Skripsi Riah Qomariah

Perempuan 251 60%

3 Provinsi Banten 38 9%
DKI Jakarta 67 16%
Jawa Barat 110 27%
Jawa Tengah 80 19%
DI Yogyakarta 34 8%
Jawa Timur 88 21%

4 Status Pekerjaan Pelajar/Mahasiswa 345 83%
Pegawai Swasta 33 8%
Pegawai Negeri 3 1%
Wiraswasta 8 2%
Lainnya 28 6%

5 Lama penggunaan < 1 Tahun 139 33%
aplikasi DANA 1-2 Tahun 159 38%
> 2 Tahun 119 29%

6 Frekuensi menggunakan Setiap hari 71 17%

DANA Seminggu sekali 128 31%

Sebulan sekali 136 32%

74

>Sebulan sekali 82 20%

7 Tujuan yang paling Transfer Uang 166 40%
sering dilakukan saat Pembayaran 73 17%
menggunakan aplikasi Belanja online 58 14%
DANA Pembelian 111 27%
Berdonasi 9 2%

8 Nominal pengeluaran ≤ Rp500.000 318 76%
saat bertransaksi pada Rp501.000- 71 17%
aplikasi DANA dalam Rp1.500.000
sebulan Rp1.501.000 – 16 4%
Rp2.500.000
Rp2.501.000 – 3 1%
Rp3.500.000
Rp3.501.000 – 2 0%
Rp4.500.000 7 2%
> Rp4.500.000

4.1.2 Interpretasi dan Pembahasan Hasil Data Demografi
Hasil temuan dari analisis demografi responden, selanjutnya interpretasi dan

diskusi dilakukan sesuai dengan perolehan hasil yang dijelaskan sebagai berikut.

75

1. Usia
Pada Tabel 4.1 menunjukkan bahwa reponden dengan usia 15-18 tahun sebanyak
54 responden dengan presentase 13%, lalu presentase 6% untuk usia 26-35 tahun
dengan jumlah responden sebanyak 24 orang, dan rentang usia lainnya dengan
presentase 1% yaitu sebanyak 4 responden yang terdiri atas usia 38 tahun, 39 tahun,
dan 2 orang berusia 45 tahun. Responden yang berusia 19-25 tahun dengan
presentase 80% menunjukkan hasil yang mendominasi dibandingkan rentang usia
lainnya, hal ini dikarenakan berdasarkan hasil temuan APJII (2019) usia seseorang
memiliki kecenderungan menggunakan internet dan menjadi pengguna internet
didominasi usia 19-25 tahun.
2. Jenis Kelamin
Hasil temuan dari data responden pada kategori ini menyatakan bahwa sebanyak
166 orang dengan presentase 40% adalah laki-laki, dan sebanyak 60% dengan
jumlah responden 251 orang adalah perempuan. Hal ini juga terjadi pada hasil
temuan APJII (2019) dimana jenis kelamin perempuan mendominasi pada
kecendrungan menggunakan internet dan menjadi pengguna internet di Indonesia.
3. Provinsi
Pada kategori ini diperoleh dari domisili responden berdasarkan Provinsi, pada
Provinsi Banten menunjukkan presentase 9% sebanyak 38 orang, Provinsi Jawa
Timur sebanyak 88 orang dengan presentase 21%, lalu Provinsi Daerah Istimewa
(DI) Yogyakarta dengan presentase 8% dari jumlah responden sebanyak 34 orang.
Selanjutnya dari Provinsi Jawa Tengah memperoleh presentase 19% dengan jumlah
80 responden, sebanyak 67 responden berada di Provinsi DKI Jakarta dengan

76

presentase 16%, dan pada Provinsi Jawa Barat menjadi Provinsi yang mendominasi
dalam penelitian ini berdasarkan jumlah responden sebanyak 110 dengan
presentase 27%.
4. Status Pekerjaan
Pada Tabel 4.1 menunjukkan bahwa responden dalam penelitian ini didominasi dari
kalangan Pelajar/Mahasiswa dengan presentase 83% dengan 345 responden, lalu
disusul reponden yang berstatus sebagai pegawai swasta sebanyak 33 orang dengan
presentase 8%, lalu pegawai negeri dengan jumlah responden yaitu 3 orang yang
menunjukkan presentase 1%. Selanjutnya yaitu wiraswasta berjumlah 8 orang
dengan presentase 2%, lalu status pekerjaan lainnya dengan presentase 6% dengan
responden sebanyak 28 orang. Mendominasinya status pekerjaan responden sebagai
pelajar/mahasiswa terjadi karena status pekerjaan peneliti sebagai mahasiswi yang
memiliki dominasi relasi yang berstatus pelajar/mahasiswa, karena hal tersebut
jumlah responden yang berstatus pelajar/mahasiswa mendominasi dalam penelitian
ini. Hal ini juga terjadi karena saat melakukan penyebaran kuesioner secara online,
orang yang berstatus mahasiswa lebih cenderung bersedia untuk membantu mengisi
kuesioner.
5. Lama Penggunaan Aplikasi DANA
Berdasarkan hasil analisis pada Tabel 4.1 menunjukkan bahwa sekitar 33%
responden menggunakan aplikasi DANA kurang dari satu tahun (< 1 Tahun)
sebanyak 139 responden, selama 1-2 Tahun responden menggunakan aplikasi
DANA menjadi presentase yang tsertinggi dalam penelitian ini yaitu 38% dengan

77

159 responden, selanjutnya lebih dari dua tahun (> 2 Tahun) pengguna
menggunakan aplikasi DANA sebanyak 119 responden dengan presentase 29%.
6. Frekuensi menggunakan DANA
Hasil analisis demografi berdasarkan Tabel 4.1 diketahui bahwa pengguna
menggunakan aplikasi DANA dengan intensitas Seminggu sekali sebanyak 128
responden dengan presentase 31%, lalu presentase 17% dengan 71 responden yang
menggunakan aplikasi DANA setiap hari. Penggunaan aplikasi DANA dengan
intensitas sebulan sekali menjadi hasil yang tertinggi dengan total responeden
sebanyak 136 orang dan presentase menunjukkan sebesar 32%, dan lebih dari
sebulan sekali menjadi hasil yang terendah dalam penelitian ini dengan presentase
20% (82 responden). Hal ini terjadi karena masih banyak responden yang belum
sepenuhnya dapat beralih ke uang digital sebagai alat pembayaran utama.
7. Tujuan yang paling sering dilakukan saat menggunakan aplikasi DANA
Dari jumlah 417 responden yang menggunakan aplikasi DANA dalam penelitian
ini, diketahui bahwa tujuan yang paling sering dilakukan saat menggunakan
aplikasi DANA dengan jumlah responden tertinggi sebanyak 166 orang dengan
presentase 40% yaitu aktivitas transfer uang, lalu dilanjutkan dengan tujuan
pembelian (seperti pembelian pulsa, data internet, emas, dan voucher) yang
menunjukkan presentase 27% dengan jumlah responden yaitu 111 orang.
Selanjutnya yaitu dengan tujuan untuk berdonasi yang menunjukkan bahwa
sebanyak 9 responden dengan presentase 2% responden melakukan akivitas ini, lalu
tujuan yang paling sering dilakukan dengan presentase 17% (73 responden) adalah
pembayaran (seperti pembayaran merchant, parkir, asuransi, tagihan, dan tiket

78

bioskop), dan sebanyak 58 responden menggunakan aplikasi DANA dengan tujuan
yang paling sering dilakukan adalah belanja online yang menunjukkan presentase
14%. Transfer uang menjadi tujuan yang paling sering dilakukan pengguna saat
menggunakan aplikasi DANA dengan presentase tertinggi dalam penelitian ini, hal
ini berdasarkan dalam keterangan resmi oleh Rangga Wiseno (Chief of Product
DANA) fitur transfer uang adalah fitur yang amat diminati oleh pengguna DANA
dengan segala kenyamanan, kemudahan dan keamanan saat melakukan kirim uang
antar akun rekening maupun sesama pengguna lain, lalu dengan adanya bebas biaya
transfer hingga 10 kali dan hemat biaya transfer yang dikenakan Rp2.500 untuk
transfer ke-11 para pengguna bisa memaksimalkan biaya transfer yang kecil untuk
keperluan lain dan pengguna bisa mengurangi pengeluaran (Rahadyan, 2022).
8. Nominal pengeluaran saat bertransaksi pada aplikasi DANA dalam sebulan
Pada Tabel 4.1 menunjukkan bahwa nominal pengeluaran saat bertransaksi pada
aplikasi DANA dalam sebulan didominasi oleh nominal ≤ Rp500.000 sebanyak 318
responden (76%), lalu nominal pengeluaran Rp501.000-Rp1.500.000 dalam
sebulan dengan 71 responden (17%). Selanjutnya nominal Rp3.501.000 –
Rp4.500.000 menjadi nominal pengeluaran terendah dalam penelitian ini yaitu
hanya dua responden (0%), nominal pengeluaran lebih dari Rp4.500.000 sebanyak
7 responden (2%), kemudian sebanyak tiga responden (1%) mengeluarkan nominal
Rp2.501.000 – Rp3.500.000 saat bertransaksi dalam sebulan dan pengeluaran
dalam sebulan dengan nominal Rp1.501.000 – Rp2.500.000 diperoleh responden
sebanyak 16 orang (4%).

79

4.2 Analisis Pengukuran Model (Outer Model)

4.2.1 Hasil Analisis Pengukuran Model

Pada tahap analisis pengukuran model berguna untuk memeriksa validasi dan

reliabilitasnya (Syahrir et al., 2020) serta untuk menunjukkan hubungan variabel

laten dan indikatornya (Setiaman, 2020). Hasil analisis outer model dalam

penelitian ini dilakukan dalam empat tahap yang dijelaskan sebagai berikut.

1) Individual Item Reliability

Dalam tahap ini pengujian ini diamati dari nilai standardized loading factor

yang menunjukkan besarnya hubungan antara tiap indikator dengan konstraknya

(Abdillah & Jogiyanto, 2015; Syahrir et al., 2020). Terjadi penghapusan satu

indikator T5 dengan nilai factor loading 0,682, nilai pada indikator ini kurang dari

0,7 dimana nilai 0,7 adalah nilai yang ideal dan ukuran yang valid untuk nilai factor

loading serta sebagai indikator untuk mengukur konstrak (Ringle et al., 2014;

Syahrir et al., 2020). Hasil analisis yang diperoleh dari nilai factor loading

ditunjukkan pada Tabel 4.2.

Tabel 4.2 Factor Loading

C CI PS PU S T

C1 0,861

C2 0,883

C3 0,837

CI1 0,866

CI2 0,827

CI3 0,893

PS1 0,866

PS2 0,877

PS3 0,861

PS4 0,844

PU1 0,797

PU2 0,854

PU3 0,818

PU4 0,813

PU5 80 0,787

S1 0,831

S2 0,844

S3 0,871

S4 0,788

CI2 0,827
CI3 0,893
PS1
PS2 0,866
PS3 0,877
PS4 0,861
PU1 0,844
PU2
PU3 0,797
PU4 0,854
PU5 0,818
S1 0,813
S2 0,787
S3
S4 0,831
S5 0,844
T1 0,871
T2 0,788
T3 0,851
T4
T5* 0,855
0,800
Keterangan: 0,884
0,883
0,682

2) Internal Consistency Reliability

Dalam pengujian ini dapat diperoleh dari nilai composite realibility. Nilai

yang lebih dari 0,7 menjadi batas nilai yang dapat diterima, dan nilai yang dapat

dikatakan sangat memuaskan jika nilai di atas 0,8 (Hair et al., 2014; Hudin & Riana,

2016; Ringle et al., 2014; Setiaman, 2020). Hasil pengujian ini dapat dilihat pada

Tabel 4.3 yang menunjukkan bahwa nilai consistency reliability lebih dari 0,7 yang

mengartikan bahwa variabel valid dan bisa diterima.

Tabel 4.3 Consistency Reliability

Variabel Composite Reliability
Confirmation (C) 0,895
Continuance Intention (CI) 0,897
Perceived Security (PS) 0,920
Perceived Usefulness (PU) 0,908
Satisfaction (S) 0,921
Trust (T) 0,916

81

3) Average Variance Extracted (AVE)

Pengujian ini dapat dilihat dari nilai AVE yang menandakan besaran varian

variabel yang termuat di konstrak laten (Abdillah & Jogiyanto, 2015; Setiaman,

2020). Nilai minimum yang digunakan dalam AVE untuk menunjukkan ukuran

yang baik adalah 0,5 (Hudin & Riana, 2016; Ringle et al., 2014; Syahrir et al.,

2020), artinya variabel laten dapat menggambarkan keseluruhan lebih dari separuh

variance berdasarkan indikatornya (Syahrir et al., 2020). Jika nilai AVE kurang

dari 0,5 maka dianggap mempunyai error yang besar (Setiaman, 2020). Hasil

analisis AVE dapat dilihat pada Tabel 4.4

Tabel 4.4 Average Variance Extracted (AVE)

Variabel Average Variance Extracted (AVE)

Confirmation (C) 0,741

Continuance Intention (CI) 0,744

Perceived Security (PS) 0,743

Perceived Usefulness (PU) 0,663

Satisfaction (S) 0,701

Trust (T) 0,733

4) Discriminant Validity

Beberapa tahapan dilakukan pada discriminant validity, yaitu melalui nilai
cross loading tiap indikator dan Fornell Larcker’s. criterion (Hair et al., 2017;

Setiaman, 2020). Dalam mencari nilai cross loading dilakukan dengan mencari

perbandingan hubungan antara indikator dan variabel latennya (konstrak) serta

variabel laten golongan lainnya. Ketika hubungan indikator dan komponennya

lebih besar dibandingkan relasi konstrak blok lainnya, maka hasil prediksi ukuran

blok dari konstrak tersebut lebih baik daripada blok yang lain (Syahrir et al., 2020).

Tabel 4.5 adalah hasil pengujian dari pengujian cross loading.

82

Tabel 4.5 Cross Loading

C CI PS PU S T

C1 0,861 0,460 0,548 0,579 0,631 0,551

C2 0,883 0,459 0,615 0,528 0,695 0,591

C3 0,837 0,484 0,507 0,563 0,638 0,531

CI1 0,523 0,866 0,532 0,538 0,567 0,560

CI2 0,421 0,827 0,492 0,383 0,447 0,509

CI3 0,455 0,893 0,522 0,482 0,535 0,532

PS1 0,598 0,540 0,866 0,543 0,590 0,727

PS2 0,601 0,534 0,877 0,573 0,590 0,694

PS3 0,548 0,460 0,861 0,528 0,555 0,678

PS4 0,481 0,524 0,844 0,448 0,519 0,651

PU1 0,511 0,431 0,480 0,797 0,543 0,461

PU2 0,557 0,418 0,540 0,854 0,595 0,526

PU3 0,518 0,459 0,490 0,818 0,549 0,488

PU4 0,521 0,449 0,522 0,813 0,567 0,538

PU5 0,523 0,471 0,440 0,787 0,558 0,432

S1 0,675 0,441 0,555 0,505 0,831 0,567

S2 0,619 0,570 0,542 0,573 0,844 0,575

S3 0,653 0,493 0,537 0,566 0,871 0,564

S4 0,563 0,470 0,550 0,665 0,788 0,605

S5 0,675 0,538 0,557 0,581 0,851 0,586

83

T1 0,560 0,495 0,692 0,517 0,575 0,855
T2 0,534 0,518 0,608 0,465 0,628 0,800
T3 0,574 0,525 0,722 0,558 0,569 0,884
T4 0,551 0,581 0,709 0,517 0,598 0,883
T5*
Keterangan:

Selanjutnya yaitu Fornell Larcker’s criterion dapat dilihat melalui
pemeriksaan hasil akar dari nilai AVE. Hasil nilai akar tersebut mesti lebih tinggi
daripada hubungan antara konstrak lainnya (Ringle et al., 2014; Setiaman, 2020;
Syahrir et al., 2020).. Tabel 4.6 adalah hasil dari Fornell-larcker's Criterion.

Tabel 4.6 Fornell-larcker's Criterion

Confirmation (C) C CI PS PU S T
Continuance Intention (CI) 0,861 0,856
Perceived Security (PS) 0,543 0,863 0,862 0,814 0,837
Perceived Usefulness (PU) 0,648 0,598 0,608 0,691 0,692
Satisfaction (S) 0,646 0,547 0,655 0,601
Trust (T) 0,761 0,602 0,799
0,649 0,620

Dari hasil analisis pengukuran model (outer model) melalui keempat
pengujian yang sudah dilakukan dan dijelaskan sebelumnya maka dapat dikatakan
bahwa penggunaan model dalam penelitian ini sudah memenuhi kriteria dan dari
hasil tersebut bisa dilakukan ke tahap berikutnya yaitu analisis model struktural
(inner model).

84

4.2.2 Interpretasi dan Pembahasan Hasil Analisis Pengukuran Model

Berdasarkan temuan dari analisis pengukuran model, menunjukkan bahwa

terdapat satu indikator dari 25 indikator yang dihapus yakni T5 pada variabel Trust

dengan rentang nilai di bawah 0,7 karena nilai pada indikator tersebut tidak

memenuhi kriteria nilai ideal pada loading factor. Selanjutnya yaitu nilai AVE yang

menunjukkan ukuran yang baik yaitu di atas 0,5, dan pada pengujian discriminant

validity sudah memenuhi standar ketentuan. Oleh sebab itu, dapat dikatakan bahwa

penggunaan model dalam penelitian ini sudah memenuhi kriteria dan dari hasil

tersebut bisa dilakukan ke tahap berikutnya yaitu analisis model struktural (inner

model).

Tabel 4.7 Hasil Analisis Pengukuran Model (Outer Model)

Variabel Indikator OL Cross Loading CR AVE
C CI PS PU S T

C1 0,861 0,861 0,460 0,548 0,579 0,631 0,551

C C2 0,883 0,883 0,459 0,615 0,528 0,695 0,591 0,895 0,741

C3 0,837 0,837 0,484 0,507 0,563 0,638 0,531

CI1 0,866 0,523 0,866 0,532 0,538 0,567 0,560

CI CI2 0,827 0,421 0,827 0,492 0,383 0,447 0,509 0,897 0,744

CI3 0,893 0,455 0,893 0,522 0,482 0,535 0,532

PS1 0,866 0,598 0,540 0,866 0,543 0,590 0,727

PS PS2 0,877 0,601 0,534 0,877 0,573 0,590 0,694 0,920 0,743
PS3 0,861 0,548 0,460 0,861 0,528 0,555 0,678

PS4 0,844 0,481 0,524 0,844 0,448 0,519 0,651

PU1 0,797 0,511 0,431 0,480 0,797 0,543 0,461

PU2 0,854 0,557 0,418 0,540 0,854 0,595 0,526

PU PU3 0,818 0,518 0,459 0,490 0,818 0,549 0,488 0,908 0,663

PU4 0,813 0,521 0,449 0,522 0,813 0,567 0,538

PU5 0,787 0,523 0,471 0,440 0,787 0,558 0,432

S1 0,831 0,675 0,441 0,555 0,505 0,831 0,567

S2 0,844 0,619 0,570 0,542 0,573 0,844 0,575

S S3 0,871 0,653 0,493 0,537 0,566 0,871 0,564 0,921 0,701

S4 0,788 0,563 0,470 0,550 0,665 0,788 0,605

S5 0,851 0,675 0,538 0,557 0,581 0,851 0,586

T1 0,855 0,560 0,495 0,692 0,517 0,575 0,855

T2 0,800 0,534 0,518 0,608 0,465 0,628 0,800

T T3 0,884 0,574 0,525 0,722 0,558 0,569 0,884 0,916 0,733
T4 0,883 0,551 0,581850,709 0,517 0,598 0,883

T5*

PU5 0,787 0,523 0,471 0,440 0,787 0,558 0,432
S1 0,831 0,675 0,441 0,555 0,505 0,831 0,567
S2 0,844 0,619 0,570 0,542 0,573 0,844 0,575
S S3 0,871 0,653 0,493 0,537 0,566 0,871 0,564 0,921 0,701
S4 0,788 0,563 0,470 0,550 0,665 0,788 0,605
S5 0,851 0,675 0,538 0,557 0,581 0,851 0,586
T1 0,855 0,560 0,495 0,692 0,517 0,575 0,855
T2 0,800 0,534 0,518 0,608 0,465 0,628 0,800
T T3 0,884 0,574 0,525 0,722 0,558 0,569 0,884 0,916 0,733
T4 0,883 0,551 0,581 0,709 0,517 0,598 0,883
T5*

Keterangan:

4.3 Analisis Struktural Model (Inner Model)

4.3.1 Hasil Analisis Struktural Model

Pada analisis struktural model terdapat beberapa tahapan untuk pengujian

inner model yang dijelaskan sebagai berikut.
a Path Coefficient (β)

Pada tahap pengujian ini dapat membuktikan tingkat penerimaan

(signifikansi) dalam pengujian hipotesis atau menunjukkan tingginya pengaruh dari

hubungan antara konstrak (Hair et al., 2017; Syahrir et al., 2020). Jalur bisa
dikatakan mempunyai pengaruh pada model jika nilai β lebih dari 0,1 (Larasati &
Salim., 2021; Lim et al., 2019). Hasil pengujian Path Coefficient (β) ditunjukkan

pada Tabel 4.8.

Tabel 4.8 Path Coefficient (β)

Hipotesis Jalur β
H1 C → PU 0,646
H2 C→S 0,417
H3 C→T 0,177
H4 0,615
H5 PS → T 0,171
H6 PS → CI 0,043
PS → S

86

H7 PU → T 0,113

H8 PU → CI 0,142

H9 PU → S 0,254

H10 T → S 0,234

H11 T → CI 0,242

H12 S → CI 0,224

Berdasarkan hasil analisis path coefficient pada Tabel 4.8 dan Gambar 4.1,
terdapat satu jalur dengan menunjukkan nilai kurang dari 0,1 yakni jalur PS
(perceived security) ke S (satisfaction) dengan nilai 0,048. Dapat dikatakan bahwa
semua jalur dalam penelitian ini mempunyai pengaruh secara signifikan selain jalur
PS ke S.

Gambar 4.1 Hasil Analisis Path Coefficient (β)
87

b R2 (Coefficient of Determination)
Pengujian pada R2 (coefficient of determination) menyatakan varian dari

masing-masing sasaran variabel endogen. Koefisien ini menunjukkan tingkat
kekuatan prediksi terhadap model dan sebagai korelasi kuadrat diantara nilai aktual
serta prediksi pada suatu variabel endogen (Hair et al., 2017). Standar nilai ukuran
yang dapat dikatakan akurat jika bernilai 0,67, moderat dengan nilai 0,33, dan
dikatakan lemah jika dibawah 0,19 (Setiaman, 2020). Pada Tabel 4.9 menunjukkan
bahwa variabel endogen Satisfaction (S) dan Trust (T) dikatakan akurat, serta dua
variabel endogen lainnya yakni Continuance Intention (CI) dan Perceived
Usefulness (PU) menunjukkan hasil yang moderat.

Tabel 4.9 Hasil Uji R2 (Coefficient of Determination)

Variabel R2 Keterangan
0,465 Moderat
Continuance Intention (CI) 0,418 Moderat
Perceived Usefulness (PU) 0,683 Akurat
Satisfaction (S) 0,674 Akurat
Trust (T)

c Nilai t-test
Pencarian nilai t-test dapat diperoleh dari proses bootstrapping (Hair et al.,

2017; Setiaman, 2020) dengan menggunakan pengujian two-tailed, jika hasil
pengujian hipotesis penelitian bernilai 5% maka dapat dikatakan hipotesis
penelitian tersebut berada ditingkat signifikan. Hipotesis penelitian dapat diterima
dengan nilai t-test yang lebih tinggi dari 1,96 (Hair et al., 2017; Setiaman, 2020).
Penggunaan nilai t-test dilakukan pada pemeriksaan hipotesis, tingginya nilai t-test

88

dari taraf signifikan yang digunakan pada pengujian hipotesis menunjukkan bahwa
hipotesis penelitian tersebut dapat diterima (Prasetyo, 2019). Pada Tabel 4.10
terdapat satu hipotesis dari 12 hipotesis yang menunjukkan hasil yang tidak
diterima atau ditolak karena nilai t-test di bawah 1,96 yaitu H6 dengan jalur PS →
CI, dan terdapat 11 hipotesis dengan nilai di atas 1,96 yang diterima.

Tabel 4.10 Hasil Uji T-test

Hipotesis Jalur T Statistics Keterangan
H1 C → PU 19,448 Diterima
H2 C → S 8,481 Diterima
H3 C → T 2,850 Diterima
H4 PS → T 10,823 Diterima
H5 PS → CI 2,109 Diterima
H6 PS → S 0,681 Ditolak
H7 PU → T 2,198 Diterima
H8 PU → CI 2,148 Diterima
H9 PU → S 5,138 Diterima
H10 T → S 3,860 Diterima
H11 T → CI 3,140 Diterima
H12 S → CI 3,107 Diterima

d Pengujian f2 (Effect Size)
Pengujian ini dilaksanakan untuk memperkirakan suatu variabel eksogen

apakah memiliki pengaruh terhadap variabel endogen jika dihilangkan dari model
(Hair et al., 2017). Nilai f2 yang bernilai 0,02 diartikan memiliki pengaruh kecil,
berpengaruh menengah dengan nilai 0,15, dan nilai 0,35 memiliki pengaruh besar
(Hair et al., 2017; Setiaman, 2020).

89

Berdasarkan pada Tabel 4.11 menunjukkan bahwa terdapat dua jalur yang
memiliki pengaruh yang besar yakni C → PU dan PS → T, kemudian pengaruh

terhadap variabel lain dengan nilai yang menunjukkan memiliki penaruh menengah
yakni C → S, dan hubungan antar variabel sisanya mempunyai pengaruh yang kecil.

Tabel 4.11 Pengujian f2

Hipotesis Jalur R2 R2 f2 Keterangan
Include Exclude
H1 C → PU 0,718 Besar
H2 C → S 0,418 0,000 0,243 Menengah
H3 C → T 0,683 0,606 0,046
H4 PS → T 0,674 0,659 0,601 Kecil
H5 PS → CI 0,674 0,478 0,017 Besar
0,465 0,456 Kecil
H6 PS → S 0,683 0,000
H7 PU → T 0,683 0,021 Kecil
0,667 Kecil
H8 PU → CI 0,674 0,019
H9 PU → S 0,455 0,101 Kecil
H10 T → S 0,465 0,651 0,057 Kecil
H11 T → CI 0,665 0,032 Kecil
H12 S → CI 0,683 0,448 0,037 Kecil
0,683 0,445 Kecil
0,465
0,465

e Pengujian Q2 (Predictive Relevance)
Pengujian Q2 menunjukkan bukti mengenai beberapa variabel yang

dipakai pada model yang dirancang memiliki keterlibatan predictive
(predictive relevance) terhadap variabel lain (Yamin & Kurniawan, 2011),
metode blindfolding digunakan dalam pengujian ini (Hair et al., 2017). Nilai
di atas nol merupakan nilai ambang batas pengujian Q2 (Hair et al., 2017;
Setiaman, 2020). Pada Tabel 4.12 menunjukkan bahwa terdapat adanya
variabel yang dirancang memiliki keterlibatan predictive (predictive
relevance) terhadap variabel lain dengan nilai Q2 lebih tinggi dari nol.

90

Tabel 4.12 Hasil Pengujian Q2 (Predictive Relevance)

Variabel Q2
0,337
Continuance Intention (CI) 0,274
Perceived Usefulness (PU) 0,470
Satisfaction (S) 0,488
Trust (T)

f Uji q2 (Relative Impact)

Metode blindfolding digunakan dalam pengujian q2 (Relative Impact) dan

untuk menguji pengaruh relative dari salah satu keterlibatan diantara prediktif dari

beberapa variabel terpilih dengan variabel endogen lainnya (Setiaman, 2020). Nilai

q2 yang memiliki pengaruh kecil bernilai 0,02, berpengaruh menengah dengan nilai

0,15, serta memiliki pengaruh besar dengan nilai 0,35 (Hair et al., 2017; Setiaman,

2020). Pada Tabel 4.13 menunjukkan hasil bahwa terdapat satu variabel yang
mempunyai pengaruh besar yakni C → PU, dan satu variabel yang memiliki
pengaruh menengah yakni PS → T, serta terdapat 10 hubungan tiap variabel sisanya

yang hanya mempunyai pengaruh kecil.

Tabel 4.13 Hasil Uji q2 (Relative Impact)

Hipotesis Jalur Q2 Q2 q2 Keterangan
Include Exclude
H1 C → PU 0,377 Besar
H2 C → S 0,274 0,000 0,104 Kecil
H3 C → T 0,470 0,415 0,021 Kecil
H4 PS → T 0,477 0,275 Menengah
H5 PS → CI 0,488 0,347 0,009 Kecil
H6 PS → S 0,488 0,331 -0,002 Kecil
H7 PU → T 0,337 0,471 0,008 Kecil
H8 PU → CI 0,470 0,484 0,009 Kecil
0,331
0,488
0,337

91

H9 PU → S 0,470 0,450 0,038 Kecil
H10 T → S 0,470 0,459 0,021 Kecil
H11 T → CI 0,337 0,324 0,020 Kecil
H12 S → CI 0,337 0,324 0,020 Kecil

92

Tabel 4.14 Hasil Analisis St

Hipotesis Jalur β T-test R2 R2 In f2 f2 Q

H1 C → PU 0,646 19,448 0,418 0,418 R2 Ex 0,718 0,27
H2 C → S 0,417 8,481 0,683 0,683 0,243 0,47
H3 C → T 0,177 2,850 0,674 0,674 0,000 0,046 0,48
H4 PS → T 0,615 0,674 0,674 0,606 0,601 0,48
H5 PS → CI 0,171 10,823 0,465 0,465 0,659 0,017 0,33
H6 PS → S 0,043 2,109 0,683 0,683 0,478 0,000 0,47
H7 PU → T 0,113 0,681 0,674 0,674 0,456 0,021 0,48
H8 PU → CI 0,142 2,198 0,465 0,465 0,683 0,019 0,33
H9 PU → S 0,254 2,148 0,683 0,683 0,667 0,101 0,47
H10 T → S 0,234 5,138 0,683 0,683 0,455 0,057 0,47
H11 T → CI 0,242 3,860 0,465 0,465 0,651 0,032 0,33
H12 S → CI 0,224 3,140 0,465 0,465 0,665 0,037 0,33
3,107 0,448
0,445

Keterangan:

9

truktur Model (Inner Model)

Q2 q2 Hasil Analisis
Q2 In
Q2 Ex q2 β T-test R2 f2 Q2 q2
74 0,274
70 0,470 0,000 0,377 Sign Diterima M b PR b
88 0,488 0,415 0,104 Sign
88 0,488 0,477 0,021 Sign Diterima A m PR k
37 0,337 0,347 0,275 Sign
70 0,470 0,331 0,009 Sign Diterima A k PR k
88 0,488 0,471 -0,002 Insign
37 0,337 0,484 0,008 Sign Diterima A b PR m
70 0,470 0,331 0,009 Sign
70 0,470 0,450 0,038 Sign Diterima M k PR k
37 0,337 0,459 0,021 Sign
37 0,337 0,324 0,020 Sign Ditolak A k PR k
0,324 0,020 Sign
Diterima A k PR k

Diterima M k PR k

Diterima A k PR k

Diterima A k PR k

Diterima M k PR k

Diterima M k PR k

93

4.3.2 Interpretasi dan Pembahasan Hasil Analisis Struktural Model
Dalam bagian ini dilakukan pemaparan interpretasi dan diskusi sesuai dengan

perolehan hasil yang ada pada analisis struktural model dengan merujuk pada
hipotesis-hipotesis yang sudah dibentuk dalam penelitian ini.
H1: Apakah Confirmation (C) memiliki pengaruh terhadap variabel perceived

Usefulness (PU) secara signifikan?
Pada analisis struktual yang sudah dilakukan menemukan bahwa H1 pada path
coefficient memiliki nilai 0,646 atau sudah melebihi ambang batas, dan nilai t-test
menunjukkan nilai 19,448 yang mengartikan bahwa hipotesisi ini diterima. Hal
tersebut mengartikan bahwa C → PU memiliki pengaruh signifikan dan hipotesis
diterima. Berdasarkan hasil perhitungan f2 dan q2 menunjukkan bahwa confirmation
(C) mempunyai pengaruh besar terhadap perceived usefulness (PU) dengan nilai
0,718 untuk f2 dan nilai 0,377 untuk q2.
Hasil hipotesis ini sejalan dengan penelitian Larasati & Salim (2021), Park et
al. (2017) dan Susanto et al. (2016) yang menunjukkan bahwa confirmation (C)
memiliki pengaruh terhadap perceived usefulness (PU) secara signifikan. Hal ini
dapat disimpulkan pengguna aplikasi DANA menunjukkan bahwa aplikasi tersebut
sudah sesuai dengan harapan mereka terhadap kinerja dan layanan yang ada pada
aplikasi tersebut sehingga mereka merasakan manfaat dari kegunaan aplikasi
DANA.

94

H2: Apakah Confirmation (C) memiliki pengaruh terhadap variabel
Satisfaction (S) secara signifikan?

Berdasarkan analisis struktual yang sudah dilakukan menemukan bahwa H2
memiliki pengaruh signifikan dan hipotesis diterima, pada path coefficient memiliki
nilai 0,417 atau sudah melebihi ambang batas, dan nilai t-test menunjukkan nilai
8,481. Pada hasil perhitungan dari f2, confirmation (C) mempunyai pengaruh
menengah terhadap satisfaction (S) bernilai 0,243 dan hasil pengujian q2
menunjukkan pengaruh kecil dengan nilai 0,104. Dengan begitu dapat dikatakan
bahwa confirmation (C) memiliki pengaruh terhadap satisfaction (S) secara
signifikan sejalan dengan hasil temuan sebelumnya oleh Lim et al. (2019), Oghuma
et al. (2016), Susanto et al. (2016).

Hal ini berarti bahwa pengguna akan merasakan kepuasan ketika harapan
mereka terhadap kinerja aplikasi sesuai dengan ekspektasi mereka. Oleh sebab itu,
diterimanya hipotesis ini karena pengguna aplikasi DANA menunjukkan bahwa
aplikasi tersebut sudah sesuai dengan harapan mereka terhadap kinerja dan layanan
pada aplikasi sehingga akan memberikan pengaruh terhadap kepuasan mereka.
H3: Apakah Confirmation (C) memiliki pengaruh terhadap variabel Trust (T)

secara signifikan?
Pada analisis struktual yang dilakukan menemukan bahwa dalam pengujian t-
test untuk hipotesis H3 diterima dengan nilai 2,850. Selain itu juga C → T memiliki
pengaruh secara signifikan dengan nilai path coefficient sebesar 0,177. Berdasarkan
hasil perhitungan f2 dan q2 menunjukkan bahwa confirmation (C) mempunyai
pengaruh kecil terhadap trust (T) dengan nilai 0,046 (f2) dan 0,021 (q2).

95

Confirmation memiliki penting penting terhadap tingkat kepercayaan pengguna,
dan pada penelitian sebelumnya confirmation (C) memiliki pengaruh terhadap trust
(T) secara signifikan (Susanto et al., 2016).

Diterimanya hipotesis ini mengartikan bahwa tingkat kepercayaan pengguna
terhadap aplikasi DANA akan terbentuk jika ekspektasi mereka terhadap kinerja
aplikasi sesuai. Oleh karena itu, hipotesis ini menunjukkan bahwa kinerja dan
layanan aplikasi tersebut memenuhi harapan mereka sehingga tingkat kepercayaan
mereka terbentuk terhadap aplikasi DANA.
H4: Apakah Perceived Security (PS) memiliki pengaruh terhadap variabel

Trust (T) secara signifikan?
Pada hipotesis keempat dimana perceived security (PS) memiliki pengaruh
terhadap variabel trust (T) secara signifikan, hal ini berdasarkan pada hasil analisis
struktural yang nilai uji path coefficient sebesar 0,615. Selain itu, nilai t-test untuk
hipotesis ini bernilai 10,823 yang berarti bahwa hipotesis ini diterima. Dari hasil
perhitungan f2 dan q2 menunjukkan bahwa Perceived Security (PS) mempunyai
pengaruh besar dengan nilai 0,601 (f2) dan berpengaruh menengah dengan nilai
0,275 (q2) terhadap trust (T).
Hasil hipotesis ini menunjukkan bahwa pengguna menggunakan aplikasi
DANA berdasarkan persepsi keamanan dan kepercayaan yang dirasakan. Jika
keamanan pada aplikasi DANA tidak memenuhi harapan pengguna, maka
kepercayaan pengguna akan berkurang yang disebabkan karena pengguna takut
akan potensi kebocoran data pribadi dan peretasan. Hasil ini sejalan dengan

96

penelitian sebelumnya oleh Goel & Nath (2020), Kumar et al. (2018), Nelloh et al.
(2019), dan Seannery & Gui (2021).
H5: Apakah Perceived Security (PS) memiliki pengaruh terhadap variabel

Continuance Intention (CI) secara signifikan?
Pada analisis struktual yang dilakukan menyatakan bahwa hipotesis H5 dimana
perceived security (PS) terhadap continuance intention (CI) diterima dengan nilai
t-test sebesar 2,109. Selain itu, pada pengujian path coefficient jalur PS → CI
mempunyai pengaruh signifikan dengan nilai 0,171. Dari hasil perhitungan dari f2
dan q2, perceived security (PS) mempunyai pengaruh kecil terhadap continuance
intention (CI) dengan nilai 0,017 (f2) dan 0,009 (q2). Hasil hipotesis ini dapat
dikatakan bahwa dengan menggunakan aplikasi DANA, mereka merasa aman
dalam melakukan transaksi pada aplikasi tersebut sehingga hal tersebut mendorong
niat mereka untuk terus menggunakan aplikasi DANA secara berkelanjutan. Hal ini
dengan penelitian yang dilakukan oleh , dan juga sejalan dengan upaya pihak
DANA untuk mewujudkan perlindungan dan keamanan pengguna DANA dengan
fitur dan teknologi yang DANA terapkan (DANA, 2021).
H6: Apakah Perceived Security (PS) memiliki pengaruh terhadap variabel
Satisfaction (S) secara signifikan?
Pada analisis struktual yang sudah dilakukan menemukan bahwa H6 ditolak,
hal ini berdasarkan hasil dari uji t-test dengan nilai 0,681. Selanjutnya berdasarkan
path coefficient pada jalur PS → S memiliki nilai 0,043 yang berarti bahwa jalur
PS → S dalam model ini tidak berpengaruh secara signifikan. Berdasarkan hasil
perhitungan f2 dan q2 menunjukkan bahwa perceived security (PS) mempunyai

97

pengaruh yang kecil terhadap satisfaction (S) dengan nilai 0,000 (f2) dan -0,002
(q2).

Dari hasil analisis yang sudah dilakukan, penolakan hipotesis ini juga sejalan
dengan penelitian sebelumnya oleh Lim et al. (2019), dan Oghuma et al. (2016).
Penolakan hipotesis ini bukan berarti variabel perceived security (PS) tidak
memiliki pengaruh terhadap continuance intention (CI), karena dari hasil analisis
variabel satisfaction (S) tidak ada efek mediasi antara perceived security (PS) dan
continuance intention (CI). Hal ini karena tidak terjadinya efek mediasi pada
variabel intervening dalam model (Sholihin & Ratmono, 2021).

Hasil hipotesis ini dapat dikatakan bahwa tingkat kepuasan pengguna aplikasi
DANA menurun dikarenakan mereka merasa tidak aman ketika melakukan
transaksi pada aplikasi tersebut. Kemungkinan selanjutnya yaitu mayoritas
responden pada penelitian ini berusia 19-25 tahun dimana usia tersebut menjadi
fase perubahan, baik secara fisik, sosial, ataupun psikologis sehingga mereka tidak
serta-merta yakin dengan tingkat keamanan aplikasi ketika menggunakannya
(Prasetyo, 2019; Yendra et al., 2017).
H7: Apakah Perceived Usefulness (PU) memiliki pengaruh terhadap variabel

Trust (T) secara signifikan?
Pada analisis struktual yang dilakukan menemukan bahwa dalam pengujian t-
test untuk hipotesis H7 diterima dengan nilai 2,198. Selain itu juga untuk jalur PU
→ T memiliki pengaruh secara signifikan dengan nilai path coefficient sebesar
0,113. Dari hasil perhitungan dari f2 dan q2, perceived usefulness (PU) mempunyai
pengaruh kecil terhadap trust (T) dengan nilai 0,021 untuk f2 dan 0,008 untuk q2.

98

Diterimanya hipotesis ini sejalan dengan penelitian yang dilakukan oleh Kumar et
al. (2018) dab Susanto et al. (2016).

Hasil pada hipotesis menunjukkan bahwa semakin meningkatnya manfaat yang
dirasakan oleh pengguna saat menggunakan aplikasi DANA, maka semakin tinggi
kepercayaan pengguna terhadap aplikasi tersebut. Aplikasi DANA memberikan
manfaat bagi pengguna sehingga mereka merasa percaya pada aplikasi tersebut.
Pada tahap ini confirmation memiliki peran penting dalam mengarahkan perceived
usefulness dalam menggunakan layanan sehingga menyebabkan meningkatnya
tingkat kepercayaan bagi pengguna (Susanto et al., 2016).
H8: Apakah Perceived Usefulness (PU) memiliki pengaruh terhadap variabel

Continuance Intention (CI) secara signifikan?
Berdasarkan analisis struktual yang sudah dilakukan menemukan bahwa H8
dimana perceived usefulness (PU) terhadap continuance intention (CI) memiliki
pengaruh signifikan dan hipotesis diterima, pada path coefficient memiliki nilai
0,142 atau sudah melebihi ambang batas, dan nilai t-test menunjukkan nilai 2,148.
Dari hasil perhitungan f2 dan q2 menunjukkan bahwa perceived usefulness (PU)
mempunyai pengaruh kecil dengan nilai 0,019 (f2) dan berpengaruh kecil dengan
nilai 0,009 (q2) terhadap continuance intention (CI). Hasil hipotesis ini dapat
dikatakan bahwa pengguna aplikasi DANA menerima manfaat yang dirasakan dan
karena hal ini pengguna akan berniat untuk menggunakan aplikasi DANA secara
terus-menerus, serta hasil ini juga sejalan dengan penelitian dari Larasati & Salim
(2021), Park et al. (2019), dan Susanto et al. (2016).

99

H9: Apakah Perceived Usefulness (PU) memiliki pengaruh terhadap variabel
Satisfaction (S) secara signifikan?
Pada analisis struktual yang sudah dilakukan menemukan bahwa hipotesis H9

diterima, hal ini berdasarkan hasil dari uji t-test dengan nilai 5,138. Selanjutnya
berdasarkan path coefficient pada jalur PU → S memiliki nilai 0,254 yang berarti
bahwa jalur PU → S dalam model ini memiliki pengaruh secara signifikan.
Berdasarkan hasil perhitungan f2 dan q2 menunjukkan bahwa perceived usefulness
(PU) mempunyai pengaruh kecil terhadap satisfaction (S) dengan nilai 0,101 (f2)
dan 0,038 (q2).

Diterimanya hipotesis ini juga sejalan dari penelitian dari Kumar et al. (2018),
Park et al. (2017) dan Susanto et al. (2016) yang mengartikan bahwa pengguna
aplikasi DANA akan merasakan kepuasan jika pengguna menerima manfaat yang
dirasakan ketika menggunakan aplikasi tersebut. Confirmation memiliki peran
penting dalam mengarahkan perceived usefulness dalam menggunakan layanan
sehingga menyebabkan meningkatnya tingkat kepuasan bagi pengguna (Susanto et
al., 2016). Semakin tinggi manfaat yang diberikan aplikasi DANA kepada
pengguna maka pengguna juga akan merasakan puas.
H10: Apakah Trust (T) memiliki pengaruh terhadap variabel Satisfaction (S)

secara signifikan?
Pada analisis struktual yang dilakukan menyatakan bahwa hipotesis H10
dimana trust (T) terhadap satisfaction (S) diterima dengan nilai t-test sebesar 3,860.
Selain itu, pada pengujian path coefficient jalur T → S mempunyai pengaruh

100

signifikan dengan nilai 0,234. Dari hasil perhitungan f2 dan q2 menunjukkan bahwa
trust (T) mempunyai pengaruh kecil dengan nilai 0,057 (f2) dan berpengaruh kecil
dengan nilai 0,021 (q2) terhadap satisfaction (S). Hasil ini sejalan dengan penelitian
yang dilakukan oleh Kumar et al. (2018) dan Susanto et al. (2016). Berdasarkan
hipotesis ini mengartikan bahwa pengguna akan merasakan kepuasan ketika
pengguna percaya pada aplikasi DANA. Peran confirmation dan perceived security
memberikan pengaruh yang signifikan yang menunjukkan kepuasan pengguna jika
pengguna percaya terhadap aplikasi DANA. Semakin tingginya tingkat keamanan
dan kinerja aplikasi yang disertai kepercayaan pengguna, maka pengguna aplikasi
DANA akan merasakan kepuasan.
H11: Apakah Trust (T) memiliki pengaruh terhadap variabel Continuance

Intention (CI) secara signifikan?
Berdasarkan analisis struktual yang sudah dilakukan menemukan bahwa H11
dimana trust (T) terhadap continuance intention (CI) memiliki pengaruh signifikan
dan hipotesis diterima, pada path coefficient memiliki nilai 0,242 atau sudah
melebihi ambang batas, dan nilai t-test menunjukkan nilai 3,140. Pada uji
perhitungan f2 dan q2 menunjukkan bahwa trust (T) mempunyai pengaruh yang
kecil terhadap continuance intention (CI) dengan nilai 0,032 (f2) dan 0,020 (q2). Hal
ini sejalan dengan penelitian sebelumnya yang dilakukan oleh Goel & Nath (2020),
Kumar et al. (2018), Nelloh et al. (2019), dan Susanto et al. (2016).
Hasil hipotesis ini dapat dikatakan bahwa pengguna merasa sangat percaya
dengan aplikasi DANA, sehingga hal tersebut mendorong niat mereka untuk terus
menggunakan aplikasi DANA secara berkelanjutan. Peran perceived security

101

memberikan pengaruh yang signifikan yang mengarah kepada niat kelanjutan
pengguna untuk terus menggunakan aplikasi DANA jika pengguna percaya
terhadap aplikasi DANA. Semakin tingginya tingkat keamanan aplikasi dan
kepercayaan yang pengguna, maka pengguna aplikasi DANA akan terus-menerus
menggunakan aplikasi DANA.
H12: Apakah Satisfaction (S) memiliki pengaruh terhadap variabel

Continuance Intention (CI) secara signifikan?
Pada hipotesis keempat dimana satisfaction (S) memiliki pengaruh terhadap
variabel continuance intention (CI) secara signifikan, hal ini berdasarkan pada hasil
analisis struktural yang menunjukkan nilai uji path coefficient sebesar 0,224. Selain
itu, nilai t-test untuk hipotesis ini bernilai 3,107 yang berarti bahwa hipotesis ini
diterima. Hasil dari perhitungan f2 dan q2 menunjukkan bahwa satisfaction (S)
mempunyai pengaruh yang kecil terhadap continuance intention (CI) dengan nilai
0,037 (f2) dan 0,020 (q2). Diterimanya hipotesis ini sejalan dengan penelitian dari
Chen et al. (2018), Kumar et al. (2018), Larasati & Salim. (2021), dan Lim et al.
(2019).
Hasil hipotesis ini dapat dikatakan bahwa pengguna merasakan kepuasan
ketika menggunakan aplikasi DANA, sehingga hal tersebut mendorong niat mereka
untuk terus menggunakan aplikasi DANA secara berkelanjutan. Peran
confirmation, perceived security, dan trust memberikan pengaruh yang signifikan
yang mengarah kepada niat kelanjutan pengguna untuk terus menggunakan aplikasi
DANA jika pengguna merasa puas terhadap aplikasi DANA. Semakin tingginya

102

tingkat keamanan dan kinerja aplikasi, kepercayaan serta, kepuasan pengguna,

maka pengguna aplikasi DANA akan terus-menerus menggunakan aplikasi DANA.

Berdasarkan hasil pengujian path coefficient dan t-test pada analisis struktural

model (inner model) terdapat satu hipotesis yang ditolak dari 12 hipotesis, yaitu PS
→ S (perceived security dan satisfaction) atau H6 (hipotesis keenam) dan hipotesis

ini tidak memiliki pengaruh secara signifikan, dapat dikatakan bahwa tingkat

kepuasan pengguna aplikasi DANA menurun disebabkan mereka merasa tidak

aman ketika melakukan transaksi pada aplikasi tersebut. Hal ini karena mayoritas

pengguna berusia 19-25 tahun sehingga mereka tidak serta-merta yakin dengan

tingkat keamanan aplikasi ketika menggunakannya.

4.4 Rekomendasi

Berdasarkan dari penjabaran hasil analisis inner model dalam pengujian

hipotesis yang sudah disampaikan, terdapat beberapa rekomendasi untuk penyedia

layanan mobile payment DANA mengenai faktor-faktor yang memengaruhi

continuance intention pengguna. Rekomendasi ini dijelaskan sebagai berikut.

Tabel 4.15 Rekomendasi

Variabel Rekomendasi

Perceived Security Memberikan keamanan dan perlindungan kepada

seluruh pengguna DANA dan bukan hanya untuk

akun premium. Memberikan proteksi ganda untuk

fitur transfer dan pembayaran seperti PIN dengan

sidik jari, atau PIN dengan face verification.

103

Satisfaction Memperhatikan layanan customer service agar
keluhan pengguna dapat direspon dengan tepat dan
cepat. Lalu memberikan apresiasi kepada pengguna
seperti memberikan poin untuk setiap transaksi dan
poin tersebut bisa ditukar dengan hadiah yang
tersedia.

104

105

BAB 5
PENUTUP

5.1 Kesimpulan
Berdasarkan temuan yang peneliti temukan dari hasil analisis tentang analisis

continuance intention pada mobile payment DANA di wilayah pulau Jawa,
kesimpulan yang diperoleh adalah sebagai berikut.
a. Faktor-faktor yang memengaruhi continuance intention pengguna pada mobile

payment DANA di wilayah Pulau Jawa yakni:
• Perceived security (PS), perceived usefulness (PU), satisfaction (S), trust

(T) secara langsung memengaruhi continuance intention (CI).
• Confirmation (C) secara tidak langsung memengaruhi continuance

intention (CI).
b. Berdasarkan hasil temuan dari analisis demografi dari 417 responden,

didominasi oleh rentang usia 19-25 tahun dengan presentase 80% (335 orang),
kategori jenis kelamin perempuan dengan presentase 60% (251 orang), dan
domisili Provinsi Jawa Barat sebanyak 27% (110 orang). Selanjutnya status
pekerjaan didominasi oleh kalangan pelajar/mahasiswa dengan presentase 83%
(345 orang). Dapat diketahui bahwa tujuan yang paling sering dilakukan saat
menggunakan aplikasi DANA dengan jumlah responden sebanyak 166 orang
dengan presentase 40% yaitu aktivitas transfer uang. Kemudian nominal
pengeluaran saat bertransaksi selama satu bulan pada aplikasi DANA dari Rp0
sampai Rp500.000. Selain itu, pengguna menggunakan aplikasi DANA selama

106

1-2 tahun (38%), dan frekuensi menggunakannya selama sebulan sekali (32%).
Dapat disimpulkan bahwa pengguna mobile payment DANA mayoritas di
pulau Jawa menggunakan aplikasi ini untuk aktivitas transfer uang dengan
nominal pengeluaran dalam sebulan yang tidak terlalu banyak.
5.2 Saran
Berdasarkan temuan yang peneliti temukan dari hasil analisis tentang analisis
continuance intention pada mobile payment DANA di wilayah pulau Jawa, terdapat
saran untuk penelitian selanjutnya yaitu:
1. Memperluas pengambilan sampel dengan populasi di luar pulau Jawa dan tidak
membatasi kriteria responden terhadap penggunaan mobile payment DANA
agar data yang diperoleh lebih bervariasi.
2. Menggunakan metode kualitatif agar data yang diperoleh mengandung nilai
dibalik data tersebut, sehingga peneliti harus mempunyai bekal pengetahuan
dan teori yang luas sehingga kondisi yang diteliti menunjukkan kejelasan dan
bermakna.
3. Penyebaran kuesioner dilakukan secara langsung agar dapat mengurangi
perbedaan tanggapan antara peneliti dan responden, serta dapat menjelaskan
kepada responden jika terdapat pertanyaan yang sulit dipahami terhadap butir-
butir pertanyaan pada kuesioner.
4. Mengembangkan kembali model yang digunakan dalam penelitian ini, seperti
dengan menambahkan beberapa variabel yang secara temuan bernilai
signifikan. Kemudian Peninjauan kembali hubungan antara variabel PS → S

107

(perceived security dan satisfaction) karena variabel tersebut tidak memiliki
pengaruh serta indikator yang terhapus pada variabel trust.
5. Bagi pihak DANA memperhatikan konteks perceived security dan satisfaction
karena dapat meningkatkan niat kelanjutan pada penggunaan mobile payment
DANA. Dengan meningkatkan kembali keamanan dan perlindungan pengguna
DANA maka tingkat kepuasan mereka akan meningkat seiring dengan
perasaan aman ketika melakukan transaksi pada aplikasi tersebut dan memicu
niat pengguna untuk terus-menerus menggunakan mobile payment DANA.
Peneliti memberi rekomendasi bagi pihak DANA agar memberikan keamanan
dan perlindungan kepada seluruh pengguna DANA dan bukan hanya untuk
akun premium, memberikan proteksi ganda untuk fitur transfer dan
pembayaran seperti PIN dengan sidik jari, atau PIN dengan face verification.

108

109

DAFTAR PUSTAKA

Abbas, H. A., dan Hamdy, H. I. 2015. Determinants of continuance intention factor
in Kuwait communication market: Case study of Zain-Kuwait. Computers in
Human Behavior 49:648–57. doi: 10.1016/j.chb.2015.03.035.

Abdillah, M., dan Mustakini, J. H. 2015. Partial Least Square (PLS) Alternatif
Structural Ecuation Modeling (SEM) dalam Penelitian Bisnis. Yogyakarta:
Andi.

Abdillah, W. 2017. Metode Penelitian Terpadu Sistem Informasi. Yogyakarta:
Andi.

Abdillah, W., dan Jogiyanto, H. 2015. Partial Least Square (PLS) Alternatif
Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Yogyakarta:
Andi Offset.

Abrilia, N. D., dan Sudarwanto, T. 2020. Pengaruh Persepsi Kemudahan Dan Fitur
Layanan Terhadap Minat Menggunakan E-Wallet Pada Aplikasi Dana Di
Surabaya. Jurnal Pendidikan Tata Niaga 8(3):1006–12.

Adam, H. 2016. Less Cash Society: Revolusi Gaya Hidup di Era Ekonomi Digital.
Medium.com. Diambil 14 September 2021
(https://medium.com/@harristioadam/less-cash-society-revolusi-gaya-hidup-
di-era-ekonomi-digital-a428e41d89fb).

Agusta, J., dan Widjaja, N. 2018. Mobile Payments in Indonesia: Race to Big Data
Domination. MDI Ventures 47.

Alalwan, A. A., Dwivedi, Y. K., dan Rana, N. P. 2017. Factors influencing adoption
of mobile banking by Jordanian bank customers: Extending UTAUT2 with
trust. International Journal of Information Management 37(3):99–110. doi:
10.1016/j.ijinfomgt.2017.01.002.

AlKubaisi, M. M., dan Naser, N. 2020. A quantative approach to identifying factors
that affect the use of E-wallets in Bahrain. Journal of Siberian Federal
University - Humanities and Social Sciences 13(11):1819–39. doi:
10.17516/1997-1370-0687.

Alzahrani, A. I., Mahmud, I., Ramayah, T., Alfarraj, O., dan Alalwan, N. 2019.
Modelling digital library success using the DeLone and McLean information

110

system success model. Journal of Librarianship and Information Science
51(2):1–16. doi: 10.1177/0961000617726123.

Amoroso, D. L., dan Chen, Y. 2017. Constructs Affecting Continuance intention in

consumers with mobile financial apps: a dual factor approach. Journal of
Information Technology Management 28(3):1–24.

Analita, N. S., dan Wijaksana, T. I. 2020. Analisis Perbandingan E-Service Quality

Dan E-Trust Aplikasi LinkAja Dengan Aplikasi Dana. e-Proceeding of
Management 7(2):2355–9357.

APJII. 2019. Laporan Survei Internet APJII 2019-2020 (Q2).

Arikunto, S. 2013. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka

Cipta.

Bahri, S., dan Zamzam, F. 2015. Model Penelitian Kuantitatif Berbasis SEM-Amos.

Yogyakarta: Deepublish.

Bhattacherjee, A. 2001. Understanding information systems continuance: An

expectation-confirmation model. MIS Quarterly: Management Information
Systems 25(3):351–70. doi: 10.2307/3250921.

Boku. 2021. Mobile Wallets Report 2021. Boku Inc. Diambil 31 Juli 2021

(https://boku.mobilewallet.report/).

C.C, S., dan Prathap, S. K. 2020. Continuance adoption of mobile-based payments

in Covid-19 context: an integrated framework of health belief model and

expectation confirmation model. International Journal of Pervasive
Computing and Communications 16(4):351–69. doi: 10.1108/IJPCC-06-2020-

0069.

Chandio, F. 2011. Studying Acceptance Of Online Banking Information System: A

Structural Equation Model: A thesis submitted for the degree of Doctor of
Philosophy. (June):1–269.

Chandra, Y. U., Kristin, D. M., Suhartono, J., Sutarto, F. S., dan Sung, M. 2018.

Analysis of Determinant Factors of User Acceptance of Mobile Payment

System in Indonesia (A Case Study of Go-Pay Mobile Payment). Proceedings

of 2018 International Conference on Information Management and

Technology, ICIMTech 2018 (September):454–59. doi:

111

10.1109/ICIMTech.2018.8528182.
Chen, S. C., Yen, D. C., dan Peng, S. C. 2018. Assessing the impact of determinants

in e-magazines acceptance: An empirical study. Computer Standards and
Interfaces 57(October):49–58. doi: 10.1016/j.csi.2017.11.004.
Cho, J. 2016. The impact of post-adoption beliefs on the continued use of health
apps. International Journal of Medical Informatics 87:75–83. doi:
10.1016/j.ijmedinf.2015.12.016.
DailySocial. 2020. Survei MarkPlus: ShopeePay Ungguli Pangsa Pasar Dompet
Digital Selama Pandemi. DailySocial. Diambil 24 Maret 2021
(https://dailysocial.id/post/survei-markplus-shopeepay-ungguli-pangsa-pasar-
dompet-digital-selama-pandemi).
DailySocial. 2021. Fintech Report 2021 - The Convergence of (Digital) Financial
Services. DSResearch.
DANA. 2021. DANA - 4 Alasan Aman Pakai DANA. dana.id. Diambil 13 Januari
2022 (https://www.dana.id/blog/4-alasan-aman-pakai-dana).
DSResearch. 2020. Indonesia Fintech Report 2020. (44746):1–33.
Garrouch, K. 2021. Does the reputation of the provider matter? A model explaining
the continuance intention of mobile wallet applications. Journal of Decision
Systems 30(2–3):150–71. doi: 10.1080/12460125.2020.1870261.
Goel, N., dan Nath, V. 2020. An Exploratory Study on Digital Payment Systems
and its Impact on Trust and Continuance Intention in Newly Remonetized and
Digitized Era. SSRN Electronic Journal 2018:2018–21. doi:
10.2139/ssrn.3562948.
Google Play Store. 2021. DANA - Dompet Digital Indonesia - Aplikasi di Google
Play. Diambil 13 Juli 2021
(https://play.google.com/store/apps/details?id=id.dana).
Guritno, S., dan Rahardja, U. 2011. Theory and Application of IT Research:
Metodologi Penelitian Teknologi Informasi. Yogyakarta: Andi.
Hadad, M. D. 2017. Financial Technology (FinTech) Indonesia, dalam Kuliah
Umun Tentang Financial Technology -IBS. Jakarta.
Hair, J. F., Hult, G. T., Ringle, C., dan Sarstedt, M. 2017. A Primer on Partial Least

112

Squares Structural Equation Modeling (PLS-SEM) - Joseph F. Hair, Jr., G.
Tomas M. Hult, Christian Ringle, Marko Sarstedt.
Hair, J. F., Sarstedt, M., Hopkins, L., dan Kuppelwieser, V. G. 2014. Partial least
squares structural equation modeling (PLS-SEM): An emerging tool in
business research. European Business Review 26(2):106–21. doi:
10.1108/EBR-10-2013-0128.
Heng, S. 2011. E-Payments: Modern Complement to Traditional Payment Systems.
SSRN Electronic Journal (January 2004). doi: 10.2139/ssrn.542523.
Hikmatullah, R. 2021. Pengukuran penerimaan penggunaan terhadap aplikasi
mysmartfren menggunakan metode utaut 2.
Hong, S. J., Thong, J. Y. L., dan Tam, K. Y. 2006. Understanding continued
information technology usage behavior: A comparison of three models in the
context of mobile internet. Decision Support Systems 42(3):1891–1834. doi:
10.1016/j.dss.2006.03.009.
Hsiao, C. H., Chang, J. J., dan Tang, K. Y. 2016. Exploring the influential factors
in continuance usage of mobile social Apps: Satisfaction, habit, and customer
value perspectives. Telematics and Informatics 33(2):342–55. doi:
10.1016/j.tele.2015.08.014.
Hsu, C. L., dan Lin, J. C. C. 2015. What drives purchase intention for paid mobile
apps?-An expectation confirmation model with perceived value. Electronic
Commerce Research and Applications 14(1):46–57. doi:
10.1016/j.elerap.2014.11.003.
Hudin, J. ., dan Riana, D. 2016. Kajian Keberhasilan Penggunaan Sistem Informasi
Accurate dengan Menggunakan Model Kesuksesan Sistem Informasi Delon
dan McLean. Journal Information Systems 12(1):1–9. doi:
https://doi.org/10.21609/jsi.v12i444.
Humbani, M., dan Wiese, M. 2019. An integrated framework for the adoption and
continuance intention to use mobile payment apps. International Journal of
Bank Marketing 37(2):646–64. doi: 10.1108/IJBM-03-2018-0072.
Hutagalung, M. A. K. 2016. “Persepsi Nasabah Terhadap Aplikasi Dana Qardhul
Hasan di BPRS Puduarta Insani Tembung.” Universitas Islam Negeri

113

Sumatera Utara.
Indrawati, dan Putri, D. A. 2018. Analyzing Factors Influencing Continuance

Intention of E-Payment Adoption Using Modified UTAUT 2 Model. Hal.
167–73 in 2018 6th International Conference on Information and
Communication Technology (ICoICT). Bandung: IEEE.
Ipsos. 2020. Ipsos Marketing Summit “ Indonesia The Next Cashless Society.”
Jogiyanto, H. 2008. Metodologi Penelitian Sistem Informasi: Pedoman dan Contoh
Melakukan Penelitian di Bidang Sistem Teknologi Informasi. Hal. 306 in.
Yogyakarta: CV. Andi Offset.
Kang, Y. S., Hong, S., dan Lee, H. 2009. Exploring continued online service usage
behavior: The roles of self-image congruity and regret. Computers in Human
Behavior 25(1):111–22. doi: 10.1016/j.chb.2008.07.009.
Karnouskos, S., dan Fokus, F. 2004. Mobile Payment: A Journey through Existing
Procedures and Standardization Initiatives. IEEE Communications Surveys &
Tutorials Fourth Qua:44–66.
Kementrian Komunikasi dan Informasi. 2019. Perkembangan Ekonomi Digital di
Indonesia: Strategi dan Sektor Potensial.
Kim, C., Mirusmonov, M., dan Lee, I. 2010. An empirical examination of factors
influencing the intention to use mobile payment. Computers in Human
Behavior 26(3):310–22. doi: 10.1016/j.chb.2009.10.013.
Kim, H.-W., Xu, Y., dan Koh, J. 2004. A Comparison of Online Trust Building
Factors between Potential Customers and Repeat Customers. Journal of the
Association for Information Systems 5(10):392–420. doi:
10.17705/1jais.00056.
Komariah, A., dan Satori, D. 2014. Metode Penelitian Kualitatif. Bandung:
Alfabeta.
Kumar, A., Adlakaha, A., dan Mukherjee, K. 2018. The effect of perceived security
and grievance redressal on continuance intention to use M-wallets in a
developing country. International Journal of Bank Marketing 36(7):1170–89.
doi: 10.1108/IJBM-04-2017-0077.
Labib, M. A. M., dan Wibawa, B. M. 2019. Analisis Peta Kompetitor Industri

114

Mobile Payment di Indonesia. Jurnal Sains dan Seni ITS 8(1). doi:
10.12962/j23373520.v8i1.41789.
Lai, H., Chen, C., dan Chang, Y. 2016. Expectation-Confirmation Model of
Information System Continuance: A Meta-Analysis. World Academy of
Science, Engineering and Technology 10(7):2325–30.
Lai, P. C. 2016. Design and Security impact on consumers’ intention to use single
platform E-payment. Interdisciplinary Information Sciences 22(1). doi:
10.4036/iis.2016.r.05.
Larasati, C. A. K., dan Salim., R. A. 2021. Analysis of Factors Influencing
Continuance Intention of E-wallet Use: A Case Study of LinkAja.
International Research Journal of Advanced Engineering and Science
6(2):27–33.
Lee, M. C. 2010. Explaining and predicting users’ continuance intention toward e-
learning: An extension of the expectation-confirmation model. Computers and
Education 54(2):506–16. doi: 10.1016/j.compedu.2009.09.002.
Lembhe, Y. D., dan Bhalerao, J. V. 2021. Analytical Study of Marketing Initiatives
of Private Label Brands of Organized Retailers in Pune City for Selected
Category of Product - A Pilot Study. Vidyabharati International
Interdisciplinary Research Journal 13(1):124–32.
Lim, S. H., Kim, D. J., Hur, Y., dan Park, K. 2019. An Empirical Study of the
Impacts of Perceived Security and Knowledge on Continuous Intention to Use
Mobile Fintech Payment Services. International Journal of Human-Computer
Interaction 35(10):886–98. doi: 10.1080/10447318.2018.1507132.
Lin, C. S., Wu, S., dan Tsai, R. J. 2005. Integrating perceived playfulness into
expectation-confirmation model for web portal context. Information and
Management 42(5):683–93. doi: 10.1016/j.im.2004.04.003.
Luarn, P., dan Lin, H. H. 2005. Toward an understanding of the behavioral intention
to use mobile banking. Computers in Human Behavior 21(6):873–91. doi:
10.1016/j.chb.2004.03.003.
Marginingsih, R. 2019. Analisis SWOT Technology Financial (FinTech) Terhadap
Industri Perbankan. Cakrawala: Jurnal Humaniora Bina Sarana Informatika

115

19(1):55–60.
Mayasari, S., dan Mahadi, T. 2021. Survei Snapcart: ShopeePay tetap tumbuh pesat

selama kuartal I 2021. kontan.co.id. Diambil 31 Juli 2021
(https://keuangan.kontan.co.id/news/survei-snapcart-shopeepay-tetap-
tumbuh-pesat-selama-kuartal-i-2021).
McKnight, D. H., Choudhury, V., dan Kacmar, C. 2002. Developing And
Validating Trust Measure for E-Commerce: An Integrative Typology.
Informatin System Research. Information Systems Research 13(3).
Medianti, U. S. 2019. DANA Raih 4 Penghargaan di HR Excellence Awards 2019.
detikfinance. Diambil 19 Januari 2022 (https://finance.detik.com/berita-
ekonomi-bisnis/d-4798407/dana-raih-4-penghargaan-di-hr-excellence-
awards-2019).
Mouakket, S. 2015. Factors influencing continuance intention to use social network
sites: The Facebook case. Computers in Human Behavior 53:102–10. doi:
10.1016/j.chb.2015.06.045.
Musdalifah, S. 2018. “Program Gerakan Nasional Non Tunai (GNNT) Bank
Indonesia ditinjau dari Ekonomi Islam.” Institut Agama Islam Negeri
Palangkaraya.
Nasir, M. 2013. Evaluasi Penerimaan Teknologi Informasi Mahasiswa di
Palembang Menggunakan Model UTAUT. Seminar Nasional Aplikasi
Teknologi Informasi (SNATI) 1(1).
Nelloh, L. A. M., Santoso, A. S., dan Slamet, M. W. 2019. Will users keep using
mobile payment? It depends on trust and cognitive perspectives. Procedia
Computer Science 161:1156–64. doi: 10.1016/j.procs.2019.11.228.
Neuman, W. L. 2013. Metodologi Penelitian Sosial: Pendekatan Kualitatif dan
Kuantitatif. 7 ed. Jakarta: Indeks.
Nuraini, D. 2020. “Analisis Penerimaan Aplikasi Mobile TIX ID Menggunakan
Model UTAUT 2 Extend Anny Mardjo.” Universitas Islam Negeri Syarif
Hidayatullah Jakarta.
Oghuma, A. P., Libaque-Saenz, C. F., Wong, S. F., dan Chang, Y. 2016. An
expectation-confirmation model of continuance intention to use mobile instant

116

messaging. Telematics and Informatics 33(1):34–47. doi:
10.1016/j.tele.2015.05.006.
Oliver, R. L. 1980. A Cognitive Model of the Antecedents and Consequences of
Satisfaction Decisions. Journal of Marketing Research 17(4).
Park, J., Amendah, E., Lee, Y., dan Hyun, H. 2019. M-payment service: Interplay
of perceived risk, benefit, and trust in service adoption. Human Factors and
Ergonomics In Manufacturing 29(1):31–43. doi: 10.1002/hfm.20750.
Park, M., Jun, J., dan Park, H. 2017. Understanding mobile payment service
continuous use intention: An expectation - Confirmation model and inertia.
Quality Innovation Prosperity 21(3):78–94. doi: 10.12776/QIP.V21I3.983.
Prasetyo, D. A. 2019. “Pengukuran Penerimaan Pengguna Dalam Pembayaran
Parkir pada Sky Parking Menggunakan Mobile Wallet OVO.” UIN Syarif
Hidayatullah Jakarta.
Putri, D. A., Indrawati, dan Harsono, L. D. 2017. The Use of Modified Unified
Theory of Acceptance and Use of Technology 2 Model to Analyze Factors
Influencing Continuance Intention of E-Payment Adoption (A Case Study of
Go-Pay from Indonesia). International Journal of Science and Research
(IJSR) 6(11):1322–26.
Qadrya, H. A. 2017. “Faktor-faktor yang Mempengaruhi Kesiapan Penerapan
Sistem Single Sign-On di UIN Syarif Hidayatullah Jakarta.” UIN Syarif
Hidayatullah Jakarta.
Rahab, dan Sutianto, F. D. 2021. Information Technology Continuance Model dan
Kepercayaan dalam Kontek Keberlangsungan Pemanfaatan Layanan SMS
Banking. Journal & Proceeding FEB UNSOED 1(1).
Rahadyan, A. 2022. Kirim Uang jadi Fitur Paling Favorit di DANA sepanjang 2021
| Finansial. finansial.bisnis.com. Diambil 11 Januari 2022
(https://finansial.bisnis.com/read/20220106/563/1486079/kirim-uang-jadi-
fitur-paling-favorit-di-dana-sepanjang-2021).
Rahardja, U., Hariguna, T., dan Aini, Q. 2019. Understanding the impact of
determinants in game learning acceptance: An empirical study. International
Journal of Education and Practice 7(3):136–45. doi:

117

10.18488/journal.61.2019.73.136.145.
Ramadhani, P. I. 2020. DANA Raih Penghargaan dalam Ajang Bank Indonesia

Award 2020. Liputan6.com. Diambil 17 Desember 2021
(https://www.liputan6.com/bisnis/read/4424271/dana-raih-penghargaan-
dalam-ajang-bank-indonesia-award-2020).
Raof, S. A., Musta’amal, A. H., Zamzuri, F. K., dan Salleh, M. H. 2021. Validity
and Reliability of Students Perceptions on OBE Approach in Malaysian VC
Using Rasch Model. Journal of Innovation in Educational and Cultural
Research 2(2):44–50. doi: 10.46843/jiecr.v2i2.30.
Riduwan, dan Kuncoro, E. A. 2014. Cara Menggunakan dan Memaknai Path
Analysis (Analisis Jalur). Bandung: Alfabeta.
Ringle, C. M., Silva, D. da, dan Bido, D. 2014. Structural Equation Modeling With
The SmartPLS. REMark - Revista Brasileira De Marketing 13(2):56–73. doi:
https://doi.org/10.5585/remark.v13i2.2717.
Sangadji, E. M., dan Sopiah. 2010. Metodologi Penelitian: Pendekatan Praktis
dalam Penelitian. Yogyakarta: Andi Offset.
Santoso, S. 2011. Structural Equation Modeling (SEM): Konsep dan Aplikasi
dengan AMOS 18. Jakarta: PT Elex Media Komputerindo.
Seannery, G., dan Gui, A. 2021. Mobile Payment Continuance Usage Intention in
Indonesia. 2021 25th International Conference on Information Technology, IT
2021 (February):25–28. doi: 10.1109/IT51528.2021.9390115.
Setiaman, S. 2020. Analisa Parsial Model Persamaan Struktural Dengan Software
SMART-PLS Versi 3. 1 ed. PPNI Qatar.
Setiawan, A. B. 2016. “Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat
Keterangan Tinggal Sementara Online (SKTS) dengan Menggunakan Metode
End-User Computing Satisfaction.” Universitas Airlangga.
Shneiderman, B. 2000. Designing Trust Into Online Experiences. Communications
of the ACM 43(12):57–59. doi: https://doi.org/10.1145/355112.355124.
Sholihin, M., dan Ratmono, D. 2021. Analisis SEM-PLS dengan WarpPLS 7.0
untuk Hubungan Nonlinier dalam Penelitian Sosial dan Bisnis. 2 ed.
Yogyakarta: Andi Offset.

118

Slade, E., Williams, M., dan Yogesh, D. 2013. Extending UTAUT2 To Explore
Consumer Adoption Of Mobile Payments. Hal. 23 in UK Academy for
Information System Conference Proceedings. AIS Electronic Library (AISeL).

Soltani-Nejad, N., Taheri-Azad, F., Zarei-Maram, N., dan Saberi, M. K. 2020.
Developing a model to identify the antecedents and consequences of user
satisfaction with digital libraries. Aslib Journal of Information Management
72(6):979–97. doi: 10.1108/AJIM-04-2020-0099.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., dan Sukmana, H. T. 2015. Measurement
of Information System Project Success Based on Perceptions of the Internal
Stakeholders. International Journal of Electrical and Computer Engineering
(IJECE) 5(2):271–79.

Sugiyono. 2013. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.

Sugiyono. 2019. Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.

Suh, B., dan Han, I. 2002. Effect of trust on customer acceptance of Internet
banking. Electronic Commerce Research and Applications 1(3–4):247–163.
doi: 10.1016/S1567-4223(02)00017-0.

Surahman, Rachmat, M., dan Supardi, S. 2016. Metodologi Penelitian. Badan
Pengembanan dan Pemberdayaan Sumber Daya Manusia Kesehatan.

Suryani, dan Hendriyadi. 2015. Metode Riset Kuantitatif: Teori dan Aplikasi Pada
Penelitian Bidang Manajeman Dan Ekonomi Islam. Jakarta: Prendamedia
Group.

Susanto, A., Chang, Y., dan Ha, Y. 2016. Industrial Management & Data Systems
Article information :Determinants of continuance intention to use the
smartphone banking services An extension to the expectation-confirmation
model. Industrial Management & Data Systems 116(3):508–25.

Syahrir, Danial, Yulinda, E., dan Yusuf, M. 2020. Aplikasi Metode SEM-PLS dalam
Pengelolaan Sumberdaya Pesisir dan Lautan. Bogor: PT Penerbit IPB Press.

Tsai, H., Lee, Y. P., dan Ruangkanjanases, A. 2020. Understanding the Effects of
Antecedents on Continuance Intention to Gather Food Safety Information on

119

Websites. Frontiers in Psychology 11. doi: 10.3389/fpsyg.2020.579322.
Venkatesh, V., Thong, J. Y. L., Chan, F. K. Y., Hu, P. J. H., dan Brown, S. A. 2011.

Extending the two-stage information systems continuance model:
Incorporating UTAUT predictors and the role of context. Information Systems
Journal 21(6):527–55. doi: 10.1111/j.1365-2575.2011.00373.x.
Venkatesh, V., Thong, J. Y. L., dan Xu, X. 2012. Consumer acceptance and use of
information technology: Extending the unified theory of acceptance and use
of technology. MIS Quarterly: Management Information Systems 36(1):157–
78. doi: 10.2307/41410412.
Yamin, S., dan Kurniawan, H. 2011. Generasi Baru Mengelola Data Penelitian
dengan Partial Least Square Path Modeling: Aplikasi dengan Software
XLSTAT, SmartPLS, dan Visual PLS. 1 ed. Jakarta Selatan: Salemba Infotek.
Yendra, Brasit, N., dan Nursyamsi, I. 2017. An Analysis on Factors that Influence
Customers’ Intention to Use Internet Banking in Jayapura City. Scientific
Research Journal (SCIRJ) V(Viii):29.
Yuan, S., Liu, Y., Yao, R., dan Liu, J. 2016. An investigation of users’ continuance
intention towards mobile banking in China. Information Development
32(1):20–34. doi: 10.1177/0266666914522140.
Zhou, T. 2012. Understanding users’ initial trust in mobile banking: An elaboration
likelihood perspective. Computers in Human Behavior 28(4):1518–25. doi:
10.1016/j.chb.2012.03.021.
Zhou, T. 2013. An empirical examination of continuance intention of mobile
payment services. Decision Support Systems 54(2):1085–91. doi:
10.1016/j.dss.2012.10.034.
Zhou, T., dan Li, H. 2014. Understanding mobile SNS continuance usage in China
from the perspectives of social influence and privacy concern. Computers in
Human Behavior 37:283–89. doi: 10.1016/j.chb.2014.05.008.
Zhou, W., Tsiga, Z., Li, B., Zheng, S., dan Jiang, S. 2018. What influence users’ e-
finance continuance intention? The moderating role of trust. Industrial
Management and Data Systems 118(8):1647–70. doi: 10.1108/IMDS-12-
2017-0602.

120

121

LAM

Data 417 Responden

C1 C2 C3 PU1 PU2 PU3 PU4 PU5 S1 S2 S3 S4
555455555555
545554545454
333533343333
444454444444
444555554455
334444444343
445555554444
544444443233
444444444444
333334444444
545555455555
544445455544
545454545454
555555445555
434444444444
555555555555
445555555445
445555555555
555555555555
554555555555
444444444444
434544434344
555555555555
454455445544