Menghitung pengukuran outer model

Berdasarkan tabel 4 diatas, tidak ada indikator dari konstruk yang memiliki loading factor dibawah 0,50. Maka dapat disimpulkan bahwa indikator sikap terhadap penggunaan e-filing attitude towards using e-filing yang disimbolkan dengan ATU1, ATU2, ATU3, ATU4, penggunaan e-filing sesungguhnya actual e- filing use yang disimbolkan dengan AU1, AU2, AU3, minat perilaku menggunakan e-filing behavioral intention to use e-filing yang disimbolkan dengan BI1, BI2, BI3, BI4, BI5, kerumitan complexity yang disimbolkan dengan Comp1, Comp2, Comp3, persepsi kemudahan penggunaan perceived ease of use yang disimbolkan dengan PEOU3, PEOU4, PEOU5, PEOU6, dan persepsi kegunaan perceived usefulness yang disimbolkan dengan PU1, PU2, dan PU3 merupakan indikator yang mampu menjelaskan dan mendefinisikan konstruk penggunaan e-filing sesungguhnya Actual e-filing use, sikap peradap penggunaan e-filing Attitude Toward using , minat perilaku menggunakan e-filing Behavioral Intention to use e-filing , kerumitan Complexity, persepsi kemudahan penggunaan Perceived Ease of Use dan persepsi kegunaan Perceived Usefulness serta masing-masing indikator tersebut memenuhi convergent validity. Hasil model struktural yang diteliti menunjukkan hubungan antara indikator dengan masing-masing variabel yang ditunjukkan dengan besarnya nilai bobot faktor. Variabel AU Actual Use di ukur dari tiga item indikator yakni selalu mencoba menggunakan AU1 dengan bobot faktor 0,9545; melanjutkan menggunakan AU2 dengan bobot 0,9243; selalu menggunakan AU3 dengan bobot 0,8802. Variabel ATU Attitude toward using diukur dari empat indikator yaitu kenyamanan berinteraksi ATU1 dengan bobot faktor 0,9270; senang menggunakan ATU2 dengan bobot faktor 0,8543; menikmati penggunaan ATU3 dengan bobot faktor 0,6597; tidak membosankan ATU4 dengan bobot faktor 0,6719. Variabel Behavioral Intention BI diukur dari lima indikator yaitu mempunyai fitur yang bagus BI1 dengan bobot faktor 0,8615; selalu mencoba menggunakan BI2 dengan bobot faktor 0,7414; merencanakan menggunakan dimasa depan BI3 dengan bobot faktor 0,8411; berlanjut dimasa datang BI4 dengan bobot faktor 0,6830 dan mengharapkan penggunaan terus berlanjut BI4 dengan bobot faktor 0,6124. Variabel Complexity Comp diukur dari tiga indikator yaitu banyak menyita waktu Comp1 dengan bobot faktor 0,9861; sulit dipadukan Comp2 dengan bobot faktor 0,7858; berbahaya bagi computer dan data Comp3 dengan bobot faktor 0,9861. Variabel Perceived ease of use PEOU diukur dengan empat indikator yaitu mudah dipelajari PEOU3 dengan bobot indikator 0,7586; interaksi dengan e-filing jelas dan terpahami PEOU4 dengan bobot indikator 0,9179; mudah beradaptasi PEOU5 dengan bobot indikator 0,9125; keseluruhan mudah digunakan PEOU6 dengan bobot indikator 0,9787. Variabel Perceived usefulness PU diukur dengan tiga indikator yaitu peningkatan performa kinerja PU1 dengan bobot indikator 0,9636; peningkatan efektivitas kinerja PU2 dengan bobot indikator 0,9162; menyerdehanakan proses kinerja PU3 dengan bobot indikator 0, 8800. Melihat hasil indikator dengan variabelnya telah memenuhi Convergent validity karena semua loading factor berada diatas 0,5. Loading factor merupakan korelasi antara indikator tersebut dengan variabelnya konstruknya semakin tinggi korelasinya, menunjukkan tingkat validitas yang lebih baik Sofyan, 2011;174. 2 Dicriminant validity Discrimant validity merupakan pengukuran indicator dengan indikator itu sendiri. Pengukuran discriminant validity dilakukan dengan cara membandingkan nilai square root of average variance extracted Akar AVE setiap konstruk dengan korelasi dengan korelasi antara konstruk tersebut terhadap konstruk lainnya dalam model. Jika nilai akar AVE suatu konstruk lebih besar dibandingkan dengan nilai korelasi konstruk terhadap konstruk lainnya dalam model maka dapat di simpulkan kosntruk tersebut memiliki nilai discriminant validity yang baik dan sebaliknya.Direkomendasikan nilai pengukuran AVE harus lebih besar dari 0.5. Tabel 5. Latent Variable Correlation ATU AU BI COMP PEOU PU ATU 1 AU 0.8543 1 BI 0.2627 0.2685 1 COMP -0.2012 -0.3056 -0.1452 1 PEOU -0.491 -0.3564 -0.0708 0.1138 1 PU 0.7586 0.8944 0.2667 -0.2957 -0.3683 1 Sumber: Output SmartPLS 2.0 M3 Tabel 6. AVE dan akar AVE AVE Akar AVE ATU 0,6189 0,7867 AU 0,8468 0,9202 BI 0,5682 0,7538 Comp 0,8542 0,9242 PEOU 0,8021 0,8956 PU 0,8475 0,9206 Sumber: Output SmartPLS 2.0 M3 Dari tabel 5 dan 6 diatas, disimpulkan bahwa akar AVE konstruk Actual Use AU sebesar 0,9202 lebih tinggi dari nilai korelasi antara konstruk AU dengan konstruk lainnya yaitu AU dengan ATU sebesar 0,8543. Akar AVE konstruk Attitude Toward Using ATU sebesar sebesar 0,7867 lebih tinggi dari nilai korelasi antara konstruk ATU dengan konstruk lainnya. Akar AVE konstruk Complexityi Comp sebesar 0,9242 lebih tinggi dari nilai korelasi antara konstruk Comp dengan konstruk lainnya. Akar AVE konstruk Perceived Usefulness PU sebesar 0,9206 lebih besar dari nilai korelasi antara konstruk PU dengan konstruk lainnya. Discrimant validity indicator reflektif dapat dilihat pada cross loading antara indicator dengan konstruknya: Tabel 7. Cross Loadings ATU AU BI COMP PEOU PU ATU1 0.9270 0.9116 0.2357 -0.1109 -0.4193 0.9197 ATU2 0.8543 0.8586 0.2621 -0.2154 -0.2419 0.8491 ATU3 0.6597 0.3064 0.1508 -0.1515 -0.5194 0.3173 ATU4 0.6719 0.3228 0.1432 -0.1938 -0.5562 0.3341 AU1 0.8629 0.9545 0.2470 -0.2103 -0.4400 0.9636 AU2 0.7868 0.9243 0.2706 -0.3312 -0.2661 0.9162 AU3 0.7130 0.8802 0.2179 -0.2835 -0.3002 0.8800 BI1 0.3096 0.2785 0.8615 -0.0329 -0.1316 0.2748 BI2 0.1006 0.1083 0.7414 -0.2656 0.0972 0.1028 BI3 0.2446 0.2576 0.8411 -0.1134 -0.0416 0.2585 BI4 0.0605 0.1169 0.6830 -0.1791 0.0364 0.1188 BI5 0.0965 0.1207 0.6124 -0.1198 -0.1222 0.1201 COMP1 -0.2157 -0.3196 -0.1669 0.9861 0.1026 -0.3093 COMP2 -0.0936 -0.1720 -0.0260 0.7858 0.1252 -0.1662 COMP3 -0.2157 -0.3196 -0.1669 0.9861 0.1026 -0.3093 PEOU3 -0.3221 -0.2632 -0.1204 0.1438 0.7586 -0.2705 PEOU4 -0.4015 -0.2953 -0.0337 0.0877 0.9179 -0.3131 PEOU5 -0.4173 -0.2424 -0.0347 0.0378 0.9125 -0.2494 PEOU6 -0.5656 -0.4314 -0.0727 0.1340 0.9787 -0.4416 PU1 0.8629 0.9545 0.2470 -0.2103 -0.4400 0.9636 PU2 0.7868 0.9243 0.2706 -0.3312 -0.2661 0.9162 PU3 0.7130 0.8800 0.2179 -0.2835 -0.3002 0.8802 Sumber: Output SmartPLS 2.0 M3 Dari tabel 7 diatas, terlihat bahwa korelasi konstruk AU dengan indikator-indikatornya AU1, AU2 dan AU3 lebih besar dibandingkan korelasi indikator AU AU1, AU2 dengan konstruk- konstruk lainnya ATU, BI, Comp, PEOU, PU demikina juga korelasi konstruk ATU dengan indikator-indikatornya ATU1, ATU2, ATU3, ATU4 lebih besar dibandingkan korelasi indikator- indikator ATU ATU1, ATU2, ATU3, ATU4 dengan konstruk lainnya AU, BI, Comp, PEOU, PU. Begitu juga korelasi konstruk BI, Comp, PEOU dan PU dengan indikatornya masing-masing lebih besar dibandingkan korelasi indikatornya dengan konstruk- konstruk lainnya. Hal ini menunjukkan bahwa konstruk laten memprediksi indicator pada blok mereka lebih baik baik dibandingkan dengan indicator di blok lainnya. 3 Uji reliabilitas Uji reliabilitas dapat dilihat dari nilai cronbach’s alpha dan nilai composite reliability. Untuk dapat dikatakan suatu konstruk reliable, maka nilai cronbach’s alpha harus 0,6 dan composite reliability harus 0,7. Tabel 8. Composite reliability Composite Reliability ATU 0,8641 AU 0,9430 BI 0,8662 Comp 0,9456 PEOU 0,9415 PU 0,9433 Sumber: Output SmartPLS 2.0 M3 Hasil output composite reliability pada tebel 8 diatas, untuk konstruk AU Actual Use adalah sebesar 0,9430; konstruk ATU Attitude Toward Using sebesar 0,8641; konstruk BI Behavioral Intention sebesar 0,8662; konstruk Complexity sebesar 0,9454; konstruk PEOU Perceived Ease Of Use sebesar 0,9415; dan konstruk PU Perceived Usefulness sebesar 0,9433. Semua nilai composite reliability tersebut berada diatas 0,70. Jadi dapat disimpulkan bahwa konstruk AU, ATU, Comp, dan PU memiliki reliabilitas yang baik. b. Outer model dengan indikator formatif Outer model dengan indikator formatif dievaluasi berdasarkan pada substantive content-nya yaitu dengan membandingkan besarnya relative weigh t dan melihat signifikansi dari ukuran weight tersebut Solimun, 2007. Menurut Jogiyanto 2009 konstruk dengan indicator formatif tidak dapat dianalisis dengan melihat convergent validity dan composite reliability . Oleh karena konstruk formatif pada dasarnya merupakan hubungan regresi dari indicator ke konstruk maka cara menilainya adalah dengan melihat nilai koefisien regresi dan signifikansi dari koefisien regresi tersebut. Selanjutnya Imam ghozali 2011 juga menyatakan bahwa indikator formatif tidak ada uji reliabilitas dan uji validitasnya, tapi dapat dilakukan dengan melihat nilai t statistik apakah signifikan atau tidak dengan perhitungan bootsraping. Chin 1998 menyarankan menggunakn weight setiap indicator sebagai kriteria menilai seberapa besar kontribusi indicator tersebut terhadap konstruk. Nilai weight untuk semua indicator formatif adalah semua signifikan yang mengindikasikan bahwa indicator memberikan kontribusi dalam pembentukan konstruk. Tabel 9. Outer Weights Mean, STDEV, T-Values Original Sample O Sample Mean M Standard Deviation STDEV T Statistics |OSTERR| ATU1ATU 0.4303 0.4317 0.0407 10.5666 ATU2 - ATU 0.3854 0.3915 0.0389 9.9206 ATU3 - ATU 0.1978 0.1911 0.0373 5.2973 ATU4 - ATU 0.2103 0.2029 0.0346 6.0705 AU1 - AU 0.3152 0.3186 0.0249 12.6505 AU2 - AU 0.4213 0.4174 0.0461 9.1396 AU3 - AU 0.3518 0.3525 0.0437 8.0489 BI1 - BI 0.4190 0.4350 0.1417 2.9571 BI2 - BI 0.1547 0.1277 0.1558 0.9933 BI3 - BI 0.3755 0.3676 0.1075 3.4928 BI4 - BI 0.1537 0.1338 0.1653 0.9297 BI5 - BI 0.1691 0.1327 0.1811 0.9337 COMP1 - COMP 0.4177 0.4248 0.0416 10.0344 COMP2 - COMP 0.2243 0.2003 0.1228 1.8259 COMP3 - COMP 0.4177 0.4248 0.0416 10.0344 PEOU1 - PEOU -0.4112 -0.2355 0.3405 1.2076 PEOU2 - PEOU -0.2452 -0.1146 0.2246 1.0919 PEOU3 - PEOU 0.1359 0.0776 0.1096 1.2392 PEOU4 - PEOU 0.1643 0.1118 0.1168 1.4062 PEOU5 - PEOU 0.1532 0.1038 0.1133 1.3525 PEOU6 - PEOU 0.2308 0.1474 0.1743 1.3235 PU1 - PU 0.4024 0.4015 0.0179 22.5319 PU2 - PU 0.3581 0.3608 0.0165 21.7153 PU3 - PU 0.3228 0.3209 0.0166 19.4365 Sumber: Output SmartPLS 2.0 M3 Tabel outer weight diatas menunjukkan hasil regresi masing- masing indikator terhadap variabel latennya. Suatu konstruk formatif dinyatakan lulus uji validitas konstruk ketika semua indikatornya memiliki nilai T-statistik lebih besar dari 1,96 tingkat signifikan 5. Dari tebel diatas terlihat ada konstruk formatif yang tidak memenuhi nilai T-statistik diatas 1,96. Ada kemungkinan indicator diatas signifikan pada α 10 atau 20.

4. Pengujian model structural inner model

Model structural atau inner model dievaluasi dengan melihat persentasi variance yang dijelaskan yaitu dengan melihat nilai R2 untuk konstruk laten dependen. Untuk menguji hipotesis dalam penelitian ini dilakukan dengan melihat besarnya koefisien jalur strukturalnya dan stabilitas dari estimasi di evaluasi dengan menggunakan uji t –statistic yang didapat lewat prosedur bootstrapping. Berikut hasil perhitungan R Square : Tabel 10. R Square R Square ATU 0,7725 AU 0,1447 BI 0,0755 Comp PEOU PU 0,2008 Sumber: Output SmartPLS 2.0 M3 Berdasarkan tabel 10 diatas nilai R² konstruk sikap terhadap menggunakan e-filing Attitude Toward Using-ATU adalah 0,7725. Artinya, konstruk persepsi kegunaan Perceived Usefulness dan persepsi kemudahan Perceived Ease Of Use secara simultan mampu menjelaskan variability konstruk sikap terhadap menggunakan e-filing Attitude Toward Using -ATU sebesar 77,25 sisanya sebesar 22,75 dipengaruhi faktor lain yang tidak terdapat dalam model. Nilai R² konstruk penggunaan e-filing sesungguhnya Actual e-filing Use -AU adalah 0,1447. Menunjukkan bahwa penggunaan e-filing sesungguhnya Actual e-filing Use dipengaruhi oleh minat menggunakan e-filing Behavioral Intention to use e-filing dan kerumitan complexity secara simultan mampu menjelaskan variability konstruk penggunaan sesungguhnya actual use sebesar 14,47 sisanya sebesar 85,53 dipengaruhi faktor lain yang tidak terdapat dalam model. Nilai R² konstruk minat menggunakan e-filing Behavioral Intention to use e-filing sebesar 0,0755. Artinya, konstruk persepsi kegunaan Perceived Usefulness dan sikap terhadap penggunaan Attitude toward using mampu menjelaskan konstruk minat perilaku menggunakan Behavioral Intention sebesar 7,55 sisanya 92,45 dipengaruhi faktor lain yang tidak terdapat dalam model. Nilai R² persepsi kegunaan Perceived Usefulness sebesar 0,2008. Menunjukkan bahwa persepsi kegunaan Perceived Usefulness dipengaruhi oleh kerumitan Complexity dan persepsi kemudahan Perceived ease of using secara simultan mampu menjelaskan variability konstruk persepsi kegunaan Perceived Usefulness sebesar 20,08 sisanya sebesar 79,92 dipengaruhi faktor lain yang tidak terdapat dalam model. Tabel 11. Path Coefficients Mean, STDEV, T-Values Original Sample O Sample Mean M Standard Deviation STDEV Standard Error STERR T Statistics |OSTER R| ATU - BI 0.1285 0.1386 0.1406 0.1406 0.9140 BI - AU 0.2290 0.2611 0.0872 0.0872 2.6272 COMP - AU -0.2723 -0.2706 0.0827 0.0827 3.2934 COMP - PU -0.2571 -0.2546 0.0863 0.0863 2.9797 PEOU -ATU -0.2022 -0.1936 0.0411 0.0411 4.9170 PEOU - PU -0.3390 -0.3465 0.0756 0.0756 4.4827 PU - ATU 0.7841 0.7867 0.0495 0.0495 15.8269 PU - BI 0.1564 0.1769 0.1266 0.1266 1.2353 Sumber: Output SmartPLS 2.0 M3 Berdasarkan nilai Koefisien parameter original sample dan nilai T- statistic diatas, maka hasil uji untuk masing-masing hipotesis adalah sebagai berikut ini. Hipotesis 1a yang menyatakan kerumitan complexity menggunakan e- filing berpengaruh negatif terhadap penggunaan sesungguhnya actual use dalam penggunaan e-filing. Hasil perhitungan software Smart PLS 2.0 M3 menunjukkan bahwa kerumitan complexity berpengaruh negatif signifikan terhadap penggunaan sesungguhnya actual use dengan nilai koefisien parameter -0,2723 dan t-value 3,2934 1,96. Artinya, hipotesis pertama terdukung. Hipotesis 1b menyatakan bahwa Kerumitan complexity menggunakan e-filing berpengaruh negatif terhadap persepsi kegunaan perceived usefulness dalam penggunaan e-filing. Hasil uji hipotesis menunjukkan path antara kerumitan complexity dengan persepsi kegunaan perceived usefulness memiliki nilai koefisien parameter -0,2571 dan t-value 2,9797 1,96. Artinya, hipotesis 1b terdukung. Hipotesis 2a yang menyatakan bahwa Persepsi kegunaan e-filing perceived usefulness e-filing berpengaruh positif terhadap sikap menggunakan e-filing attitude toward using e-filing. Hasil pengujian hipotesis menunjukkan persepsi kegunaan perceived usefulness perpengaruh positif signifikan terhadap sikap menggunakan attitude toward using dengan nilai koefisien parameter 0,7841 dan t-value 15,8269 1,96. Artinya hipotesis 2a terdukung. Hipotesis 2b yang menyatakan bahwa Persepsi kegunaan e-filing perceived usefulness e-filing berpengaruh positif terhadap minat perilaku menggunakan e-filing behavioral intention to use e-filing. Hasil pengujian hipotesis menunjukkan bahwa konstruk persepsi kegunaan perceived usefulness tidak berpengaruh positif terhadap minat penggunaan e-filing behavioral intention to use e-filing . Hal ini ditunjukkan oleh nilai koefisien parameter 0,1564 dan nilai t-value 1,2353 1,96. Artinya hipotesis 2a tidak terdukung. Hipotesis 3a menyatakan bahwa Persepsi kemudahan penggunaan perceived ease of use berpengaruh positif terhadap persepsi kegunaan perceived usefulness. Hasil uji hipotesis menunjukkan persepsi kemudahan penggunaan perceived ease of use berpengaruh negatif terhadap persepsi kegunaan e-filing perceived usefulness e-filing. Hal ini ditunjukkan oleh nilai koefisien parameter yang negatif -0,3390 dan nila t- value 4,4827 1,96. Artinya, hipotesis 3a ditolak. Hipotesis 3b menyatakan bahwa Persepsi kemudahan penggunaan perceived ease of use berpengaruh positif terhadap sikap menggunakan attitude toward using dalam penggunaan e-filing. Hasil uji hipotesis menunjukkan bahwa ternyata persepsi kemudahan penggunaan berpengaruh negative terhadap sikap menggunakan e-filing. Hai ini ditunjukkan oleh nilai koefisien parameter yang negatif -0,2022 dan nilai t-value 4.9170 1,96. artinya, hipotesis 3b ditolak. Hipotesis 4 menyatakan Sikap menggunakan e-filing attitude towards using e-filing berpengaruh positif terhadap minat perilaku menggunakan e- filing behavioral intention to use e-filing. Hasil pengujian hipotesis menunjukkan bahwa sikap menggunakan e-filing tidak berpengaruh positif terhadap minat perilaku menggunakan e-filing. Hal ini ditunjukkan oleh keofisien parameter 0,1285 dan nilai t-value 0,9140 1,96. Artinya, hipotesis tidak terdukung. Hipotesis 5 menyatakan bahwa minat perilaku penggunaan e-filing behavioral intention to use e-filing berpengaru9ih positif terhadap penggunaan e-filing sesungguhnya actual e-filing use. Hasil pengujian hipotesis menunjukkan minat menggunakan berpengaruh signifikan terhadap penggunaan e-filing sesungguhnya. Hal ini ditunjukkan oleh koefisien parameter 0,2290 dan nilai t-value 2,6272 1,96.