Skripsi Riah Qomariah

1) Simple Random Sampling
Simple Random Sampling merupakan metode sederhana dalam
pengambilan sampel karena setiap elemen populasi dapat dipilih sebagai
sampel, dengan tidak mengamati tingkat yang ada dalam populasi tersebut.

2) Proportionate Stratified Random Sampling
Proportionate stratified random sampling merupakan metode pengambilan
sampel berjenjang atau berstrata proporsional dan sampel yang tidak sama.
Setiap populasi yang sudah ditentukan kemudian sampel dipilih secara acak,
populasi yang ada dibagi menjadi beberapa grup atau strata (stratified).

3) Disproportionate Stratified Random Sampling
Disproportionate stratified random sampling merupakan metode
pengambilan sampel dengan populasi yang berstrata tapi kurang
proporsional. Contohnya unit kerja tertentu memiliki 4 pegawai dari lulusan
S2, 8 orang lulusan S1, 70 lulusan SMA, dan 80 lulusan SMP. Sampel
diambil secara keseluruhan untuk empat orang dan delapan orang dari
lulusan S2 dan S1, karena kelompok tersebut terlalu kecil apabila
disandingkan dengan kelompok lainnya.

4) Cluster Sampling
Cluster Sampling merupakan tahapan pengambilan sampel dari beberapa
kelompok (cluster) yang diambil secara acak dari populasi dan semua atau
beberapa elemen dalam setiap cluster yang dijadikan sebagai sampel.

32

b. Nonprobability Sampling
Nonprobability Sampling merupakan metode yang untuk setiap populasi,

sampel tidak berpeluang yang sama untuk menjadikannya sebagai sampel
(Sugiyono, 2019). Metode nonprobability sampling terdiri dari (Sugiyono,
2019):
1) Sistematis Sampling

Sistematis Sampling merupakan prosedur pengambilan sampel sesuai
dengan nomor urut yang sudah diberikan kepada anggota populasi.
Misalnya populasi diberikan nomor secara berurutan yang meliputi 50
orang, pengambilan sampel dapat diambil berdasarkan angka genap, ganjil,
atau bilangan kelipatan tertentu.
2) Quota Sampling
Quota Sampling berdasarkan kuota yang sudah ditentukan dan memiliki
beberapa karakteristik hingga sampel mencapai kuota yang dibutuhkan.
3) Insidental Sampling
Insidental Sampling adalah teknik pemilihan anggota sampel perihal orang
atau objek yang kebetulan ada atau dijumpai, orang yang sekiranya sesuai
untuk dijadikan sumber data maka orang tersebut dapat dijadikan sebagai
sampel.
4) Purposive Sampling
Metode Purposive Sampling ini berdasarkan penilaian atau dasar penilaian
tertentu. Teknik ini digunakan ketika peneliti sudah memahami secara
mendalam terhadap populasi yang akan diamati (Guritno & Rahardja,

33

2011). Oleh sebab itu, sampel tersebut perwakilan dari populasi yang akan

diteliti (Surahman et al., 2016).

5) Sampling Jenuh

Sampel ini dapat diartikan sebagai sampel maksimum karena jika terjadi

penambahan sampel maka tidak akan berpengaruh pada keterwakilan

populasi dan tidak memengaruhi informasi yang didapatkan.

6) Snowball Sampling

Snowball Sampling adalah teknik pengambilan sampel secara berantai,

Dimana diminta menunjuk responden lain secara berantai oleh responden

sebelumnya yang berhasil diperoleh.

7) Sampling Total

Teknik pengambilan sampel ini menjadikan seluruh anggota populasi

sebagai sampel penelitian, hal ini dilakukan jika populasi dengan jumlah

yang relatif kecil.

2.11 Cochran

Cochran merupakan sebuah formula untuk menghitung banyaknya orang

yang belum didapati jumlahnya secara pasti (Sugiyono, 2019). Formula Cochran

digunakan untuk populasi yang tidak pasti dan jika ukuran komunitasnya sangat

besar (Soltani-Nejad et al., 2020). Formula Cochran (Sugiyono, 2019) ditunjukkan

sebagai berikut.

2 (2.1)
= 2

Dimana:

n : Ukuran sampel dibutuhkan

34

Z2 : absis dari kurva normal untuk simpangan 5% yang bernilai 1,96
p : Peluang benar 0,5 (50%)
q : Peluang salah 0,5 (50%)
e : tingkat yang diinginkan dari presisi (tingkat kesalahan sebesar 5% yang

digunakan dalam penelitian ini)
2.12 SEM (Structural Equation Modelling)

SEM (Structural Equation Modelling) merupakan metode statistik multivariat
yang kombinasi dari analisis faktor dan analisis korelasi (regresi) dengan tujuan
melakukan pengujian relasi-relasi suatu konstruk dengan parameter maupun relasi
antar konstruk yang dipakai dalam suatu model, pengujian dilaksanakan untuk
mengetahui bahwa model yang digunakan pada penelitan mampu menyatakan
fenomena yang diperoleh (diterima) atau tidak (ditolak) (Santoso, 2011). SEM
mampu melakukan pengujian model struktural dan model pengukuran, pengujian
kekeliruan pengukuran dan pengujian hipotesis bertepatan dengan analisis faktor
(Bahri & Zamzam, 2015). Contoh model struktual pada Gambar 2.2.

Gambar 2.2 Contoh Model Struktural (Sholihin & Ratmono, 2021)
35

SEM mempunyai kemampuan untuk melakukan analisis variabel yang dalam
pengukurannya tidak bisa melakukan pengukuran secara langsung dan dapat
memperkiraan kesalahan dalam pengukuran (Sholihin & Ratmono, 2021). Pada
SEM, variabel yang tidak bisa mengukur adalah variabel laten (konstruk) dimana
pengukuran variabel laten diukur bersama variabel manifest (indikator) (Sholihin
& Ratmono, 2021).Variabel eksogen dan variabel endogen adalah bagian dari
konstruk dalam SEM, variabel eksogen merupakan variabel independen dengan
penentuan nilainya ditentukan dari variabel lainnya yang diluar dari model atau
anak panah tidak mengenai variabel ini (Sholihin & Ratmono, 2021). Variabel
eksogen/independen dapat memengaruhi nilai dari variabel endogen (variabel
dependen), hal ini ditunjukkan pada panah yang mengarah ke variabel endogen
yang berasal dari variabel eksogen (Santoso, 2011; Sholihin & Ratmono, 2021).

SEM dapat terbagi menjadi berbasis kovarian (CB-SEM) dan berbasis varian
atau partial least squares (PLS-SEM) (Sholihin & Ratmono, 2021). SEM yang
berbasis kovarian mampu melakukan pengujian teori atau membanding beberapa
pilihan diantara teori, terdapat hubungan timbal (nonrecursive) dan memerlukan
jumlah data sampel yang besar (Sholihin & Ratmono, 2021). Perangkat lunak untuk
SEM berbasis kovarian bisa dengan menggunakan Lisrel, AMOS, EQS, Mplus dan
lain-lainnya (Sholihin & Ratmono, 2021). Pada PLS-SEM atau berbasis varian
mampu berkembang secara signifikan, PLS merupakan suatu metode statistik
multivarian dengan memandingkan variabel endogen dan variabel eksogen secara
berganda (Abdillah & Mustakini, 2015). PLS dapat meramal suatu variabel laten
atau menentukan variabel utama determinan yang mampu melaksanakan

36

pekerjaannya secara tepat, jumlah sampel yang tidak besar dan pola yang rumit
(jumlah konstruk dan indikator yang banyak) (Sholihin & Ratmono, 2021).
Perangkat lunak PLS-SEM cukup banyak tersedia seperti SmartPLS, WarpPLS,
dan lainnya (Sholihin & Ratmono, 2021).
2.13 PLS - SEM (Partial Least Square–Structural Equation Modelling)

PLS-SEM merupakan suatu metode untuk menganalisis, ternilai kuat, dan
penggunaannya bisa untuk semua macam skala data seperti, interval, nominal,
rasio, dan kualifikasi hipotesis yang lebih adaptif (Yamin & Kurniawan, 2011).
PLS-SEM bertujuan untuk meningkatkan varian variabel dan berfokus pada
variabel target (Alzahrani et al., 2019) atau memaksimalkan kekuatan prediksi
model. Evaluasi PLS-SEM dilakukan dengan tahapan model pengukuran (outer
model) dan model struktural (inner model) (Setiaman, 2020).
1. Model Pengukuran (outer model)

Model pengukuran berguna untuk memeriksa validasi dan reliabilitasnya
(Syahrir et al., 2020) serta untuk menunjukkan hubungan variabel laten dan
indikatornya (Setiaman, 2020). Outer model terdiri dari pemeriksaan
convergent validity dan pemeriksaan discriminant validity.
a Convergent Validity

Convergent validity berguna dalam pengukuran tingginya korelasi antara
konstruk (Syahrir et al., 2020), convergent validity meliputi beberapa
pemeriksaan yang dijelaskan berikut ini.

37

1) Individual Item Reliability
Nilai individual item realibility diamati dari nilai standardized loading
factor yang menunjukkan besarnya hubungan antara tiap indikator
dengan konstraknya (Abdillah & Jogiyanto, 2015; Syahrir et al., 2020).
Nilai 0,7 adalah nilai yang ideal dan ukuran yang valid untuk nilai factor
loading serta sebagai indikator untuk mengukur konstrak, nilai ini
menjelaskan nilai bobot lebih tinggi dari 50% varians indikatornya
(Ringle et al., 2014; Syahrir et al., 2020). Jika nilai factor loading
kurang dari 0,7, maka indikator tersebut tidak dapat digunakan karena
adanya error variance yang melebihi 50% (Setiaman, 2020).

2) Internal Consistency Reliability
Nilai composite reliability adalah nilai yang diperoleh dari pengukuran
ini yang bertujuan untuk mengukur sejauh mana indikator mampu
mengukur konstruknya (Syahrir et al., 2020). Nilai composite reliability
yang lebih dari 0,7 menjadi batas nilai yang dapat diterima, dan nilai di
atas 0,8 menunjukkan hasil yang sangat memuaskan (Hair et al., 2014;
Hudin & Riana, 2016; Ringle et al., 2014; Setiaman, 2020).

3) Average Variance Extracted (AVE)
Nilai pada AVE 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

38

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).
b Discriminant Validity
Beberapa cara dapat dilakukan pada discriminant validity, yaitu melalui
nilai cross loading tiap indikator dan cross loading Fornell Larcker’s (Hair
et al., 2017; Setiaman, 2020). Mencari nilai cross loading dengan
melakukan perbandingan hubungan antara indikator dan variabel latennya
(konstruk) serta variabel laten golongan lainnya. Ketika hubungan indikator
dan komponennya lebih besar dibandingkan relasi konstruk blok lainnya,
maka hasil prediksi ukuran blok dari konstrak tersebut lebih baik daripada
blok yang lain (Syahrir et al., 2020). Nilai cross loading Fornell-Larcker’s
dapat dilihat melalui pemeriksaan hasil akar dari nilai AVE. Hasil nilai akar
tersebut mesti lebih tinggi daripada hubungan antara konstrak lainnya (Hair
et al., 2017; Setiaman, 2020; Syahrir et al., 2020).
2. Model Struktural (inner model)
Pengujian model struktural digunakan untuk menguji hipotesis menggunakan
model ramalan atau pengujian kausalitas (Abdillah & Jogiyanto, 2015). Model
struktural menunjukkan hubungan jalur di antara variabel laten dalam model
struktural dan untuk mengetahui hubungan prediktif pada model yang disebut
sebagai hubungan sebab-akibat (causal relationship), Konstruk model pada
disebelah kiri memprediksi konstruk pada sebelah kanan (causal) (Hair et al.,
2017). Untuk meramalkan keadaan hubungan kausalitas, hal ini dapat

39

diperoleh dari parameter uji T-statistic melalui proses yang dinamakan proses
bootstrapping (Abdillah, 2017). Tahapan untuk menilai inner model dijelaskan
sebagai berikut (Hair et al., 2017; Setiaman, 2020).
a Path Coefficient (β)

Pada Path Coefficient (β) dapat membuktikan tingkat penerimaan
(signifikansi) dalam pengujian hipotesis atau menunjukkan tingginya
pengaruh dari hubungan antara konstruk (Hair et al., 2017; Syahrir et al.,
2020). Pengujian ini dilaksanakan agar pengaruh hubungan antar konstrak
dapat dijelaskan (Hair et al., 2017; Yamin & Kurniawan, 2011). Jalur bisa
dikatakan mempunyai pengaruh pada model jika nilai β lebih dari 0,1
(Larasati & Salim., 2021; Lim et al., 2019).
b R2 (Coefficient of Determination)
Nilai pada R2 (coefficient of determination) menyatakan varian dari masing-
masing sasaran variabel endogen yang dijelaskan oleh konstruk
prediktornya (Hair et al., 2017). Koefisien mewakili efek gabungan variabel
laten eksogen terhadap variabel laten endogen yang berarti bahwa koefisien
ini mewakili jumlah varians dalam konstruksi endogen dijelaskan oleh
semua konstruksi eksogen terkait dengannya (Hair et al., 2017). Standar
nilai ukuran yang dapat dikatakan akurat apabila menunjukkan nilai 0,67,
moderat dengan nilai 0,33, dan dikatakan lemah apabila dibawah 0,19
(Setiaman, 2020).

40

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 (Hair et al., 2017;

Setiaman, 2020). Hipotesis yang bernilai lebih besar dari 1,96 mengartikan

bahwa hipotesis tersebut diterima (Hair et al., 2017; Setiaman, 2020).

Penggunaan nilai t-test dilakukan pada pemeriksaan hipotesis, tingginya

nilai t-test dari taraf signifikan yang digunakan pada pengujian hipotesis

menunjukkan bahwa hipotesis penelitian tersebut dapat diterima (Prasetyo,

2019).

d Pengujian f2 (Effect Size)

Pengujian ini dilaksanakan untuk memperkirakan suatu variabel apakah

memiliki pengaruh akan variabel endogen (Yamin & Kurniawan, 2011).

Nilai f2 adalah perubahan nilai R² ketika konstruk eksogen tertentu

dihilangkan dari model dapat digunakan untuk mengevaluasi apakah

konstruk yang dihilangkan memiliki dampak substantif pada konstruksi

endogen (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). Effect size

dapat dihitung dengan formula berikut (Hair et al., 2017).

2 = 2 − 2 (2.2)
1 − 2

R2 include: Nilai R2 saat variabel eksogen berada pada model.

41

R2 exclude: Nilai R2 saat variabel eksogen tidak dimasukan ke model.

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 lainnya (Yamin & Kurniawan, 2011).

Predictive relevance merupakan indikator kekuatan prediksi atau relevansi

prediktif model, nilai ini memeriksa apakah model secara akurat

memprediksi data yang tidak digunakan dalam estimasi parameter model,

karakteristik ini menjadikan Q2 ukuran kekuatan prediksi diluar sampel

(relevansi prediktif) (Hair et al., 2017). Ketika model menunjukkan

relevansi prediktif, ia secara akurat memprediksi data yang diluar sampel

dalam estimasi model (Hair et al., 2017). 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).

f Uji q2 (Relative Impact)

Uji q2 (relative impact) mempunyai tujuan untuk menguji pengaruh relative

dari salah satu keterlibatan diantara prediktif dari beberapa variabel terpilih

dengan variabel endogen lainya (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). Perhitungan q2 menggunakan formula sebagai berikut (Hair et al.,

2017):

2 = 2 − 2 (2.3)
1 − 2

42

Q2 include: Nilai Q2 saat variabel eksogen berada pada model
Q2 exclude: Nilai Q2 ketika variabel eksogen berada diluar model
2.14 Pengembangan Model dan Hipotesis Penelitian
2.14.1 Pengembangan Model
Model dalam penelitian ini memakai konsep ECM (Expectation-
Confirmation Model) dari Bhattacherjee (2001) dengan 4 variabel pada model ECM
yaitu Perceived Usefulness (PU), Confirmation (C), Satisfaction (S), Continuance
Intention (CI), dan menambahkan Trust (T) (Indrawati & Putri, 2018; Rahab &
Sutianto, 2021; Susanto et al., 2016) serta Perceived Security (PS) (Kumar et al.,
2018). Definisi dari variabel yang digunakan dijelaskan sebagai berikut.
a Perceived usefulness (PU)
Perceived usefulness merupakan tanggapan mengenai kemanfaatan suatu teknologi
yang bisa diharapkan pengguna (Hsu & Lin, 2015). Semakin banyak pengguna
merasakan manfaat layanan yang digunakan, maka semakin tinggi kepuasan
pengguna (Bhattacherjee, 2001).
b Confirmation (C)
Confirmation merupakan tanggapan pengguna terhadap kemiripan penggunaan atas
pemakaian teknologi informasi sesuai dengan kemampuan nyata teknologi
informasi (Hsu & Lin, 2015). Pada konteks penggunaan sistem informasi,
confirmation merupakan prediktor signifikan dan tidak sedikit riset telah
mengkonfirmasi secara empiris (Lin et al., 2005).

43

c Satisfaction (S)
Satisfaction merupakan pengaruh pengguna dengan perasaan tentang penggunaan
sistem informasi sebelumnya (Lai et al., 2016). Kepuasan pengguna merupakan hal
penting yang berpengaruh pada penerimaan dan penggunaan teknologi secara
berkelanjutan (Susanto et al., 2016).
d Trust (T)
Trust mengacu pada keyakinan bahwa karakteristik seseorang bermanfaat, dan
kepercayaan mengacu pada kesediaan untuk bergantung pada orang lain, bahkan
jika seseorang melepaskan kendali (McKnight et al., 2002). Trust sebagai variabel
signifikan yang memengaruhi seseorang dalam mengadopsi SI baik pada fase pra-
penggunaan dan pasca penggunaan (Venkatesh et al., 2011).
e Perceived Security (PS)
Perceived security merupakan faktor penting yang mementukan penggunaan sistem
pembayaran apapun dan menjadi perhatian utama bagi pengguna (Kumar et al.,
2018). Perceived security mewakili keyakinan pengguna pada tingkat keamanan
transaksi atau platform pembayaran (Garrouch, 2021), aktivitas digital payment
berhubungan dengan layanan transaksi keuangan secara digital (Goel & Nath,
2020). Perceived security menunjukkan persepsi tentang lingkungan yang aman
dan terlindungi (Goel & Nath, 2020) dan peningkatan keamanan adalah prioritas
utama (Goel & Nath, 2020; Shneiderman, 2000). Dengan adanya perceived security
akan mendorong konsumen untuk terus menggunakan metode pembayaran
elektronik (Lai, 2016).

44

f Continuance intention (CI)
Continuance intention didefinisikan sebagai keadaan di mana pengguna memiliki
niat untuk terus menggunakan sistem informasi (C.C & Prathap, 2020). Setelah
layanan tersebut digunakan, pelanggan akan memutuskan apakah akan terus
menggunakannya atau menghentikannya dari pengalaman awal pengguna (Susanto
et al., 2016).
2.14.2 Hipotesis Penelitian

Faktor dalam Confirmation memengaruhi perceived usefulness, ECM
berpendapat bahwa confirmation akan memiliki efek positif pada perceived
usefulness dalam melanjutkan penggunaan IT (Lee, 2010). Hal ini karena perceived
usefulness menjadi dasar pengguna dalam menentukan kepuasan mereka dalam
mengevaluasi suatu teknologi informasi, kemudian penilaian ini menunjukkan
sebuah konfirmasi kepada pengguna terhadap penggunaan teknologi informasi
apakah ekspektasi mereka sesuai atau tidak (Lai et al., 2016). Perceived usefulness
dapat disesuaikan dengan pengalaman confirmation, khususnya ketika perceived
usefulness pengguna tidak konkret kareka ketidakpastian atas apa yang diharapkan
dari penggunaan TI (Bhattacherjee, 2001). Merujuk dari penjelasan di atas, pada
penelitian ini menggunakan variabel Confirmation (C) dan penelitian dari
Bhattacherjee (2001), Susanto et al. (2016), dan Lee (2010) pula menggunakan
variabel ini pada penelitiannya. Peneliti berhipotesis bahwa:
H1: Variabel Confirmation (C) memiliki pengaruh terhadap variabel perceived

Usefulness (PU) secara signifikan.

45

Confirmation memengaruhi kepuasan (satisfaction) dan tingkat kepuasan
memengaruhi niat konsumen dalam pembelian ulang (Lai et al., 2016). Dalam
menggunakan layanan smartphone banking, confirmation akan meningkatkan
tingkat kepuasan dan kepercayaan pengguna terhadap layanan tersebut (Susanto et
al., 2016). Peneliti menggunakan variabel Confirmation (C) dalam penelitian ini,
dan Bhattacherjee (2001) serta Susanto et al. (2016) juga menggunakan variabel ini
pada penelitiannya. Peneliti berhipotesis bahwa:
H2: Variabel Confirmation (C) memiliki pengaruh terhadap variabel Satisfaction

(S) secara signifikan.
H3: Variabel Confirmation (C) memiliki pengaruh terhadap variabel Trust (T)

secara signifikan.
Perceived security mewakili keyakinan pengguna pada tingkat keamanan

transaksi atau platform pembayaran, aktivitas digital payment berhubungan dengan
layanan transaksi keuangan secara digital (Goel & Nath, 2020). Perceived security
menunjukkan persepsi tentang lingkungan yang aman dan terlindungi (Goel &
Nath, 2020) dan peningkatan keamanan adalah prioritas utama (Goel & Nath, 2020;
Shneiderman, 2000). Dengan adanya perceived security akan mendorong
konsumen untuk terus menggunakan metode pembayaran elektronik (Lai, 2016).
Pada penelitian sebelumnya mengkonfirmasi pengaruh perceived security pada
kelanjutan penggunaan mobile payment (Garrouch, 2021). Pada penelitian
Garrouch (2021) secara signifikan variabel Perceived security mempunyai
pengaruh terhadap continuance intention yang berkaitan pada faktor yang
memengaruhi niat kelanjutan pada mobile wallet applications. Penelitian yang

46

dilakukan Goel & Nath (2020) terhadap continuance intention pada digital payment
menghasilkan temuan bahwa perceived security memiliki dampak pengaruh
signifikan terhadap trust. Security dan trust saling terkait sebagai perceived security
dapat meningkatkan trust dalam menggunakan mobile payment (Seannery & Gui,
2021). Penelitian selanjutnya pada M-wallet menyatakan bahwa trust dan
satisfaction memiliki dampak signifikan mengenai continuance intention yang
dipengaruhi oleh perceived security (Kumar et al., 2018), peneliti berhipotesis
bahwa:
H4: Variabel Perceived Security (PS) memiliki pengaruh terhadap variabel Trust

(T) secara signifikan.
H5: Variabel Perceived Security (PS) memiliki pengaruh terhadap variabel

Continuance Intention (CI) secara signifikan.
H6: Variabel Perceived Security (PS) memiliki pengaruh terhadap variabel

Satisfaction (S) secara signifikan.
Riset terdahulu menyatakan bahwa Perceived usefulness adalah penentu

utama satisfaction dan continuance intention (Hong et al., 2006). Menurut ECM,
perceived usefulness memengaruhi persepsi pengguna seperti kepuasan baik dalam
fase penerimaan atau pasca penerimaan (Bhattacherjee, 2001; Susanto et al., 2016).
ECM berpendapat yakni kegunaan yang dirasakan memiliki dampak yang
signifikan pada kepuasan pengguna serta niat keberlanjutan (Yuan et al., 2016).
Perceived usefulness telah ditemukan baru-baru ini untuk memberikan perhatian
yang berharga pada penggunaan berkelanjutan IS (Lin et al., 2005; Susanto et al.,
2016; Venkatesh et al., 2011). Perceived usefulness menyatakan bahwa sejauh

47

mana pemakai menggunakan sistem informasi tertentu akan menaikkan
kemampuan kerjanya (Lai et al., 2016), perceived usefulness adalah kepercayaan
dalam pengambilan keputusan (Rahab & Sutianto, 2021). Hal ini juga dapat
berpengaruh pada kepercayaan/Trust pada proses penerimaan internet banking (Suh
& Han, 2002; Susanto et al., 2016). Dalam penelitian ini menggunakan variabel
Perceived Usefulness (PU), peneliti Bhattacherjee (2001) juga menggunakan
variabel ini dalam penelitiannya. Peneliti berhipotesis bahwa:
H7: Variabel Perceived Usefulness (PU) memiliki pengaruh terhadap variabel Trust

(T) secara signifikan.
H8: Variabel Perceived Usefulness (PU) memiliki pengaruh terhadap variabel

Continuance Intention (CI) secara signifikan.
H9: Variabel Perceived Usefulness (PU) memiliki pengaruh terhadap variabel

Satisfaction (S) secara signifikan.
Tingkat kepercayaan atau trust memengaruhi terhadap kepuasan yang

merupakan konsekuensi dari keyakinan pasca adopsi (Susanto et al., 2016;
Venkatesh et al., 2011). Trust dapat memengaruhi kepuasan pengguna jika
pengguna memiliki kepercayaan pada penyedia layanan, maka pengguna akan
merasa puas (Kumar et al., 2018). Penggunaan variabel Trust (T) dilakukan dalam
penelitian ini dan sama halnya dengan penelitian dari Kumar et al. (2018), Susanto
et al. (2016), peneliti berhipotesis bahwa:
H10: Variabel Trust (T) memiliki pengaruh terhadap variabel Satisfaction (S)

secara signifikan.

48

Penambahan variabel trust terbukti berpengaruh secara signifikan dan
positif mengenai niat kelanjutan konsumen pada penggunaan e-payment (GoPay)
(Indrawati & Putri, 2018). Trust juga telah ditemukan dalam penelitian sebelumnya
sebagai variabel signifikan yang memengaruhi sikap seseorang terhadap adopsi SI
baik pada fase pra-penggunaan dan pasca penggunaan (Venkatesh et al., 2011).
Variabel trust pada pada penelitian sebelumnya memiliki peran yang lebih
menentukan akan continuance intention (Nelloh et al., 2019). Trust telah diuji
secara luas dan terbukti menjadi faktor penting yang memprediksi persepsi dan niat
pelanggan terhadap Mobile banking (Alalwan et al., 2017; Zhou, 2012). Variabel
Trust (T) digunakan pada penelitian oleh Indrawati & Putri (2018), Kumar et al.
(2018), Susanto et al. (2016) dan peneliti menggunakan variabel Trust (T), hipotesis
dalam penelitian ini bahwa:
H11: Variabel Trust (T) memiliki pengaruh terhadap variabel Continuance

Intention (CI) secara signifikan.
Pasca penerimaan/ perceived usefulness dan user satisfaction mengarah
pada niat berkelanjutan untuk menggunakan (Susanto et al., 2016). Satisfaction
yang lebih tinggi dapat mengarahkan pengguna untuk mengulangi konsumsi
mereka di masa depan (Kim et al., 2004; Susanto et al., 2016), dalam membangun
hubungan jangka panjang hal ini merupakan faktor penting. Kepuasan atau
satisfaction terhadap TI mempunyai pengaruh secara positif terhadap niat
keberlanjutan pengguna untuk terus menggunakan TI. Studi dalam pemasaran telah
menemukan bahwa alasan utama keputusan konsumen untuk membeli kembali
produk adalah tingkat kepuasan mereka, karena kesamaan antara produk/layanan

49

yang mengejar pembelian ulang dalam konteks konsumen dan penggunaan
produk/layanan TI yang berkelanjutan sehingga ECM menempatkan hubungan
yang setara dalam konteks ini (Lee, 2010). Berdasarkan penjelasan tersebut,
penelitian ini menggunakan variabel Satisfaction (S), dan dilakukan juga pada
penelitian Bhattacherjee (2001). Peneliti berhipotesis bahwa:
H12: Variabel Satisfaction (S) memiliki pengaruh terhadap variabel Continuance

Intention (CI) secara signifikan.
2.15 Pilot Study

Pilot study merupakan penelitian dengan skala kecil yang dilakukan sebelum
penelitian yang sebenarnya dilakukan (Raof et al., 2021) dan menjadi bagian
penting dari desain kuesioner yang dilakukan sebelum fase awal pengumpulan data
atau survei utama (Chandio, 2011). Tujuan dari pilot study adalah untuk menguji
validitas dan realibilitas kuesioner yang disiapkan untuk pengumpulan data utama
(Lembhe & Bhalerao, 2021) dan untuk mengukur sejauh mana responden
memahami tentang pertanyaan-pertanyaan dalam kuesioner sehingga kuesioner
terhindar dari kebingungan dan ambiguitas (Chandio, 2011).

50

2.16 Penelitian Sejenis
Penelitian ini menggunakan beberapa penelitian sebelumnya s
Tabel 2.2 Penelit

No Peneliti Tujuan Mo

1 Park, Jun, & Park untuk membuktikan aspek apa saja Expectation

(2017) yang berpengaruh pada continuance Confirmatio

use intention MPS (ECM) dan

2 Susanto, Chang, untuk menyelidiki aspek-aspek Expectation
& Ha (2016) determina niat berkelanjutan untuk Confirmatio
memakai layanan perbankan (ECM)

51

sebagai sumber referensi yang ditunjukkan pada Tabel 2.2.
tian Sejenis

odel Hasil
n Mengamati pentingnya manfaat yang
on Model dirasakan/perceived usefulness. Secara signifikan
inertia manfaat yang dirasakan berpengaruh atas
satisfaction dan continuance use intention. Dan
n temuan ini menekankan efek signifikan dari inersia
on Model pada continuance use intention dari MPS.
Temuan menunjukkan bahwa perceived usefulness,
self-efficacy, dan user satisfaction memainkan
peran penting dalam memengaruhi continuance use

smartphone pada fase pasca
konsumsi.

52

intention. Confirmation memiliki pengaruh secara
signifikan terhadap perceived security, perceived
usefulness, trust, dan user satisfaction. perceived
security secara signifikan memengaruhi trust
sementara perceived usefulness secara signifikan
memengaruhi trust, user satisfaction, dan
continuance use intention. user satisfaction dan
self-efficacy juga secara signifikan memengaruhi
continuance use intention. Trust memberikan
dampak yang signifikan terhadap user satisfaction.
Temuan tersebut berimplikasi pada perbankan
dalam merencanakan strateginya untuk
meningkatkan niat konsumen untuk terus
menggunakan layanan perbankan smartphone.

3 Larasati & Salim Menganalisis, menguji, dan Expectation

(2021) menentukan aspek apa yang Confirmatio

berpengaruh pada (ECM)

pemakai aplikasi LinkAja agar

menggunakan aplikasi ini secara

berkelanjutan

4 Zhou (2013) Mengidentifikasi faktor-faktor apa Information

yang memengaruhi continuance success mod

intention dari mobile payment theory

53

n- Variabel yang memiliki hubungan positif yang
on Model signifikan dengan continuance intention adalah

perceived usefulness dan kepuasan pengguna.
Selain itu, variabel confirmation berpengaruh
positif signifikan terhadap kepuasan pengguna,
perceived usefulness, perceived security, privacy,
dan user interface.
n systems Penelitian menunjukkan bahwa service quality
del dan flow merupakan faktor utama yang memengaruhi trust,
sedangkan system quality merupakan faktor utama
memengaruhi satisfaction. Information quality dan
service quality memengaruhi flow. Trust, flow, dan
satisfaction menentukan continuance intenion pada
mobile payment. Hasilnya menyiratkan bahwa

5 Nelloh, Santoso, untuk menguji pengaruh dimensi Technology

& Slamet (2019) kognitif yang meliputi kualitas Acceptance

informasi, privasi, dan persepsi (TAM) dan

keamanan terhadap trust dan Confirmatio

continuance intention pada mobile (ECT)

payment di Indonesia.

6 Humbani & Untuk meningkatkan dan menguji Technology

Wiese (2019) model terintegrasi dari modifikasi index (T

TRI dengan model EECM-IT, untuk extended

menjelaskan adopsi dan niat untuk

54

penyedia layanan perlu menawarkan quality

system, informasi dan layanan untuk memfasilitasi

continuance intention oleh pengguna pada mobile

payment.

y of Perceived security protection memiliki pengaruh

Model secara positif. Secara simultan yang berpengaruh

Expectation positif dan signifikan terhadap trust, hanya

on Theory information quality dan security protection. Trust

memiliki peran yang lebih menentukan terhadap

continuance intention daripada perspektif kognitif.

y readiness Model keseluruhan menjelaskan 81% varians

TRI) dan dalam adopsi dan 78,5% dalam niat untuk terus

expectation menggunakan layanan pembayaran seluler.

"Drivers" adalah prediktor adopsi yang lebih baik

terus menggunakan aplikasi mobile confirmatio

payment (apps) dalam (EECM-IT)

konteks teknologi informasi

7 C.C & Prathap Di tengah penyebaran Covid-19 Health Be
(2020) yang diperkirakan akan berlangsung (HBM) dan
lama, penggunaan layanan Confirmatio
pembayaran berbasis seluler (ECM)
sebagai strategi untuk menjaga
jarak sosial harus terus dilakukan.
Oleh karena itu, penelitian ini
bertujuan untuk mengusulkan
kerangka terintegrasi adopsi
pembayaran mobile dan niat

55

on model daripada "inhibitors" sementara satisfaction
) muncul sebagai prediktor terkuat dari continuance

intention.

elief Model Konstruksi HBM, yaitu perceived severity,
Expectation perceived susceptibility, dan self-efficacy secara
on Model signifikan memengaruhi confirmation pada
layanan mobile payment. Continuance intention
secara signifikan diprediksi oleh perceived
usefulness dan perceived satisfaction. Selanjutnya
secara tidak langsung perceived health threat
(terdiri dari perceived severity dan perceived
susceptibility) memengaruhi niat kelanjutan

kelanjutannya dengan

mengintegrasikan model keyakinan

kesehatan (HBM) dan model

konfirmasi harapan (ECM) dari

kelanjutan sistem informasi.

8 Indrawati & Putri Bertujuan untuk menganalisis UTAUT2

(2018) faktor-faktor yang memengaruhi

continuance intention adopsi GoPay

di Indonesia dengan menggunakan

Model Modified UTAUT2 dengan

Trust sebagai variabel baru.

56

melalui confirmation, perceived usefulnees, dan
satisfaction.

Faktor-faktor yang memengaruhi continuance
intention adopsi GoPay dari yang terendah hingga
tertinggi yang secara berurutan adalah
Performance Expectancy, Hedonic Motivation,
Price Saving Orientation Social Influence, Trust,
dan Habit. Model tersebut dapat memprediksi
secara kuat minat konsumen terhadap layanan
GoPay di Indonesia karena R² sebesar 72,8%.

9 Lim, Kim, Hur, & Untuk menyelidiki relasi diantara Post Accept

Park (2019) perceived security, service (Expectation

knowledge, confitmation, manfaat Confirmatio

yang dirasakan, dan satisfaction.

10 AlKubaisi & Pemahaman mengenai faktor-faktor Technology
Naser (2020) apa yang dapat memengaruhi Acceptance
penggunaan dan kelangsungan (TAM) dan
penggunaan e-wallet dalam rangka

57

tance Model Pada layanan Fintech seluler knowledge dan
n perceived security berpengaruh secara signifikan
on Model) terhadap confirmation pengguna serta perceived

usefulness. Namun, perceived security tidak
berpengaruh pada kepuasan pengguna secara
langsung dan niat terus menerus untuk
menggunakan. Selanjutnya peneliti menemukan
hubungan yang signifikan antara confimation,
perceived usefulness, satisfaction, dan niat terus-
menerus untuk menggunakan layanan.
y of Keempat variabel prediktor signifikan secara
Model statistik dan mendukung. Variabel kompatibilitas
Expectation adalah faktor utama dalam analisis. Namun, hasil
penemuan menghasilkan bahwa variabel moderasi

menjaga dan mempertahankan Confirmatio

maintain (ECM)

pengguna dalam jangka panjang.

58

on Model juga ditemukan secara statistic tidak signifikan.
Juga, ada tambahan implikasi teoretis yang
ditunjukkan oleh pengaruh langsung yang
signifikan hubungan antara penggunaan
berkelanjutan dan kompatibilitas

Berdasarkan penelitian terdahulu, terdapat kesamaan dalam penelitian ini
yakni menggunkan model ECM yang dikembangkan oleh Bhattacherjee untuk
mengidentifikasi niat kelanjutan pengguna untuk meneruskan pemakaian teknologi
informasi yang terdiri dari Perceived Usefulness (PU), Satisfaction (S), dan
Continuance Intention (CI) sebagai variabel endogen, serta Confirmation (C)
sebagai variabel eksogen. ECM yang berpusat pada motivasi pengguna setelah
penggunaan dan dipandang sebagai sebuah kerangka kerja ternama mengenai
setelah pengadopsian sistem informasi (Kang et al., 2009). Pada penelitian ini yang
membedakan dengan penelitian terdahulu adalah adanya penambahan variabel pada
model ECM yakni variabel Perceived security dan Trust.

Trust mengacu pada keyakinan bahwa karakteristik seseorang bermanfaat,
dan kepercayaan mengacu pada kesediaan untuk bergantung pada orang lain,
bahkan jika seseorang melepaskan kendali (McKnight et al., 2002). Trust berperan
penting dalam kemampuan pengguna dalam menggunakan teknologi seluler
(Alalwan et al., 2017). Dalam transaksi elektronik, trust bahkan lebih penting yang
difasilitasi dengan berbagai penyedia seperti mobile payment (Slade et al., 2013).
Hasil studi sebelumnya menunjukkan bahwa trust atau kepercayaan menjadi suatu
faktor yang berperan penting akan memfasilitasi adopsi solusi m-payment (Putri et
al., 2017). Pada penelitan sebelumnya, trust sebagai variabel signifikan yang
memengaruhi seseorang dalam mengadopsi Sistem Informasi baik pada fase pra-
penggunaan dan pasca penggunaan (Venkatesh et al., 2011). Variabel trust pada
pada penelitian sebelumnya memiliki peran yang lebih menentukan akan
continuance intention (Nelloh et al., 2019). Trust telah diuji secara luas dan terbukti

59

menjadi faktor penting yang memprediksi persepsi dan niat pelanggan terhadap
Mobile banking (Alalwan et al., 2017; Zhou, 2012).

Perceived security merupakan faktor penting yang mementukan penggunaan
sistem pembayaran apapun dan menjadi perhatian utama bagi pengguna (Kumar et
al., 2018). Perceived security mewakili keyakinan pengguna pada tingkat
keamanan transaksi atau platform pembayaran (Garrouch, 2021), aktivitas digital
payment berhubungan dengan layanan transaksi keuangan secara digital (Goel &
Nath, 2020). Mobile payment melibatkan risiko keamanan karena memungkinkan
pecurian identitas yang mengakibatkan prosedur pembayaran tidak aman
(Garrouch, 2021), maka keamanan menjadi yang paling penting bagi pengguna,
perceived security menunjukkan persepsi tentang lingkungan yang aman dan
terlindungi (Goel & Nath, 2020) dan peningkatan keamanan adalah prioritas utama
(Goel & Nath, 2020; Shneiderman, 2000). Dengan adanya perceived security akan
mendorong konsumen untuk terus menggunakan metode pembayaran elektronik
(Lai, 2016). Pada penelitian sebelumnya mengkonfirmasi pengaruh perceived
security pada kelanjutan penggunaan mobile payment (Garrouch, 2021). Pada
penelitian (Garrouch, 2021) secara signifikan variabel Perceived security
mempunyai pengaruh terhadap continuance intention yang berkaitan pada faktor
yang memengaruhi niat kelanjutan pada mobile wallet applications.

Berdasarkan yang sudah dijelaskan, penelitian ini melakukan penambahan
variabel perceived security dan trust. Variabel perceived security dalam penelitian
ini sebagai variable eksogen dan variabel trust variabel endogen.

60

61

BAB 3
METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian
Metode kuantitatif menjadi metode penelitian dalam penelitian ini dengan

melakukan pengujian terhadap model ECM sesuai dengan tujuan dari penelitian ini
yaitu untuk mengetahui faktor-faktor yang memengaruhi continuance intention
pengguna dalam menggunakan mobile payment DANA di Provinsi wilayah Pulau
Jawa dan untuk mengetahui hasil analisis demografi pengguna mobile payment
DANA di Provinsi wilayah Pulau Jawa Pendekatan kuantitatif pada penelitian ini
meliputi metode pengumpulan data dana analisis data.

Metode pengumpulan data dilaksanakan melalui survei dengan menyebaran
kuesioner yang telah dibuat dalam bentuk pertanyaan menurut variabel dan
indikator dalam model ECM. Observasi dilakukan dengan mendatangi kantor
DANA untuk mencari informasi terkait dengan jumlah pengguna DANA di Pulau
Jawa. Selain itu, studi pustaka dilakukan untuk menguatkan latar belakang dan
pendapat-pendapat peneliti dalam penelitian yang bertemakan sama dengan
penelitian ini. Penyebaran kuesioner dilaksanakan secara online (tidak langsung)
via media sosial seperti telegram, whatsapp, twitter, dan facebook. Pembuatan
kuesioner menggunakan 5 skala likert dan pengisian kuesioner secara online
menggunakan google formulir. Setelah kuesioner terkumpul, data diseleksi dan
diklasifikasikan menggunakan Microsoft Excel 2019.

Analisis data dilakukan dengan analisis demografi dan analisis statistik,
analisis demografi data responden yang dikelompokkan sesuai dengan usia, jenis

62

kelamin, Provinsi, status pekerjaan, lama penggunaan aplikasi DANA, frekuensi
menggunakan aplikasi DANA, tujuan yang paling sering dilakukan saat
menggunakan aplikasi DANA, dan nominal pengeluaran saat bertransaksi pada
aplikasi DANA dalam sebulan. Untuk Analisis statitik dilaksanakan melalui
analisis pengukuran model dan analisis struktural model berdasarkan model yang
dipakai. Pada analisis data menggunakan SmartPLS 3.3.3 dan Microsoft Excel
2019. Interpretasi dan pembahasan hasil dilaksanakan menurut pada hasil riset yang
sudah dilaksanakan.
3.2 Prosedur Penelitian

Berikut ini merupakan prosedur penelitian yang menjadi dasar pada penelitian
ini, ditunjukkan pada Gambar 3.1.

Gambar 3.1 Prosedur Penelitian
63

3.3 Populasi dan Sampel Penelitian

Pengguna mobile payment DANA di wilayah Pulau Jawa adalah populasi

dalam penelitian ini, peneliti menggunakan teknik purposive sampling untuk

pengambilan sampel. Dasar penilaian yang dipilih adalah pengguna aplikasi DANA

dan pengguna DANA berdomisili di wilayah Pulau Jawa. Pengambilan sampel juga

dilakukan secara snowball sampling dimana diminta menunjuk responden lain

secara berantai oleh responden sebelumnya yang berhasil diperoleh (Guritno &

Rahardja, 2011).

Pada penelitian ini pengambilan sampel dengan dasar penilaian yang dipilih

adalah pengguna aplikasi DANA dan pengguna DANA berdomisili di Provinsi

wilayah Pulau Jawa. Disebabkan populasi pada penelitian ini jumlahnya tidak

diketahui. Berdasarkan hal tersebut maka peneliti menggunakan formula Cochran

untuk mengetahui jumlah populasi yang tidak diketahui dengan pasti, hal tersebut

juga dilakukan pada penelitian sebelumnya (Seannery & Gui, 2021; Soltani-Nejad

et al., 2020). Formula Cochran (Sugiyono, 2019) sebagai berikut. (3.1)
2

= 2
(1,96)2(0,5)(0,5)
= (0,05)2

= 384,16

Untuk keterwakilan sampel Provinsi, peneliti mengambil teori dari Sugiyono

(2019) ukuran sampel dalam penelitian dapat dikatakan layak antara 30 sampai 500

sampel, sehingga sampel minimal dari setiap Provinsi adalah 30 sampel. Jadi pada

64

penelitian ini sedikitnya sampel yang diperlukan agar populasi terwakili ialah
sebanyak 384 orang.
3.4 Metode Pengumpulan Data
3.4.1 Observasi

Peneliti melakukan observasi dengan mendatangi kantor DANA untuk
mencari informasi terkait dengan jumlah pengguna DANA di Pulau Jawa.
3.4.2 Studi Pustaka

Peneliti melakukan studi pustaka melalui peninjauan teori-teori pada
penelitian yang sesuai dengan tema yang nantinya akan diteliti yang berupa buku,
jurnal, serta situs penyedia layanan yang mendukung penelitian.
3.4.3 Survei

Peneliti melakukan survei dan menyebarkan kuesioner yang telah yang telah
dibuat berupa pertanyaan menurut variabel dan indikator pada model ECM meliputi
variabel Perceived Usefulness (PU), Confirmation (C), Satisfaction (S), Trust (T),
Perceived Security (PS), dan Continuance Intention (CI). Penyebaran kuesioner
dilaksanakan secara online (tidak langsung) via media sosial seperti telegram,
whatsapp, twitter, dan facebook. Pembuatan kuesioner dan pengisian kuesioner
secara online menggunakan google formulir. Setelah kuesioner terkumpul, data
diseleksi dan diklasifikasikan menggunakan Microsoft Excel 2019.
3.5 Metode Analisis Data
3.5.1 Model Penelitian

Gambar 3.2 merupakan model Expectation Confirmation Model dari
Bhattacherjee (2001) yang terdiri atas Perceived Usefulness (PU), Confirmation

65

(C), Satisfaction (S), Continuance Intention (CI), dan menambahkan variabel Trust
(T) serta Perceived Security (PS). Gambar 3.2 menunjukkan model penelitan ini.

Gambar 3.2 Model Penelitian

3.5.2 Indikator Penelitian

Pada Tabel 3.1 adalah Indikator penelitian yang terdiri dari beberapa

pertanyaan sesuai dengan variabel yang digunakan.

Tabel 3.1 Indikator Penelitian

Variabel Kode Indikator Referensi

Confirmation C1 Pengalaman saya Bhattacherjee

menggunakan DANA lebih (2001)

baik dari yang saya harapkan

66

C2 Tingkat layanan yang

diberikan oleh DANA lebih

baik dari yang saya harapkan

C3 Secara keseluruhan,

ekspektasi saya tentang

layanan DANA telah

dikonfirmasi/terbukti

Perceived PU1 Menggunakan DANA Venkatesh et al.
Usefulness
memungkinkan saya untuk (2011)
Satisfaction
bertransaksi lebih cepat

PU2 Menggunakan DANA

memudahkan untuk

mengakses layanan transaksi

PU3 Menggunakan DANA Bhattacherjee

meningkatkan efektivitas saya (2001)

dalam bertransaksi

PU4 Secara keseluruhan, DANA

berguna dalam melakukan

transaksi

PU5 DANA berguna untuk Susanto et al.

kebutuhan transaksi saya (2016)

S1 Saya merasa puas dengan Bhattacherjee

layanan DANA (2001)

67

S2 Saya merasa senang

menggunakan DANA

S3 Secara keseluruan, saya puas

dengan penggunaan DANA

S4 Menggunakan DANA Lim et al. (2019)

membuat layanan transaksi

menjadi lebih nyaman

S5 Pengalaman saya Susanto et al.

menggunakan DANA (2016)

memuaskan

Trust T1 Saya percaya pada layanan Susanto et al.

yang tersedia di DANA (2016)

T2 Layanan yang tersedia di

DANA menjalankan perannya

dengan baik

T3 Saya percaya bahwa DANA Indrawati & Putri

dapat dipercaya (2018)

T4 Saya tidak meragukan

kejujuran DANA

T5 Saya akan percayakan DANA

untuk melakukan

pekerjaannya dengan baik

meski tanpa diawasi

68

Perceived PS1 DANA adalah metode Kumar et al.
Security
pembayaran/transfer yang (2018)
Continuance
Intention aman

PS2 Saya menggunakan DANA

merasa aman dan terjamin

PS3 Aplikasi DANA menjaga

privasi saya

PS4 Dengan keamanan DANA, Garrouch (2021)

tidak ada yang mencuri dan

menggunakan informasi

pribadi saya

CI1 Saya berniat untuk terus Bhattacherjee

menggunakan DANA (2001)

daripada menghentikan

penggunaannya

CI2 Saya berniat untuk terus

menggunakan DANA

daripada sistem lain (misalnya

sistem pembayaran

tradisional)

CI3 Saya akan sering Susanto et al.

menggunakan DANA di masa (2016)

depan

69

3.6 Analisis Data dan Interpretasi Hasil
Analisis data dilakukan dengan analisis demografi dan analisis statistik,

(Subiyakto et al., 2015), analisis demografi dilakukan dengan menggunakan
Microsoft excel 2019 dimana data responden yang dikelompokkan sesuai dengan
usia, jenis kelamin, Provinsi, status pekerjaan, lama penggunaan aplikasi DANA,
frekuensi menggunakan aplikasi DANA, tujuan yang paling sering dilakukan saat
menggunakan aplikasi DANA, dan nominal pengeluaran saat bertransaksi pada
aplikasi DANA dalam sebulan.

Selanjutnya yaitu analisis statitik dengan metode partial least squares SEM
melalui analisis Pengukuran model (outer model) dan Struktural model (inner
model) (Hair et al., 2017; Setiaman, 2020; Yamin & Kurniawan, 2011).
berdasarkan model yang dipakai. Pengukuran model (outer model) meliputi
pemeriksaan convergent validity dan pemeriksaan discriminant validity. Pengujian
struktural model (inner model) terdiri pengukuran nilai path coefficient (β), R2
(coefficient of determinantion), nilai t-test dengan metode bootstrapping (Hair et
al., 2017; Setiaman, 2020), pengujian f2 (Effect Size), pengujian Q2 (predictive
relevance) dan uji q2 (relative impact) menggunakan metode blindfolding. Pada
analisis data menggunakan SmartPLS 3.3.3 dan Microsoft Excel 2019. Interpretasi
dan pembahasan hasil secara menyeluruh dibahas dalam bab selanjutnya (BAB 4)
dengan mendiskudikan hasil analisis data yang sesuai dengan situasi yang
sebenarnya dan menerjemahkan hasil yang ditemukan dengan mencocokkan dan
meninjau dari penelitian terdahulu yang berkaitan dengan penelitian ini.

70

3.7 Pilot Study
Peneliti melakukan pilot study pada tanggal 04 November 2021 – 06 November

2021 dengan melakukan penyebaran kuesioner secara tidak langsung (online).
Jumlah sampel dalam pilot study adalah 61 responden, jumlah responden yang
cocok dan dianggap memadai untuk pilot study adalah antara 25 dan 100 orang
(Huei et al., 2020). Hasil pilot study menunjukkan bahwa terdapat satu indikator
(PU1) dari variabel perceived usefulness (PU) yang nilainya kurang dari 0,7 yakni
bernilai 0,6.

Berdasarkan pilot study, peneliti memutuskan untuk tidak melakukan
modifikasi pada model penelitian ini karena sudah memenuhi syarat uji validitas
dan reliabilitas. Model penelitian ini sudah memenuhi ketentuan nilai composite
reliability dengan nilai lebih dari 0,7 dan nilai average variance extracted (AVE)
lebih dari 0,5, serta nilai discriminant validity sudah sesuai dengan ketentuan Hair
et al. (2017) dan Setiaman (2020). Peneliti hanya memodifikasi pertanyaan pada
PU1 sebelum kuesioner disebar agar responden lebih dapat memahami tentang
pertanyaan pada indikator tersebut.

71

72

BAB 4
HASIL ANALISIS DAN INTERPRETASI

4.1 Analisis Demografi

4.1.1 Hasil Analisis Demografi

Analisis ini dilakukan proses analisis yang berdasarkan jawaban dari

responden yang berisikan beberapa pertanyaan mengenai profil responden dan

penggunaan aplikasi DANA. Perolehan data responden yang berhasil didapatkan

dalam waktu 18 hari (20 Desember 2021 sampai 6 Januari 2022) adalah sebanyak

426 orang namun data valid yang diperoleh sebanyak 417 orang. Demografi

responden yang diperoleh meliputi informasi berupa usia, jenis kelamin, Provinsi,

status pekerjaan, sudah berapa lama menggunakan aplikasi DANA, frekuensi

menggunakan DANA, tujuan yang paling sering dilakukan saat menggunakan

aplikasi DANA, dan nominal pengeluaran saat bertransaksi pada aplikasi DANA

dalam sebulan. Hasil analisis demografi ditampilkan pada Tabel 4.1.

Tabel 4.1 Hasil Analisis Demografi

No Kategori Item Jumlah Presentase

1 Usia 15-18 Tahun 54 13%

19-25 Tahun 335 80%

26-35 Tahun 24 6%

Lainnya 4 1%

2 Jenis Kelamin Laki-laki 166 40%

73