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