Arief Rahman S - 11150930000093

TVOD menawarkan pengguna untuk membeli akses permanen ke
konten atau pengguna dapat membayar biaya dan mengunduh konten
untuk waktu yang terbatas. iTunes, Google Play, dan HBO PPV adalah
beberapa contoh TVOD.
c. Ad-based video-on-demand (AVOD)
AVOD adalah system berbasis iklan, tidak seperti dua platform
berbayar sebelumnya, AVOD gratis, tetapi pengguna harus
mengkonsumsi iklan sebagai tulang punggung untuk biaya produksi
dan hosting. Beberapa contoh AVOD adalah YouTube, Vimeo, dan
Hulu.

2.7 RCTI+
RCTI+ (dibaca "RCTI plus") adalah sebuah layanan video-on-

demand dan over-the-top di Indonesia. Layanan tersebut dimiliki dan
dioperasikan oleh divisi RCTI dari Media Nusantara Citra. RCTI+ diluncurka n
pada tanggal 8 Agustus 2019. Menurut website resmi www.rctiplus.com, RCTI+
merupakan layanan tak berbayar yang menyediakan kepada pelanggan akses
menonton program acara televisi tak berbayar (free-to-air atau FTA), baik secara
tunda maupun secara langsung (live) yang di-streaming melalui internet ke
komputer dan/atau perangkat mobile lainnya. Layanan RCTI+ juga menyediaka n
informasi menyeluruh mengenai seluruh program-program acara televisi baik

37

yang sudah tayang, sedang tayang, akan tayang, maupun yang belum akan
tayang.

RCTI+ tersedia gratis di perangkat Android melalui Google Play Store.
RCTI+ menawarkan pengalaman nonton tv secara live streaming, menonton atau
download film serial, melihat video menarik, update berita terbaru,
mendengarkan radio, mengikuti audisi bakat, hingga main games hanya dalam
satu aplikasi dimanapun, dan kapanpun. (Google Play Store)

RCTI+ termasuk dalam tipe video-on-demand berbasis iklan atau ad-based
video-on-demand (AVOD) yang dapat ditonton secara streaming dengan gratis,
namun penggunanya akan ditampilkan iklan ketika menonton konten dari
RCTI+.

2.8 Definisi Analisis
Dalam Kamus Besar Bahasa Indonesia Departemen Pendidikan Nasional

(2005) menjelaskan bahwa analisis adalah penyelidikan terhadap suatu peristiwa
untuk mengetahui keadaan yang sebenarnya. Analisis adalah penguraian suatu
persoalan atau permasalahan serta menjelaskan mengenai hubungan antara
bagian - bagian yang ada di dalamnya untuk selanjutnya diperoleh suatu
pengertian secara keseluruhan (Maith, 2013).
2.9 Definisi Pengaruh

Menurut Kamus Besar Bahasa Indonesia (2005: 849), pengaruh adalah
daya yang ada atau timbul dari sesuatu (orang atau benda) yang ikut membentuk

38

watak, kepercayaan atau perbuatan seseorang. Pengaruh juga dapat didefinisika n
sebagai kekuatan satu orang (agen) diberikan pada orang lain (target) untuk
mendorong perubahan target, termasuk perubahan dalam perilaku, pendapat,
sikap, tujuan, kebutuhan dan nilai-nilai dan kemampuan untuk mempengar uhi
perilaku yang lain dalam arah tertentu (Nikoloski, 2015).

Menurut Kementrian Pendidikan dan Kebudayaan RI (2019) Pengaruh
adalah daya yang timbul dari orang atau benda yang ikut membentuk watak,
kepercayaan atau perbuatan seseorang.

Berdasarkan uraian di atas, maka dapat disimpulkan bahwa pengaruh
adalah sebagai suatu daya yang ada atau timbul dari suatu hal yang
memiliki akibat atau hasil dan dampak yang ada.
2.10 User Experience Questionnaire (UEQ)

User Experience Questionnaire (UEQ) adalah sebuah kuesioner yang
bertujuan untuk mengukur user experience dengan cepat. Terdapat 6 skala
pengukuran yang terbagi menjadi 26 pertanyaan di dalam UEQ (Schrepp et al.,
2017), yaitu:
a. Attractive (Daya Tarik)

Seberapa besar daya tarik dari sebuah produk. Misal: bagus atau jelek,
atraktif atau tidak atraktif.
b. Perpicuity (Kejelasan)

39

Seberapa besar kejelasan dari sebuah produk. Misal: mudah dipahami
atau sulit dipahami.
c. Efficiency (Efisiensi)
Seberapa besar pengguna dapat menyelesaikan tugasnya tanpa usaha
yang besar atau efisien. Misal: cepat atau lambat, praktis atau tidak
praktis.
d. Dependability (Ketepatan)
Seberapa besar ketepatan yang dirasakan oleh pengguna melalui
kontrol yang ia miliki. Misal: dapat diprediksi atau tidak dapat
diprediksi, mendukung atau menghalangi.
e. Stimulation (Stimulasi)
Seberapa besar motivasi untuk menggunakan produk. Misal:
bermanfaat atau kurang bermanfaat, menarik atau tidak menarik.
f. Novelty (Kebaruan)
Seberapa besar kebaruan dari produk. Misal: kreatif atau tidak kreatif,
konservatif atau inovatif.

Attractiveness atau daya tarik merupakan dimensi valensi yang murni,
tidak termasuk aspek kualitas apapun. Kejelasan, efisiensi, dan ketepatan
tergolong ke dalam aspek kualitas pragmatis yang berorientasi kepada tujuan
sehingga pengguna harus melakukan tugas untuk mencapai tujuan melalui
website. Sedangkan stimulasi dan kebaruan merupakan aspek kualitas hedonis

40

yang tidak berorientasi pada tujuan sehingga pengguna hanya melakukan akses
saja pada website tanpa perlu mencapai tujuan. Berikut adalah struktur
pertanyaan yang tergolong ke dalam skala pengukuran pada UEQ pada gambar
2.5 berikut:

Gambar 2. 5 Struktur User Experience Questionnaire
UEQ menggunakan skala pengukuran semantic differential yang hampir
mirip dengan skala Likert yang digunakan untuk mengukur sikap, pendapat, dan
persepsi seseorang atau sekelompok orang tentang fenomena sosial. Daftar
pertanyaan yang diajukan oleh UEQ dapat dilihat pada gambar 2.6 berikut:

41

Gambar 2. 6 Daftar Pertanyaan User Experience Questionnaire
2.11 Metode Penelitian Kuantitatif

Menurut (Sugiyono, 2016) metode penelitian kuantitatif dapat diartikan
sebagai metode penelitian yang berlandaskan pada filsafat positivis me,
digunakan untuk meneliti pada populasi atau sampel tertentu, pengumpulan data

42

menggunakan instrumen penelitian, analisis data bersifat kuantitatif/statistik,
dengan tujuan untuk menguji hipotesis yang telah ditetapkan.

Penelitian kuantitatif adalah suatu proses menemukan pengetahuan yang
menggunakan data berupa angka sebagai alat menganalisis keterangan mengena i
apa yang ingin diketahui (Kasiram, 2008).

Penelitian pada umumya dilakukan pada populasi atau sampel tertentu
yang representatif. Proses penelitian bersifat deduktif, di mana untuk menjawab
rumusan masalah digunakan konsep atau teori sehingga dapat dirumuska n
hipotesis. Hipotesis tersebut selanjutnya diuji melalui pengumpulan data
lapangan. Untuk mengumpulkan data digunakan instrumen penelitian. Data yang
telah terkumpul selanjutnya dianalisis secara kuantitatif dengan menggunaka n
statistik deskriptif atau inferensial sehingga dapat disimpulkan hipotesis yang
dirumuskan terbukti atau tidak. Penelitian kuantitatif pada umumnya dilakukan
pada sampel yang diambil secara random, sehingga kesimpulan hasil penelitia n
dapat digeneralisasikan pada populasi di mana sampel tersebut diambil
(Sugiyono, 2016).
2.12 Penelitian Kausal-komparatif

Penelitian yang menilai pengaruh suatu objek terhadap targetnya ini
merupakan bagian dari penelitian kausal-komparatif. Penelitian kausal-
komparatif adalah penelitian yang menunjukkan arah hubungan antara variabel
bebas dengan variabel terikat (Sangadji & Sopiah, 2013). Penelitian ini bertujuan

43

untuk menyelidiki kemungkinan hubungan sebab-akibat dengan mengamati data
dari faktor yang diduga menjadi penyebab, sebagai pembanding (Salim & Haidir,
2019). Penelitian kausal-komparatif dapat mengidentifikasi sebuah fakta atau
peristiwa sebagai variabel yang dipengaruhi (variabel dependen) dan melakukan
penyelidikan terhadap variabel-variabel yang mempengaruhinya (variabel
independen) (Sangadji & Sopiah, 2013).

Pengujian pengaruh menggunakan dua atau lebih variabel yang dibedakan
antara variabel bebas atau variabel dependen dan variabel terikat atau variabel
independen. Pengujian pengaruh digunakan untuk menguji pengaruh dari
variabel-variabel independen ke variabel dependen.

Pengujian pengaruh menggunakan teknik atau model-model variasi, baik
teknik univariat maupun teknik multivariat. Perbedaannya hanya terletak pada
jumlah independen variabelnya, jika hanya menggunakan sebuah independen
variabel disebut dengan univariat. Jika menggunakan banyak independen
variabel disebut dengan teknik multivariat. Pada teknik multivariat diantaranya
terdapat teknik regresi, diskriminan analisis, ANOVA, MANOVA, structural
equation modeling (SEM), simultaneous equation, factor analysis,
multidimensional scaling, dll (Jogiyanto, 2010).

44

2.13 Populasi dan Sampel
2.13.1 Populasi

Populasi adalah wilayah generalisasi yang terdiri atas objek atau subyek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2016).

Menurut Priyono (2016), populasi merupakan keseluruhan gejala atau
satuan yang ingin diteliti. Maka dapat disimpulkan bahwa populasi adalah jumla h
keseluruhan dari objek yang diamati dengan kualitas tertentu.
2.13.2 Sampel

Sampel didefinisikan sebagian dari populasi yang akan dijadikan
sumber data dan memiliki karakteristik yang dibutuhkan dari populasi tersebut
(Nugiyantoro, 2015). Menurut Sugiyono (2016), sampel adalah bagian dari
jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Pengukuran
sampel merupakan suatu langkah untuk menentukan besarnya sampel yang
diambil dalam melaksanakan penelitian suatu objek. Untuk menentuka n
besarnya sampel bisa dilakukan dengan statistik atau berdasarkan estimasi
penelitian. Pengambilan sampel ini harus dilakukan sedemikian rupa sehingga
diperoleh sampel yang benar-benar dapat berfungsi atau dapat menggambarka n
keadaaan populasi yang sebenarnya, dengan istilah lain harus representatif
(mewakili).

45

Dengan demikian dapat disimpulkan bahwa sampel merupakan bagian
dari populasi dengan karakteristik dan jumlah yang dimiliki sumber data
dengan tujuan supaya lebih efisien dan fokus pada masalah pada penelitian.
2.13.3 Teknik Sampling

Teknik sampling merupakan teknik pengambilan sampel untuk
menentukan sampel dan teknik sampling yang akan digunakan pada penelitia n
(Sugiyono, 2016). Pada dasarnya, teknik sampling memiliki dua macam metode
pengambilan sampel yaitu pengambilan sampel secara acak (probability
sampling) dan pengambilan sampe secara tidak acak (non-probability
sampling).

Beberapa cara pengambilan sampel secara acak (probability sampling)
menurut Sugiyono (2016) yaitu :
1. Simple Random Sampling

Simple Random Sampling dikatakan simple (sederhana) karena
pengambilan sampel populasi dilakukan secara acak tanpa memperhatika n
strata yang ada dalam populasi.
2. Proportionate Stratified Random Sampling
Proportionate Stratified Random Sampling merupakan teknik pengambila n
sampel yang biasa digunakan pada populasi yang memiliki susunan atau
struktur yang berlapis-lapis. Teknik ini tidak dapat membuat strata jika
tidak melakukan investigasi.

46

3. Disproportionate Stratified Random Sampling
Disproportionate Stratified Random Sampling digunakan apabila ingin
menentukan jumlah sampel dengan populasi yang berstrata namun kurang
proposional.

4. Cluster Sampling
Cluster Sampling merupakan suatu prosedur penarikan sampel probabilitas
yang memilih subpopulasi yang disebut cluster. Kemudian, setiap elemen
didalam kelompok (cluster tersebut) dipilih sebagai anggota sampel.

Beberapa cara pengambilan sampel secara tidak acak (non-probability
sampling) menurut Sugiyono (2016) sebagai berikut:
1. Systematic Sampling

Systematic Sampling merupakan teknik pengambilan sampel berdasarkan
urutan dari anggota populasi yang telah diberi nomor urut. Dari sampel
yang diambil, hanya unsur pertama saja dari sampel yang dipilih secara
acak selanjutnya dipilih secara sistematis dengan suatu pola tertentu.
Teknik pengambilan sampel jenis ini jarang mengalami kesalahan karena
anggota sampel yang menyebar secara merata.
2. Quota Sampling
Quota Sampling adalah teknik penarikan sampel berdasarkan kuota.
Prinsipnya adalah karakteristik tertentu yang relevan menjelaskan dimens i

47

populasi. Pada teknik ini, jumlah populasi tidak dihitung akan tetapi
diklasifikasikan menjadi beberapa kelompok.
3. Accidental Sampling
Accidental Sampling adalah metode penarikan sampel yang dilakukan
dengan pemilihan sampelnya dilakukan terhadap orang atau benda yang
kebetulan dijumpai.
4. Purposive Sampling
Purposive Sampling merupakan teknik pengambilan sampel yang
dilakukan berdasarkan pertimbangan atau kriteria tertentu. Pemiliha n
subjek didasarkan atas ciri-ciri tertentu yang berhubungan dengan ciri-cir i
populasi yang sudah diketahui sebelumnya berdasarkan tujuan penelitian.
5. Sampling Jenuh
Sampling jenuh adalah teknik pengambilan sampel jika seluruh anggota
populasi digunakan sebagai sampel. Teknik ini dilakukan pada populasi
yang berjumlah sedikit.
6. Snowball Sampling
Snowball Sampling merupakan teknik pengambilan sampel yang mula -
mulanya dengan jumlah yang sedikit, lalu kemudian jumah sampelnya
menjadi membesar. Contoh teknik ini adalah teknik awalnya mengamb il
beberapa sampel, lalu sampel yang telah dipilih diinstruksikan untuk
memilih teman-temannya untuk dijadikan sampel.

48

2.14 Slovin
Rumus slovin merupakan sebuah rumus untuk menghitung jumlah sampel

minimal yang dikembangkan oleh Slovin (1960). Pada penggunaan rumus slovin,
besaran populasi harus diketahui. Rumus slovin juga menetapkan taraf keyakinan
pada penhitungannya yang terbagi menjadi taraf keyakinan 90%, 95%, dan 99%
(Amirin, 2011). Menurut Husein (2010), untuk mengukur sampel digunaka n
rumus slovin yaitu ukuran sampel yang merupakan perbandingan dari populasi
dengan presentasi kelonggaran ketidaktelitian karena dalam pengambilan sampel
dapat ditolerir atau diinginkan.

Untuk dapat menentukan jumlah sampel dengan populasi yang telah
diketahui dapat menggunakan rumus yaitu:


= 1 + 2
n = Ukuran sampel
N = Jumlah seluruh anggota populasi
e = toleransi terjadinya galat, taraf signifikansi

Sebagai contoh untuk mengetahui ukuran sampel berdasarkan rumus
slovin yaitu diketahui jumlah penduduk kota Tangerang Selatan tahun 2019
berdasarkan data yang diperoleh dari website Badan Pusat Statistik sebanyak

49

1.644.899 penduduk. Untuk populasi yang memiliki jumlah besar maka margin
error yang digunakan sebesar 5% (0,05) karena dianggap bahwa tingkat margin
error pada konfigurasi ini dapat merepresentasikan total populasi. Berikut
rumus perhitungan untuk jumlah sampel minimal :

1.644.899
= 1 + (1.644.899(0,0025))

= 399,90
Dari hasil perhitungan yang diperoleh yaitu hasil n sebesar 399,90 yang
kemudian dibulatkan menjadi 400, dijelaskan bahwa untuk jumlah sampel
minimal yang diperlukan untuk penelitian sebanyak 400 orang.

2.15 Structural Equation Modelling
Structural Equation Modeling (SEM) adalah teknik statistik yang

mempunyai kemampuan untuk menganalisis hubungan pola antara variabel laten
dan indikatornya, variabel laten yang satu dengan lainnya secara kesalahan
pengukuran secara langsung (Sofyan Yamin & Kurniawan, 2011). Menurut
Sarwono (2017) Structural equation modeling (SEM) merupakan teknik statistik
yang digunakan untuk membangun dan menguji model statistik yang biasanya
dalam bentuk model-model sebab akibat. SEM sebenarnya merupakan teknik
hibrida yang meliputi aspek-aspek penegasan (confirmatory) dari analisis faktor,
analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus dalam SEM.

50

Menurut Hussein (2015) SEM merupakan salah satu metode yang saat ini
digunakan untuk menutup kelemahan yang ada pada metode regresi. Terdapat
dua pendekatan dalam teknik SEM, yang pertama yaitu Covarians-Based SEM
(CB-SEM) atau SEM berbasis kovarian merupakan SEM yang membebaskan
indikator- indikator yang diukur untuk saling berkorelasi dengan indikator atau
variabel laten lainnya. Untuk melakukan analisa dengan menggunakan CB-SEM
maka perangkat lunak yang sering digunakan adalah AMOS dan LISREL
(Abdillah & Mustakini, 2015).
Selanjutnya, pendekatan kedua dalam teknik SEM yaitu Variance-Based SEM
merupakan SEM yang menggunakan varian dalam proses iterasi atau blok varian
antarindikator atau parameter yang diukur dalam satu variabel laten dan tidak
mengorelasi indikator-indikator antar variabel dalam satu model penelitia n.
Salah satu SEM berbasis varian yang sering digunakan adalah Partial Least
Square (PLS). Untuk melakukan analisa dengan menggunakan Variance-Based
SEM maka perangkat lunak yang sering digunakan adalah SmartPLS (Abdilla h
& Mustakini, 2015).

Berdasarkan uraian di atas, maka dapat disimpulkan bahwa SEM adalah
metode yang digunakan untuk menganalisis data yang dapat dilakuka secara
visual dengan melihat kondisi variabel-variabel yang saling berhubungan.

51

2.16 SmartPLS
Saat ini metode regresi merupakan metode yang paling sering digunaka n

untuk melakukan penelitian kuantitatif. Dengan semakin berkembangnya
metode penelitian dibidang bisnis dan manajemen, maka metode analisa
regresi dirasa tidak mampu untuk menjawab permasalahan-permasala ha n
penelitian yang diangkat oleh para peneliti. Structural Equation Modelling
(SEM) merupakan salah satu metode yang saat ini digunakan untuk menutup
kelemahan yang ada para metode regresi. Para ahli metode penelitia n
mengelompokkan SEM menjadi dua pendekatan. Pendekatan pertama disebut
sebagai Covariance Based SEM (CBSEM) dan pendekatan lainnya adalah
Variance Based SEM atau yang lebih dikenal dengan Partial Least Squares
(PLS) (Hussein, 2015).

SmartPLS merupakan software yang digunakan untuk analisa metode
regresi berbasis pendekatan varians yang biasa digunakan untuk eksekusi analis is
PLS-SEM untuk pemodelan jalur (grafis) dengan variabel laten. Alasan mengapa
PLS-SEM sangat populer dikalangan peneliti dan praktisi (Yamin & Kurniawan,
2011) adalah sebagai berikut :

1. Algoritma PLS tidak terbatas pada hubungan antar indikator
dengan konstrak latennya yang memiliki sifat reflektif, melainkan
dapat juga digunakan untuk hubungan yang bersifat formatif.

2. PLS dapat digunakan untuk model yang sangat kompleks tanpa
harus menjumapai masalah estimasi data.

52

3. PLS dapat digunakan untuk memprediksi model jalur (path)
dengan sample size yang kecil.

4. PLS dapat digunakan ketia distribusi data sangat miring (skew)

Analisis PLS-SEM terdiri dari dua sub model yaitu model pengukura n
(measurement model) atau disebut dengan outer model dan model struktural
(structural model) atau disebut inner model. Model pngukuran menunjukka n
bagaimana variabel manifest atau observed variabel merepresentasi variabel
laten untuk diukur. Sedangkan model struktural menunjukkan kekuatan estimas i
antar variabel laten atau konstruk (Ghozali & Latan, 2015).
1. Analisis Model Pengukuran (Outer Model)

Analisis model pengukuran (outer model) terdiri dari empat tahap
pengujian yaitu meliputi tahap pemeriksaan individual item reliability,
internal consistency reliability, average variance extracted, dan
discriminant validity.
a. Individual Item Reliability

Pengujian Individual item reliability dilakukan dengan melihat nila i
dari standarlized loading factor, nilai tersebut menggambarka n
besarnya korelasi antara setiap item pengukuran atau indikator
dengan konstraknya. Indikator dengan loading factor yang tinggi
memiliki konstribusi yang lebih tinngi untuk menjelaskan konstruk
latennya. Sebaliknya pada indikator dengan loading factor rendah

53

memiliki konstribusi lemah untuk menjelaskan konstruk latennya.
Nilai loading factor dikatakan ideal jika memiliki nilai diatas 0,7,
artinya indikator tersebut dikatan valid sebagai indikator menguk ur
konstrak. Namun demikian pada tahap pengembangan skala, nila i
antara 0,5 sampai 0,6 masih dapat diterima dan dikatakan cukup
(Ghozali & Latan, 2015).
b. Internal Consistency Reliability
Pengujian internal consistency reliability dilakukan dengan meliha t
nilai composite reliability. Nilai composite reliability lebih baik
dalam mengukur internal consistency dibandingkan dengan
cronbach’s alpha dalam model PLS-SEM, dikarenakan composite
reliability tidak mengasumsikan kesamaan boot dari setiap indikator.
Nilai batas yang digunakan diatas 0,7 yang berarti diterima dan diatas
0,8 berarti sangat memuaskan.
c. Average Variance Extracted
Convergent validity adalah nilai average variance extracted (AVE).
Nilai AVE menjelaskan besaran varian atau keragaman variabel
manifes (indikator) yang terkandung oleh variabel laten (konstrak).
Nilai minimal yang digunakan untuk menunjukkan ukuran
convergent validity yang baik adalah 0,5. Hal ini menunjukka n
variabel laten dapat menjelaskan rata-rata lebih dari setengah
variance dari indikatornya.

54

d. Discriminant Validity
Discriminant validity dievaluasi dengan dua tahap pemeriksaan nila i
cross loading, yaitu cross loading antar indikator dan cross loading
Fornell-Lacker’s. Cross loading indikator diperiksa dengan
membandingkan korelasi indikator dengan konstraknya dan konstrak
blok lainnya. Apabila korelasi antara indikator dengan konstraknya
lebih tinggi dari korelasi dengan konstrak blok lainnya, ini
menunjukkan konstrak tersebut memprediksi ukuran pada blok lebih
baik dari blok lainnya. Selanjutnya pemeriksaan pada cross loading
Fornell-Lacker’s yaitu dengan melihat nilai akar dari AVE. Nilai
akar dari AVE harus lebih tinggi dari korelasi antara konstrak dengan
konstrak lainnya.

2. Analisis Model Struktural (Inner Model)
Analisis model struktural (inner model) dilakukan dengan enam tahap
pengujian, yaitu terdiri dari path coefficient (β), coefficient of
determiniation (R2), t-test dengan menggunakan bootstrapping, effect
size (f2), predictive relevance (Q2), dan relative impact (q2)
a. Path Coefficient (β)
Pengujian path coefficient (β) dilakukan dengan melihat signifikas i
hubungan antar konstrak. Hal ini dapat dilihat dai koefisien jalur
(path coefficient) yang menggambarkan kekuatan hubungan antara
konstrak. Pengujian path coefficient (β) dengan nilai ambang batas

55

yaitu diatas 0,1 menyatakan bahwa jalur (path) yang dimaksud
berpengaruh didalam model.
b. Coefficient of Determiniation (R2)
Mengevauasi coefficient of determiniation (R2) menjelaskan varian
dari tiap target endogenous variabel dengan menggunakan standar
pengukuran 0,67 dinyatakan kuat, 0,33 moderat, dan 0,19 atau
dibawahnya menunjukkan tingkat varian yang lemah.
c. T-test
Pengujian nilai t-test dilakukan dengan menggunakan metode
bootstrapping melalui uji two-tailed dengan tingkat signifikasi 5%
digunakan untuk menguji hipotesis penelitian. Hipotesis yang
diterima adalah jika nilai pengujian t-test lebih dari 1,96.
d. Effect Size (f2)
Pengujian effect size (f2) dilakukan untuk memprediksikan pengaruh
variabel tertentu terhadap variabel lainnya dalam struktur model
dengan nilai ambang batas yaitu 0,02 untuk pegaruh kecil, 0,15 untuk
menengah, dan 0,35 untuk pengaruh besar.
e. Predictive Relevance (Q2)
Pengujian predictive relevance (Q2) dilakukan menggunakan metode
blindfolding untuk memberikan bukti bahwa variabel tertentu
memiliki keterkaitan prediktif (predictive relevance) dengan variabel

56

lainnya. Nilai ambang batas yang digunakan pengukuran adalah
diatas nol.
f. Relative Impact (q2)
Pengujian relative impact (q2) dilakukan dengan metode blindfolding
untuk mengukur relatif pengaruh sebuah keterkaitan prediktif sebuah
variabel tertentu dengan variabel lainnya dengan nilai ambang batas
yaitu 0,02 untuk pengaruh kecil, 0,15 untuk menengah, dan 0,35
untuk pengaruh besar.

2.17 Semantic Differential Scale
Teknik Pengukuran ini diperkenalkan oleh Charles Osgoog (1957) yang

menekankan pada aspek sematik sebuah kata. Skala diferensial semantik adalah skala
nilai tujuh poin dengan poin ekstrim yang memiliki makna semantik. Skala yang
digunakan untuk mengukur makna atau semantik kata-kata, terutama kata sifat bi-polar
(seperti “jahat” atau “baik”, “hangat” atau “dingin”) untuk memperoleh sikap
responden terhadap objek stimulus (Prihadi, 2019).

Responden akan menempatkan tanda di antara dua kata sifat ekstrem, yang
mewakili sikapnya terhadap objek. Seperti contoh di atas, pembelanja berhenti
dievaluasi secara terorganisir, dingin, modern, andal dan sederhana. Terkadang kata
sifat negatif diletakkan di sebelah kanan dan terkadang di sisi kiri berskala. Hal ini
dilakukan untuk mengendalikan kecenderungan responden, terutama mereka yang

57

memiliki sikap positif atau negatif, untuk menandai sisi kanan atau kiri skala tanpa
membaca labelnya (Prihadi, 2019).

Item pada skala diferensial semantik dapat dinilai pada rentang numerik -3
sampai +3 atau 1 sampai 7. Data yang diperoleh dianalisis melalui analisis profil.
Dalam analisis profil, mean dan median nilai skala ditemukan dan kemudian
dibandingkan dengan analisis plot atau statistik. Melalui metode ini, adalah mungk in
untuk membandingkan keseluruhan kesamaan dan perbedaan di antara objek (Prihadi,
2019).
2.17.1 Kelebihan dan kekurangan Semantic Differential Scale
Adapun kelebihan dan kekurangan dari skala semantic differential adalah (Prihadi,
2019):
a. Kelebihan :

 Item pada skala diferensial semantik dapat dinilai pada rentang numerik -3
 sampai +3 atau 1 sampai 7.
 Dapat membandingkan keseluruhan kesamaan dan perbedaan di antara objek.
 Fleksibilitas dari skala diferensial semantik meningkatkan penerapannya

dalam riset pemasaran.
b. Kelemahan :

 Bentuknya tidak pilihan ganda maupun checklist, tetapi tersusun dalam
satu garis continue yang jawabannya positif dibagian kanan, dan jawaban
negatif disebelah kiri

58

 Jika skala pengukuran ini diberikan kepada orang awam yang belum
diberikan penjelasan terkait pengisian skala semantic differential masih
membingungkan untuk mengisi.

BAB III

METODOLOGI PENELITIAN

3.1 Metode Pengumpulan Data
Sumber data yang digunakan oleh peneliti adalah sumber data primer dan

sekunder. Sumber primer adalah sumber data yang langsung memberikan data
kepada pengumpul data, yaitu data yang diperoleh melalui kuesioner penelitia n.
Sementara sumber data sumber sekunder merupakan sumber data yang tidak
langsung memberikan data kepada pengumpul data. Data sekunder diperoleh dari
tinjauan literatur-literatur yang berhubungan ataupun sejenis dengan penelitia n
ini.

Penelitian ini menggunakan metode penelitian kuantitatif. Sesuai dengan
metode penelitian yang telah ditentukan, prosedur, teknik, dan alat yang
digunakan dalam penelitian ini disesuaikan dengan metode kuantitatif. Karena
metode kuantitatif menggunakan data berbentuk angka, maka penyebaran
kuesioner digunakan untuk mengumpulkan data yang diperlukan di dalam

59

penelitian. Adapun penyebaran kuesioner tersebut dilaksanakan dengan
menyebarkan daftar pertanyaan kepada para pengguna aplikasi mobile RCTI+.
3.1.1 Observasi

Pada tahap observasi ini dilakukan sebagai studi pendahuluan. Peneliti
mengamati langsung aplikasi mobile RCTI+ dengan memahami kendala
penggunaan melalui ulasan pengguna di Google Play Store, memasang aplikasi,
dan menjadi pengguna aplikasi mobile RCTI+ . Berikut merupakan hasil yang
diperoleh peneliti dari observasi yang telah dilakukan.

a. Memperoleh informasi mengenai kendala-kendala penggunaa n
aplikasi mobile RCTI+ melalui ulasan-ulasan dari penggunanya di
Google Play Store.

b. Menggunakan aplikasi mobile RCTI+ dan memperoleh informas i
mengenai fitur-fitur serta kelebihan dan kekurangan aplikasi mobile
RCTI+.

3.1.2 Kuesioner
Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan

cara memberikan seperangkat pertanyaan atau pernyataan tertulis kepada
responden untuk dijawab (Sugiyono, 2016). Kuesioner yang digunakan pada
penelitian ini adalah kuesioner User Experience Questionnaire (UEQ). Kuesioner
ini menggunakan skala semantic differential yang memiliki 7 skala di dalamnya.
Pengisi kuesioner nantinya akan memilih kecenderungan antara dua kata sifat

60

yang berlawanan seperti contohnya: menyusahkan/menyenangkan. Penyebaran
kuesioner dilakukan secara tidak langsung dengan bantuan media sosial dan
menggunakan fitur Google Forms untuk pengisian kuesioner.

3.1.3 Studi Literatur
Studi literatur dalam penelitian ini bersumber dari artikel jurnal yang

membahas mengenai teori, metode maupun model yang berhubungan ataupun

serupa dengan penelitian ini. Studi literatur sejenis di penelitian ini dibatasi pada

jurnal dengan tahun terbit dalam kurun waktu 10 tahun terakhir. Berikut

merupakan penelitian sejenis yang dikaji oleh peneliti:

Tabel 3. 1 Studi Literatur

No. Penulis Jurnal Judul Penelitian M odel Tujuan Penelitian Hasil Penelitian

International The Effect of Hasil penelitian

Journal of User Experience M engetahui menunjukkan
Innovative
M ario Alberto Science and on Customer pengaruh user bahwa semua

1. Jose M artins dan Research Satisfaction on UEQ experience terhadap variabel user

Setyo Riyanto Technology Netflix (extended) user satisfaction experience memiliki

(2020) Volume 5, Streaming aplikasi streaming pengaruh signifikan
Issue 7, July –
Services in Netflix. terhadap user

2020 Indonesia satisfaction.

Hasil penelitian ini

M enggunakan menunjukkan

metode evaluasi bahwa aplikasi

International usability berbasis Lazada mudah

Niny ikiriz a Journal of Increasing User eksperimen pada digunakan, efisien,

Deborah Lynn, Advanced aplikasi mobile dan memiliki

Arefin Islam Computer Satisfaction of Research Lazada Indonesia fungsionalitas yang
2. Sourav dan Science and M obile Framework untuk memahami baik, namun

Djoko Budiyanto Applications Commerce using faktor-faktor beberapa masalah

Setyohadi (2020) (IJACSA), Vol. Usability usability seperti ditemui oleh

11, No. 8, 2020 ease of use, evaluator

efficiency , menunjukkan

functionality, dan bahwa pengguna

satisfaction. tidak sepenuhnya

p uas.

61

Francisco Luna-

Perejon,

Shwetambara

M alwade , Charis

Styliadis, Javier Hasil penelitian

Civit, Daniel Computer Evaluation of M engevaluasi menunjukkan

Cascado- User Satisfaction usability dan bahwa fitur pesan
Caballero, M ethods and and Usability of Research kepuasan pengguna motivasi memiliki
3. Programs in
Evdokimos Biomedicine a M obile App for Framework pada aplikasi tingkat kepuasan
Konstantinidis, Smoking mobile untuk yang tinggi, serta
Shabbir Syed 182 2019
Cessation berhenti merokok. fitur game memiliki

Abdul, Panagiotis usability yang baik.

D. Bamidis,

Anton Civit dan

Yu-Chuan (Jack)

Li (2019)

Hasil penelitian

menunjukkan

bahwa secara

simultan

p engalaman

pengguna memiliki

pengaruh signifikan

terhadap kepuasan

pelanggan, tetapi

The Effect of M engetahui secara parsial,

Irsa Rezaldy dan e-Proceeding of User Experience pengaruh kepuasan pelanggan

4. Nurvita M anagement : on Customer UEQ pengalaman produk aplikasi iflix

Vol.6, No.1 Satisfaction in (extended) penggguna terhadap hanya dipengaruhi
Trianasari (2019) April 2019 Iflix Application
kepuasan pengguna oleh dimensi daya

Users aplikasi iflix. tarik, kejelasan,
ket ep at an,

Stimulasi, dan

kebaruan,

sedangkan untuk

variabel efisiensi

tidak memiliki

pengaruh signifikan

terhadap kepuasan

p elanggan

M enyelidiki Hasil penelitian

Journal of Research dampak variabel menunjukkan

M anagement The Impact of Framework user experience bahwa terdapat
(Soegaard &
Omar Badran dan Information Software User (utility, usability, pengaruh signifikan
5. Shafig Al- and Decision Experience on Dam, 2012; aesthetics, dari user experience

Haddad (2018) Sciences Customer Venkatesh et identification dan terhadap customer

Volume 21, Satisfaction al., 2003) value) pada satisfaction, juga

Issue 1, 2018 customer terdapat pengaruh

satisfaction dari variabel

62

terhadap moderasi yaitu

smartphone di gender, experience

Yordania dan age.

International The Influence of M enganalisa dan Hasil penelitian

Journal of User Experience Research mengetahui menunjukkan

towards User bahwa pengalaman
Nadia Amalina Scientific and Satisfaction of E- Framework p engaruh
pengguna memiliki
dan Helni Research (Deng et al, pengalaman
6. Government pengaruh yang
M utiarsih Jumhur Publications, Service: a Case 2010; Kotler p engguna terhadap signifikan terhadap
& Keller, kep uasan p engguna
(2018) Volume 8, Study of kepuasan pengguna

Issue 3, M arch GAM PIL 2012) pada Aplikasi pada Aplikasi

2018 Ap p licat ion GAM PIL. GAM PIL.

M engetahui
bagaimana user Hasil penelitian
menunjukkan secara
experience dan
simultan user
customer
experience memiliki
satisfaction yang
ada pada operator pengaruh signifikan
The Influence Research terhadap customer

M arlita Yulianti e-Proceeding of User Experience Framework seluler di Indonesia satisfaction, tetapi
toward Customer menurut pandangan
dan Indira M anagement : Satisfaction in (Cerejo, secara parsial,
7. pelanggan, dan
Rachmawati Vol.4, No.2 User Service 2012; Kotler untuk mengetahui customer

(2017) Agustus 2017 Provider in & Keller, pengaruh user satisfaction operator

Indonesia 2012) experience yang seluler hanya

dirasakan dipengaruhi oleh

dimensi
pelanggan operator functionality,
seluler di Indonesia
terhadap customer trustwworthiness,
dan service quality
satisfaction.

The Relationship Hasil penelitian

between User menunjukkan

Exp erience, M enguji hubungan bahwa user

Lui Anbar e-Proceeding of Customer Research antara Customer experience memiliki
Rhainata & Indira M anagement : Satisfaction, Framework Loyalty, Customer efek positif terhadap
8. Switching Cost
Rachmawati Vol.4, No.3 and Customer (Deng et al, Satisfaction, customer

(2017) Desember 2017 Loyalty in 2010) Switching Cost, dan satisfaction dan

Indonesia User Experience. berpengaruh positif

Cellular terhadap customer

Op erat ors loy alt y .

The Impact of M enganalisis dan Hasil penelitian

Information menjelaskan menunjukkan

Jurnal Quality and pengaruh informasi bahwa kualitas

Rechardilla Administrasi System Quality Delone & dan kualitas sistem informasi dan
M clean
9. Ardyanti Kumala Bisnis (JAB) on User kualitas sistem
BRINETS terhadap memiliki dampak
(2015) Vol. 2 No. 2 Satisfaction in kepuasan pengguna

Februari 2015 Web-Based secara parsial dan signifikan

Information simultan di Bank dengan kepuasan

Sy st em p engguna.

63

Rakyat Indonesia

M alang.

International M engembangkan Hasil penelitian

Abdulhakim Journal of e- Impact of System mengindikasikan

Elmoawe Education, e- Quality on User model yang sesuai bahwa terdapat
Business, e- dengan e-learning
10. Dreheeb, Nurlida M anagement Satisfaction in Research untuk memuaskan hubungan yang
Basir dan Continuation of Framework positif antara
and e-Learning pengguna dari sisi
Norasikin Fabil Volume 6, the Use of e- penggunaan sistem kualitas sistem
(2015) Learning System terhadap kepuasan
Number 1, e-learning.
p engguna.
M arch 2016

Hasil penelitian

The M oderating menunjukkan

Francisco Effect of User bahwa ditemukan

Liebana- Inf Syst E-Bus Experience on M enganalisis p engaruh

Cabanillas, M anage Satisfaction with kemungkinan efek pengalaman

Francisco moderasi dari pengguna yang
11. M unoz-Leiva, Springer- Electronic TAM
variabel user penting untuk
Verlag Berlin Banking: (extended)
Juan Sanchez- Heidelberg experience dalam e- motivasi intrinsik
Emp irical
Fernandez dan banking. yang mendorong
2015 Evidence from
M arıa I. Viedma- perilaku untuk
The Spanish
del Jesus (2015) menggunakan
Case
layanan e-banking

ini.

M embuktikan Hasil penelitian
menunjukkan
bahwa peningkatan bahwa pengalaman
The Impact of kepuasan dan pelanggan memiliki

Customer loyalitas pelanggan pengaruh signifikan

iBuss Exp erience adalah solusi yang
tepat dalam terhadap kepuasan
Silvana Chandra M anagement toward Customer Research
12. pelanggan dan
(2014) Vol. 2, No. 2, Satisfaction and Framework mempertahankan kepuasan pelanggan

(2014) 1-11 Loyalty of visitors traffic,
dengan cara memiliki pengaruh
Ciputra World meningkatkan signifikan terhadap

Surabay a loyalitas pelanggan

pengalaman dari Ciputra World
p elanggan.
Surabay a.

Hasil penelitian

mengindikasikan

Influence of Research M engidentifikasi bahwa kepuasan

Rodrigo de CEUR Usability on Framework pengaruh dari user pengguna sebagian

Oliveira, M auro Workshop Customer (Rogers et al, besar dipengaruhi
experience pada oleh bagaimana
13. Cherubini dan Proceedings Satisfaction: A 2011; kepuasan pengguna

Nuria Oliver Vol. 922 14-19 Case Study on Goldberg, pada layanan p engguna

(2012) 2012 M obile Phone 1992; Oliver, p onsel. memp ersep sikan

Services 1997) kegunaan dari

layanan terutama

efisiensiny a.

64

Hasil penelitian

A Pilot Study to M enganalisis menunjukkan

Analyze the pengaruh dari user bahwa instant
UCM A 2011, Effects of User
Part II, CCIS experience connectivity adalah
151, pp. 421–
Bong-Won Park Experience and smart p hone, faktor penting

14. dan Kun Chang 427, Springer- Device Research termasuk stress, dalam kepuasan

Characteristics Framework enjoyment, dan pelanggan, namun
Lee (2011) Verlag Berlin on the Customer
Heidelberg device stress dan

2011 Satisfaction of characteristics enjoyment tidak

Smart p hone terhadap kepuasan berpengaruh pada

Users p elanggan. kep uasan
p elanggan.

Hasil penelitian
M engembangkan menunjukkan
dan menguji model
penelitian yang bahwa terdapat hasil
menyelidiki positif dari hipotesis
Liqiong Deng, European
Journal of User Experience, pengaruh dari user dari cognitive
Douglas E. Satisfaction, and Research absorption dan

15. Turner, Robert Information Continual Usage Framework experience pada mengindikasikan
Gehling dan BradSystems (2010) user satisfaction
Prince (2010) 19, 60–75 Intention of IT p ent ingny a
dengan intensi
cognitive absorption
penggunaan terhadap kepuasan
kontinu pada
teknologi tersebut. dan kontinuitas
p enggunaan.

Penelitian-penelitian di atas menjadi bahan studi literatur peneliti dalam memperkuat
dasar teori dari penelitian ini. Dapat disimpulkan bahwa dari penelitian-penelitia n
sejenis di atas ada beberapa yang membahas pengaruh user experience terhadap user
satisfaction, namun belum ada penelitian yang membahas pengaruh user experience
(menggunakan model UEQ) terhadap user satisfaction dan continuance intention pada
aplikasi video-on-demand. Sehingga penelitian ini memiliki nilai kebaruan jika
dibandingkan dengan penelitian-penelitian yang sudah dilakukan sebelumnya.

3.2 Metode Pengambilan Sampel
Populasi yang digunakan dalam penelitian ini adalah pengguna aplikasi

mobile android RCTI+ yang dapat diketahui melalui jumlah download aplikasi

65

mobile android RCTI+ di Google Play Store. Menurut data yang peneliti ambil

pada tanggal 1 Desember 2020, jumlah pengunduh aplikasi mobile android

RCTI+ kurang lebih 5 juta pengunduh. Maka, dapat disimpulkan bahwa jumla h

populasi penelitian ini adalah 5 juta. Selanjutnya, dalam menentukan jumla h

sampel peneliti menggunakan metode Slovin dengan margin error sebesar 10%


= 1 + 2

dimana:

n = ukuran sampel.

N = ukuran populasi.

e = kelonggaran ketidaktelitian karena kesalahan pengambilan sampel

yang dapat ditolerir.

5.000.000
= 1 + 5.000.000 (0,1)2

= 99.998

= 100

Jadi dapat diambil kesimpulan bahwa minimum sampel yang diambil
adalah 100.
3.3 Pengembangan Model Penelitian

Penelitian ini menggunakan model User Experience Questionaire
(UEQ) yang dikembangkan oleh (Schrepp et al., 2017). Peneliti

66

menggunakan ke 6 variabel yang ada pada UEQ yaitu Attractiveness (Daya
Tarik), Perspicuity (Kejelasan), Efficiency (Efisiensi), Dependability
(Ketepatan), Stimulation (Stimulasi), dan Novelty (Kebaruan). Peneliti
memilih UEQ karena menurut (Schrepp et al., 2017) UEQ cocok digunaka n
untuk produk interaktif termasuk yang berbasis aplikasi mobile. UEQ juga
mampu menangkap respon pengguna untuk mengekspresikan perasaan,
impresi, dan sikap yang muncul ketika menggunakan suatu produk
(Rauschenberger et al., 2013). Selain itu UEQ telah diadaptasi dalam versi
Bahasa Indonesia oleh (Santoso et al., 2016). Hal ini menjadi penting karena
UEQ menggunakan skala semantic differential, menurut (Schrepp et al.,
2017) penting bagi user untuk mengisi kuesioner dalam bahasa asli mereka.
Selain itu, keunggulan UEQ adalah pengisian kuesionernya yang tidak
membutuhkan waktu yang lama. Rata-rata pengisi kuesioner hanya
membutuhkan waktu 5-7 menit untuk mengisi seluruh kuesioner UEQ.

67

Gambar 3. 1 Model User Experience Questionaire (UEQ)
Peneliti juga menambahkan user satisfaction sebagai variabel dalam
model penelitian ini karena menurut penelitian sebelumnya yang dilakukan
oleh (Damanik et al., 2022; Martins & Riyanto, 2020; Irza Rezaldy &
Trianasari, 2019; Rohmah & Ary, 2021) menunjukkan bahwa variabel dalam
user experience memiliki pengaruh terhadap variabel user satisfaction.
Variabel ini sendiri berfungsi mengukur seberapa puas pengguna dalam
menggunakan suatu sistem. Variabel user satisfaction yang peneliti gunakan
di model ini adalah variabel mobile user satisfaction yang juga digunaka n
pada jurnal (Bhattacherjee, 2001).

68

Gambar 3. 2 Model Expectation-Confirmation Model (ECM)
Sebagai pembeda terhadap penelitian sebelumnya serta untuk
menambah nilai kebaruan di penelitian ini, peneliti menambahkan variabel
continuance intention. Variabel ini peneliti adopsi dari model Expectation-
Confirmation Model (ECM) (Bhattacherjee, 2001) sebagaimana dapat diliha t
di gambar 3.1, dimana dalam model tersebut diketahui bahwa user
satisfaction dapat berpengaruh pada continuance intention. Variabel
continuance intention sendiri berfungsi untuk mengukur intensi pengguna
untuk terus menggunakan suatu sistem. Hasil akhir pengembangan model
penelitian ini dapat dilihat pada gambar 3.1 di bawah ini:

69

User Experience User Continuance
Attractiveness Satisfaction Intention

Perpiscuity
Efficiency
Dependability
Stimulation
Novelty
(Schrepp et al., 2017)

Gambar 3. 3 Model Penelitian

Selain itu peneliti juga menggunakan Partial Least Square (PLS)
sebagai metode analisis statistik dimana keunggulan dari PLS dibandingka n
penelitian sebelumnya yang menggunakan metode ANOVA yaitu pada
analisa multivariate seperti halnya regresi linier berganda ataupun
Multivariate ANOVA (MANOVA), pengujian pengaruh hanya dilakukan
secara langsung, sedangkan menggunakan PLS dapat menggambarka n
pengaruh langsung dan tidak langsungc(Hussein, 2015).

Selanjutnya peneliti juga menggunakan composite reliability pada
outer model yang lebih cocok dengan metode PLS untuk menguji interna l
consistency reliability dibandingkan penelitian sebelumnya yang

70

menggunakan cronbach’s alpha. Hal ini karena nilai composite reliability
dianggap lebih baik untuk mengukur internal consistency daripada
menggunakan cronbach’s alpha pada model PLS-SEM. Hal tersebut
disebabkan oleh nilai composite reliability tidak mengasumsikan kesamaan
boot dari setiap indikator (Yamin & Kurniawan, 2011)
3.3.2 Definisi Variabel

Tabel 3.2 berikut memperlihatkan definisi dari tiap variabel dalam model
penelitian yang digunakan dalam penelitian ini yang berjumlah 8 variabel yaitu:
Attractiveness (ATT), Perspicuity (P), Efficiency (E), Dependability (D),
Stimulation (S), Novelty (N), User Satisfaction (US) dan Continuance Intention
(CI).

Tabel 3. 2 Definisi Variabel Model Penelitian

Variabel Pengertian Referens i
Attractiveness Indikator yang menilai (Schrepp et al., 2017)
Perspicuity daya tarik dari aplikasi
Efficiency Indikator yang menilai
Dependability kejelasan dari aplikasi
Indikator yang menilai
Stimulation efisiensi dalam
menggunakan aplikasi
Novelty Indikator yang
digunakan untuk
menilai ketepatan
ap likas i
Indikator yang
digunakan untuk
mengetahui stimulasi
dalam penggunaan
ap likas i
Indikator yang menilai
kebaruan dari aplikasi

71

User Satisfaction Indikator yang menilai (Amin et al., 2014)
Continuance Intention kepuasan pengguna (Bhattacherjee, 2001)
dalam menggunakan
ap likas i
Indikator yang menilai
intensi pengguna untuk
terus menggunakan
ap likas i

3.3.3 Indikator
Berdasarkan model penelitian dan penjelasan setiap variabel yang telah

diambil, berikut adalah indikator dari setiap variabel yang dapat dilihat pada tabel
3.3 di bawah ini:

Tabel 3. 3 Indikator dan Butir Pertanyaan Penelitian

Variabe l Indikator De finis i Pertanyaan Referensi
Kode Nama
Attractiveness
(ATT) Indikator

ATT1 Enjoyable/ Pengalaman Menyusahkan (Schrepp et
Annoying dalam / al., 2017;
menggunakan Santoso et
ATT2 Good/ aplikasi Menyenang- al., 2018;
Bad mobile ini kan Rezaldy &
menyenangkan Trianasari,
atau Baik
menyusahkan / 2017;
Pengalaman Martins &
dalam Buruk Riyanto,
menggunakan
aplikasi Menggembira- 2020)
mobile ini baik kan
ATT3 Pleasing/ atau buruk /
Unlik able
Pengalaman Tidak Disukai
dalam
menggunakan
aplikasi
mobile ini
menggembirak

72

Perspicuity ATT4 Pleasant/ an atau tidak Nyaman
(P) ATT5 Unpleasant suka /
ATT6 Pengalaman
Attractive/ dalam Tidak Nyaman
P1 Unattractive menggunakan
P2 aplikasi Atraktif
P3 Friendly/ mobile ini /
Unfriendly nyaman atau
tidak nyaman Tidak Atraktif
Not
Understand Pengalaman Ramah
dalam Pengguna
able/ menggunakan
Understand aplikasi /
mobile ini Tidak Ramah
able atraktif atau
tidak atraktif Pengguna
Difficult to
Learn/ Pengalaman Dapat
Easy to dalam Dipahami
Learn menggunakan
aplikasi /
Complicated mobile ini Tidak Dapat
/ ramah
pengguna atau Dipahami
Easy tidak ramah
pengguna Mudah
Pengalaman Dipelajari
dalam
menggunakan /
aplikasi Sulit
mobile ini Dipelajari
tidak dapat
dipahami atau Sederhana
dapat /
dipahami
Rumit
Pengalaman
dalam
menggunakan
aplikasi
mobile ini
mudah
dipelajari atau
sulit dipelajari
Pengalaman
dalam
menggunakan
aplikasi

73

mobile ini

rumit atau

sederhana

Pengalaman

dalam

menggunakan Jelas

P4 Confusing/ aplikasi /
Clear mobile ini Membingungk

jelas atau an

membingungk

an

Pengalaman

dalam

E1 Slow/ menggunakan Cepat
Fast aplikasi /
mobile ini
Lambat

cepat atau

lambat

Pengalaman

dalam

E2 Inefficient/ menggunakan Efisien
Efficient aplikasi /
mobile ini
Tidak Efisien

efisien atau

Efficiency tidak efisien
(E) Pengalaman
dalam

E3 Impractical/ menggunakan Praktis
Practical aplikasi /
mobile ini
Tidak Praktis

praktis atau

tidak praktis

Pengalaman

dalam

E4 Cluttered/ menggunakan Terorganisir
Organized aplikasi /
mobile ini
terorganisir Berantakan

atau

berantakan

Pengalaman Dapat
Diprediksi
Dependability D1 Unpredictab dalam
(D) le/ menggunakan /
aplikasi Tidak Dapat
Predictable mobile ini Diprediksi

dapat

74

diprediksi atau

tidak dapat

diprediksi

Pengalaman

dalam

menggunakan Mendukung
/
D2 Obstructive/ aplikasi
Supportive mobile ini Menghalangi

mendukung

atau

menghalangi

Pengalaman

dalam

D3 Not Secure/ menggunakan Aman
Secure aplikasi /
mobile ini
Tidak Aman

aman atau

tidak aman

Pengalaman

D4 Doesn’t dalam Memenuhi
Meet menggunakan Ekspektasi
aplikasi
Expectation mobile ini / Tidak
s/ memenuhi Memenuhi
ekspektasi atau Ekspektasi
Meets tidak
Expectation memenuhi

s

ekspektasi

Pengalaman

dalam

menggunakan Bermanfaat

S1 Inferior/ aplikasi /
Valuable mobile ini Kurang

bermanfaat Bermanfaat

atau kurang

bermanfaat

Stimulation Pengalaman
(S)
dalam

S2 Boring/ menggunakan Mengasyikkan
Exciting aplikasi /
mobile ini
mengasyikkan Membosankan

atau
membosankan

S3 Not Pengalaman Menarik
Interesting/ dalam /

75

Interesting menggunakan Tidak Menarik

aplikasi Memotivasi
/
mobile ini
menarik atau Tidak
Memotivasi
tidak menarik
Kreatif
Pengalaman /

dalam Monoton

S4 Demotivatin menggunakan Berdaya Cipta
g/ aplikasi /
mobile ini
Motivating memotivasi Konvensional

atau tidak Terdepan
/
memotivasi
Lazim
Pengalaman
Konservatif
dalam /

N1 Dull/ menggunakan Inovatif
Creative aplikasi
mobile ini Puas
/
kreatif atau
Tidak Puas
monoton

Pengalaman

dalam

N2 Conventiona menggunakan
l/ aplikasi
mobile ini
Inventive berdaya cipta

atau

Novelty konvensional

User Pengalaman
Satisfaction
dalam
(US)
Usual/ menggunakan

N3 Leading aplikasi

Edge mobile ini

terdepan atau

lazim

Pengalaman

dalam

Conservativ menggunakan

N4 e/ aplikasi

Innovative mobile ini

konservatif

atau inovatif

US1 Satisfied/ Kepuasan (Amin et
Disatisfied dalam al., 2014)
menggunakan

76

aplikasi

mobile

Aplikasi Sukses
/
US2 Success/ mobile ini
Fail sukses atau Gagal

gagal

Bahagia atau Bahagia
/
US3 Pleased/ kecewa dalam
Unpleased menggunakan Kecewa

sistem

Ingin lanjut Lanjut

Continue to atau tidak Menggunakan

CI1 Use/Stop to ingin lanjut /

Use menggunakan Berhenti

sistem Menggunakan

Ingin tetap

Continuance CI2 Stay to Use/ menggunakan Tetap
Intention Use Other sistem atau Menggunakan
(CI) Alternative beralih ke (Bhattacher
alternatif / jee, 2001)
sistem lain. Beralih

Ingin Ingin
menggunakan
Intent to menggunakan secara sering

Use sistem secara /
Tidak Ingin
CI3 Frequently/ sering atau menggunakan
Not Intent to tidak ingin secara sering

Use menggunakan

Frequently sistem secara

sering.

3.4 Metode Analisis Data
Metode analisis data yang digunakan pada penelitian ini yaitu analis is

statistik dengan menggunakan SmartPLS versi 3.0. Analisis ini, terdapat dua
tahap pengukuran yang dilakukan oleh peneliti, yaitu pengujian outer model dan
inner model. Outer model merupakan model pengukuran dalam menguji validitas
dan reliabilitas model menggunakan pemeriksaan Convergent Validity yang

77

terdiri dari Individual Item Reliability, Internal Consistency, Average Variance
Extracted (AVE), dan pemeriksaan Discriminant Validity.

Sedangkan inner model merupakan model struktural dalam mempredik s i
hubungan kausalitas antar variabel laten yang terdiri dari pengukuran nilai path
coefficient (β), R2 (coefficient of determination), nilai t-test, pengujian f2 (effect
size), Q2 (predictive relevance), dan q2 (relative impact).
3.5 Hipotesis Penelitian
Mengacu pada metode usulan dan sasaran penelitian yang telah di sebutkan di
atas, maka dua hipotesis utama dalam penelitian ini adalah :
Q.1 Bagaimana status user experience aplikasi mobile RCTI+ berdasarkan

persepsi pengguna?
Q.2 Bagaimana pengaruh user experience terhadap kepuasan pengguna dan

pengaruhnya terhadap continuance intention aplikasi mobile RCTI+?
Q.3 Apa saja faktor-faktor yang mempengaruhi continuance intention aplikasi

mobile RCTI+ berdasarkan model yang digunakan peneliti?

Selanjutnya, berdasarkan model keberhasilan sistem informasi yang telah
dipaparkan, berikut adalah hipotesis penelitian terkait faktor-faktor yang
mempengaruhi continuance intention aplikasi mobile RCTI+:

H1. Apakah Attractiveness (ATT) berpengaruh secara signifikan terhadap
User Satisfaction (US)?

78

H2. Apakah Perspicuity (P) berpengaruh secara signifikan terhadap User
Satisfaction (US)?
H3. Apakah Efficiency (E) berpengaruh secara signifikan terhadap User
Satisfaction (US)?
H4. Apakah Dependability (D) berpengaruh secara signifikan terhadap User
Satisfaction (US)?
H5. Apakah Stimulation (S) berpengaruh secara signifikan terhadap User
Satisfaction (US)?
H6. Apakah Novelty (N) berpengaruh secara signifikan terhadap User
Satisfaction (US)?
H7. Apakah User Satisfaction (US) berpengaruh secara signifikan terhadap
Continuance Intention (CI)?

79

3.5 Kerangka Penelitian

Gambar 3. 4 Kerangka Penelitian
80

BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Hasil Analisis Outer Model
Dalam tahap ini peneliti melakukan pilot test dengan menyebarkan kuesioner

kepada 20 responden untuk menguji validitas dan reliabilitas dengan melakuka n
analisis pengukuran model (outer model) yang mana dalam analisis ini dilakukan
empat tahap pengujian. Empat tahap pengujian tersebut adalah individual item
reliability, internal consistency reliability, average variance extracted, dan
discriminant validity. Berikut adalah penjelasan dan hasil dari pengujian empat tahap
tersebut:

1. Individual Item Reliability
Pengujian ini dilakukan dengan melihat nilai dari standarlized loading
factor. Nilai tersebut menggambarkan besarnya korelasi antara setiap item
pengukuran atau indikator dengan konstruknya. Nilai yang dikatakan baik
adalah di atas 0,7, jadi bahwa indikator tersebut dapat dikatakan valid
sebagai indikator yang mengukur konstruk. Mengarah pada standar nila i,
setelah melalui pengujian pada SmartPLS 3.0, semua nilai sudah memenuhi
syarat lebih dari 0,7 sehingga hasil uji loading factor valid dan memenuhi
syarat mengukur konstruk, yang dapat dilihat pada tabel 4.1.

2. Internal Consistency Reliability

81

Pengujian ini dilakukan dengan melihat nilai composite reliability (CR)
dengan ambang batas yang digunakan adalah diatas 0,7. Hasilnya dapat
dilihat pada tabel 4.1 bahwa nilai CR pada tabel tersebut telah memenuhi
nilai ambang atas yaitu di atas 0,7. Sehingga valid dan memenuhi syarat
untuk digunakan.
3. Average Variance Extracted
Pengujian ini dilakukan dengan melihat nilai average variance extracted
(AVE). Dimana nilai AVE menjelaskan besaran varian atau keragaman
variabel manifes (indikator) yang terkandung oleh variabel laten
(konstruk). Nilai minimal yang digunakan untuk menunjukkan ukuran
convergent validity yang baik adalah 0,5. Hasil analisis data AVE dapat
dilihat pada tabel 4.1, pada tabel tersebut menunjukkan bahwa nilai AVE
dari semua variabel yang digunakan yaitu di atas 0,5. Sehingga semua nila i
ini telah memenuhi syarat untuk digunakan.

82

Tabel 4. 1 Hasil Analisis Pengukuran Model

VAR IND OL Cross Loading AVE CR
ATT 0.617 0.889
ATT1 0.851 ATT P E D S N US CI
P ATT2 0.786 0.851 -0.062 0.527 0.553 0.519 0.706 0.596 -0.134 0.640 0.877
E ATT3 0.841 0.787 -0.059 0.460 0.547 0.422 -0.171 0.693 0.900
D ATT4 0.706 0.845 -0.165 0.470 0.467 0.382 0.720 0.573 -0.223 0.709 0.879
S ATT5 0.734 0.701 -0.031 0.331 0.568 0.419 -0.114 0.592 0.850
N 0.756 0.733 -0.089 0.419 0.566 0.606 0.475 0.288 -0.168 0.928 0.963
US P1 0.852 0.696 -0.013 0.437 0.757 0.403 -0.125 0.549 0.785
CI P2 0.797 0.632 -0.144 0.521 0.368 0.301 0.852 0.613 -0.166 0.818 0.900
P3 0.792 0.574 0.034 0.464 0.796 0.556 -0.110
P4 0.824 0.543 0.124 0.555 0.405 0.427 0.792 0.575 -0.084
E1 0.902 0.615 -0.173 0.718 0.599 0.612 -0.297
E2 0.862 0.503 -0.354 0.572 0.476 0.419 0.618 0.549 -0.369
E3 0.732 0.459 -0.204 0.664 0.544 0.637 -0.296
E4 0.740 0.496 -0.052 0.693 0.576 0.760 0.638 0.663 -0.075
D1 0.885 0.327 -0.064 0.742 0.346 0.450 -0.208
D2 0.893 0.570 -0.101 0.885 0.541 0.469 0.628 0.657 -0.156
D3 0.910 0.534 -0.187 0.892 0.577 0.510 -0.283
S1 0.828 0.558 -0.045 0.540 0.664 0.612 0.638 0.910 -0.092
S2 0.667 0.588 -0.017 0.556 0.545 0.830 -0.076
S3 0.636 0.243 -0.060 0.399 0.824 0.618 0.406 0.663 -0.067
S4 0.950 0.382 0.058 0.494 0.514 0.640 -0.010
N1 0.975 0.549 -0.223 0.601 0.902 0.708 0.704 0.594 -0.292
N2 0.227 0.580 -0.319 0.713 0.692 0.649 -0.420
N3 0.707 0.243 -0.060 0.399 0.862 0.589 0.406 0.663 -0.067
US1 0.784 -0.101 0.575 -0.077 -0.017 0.073 0.707
US2 0.730 -0.155 0.602 -0.241 0.733 0.680 -0.133 -0.144 0.780
US3 0.018 -0.224 0.536 -0.284 -0.205 -0.139 0.735
CI1 0.903 -0.224 0.536 -0.284 0.548 0.407 -0.205 -0.139 0.735
CI2 0.903 -0.156 0.901 -0.183 -0.042 -0.019 0.686
CI3 -0.054 0.908 -0.091 0.652 0.683 -0.011 -0.062 0.709

0.697 0.654

0.644 0.625

0.596 0.523

0.426 0.395

0.561 0.460

0.684 0.950

0.760 0.976

0.426 0.395

-0.214 -0.143

-0.279 -0.320

-0.301 -0.382

-0.301 -0.382

-0.209 -0.248

-0.292 -0.276

Keterangan :
VAR : Variabel
OL : Outer Loading

83

IND : Indikator
CL : Cross Loading
CR : Composite Reliability
AVE : Average Variance Extracted

1. Discriminant Validity
Pengujian ini dilakukan dengan dua tahap pemeriksaan nilai cross loading,
yaitu cross loading antar indikator dan cross loading Fornell-Lacker’s.
Cross loading indikator diperiksa dengan membandingkan korelasi
indikator dengan konstruknya dan konstruk blok lainnya. Apabila korelasi
antara indikator dengan konstruknya lebih tinggi dari korelasi dengan
konstruk blok lainnya, ini menunjukkan konstruk tersebut memprediks i
ukuran pada blok lebih baik dari blok lainnya. Selanjutnya pemeriksaan
pada cross loading Fornell-Lacker’s yaitu dengan melihat nilai akar dari
AVE. Nilai akar dari AVE harus lebih tinggi dari korelasi antara konstruk
dengan konstruk lainnya. Pada tabel 4.1 memperlihatkan bahwa semua
nilai cross loading indikator dengan konstruk lebih tinggi dengan korelasi
dengan konstruk lain. Pada tabel 4.2 memperlihatkan nilai akar AVE lebih
tinggi jika dibandingkan dengan korelasi antar konstruk dengan konstruk
lainnya.

84

Tabel 4. 2 Discriminant Validity Fornell-Lacker’s

ATT CI D E N P S US

ATT 0.786

CI -0.115 0.905

D 0.566 -0.151 0.842

E 0.610 -0.278 0.758 0.833

N 0.588 -0.290 0.691 0.755 0.963

P 0.771 -0.029 0.611 0.693 0.722 0.800

S 0.587 -0.045 0.625 0.702 0.649 0.670 0.769

US -0.216 0.771 -0.271 -0.358 -0.381 -0.160 -0.095 0.741

Gambar 4. 1 Hasil Analisis Pengukuran Model dengan SmartPLS
85

Berdasarkan gambar 4.1 menunjukkan bahwa hasil analisis setelah melalui
analisis pengukuran model (outer model). Berdasarkan empat tahap yang
sudah dilakukan sebelumnya dalam analisis pengukuran model (outer
model), dapat diketahui bahwa model yang diajukan dalam penelitian ini
sudah memiliki karakteristik yang baik secara statistik, sesuai pada masing-
masing tahap dalam pengukuran model (individual item reliability, internal
consistency reliability, average variance extracted, dan discriminant
validity). Sehingga dapat disimpulkan dari hasil analisis pengukuran model
bahwa model tersebut memenuhi syarat untuk dilanjutkan ke tahap
pengujian selanjutnya yaitu struktur model (inner model).

4.2 Hasil Analisis
4.2.1 Analisis Demografis

Pada tahap ini, peneliti melakukan analisis jawaban dari responden yang
dilakukan berdasarkan pertanyaan-pertanyaan umum pada kuesioner terkait
penggunaan aplikasi mobile RCTI+ yang merujuk pada penelitian (Amin et al., 2014).
Hal ini dilakukan untuk menghasilkan informasi demografis berkenaan dengan
karakteristik responden terhadap tingkat kepuasan dan keberlanjutan penggunaa n
aplikasi mobile RCTI+.

86