SKRIPSI - YANA TRISNAWATI 11160930000028

kemanfaatan dari adanya penggunaan teknologi juga dapat meningkatkan kinerja
dan prestasi bagi yang menggunakan (Fadilla, 2019). Oleh karena itu peneliti
menggunakan hipotesis sebagai berikut:

H6: Pengaruh Perceived Usefulness terhadap Attitude Toward Using
H7: Pengaruh Perceived Usefulness terhadap Behaviour Intention to Use.
f. Recommended Act
Menurut Olufadi (2017) dalam penelitian Bambang & Bahrul (2020)
mengemukakan bahwa terdapat 3 dimensi pada model MUDRAS yang sudah teruji
validitas dan reliabilitasnya, di antaranya yang digunakan dalam penelitian ini
adalah recommended act dan sinful act. Recommended act adalah perilaku yang
direkomendasikan secara positif oleh Tuhan dan dicontohkan oleh Nabi
Muhammad SAW (Mahmudin et al., 2016). Selain itu pada penelitian Wisandiko
& Indrawati (2020) mengenai penggunaan teknologi bagi ummat Muslim adalah
perlunya menggunakan teknologi dengan baik dan benar, dan digunakan untuk hal
yang bermanfaat yang dicontohkan Nabi Muhammad SAW. Oleh karena itu
peneliti menggunakan hipotesis sebagai berikut:
H8: Pengaruh Recommended Act terhadap Actual Use
g. Sinful Act
Sinful Act dikatakan perbuatan dosa baik besar maupun kecil yang
dilakukan seseorang, diharapkan dalam penelitian ini pengguna menghindari
perbuatan dosa tersebut hal ini menujukan bahwa tingkat religiusitas pengguna
(Wisandiko & Indrawati, 2020). Menurut Radiansyah (2018) bahwa dalam
menggunakan teknologi perlu memperhatikan manfaatnya, sehingga

74

penggunaannya menjadi lebih baik sesuai syariat atau aturan umat Muslim. Dengan
demikian peneliti menggunakan hipotesis sebagai berikut:

H9: Pengaruh Sinful Act terhadap Actual Use
H10: Pengaruh Sinful Act terhadap Belief
3.4.2 Indikator Penelitian
Indikator penelitian digunakan sebagai suatu petunjuk atau keterangan guna
mengukur secara tidak langsung dari suatu kejadian atau kondisi dalam hal ini
adalah suatu perubahan variabel-variabelnya. Untuk lebih jelasnya terdapat pada
Tabel 3.1 dijelaskan variabel, kode, indikator, petanyaan dan sumbernya.

75

3.4.3 Indikator Penelitian

Tabel 3.1 In

Variabel Indikator

Kode Indikator
PEOU1
Mudah dipelajari E-w
Perceived Ease of PEOU2 Kemudahan pem
Use (PEOU) PEOU3 Fit
Efektifitas dip
PEOU4 E-w
Mudah digunakan leb
PU1 Mempercepat Proses Sec
dig
PU2 Meningkatkan Kinerja E-w
Perceived Usefulness Meningkatkan leb
Aktifitas E-w
(PU) PU3 Kebermanfaatan me
Pen
PU4 Minat Pengguna akt
E-w
BIU1 ber
Sec
e-w

ndikator Penelitian

Pertanyaan Sumber

wallet DANA mudah untuk dipelajari sebagai alat (Sitinjak & Joan, 2019)
mbayaran (Davis, 1989)
tur-fitur yang ada dalam E-wallet DANA mudah
pahami dan digunakan (Deng et al.,2008)
wallet DANA membuat pembayaran menjadi (Davis, 1989)
bih fleksibel
cara keseluruhan E-wallet DANA mudah (Davis, 1989)
gunakan sebagai alat pembayaran kebutuhan saya (Chauhan, 2015)
wallet DANA membuat pembayaran menjadi
bih cepat
wallet meningkatkan kinerja saya dalam
elakukan pembayaran
nggunaan e-wallet meningkatkan performa
tifitas saya
wallet DANA sangat memberikan manfaat dan
rguna bagi saya
cara keseluruhan saya berniat untuk menggunakan
wallet DANA secara rutin

76

Behavioural BIU2 Ketertarikan Say
Intention to Use Penggunaan wa
(BIU) BIU3 Teknologi me
ATU1 Menyarankan
Attitude Toward ATU2 Penggunaan Say
Using (ATU) ATU3 Teknologi unt
ATU4 Ketertarikan
Actual Use (AU) AU1 Sec
Keyakinan Pilihan wa
AU2 Menyarankan
AU3 Penggunaan Me
AU4 Teknologi
Pengharapan Say
Teknologi ker

Alasan Menggunakan Say
DA
Keyakinan Pilihan Say
me
Waktu Penggunaan cas
Say
Minimal Pengunaan dal
wa
Say
har
Say
wa

ya tertarik terhadap pengembangan teknologi e-
allet DANA untuk menunjang pengguna dalam
elakukan transaksi

ya akan menyarankan orang lain atau rekan saya
tuk menggunakan e-wallet DANA

cara keseluruhan saya menyukai penggunaan e- (Davis, 1989)
allet DANA (Kotler & Armstrong,
enggunakan e-wallet DANA adalah pilihan tepat
2014)
ya akan merekomendasikan e-wallet DANA pada
rabat dekat saya

ya mengharapkan adanya inovasi baru dari pihak (Davis, 1989)
ANA (Park, 2009)
ya menggunakan e-wallet DANA karena banyak (Prasetyo, 2020)
emberikan keuntungan seperti promo discount dan
shback
ya lebih memilih menggunakan e-wallet DANA
lam melakukan pembayaran dibandingkan e-
allet lainnya
ya menggunakan e-wallet DANA hampir setiap
ri
ya mengakses dan melakukan pembayaran e-
allet DANA minimal 1x dalam sehari

77

Belief (BLF) BLF1 Kepercayaan terhadap Say
BLF2 kemanan yan
Sinful Acts (SA) BLF3 Say
BLF4 Keamanan Fitur-Fitur DA
Recommended Act SA1 Say
(RA) SA2 Kepercayaan Hukum pem
SA3 Islam dip
SA4 Say
RA1 Tanggung Jawab Atas kep
RA2 Keluhan
Pemahaman Say
Teknologi Terhadap pah
Hukum Islam
Say
Unsur Riba Teknologi DA
Pro
Promosi Dalam dal
Hukum Islam Say
Meninggalkan DA
Teknologi
Penggunaan Say
Teknologi Terhadap sep
Kebaikan
Kemudahan Pihak Say
Lain unt

ya percaya bahwa DANA merupakan e-wallet (Adzima & Ariyanti,
ng aman untuk digunakan dalam bertransaksi 2018)
ya percaya fitur-fitur yang ada dalam e-wallet
ANA memiliki keamanan yang terjamin (Ofuladi, 2017)
ya percaya bahwa harga promosi dan metode (Bambang & Bahrul,
mbayaran yang ada dalam e-wallet DANA
perbolehkan dalam hukum Islam 2020)
ya percaya bahwa DANA bertanggung jawab
pada pelanggannya, jika mendapat keluhan (Ofuladi, 2017)
(Bambang & Bahrul,
ya menggunakan e-wallet DANA karena sudah
ham dengan hukum Islam e-wallet 2020)

ya menggunakan e-wallet DANA karena yakin
ANA tidak mengandung unsur riba
omo discount dan cashback pada DANA boleh
lam hukum Islam
ya akan meninggalkan penggunaan e-wallet
ANA jika mengetahui terdapat unsur dosa

ya menggunakan e-wallet DANA untuk beramal
perti bersedekah

ya bertransaksi online dengan e-wallet DANA
tuk memudahkan pihak lain (merchant) terkait.

78

RA3 Rasa Syukur Say
wa
RA4 Tindakan Atas Say
Kemudahan ser

ya bersyukur atas kemajuan teknologi dengan e-
allet DANA memudahkan dalam bertransaksi
ya tidak boros atau terlena karena kemudahan
rta promo yang ditawarkan e-wallet DANA

79

3.4.4 Pembuatan Kuesioner

A. Profil Responden

1. Nama : ......................................................................

2. No. Telepon : ......................................................................

3. Jenis Kelamin : O Laki-Laki O Perempuan

4. Usia : O 18-25 Tahun O 26-30 Tahun

O 31-40 Tahun O > 40 Tahun

5. Pekerjaan : O Mahasiswa/Pelajar O Wirausaha

O PNS/TNI/POLRI O Wiraswasta

O Karyawan O Guru/Dosen

O Lain-lain

6. Pendapatan Perbulan / Uang Saku:

O < Rp. 1.000.000
O < Rp. 1.000.000 – Rp. 3.000.000
O < Rp. 3.000.000 – Rp. 5.000.000
O < Rp. 5.000.000 – Rp. 7.000.000

O > Rp. 7.000.000

B. Pertanyaan Umum

1. Sudah berapa lama Anda menggunakan Internet?

O < 1 Tahun O 1-5 Tahun

O 6-10 Tahun O >10 Tahun

2. Sudah berapa lama Anda menggunakan mobile wallet DANA?

O < 6 Bulan O < 1 Tahun O >1 Tahun

80

C. Variabel Kuesioner

Dalam pengisian kuesioner di bawah ini, peneliti mengunakan skala likert

dari 1-5 dengan keteranga terdapat pada tabel di bawah.

Tabel 3.2 Daftar Skala Likert pada Kuesioner

Jawaban Singkatan Nilai
Sangat Tidak Setuju STS 1
TS 2
Tidak Setuju N 3
Netral S 4
Setuju SS 5

Sangat Setuju

Tabel 3.3 Daftar Kuesioner
Perceived Ease of Use (PEOU)

No Pertanyaan STS TS N S SS

E-wallet DANA mudah untuk dipelajari sebagai
1

alat pembayaran

Fitur-fitur yang ada dalam E-wallet DANA mudah
2

dipahami dan digunakan

E-wallet DANA membuat pembayaran menjadi
3 lebih fleksibel

Secara keseluruhan E-wallet DANA mudah
4 digunakan sebagai alat pembayaran kebutuhan

saya

Perceived Usefulness (PU)

No Pertanyaan STS TS N S SS

1 E-wallet DANA membuat pembayaran menjadi
lebih cepat

81

2 E-wallet meningkatkan kinerja saya dalam
melakukan pembayaran
Penggunaan e-wallet meningkatkan performa

3
aktifitas saya
E-wallet DANA sangat memberikan manfaat dan

4 berguna bagi saya
Behavioural Intention to Use (BIU)

No Pertanyaan STS TS N S SS

Secara keseluruhan saya berniat untuk
1 menggunakan e-wallet DANA secara rutin

Saya tertarik terhadap pengembangan teknologi e-
2 wallet DANA untuk menunjang pengguna dalam

melakukan transaksi
3 Saya akan menyarankan orang lain atau rekan saya

untuk menggunakan e-wallet DANA

Attitude Toward Using (ATU)

No Pertanyaan STS TS N S SS

1 Secara keseluruhan saya menyukai penggunaan e-
wallet DANA

2 Menggunakan e-wallet DANA adalah pilihan tepat

Saya akan merekomendasikan e-wallet DANA
3

pada kerabat dekat saya
Saya mengharapkan adanya inovasi baru dari pihak
4
DANA
Actual Use (AU)

No Pertanyaan STS TS N S SS

Saya menggunakan e-wallet DANA karena banyak
1 memberikan keuntungan seperti promo discount

dan cashback

82

Saya lebih memilih menggunakan e-wallet DANA
2 dalam melakukan pembayaran dibandingkan E-

wallet lainnya
Saya menggunakan e-wallet DANA hampir setiap
3
hari
Saya mengakses dan melakukan pembayaran e-
4 wallet DANA minimal 1x dalam sehari

Belief (B)

No Pertanyaan STS TS N S SS

Saya percaya bahwa DANA merupakan e-wallet
1

yang aman untuk digunakan dalam bertransaksi
Saya percaya fitur-fitur yang ada dalam e-wallet
2
DANA memiliki keamanan yang terjamin

Saya percaya bahwa harga promosi dan metode
3 pembayaran yang ada dalam e-wallet DANA

diperbolehkan dalam hukum Islam

4 Saya percaya bahwa DANA bertanggung jawab
kepada pelanggannya, jika mendapat keluhan

Sinful Acts (SA)

No Pertanyaan STS TS N S SS

1 Saya menggunakan e-wallet DANA karena sudah
paham dengan hukum Islam e-wallet

2 Saya menggunakan e-wallet DANA karena yakin
DANA tidak mengandung unsur riba

Promo discount dan cashback pada DANA boleh
3

dalam hukum Islam

Saya akan meninggalkan penggunaan e-wallet
4

DANA jika mengetahui terdapat unsur dosa

Recommended Act (RA)

No Pertanyaan STS TS N S SS

83

1 Saya menggunakan e-wallet DANA untuk beramal
seperti bersedekah
Saya bertransaksi online dengan e-wallet DANA

2
untuk memudahkan pihak lain (merchant) terkait
Saya bersyukur atas kemajuan teknologi dengan e-

3 wallet DANA memudahkan dalam bertransaksi
Saya tidak boros atau terlena karena kemudahan

4 serta promo yang ditawarkan e-wallet DANA

3.5 Analisis Data dan Interpretasi Hasilnya
Pada penelitian ini dilakukan dua tahapan analisis data, yaitu analisis data

demografis dan analisis data statistik inferensial. Analisis demografis dilakukan
peneliti dengan menggunakan software Microsoft Excel 2016 yang
mengelompokan data responden berdasarkan jenis kelamin, usia, pekerjaan,
pendapatan perbulan uang atau uang saku, waktu pengalaman menggunakan
internet, dan lama waktu menggunakan e-wallet DANA.

Tahapan analisis data selanjutnya yaitu analisis statistik inferensial. Tujuan
melakukan analisis statistik inferensial adalah unutuk menganalisis data dan
menguji hipotesis yang dilakukan pada penelitian ini, yaitu dengan melakukan
pendekatan PLS-SEM dan tools atau software yang digunakan adalah SmartPLS
versi 3.3.3. Terdapat dua analisis pada tahapan ini, yaitu analisis measurement
(outer model) dan model struktural (inner model). Analisis measurement (outer
model) dilakukan untuk menguji validitas dan reliabilitas outer model, dengan
empat indikator seperti reliability, internal consistency reliability, convergent
validity, dan discriminant validity. Selanjutnya model strukturan (inner model)

84

melalui path coefficient (β), coefficient of determination ( 2), t-test (metode
bootstrapping), effect size ( 2), predictive relevance ( 2), dan relative impact ( 2).

Selanjutnya interpretasi hasil dijelaskan secara lengkap pada Bab
selanjutnya (Bab 4) dengan menjabarkan hasil demografi responden dan
menerjemahkan hasil analisis data pada analisis statistik inferensial untuk dilakukan
perbandingan pada beberapa studi literatur yang terkait dengan penelitian ini.

85

3.6 Kerangka Penelitian
Pada Gambar 3.4 merupakan kerangka penelitian yang menjadi acuan untuk

melakukan penelitian.

Gambar 3.3 Kerangka Penelitian
86

87

BAB 4
HASIL ANALISIS DAN INTERPRETASI

4.1 Analisis Demografi
4.1.1 Hasil Analisis Demografi

Pada bagian ini dilakukan dengan cara menganalisis jawaban dari responden
terhadap beberapa pertanyaan yang penulis ajukan dalam kuesioner. Beberapa
pertanyaan tersebut mencangkup profil responden, penggunaan internet serta
penggunaan e-wallet DANA yang telah disebarkan sebelumnya. Dengan demikian
dapat memberikan informasi demografis terkait hasil karakter pengguna terhadap
tingkat penerimaan pengguna e-wallet DANA.

Jumlah responden yang berhasil peneliti peroleh adalah sebanyak 246 data
pengguna dalam waktu selama satu bulan (11 Januari 2021 sampai dengan 11
Februari 2021). Dari total responden tersebut terdapat karakteristik atau sifat
responden yang dibedakan menjadi jenis kelamin, pekerjaan responden, pendapatan
perbulan atau uang saku, lama waktu pengalaman pengguna dalam menggunakan
internet serta pengalaman menggunakan e-wallet DANA yang disajikan dalam
Tabel 4.1 Hasil Analisis Demografi.

88

Tabel 4.1 Hasil Analisis Demografis

No Karakteristik Item Responden Presentase
156 63.4%
1 Jenis Kelamin Perempuan 90 36.6%
Laki-Laki 5 2%
227 93.3%
< 18 Tahun 6 2.4%
8 3.3%
2 Usia 18-25 Tahun 177 72%
26-40 Tahun 6 2.4%
30 12.2%
> 40 Tahun 8 3.3%
5 2%
Mahasiswa/Pelajar 5 2%
15 6.1%
PNS/TNI/POLRI 140 56.9%
64 26%
Karyawan 27 11%
6 2.4%
3 Pekerjaan Wirausaha 9 3.7%
3 1.2%
Wiraswasta 35 14.2%
110 44.7%
Guru/Dosen 98 39.8%
80 32.5%
Lain-Lain 45 18.3%

< Rp. 1.000.000 121 49.2%

Pendapatan >= Rp. 1.000.000 – Rp. 3.000.000
4 Perbulan/Uang >= Rp. 3.000.000 – Rp. 5.000.000

Saku >= Rp. 5.000.000 – Rp. 7.000.000

>Rp. 7.000.000

Pengalaman < 1 Tahun
5 Menggunakan 1 – 5 Tahun
6 – 10 Tahun
Internet
> 10 Tahun

Lama < 6 Bulan
Menggunakan < 1 Tahun
6
> 1 Tahun
E-wallet
DANA

4.1.2 Interpretasi dan Pembahasan Hasil Analisis Demografis
Berdasarkan Tabel 4.1 hasil dari analisis demografi profil responden,

berikut ini adalah interpretasi atau penjabaran dan pembahasannya sebagai berikut:
a. Jenis Kelamin

89

Pada Tabel 4.1 Gambar 4.1 menunjukkan bahwa responden yang
bersedia mengisi kuesioner didominasi oleh pengguna jenis kelamin
perempuan sebanyak 156 orang dengan persentase 63.4%. Sedangkan
laki-laki lebih berjumlah 90 orang atau 36.6%. Hal ini terjadi karena
peneliti lebih banyak menyebar angket kepada perempuan, dan lebih
cenderung bersedia untuk mengisi kuesioner.

Jenis Kelamin

36.6 %

Perempuan
Laki-Laki

63.4%

Gambar 4.1 Presentase Jenis Kelamin

b. Usia

Dapat dilihat pada Tabel 4.1 Gambar 4.2 mengenai persentase usia

responden yang menunjukkan bahwa banyaknya jumlah responden

yaitu berusia 18 sampai dengan 25 tahun yaitu 227 orang atau 92.3%.

Pada usia di bawah 18 tahun memiliki jumlah responden 5 orang atau

2% dan umur 26 sampai dengan 40 tahun memiliki banyak responden 6

orang atau sebanyak 2.4%. Sedangkan usia di atas 40 tahun sebanyak 8

responden atau 3.3%. Hal tersebut disebabkan karena peneliti

menginjak usia antara 18 sampai 25 tahun, sehingga relasi pertemanan

didominasi usia tersebut.

90

Usia

2.4% 3.3% 2%
< 18 Tahun 92.3%
18-25 Tahun
26-40 Tahun
> 40 Tahun

Gambar 4.2 Presentase Usia

c. Pekerjaan

Tabel 4.1 Gambar 4.3 menjelaskan juga bagian status pekerjaan

responden. Diketahui sebanyak 177 orang atau 72% didominasi oleh

sesorang mahasiswa atau pelajar. Urutan terbanyak selanjutnya adalah

karyawan, responden yang berprofesi sebagai karyawan memiliki

jumlah responden sebanyak 30 orang atau 12.2%. Responden yang

berpekerjaan sebagai wirausaha sebanyak berjumlah 8 orang atau 3.3%.

Kemudian pada pegawai negeri sipil (PNS) baik TNI maupun POLRI,

memiliki jumlah responden 6 orang atau 2.4%. Wiraswasta, guru atau

dosen sama-sama memiliki jumlah 5 responden setiap pekerjaanya yaitu

2%. Pekerjaan lainnya dari daftar di atas sebanyak 15 orang atau 6.1%.

Penulis sendiri berprofesi sebagai mahasiswa, sehingga mayoritas

responden adalah mahasiswa atau pelajar.

91

Pekerjaan

Mahasiswa/Pelajar

PNS/TNI/POLRI 2% 6.1%

2%

Karyawan

Wirausaha 3.3%

Wiraswasta 72%
Guru/Dosen
Lain-Lain 12.2%
2.4%

Gambar 4.3 Presentase Pekerjaan
d. Pendapatan Perbulan/Uang Saku

Pada Tabel 4.1 Gambar 4.4 mengenai pendapatan perbulan atau
uang saku serta menunjukkan bahwa responden paling banyak memiliki
pendapatan di bawah Rp. 1.000.000 yaitu sebanyak 140 orang atau
56.9%. Pendapatan perbulan atau uang saku Rp. 1.000.000 sampai
dengan Rp. 3.000.000 dimiliki 64 orang atau 26%. Lalu 27 responden
atau 11% memiliki pendapatan atau uang saku sebanyak Rp. 3.000.000
sampai dengan Rp. 5.000.000, kemudian jumlah responden yang paling
sedikit pada pendapatan perbulan atau uang sakunya yaitu Rp.
5.000.000 sampai dengan Rp. 7.000.000 sebanyak 6 orang atau 2.4%,
dan pendapatan uang perbulan atau uang saku di atas Rp. 7.000.000
dimiliki responden sebanyak 9 orang atau 3.7%. Hal ini dikarenakan
jumlah responden paling banyak berstatus sebagai mahasiswa, yang
memungkinkan mayoritas belum memiliki penghasilan sendiri.

92

Pendapatan Perbulan/Uang Saku

< Rp. 1.000.000 3.7%
11% 2.4%

>= Rp. 1.000.000 - Rp. 3.000.000

>= Rp. 3.000.000 - Rp. 5.000.000

>= Rp. 5.000.000 - Rp. 7.000.000 56.9%

> Rp. 7.000.000

26%

Gambar 4.4 Presentase Pendapatan Perbulan/Uang Saku
e. Pengalaman Menggunakan Internet

Dapat dilihat pada Tabel 4.1 Gambar 4.5 mengenai persentase lama
waktu penggunaan internet, diketahui bahwa jumlah responden yang
paling sedikit sebanyak 3 orang atau 1.2% lama waktu pengalaman
menggunakan internet yaitu kurang dari 1 tahun. Kemudian waktu
pengalaman menggunakan internet selama kurun waktu 1 sampai
dengan 5 tahun sebanyak 35 orang atau 14.2%. Jumlah responden paling
banyak 110 orang atau 44.7% memiliki lama waktu pengalaman
menggunakan internet selama 6 sampai dengan 10 tahun. Pengalaman
menggunakan internet di atas 10 tahun sebanyak 98 responden atau
39.8%. Hal tersebut dapat terjadi karena internet mulai ada atau
berkembang di Indonesia mulai tahun 90an.

93

Pengalaman Menggunakan Internet

1.2% 14.2%
44.7%
39.8%
< 1 Tahun

1 - 5 Tahun

6 - 10 Tahun

> 10 Tahun

Gambar 4.5 Pengalaman Menggunakan Internet
f. Lama Menggunakan E-wallet DANA

Tabel 4.1 Gambar 4.6 menjelaskan pada bagian lama waktu
menggunakan e-wallet DANA. Penggunaan e-wallet DANA dengan
waktu di bawah 6 bulan sebanyak 80 orang atau 32.5%. Responden
paling banyak dengan jumlah 121 orang atau 49.2% menggunakan e-
wallet DANA selama waktu di atas 1 tahun, sedangkan responden paling
sedikit yaitu 45 orang atau 18.3% lama waktu penggunaan e-wallet
DANA di bawah satu tahun. Secara keseluruhan mayoritas pengguna e-
wallet di atas satu tahun karena DANA sendiri muncul pada tahun 2018.

Lama Menggunakan E-Wallet DANA

49% 56.9%
18%
< 6 Bulan
< 1 Tahun
> 1 Tahun

Gambar 4.6 Presentase Lama Menggunakan E-Wallet DANA

94

4.2 Analisis Pengukuran Model (Measurement Model/Outer Model)

4.2.1 Hasil Analisis Pengukuran Model (Outer Model)

Bagian analisis pengukuran model atau outer model terdapat empat tahapan

pengujian yaitu: individual indicator reliability, internal consistency reliability,

average variance extracted dan discriminant validity. Berikut ini penjelasan dari

empat tahapan pengujian:

1. Individual Item Reability

Pada tahapan ini pengujian dilakukan untuk menggambarkan besarnya nilai

korelasi antara variabel dan indikatornya, dengan melihat nilai outer loading. Besar

korelasi outer loading dapat diterima jika nilainya di atasx0.7 (Yamin &

Kurniawan, 2011).

Dari pengujian tersebut dapat diperoleh hasil outer loading pada Tabel 4.2.

Pada pengujian ini terdapat empat indikator yang nilainya di bawah dari 0.7

sehingga harus dilakukan penghapusan pada indikator yang tidak valid atau tidak

memenuhi syarat diantanya yaitu indikator ATU4, SA4, RA4, dan AU1. Hasilnya

nilai korelasi dan indikator lainnya dapat dilihat pada Tabel 4.2.

Tabel 4.2 Hasil Awal Outer Loading

PEOU PU BIU ATU BLF SA RA AU

PEOU1 0.839

PEOU2 0.816

PEOU3 0.841

PEOU4 0.821

PU1 0.810

PU2 0.912

PU3 0.879

PU4 0.870

BIU1 0.886

95

BIU2 0.844
BIU3 0.838
ATU1
ATU2 0.864
ATU3 0.889
ATU4* 0.813
BLF1 0.418
BLF2
BLF3 0.844
BLF4 0.884
SA1 0.748
SA2 0.837
SA3
SA4* 0.858
RA1 0.890
RA2 0.868
RA3 0.549
RA4*
AU1* 0.760
AU2 0.855
AU3 0.814
AU4 0.550

0.664
0.834
0.875
0.841

Setelah dilakukannya penghapusan indikator yang tidak memenuhi syarat,

selanjutnya dilakukan pengujian yang sama kembali untuk mengetahui hasil setelah

dihapusnya indikator tersebut. Pada Tabel 4.3 menunjukkan bahwa semua nilai

outer loading sudah valid kemudian dapat dilakukan pengujian tahapan berikutnya.

Tabel 4.3 Hasil Outer Loading Setelah Penghapusan Empat Indikator

PEOU PU BIU ATU BLF SA RA AU
PEOU1 0.839
PEOU2 0.816
PEOU3 0.841
PEOU4 0.821

PU1 0.810

96

PU2 0.912
PU3 0.880
PU4 0.870
BIU1
BIU2 0.887
BIU3 0.843
ATU1 0.837
ATU2
ATU3 0.870
ATU4* 0.894
BLF1 0.827
BLF2
BLF3 0.843
BLF4 0.883
SA1 0.749
SA2 0.837
SA3
SA4* 0.877
RA1 0.910
RA2 0.876
RA3
RA4* 0.812
AU1* 0.851
AU2 0.798
AU3
AU4 0.831
0.907
0.893

2. Internal Consistency Reliability
Pada tahap pengujian ini dilakukan dengan melihat hasil composite reliability

(CR), dimana nilai ambang batas yang digunakan adalah 0.7 (Ghozali & Latan,
2015). Nilai CR pada Tabel 4.4 dan diketahui bahwa nilai CR dari semua yaitu
delapan variabel di atas 0.7 sehingga melebihi nilai ambang batas dan dikatakan
telah memenuhi syarat dan valid digunakan pada penelitian ini.

97

Tabel 4.4 Hasil Composite Reliability

Variabel Composite Reliability
Perceived Ease of Use (PEOU) 0.898
Perceived Usefulness (PU) 0.925
Behavioural Intention to Use (BIU) 0.892
Attitude Toward Using (ATU) 0.898
Belief (BLF) 0.898
Sinful Acts (SA) 0.918
Recommended Act (RA) 0.861
Actual Use (AU) 0.910

3. Avarage Variance Extracted (AVE)
Selanjutnya tahapan pengujian convergent validity adalah dengan melihat nilai

average variance extracted (AVE). Convergent validity yang baik yaitu ditunjukan
dengan nilai AVE minimal 0.5 (Ghozali & Latan, 2015; Hair et al., 2017; Yamin
& Kurniawan, 2011).

Tabel 4.5 Hasil Average Variance Extracted

Variabel Avarage Variance Extracted (AVE)

Perceived Ease of Use (PEOU) 0.747
Perceived Usefulness (PU) 0.770
Behavioural Intention to Use (BIU) 0.733
Attitude Toward Using (ATU) 0.688
Belief (BLF) 0.688
Sinful Acts (SA) 0.754
Recommended Act (RA) 0.674
Actual Use (AU) 0.788

98

Pada Tabel 4.5 menunjukkan bahwa hasil uji analisis nilai AVE pada semua
variabel telah melebihi batas ambang minimum sehingga semua nilai AVE
memenuhi syarat dan dapat diterima.
4. Discriminant Validity

Pada tahap terakhir pada analisis pengukuran modelxatau outer model yaitu
dilakukan pengujian discriminant validity dengan melakukan dua metode. Pada
metode pertama yaitu dengan melihat nilai cross loading dengan membandingkan
korelasi indikator dengan variabelnya maupun variabel blok lainnya. Nilai antar
indikator dan variabel masing (Hair et al., 2017). Pada Tabel 4.6 menunjukkan nilai
cross loading pada penelitian ini.

Tabel 4.6 Hasil Cross Loading

PEOU1 PEOU PU BIU ATU BLF SA RA AU
PEOU2 0.839 0.582 0.486 0.550 0.433 0.245 0.358 0.224
PEOU3 0.816 0.554 0.520 0.584 0.474 0.246 0.395 0.299
PEOU4 0.841 0.642 0.490 0.557 0.450 0.229 0.361 0.237
PU1 0.821 0.643 0.535 0.609 0.397 0.247 0.337 0.384
PU2 0.615 0.810 0.468 0.546 0.439 0.209 0.402 0.259
PU3 0.659 0.912 0.641 0.621 0.528 0.342 0.586 0.472
PU4 0.642 0.880 0.640 0.655 0.525 0.332 0.538 0.409
BIU1 0.627 0.870 0.596 0.653 0.569 0.293 0.552 0.416
BIU2 0.549 0.590 0.887 0.709 0.509 0.368 0.543 0.620
BIU3 0.548 0.622 0.843 0.658 0.504 0.313 0.569 0.470
ATU1 0.475 0.533 0.837 0.646 0.534 0.340 0.436 0.481
ATU2 0.697 0.668 0.660 0.870 0.566 0.338 0.514 0.478
ATU3 0.591 0.640 0.676 0.894 0.616 0.439 0.562 0.551
BLF1 0.508 0.540 0.700 0.827 0.556 0.385 0.502 0.547
BLF2 0.507 0.526 0.551 0.577 0.843 0.344 0.450 0.418
BLF3 0.492 0.566 0.543 0.624 0.883 0.467 0.473 0.420
BLF4 0.274 0.368 0.418 0.468 0.749 0.661 0.402 0.432
0.493 0.521 0.485 0.556 0.837 0.485 0.441 0.379

99

SA1 0.211 0.240 0.351 0.374 0.472 0.877 0.383 0.449
SA2 0.289 0.338 0.394 0.431 0.534 0.910 0.370 0.425
SA3 0.275 0.329 0.316 0.388 0.592 0.876 0.425 0.364
RA1 0.267 0.393 0.424 0.420 0.361 0.450 0.812 0.484
RA2 0.366 0.534 0.525 0.507 0.431 0.305 0.851 0.447
RA3 0.480 0.588 0.562 0.607 0.557 0.319 0.798 0.344
AU2 0.385 0.456 0.587 0.579 0.450 0.384 0.455 0.831
AU3 0.313 0.404 0.539 0.531 0.458 0.447 0.490 0.907
AU4 0.203 0.323 0.487 0.480 0.403 0.386 0.440 0.893

Pada metode keduaxyaitu dengan melihat nilai Fornell-Lacrker untuk

perbandingan nilai AVE dengan kuadrat nilai korelasi antar variabel. Nilai akar

AVE harus lebih besar dibandingkan korelasi antar variabel atau konstruk lainnya

(Hair et al., 2017). Berdasarkan dengan Tabel 4.7 diketahui bahwa nilai AVE lebih

tinggi dari pada korelasi variabel dengan variabel lain. Dengan begitu discriminant

vallidity pada penelitian ini sudah tidak ditemukan masalah.

Tabel 4.7 Nilai Fornell-Lacrker Criterion

PEOU PU BIU ATU BLF SA RA AU
0.869
PEOU 0.732 0.869 0.856 0.864 0.830 0.888
PU 0.613 0.679 0.785 0.671 0.601 0.443 0.821
BIU 0.698 0.714 0.601 0.448 0.533 0.464 0.528 0.878
ATU 0.528 0.595 0.398 0.609 0.500
BLF 0.292 0.342 0.604 0.607
SA 0.437 0.602 0.616
RA 0.347 0.453
AU

Dari keempat pengujian pada hasil analisis pengukuran model atau outer model
maka disimpulkan telah memenuhi standar atau syarat yang ditentukan pada setiap
tahapan dalam pengujian. Oleh karena itu dapat dikatakan bahwa model yang
digunakan pada penelitian ini telah memiliki karakteristik yang baik.

100

4.2.1.1 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran
(Outer Model)

Berdasarkan analisis pengukuran model atau outer model yang telah
dilakukan terdapat dua hasil akhirnya menunjukkan bahwa penelitian ini telah
memenuhi syarat atau ketentuan yang baik, di antaranya sebagai berikut:
1. Hasil analisis model pengukuran model dinyatakan telah sesuai dengan

ketentuan pada setiap tahapan pengujian (empat tahap). Mengacu pada nilai
outer loading dan composite reliability di atas 0.7. Kemudian nilai dari
average variance extracted (AVE) telah menunjukkan nilai di atas dari 0.5.
Sehingga hasil analisis pengukuran model ini dapat dilanjutkan pada
analisis struktur model (inner model). Hasil pengukuran yang telah
dilakukan pada analisis model pengukuran (outer loading) secara ringkas
dapat dilihat dari Tabel 4.8.
2. Terdapat empat indikator yang dihapus dalam model penelitian pertama
yaitu: ATU4, SA4, RA4, dan AU1. Indikator tersebut tidak memenuhi
syarat maupun ketentuan karena nilai outer loading di bawah 0.7. Namun
setelah dilakukan penghapusan indikator dan dilakukan pengujian kembali
hasilnya sudah sesuai dan dapat dilanjutkan kepada tahap selanjutnya.

101

Tabel 4.8 Ringkasan Hasil Anal

VAR IND OL

PEOU PEOU1 0.839 PEOU PU BIU
PU PEOU2 0.816 0.839 0.582 0.486
BIU PEOU3 0.841 0.816 0.554 0.520
ATU PEOU4 0.821 0.841 0.642 0.490
BLF 0.810 0.821 0.643 0.535
PU1 0.912 0.615 0.810 0.468
PU2 0.880 0.659 0.912 0.641
PU3 0.870 0.642 0.880 0.640
PU4 0.887 0.627 0.870 0.596
BIU1 0.843 0.549 0.590 0.887
BIU2 0.837 0.548 0.622 0.843
BIU3 0.870 0.475 0.533 0.837
ATU1 0.894 0.697 0.668 0.660
ATU2 0.827 0.591 0.640 0.676
ATU3 0.508 0.540 0.700
ATU4 0.843
BLF1 0.883 0.507 0.526 0.551
BLF2 0.749 0.492 0.566 0.543
BLF3 0.837 0.274 0.368 0.418
BLF4 0.493 0.521 0.485

lisis Pengukuran Model (Outer Model)

Cross Loading SA RA AU CR AVE
ATU BLF 0.245 0.358 0.224 0.898 0.747
0.550 0.433 0.246 0.395 0.299
0.584 0.474 0.229 0.361 0.237 0.925 0.770
0.557 0.450 0.247 0.337 0.384
0.609 0.397 0.209 0.402 0.259 0.892 0.733
0.546 0.439 0.342 0.586 0.472 0.898 0.688
0.621 0.528 0.332 0.538 0.409
0.655 0.525 0.293 0.552 0.416
0.653 0.569 0.368 0.543 0.620
0.709 0.509 0.313 0.569 0.470
0.658 0.504 0.340 0.436 0.481
0.646 0.534 0.338 0.514 0.478
0.870 0.566 0.439 0.562 0.551
0.894 0.616 0.385 0.502 0.547
0.827 0.556

0.577 0.843 0.344 0.450 0.418 0.898 0.688
0.624 0.883 0.467 0.473 0.420
0.468 0.749 0.661 0.402 0.432
0.556 0.837 0.485 0.441 0.379

102

SA SA1 0.877 0.211 0.240 0.351
SA2 0.910 0.289 0.338 0.394
SA3 0.876 0.275 0.329 0.316
SA4

RA RA1 0.812 0.267 0.393 0.424
RA2 0.851 0.366 0.534 0.525
RA3 0.798 0.480 0.588 0.562
RA4

AU AU1
AU2 0.831 0.385 0.456 0.587
AU3 0.907 0.313 0.404 0.539
AU4 0.893 0.203 0.323 0.487

Keterangan:x : Dihapus
* : Variabelx
VAR : Indikator Determination
IND

0.374 0.472 0.877 0.383 0.449 0.918 0.754
0.431 0.534 0.910 0.370 0.425
0.388 0.592 0.876 0.425 0.364

0.420 0.361 0.450 0.812 0.484 0.861 0.674
0.507 0.431 0.305 0.851 0.447
0.607 0.557 0.319 0.798 0.344

0.910 0.788

0.579 0.450 0.384 0.455 0.831
0.531 0.458 0.447 0.490 0.907
0.480 0.403 0.386 0.440 0.893

OL : Outer Loading
AVE : Average Variance Extracted
CR : Composite of Determinan

103

4.3 Analisis Model Struktural (Inner Model)

4.3.1 Hasil Analisis Model Struktural

1. Uji Path Coefficient
Pengujian ini dilakukan dengan melihat nilai jalur pada path coefficient (β),

yaitu dengan ambang batas harus lebih dari 0.1 dapat dikatakan memiliki pengaruh

terhadap model penelitian (Hair et al., 2017). Nilai uji path coefficient pada Tabel

4.9 berikut.

Tabel 4.9 Hasil Uji Path Coefficient (β)

Hipotesis Hubungan antar (β) Keterangan
Variabel
H1 0.559 Signifikan
H2 ATU → BIU 0.423 Signifikan
H3 BIU → AU 0.088 Tidak Signifikan
H4 BLF → BIU 0.026 Tidak Signifikan
H5 PEOU → BIU 0.732 Signifikan
H6 PEOU → PU 0.714 Signifikan
H7 PU → ATU 0.209 Signifikan
H8 PU → BIU 0.176 Signifikan
H9 RA → AU 0.218 Signifikan
H10 SA → AU 0.601 Signifikan
SA → BLF

Berdasarkan pengujian yang dilakukan terdapat dua jalur yang memiliki
nilai di bawah 0,1 yaitu: BLF ke BIU dan PEOU ke BIU. Artinya jalur tersebut
tidak memiliki pengaruh yang signifikan. Nilai dari path coefficient juga dapat
dilihat pada Gambar 4.7.

104

Gambar 4.7 Gambar Hasil Uji Path Coefficient (β)
2. Coefficient of Determination ( )

Padaxpengujian ini nilai ( 2) menggambarkan bahwa tingkat variasi

perubahan antara variabel independen terhadap variabel dependen (Abdillah &
Mustakini, 2015). Batasan nilai ( 2) dapat diklarifikasikan menjadi tiga yaitu nilai

0.67 dikatakan substansial, 0.33 dikatakan moderat dan 0.19 dikatakan memiliki
tingkat variasi yang lemah (Yamin & Kurniawan, 2011). Nilai 2 pada variabel

dependen dapat dilihat pada Tabel 4.10 berikut ini.
Tabel 4.10 Hasil Uji Coefficient of Determination ( 2)

Variabel
Attitude Toward Using (ATU) 0.518
Actual Use (AU) 0.418
Behavioural Intention to Use (BIU) 0.639
Belief (BLF) 0.386

Perceived Usefulness (PU) 0.535

105

Berdasarkan Tabel 4.10, diketahui bahwa kelima variabel berada pada
klasifikasi moderat yaitu ATU (0.518), AU (0.418), BIU (0.639), BLF (0.386), dan
PU (0.535) yang berarti bahwa Perceived Ease of Use (PEOU), Recommended Act
(RA) dan Sinful Acts (SA) menjelaskan secara moderat yaitu 51.8% dari ATU.
3. T-test atau T-statistic

Pada pengujian ini dilakukan dengan metode bootstrapping dengan uji one
tailed dengan tingkat signifikan 5%. Berdasarkan hasil pengujian t-test atau t-
statistic yang dihasilkan dinyatakan valid jika memiliki nilai di atas atau lebih besar
dari 1.96 (Hair et al., 2017; Yamin & Kurniawan, 2011). Dapat juga dengan cara
lain untuk menentukan tingkat signifikan 5% yaitu nilai (p value < 0.05). Terlihat
melihat Tabel 4.11 dan Gambar 4.8

Tabel 4.11 Hasil Uji T-test atau T-statistic

Hipotesis Hubungan antar T Statistics P Value Keterangan
Variabel (|O/STDEV|)
0.000 Diterima
H1 ATU → BIU 6.617 0.000 Diterima
H2 BIU → AU 5.906 0.069 Ditolak
H3 BLF → BIU 1.486 0.348 Ditolak
H4 PEOU → BIU 0.392 0.000 Diterima
H5 PEOU → PU 15.791 0.000 Diterima
H6 PU → ATU 17.107 0.003 Diterima
H7 PU → BIU 2.721 0.003 Diterima
H8 RA → AU 2.755 0.000 Diterima
H9 SA → AU 3.763 0.000 Diterima
H10 SA → BLF 11.368

Berdasarkan Tabel 4.11 diketahui bahwa terdapat dua jalur hipotesis yang
ditolak karena nilai t-test atau t-statistics menunjukkan nilai di bawah 1.96 yaitu

106

BLF → BIU (1.486) dan PEOU → BIU (0.392), dan delapan hipotesis lainnya

memiliki nilai di atas dari 1.96 sehingga hipotesis tersebut diterima dengan tingkat

signifikasi 5%.
4. EffectxSize ( )

Tahapan ini dilakukan pengujian untuk menghitung nilai effect size, dengan

begitu dapat memprediksi pengaruh dari variabel tertentu terhadap variabel lainnya

dalam struktur model. Nilai ambang batas effect size 0.02 artinya memiliki

pengaruh kecil, 0.15 memiliki pengaruh menengah, dan 0.35 mengartikan bahwa

memiliki pengaruh yang besar (Hair et al., 2017; Yamin & Kurniawan, 2011).

Berdasarkan Tabel 4.12 diketahui bahwa terdapat 3 hipotesis yang memiliki
pengaruh besar menurut hubungan antar variabelnya yaitu: PEOU→PU,
PU→ATU, dan SA→BLF. Adapun hubungan antar variabel yangxmemiliki
pengaruh menengah yaitu ATU→BIU, dan enam hubungan antar variabel lainnya

yang memiliki pengaruh kecil.
Tabel 4. 12 Hasil Analisis Effect Size 2

Hipotesis

Hip. Hubungan antar -in -ex ∑ Analisis
Variabel
0.649 0.539 0.313 Menengah
H1 ATU → BIU 0.454 0.447 0.013 Kecil
0.649 0.645 0.011 Kecil
H2 BIU → AU 0.649 0.649 0.000 Kecil
0.535 1.151 Besar
H3 BLF → BIU 0.510 0 1.041 Besar
0.649 0 0.037 Kecil
H4 PEOU → BIU 0.454 0.636 0.031 Kecil
0.437
H5 PEOU → PU

H6 PU → ATU

H7 PU → BIU

H8 RA → AU

107

H9 SA → AU 0.454 0.418 0.066 Kecil
H10 SA → BLF 0.361 0 0.565 Besar

5. Predictive Relevance ( )

Pada tahap pengujian ini dilakukan dengan blindfolding, tujuannya untuk

menunjukkan bahwa variabel tertentuxyang digunakan pada model penelitian yang

dibuat ini memiliki keterkaitan secara prediktif (predictive relevance) dengan

variabel lainnya. Variabel yang dihasilkan dapat dikatakan valid apabila memiliki

nilai ambang batas di atas nol atau lebih besar dari nol. Hasilnya ditunjukan pada

Tabel 4.13.

Tabel 4. 13 Hasil Uji Predictive Relevance ( 2)

Variabel Keretangan
Attitude Toward Using (ATU) 0.376 predictive relevance
Actual Use (AU) 0.338 predictive relevance
Behavioural Intention to Use (BIU) 0.469 predictive relevance
Belief (BLF) 0.226 predictive relevance
Perceived Usefulness (PU) 0.393 predictive relevance

Berdasarkan Tabel 4.13 kelima variabel tersebut memiliki nilaixdi atas nol
sehingga dapat dikatakan valid dan bersifat predictive relevance.
6. Relative Impact ( )

Pada tahap pengujian relative impact menggunakan metode blindfolding
untuk mengukur relative dari pengaruh keterkaitan antara prediktif variabel tertentu
dengan variabel lainnya. Dimana nilai 0.02 artinya memiliki pengaruh kecil, 0.15
memiliki pengaruh menengah, dan 0.35 mengartikan bahwa memiliki pengaruh

108

yang besar (Yaminx& Kurniawan, 2011). Hasil nilai 2 dapat dilihat dari Tabel

4.14.

Tabel 4.14 Hasil Uji Relative Impact ( 2)

Hipotesis

Hip. Hubungan antar -in -ex ∑ Analisis
Variabel
0.469 0.389 0.151 Menengah
H1 ATU → BIU 0.338 0.332 0.009 Kecil
0.469 0.468 0.002 Kecil
H2 BIU → AU 0.469 0.470 0.002 Kecil
0.393 0.647 Besar
H3 BLF → BIU 0.376 0 0.030 Kecil
0.469 0.357 0.023 Kecil
H4 PEOU → BIU 0.338 0.457 0.018 Kecil
0.338 0.326 0.041 Kecil
H5 PEOU → PU 0.226 0.311 0.292
Menengah
H6 PU → ATU 0

H7 PU → BIU

H8 RA → AU

H9 SA → AU

H10 SA → BLF

Berdasarkan Tabel 4.14 terdapat dua hubungan antar variabel yang
memiliki pengaruh menengah yaitu ATU → BIU dan SA → BLF. Adapun satu
hubungan antar variabel yang memiliki pengaruh besar yaitu PEOU → PU,
sedangkan ketujuh hubungan antar variabel lainnya memiliki pengaruh kecil.

109

Tabel 4.15 Analisis Mo

Hipotesis (β) T-test P -in
Value 0.649 -e
Hip. Jalur 0,559 6,617 0,000 0.639 0.454 0.53
H1 ATU → BIU 0,423 5,906 0,000 0.418 0.649 0.44
H2 BIU → AU 0,088 1,486 0,069 0.639 0.649 0.64
H3 BLF → BIU 0,026 0,392 0,348 0.639 0.535 0.64
H4 PEOU → BIU 0,732 15,791 0,000 0.535 0.510
H5 PEOU → PU 0,714 17,107 0,000 0.518 0.649 0
H6 PU → ATU 0,209 2,721 0,003 0.639 0.454 0
H7 PU → BIU 0,176 2,755 0,003 0.418 0.454 0.63
H8 RA → AU 0,218 3,763 0,000 0.418 0.361 0.43
H9 SA → AU 0,601 11,368 0,000 0.386 0.41
H10 SA → BLF 0

Keteranganx : Sign : Sig
(β) : PathxCoefficient Insign : Tid
2 : Coefficient of Determinant M : Mo
2 : Effect Size S : Sub
2 : PredictiveRelevance PR : Pre
2 : Relative Impact

odel Struktural (Inner Model)

(β) Analisis
ex ∑ -in -ex ∑ T-test

39 0.313 0.469 0.389 0.151 Sign Diterima M m PR m

47 0.013 0.338 0.332 0.009 Sign Diterima M k PR k

45 0.011 0.469 0.468 0.002 Insign Ditolak M k PR k

49 0.000 0.469 0.470 0.002 Insign Ditolak M k PR k

1.151 0.393 0 0.647 Sign Diterima M b PR b

1.041 0.376 0.357 0.030 Sign Diterima M b PR k

36 0.037 0.469 0.457 0.023 Sign Diterima M k PR k

37 0.031 0.338 0.326 0.018 Sign Diterima M k PR k

18 0.066 0.338 0.311 0.041 Sign Diterima M k PR k

0.565 0.226 0 0.292 Sign Diterima M b PR m

gnifikan k : Kecil
dak Signifikan m : Menengah
oderat b : Besar
bstansial
edictive Relevae

110

4.3.2 Hasil Analisis Pengukuran Model
4.3.3 Interpretasi dan Pembahasan Hasil Analisis Model (Inner Model)

Pada bagian ini dilakukan penjabaran interpretasi dan pembahasan
mengenai hasil analisis model (inner model) dengan enam tahap yang dilakukan
sebelumnya yaitu path coefficient (β), coefficientxof determinant ( 2), t-test dengan
metode bootstrapping, effect size ( 2), predictive relevance ( 2), dan relative
impact ( 2). Berikut ini adalah pemaparan dari sepuluh hipotesis yang dirumuskan
pada Bab 3.

: Apakah Attitude toward Using (ATU) berpengaruh positif terhadap
Behavioural Intention to Use (BIU)?

Berdasarkan hasil analisis struktural model, diketahui bahwa
attitude toward using (ATU) terhadap behavioural intentionxto use (BIU)
memiliki nilai path coefficient di atas 0.1 menunjukkan bahwa H1
ATU→BIU dapat diterima atau memiliki pengaruh yang signifikan secara
positif karena memiliki nilai 0.559. Hal ini juga didukung dengan nilai t-test
pada hubungan antara variabel dalam H1 sebesar 6.617 dan dapat diterima
karena melebihi nilai 1.69. Sedangkan berdasarkan pengujian 2 dan 2
ATU memiliki pengaruh menengah terhadap BIU.

Maka dari itu dapat dikatakan bahwa attitude toward using (ATU)
berpengaruh positif terhadap behavioural intention to use (BIU) sejalan
dengan penelitian yang dilakukan sebelumnya oleh Chauhan (2015) dan
Namkung & Jang (2017). Berdasarkan hasil pembahasan mengenai
pengaruh ATU→BIU peneliti menyimpulkan bahwa sikap penerimaan oleh

111

pengguna dalam menggunakan aplikasi DANA memengaruhi kebiasaan
pengguna untuk tetap menggunakan teknologi (aplikasi DANA) tersebut.

Hal ini disebabkan karena semakin positif atau banyak sikap
penilaian baik pengguna terhadap suatu produk, akan menyebabkan
probabilitas kemungkinan dalam menggunakan produk tersebut pun
semakin tinggi. Sehingga menyebabkan pengguna untuk setia, loyal dan
tetap menggunakan produk tersebut (DANA) pada masa yang akan datang.

: Apakah Behavioural Intention to Use (BIU) berpengaruh positif
terhadap Actual Use (AU)?

Berdasarkan hasil analisis struktural model, diketahui bahwa
hubungan variabel behavioural intention to use (BIU) terhadap actual use
(AU) memiliki nilai path coefficient di atas 0.1 yaitu 0.423 dengan demikian
artinya menunjukkan bahwa H2 ATU→BIU dapat diterima atau memiliki
pengaruh yang signifikan secara positif. Hal ini juga didukung dengan nilai
t-test pada hubungan antara variabel dalam H2 sebesar 5.906 dan dapat
diterima karena melebihi nilai batas ambang 1.69. Sedangkan berdasarkan
pengujian 2 dan 2 BIU memiliki pengaruh kecil terhadap AU.

Hal tersebut dapat disimpulkan bahwa behavioural intention to use
(BIU) berpengaruh positif terhadap actual use (AU) sejalan dengan
penelitian sebelumnya yang dilakukan oleh Fahreza (2019). Berdasarkan
hasil pembahasan mengenai pengaruh BIU→AU peneliti menyimpulkan
bahwa Niat perilaku seseorang atau pengguna dalam menggunakan

112

teknologi, yang dalam hal ini adalah e-wallet DANA bersifat berbanding
lurus atau berpengaruh positif dengan kenyataan penggunaan teknologi.
Niat perilaku pengguna yang loyal dikarenakan kenyamanan, kemanfaatan
teknologi tersebut, sehingga penggunaan teknologi dilakukan dalam jangka
waktu yang panjang, serta dapat memengaruhi aktualisasi penggunaanya.
Dalam hal ini aktualisasi penggunaan diukur dengan rentan jumlah atau
lamanya waktu menggunakan teknologi tersebut. Semakin tinggi niat dan
perilaku pengguna, maka semakin tinggi pula aktualisasi penggunaannya
yaitu waktu penggunaannya.

: Apakah Belief (BLF) berpengaruh positif terhadap Behavioural
Intention to Use (BIU)?

Berdasarkan hasil analisis struktural model, diketahui bahwa
hubungan variabel belief (BLF) terhadap behavioural intention to use (BIU)
memiliki nilai path coefficient di bawah 0.1 yaitu 0.088 dengan demikian
artinya menunjukkan bahwa H3 BLF→BIU ditolak atau memiliki pengaruh
yang tidak signifikan. Hal ini juga didukung penolakan dengan nilai t-test
pada hubungan antara variabel dalam H3 sebesar 1.486 dan tidak dapat
diterima karena kurang dari nilai batas ambang 1.69. Sedangkan
berdasarkan pengujian 2 dan 2 BLF memiliki pengaruh kecil terhadap
BIU.

Hal tersebut dapat disimpulkan bahwa belief (BLF) tidak memiliki
pengaruh positif terhadap behavioural intention to use (BIU) sejalan dengan

113

penelitian sebelumnya yang dilakukan oleh Riana & Aditya (2020). Hal
lainnya pada penelitian yang diungkapkan Siregar tahun 2019 oleh (Bagus
et al ., 2021) menjelaskan bahwa masih ada mahasiswa sebanyak 47%
belum mengerti pemahaman hukum riba dalam menggunakan m-banking.
Berdasarkan hasil pembahasan mengenai pengaruh BLF→BIU peneliti
menyimpulkan bahwa tingkat rasa kepercayaan pengguna tidak sepenuhnya
memengaruhi sikap atau perilaku pengguna dalam menggunakan.
Teknologi yang sudah percaya dan terjamin keamanannya tetapi tidak
mudah mudah digunakan, maka menurunkan sikap dan perilaku pengguna
dalam menggunakan teknologi.

: Apakah Perceived Ease of Use (PEOU) berpengaruh positif
terhadap Behavioural Intention to Use (BIU)?

Berdasarkan hasil analisis struktural model, diketahui bahwa
hubungan variabel perceived ease of use (PEOU) terhadap behavioral
Intention to Use (BIU) memiliki nilai path coefficient di bawah 0.1 yaitu
0.026 dengan demikian artinya menunjukkan bahwa H4 PEOU→BIU
ditolak atau memiliki pengaruh yang tidak signifikan. Hal ini juga didukung
dengan nilai t-test pada hubungan antara variabel dalam H4 sebesar 0.392
dan tidak dapat diterima karena nilai batas ambang kurang dari 1.69.
Sedangkan berdasarkan pengujian 2 dan 2 PEOU memiliki pengaruh
kecil terhadap BIU.

114

Hal tersebut dapat disimpulkan bahwa perceived ease of use (PEOU)
tidak memiliki pengaruh yang positif terhadap behavioral intention to use
(BIU) sejalan dengan penelitian sebelumnya yang dilakukan oleh Jones et
al. (2010) Berdasarkan hasil pembahasan mengenai pengaruh PEOU→BIU
peneliti menyimpulkan bahwa kemudahan penggunaan teknologi tidak
memengaruhi secara langsung dalam memengaruhi niat penggunaan
teknologi. Kemudahan bertransaksi dalam e-wallet DANA tidak
memengaruhi niat pengguna dalam menggunakan teknologi.

: Apakah Perceived Ease of Use (PEOU) berpengaruh positif
terhadap Perceived Usefulness (PU)?

Berdasarkan hasil analisis struktural model, diketahui bahwa
hubungan variabel perceived ease of use (PEOU) terhadap perceived
usefulness (PU) memilikixnilai path coefficient di atas 0.1 adalah 0.732
dengan demikian artinya menunjukkan bahwa H5 PEOU→BIU dapat
diterima atau memiliki pengaruh yang signifikan secara positif. Hal ini juga
didukung dengan nilai t-test pada hubungan antara variabel dalam H5
sebesar 15.791 dan dapat diterima karena melebihi nilai batas ambang 1.69.
Sedangkan berdasarkan pengujian 2 dan 2 PEOU memiliki pengaruh
besar terhadap BIU.

Hal tersebut dapat disimpulkan bahwa perceived ease of use (PEOU)
berpengaruh positif terhadap perceived usefulness (PU) sejalan dengan
penelitian sebelumnya yang dilakukan oleh Mahfuroh & Wicaksono (2020)

115

Berdasarkan hasil pembahasan mengenai pengaruh PEOU→BIU peneliti
menyimpulkan bahwa kemudahan dalam menggunakan teknologi menjadi
pengaruh dari manfaat menggunakan e-wallet DANA. Semakin mudah
kegunaannya maka semakin berguna juga fitur tersebut digunakan.
: Apakah Perceived Usefulness (PU) berpengaruh positif terhadap
Attitude toward Using (ATU)?

Berdasarkan hasil analisis struktural model, diketahui bahwa
hubungan variabel perceived usefulness (PU) terhadap attitude toward
using (ATU) memiliki nilai path coefficient di atas 0.1 adalah 0.714 dengan
demikian artinya menunjukkan bahwa H6 PU→ATU dapat diterima atau
memiliki pengaruh yang signifikan secara positif. Hal ini juga didukung
dengan nilai t-test pada hubungan antara variabel dalam H6 sebesar 17.107
dan dapat diterima karena melebihi nilai batas ambang 1.69. Sedangkan
berdasarkan pengujian 2 PU memiliki pengaruh besar terhadap ATU dan
2 PU memiliki pengaruh kecil terhadap ATU.

Hal tersebut dapat disimpulkan bahwa perceived usefulness (PU)
berpengaruh positif terhadap attitude toward using (ATU) sejalan dengan
penelitian sebelumnya yang dilakukan oleh Rodiah & Melati (2020).
Berdasarkan hasil pembahasan mengenai pengaruh PU→ATU peneliti
menyimpulkan bahwa semakin bermanfaat kegunaan e-wallet DANA,
maka semakin bagus juga sikap pengguna dalam menggunakan. Sikap
pengguna tersebut yang dirasakan pengguna saat menggunakan teknologi.
Semakin tinggi nilai sikap positif yang diberikan maka semakin tinggi pula

116