28 Y9
68.9091 177.471
.633
.638 .904
Y10 69.3636
175.540
.620
.582 .904
Y11 69.1414
173.204
.657
.681 .903
Y12 69.4343
183.330
.424
.494 .908
Y13 69.2323
187.609
.393
.437 .914
Y14 68.5859
178.204
.602
.679 .905
Y15 69.3838
174.157
.690
.577 .903
Y16 68.6364
184.479
.331
.414 .910
Hasil penelitian menunjukkan bahwa dari pengujian validitas seluruh item yang mempunyai nilai r hitung lebih besar dari 0,3. Sehingga item kuesioner
dinyatakan valid atau dengan kata lain semua pertanyaan pada kuisioner telah dimengerti dengan baik oleh responden dan penyebaran kuisioner dapat dilanjutkan
untuk responden lainnya.
B. Reliabilitas
Uji reliabilitas dari masing-masing faktor dengan menggunakan Uji Alpha- Cronbach
. Kuesioner dinyatakan reliabel jika mempunyai nilai koefisien alpha yang lebih besar dari 0,6 yaitu sebesar 0.910. Hasil penelitian selengkapnya dapat dilihat
pada Tabel 6.2. berikut :
Tabel 6.2 Perhitungan Reliabilitas Pengukuran Kuisioner
Cronbachs Alpha Cronbachs Alpha Based on
Standardized Items N of Items
.910 .910
22 Hasil penelitian menunjukkan bahwa kuesioner penelitian untuk masing -
masing indikator reliabel, artinya bahan instrumen penelitian berupa kuisioner yang digunakan sudah reliabel untuk digunakan.
6.2.2 Analisis Faktor
Pada penelitian ini ingin dilihat dan dianalisis variabel-variabel yang terdapat pada penggunaan elektronik banking dengan analisis faktor, akan didapatkan berapa
jumlah faktor yang terbentuk dan pengelompokan variabel-variabel pada faktor yang
Universitas Sumatera Utara
29 tepat. Pengelompokan pada faktor yang tepat akan mempermudah analisis selanjutnya
yaitu pemetaan faktor yang mewakil faktor-faktor secara keseluruhan berdasarkan faktor skor dan perbandingan rata-rata karakteristik dari teknologi baru. Proses untuk
analisis faktor ini digunakan bantuan software SPSS versi 15.
A. Identifikasi Kecukupan Data
Kecukupan data atau sampel dapat diidentifikasi melalui nilai Measure of Sampling Adequacy
MSA dan Kaiser-Meyer-Olkin KMO. Nilai kedua ukuran tersebut bisa didapatkan dengan bantuan software SPSS. Mengacu pada landasan teori
bahwa sekelompok data dikatakan memenuhi asumsi kecukupan data adalah jika nilai MSA dan KMO lebih besar daripada 0.5 J.F.Hair,2006. Sedangkan menurut
Wibisono 2003 kriteria kesesuaian dalam pemakaian analisis faktor adalah: 1.
Jika harga KMO sebesar 0,9 berarti sangat memuaskan, 2.
Jika harga KMO sebesar 0,8 berarti memuaskan, 3.
Jika harga KMO sebesar 0,7 berarti harga menengah, 4.
Jika harga KMO sebesar 0,6 berarti cukup, 5.
Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan 6.
Jika harga KMO kurang dari 0,5 tidak dapat diterima. Berikut ini adalah output nilai MSA dan KMO dari SPSS.
Tabel 6.3 Output MSA dan KMO
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .835
Bartletts Test of Sphericity Approx. Chi-Square
1263.761 Df
231 Sig.
.000
Berdasarkan tabel 6.3. di atas dapat diketahui bahwa asumsi kecukupan data telah terpenuhi yaitu dengan melihat nilai MSA dan KMO sebesar 0.835 dengan
Universitas Sumatera Utara
30 kriteria memuaskan, besaran nilai Barlett Test of Sphericity adalah 1263,761 pada
signifikan 0,000 yang berarti pada penelitian ini ada korelasi yang sangat signifikan antar variabel. Uji kecukupan data atau sampel telah terpenuhi, berarti salah satu
asumsi untuk melanjutkan ke analisis faktor telah terpenuhi.
B. Identifikasi Korelasi Antar Variabel
Antar variabel harus memenuhi asumsi berkorelasi sehingga dapat dijadikan variabel-variabel dalam analisis faktor. Berdasarkan perhitungan menggunakan SPSS
15, didapat korelasi antar variabel seperti pada Lampiran 1, dan disingkat seperti pada Tabel 6.4.
Tabel 6.4 Measure of Sampling Adequacy MSA Masing-Masing Variabel No Simbol
Pernyataan MSA
1 Y1
Peningkatan dalam kekuatan berbelanja 0,734
2 Y2
Tidak perlu membawa dan menghitung uang 0.891
3 Y3
Pembayaran mudah dan aman 0,881
4 Y4
Aman dari perampokan 0,843
5 Y5
Dapat membayar utang dengan cicilan 0,859
6 Y6
Dapat keuntungan dengan program-program e-banking 0,858
1 X1a
Saya tertarik mendengar perkembangan teknologi 0,842
2 X1b
Saya sering di tanya mengenai teknologi baru 0,867
3 X1c
Saya sering menganggap diri saya sebagai risk taker daripada membuat keputusan yang konservatif
0,656 4
X1d Saya akan menggunakan electronic banking hanya jika ada
yang mendorongkan saya menggunakannya 0,550
5 X1e
Ada resiko lebih besar membayar pakai electronic banking daripada tunai
0,563 6
X1f Saya merasa sangat mudah menggunakan electronic
banking 0,861
7 X1g
Saat menggunakan electronic banking , saya merasa aman seperti menggunakan uang tunai
0,920 8
X2a Saat menggunakan teknologi baru, saat mempercayai naluri
saya daripada pendapat orang lain 0,777
9 X2b
Saya akan mudah mengingat password electronic banking saya
0,849 10
X2c Saya lebih aman dan nyaman membayar dengan electrinic
banking dengan bunganya daripada membayar dengan tunai 0,866
11 X2d
Menggunakan electronic banking bagi saya sama dengan membayar dengan tunai
0,882 12
X2e Saya sering di tanya saran mengenai hal finansial
0,689 13
X2f Saya tidak akan menggunakan teknologi baru sebelum ada
0,557
Universitas Sumatera Utara
31 orang yang mencobanya terlebih dahulu
14 X2g
Perkembangan teknologi meningkatkan kehidupan kita 0,856
15 X2h
Lebih mudah mencoba menggunakan electronic banking sebelum mendapatkannya
0,925 16
X2b Saya sudah pernah melihat orang lain menggunakan
electronic banking 0,711
Jika MSA lebih besar dari 0,5 maka variabel tersebut masih dapat diprediksi dan bisa dianalisis lebih lanjut. Jika MSA lebih kecil dari 0,5 dan atau mendekati nol
0, maka variabel tersebut tidak dapat di analisis lebih lanjut, atau dikeluarkan dari variabel lainnya. Dari Tabel diatas, diperlihatkan bahwa nilai MSA masing masing
variabel Dengan demikian veriabel dalam penelitian ini dapat dianalisis lebih lanjut.
C. Communalities
Communalities menunjukkan sumbangan efektif tiap item terhadap faktor
yang terbentuk. Misalnya Memudahkan dalam berbelanja mempunyai nilai komunaliti sebesar 0,650. hal ini menunjukan bahwa 65,0 variansi dari variabel
Peningkatan dalam kekuatan berbelanja dapat dijelaskan oleh faktor yang terbentuk. Variabel Tidak perlu membawa dan menghitung uang mempunyai nilai komunaliti
sebesar 0,710, hal ini menunjukkan bahwa 71 variansi dari variabel Tidak perlu membawa dan menghitung uang dapat dijelaskan oleh faktor yang terbentuk, dan
seterusnya. Adapun hasil perhitungan nilai komunaliti pada penelitian ini dapat dilihat pada Tabel 6.5. dibawah ini.
Universitas Sumatera Utara
32
Tabel 6.5 Communalities Penelitian
Initial Extraction
Y1 1.000
.650 Y2
1.000 .710
Y3 1.000
.716 Y4
1.000 .768
Y5 1.000
.589 Y6
1.000 .753
X1a 1.000
.776 X1b
1.000 .610
X1c 1.000
.556 X1d
1.000 .737
X1e 1.000
.629 X1f
1.000 .675
X1g 1.000
.777 X2a
1.000 .694
X2b 1.000
.538 X2c
1.000 .519
X2d 1.000
.689 X2e
1.000 .704
X2f 1.000
.724 X2g
1.000 .721
X2h 1.000
.614 X2b
1.000 .547
Extraction Method: Principal Component Analysis.
D. Penentuan Banyak Faktor dan Pengelompokan Variabel Berdasarkan Loading Faktor
Dengan menggunakan empat macam software statistika yaitu SPSS akan diperoleh komponen jumlah faktor. Keputusan pengambilan jumlah faktor sebanyak
didasarkan pada nilai eigenvalue dari matriks korelasi antar variabel dan pengelompokan variabel dilakukan dengan membandingkan nilai loading factor
secara mutlak diantara faktor-faktor yang terbentuk.
Universitas Sumatera Utara
33
E. Penentuan Banyak Faktor Dengan Eigenvalue
Seperti yang dijelaskan di atas penentuan banyak faktor di dasarkan pada nilai eigenvalue dari matriks korelasi antar variabel. Berdasarkan hasil perhitungan
diperoleh output nilai eigenvalue seperti yang ditampilkan pada tabel 6.6. berikut.
Tabel 6.6 Nilai Eigenvalue Matriks Korelasi
Extraction Method: Principal Component Analysis.
Nilai eigenvalue yang diambil untuk menentukan berapa banyaknya faktor yang terbentuk adalah nilai eigenvalue yang lebih besar dari satu Subhash Sharma,
1996. Jika mengacu pada tabel 6.6 maka jumlah faktor yang terbentuk sebanyak 5 lima faktor. Dengan demikian, dari variabel-variabel yang telah dijadikan untuk
analisis dalam penelitian ini, dapat dikelompokkan menjadi 5 faktor saja yang dapat mewakili keseluruhan variabel dalam menentukan faktor-faktor apa saja yang
mempengaruhi penggunaan elektronik banking.
Universitas Sumatera Utara
34
F. Penentuan Banyak Faktor Dengan Scree Plot
Scree plot adalah grafik yang menggambarkan plot nilai eigenvalue dari masing-masing variabel. Berdasarkan hasil perhitungan dapat dilihat dibawah ini
gambar output scree plot.
Gambar. 6.6 Grafik Scree Plot
Seperti pada pembahasan sebelumnya, untuk menentukan banyak faktor yang terbentuk dapat dilihat pada nilai eigenvalue yang lebih dari satu. Pada Gambar 6.6,
dapat dilihat bahwa ada 5 lima variabel yang mempunyai nilai eigenvalue lebih besar dari satu, jadi ada 5 lima faktor yang terbentuk.
G. Pengelompokan Variabel
Pada software SPSS metode ekstraksi yang digunakan untuk pembagian variabel adalah principal componen factoring analysis. Pembagian variabel-variabel
ke dalam kelompok faktor tertentu didasarkan pada perbandingan nilai loading faktor secara mutlak mana yang lebih besar antar loading faktor dari faktor 1 sampai faktor
5. Pada tabel 6.7. di bawah ini merupakan output SPSS yang telah melalui proses rotasi dengan metode varimax dan nilai loading faktor yang dibawah atau sama
Universitas Sumatera Utara
35 dengan 0.33 tidak ditampilkan. Apabila belum melalui proses rotasi varimax terdapat
nilai loading faktor variabel yang terletak pada faktor 1, faktor 2, faktor 3, faktor 4 dan faktor 5.
Tabel 6.7 Nilai Loading Faktor
Component 1
2 3
4 5
Y4 .860
X1g .854
Y3 .820
Y2 .812
X1f .773
Y6 .715
.368 X2d
.714 .339
Y5 .694
X2c .577
.408 X2h
.572 .367
.342 X2b
.523 .465
X2g .455
.712 X2a
.701 X1a
.513 .693
X2i .674
Y1 .471
.369 -.470
X2e .715
X1c .672
X1b .332
.617 X1d
.846 X1e
.769 X2f
.501 .654
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 7 iterations.
Hasil pada tabel diatas adalah hasil pengelompokan variabel-variabel ke dalam masing-masing faktor setelah dirotasi varimax, sehingga dengan jelas dapat diketahui
anggota variabel-variabel pada faktor 1 sampai dengan faktor 5. Nilai loading faktor pada masing-masing faktor yang dibawah 0.5 dihapuskan.
Seperti yang dapat dilihat pada tabel diatas dapat disimpulkan bahwa pada faktor 1 sampai dengan faktor 5 telah mempunyai anggota variabelnya masing-
Universitas Sumatera Utara
36 masing. Pada faktor 1 variabel-variabel yang ada adalah Aman dari perampok, Saat
menggunakan electronic banking , saya merasa aman seperti menggunakan uang tunai, Pembayaran mudah dan aman, Tidak perlu membawa dan menghitung uang,
Saya merasa sangat mudah menggunakan electronic banking, Dapat keuntungan dengan program-program kartu kredit, Menggunakan electronic banking bagi saya
sama dengan membayar dengan tunai, Dapat membayar utang dengan cicilan, Saya lebih aman dan nyaman membayar dengan electronic banking dengan bunganya
daripada membayar dengan tunai, Lebih mudah mencoba menggunakan e-banking sebelum mendapatkannya dan Saya akan mudah mengingat password e-banking saya.
Variabel-variabel terebut berhubungan dengan keamanan, kenyamanan dan kemudahan menggunakan elektronik banking, maka faktor 1 dapat diberi nama
tingkat kemanan dan kenyamanan. Faktor 2 mempunyai anggota variabel Perkembangan teknologi meningkatkan kehidupan kita, Saat menggunakan teknologi
baru, saat mempercayai naluri saya daripada pendapat orang lain, Saya tertarik mendengar perkembangan teknologi dan Saya sudah pernah melihat orang lain
menggunakan e-banking, semua variabel ini berkaitan dengan perkembangan teknologi e-banking. Faktor 2 dapat diberi nama perkembangan teknologi. Faktor 3
mempunyai anggota variabel Saya sering di tanya saran mengenai hal finansial, Saya sering menganggap diri saya sebagai risk taker daripada membuat keputusan yang
konservatif dan Saya sering di tanya mengenai teknologi baru, semua ini berkaitan dengan pengetahuan tentang penggunaan electronic banking. Faktor 3 ini dapat diberi
nama Pengetahuan tentang electronic banking. Faktor 4 mempunyai anggota variabel Saya akan menggunakan electronic banking hanya jika ada yang mendorongkan saya
menggunakannya, Ada resiko lebih besar membayar pakai electronic banking daripada tunai dan Saya sudah pernah melihat orang lain menggunakan electronic
Universitas Sumatera Utara
37 banking
, semua variabel ini berkaitan dengan resiko menggunakan electronic banking
, Faktor 4 dapat diberi nama Resiko elektronik banking. Faktor 5 mempunyai anggota variabel Saya sudah pernah melihat orang lain menggunakan electronic
banking sehingga faktor 5 dapat diberi nama “pengaruh pihak lain” untuk
menggunakan electronic banking. Pemberian nama faktor merupakan ketentuan dari peneliti, pemeberian nama tersebut berdasarkan variabel yang dapat diukur langsung
untuk menggambarkan faktor yang merupakan variabel yang tidak dapt diukur secara langsung.
Mereduksi 22 dua puluh dua variabel ke dalam 5 lima faktor tentu akan mengurangi informasi dari variabel-variabel utama, namun dengan terbentuknya 5
lima faktor tersebut memudahkan peneliti untuk mengklasifikasikan variabel dan dapat mengukur variabel yang tidak dapat diukur secara langsung berdasarkan dua
faktor tersebut
Tabel 6.8 Persentase Total Varians yang Dijelaskan Faktor 1 – Faktor 5
Rotation Sums of Squared Loadings Total
of Variance Cumulative
6.559 29.814
29.814 2.807
12.758 42.572
2.315 10.525
53.097 1.915
8.705 61.802
1.100 4.998
66.800
Pada tabel 6.8. diatas dapat dilihat pada prosentase kumulatif sebesar 66,80. Nilai ini menunjukkan bahwa total varians atau informasi yang dapat digali dari lima
faktor yang terbentuk tersebut adalah sebesar 66,80 . Dengan demikian dari keseluruhan variabel-variabel dalam peneltian ini hanya
5 lima faktor saja yang dapat digunakan untuk menentukan faktor-faktor yang mempengaruhi penggunaan elektronik banking. Lima faktor tersebut juga dibentuk
Universitas Sumatera Utara
38 oleh sekelompok variabel yang telah diekstrak dengan melihat loading faktor yang
lebih besar dari 0,50. Adapun kelima faktor tersebut adalah; 1 faktor tingkat kemanan dan kenyamanan, 2 faktor perkembangan teknologi, 3 faktor
pengetahuan tentang e-banking, 4 faktor resiko e-banking dan 5 faktor pengaruh pihak lain.
6.2.3 Analisis Regresi Linier Berganda
