (2016b). Extending the UTAUT model to understand the customers’ acceptance and use of internet banking in Lebanon. Information Technology & People, 29(4), 830–849. https://doi.org/10.1108/ITP-02-2014-0034

Taylor, S., & Todd, P. (1995a). Assessing IT Usage: The Role of Prior Experience. MIS Quarterly, 19(4), 561. https://doi.org/10.2307/249633

Taylor, S., & Todd, P. A. (1995b). Understanding information technology usage: A test of competing models. Information Systems Research. https://doi.org/10.1287/isre.6.2.144 Teo, A.-C., Tan, G. W.-H., Ooi, K.-B., Hew, T.-S., & Yew, K.-T. (2015). The effects of

convenience and speed in m-payment. Industrial Management & Data Systems, 115(2), 311–331. https://doi.org/10.1108/IMDS-08-2014-023

Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal Computing: Toward a

Conceptual Model of Utilization. MIS Quarterly, 15(1), 125. https://doi.org/10.2307/249443 Tornatzky, L. G., & Klein, K. J. (1982). Innovation characteristics and innovation adoption-

implementation: A meta-analysis of findings. IEEE Transactions on Engineering Management, (1), 28–45.

(22)

17 Triandis, H. C., McCusker, C., & Hui, C. H. (1990). Multimethod probes of individualism and

collectivism. Journal of Personality and Social Psychology, 59(5), 1006.

Turban, E., King, D., Lee, J., & Liang, T. P. (2012). D. Turban (2012). Electronic Commerce 2012: A managerial and social networks perspective. Pearson.

Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 425–478.

Venkatesh, V., & Speier, C. (1999). Computer technology training in the workplace: A longitudinal investigation of the effect of mood. Organizational Behavior and Human Decision Processes, 79(1), 1–28.

Venkatesh, V., Thong, J., & Xu, X. (2012a). Consumer acceptance and user of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.1111/j.1365-2729.2006.00163.x Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012b). Consumer Acceptance and Use of

Information Technology : Extending the Unified Theory. MIS Quarterly, 36(1), 157–178.

https://doi.org/10.1017/CBO9781107415324.004

Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012c). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology. MIS

Quarterly, 157–178.

Zhou, T., Lu, Y., & Wang, B. (2010). Integrating TTF and UTAUT to explain mobile banking user adoption. Computers in Human Behavior, 26(4), 760–767.

https://doi.org/10.1016/j.chb.2010.01.013

Wood, R., & Bandura, A. (1989). Social cognitive theory of organizational management.

Academy of Management Review, 14(3), 361–384.

(23)

18 Wold, H. (1980). Model construction and evaluation when theoretical knowledge is scarce:

Theory and application of partial least squares. In Evaluation of econometric models (pp.

47–74). Elsevier