Teknik Analisis Data Pengujian Hipotesis

Peneliti mempunyai beberapa langkah untuk meningkatkan respond rate tingkat pengembalian kuesioner terkait dengan penyebaran melalui perantara, yakni: 1. Untuk penyebaran melalui perantara, peneliti menghubungi kembali orang yang menjadi perantara untuk dimintai konfirmasi lebih lanjut terkait dengan kuesioner yang dititipkan satu minggu setelah kuesioner diberikan. 2. Jika setelah satu minggu peneliti belum memperoleh kepastian terhadap jumlah kuesioner yang terisi, maka peneliti memberikan batas waktu satu minggu lagi dan melakukan konfirmasi kembali kepada pihak Bank. 3. Jika peneliti belum memperoleh kepastian, maka peneliti akan memberikan waktu satu minggu lagi dan melakukan konfirmasi terakhir sekaligus mengambil kuesioner yang dititipkan. Setelah tiga minggu penyebaran peneliti mengumpulkan semua data dan melakukan rekapitulasi awal terhadap hasil kuesioner yang terisi. Apabila data yang diperoleh telah mencapai batas minimal target yang diharapkan dan dirasa cukup untuk mewakili data penelitian maka peneliti berlanjut untuk melakukan pengolahan data. Namun, apabila jumlah data yang masuk dirasa kurang atau belum mencukupi untuk dilakukan pengolahan maka peneliti melakukan penyebaran ulang selama satu sampai dua minggu kedepan.

3.9 Teknik Analisis Data

Pengujian hipotesis yang dirumuskan dalam penelitian ini menggunakan bantuan Partial Least Squares PLS yang merupakan statistika multivariate Universitas Sumatera Utara yang melakukan pembandingan antara konstruk dependen berganda dan konstruk independen berganda Hartono dan Abdillah, 2009:21. Partial Least Squares PLS merupakan salah satu metode statistika SEM Structural Equation Modeling berbasis varian yang didesain untuk menyelesaikan regresi berganda ketika terjadi permasalahan spesifik pada data, seperti ukuran sampel penelitian kecil, adanya data yang hilang, dan multikolinearitas. Analisis terhadap evaluasi model pada penelitian ini menggunakan program Partial Least Squares PLS. Evaluasi model dilakukan dengan tiga tahapan, yaitu pengujian terhadap validitas konvergen, pengujian terhadap validitas diskriminan, serta pengujian terhadap reabilitas. Kode Indikator untuk setiap pertanyaan pada setiap konstruk adalah sebagai berikut: Si1, Si2, Si3, Si4, dan Si5 untuk indikator Sikap Ns1, Ns2, Ns3, Ns4, Ns5, Ns6, Ns7, Ns8, Ns9, Ns10, Ns11, Ns12 dan Ns13 untuk indikator Norma Subjektif Mi1, Mi2, Mi3, Mi4, Mi5, Mi6, Mi7, dan Mi8 untuk indikator Minat Pa1, dan Pa2 untuk indikator Perilaku Aktual Universitas Sumatera Utara BAB IV HASIL DAN PEMBAHASAN 4.1 Data Penelitian 4.1.1 Responden Responden yang digunakan dalam penelitian ini adalah Banking Staff Bank Muamalat di Kota Medan yang menggunakan teknologi informasi dalam melaksanakan tugas. Seperti yang telah dijelaskandalam bab sebelumnya, peneliti menggunakan metode survei yaitu dengan melakukan penyebaran kuesioner. Adapun waktu pengumpulan data dilakukan selama 1 minggu, dimulai pada penyebaran kuesioner tanggal 26 Januari 2016 hingga pengumpulan kuesioner tanggal 02 Februari 2016. Jumlah kuesioner yang disebarkan sebanyak 74 kuesioner. Adapun jumlah kuesioner yang kembali sebanyak 74 kuesioner. Setelah diperiksa terdapat 2 kuesioner yang tidak dapat digunakan karena terdapat data yang tidak diisi lengkap dan terdapat bias. Dengan demikian tingkat pengembalian kuesioner responden rate dalam penelitian ini adalah 100 dan kuesioner yang dapat diolah adalah sebanyak 72 kuesioner sebagai sampel dalam penelitian ini. jumlah sampel dan tingkat pengembalian kuesioner dapat dilihat pada Tabel 4.1. Tabel 4.1 Sampel dan Tingkat Pengembalian Jumlah kuesioner yang disebar Jumlah kuesioner yang tidak kembali Jumlah kuesioner yang digugurkan Jumlah kuesioner yang digunakan 74 2 72 Tingkat pengembalian respond rate Tingkat pengembalian yang digunakan usable respond rate 100 97,3 Sumber : Data Primer diolah Universitas Sumatera Utara Dalam penelitian ini, penyebaran kuesioner dilakukan di semua Bank Muamalat yang ada di Kota Medan. Adapun jumlah sampel dan tingkat pengembalian kuesioner secara lebih terperinci dari setiap Bank dapat dilihat pada Tabel 4.2. Tabel 4.2 Sampel dan Tingkat Pengembalian disetiap Bank No. Nama Bank Jumlah kuesioner yang disebar Jumlah kuesioner yang kembali 1. Bank Muamalat Medan Balaikota 25 25 2. Bank Muamalat Medan Gajah Mada 8 8 3. Bank Muamalat Medan Sisingamangaraja 8 8 4. Bank Muamalat Medan Serdang 8 8 5. Bank Muamalat Medan Marelan 5 5 6. Bank Muamalat Medan Brigjend Katamso 5 5 7. Bank Muamalat Medan Krakatau 3 3 8. Bank Muamalat Medan Setia Budi 3 3 9. Bank Muamalat MedanAsrama Haji 3 3 10. Bank Muamalat Medan Belawan 6 6 Total 74 74 Sumber : Data Primer diolah

4.1.2 Karakteristik Demografi

Gambaran umum mengenai responden yang menjadi data dalam penelitian ini selanjutnya dijelaskan dalam bentuk tabel dan gambar. Tabel dan gambar tersebut akan memberikan penjelasan secara menyeluruh berdasarkan beberapa komposisi tertentu dalam penelitian ini. Adapun komposisi responden pada penelitian ini terdiri dari komposisi berdasarkan jenis kelamin, umur, pendidikan terakhir, jabatan, masa jabatan, dan lama penggunaan sistem informasi berbasis teknologi berupa komputer. Tabel 4.3 berikut ini menunjukkan komposisi responden berdasarkan jenis kelamin. Universitas Sumatera Utara Tabel 4.3 Komposisi Responden Berdasarkan Jenis Kelamin No. Jenis Kelamin Jumlah Persentase 1. Laki-Laki 33 45,83 2. Perempuan 39 54,17 Jumlah 72 100 Sumber : Data Primer diolah Berdasarkan tabel diatas, responden berdasarkan jenis kelamin berjumlah 72 orang. Komposisi dari 72 orang responden tersebut adalah jenis kelamin laki-laki berjumlah 33 orang dengan persentase 45,83, sedangkan jenis kelamin perempuan berjumlah 39 orang dengan persentase 54,17. Berdasarkan komposisi terbagi dua tersebut yang merupakan komposisi tertinggi adalah jenis kelamin perempuan. Komposisi responden yang menjadi objek penelitian berdasarkan umur dapat dilihat pada Tabel 4.4 berikut. Tabel 4.4 Komposisi Responden Berdasarkan Umur No. Umur Jumlah Persentase 1. 20 tahun 0,00 2. 20 – 30 tahun 42 58,33 3. 31 – 40 tahun 30 41,67 4. 41 – 50 tahun 0,00 5. 50 tahun 0,00 Jumlah 72 100 Sumber : Data Primer diolah Dari Tabel 4.4 di atas dapat diketahui bahwa semua responden berumur kurang dari 20 tahun, 20-30 tahun, 31-40 tahun, 41-50 tahun, serta lebih dari 50 tahun yang berjumlah 72 responden. Tidak terdapat responden yang berumur kurang dari 20 tahun sehingga persentase untuk responden yang berumur kurang dari 20 tahun adalah 0. Responden berumur 20-30 tahun berjumlah 42 orang dengan persentase 58,33, 31-40 tahun berjumlah 30 orang dengan persentase Universitas Sumatera Utara 41,67, serta tidak ada responden yang berumur 41-50 tahun dan tidak ada responden yang berumur lebih dari 50 tahun. Jadi, dapat disimpulkan bahwa responden terbanyak adalah berumur 20-30 tahun. Komposisi responden yang menjadi objek penelitian berdasarkan pendidikan terakhir responden ditunjukkan dalam Tabel 4.5 berikut. Tabel 4.5 Komposisi Responden Berdasarkan Pendidikan Terakhir No. Pendidikan Terakhir Jumlah Persentase 1. SMA 0,00 2. Diploma 0,00 3. Strata – 1 S1 70 97,2 4. Strata – 2 S2 2 2,80 Jumlah 72 100 Sumber : Data Primer diolah Berdasarkan Tabel 4.5 tersebut dapat diketahui bahwa tidak ada responden dengan pendidikan terakhir SMA dan Diploma. Responden dengan pendidikan terakhir Strata-1 S1 berjumlah 70 orang dengan persentase 97,2 dan responden dengan pendidikan terakhir Strata-2 S2 sebanyak 2 orang dengan persentase 2,80. Dengan demikian, dapat disimpulkan bahwa responden berpendidikan terakhir pada tingkat Strata-1 S1 memiliki jumlah terbanyak atau persentase tertinggi. Komposisi responden yang menjadi objek penelitian berdasarkan posisi atau jabatan responden ditunjukkan dalam tabel berikut. Tabel 4.6 Komposisi Responden Berdasarkan Jabatan No. Jabatan Jumlah Persentase 1. Teller 15 20,83 2. Customer Services 14 19,45 3. Back Office 16 22,22 4. Account Manager 9 12,50 Universitas Sumatera Utara 5. Relationship Manager 18 25,00 Jumlah 72 100 Sumber : Data Primer diolah Tabel di atas menunjukkan bahwa responden yang memiliki jabatan sebagai Teller berjumlah 15 orang dengan persentase sebesar 20,83. Responden dengan jabatan sebagai Customer Service sebanyak 14 orang dengan persentase 19,45, back office sebanyak 16 orang dengan prosentae 22,22, Account Manager sebanyak 9 orang dengan persentase 12,50, serta Relationship Manager sebanyak 18 orang dengan persentase 25 persen merupakan responden dengan posisi atau jabatan lainnya. Dengan demikian dapat disimpulkan bahwa responden dengan posisi atau jabatan dibagian Relationship Manager memiliki jumlah yang paling banyak atau persentase tertinggi. Komposisi responden yang menjadi objek penelitian berdasarkan masa kerja responden ditunjukkan dalam tabel berikut. Tabel 4.7 Komposisi Responden Berdasarkan Masa Kerja No. Umur Jumlah Persentase 1. 1 tahun 0,00 2. 1 – 3 tahun 19 26,39 3. 3 tahun 53 73,61 Jumlah 72 100 Sumber : Data Primer diolah Tabel 4.7 tersebut menunjukkan bahwa tidak ada responden yang memiliki masa kerja selama kurang dari 1 tahun, sedangkan responden yang memiliki masa kerja selama 1-3 tahun berjumlah 19 orang dengan persentase sebesar 26,39 serta responden dengan masa kerja lebih dari 3 tahun berjumlah 53 orang dengan Universitas Sumatera Utara persentase sebesar 73,61. Jadi dapat disimpulkan bahwa responden paling banyak memiliki masa kerja selama 3 tahun. Komposisi responden yang menjadi objek penelitian berdasarkan lama penggunaan sistem informasi berbasis teknologi berupa komputer ditunjukkan dalam tabel berikut. Tabel 4.8 Komposisi Responden Berdasarkan Lama Penggunaan Komputer No. Umur Jumlah Persentase 1. 1 tahun 0,00 2. 1 – 3 tahun 0,00 3. 3 tahun 72 100 Jumlah 72 100 Sumber : Data Primer diolah Dari Tabel di atas dapat diketahui bahwa responden yang menggunakan sistem informasi berbasis teknologi dalam hal ini komputer berjumlah 72 orang. Dari jumlah tersebut tidak ada responden yang menggunakan komputer selama kurang dari 1 tahun sehingga persentasenya adalah 0, dan tidak ditemukan responden yang menggunakan komputer selama 1-3 tahun. Responden yang menggunakan selama lebih dari 3 tahun berjumlah 72 orang dengan persentase sebesar 100. Dengan demikian, dapat disimpulkan bahwa responden paling banyak menggunakan komputer selama lebih dari 3 tahun.

4.1.3 Statistik Deskriptif

Analisis terhadap statistik deskriptif dilakukan terhadap 72 responden untuk diolah lebih lanjut. Pengukuran statistik sampel tersebut berguna untuk tujuan penarikan simpulan. Pada dasarnya pengukuran ini dibutuhkan karena mampu menggambarkan pemusatan nilai-nilai observasi sampel sehingga Universitas Sumatera Utara mempermudah pengamatan. Melalui perhitungan ini akan dapat diperoleh gambaran mengenai sampel secara garis besar sehingga dapat mendekati kebenaran populasi. Pengukuran statistik sampel pada penelitian ini menggunakan program Partial Least Squares PLS dengan software SmartPLS3. Analisis statistik deskriptif digunakan untuk mengetahui deskripsi suatu data yang dilihat maksimum, minimum, rata-rata, dan standar deviasi. Berdasarkan Tabel 4.9, jumlah indikator dari variabel sikap sebanyak 5, yakni si1, si2, si3, si4, dan si5. Diketahui mayoritas responden, menjawab pada tingkatan ke-6 dan ke-7. Hal ini terlihat dari jawaban secara rata-rata Mean yang mendekati tujuh. Tingkatan dimulai dari 1 sampai 7. Nilai 1 menyatakan sangat tidak setuju, sampai dengan nilai 7 yang menyatakan sangat setuju. Tabel 4.9 Statistik Deskriptif Variabel sikap Descriptive Statistics N Minimum Maximum Mean Std. Deviation si1 72 6.00 7.00 6.9722 .16549 si2 72 3.00 7.00 6.9167 .49647 si3 72 5.00 7.00 6.9444 .28527 si4 72 6.00 7.00 6.9444 .23067 si5 72 6.00 7.00 6.9444 .23067 Valid N listwise 72 Sumber : Data Primer diolah Berdasarkan Tabel 4.10, jumlah indikator dari variabel norma subjektif sebanyak 13, yakni ns1, ns2, ns3, hingga ns13. Diketahui mayoritas responden, menjawab pada tingkatan ke-6 dan ke-7. Hal ini terlihat dari jawaban secara rata- rata Mean yang mendekati tujuh. Tingkatan dimulai dari 1 sampai 7. Nilai 1 menyatakan sangat tidak setuju, sampai dengan nilai 7 yang menyatakan sangat setuju. Tabel 4.10 Statistik Deskriptif Norma Subjektif Universitas Sumatera Utara Descriptive Statistics N Minimum Maximum Mean Std. Deviation ns1 72 3.00 7.00 6.9167 .49647 ns2 72 2.00 7.00 6.8472 .70531 ns3 72 2.00 7.00 6.8333 .73158 ns4 72 2.00 7.00 6.8194 .84464 ns5 72 5.00 7.00 6.9306 .30611 ns6 72 4.00 7.00 6.8889 .46134 ns7 72 5.00 7.00 6.9306 .30611 ns8 72 2.00 7.00 6.8472 .76287 ns9 72 2.00 7.00 6.8750 .64867 ns10 72 2.00 7.00 6.8750 .62658 ns11 72 4.00 7.00 6.9028 .41655 ns12 72 6.00 7.00 6.9444 .23067 ns13 72 5.00 7.00 6.9444 .28527 Valid N listwise 72 Sumber : Data Primer diolah Berdasarkan Tabel 4.11, jumlah indikator dari variabel minat sebanyak 8, yakni mi1, mi2, mi3, hingga mi8. Diketahui mayoritas responden, menjawab pada tingkatan ke-6 dan ke-7. Hal ini terlihat dari jawaban secara rata-rata Mean yang mendekati tujuh kecuali pada indikator mi8, yang mendekati 1. Tingkatan dimulai dari 1 sampai 7. Nilai 1 menyatakan sangat tidak setuju, sampai dengan nilai 7 yang menyatakan sangat setuju. Tabel 4.11 Statistik Deskriptif Minat Descriptive Statistics N Minimum Maximum Mean Std. Deviation mi1 72 6.00 7.00 6.9722 .16549 mi2 72 6.00 7.00 6.9722 .16549 mi3 72 6.00 7.00 6.9583 .20123 mi4 72 4.00 7.00 6.9167 .43605 mi5 72 4.00 7.00 6.9028 .44909 mi6 72 4.00 7.00 6.8472 .46451 mi7 72 6.00 7.00 6.9444 .23067 mi8 72 1.00 8.00 1.1944 1.00195 Valid N listwise 72 Sumber : Data Primer diolah Universitas Sumatera Utara Berdasarkan Tabel 4.12, jumlah indikator dari variabel perilaku aktual sebanyak 2, yakni p1 dan p2. Diketahui mayoritas responden, menjawab pada tingkatan ke-6 dan ke-7. Hal ini terlihat dari jawaban secara rata-rata Mean yang mendekati tujuh. Tingkatan dimulai dari 1 sampai 7. Nilai 1 menyatakan sangat tidak setuju, sampai dengan nilai 7 yang menyatakan sangat setuju. Tabel 4.12 Statistik Deskriptif Perilaku Aktual Descriptive Statistics N Minimum Maximum Mean Std. Deviation p1 72 3.00 7.00 6.8611 .53879 p2 72 3.00 7.00 6.3889 .84845 Valid N listwise 72 Sumber : Data Primer diolah 4.2 Evaluasi Outer Model Measurement Model 4.2.1 Evaluasi Nilai Loading dan Average Variance Extracted Validitas Konvergen dan Validitas Diskriminan Gambar 4.1 menyajikan model penelitian. Model penelitian disajikan dalam software SmartPLS3. Universitas Sumatera Utara Gambar 4.1 Model Penelitian Gambar 4.2 disajikan output smartPLS yang menyajikan nilai-nilai loading untuk tiap-tiap indikator. Gambar 4.3 menyajikan nilai-nilai loading untuk tiap-tiap indikator secara lebih detail. Berdasarkan Gambar 4.3, diketahui nilai loading untuk indikator mi1 adalah 0,822, nilai loading untuk indikator mi2 adalah 0,586, nilai loading untuk indikator mi3 adalah 0,586, dan seterusnya. Diketahui nilai loading untuk indikator mi8 bernilai negatif, yakni -0,873. Berdasarkan Suatu indikator akan dieliminasi jika nilai loading dari suatu indikator lebih kecil dari 0,4. Sehingga indikator dari mi8 dieliminasi. Kemudian dilakukan pengujian kembali untuk menentukan nilai loading dari masing-masing indikator. Universitas Sumatera Utara Gambar 4.2 Diagram Jalur Nilai Loading untuk Masing-Masing Indikator Universitas Sumatera Utara Gambar 4.3 Nilai Loading untuk Masing-Masing Indikator Universitas Sumatera Utara Gambar 4.4 Diagram Jalur Nilai Loading Untuk Masing-Masing Indikator setelah Eliminasi Berdasarkan Gambar 4.4, seluruh nilai loading dari tiap-tiap indikator bernilai di atas 0,4. Hal ini berarti telah memenuhi syarat nilai loading, yakni di atas 0,4. Tabel 4.13 Nilai Average Variance Extracted AVE dari Masing-Masing Variabel Laten Variabel Average Variance Extracted AVE Sikap 0,731 Norma Subjektif 0,672 Minat 0,625 Perilaku Aktual 0,746 Sumber : Data Primer diolah Universitas Sumatera Utara Untuk pengujian validitas diskriminan, nilai AVE yang disarankan adalah 0,5. Berdasarkan Tabel 4.13 diketahui nilai Nilai AVE terendah adalah 0,625. Perhatikan bahwa nilai AVE dari seluruh variabel di atas 0,5. Hal ini berarti telah memenuhi syarat nilai AVE yang disarankan, yakni di atas 0,5. Gambar 4.5 menyajikan secara visual dari nilai AVE untuk tiap-tiap variabel. Gambar 4.5 Nilai AVE Setiap Variabel

4.2.2 Evaluasi Nilai Alpha Cronbach dan Composite Reliability Reliabilitas

Evaluasi reliabilitas dinilai berdasarkan alpha cronbach dan composite reliability. Tabel 4.6 menyajikan nilai alpha cronbach dan composite reliability untuk masing-masing variabel laten. Tabel 4.14 Nilai Alpha Cronbach dan Composite Reliability dari Masing-Masing Variabel Laten Variabel Nilai Alpha Cronbach Composite Reliability Sikap 0,909 0,931 Norma Subjektif 0,958 0,963 Minat 0,908 0,918 Perilaku Aktual 0,711 0,825 Sumber : Data Primer diolah Nilai alpha cronbach yang disarankan adalah di atas 0,6 mendekati 0,6. Sementara nilai batasan composite reliability Universitas Sumatera Utara sebesar 0,7. Berdasarkan Tabel 4.14 menunjukkan bahwa nilai Alpha Cronbach terendah adalah 0,711, dan nilai composite reliability terendah adalah 0,825. Diketahui seluruh nilai Alpha Cronbach dan Composite Reliability memenuhi syarat batas nilai yang ditetapkan, yakni di atas 0,6, untuk Alpha Cronbach, dan di atas 0,7 untuk Composite Reliability. Gambar 4.6 dan Gambar 4.7 menyajikan nilai Alpha Cronbach dan Composite Reliability dari masing-masing variabel. Gambar 4.6 Nilai Alpha Cronbach Gambar 4.7 Nilai Composite Reability

4.3 Pengujian Hipotesis

Gambar 4.8 menyajikan nilai koefisien jalur path coefficient antar variabel. Sementara Gambar 4.9 menyajikan hasil uji signifikansi antar hubungan variabel. Universitas Sumatera Utara Gambar 4.8 Nilai Koefisien Jalur Gambar 4.9 Uji Signifikansi Antar Hubungan Variabel Berdasarkan Gambar 4.8, diketahui nilai koefisien jalur dari sikap ke minat bernilai positif, yakni 0,224 dapat dilihat juga pada Gambar 4.9. Hal ini berarti sikap berpengaruh positif terhadap minat. Berdasarkan Gambar 4.9, diketahui nilai p-values dari sikap terhadap minat adalah 0,720. Karena nlai p- values 0,05, maka pengaruh sikap terhadap minat tidak signifikan secara statistika. Dengan kata lain, pengaruh sikap terhadap minat tidak terlalu kuat secara statistika. Berdasarkan Gambar 4.8, diketahui nilai koefisien jalur dari norma subjektif ke minat bernilai positif, yakni 0,594 dapat dilihat juga pada Gambar 4.9. Hal ini berarti norma subjektif berpengaruh positif terhadap minat. Universitas Sumatera Utara Berdasarkan Gambar 4.9, diketahui nilai p-values dari norma subjektif terhadap minat adalah 0,368. Karena nlai p-values 0,05, maka pengaruh norma subjektif terhadap minat tidak signifikan secara statistika. Dengan kata lain, pengaruh norma subjektif terhadap minat tidak terlalu kuat secara statistika. Berdasarkan Gambar 4.8, diketahui nilai koefisien jalur dari minat ke perilaku bernilai positif, yakni 0,586 dapat dilihat juga pada Gambar 4.9. Hal ini berarti minat berpengaruh positif terhadap perilaku. Berdasarkan Gambar 4.9, diketahui nilai p-values dari minat terhadap perlaku adalah 0,002. Karena nlai p- values 0,05, maka pengaruh minat terhadap perilaku signifikan secara statistika. Dengan kata lain, pengaruh minat terhadap perilaku sangat kuat atau bermakna secara statistika. Berdasarkan Gambar 4.10, pengaruh antara sikap dan norma subjektif secara simultan atau bersama-sama terhadap minat sebesar 0,636 atau 63,6, sisanya sebesar 33,3 dipengaruh oleh faktor-faktor yang lain. Berdasarkan Gambar 4.11, pengaruh antara minat terhadap perilaku aktual sebesar 0,334 atau 33,4, sisanya sebesar 66,4 dipengaruhi oleh faktor lainnya. Gambar 4.10 Pengaruh Antara Sikap dan Norma Subjektif Terhadap Minat Universitas Sumatera Utara Gambar 4.11 Pengaruh Minat terhadap Perilaku Aktual

1. Hipotesis 1

Hipotesis 1 menyakatan bahwa konstruk sikap attitude berpengaruh terhadap minat intention Banking Staff dalam penggunaan teknologi informasi. Berdasarkan Gambar 4.8, diketahui nilai koefisien jalur dari sikap ke minat bernilai positif, yakni 0,224 dapat dilihat juga pada Gambar 4.9. Hal ini berarti sikap berpengaruh positif terhadap minat. Berdasarkan Gambar 4.9, diketahui nilai p-values dari sikap terhadap minat adalah 0,720. Karena nlai p-values 0,05, maka pengaruh sikap terhadap minat tidak begitu signifikan secara statistika. Dengan kata lain, sikap berpengaruh positif terhadap minat meski secara statistika tidak terlalu kuat. Berdasarkan hasil tersebut dapat dinyatakan bahwa Hipotesis 1 didukung. Hasil ini konsisten dengan penelitian yang dilakukan oleh Wibowo 2007, Kartika 2009, dan Ozer dan Yilmaz 2010 namun tidak konsisten Universitas Sumatera Utara