Pengujian Statistik ANALISIS DATA DAN PEMBAHASAN

commit to user

B. Pengujian Statistik

a. Uji Validitas

Uji validitas bertujuan untuk mengetahui kemampuan suatu alat ukur dalam melakukan fungsi ukurnya Sekaran, 2006. Dalam hal ini pengujian validitas item-item pertanyaan dalam kuisioner bertujuan untuk mengetahui apakah item-item tersebut benar-benar mengukur konsep- konsep yang dimaksudkan dalam penelitian ini dengan tepat. Dalam penelitian ini akan digunakan uji validitas dengan confirmatory factor analysis CFA menggunakan software SPSS 16, dengan ketentuan setiap item pertanyaan harus mempunyai loading factor 0,5 Ghazali, 2008. Confirmatory factor analysis CFA harus dipenuhi karena merupakan salah satu syarat untuk dapat menganalisis model dengan Structural equation modelling SEM. Teknik yang digunakan adalah dengan melihat output dari rotated component matrix yang harus terekstrak sempurna. commit to user Tabel IV.6 Hasil Uji Validitas Tahap 1 Component 1 2 3 4 5 CSE1 .463 CSE2 .828 CSE3 .713 CSE4 .379 CSE5 .421 PU1 .248 .396 .540 -.287 PU2 .290 .641 PU3 .282 .668 PU4 .332 .257 .621 PU5 .749 PU6 .772 PU7 .279 .410 .487 .285 PEO1 .726 PEO2 .756 PEO3 .715 .248 PEO4 .806 PEO5 .850 PEO6 .846 PEO7 .763 A1 .797 A2 .885 A3 .838 A4 .891 ITU1 .260 .767 ITU2 .285 .719 .259 ITU3 .589 .244 ITU4 .796 ITU5 .760 ITU6 -.523 commit to user Tabel IV.7 Hasil Uji Validitas Tahap 2 Component 1 2 3 4 5 CSE1 .550 CSE2 .806 CSE3 .786 PU5 .856 PU6 .879 PEO2 .734 PEO4 .856 PEO5 .885 PEO6 .899 PEO7 .780 A1 .825 A2 .896 A3 .864 A4 .900 ITU4 .862 ITU5 .885 Tabel IV.6 menjelaskan hasil uji validitas dengan beberapa item- item pertanyaan yang tidak valid yaitu CSE4, CSE5, PU1, PU2, PU3, PU4, PU7, PEO3, ITU1, ITU2, ITU3, dan ITU6. Selanjutnya dilakukan proses trial and error dalam pereduksian sehingga dapat mereduksi item- item yang tidak valid dan mempertahankan item-item pertanyaan yang valid sebanyak mungkin. Melalui proses trial and error tersebut item-item pertanyaan yang tereduksi adalah sebagai berikut; CSE4, CSE5, PU1, commit to user PU2, PU3, PU4, PU7, PEO1, PEO3, ITU1, ITU2, ITU3, dan ITU6. Sementara item-item pertanyaan yang valid dan sudah terekstrak sempurna tersaji pada tabel IV.7.

b. Uji Reliabiltas

Uji reliabilitas bertujuan untuk mengukur kehandalan atau konsistensi internal dari suatu instrumen penelitian. Untuk menguji reliabilitas digunakan Cronbach Alpha yang dianalisis dengan menggunakan SPSS for windows 16. Tingkatan reliabilitas menurut Sekaran 2006 dibagi menjadi tiga kriteria: Jika alpha atau r hitung: 1 0,8-1,0 = Reliabillitas baik, 2 0,6-0,799= Reliabilitas diterima, 3 Kurang dari 0,6= Reliabilitas kurang baik. Dengan demikian, dengan prosedur pengujian ini dapat dipahami bahwa data penelitian ini memenuhi kriteria kelayakan untuk dianalisis dengan menggunakan metode-metode statistik yang lain. Tabel IV.8 menjelaskan bahwa nilai koefisien Cronbach,s Alpha untuk variabel Computer Self Efficacy, Perceived Usefullnes, Perceived Ease of Use, Attitude Toward Using, dan Intention to Use dengan rincian berturut-turut adalah sebesar 0,557; 0,779; 0,903; 0,909; dan 0,845. commit to user Berikut penjelasan nilai koefisien Cronbach,s Alpha masing-masing variabel. Tabel IV.8 Hasil Uji Reliabilitas Variabel Cronbachs Alpha Keterangan Computer Self Efficacy 0, 557 Reliabilitas kurang baik Perceived Usefullnes 0, 779 Reliabilitas diterima Perceived Ease of Use 0, 903 Reliabilitas baik Attitude Toward Using 0, 909 Reliabilitas baik Intention to Use 0, 845 Reliabilitas baik Variabel Computer Self Efficacy meliki nilai alpha 0, 557 yang menunjukan bahwa reliabilitasnya kurang baik. Ada 2 alasan mengapa varibel ini tetap dipertahankan, pertama sudah cukup banyak variable yang didrop sehingga bila ada variable yang didrop lagi maka item-item yang tersisa tidak bisa mewakili variabel tersebut; kedua bila variabel tersebut dikeluarkan atau dihapus maka akan mempengaruhi model secara keseluruhan. Variabel Perceived Usefullnes memiliki nilai alpha 0,779 yang menunjukan reliabilitas yang dapat diterima. commit to user Variabel Perceived Ease of Use, Attitude Toward Using, dan Intention to Use dengan rincian berturut-turut adalah sebesar 0,903; 0,909; dan 0,845 yang menunjukan reliabilitas baik. Sub bahasan berikut ini akan menjelaskan analisis data penelitian dengan menggunakan metode analisis Structural Equation Model SEM.

c. Analisis Structural Equation Model SEM

Analisis dalam penelitian ini menggunakan metode statistik Stuctural Equation Model SEM. Pada prinsipnya, model struktural bertujuan untuk menguji hubungan sebab akibat dari hubungan variabel sehingga jika salah satu variabel diubah, maka terjadi perubahan pada variabel yang lain. Selain itu analisis Stuctural Equation Model bertujuan untuk mengestimasi beberapa persamaan regresi terpisah akan tetapi masing-masing mempunyai hubungan simultan atau bersamaan. Dalam analisis ini dimungkinkan terdapat beberapa variabel dependen, dan variabel ini dimungkinkan menjadi variabel independen bagi variabel dependen yang lainnya. Dalam studi ini, data diolah dengan menggunakan sofware khusus untuk analisis SEM yaitu Analysis of Moment Structure atau AMOS versi 16. Ada beberapa asumsi yang harus dipenuhi sebelum melakukan pengujian dengan pendekatan Structural Equation Model, yaitu: commit to user

3.1 Asumsi Kecakupan Sampel

Jumlah responden dalam penelitian ini direncanakan sebanyak 245 responden. Tetapi dari 245 kuesioner terdapat 5 buah kuisioner yang tidak dapat diolah karena pengisian yang tidak lengkap oleh responden. Sehingga hanya 240 buah kuisioner yang dapat diolah untuk analisis SEM. Jumlah ini memenuhi prosedur Maximum Likelihood Estimation yaitu penarikan sampel minimal 100 sampel Ghozali, 2008.

3.2 Normalitas

Asumsi yang paling fundamental dalam analisis multivariat adalah normalitas yang merupakan bentuk distribusi data pada variabel matriks tunggal yang menghasilkan distribusi normal Hair 1998 et al., dalam Ferdinand, 2006. Apabila asumsi normalitas tidak dipenuhi dan penyimpangan data normalitas tersebut besar maka akan menghasilkan hasil uji statistik yang bias. Pengujian normalitas bertujuan untuk mengetahui apakah distribusi data mengikuti atau mendekati distribusi normal. Normalitas univariat dilihat dengan nilai critical ratio c.r pada skewness yaitu antara - 2,58 dan 2,58. Sedangkan normalitas multivariate dilihat pada assessment of normality baris bawah kanan yaitu nilai critical ratio c.r kurtosis dibawah 7 Ghozali, 2008. commit to user Normalitas univariate dan multivariate terhadap data yang digunakan dalam analisis ini diuji dengan menggunakan AMOS 16. Hasil Uji asumsi normalitas secara lengkap dapat dilihat pada Tabel IV.9. Tabel IV.9 Hasil Uji Normalitas Variable min max Skew c.r. kurtosis c.r. ITU5 1.000 5.000 -.587 -3.712 1.428 4.516 ITU4 1.000 5.000 -.866 -5.479 2.929 9.263 PEO2 2.000 5.000 -.693 -4.382 1.304 4.124 PEO4 1.000 5.000 -.904 -5.717 1.573 4.974 PEO5 2.000 5.000 -.794 -5.023 1.403 4.437 PEO6 2.000 5.000 -.688 -4.348 .871 2.754 PEO7 1.000 5.000 -.751 -4.753 .491 1.553 A4 2.000 5.000 -.319 -2.016 .017 .053 A3 1.000 5.000 -.940 -5.948 2.394 7.572 A2 2.000 5.000 -.398 -2.514 -.036 -.115 A1 2.000 5.000 -.327 -2.069 -.109 -.345 PU6 2.000 5.000 -.743 -4.701 .542 1.713 PU5 1.000 5.000 -.763 -4.825 .437 1.382 CSE3 1.000 5.000 -.668 -4.227 -.375 -1.186 CSE2 1.000 5.000 -.514 -3.252 -.606 -1.916 CSE1 1.000 5.000 -.993 -6.281 1.543 4.879 Multivariate 101.289 32.691 Tabel IV.9 menjelaskan bahwa secara univariate data dalam penelitian ini termasuk tidak normal yang ditunjukkan dengan terdapatnya nilai c.r skewness diluar antara -2,58 dan 2,58. Sedangkan secara multivariate data dalam penelitian ini termasuk tidak normal karena memilki c.r kurtosis jauh di atas 7 yaitu sebesar 32,691. Analisis terhadap data yang tidak normal dapat mengakibatkan pembiasan intrepretasi. Namun demikian, teknik Maximum Likelihood commit to user Estimates MLE yang digunakan dalam penelitian ini tidak terlalu terpengaruh robust terhadap penyimpangan multivariate normality Ghozali, 2008. Selain itu, data yang digunakan dalam penelitian ini adalah data yang disajikan apa adanya dari data primer berdasarkan jawaban responden yang sangat beragam, sehingga sulit untuk memperoleh data yang mengikuti distribusi normal secara sempurna.

3.2 Outliers

Outliers adalah observasi atau data yang memiliki karakteristik unik yang berbeda dari data lainnya dan muncul dalam bentuk data ekstrim baik untuk variabel tunggal maupun variabel kombinasi Hair 1998 et al., dalam Ferdinand, 2006. Pada umumnya outliers diperlakukan dengan dikeluarkan dari data dan tidak diikutsertakan dalam analisis selanjutnya. Bila tidak terdapat alasan khusus untuk mengeluarkan outliers, maka data observasi tersebut dapat diikutsertakan dalam analisis selanjutnya. Outliers dapat dievaluasi dengan nilai mahalanobis distance dengan nilai degree of freedom sejumlah variabel yang dipergunakan dalam penelitian pada tingkat p 0,001. Dalam penelitian ini jumlah indikator variabel yang digunakan sebanyak 29 indikator variabel. Dengan demikian, apabila terdapat nilai mahalanobis distance yang lebih besar dari χ 2 29. 0,001= 58,066 commit to user maka nilai tersebut adalah outliers multivariate. Mahalanobis distance dapat dilihat pada tabel IV.10. Tabel IV.10 Jarak Mahalanobis Data Observation number Mahalanobis d-squared p1 p2 128 67.708 .000 .000 189 62.828 .000 .000 185 59.305 .000 .000 30 52.165 .000 .000 49 48.418 .000 .000 43 47.559 .000 .000 231 44.008 .000 .000 157 43.487 .000 .000 47 42.242 .000 .000 134 41.453 .000 .000 73 41.429 .000 .000 125 41.401 .000 .000 24 41.325 .000 .000 190 40.655 .001 .000 180 39.819 .001 .000 112 36.797 .002 .000 187 35.567 .003 .000 132 35.397 .004 .000 36 35.225 .004 .000 54 32.698 .008 .000 51 32.463 .009 .000 . . . . . . . . . . . . . . . . . . . . Table IV.10 menjelaskan bahwa ada beberapa nilai yang dikategorikan sebagai outliers karena nilai Mahalanobis Distance tidak melebihi nilai χ 2 29. 0,001 = 58,0663. Namun pada penelitian ini data observasi tersebut tetap digunakan karena ketika peneliti commit to user membuang data outliers maka Goodness-of-Fit Model menjadi buruk. Dengan demikian jumlah sampel yang akan digunakan tetap sebanyak 240 sampel.

3.4 Kriteria Goodness of fit

Gambar IV.1 Model Struktural Computer Self Efficacy CSE1 e1 1 1 CSE2 e2 1 CSE3 e3 1 Perceived Usefullness Attitude Toward USing Perceived Ease of Use Intention to Use PU5 e4 1 1 PU6 e5 1 A1 e11 1 1 A2 e12 1 A3 e13 1 A4 e14 1 PEO7 e10 1 1 PEO6 e9 1 PEO5 e8 1 PEO4 e7 1 PEO2 e6 1 ITU4 e15 1 1 ITU5 e16 1 Sebelum melakukan pengujian hipotesis, langkah pertama adalah menilai kesesuaian goodness of fit. Hasil evaluasi nilai goodness of fit dari model penelitian Gambar IV.1 yang dilakukan dapat dilihat pada tabel IV.11 berikut ini: commit to user Tabel IV.11 Hasil Goodness of Fit Model Struktural Indeks Nilai kritis Hasil Keterangan X²-Chi Square Probability level RMSEA GFI AGFI CMINDF TLI CFI Diharapkan kecil ≥0.05 ≤0.08 ≥0.90 ≥0.90 £ 2.0 £ 3.0 ≥0.90 ≥0.90 176,727 0,000 0,059 0,914 0,880 1,822 0,949 0,959 …….. Buruk Moderat Baik Moderat Baik Baik Baik Pada tabel IV.11 dapat dilihat bahwa chi-square yang bernilai 176,727 dan probalitas sebesar 0,000 lebih kecil dari 0,05, hal ini merupakan indikasi yang buruk. Dengan demikian, terdapat perbedaan antara matrik kovarian sampel dengan matrik kovarian populasi yang diamati. Nilai GFI sebesar 0,914 merupakan indikasi yang baik. Sementara nilai AGFI sebesar 0,880 merupakan indikasi yang moderat. Nilai TLI sebesar 0,949 merupakan indikasi yang baik. Nilai CFI sebesar 0,959 merupakan indikasi yang baik. Nilai RMSEA sebesar 0,059 merupakan indikasi yang moderat. Sedangkan indeks parsimony fit measures didapat nilai CMINDF sebesar 1,822 merupakan indikasi yang baik karena mempunyai nilai yang kurang dari 2. commit to user Dari keseluruhan pengukuran goodness of fit tersebut di atas mengindikasikan bahwa model yang diajukan dalam penelitian ini belum dapat diterima. Karena model yang diajukan dalam penelitian ini belum dapat diterima, maka peneliti mempertimbangkan untuk melakukan modifikasi model untuk membentuk model alternatif yang mempunyai goodness of fit yang lebih baik.

3.5 Modifikasi Model

Salah satu tujuan modifikasi model adalah untuk mendapatkan kriteria goodness of fit dari model yang dapat diterima. Melalui nilai modification indices dapat diketahui ada tidaknya kemungkinan modifikasi terhadap model yang dapat diusulkan. Modification indices dapat diketahui dari output Amos 16 yang menunjukkan hubungan- hubungan yang perlu diestimasi yang sebelumnya tidak ada dalam model supaya terjadi penurunan pada nilai chi-square untuk mendapatkan model penelitian yang lebih baik. Untuk mendapatkan kriteria model yang dapat diterima, peneliti mengestimasi hubungan korelasi antar error term yang tidak memerlukan justifikasi teoritis dan yang memiliki nilai modification indices lebih besar atau sama dengan 4,0. Cara ini dilakukan untuk mendapatkan nilai goodness of fit yang memenuhi syarat. Tabel IV.12 merupakan hasil goodness of fit model yang telah dimodifikasi. commit to user Tabel IV.12 Hasil Goodness of Fit Model Struktural Setelah Modifikasi Dalam pengujian Chi-Square, nilai x 2 yang tinggi menunjukkan korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata sehingga menghasilkan probabilitas yang kecil. Sebaliknya, nilai chi- square yang rendah dan menghasilkan tingkat signifikansi lebih besar dari 0,05 akan mengindikasikan tidak ada perbedaan yang signifikan antara observasi dengan prediksi. Chi-Square sangat sensitif terhadap ukuran sampel. Nilai x 2 pada penelitian ini sebesar 96,891 dengan probabilitas 0,220 menunjukkan bahwa model penelitian yang diajukan dapat diterima. Normed Chi-Square CMINDF adalah nilai yang diperoleh dari pembagian nilai chi-square terhadap degree of freedom. Indeks ini mengukur hubungan goodness-of-fit model dengan jumlah koefisien- koefisien estimasi yang diharapkan untuk mencapai tingkat kesesuaian. Indeks Nilai kritis Hasil Keterangan X²-Chi Square Probability level RMSEA GFI AGFI CMINDF TLI CFI Diharapkan kecil ≥0.05 ≤0.08 ≥0.90 ≥0.90 ≤2.0 ≤3.0 ≥0.90 ≥0.90 96,891 0,220 0,022 0,953 0,927 1,114 0,993 0,995 …….. Baik Baik Baik Baik Baik Baik Baik commit to user Nilai CMINDF pada model ini adalah 1,114 menunjukkan bahwa model penelitian ini bagus. Goodness of Fit Index GFI mencerminkan tingkat kesesuaian model secara keseluruhan yang dihitung dari residual kuadrat dari model yang diprediksi dibandingkan data yang sebenarnya. Nilai GFI berkisar antara 0 – 1, dimana 0 menunjukkan poor fit dan 1 menunjukkan perfect fit. Dengan tingkat penerimaan yang direkomendasikan 0,9 dapat disimpulkan bahwa model penelitian ini memiliki tingkat kesesuaian yang baik dengan nilai GFI sebesar 0,953 Adjusted Goodness of Fit Index AGFI adalah pengembangan dari GFI yang disesuaikan dengan rasio degree of freedom dari model yang diusulkan dan degree of freedom dari null model. Nilai AGFI dalam model ini adalah 0,927 menunjukkan tingkat penerimaan baik. Tucker Lewis Index TLI adalah indeks kesesuaian incremental yang membandingkan model yang diuji dengan null model. Nilai yang direkomendasikan 0,9. Dapat disimpulkan bahwa model yang diajukan menunjukkan tingkat kesesuaian yang baik dengan nilai TLI sebesar 0,993. Comparative Fit Index CFI adalah indeks kesesuaian incremental yang membandingkan model yang diuji dengan null model. Besaran indeks ini dalam rentang 0 sampai 1 dan nilai yang mendekati 1 mengindikasikan model memiliki tingkat kesesuaian yang baik. Indeks ini sangat dianjurkan untuk dipakai karena indeks ini commit to user relatif tidak sensitif dengan besarnya sampel dan kurang dipengaruhi oleh kerumitan model. Dengan memperhatikan nilai yang direkomendasikan yaitu 0,9; maka nilai CFI sebesar 0,995 menunjukkan bahwa model ini memiliki kesesuaian yang baik. The Root Mean Square Error of Approximation RMSEA adalah ukuran yang digunakan untuk memperbaiki kecenderungan statistik chi-square yang sensitif terhadap jumlah sampel yang besar. Nilai penerimaan yang direkomendasikan 0,08; nilai RMSEA model sebesar 0,022 menunjukkan tingkat kesesuaian yang baik. Berdasarkan keseluruhan pengukuran goodness-of-fit model penelitian setelah proses modifikasi tersebut di atas, mengindikasikan bahwa model yang diajukan dalam penelitian ini dapat diterima.

3.6 Moderasi

Tujuan dari moderasi adalah untuk mengetahui apakah hubungan kausal di antara variabel bebas independent variable dan variabel terikat dependent variable dipengaruhi oleh variabel-variabel kondisional. Variabel dimaksud adalah variabel moderasi moderating variable, yakni variabel yang mempunyai pengaruh kontinjen contingent terhadap hubungan antara variabel bebas independent variable dan variabel terikat dependent variable. Dalam penelitian ini diwakili oleh empat variable yang bersifat kualitatif yaitu gender, usia, pendidikan, dan pengalaman. commit to user Setelah model penelitian dapat diterima, sub bahasan berikutnya akan menjelaskan analisis uji hipotesis dan pembahasan hasil penelitian.

d. Analisis Uji Hipotesis dan Hasil Penelitian

4.1 Uji Hipotesis

Setelah kriteria goodness of fit model struktural yang diestimasi dapat terpenuhi, maka tahap selanjutnya adalah analisis terhadap hubungan-hubungan struktural model pengujian hipotesis. Hubungan antar konstruk dalam hipotesis ditunjukkan oleh nilai regression weights. Tabel IV.13 menunjukkan nilai regression weights dari variabel variabel yang diuji hubungan kausalitasnya. commit to user Tabel IV.13 Regression Weights Estimate S.E. C.R. P Label PEO --- CSE .081 .185 .435 .664 par_9 PU --- CSE .593 .253 2.343 .019 par_3 PU --- PEO .386 .090 4.312 par_8 A --- PU .260 .058 4.528 par_4 A --- PEO .084 .058 1.445 .148 par_7 ITU --- A .152 .086 1.761 .078 par_5 ITU --- PU .197 .065 3.035 .002 par_6 CSE1 --- CSE 1.000 CSE2 --- CSE 2.460 .674 3.648 par_1 CSE3 --- CSE 2.141 .565 3.786 par_2 PU5 --- PU 1.000 PU6 --- PU .765 .098 7.812 par_10 A1 --- A 1.000 A2 --- A 1.116 .070 16.042 par_11 A3 --- A 1.086 .081 13.394 par_12 A4 --- A 1.082 .069 15.625 par_13 PEO7 --- PEO 1.000 PEO6 --- PEO 1.032 .074 13.929 par_14 PEO5 --- PEO .991 .071 13.939 par_15 PEO4 --- PEO 1.011 .077 13.117 par_16 PEO2 --- PEO .784 .071 11.115 par_17 ITU4 --- ITU 1.000 ITU5 --- ITU .956 .106 9.040 par_18 Sumber: Data hasil olahan Keterangan: signifikan pada level 1 Pengujian hipotesis dilakukan dengan menganalisis tingkat signifikansi hubungan kausalitas antar konstruk dalam model yang didasarkan pada nilai C.R z-hitung lebih besar dari atau sama dengan nilai z-tabel z-hitung ³ z-tabel. Pada jumlah responden lebih dari 120 maka nilai z tabel untuk masing-masing tingkat signifikansi adalah: 1 1= 2,56, 2 5= 1,96, 3 10= 1,645. commit to user i. Hubungan antara computer self efficacy dengan perceived usefulness H1 Pada pengujian yang dilakukan menunjukkan hasil yang me ndukung hipotesis β=0,593 dan CR=2,343 maka menunjukkan bahwa hipotesis H1 diterima pada level signifikan 5. Hal ini menjelaskan bahwa computer self efficacy berpengaruh terhadap perceived usefulness. ii. Hubungan antara computer self efficacy dengan perceived ease of use H2 Hasil analisis model struktural mengindikasi hasil yang tidak mendukung hipotesis β=0,081 dan CR=0,435, sehingga menunjukkan bahwa hipotesis H2 tidak diterima. Hasil ini menjelaskan bahwa computer self efficacy tidak berpengaruh pada perceived ease of use. iii. Hubungan antara perceived ease of use dengan perceived usefulness H3 Hasil pengujian menjelaskan hasil yang mendukung hipotesis β=0,386 dan CR=4,312, maka menunjukkan bahwa hipotesis H3 diterimapada level signifikan 1.. Dengan demikian, perceived ease of use berpengaruh positif pada perceived usefulness. commit to user iv. Hubungan antara perceived usefulness dengan attitude toward using H4 Hasil pengujian hubungan menunjukkan hasil yang mendukung hipotesis β=0,260 CR=4,528 maka menunjukkan bahwa hipotesis H4 diterima pada tingkat signifikan α = 0,01. Hal ini menjelaskan bahwa perceived usefulness berpengaruh positif terhadap attitude toward using. v. Hubungan antara perceived ease of use dengan attitude toward using H5 Hasil pengujian hubungan menjelaskan bahwa hasil yang tidak mendukung hipotesis β=0,084 dan CR= 1,445, maka menunjukkan bahwa hipotesis H5 tidak diterima. Maka dapat diketahui bahwa perceived ease of use tidak berpengaruh pada attitude toward using. vi. Hubungan antara perceived usefulness dengan intention to use H6 Hasil pengujian hubungan menunjukkan hasil yang mendukung hipotesis β=0,197 CR=3,035 maka menunjukkan bahwa hipotesis H6 diterima pada tingkat signifikan α = 0,1. Hal ini menjelaskan bahwa perceived usefulness berpengaruh positif terhadap attitude toward using. commit to user vii. Hubungan antara attitude toward using dengan intention to use H7 Pada pengujian yang dilakukan menunjukkan hasil yang mendukung hipotesis β=0,152 dan CR=1,761 maka menunjukkan bahwa hipotesis H7 diterima pada level signifikan 10. Hal ini menjelaskan bahwa attitude toward using berpengaruh terhadap intention to use. Moderasi Pengukuran variabel moderasi dalam penelitian ini menggunakan SEM dengan pendekatan analisis sub group. Variabel moderasi dipisah menjadi 2 grup berdasarkan nilai rata-rata tinggi dan rendah. Kemudian diestimasi dengan kondisi variabel moderasi tinggi dan rendah. Setelah itu dibandingkan hasil koefisien parameter kedua model untuk melihat seberapa besar pengaruh variabel tersebut dalam model. Variabel moderasi dalam penelitian ini ada 4 yaitu gender, usia, pendidikan dan pengalaman. Gender Gender yang menunjukan jenis kelamin responden terbagi menjadi 2 sub grup yaitu lali-laki L dan perempuan P. commit to user Tabel IV.14 Regression Weights Gender Regression Weights: Gender L Regression Weights: Gender P Estimate S.E. C.R. P Estimate S.E. C.R. P PEO --- CSE .088 .249 .354 .723 .058 .239 .244 .807 PU --- CSE .651 .342 1.903 .057 .514 .315 1.633 .103 PU --- PEO .216 .105 2.047 .041 .471 .134 3.501 A --- PU .318 .079 4.022 .260 .086 3.021 .003 A --- PEO .100 .070 1.435 .151 .036 .093 .392 .695 ITU --- A .138 .113 1.224 .221 .191 .124 1.548 .122 ITU --- PU .237 .089 2.677 .007 .143 .080 1.789 .074 CSE1 --- CSE 1.000 1.000 CSE2 --- CSE 3.043 1.093 2.783 .005 1.513 .612 2.474 .013 CSE3 --- CSE 2.333 .780 2.989 .003 1.573 .641 2.454 .014 PU5 --- PU 1.000 1.000 PU6 --- PU 1.001 .162 6.199 .581 .125 4.651 A1 --- A 1.000 1.000 A2 --- A 1.108 .088 12.625 1.102 .106 10.423 A3 --- A 1.130 .112 10.101 .953 .109 8.718 A4 --- A 1.081 .088 12.299 1.054 .104 10.118 PEO7 --- PEO 1.000 1.000 PEO6 --- PEO .963 .085 11.276 1.123 .132 8.490 PEO5 --- PEO .941 .081 11.591 1.051 .129 8.149 PEO4 --- PEO .930 .093 9.947 1.102 .130 8.455 PEO2 --- PEO .637 .084 7.565 .957 .127 7.550 ITU4 --- ITU 1.000 1.000 ITU5 --- ITU .990 .126 7.880 .873 .161 5.423 viii. Hubungan antara gender dengan computer self efficacy dan perceived ease of use H8a Setelah dilakukan pengujian hubungan moderasi gender antara computer self efficacy dan perceived ease of use dapat diketahui bahwa nilai β=0,088 dan CR=0,354 pada gender L. Sementara pada gender P nilai β=0,058 dan CR=0,244. Hal tersebut menunjukkan bahwa gender, baik L mupun P tidak commit to user mempengaruhi hubungan antara computer self efficacy dengan perceived ease of use. ix. Hubungan antara gender dengan computer self efficacy dan perceived usefulness H8b Lalu pengujian hubungan moderasi gender antara computer self efficacy dengan perceived usefulness diketahui bahwa nilai β=0,651 dan CR=1,903 pada gender L. Sementara pada gender P nilai β=0,514 dan CR=1,633. Hal tersebut menunjukkan bahwa gender L signifikan pada α=0,1. sehingga dapat ditarik kesimpulan bahwa gender L memberi mempengaruhi positif antara computer self efficacy dengan perceived usefulness. Sedangkan gender P tidak mempengaruhi hubungan antara computer self efficacy dengan perceived usefulness. Usia Usia dalam penelitian ini terbagi menjadi 2 sub grup dengan pembagian sebagai berikut; usia T 25 tahun dan usia R ≤ 25 tahun. commit to user Tabel IV.15 Regression Weights Usia Regression Weights: Usia T Regression Weights: Usia R Estimate S.E. C.R. P Estimate S.E. C.R. P PEO --- CSE .001 .002 .392 .695 .094 .179 .525 .599 PU --- CSE -.001 .002 -.397 .692 .432 .223 1.934 .053 PU --- PEO .398 .147 2.704 .007 .407 .116 3.509 A --- PU .176 .104 1.694 .090 .287 .071 4.072 A --- PEO .195 .097 2.001 .045 .042 .076 .556 .578 ITU --- A .148 .143 1.036 .300 .127 .107 1.182 .237 ITU --- PU .046 .098 .474 .636 .289 .086 3.354 CSE1 --- CSE 1.000 1.000 CSE2 --- CSE .002 .005 .403 .687 1.593 .431 3.697 CSE3 --- CSE .000 .001 -.149 .882 1.790 .500 3.582 PU5 --- PU 1.000 1.000 PU6 --- PU .667 .217 3.070 .002 .855 .119 7.163 A1 --- A 1.000 1.000 A2 --- A 1.038 .118 8.823 1.153 .086 13.333 A3 --- A .953 .138 6.917 1.130 .100 11.338 A4 --- A .981 .120 8.166 1.122 .084 13.317 PEO7 --- PEO 1.000 1.000 PEO6 --- PEO .908 .136 6.660 1.137 .083 13.660 PEO5 --- PEO .934 .140 6.683 1.036 .078 13.334 PEO4 --- PEO .852 .146 5.832 1.110 .084 13.151 PEO2 --- PEO .833 .133 6.286 .773 .086 9.037 ITU4 --- ITU 1.000 1.000 ITU5 --- ITU .968 .143 6.762 .952 .141 6.755 x. Hubungan antara usia dengan computer self efficacy dan perceived ease of use H8c Setelah dilakukan pengujian hubungan moderasi usia antara computer self efficacy dengan perceived ease of use dapat diketahui bahwa nilai β=0,001 dan CR=0,392 pada kelompok usia T. Sementara pada kelompok usia R nilai β=0,094 dan CR=0,525. Hal tersebut menunjukkan bahwa usia, baik kelompok usia T commit to user maupun kelompok usia R tidak mempengaruhi hubungan antara computer self efficacy dengan perceived ease of use. xi. Hubungan antara usia dengan computer self efficacy dan perceived usefulness H8d Lalu pengujian hubungan moderasi usia antara computer self efficacy dengan perceived usefulness diketahui bahwa nilai β=-0,001 dan CR=-0,397 pada kelompok usia T. Sementara pada kelompok usia R nilai β=0,432 dan CR=1,934. Hal tersebut menunjukkan bahwa kelompok usia T tidak memberi mempengaruh antara computer self efficacy dengan perceived usefulness. Sed angkan kelompok usia R signifikan pada α=0,1. Sehingga dapat ditarik kesimpulan bahwa kelompok usia R memberi mempengaruhi positif antara computer self efficacy dengan perceived usefulness. Pendidikan Pendidikan dalam penelitian ini terbagi menjadi 2 sub grup dengan pembagian sebagai berikut; pendidikan T SMA dan pendidikan R ≤ SMA. commit to user Tabel IV.16 Regression Weights Pendidikan Regression Weights: Pendidikan T Regression Weights: Pendidikan R Estimate S.E. C.R. P Estimate S.E. C.R. P PEO --- CSE -.060 .303 -.198 .843 .125 .264 .473 .637 PU --- CSE .761 .350 2.176 .030 .353 .405 .870 .384 PU --- PEO .496 .111 4.456 .187 .150 1.242 .214 A --- PU .349 .106 3.287 .001 .141 .053 2.652 .008 A --- PEO .107 .089 1.198 .231 .019 .077 .247 .805 ITU --- A .244 .100 2.442 .015 -.048 .125 -.387 .699 ITU --- PU .191 .097 1.962 .050 .142 .070 2.042 .041 CSE1 --- CSE 1.000 1.000 CSE2 --- CSE 2.183 .744 2.935 .003 3.279 1.605 2.043 .041 CSE3 --- CSE 2.347 .900 2.607 .009 2.208 .902 2.446 .014 PU5 --- PU 1.000 1.000 PU6 --- PU .838 .124 6.772 .554 .142 3.897 A1 --- A 1.000 1.000 A2 --- A .973 .071 13.783 1.435 .162 8.831 A3 --- A .965 .102 9.491 1.306 .155 8.447 A4 --- A .936 .076 12.388 1.352 .154 8.782 PEO7 --- PEO 1.000 1.000 PEO6 --- PEO .936 .087 10.720 1.183 .138 8.562 PEO5 --- PEO .904 .083 10.905 1.207 .137 8.832 PEO4 --- PEO .919 .099 9.328 1.184 .132 8.952 PEO2 --- PEO .880 .091 9.662 .625 .111 5.615 ITU4 --- ITU 1.000 1.000 ITU5 --- ITU .858 .105 8.173 1.432 .344 4.166 xii. Hubungan antara pendidikan dengan computer self efficacy dan perceived ease of use H8e Setelah dilakukan pengujian hubungan moderasi pendidikan antara computer self efficacy dengan perceived ease of use dapat diketahui bahwa nilai β=-0, 060 dan CR=-0,198 pada kelompok pendidikan T. Sementara pada kelompok pendidikan R nilai β=0,125 dan CR=0,473. Hal tersebut menunjukkan bahwa commit to user pendidikan, baik kelompok pendidikan T maupun kelompok pendidikan R tidak mempengaruhi hubungan antara computer self efficacy dengan perceived ease of use. xiii. Hubungan antara pendidikan dengan computer self efficacy dan perceived usefulness H8f Lalu pengujian hubungan moderasi pendidikan antara computer self efficacy dengan perceived usefulness diketahui bahwa nilai β=0,761 dan CR=2,176 pada kelompok pendidikan T. Sementara pada kelompok pendidikan R nilai β=0,353 dan CR=0,870. Hal tersebut menunjukkan bahwa kelompok pendidikan T signifikan pada level 5. Sehingga dapat disimpulkan kelompok pendidikan T memberi mempengaruh positif antara computer self efficacy dengan perceived usefulness. Sedangkan kelompok pendidikan R tidak memberi mempengaruh antara computer self efficacy dengan perceived usefulness. commit to user Pengalaman Pengalaman dalam penelitian ini terbagi menjadi 2 sub grup dengan pembagian sebagai berikut; pengalaman T 2 tahun dan pengalaman R ≤ 2 tahun. Tabel IV.17 Regression Weights Pengalaman Regression Weights: Pengalaman T Regression Weights: Pengalaman R Estimate S.E. C.R. P Estimate S.E. C.R. P PEO --- CSE .253 .240 1.055 .291 .137 .241 .569 .570 PU --- CSE .328 .247 1.327 .185 .837 .382 2.187 .029 PU --- PEO .538 .144 3.722 .258 .118 2.193 .028 A --- PU .385 .122 3.162 .002 .206 .065 3.175 .001 A --- PEO .062 .107 .579 .562 .076 .075 1.014 .310 ITU --- A -.109 .148 -.734 .463 .222 .099 2.236 .025 ITU --- PU .441 .135 3.263 .001 .157 .066 2.381 .017 CSE1 --- CSE 1.000 1.000 CSE2 --- CSE 2.996 1.287 2.328 .020 2.005 .687 2.918 .004 CSE3 --- CSE 1.636 .573 2.858 .004 2.520 .913 2.758 .006 PU5 --- PU 1.000 1.000 PU6 --- PU 1.035 .160 6.487 .647 .116 5.598 A1 --- A 1.000 1.000 A2 --- A 1.163 .141 8.270 1.082 .074 14.675 A3 --- A 1.204 .182 6.611 .990 .078 12.680 A4 --- A 1.055 .136 7.746 1.081 .074 14.628 PEO7 --- PEO 1.000 1.000 PEO6 --- PEO 1.241 .157 7.882 .932 .086 10.883 PEO5 --- PEO 1.159 .146 7.933 .919 .085 10.830 PEO4 --- PEO 1.125 .151 7.452 .965 .095 10.163 PEO2 --- PEO .714 .135 5.299 .851 .086 9.917 ITU4 --- ITU 1.000 1.000 ITU5 --- ITU .924 .135 6.855 1.018 .150 6.793 commit to user xiv. Hubungan antara pengalaman dengan computer self efficacy dan perceived ease of use H8g Setelah dilakukan pengujian hubungan moderasi pengalaman antara computer self efficacy dengan perceived ease of use dapat diketahui bahwa nilai β=0,253 dan CR=1,055 pada kelompok pengalaman T. Sementara pada kelompok pengalaman R nilai β=0,137 dan CR=0,569. Hal tersebut menunjukkan bahwa pengalaman, baik kelompok pengalaman T maupun kelompok pengalaman R tidak mempengaruhi hubungan antara computer self efficacy dengan perceived ease of use. xv. Hubungan antara pengalaman dengan computer self efficacy dan perceived usefulness H8h Lalu pengujian hubungan moderasi pengalaman antara computer self efficacy dengan perceived usefulness diketahui bahwa nilai β=0,328 dan CR=1,327 pada kelompok pengalaman T. Sementara pada kelompok pengalaman R nilai β=0,837 dan CR=2,187. Hal tersebut menunjukkan bahwa kelompok pengalaman T tidak memberi mempengaruh antara computer self efficacy dengan perceived usefulness. Sedangkan kelompok pengalaman R signifikan pada α=0,05. Sehingga dapat ditarik kesimpulan bahwa kelompok pengalaman R memberi mempengaruhi positif antara computer self efficacy dengan perceived usefulness. commit to user

4.2 Pembahasan

Hasil dari penelitian mengenai hubungan antara computer self efficacy dengan adopsi teknologi dalam penelitian ini membuktikan bahwa secara umum computer self efficacy berpengaruh positif tehadap adopsi teknologi internet yang diwakili oleh variabel intention to use. Hal tersebut dapat terjadi karena responden menganggap bahwa kemampuan responden dalam mengaplikasikan komputer memberi pengaruh positif terhadap niat mereka untuk menggunakan internet sebagai sarana pemasaran dalam usaha yang mereka kelola. Kemampuan pengaplikasian komputer tersebut dianggap bermanfaat usefullness walaupun kemudahan penggunaanya ease of use tidak dianggap mempengaruhi. Hubungan antara computer self efficacy dengan perceived usefulness mengindikasikan hubungan yang positif. Artinya responden menganggap bahwa semakin tinggi kemampuan mereka dalam mengaplikasikan komputer maka anggapan mengenai kemanfaatan usefullness akan teknologi tersebut juga semakin tinggi. Hal tersebut medukung penelitian sebelumnya Wang, 2003 dan postulasi oleh Bandura 1986, Igbaria dan Iivari 1995. Aplikasi komputer merupakan dasar bagi aplikasi internet, sehingga ketika kemampuan aplikasi komputer responden tinggi maka hal itu akan semakin mendukung anggapan responden bahwa internet memberi manfaat bagi commit to user usaha mereka dan pada akhirnya berniat untuk menggunakan teknologi internet untuk mendukung usaha mereka. Hubungan antara computer self efficacy dengan perceived ease of use tidak terbukti ada hubungan. Berarti responden menganggap bahwa kemampuan mereka dalam mengoperasikan komputer tidak berpengaruh pada kemudahan ease of use akan teknologi internet tersebut. Hal ini tidak sejalan dengan penelitian sebelumya; yaitu Igbaria Iivari 1995, Wang, 2003 dan Compeau and Higgins, 2006. Walaupun aplikasi komputer merupakan dasar dari aplikasi internet, pada kenyataanya responden tidak menganggap bahwa kemampuan mereka dalam pengoperasian komputer mempengaruhi kemudahan mereka dalam mengaplikasikan teknologi internet. Teknologi internet dewasa ini menjadi bagian terdekat kehidupan manusia, sehingga manusia modern cenderung mempelajarinya secara alami dan kemudian menggapnya sebagai bagian penting dalam hidup. Aplikasi internet kemudian menjadi teknologi mandiri dan dewasa ini bahkan bisa memakai media lain selain komputer untuk mengaksesnya. Maka responden menganggap bahwa kemampuan mereka dalam mengoperasikan komputer tidak berpengaruh pada anggapan akan mudahnya penggunaan teknologi internet. Hubungan antara perceived ease of use dengan perceived usefulness mengindikasikan hubungan yang positif. Artinya responden menganggap bahwa semakin tinggi kemudahan mereka dalam commit to user mengaplikasikan teknologi internet maka anggapan mengenai kemanfaatan usefullness akan teknologi tersebut juga semakin tinggi. Hasil ini mendukung penelitian sebelumya; yaitu Wang, 2003, e.g. Venkatesh and Davis, 1996. Hal ini terjadi karena ketika teknologi internet mudah digunakan maka akan memotivasi responden untuk menggunakan teknologi internet tersebut dan menganggapnya memberi manfaat pada peningkatan kinerja pada usaha mereka. Hubungan antara perceived usefulness dengan attitude toward using menunjukan terdapat hubungan positif di antara keduanya. Artinya persepsi responden terhadap kemanfaatan penggunaan teknologi internet berbanding lurus dengan sikap positif responden terhadap penggunaan teknologi tersebut. Dengan demikian responden menganggap bahwa penggunaan teknologi internet bermanfaat sehingga memunculkan sikap positif terhadap penggunaan teknologi internet. Hal itu didukung oleh penelitian Cui, Bao, dan Chan 2009. Hubungan antara perceived ease of use dengan attitude toward using menunjukan bahwa perceived ease of use tidak berpengaruh pada attitude toward using. Artinya responden tidak mengaggap kemudahan penggunaan internet mempengaruhi sikap mereka dalam menilai positif atau tidaknya teknologi penggunaan internet. Hal tersebut dikarenakan responden tidak menganggap bahwa internet adalah suatu teknologi baru yang memerlukan pembelajaran rumit untuk menguasainya. Bagaimanapun internet telah menjadi bagian commit to user dalam kehidupan manusia dewasa ini. Maka kemudahan dalam menggunakan internet dianggap responden tidak mempengaruhi sikap positif mereka dalam menilai internet. Hubungan antara perceived usefulness dengan intention to use mengindikasikan hubungan yang positif. Berarti responden menganggap kemanfaatan penggunaan teknologi internet mempengaruhi keputusan responden dalam menggunakan teknologi internet untuk mendukung bisnis mereka. Semakin tinggi anggapan responden bahwa teknologi internet bermanfaat bagi usaha mereka, maka akan semakin tinggi pula niat responden untuk menggunakan teknologi internet. Suatu hal yang dianggap bermanfaat kemungkinan besar akan mendapat apresiasi positif. Hubungan antara attitude toward using dengan intention to use menunjukan hubungan yang positif. Berarti responden menganggap bahwa sikap mereka dalam menilai penggunaan teknologi internet berbanding lurus dengan keputusan dalam menggunakan teknologi internet untuk mendukung bisnis mereka. Jadi semakin positif sikap responden terhadap penggunaan teknologi internet maka semakn tinggi pula niat responden dalam menggunakan teknologi internet untuk menunjang bisnis mereka. Hal ini terjadi karena responden menunjukan sikap positif pada teknologi internet sehingga mereka cenderung menindaklanjutinya dengan niat untuk menggunakan teknologi internet tersebut sebagai penunjang bisnis mereka. Secara commit to user teoritis, hasil ini mendukung penelitian terdahulu yang dilakukan oleh Cui, Bao, dan Chan 2009. Hubungan moderasi gender antara computer self efficacy dan perceived usefullness menunjukan bahwa gender pria L berpengaruh positif pada hubungan antara computer self efficacy dan perceived usefulness, sedangkan kategori wanita P tidak berpengaruh pada hubungan computer self efficacy dan perceived usefullness. Artinya responden dengan gender pria L memperkuat hubungan antara computer self efficacy dan perceived usefulness sedangkan gender wanita P tidak menganggap bahwa kemampuan penggunaan internet mempengaruhi anggapan mereka mengenai kemanfaatan penggunaan teknologi internet. Mengingat bahwa persentase kategori gender pria L mendominasi sebanyak 59,6 maka dapat disimpulkan bahwa gender memperkuat hubungan antara computer self efficacy dan perceived usefulness. Hubungan moderasi usia antara computer self efficacy dan perceived usefullness menunjukan bahwa kategori usia di bawah atau sama dengan 25 tahun usia R berpengaruh positif pada hubungan antara computer self efficacy dan perceived usefulness, sedangkan kategori usia di atas 25 tahun usia T tidak berpengaruh pada hubungan computer self efficacy dan perceived usefullness. Artinya responden dengan kategori usia R memperkuat hubungan antara computer self efficacy dan perceived usefulness sedangkan kategori commit to user usia T tidak menganggap bahwa kemampuan penggunaan internet mempengaruhi anggapan mereka mengenai kemanfaatan penggunaan teknologi internet. Mengingat bahwa persentase kategori usia R mendominasi sebanyak 62,5 maka dapat disimpulkan bahwa usia memperkuat hubungan antara computer self efficacy dan perceived usefulness. Hubungan moderasi pendidikan antara computer self efficacy dan perceived usefullness menunjukan bahwa kategori pendidikan di bawah atau sama dengan SMA pendidikan R tidak berpengaruh pada hubungan computer self efficacy dan perceived usefullness. Sedangkan kategori pendidikan di atas SMA pendidikan T berpengaruh positif pada hubungan antara computer self efficacy dan perceived usefulness. Artinya responden dengan kategori pendidikan R tidak menganggap bahwa kemampuan penggunaan internet mempengaruhi anggapan mereka mengenai kemanfaatan penggunaan teknologi internet. Sedangkan kategori pendidikan T memperkuat hubungan antara computer self efficacy dan perceived usefulness. Mengingat bahwa persentase kategori pendidikan T mendominasi sebanyak 54,6 maka dapat disimpulkan bahwa pendidikan memperkuat hubungan antara computer self efficacy dan perceived usefulness. Hubungan moderasi pengalaman antara computer self efficacy dan perceived usefullness menunjukan bahwa kategori pengalaman di bawah atau sama dengan 2 tahun pengalaman R berpengaruh positif commit to user pada hubungan antara computer self efficacy dan perceived usefulness, sedangkan kategori pengalaman di atas 2 tahun pengalaman T tidak berpengaruh pada hubungan computer self efficacy dan perceived usefullness. Artinya responden dengan kategori pengalaman R memperkuat hubungan antara computer self efficacy dan perceived usefulness sedangkan kategori pengalaman T tidak menganggap bahwa kemampuan penggunaan internet mempengaruhi anggapan mereka mengenai kemanfaatan penggunaan teknologi internet. Mengingat bahwa persentase kategori pengalaman R mendominasi sebanyak 62,5 maka dapat disimpulkan bahwa pengalaman memperkuat hubungan antara computer self efficacy dan perceived usefullness. Hubungan moderasi gender, usia, pendidikan, dan pengalaman antara computer self efficacy dan perceived ease of use menunjukan bahwa gender, baik kategori pria L maupun wanita P; usia, baik kategori usia di bawah atau sama dengan 25 tahun usia R maupun kategori usia di atas 25 tahun usia T; pendidikan, baik kategori pendidikan di bawah atau sama dengan SMA pendidikan R maupun kategori pendidikan di atas SMA pendidikan T; pengalaman, baik kategori pengalaman di bawah atau sama dengan 2 tahun pengalaman R maupun kategori pengalaman di atas 2 tahun pengalaman T, tidak berpengaruh pada hubungan computer self efficacy dan perceived ease of use. Artinya responden dengan gender, usia, pendidikan, dan pengalaman apapun tidak menganggap bahwa kemampuan commit to user penggunaan internet mempengaruhi anggapan mereka mengenai kemudahan penggunaan teknologi internet. Sebagaimana telah dikemukakan di atas, teknologi telah menjadi bagian penting yang dekat dalam kehidupan manusia dewasa ini, baik itu teknologi komputer maupun teknologi internet. Sehingga mereka nyaris dituntut untuk menguasainya atau malah mempelajarinya secara alami sebagai tuntutan kehidupan dewasa ini. Sehingga bisa dipahami bahwa semua orang dalam hal ini responden tidak berpikir bahwa kemampuan mereka dalam mengoperasikan komputer ada hubunganya dengan mudah atau tidaknya mereka mengaplikasikan internet. Karena masing-masing telah mereka pelajari secara alami sebagai tuntutan kehidupan modern. commit to user 86

BAB V KESIMPULAN DAN SARAN

Bab ini bertujuan untuk menjelaskan kesimpulan dari penelitian serta keterbatasan dan implikasinya. Berikut adalah penjelasannya.

A. Kesimpulan

Hasil pengujian menunjukkan bahwa terdapat beberapa variabel yang memberi pengaruh signifikan maupun yang tidak memberi pengaruh pada variabel dependennya. Hubungan antar variabel tersebut adalah sebagai berikut: 1. Hubungan positif dan signifikan computer self efficacy dengan perceived usefulness. Menunjukkan bahwa semakin tinggi kemampuan seseorang dalam menggunakan komputer maka semakin tinggi pula anggapan mengenai kemanfaatan usefullness akan teknologi internet. Sedangkan hubungan antara computer self efficacy menunjukkan bahwa tidak ada pengaruh pada perceived ease of use. Hal ini berarti bahwa responden tidak mengaggap bahwa kemampuan dalam mengoperasikan komputer memberi pengaruh pada anggapan mereka akan kemudahan teknologi internet untuk aplikasi bisnis. 2. Selanjutnya, perceived ease of use ditengarai memberi pengaruh positif pada perceived usefulness. Hal tersebut mengindikasikan bahwa semakin tinggi kemudahan dalam mengaplikasikan komputer dan teknologi internet