nilai berkisar dari 0 sampai dengan 1 Hair et al., 2010. Menurut Eisingerich dan Rubera 2010 nilai reliabilitas cronbach
’s alpha minimum adalah 0,70. Tingkat keandalan
cronbach’s alpha menurut Hair et al. 2010 dapat dilihat pada tabel 3.3 di bawah ini.
Tabel 3.3 : Tingkat Keandalan Cronbach’s Alpha
Nilai Cronbach’s Alpha
Tingkat Keandalan
0,00 – 0,20
Kurang handal 0,20
– 0,40 Agak handal
0,40 – 0,60
Cukup handal 0,60
– 0,80 Handal
0,80 – 1,00
Sangat handal
3.5 Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data primer. Data primer adalah data yang diperoleh langsung dari sumber data dan belum diolah oleh
pihak mana pun untuk tujuan penelitian Cooper dan Shindler, 2006. Pengumpulan data untuk penelitian ini melalui kuesioner terstruktur. Kuesioner
disebarkan kepada dosen Universitas Sanata Dharma yang terpilih menjadi sampel penelitian. Di dalam kuesioner terdapat daftar pernyataan-pernyataan dan
setiap responden diminta untuk memberikan penilaian sesuai dengan petunjuk di dalam kuesioner.
3.6 Metode Analisis Data
Semua kuesioner dikumpulkan dan digunakan untuk melakukan analisis data. Data yang dikumpulkan tersebut dimasukkan ke software SmartPLS. Data
tersebut diperiksa ulang untuk konsistensi sehingga dapat meminimalkan PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
kesalahan dalam memasukkan dalam data. Data dianalisis menggunakan analisis statistik deskriptif dan inferensial. Analisis statistik deskriptif menampilkan data
hasil penelitian dalam bentuk rerata skor. Analisis inferensial menggunakan teknik analisis PLS-SEM Partial Least Squares
– Structural Equation Modeling dengan menggunakan perangkat lunak SmartPLS 3.2.4.
Penelitian ini menggunakan model kausalitas atau hubungan pengaruh. Dengan demikian, untuk menguji hipotesis yang diajukan digunakan teknik
analisis Partial Least Square - Stuctural Equation Modeling PLS-SEM yang dioperasikan melalui program SmartPLS 3.2.4. Menurut Jogiyanto dan Abdillah
2009 Partial Least Squares adalah analisis persamaan structural Structural Equation Modeling
SEM berbasis varian yang secara simultan dapat melakukan pengujian model pengukuran sekaligus pengujian model structural. Model
pengukuran digunakan untuk uji validitas dan reliabilitas, sedangkan model structural digunakan untuk uji kausalitas. Keunggulan teknik analisis PLS
menurut Jogiyanto dan Abdillah 2009 adalah: 3.6.1.
Mampu memodelkan banyak variabel dependen dan independen model kompleks.
3.6.2. Mampu mengelola masalah multikolinearitas antar variabel independen.
3.6.3. Hasil tetap kokoh walaupun terdapat data yang tidak normal.
3.6.4. Menghasilkan variabel laten independen secara langsung berbasi cross-
product yang melibatkan variabel laten dependen sebagai kekuatan
prediksi. 3.6.5.
Dapat digunakan pada sampel kecil di bawah 100. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.6.6. Tidak mensyaratkan data terdistribusi normal.
Penggunaan PLS-SEM dalam penelitian ini digunakan untuk menguji dan mengukur pengaruh langsung dan tidak langsung dari variabel harapan kinerja,
persepsi usaha, faktor sosial, dukungan fasilitas, motivasi hedonis, kebiasaan, niat dan perilaku penggunaan. Gambar 3.1 di bawah ini menunjukkan model diagram
jalur Partial Least Square.
Gambar 3.1 Model Diagram Jalur Partial Least Square PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Analisis PLS-SEM terdiri dari 2 sub model yaitu: inner model dan outer model.
3.6.1 Outer Model
Outer model atau outer relation atau measurement model mendefinisikan
bagaimana setiap blok indikator berhubungan dengan variabel latennya. Model ini menspesifikasi hubungan antar variabel laten dengan indikatornya atau dapat
dikatakan bahwa outer model mendefinisikan hubungan setiap indikator dengan variabel latennya. Menurut Ghozali 2006, model persamaan dasar dari model
pengukuran atau outer model dapat ditulis sebagai berikut: Rumus 3.3 Persamaan dasar model pengukuran
Untuk konstruk laten eksogen X :
X = λ
x
ξ +
untuk konstruk laten endogen Y:
Y = λ
y
η +
Sumber : Ghozali 2006
Tabel 3.4 : Keterangan Simbol Simbol
Nama Keterangan
λ
Lamda Bobot faktor Antara variabel laten dengan indikatornya
ξ
Ksi Variabel laten eksogen
Epsilon Pengukuran eror indikator endogen
η
Eta Variabel laten endogen
Delta Pengukuran eror indikator eksogen
Gambar 3.1 menunjukkan bahwa ξ
1
dan ξ
2
merupakan variabel laten eksogen atau independen variabel, η
1
dan η
2
merupakan variabel laten endogen atau variaben dependen. Nilai koefisien dari persamaan akan menerangkan
hubungan atau pengaruh antar variabel sesuai dengan paradigma penelitian. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Persamaan model pengukuran untuk setiap variabel dapat dilihat pada tabel 3.5 sebagai berikut.
Tabel 3.5 : Persamaa Model Pengukuran Variabel Variabel
Bobot Indikator Persamaan Model
Pengukuran
X
1
Harapan Kinerja λHK
1.1
X
1.1
= λHK
1.1
X
1
+ δ
1
λHK
1.2
X
1
.
2
= λHK
1.2
X
1
+ δ
2
λHK
1.3
X
1.3
= λHK
1.3
X
1
+ δ
3
λHK
1.4
X
1.4
= λHK
1.4
X
1
+ δ
4
X
2
Persepsi Usaha λPU
2.1
X
2.1
= λPU
2.1
X
2
+ δ
5
λPU
2.2
X
2.2
= λPU
2.2
X
2
+ δ
6
λPU
2.3
X
2.3
= λPU
2.3
X
2
+ δ
7
λPU
2.4
X
2.4
= λPU
2.4
X
2
+ δ
8
X
3
Faktor Sosial λFS
3.1
X
3.1
= λFS
3.1
X
3
+ δ
9
λFS
3.2
X
3.2
= λFS
3.2
X
3
+ δ
10
λFS
3.3
X
3.3
= λFS
3.3
X
3
+ δ
11
X
4
Dukungan Fasilitas λDF
4.1
X
4.1
= λDF
4.1
X
4
+ δ
12
λDF
4.2
X
4.2
= λDF
4.2
X
4
+ δ
13
λDF
4.3
X
4.3
= λDF
4.3
X
4
+ δ
14
λDF
4.4
X
4.4
= λDF
4.4
X
4
+ δ
15
X
5
Motivasi Hedonis λMH
5.1
X
5.1
= λMH
5.1
X
5
+ δ
16
λMH
5.2
X
5.2
= λMH
5.2
X
5
+ δ
17
λMH
5.3
X
5.3
= λMH
5.3
X
5
+ δ
18
X
6
Kebiasaan λK
6.1
X
6.1
= λK
6.1
X
6
+ δ
19
λK
6.2
X
6.2
= λK
6.2
X
6
+ δ
20
λK
6.3
X
6.3
= λK
6.3
X
6
+ δ
21
λK
6.4
X
6.4
= λK
6.4
X
6
+ δ
22
Y
1
Niat Penggunaan λNP
1.1
Y
1.1
= λNP
1.1
Y
1
+ ε
1
λNP
1.2
Y
1.2
= λNP
1.2
Y
1
+ ε
2
Y
2
Perilaku Penggunaan λPP
2.1
Y
2.1
= λPP
2.1
Y
2
+ ε
3
Pengujian dalam outer model yaitu: 3.6.1.1
Uji Validitas Pengujian validitas ada 2 yaitu validitas konvergen dan validitas
diskriminan. Validitas konvergen diuji melalui parameter loading factor dan nilai Average Variance Extracted AVE. Pengukuran dapat
dikategorikan memiliki validitas konvergen apabila nilai loading factor lebih dari 0,7 dan nilai AVE lebih dari 0,5 Ghozali, 2008.
AVE =
∑ �
� 2
∑ ��
2
+ ∑ ��� �
� �
……Rumus 3.4
Validitas diskriminan ditentukan dengan melihat cross loading dari setiap variabel. Pengukuran dapat dikategorikan memiliki validitas
diskriminan apabila memiliki nilai cross loading lebih dari 0,7
Jogiyanto, 2011.
3.6.1.2 Uji Reliabilitas
Pengujian reliabilitas dapat dilihat berdasarkan nilai Cronbach’s alpha
harus lebih dari 0,6 dan nilai composite reliability harus lebih dari 0,7 Jogiyanto, 2011. Nilai composite reliability menunjukkan ukuran nilai
reliabilitas sesungguhnya dari suatu variabel sedangkan cronbach’s
alpha menunjukkan ukuran nilai reliabilitas terrendah dari suatu variabel.
c =
∑ ��
2
∑ ��
2
+ ∑ ��� �
� �
……Rumus 3.5
3.6.2 Inner Model
Pengujian padal inner model atau model struktural dilakukan untuk menguji hubungan antar konstruk laten. Inner model meliputi inner relation, structural
model dan substantive theory menggambarkan hubungan antara variabel laten
berdasarkan pada teori substantive. Inner model diuji dengan melihat nilai R- square, Q-square
dan path coefficient koefisien jalur untuk mendapatkan informasi seberapa besar variabel laten dependen dipengaruhi oleh variabel laten
independen, serta uji signifikansi untuk menguji nilai signifikansi hubungan atau pengaruh antar variabel Ghozali, 2006. Pengujian dalam inner model yaitu:
3.6.2.1 R-square test
Nilai R-square atau koefisien determinasi menunjukkan keragaman konstruk endogen yang mampu dijelaskan oleh konstruk-konstruk
eksogen secara serentak. Nilai R-square digunakan untuk mengukur tingkat variabilitas perubahan variabel independen terhadap variabel
dependen. Parameter ini juga digunakan untuk mengukur kelayakan model prediksi dengan rentang 0 sampai 1. Semakin tinggi nilai R-square
maka semakin besar pula pengaruh variabel laten eksogen terhadap variabel laten endogen. Nilai R-square dapat mendeteksi pengaruh
langsung dari variabel eksogen tertentu terhadap variabel endogen. Perubahan nilai R-square f
2
digunakan untuk menilai pengaruh variabel independen tertentu terhadap variabel laten dependen secara substantive
Ghozali, 2006.
η
1
=
1
ξ
1
+
2
ξ
2
+
1
……Rumus 3.6
η
2
=
1
η
1
+
3
ξ
1
+
4
ξ
2
+
2
……Rumus 3.7 Keterangan=
η =
Eta = Variabel laten endogen
= Gamma = Koefisien pengaruh variabel eksogen terhadap
variabel endogen ξ
= Ksi
= Variabel laten eksogen
= Zeta
= Galat model
= Beta
= Koefisien pengaruh
variabel endogen
terhadap variabel endogen PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.6.2.2 Q-square test
Q-square test dalam PLS digunakan untuk predictive relevancy dalam
model konstruktif. Pada penilaian goodness of fit bisa diketahui melalui nilai Q
2
. Nilai Q
2
memiliki arti yang sama dengan koefisien determinasi R-Square pada analisis regresi, di mana semakin tinggi R-Square, maka
model dapat dikatakan semakin fit dengan data. Q-square mengukur seberapa baik nilai observasi yang dihasilkan oleh model dan juga
estimasi parameternya. Pendekatan ini menggunakan rumus sebagai
berikut Hengky dan Ghozali, 2012 :
Q
2
= 1 – 1 – R
1 2
1 - R
2 2
… 1 – R
p 2
……Rumus 3.8 Keterangan:
R
1 2
R
2 2
… R
p 2
: R-square
variabel endogen
dalam model.
Interpretasi Q
2
sama dengan koefisien determinasi total pada analisis jalur. mirip dengan R
2
pada
regresi.
Q
2
: koefisien determinasi total pada analisis jalur.
3.6.2.3
Koefisien jalur
Koefisien jalur menunjukkan seberapa besar hubungan atau pengaruh
konstruk laten yang dilakukan dengan prosedur bootstrapping.
Pengujian hipotesis terkait dengan pengujian hubungan antar variabel. Pengujian hipotesis ditempuh dengan melihat hasil uji secara parsial untuk
masing-masing variabel. Ukuran signifikansi keterdukungan hipotesis dapat digunakan perbandingan nilai t-table dan t-statistic. Untuk melihat ada tidaknya
pengaruh variabel eksogen terhadap variabel endogen, dapat dilihat dari nilai t- statistic
yang dibandingkan dengan nilai t-table. Jika nilai t-statistic lebih besar dari pada nilai t-table, maka signifikan. Sebaliknya jika nilai t-statistic lebih kecil
dari pada nilai t-table, maka tidak signifikan. Dalam penelitian ini untuk tingkat keyakinan 95 α 0,05 maka nilai t-table untuk hipotesis satu ekor one-tailed
adalah 1,65356. Selain itu untuk menguji efek moderasi terhadap pengaruh variabel
independen terhadap variabel dependen, maka dilakukan analisis lanjutan menggunakan analisis moderating effect dan analisis multiple group PLS-MGA.
Analisis moderating effect dijalankan menggunakan perangkat lunak SmartPLS dengan cara membuat variabel moderasi dalam model. Setelah itu dilakukan
kalkulasi model dengan melibatkan variabel moderasi. Hasil yang didapatkan adalah hubungan variabel independen dengan variabel dependen yang secara
umum dipengaruhi oleh variabel moderasi. Selanjutnya untuk mengetahui efek moderasi dalam kelompok tertentu, dilakukan analisis multiple group.
Berdasarkan Henseler 2009, analisis multiple group memungkinkan untuk menguji apakah kelompok data yang telah ditetapkan memiliki perbedaan yang
signifikan dalam estimasi parameter kelompok-spesifik misalnya, bobot luar, beban luar dan koefisien jalur. Analisis multiple group membagi sampel
berdasarkan karakteristik tertentu, yang ditentukan terlebih dahulu dan ada dalam proses pengumpulan data Santoso, 2007. Sebagai contoh, instrumen penelitian
kuesioner pada model penerimaan dan penggunaan Exelsa memasukkan profil pengguna seperti jenis kelamin, usia, dan tingkat pengalaman menggunakan
Exelsa. SmartPLS memberikan hasil tiga pendekatan yang berbeda yang didasarkan pada hasil bootstrap dari setiap kelompok. Sarstedt et al. 2011
menjelaskan metode analisis multiple group secara rinci, yaitu: 3.6.1.
Confidence Intervals Bias Corrected
Metode ini menghitung tingkat keyakinan bias yang dikoreksi untuk estimasi parameter kelompok tertentu dalam model jalur PLS. Hasil
kelompok spesifik dari koefisien jalur yang berbeda secara signifikan jika tingkat keyakinan bias yang dikoreksi tidak tumpang tindih.
3.6.2.
Partial Least Squares Multigroup Analysis PLS-MGA
Metode ini merupakan uji signifikansi non-parametrik untuk perbedaan hasil kelompok spesifik yang dibangun di atas hasil bootstrap PLS-SEM.
Hasil signifikan pada probabilitas 5 dari tingkat kesalahan, jika p-value lebih kecil dari 0,05 atau lebih besar dari 0,95 untuk perbedaan tertentu
koefisien jalur kelompok tertentu. 3.6.3.
Parametric Test
Metode ini merupakan uji signifikansi parametrik untuk perbedaan kelompok-spesifik hasil PLS-SEM yang mengasumsikan varian yang
sama di seluruh kelompok. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.6.4.
Welch-Satterthwait Test
Metode ini merupakan uji signifikansi parametrik terhadap perbedaan kelompok spesifik dari hasil PLS-SEM yang mengasumsikan varian yang
tidak sama di seluruh grup.
Dalam pengaturan analisis multiple group di SmartPLS, kelompok yang dipilih akan dinilai untuk perbedaan yang signifikan dalam estimasi parameter.
Semua kelompok data yang dipilih dalam grup A akan dibandingkan dengan semua kelompok data yang dipilih pada grup B.
56
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
Bab ini menjelaskan hasil dari analisis data yang telah dilakukan berdasarkan metode penelitian yang diuraikan pada bab III. Pembahasan bab ini diawali
dengan deskripsi data kemudian dilanjutkan dengan pengujian hipotesis serta pembahasannya.
4.1 Deskripsi Data
4.1.1 Deskripsi Responden Penelitian
Pengumpulan data pada penelitian ini dilaksanakan dengan menyebarkan kuesioner di Universitas Sanata Dharma. Responden dalam penelitian ini adalah
dosen tetap di Universitas Sanata Dharma. Jumlah responden yang diteliti sebanyak 180 dosen tetap. Kuesioner mulai dibagikan kepada responden pada
tanggal 8 Agustus 2016. Pengumpulan kembali kuesioner dilakukan sendiri oleh penulis dan dilakukan secara bertahap tergantung pada kesediaan para responden
untuk mengisi kuesioner. Besarnya tingkat pengembalian kuesioner dapat dilihat pada tabel 4.1 berikut ini:
Tabel 4.1 : Tingkat Pengembalian Kuesioner Jumlah
Persentase
Kuesioner yang dikirimkan 180
Kuesioner yang kembali 180
100,00 Kuesioner yang tidak lengkap
2 1,11
Kuesioner yang dapat digunakan Tingkat Pengembalian Kuesioner
178 98,89
Sumber: Data diolah 2016 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
