Analisis Data HASIL PENELITIAN DAN PEMBAHASAN

Tabel 4. 5. Hasil uji reliabilitas Variabel Cronbach Alpha Keterangan Literasi Teknologi Informasi Komunikasi 0,696 Reliabel Persepsi Kemudahan Penggunaan 0,843 Reliabel Persepsi Kemanfaatan 0,941 Reliabel Intensitas Penggunaan 0,857 Reliabel Hasil uji reliabilitas menunjukkan bahwa semua nilai cronbach alpha lebih besar dari 0,600 jadi seluruh item pernyataan dinyatakan reliabel. Jadi dapat dinyatakan bahwa seluruh pernyataan dalam kuesioner adalah reliabel handal.

4.3. Analisis Data

4.3.1.Analisis Statistik Deskriptif Statistik deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang diteliti melalui data sampel atau populasi sebagaimana adanya dan membuat kesimpulan yang berlaku untuk umum. Hasil analisis deskriptif disimpulkan berdasarkan jawaban yang diberikan atas pernyataan dalam kuesioner. Dengan menghitung maksimum, minimum, rata-rata dan standar deviasi. Hasil perhitungan statistik deskriptif menggunakan SPSS dapat dilihat pada tabel 4.6 berikut ini : Tabel 4. 6. Hasil analisis statistik deskriptif Variabel N Min Maks Mean Std. Deviation Literasi TIK 153 23 53 40,83 5,401 Persepsi Kemudahan Penggunaan 153 11 25 19,15 2,536 Persepsi Kemanfaatan 153 18 30 25,14 2,826 Inttnsitas Penggunaan 153 9 15 12,37 1,423 Valid N listwise 153 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Berdasarkan tabel 4.6 di atas, maka dapat diambil kesimpulan untuk masing-masing variabel sebagai berikut: 4.3.1.1. Literasi Teknologi Informasi Komunikasi LTIK. Variabel LTIK terdapat 11 item pernyataan dengan lima alternatif jawaban Sangat Sering SS = 5, Sering S= 4, Jarang J= 3, Sangat Jarang SJ= 2, Tidak Pernah TP= 1. Untuk menarik kesimpulan harus dilihat dari kriteria sebagai berikut: Indek Minimum = jum.item pertanyaan1=11. Indek Maksimum = jum.item pertanyaan5=55. Jarak IntervalRentang = Indek Maksimum - Indek Minimum tingkat alternatif jawaban = 55-115 = 8,80. Maka untuk menarik kesimpulan Mean hasil analisis SPSS dilihat dari rentanginterval berikut ini : Tidak Pernah = 11,00 sampai 19,80. Sangat Jarang = 19,81 sampai 28,60 Jarang = 28,61 sampai 37,40 Sering = 37,41 sampai 46,20 Sangat Sering = 46,21 sampai 55,00 Pada tabel 4.6 terlihat hasil analisis statistik deskriptif variabel LTIK dengan Mean sebesar 40,83, maka dapat ditarik kesimpulan bahwa rata- rata responden berada dalam kategori “SERING”. Artinya responden sudah terbiasa atau sering dengan penggunaan alatmedia teknologi informasi dalam kehidupan sehari-hari. Sedangkan nilai minimum yaitu sebesar 23 dalam kategori sangat jarang yang berarti ada responden yang sangat jarang dalam penggunaan teknologi informasi. Tetapi ada juga responden yang sangat sering dalam penggunaan teknologi informasi yaitu dengan nilai maksimum 53 dalam kategori sangat sering. Untuk standar deviasi tingkat sebaran datanya adalah 5,401, yakni menjauhi angka 0 sehingga dapat dikatakan bahwa penyebaran data adalah cukup beragam. 4.3.1.2. Persepsi Kemudahan Penggunaan PKP. Variabel PKP terdapat 5 item pernyataan dengan lima alternatif jawaban Sangat Setuju SS = 5, Setuju S= 4, Ragu-Ragu RR= 3, Tidak Setuju TS= 2, Sangat Tidak Setuju STS= 1. Untuk menarik kesimpulan harus dilihat dari kriteria sebagai berikut: Indek Minimum = jum.item pertanyaan1=5. Indek Maksimum = jum.item pertanyaan5=25. Jarak IntervalRentang = Indek Maksimum - Indek Minimum tingkat alternatif jawaban = 25-55 = 4,00. Maka untuk menarik kesimpulan Mean hasil analisis SPSS dilihat dari rentanginterval berikut ini : Sangat Tidak Setuju = 5,00 sampai 9,00. Tidak Setuju = 9,01 sampai 13,00 Ragu-Ragu = 13,01 sampai 17,00 Setuju = 17,01 sampai 21,00 Sangat Setuju = 21,01 sampai 25,00 Pada tabel 4.6 terlihat hasil analisis statistik deskriptif variabel PKP dengan Mean sebesar 19,15, maka dapat ditarik kesimpulan bahwa rata- rata responden berada dalam kategori “SETUJU”. Artinya rata-rata responden sudah setuju bahwa penggunaan Sistem Informasi Keuangan Desa sudah mudah digunakan atau dioperasikan. Sedangkan nilai minimum yaitu sebesar 11 dalam kategori tidak setuju yang berarti ada responden yang masih menggangap sistem informasi keuangan desa masih sulit digunakan. Tetapi ada juga responden yang menganggap sistem informasi keuangan desa sangat mudah digunakan yaitu dengan nilai maksimum 25 dalam kategori sangat setuju. Untuk nilai standar deviasi tingkat sebaran datanya adalah 2,536, yakni menjauhi angka 0 sehingga dapat dikatakan bahwa penyebaran data adalah cukup beragam. 4.3.1.3. Persepsi Kemanfaatan PK. Variabel PK terdapat 6 item pernyataan dengan lima alternatif jawaban Sangat Setuju SS = 5, Setuju S= 4, Ragu-Ragu RR= 3, Tidak Setuju TS= 2, Sangat Tidak Setuju STS= 1. Untuk menarik kesimpulan harus dilihat dari kriteria sebagai berikut: Indek Minimum = jum.item pertanyaan1=6. Indek Maksimum = jum.item pertanyaan5=30. Jarak IntervalRentang = Indek Maksimum - Indek Minimum tingkat alternatif jawaban = 30-65 = 4,80. Maka untuk menarik kesimpulan Mean hasil analisis SPSS dilihat dari rentanginterval berikut ini : Sangat Tidak Setuju = 6,00 sampai 10,80. Tidak Setuju = 10,81 sampai 15,60 Ragu-Ragu = 15,61 sampai 20,40 Setuju = 20,41 sampai 25,20 Sangat Setuju = 25,21 sampai 30,00 Pada tabel 4.6 terlihat hasil analisis statistik deskriptif variabel PK dengan Mean sebesar 25,14, maka dapat ditarik kesimpulan bahwa rata- rata responden berada dalam kategori “Setuju”. Artinya rata-rata responden sudah setuju bahwa penerapan Sistem Informasi Keuangan Desa memiliki manfaat bagi mereka. Sedangkan nilai minimum yaitu sebesar 18 dalam kategori ragu-ragu yang berarti ada responden yang masih ragu-ragu kalau penerapan sistem informasi keuangan desa memiliki manfaat. Tetapi ada juga responden yang menganggap sistem informasi keuangan desa sangat bermanfaat yaitu dengan nilai maksimum 30 dalam kategori sangat setuju. Untuk nilai standar deviasi tingkat sebaran datanya adalah 2,826, yakni menjauhi angka 0 sehingga dapat dikatakan bahwa penyebaran data adalah cukup beragam. 4.3.1.4. Intensitas Penggunaan IP. Variabel IP terdapat 3 item pernyataan dengan lima alternatif jawaban Sangat Setuju SS = 5, Setuju S= 4, Ragu-Ragu RR= 3, Tidak Setuju TS= 2, Sangat Tidak Setuju STS= 1. Untuk menarik kesimpulan harus dilihat dari kriteria sebagai berikut: Indek Minimum = jum.item pertanyaan1=3. Indek Maksimum = jum.item pertanyaan5=15. Jarak IntervalRentang = Indek Maksimum - Indek Minimum tingkat alternatif jawaban = 15-35 = 2,40. Maka untuk menarik kesimpulan Mean hasil analisis SPSS dilihat dari rentanginterval berikut ini : Sangat Tidak Setuju = 3,00 sampai 5,40. Tidak Setuju = 5,41 sampai 7,80 Ragu-Ragu = 7,81 sampai 10,20 Setuju = 10,21 sampai 12,60 Sangat Setuju = 12,61 sampai 15,00 Pada tabel 4.6 terlihat hasil analisis statistik deskriptif variabel IP dengan Mean sebesar 12,37, maka dapat ditarik kesimpulan bahwa rata- rata responden berada dalam kategori “Setuju”. Artinya rata-rata responden setuju bahwa mereka memiliki intensitasniat untuk tetap menggunakan Sistem Informasi Keuangan Desa kedepannya. Sedangkan nilai minimum yaitu sebesar 9 dalam kategori ragu-ragu yang berarti ada responden yang masih ragu-ragu kalau memiliki niat untuk menggunakan sistem informasi keuangan desa kedepannya. Tetapi ada juga responden yang sangat memiliki niat untuk menggunakan kedepannya yaitu dengan nilai maksimum 15 dalam kategori sangat setuju. Untuk nilai standar deviasi tingkat sebaran datanya adalah 1,423, yakni menjauhi angka 0 sehingga dapat dikatakan bahwa penyebaran data adalah cukup beragam. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI 4.3.2.Analisis Data Menggunakan PLS-SEM 4.3.2.1.Evaluasi Model Pengukuran outer model 4.3.2.1.1. Uji Validitas 4.3.2.1.1.1. Convergent validity Data 153 responden diolah menggunakan PLS-SEM didapatlah nilai outer loading untuk setiap indikator variabel seperti pada tabel 4.7 berikut: Tabel 4. 7. Outer Loading Intensitas Penggunaan IP Literasi TIK LTIK Persepsi Kemanfaatan PK Persepsi Kemudahan Penggunaan PKP IP1 0,839 IP2 0,877 IP3 0,893 LTIK1 0,711 LTIK10 0,742 LTIK11 0,572 LTIK2 0,664 LTIK3 -0,245 LTIK4 0,466 LTIK5 0,392 LTIK6 0,574 LTIK7 0,664 LTIK8 0,629 LTIK9 0,268 PK1 0,841 PK2 0,843 PK3 0,866 PK4 0,875 PK5 0,868 PK6 0,832 PKP1 0,725 PKP2 0,722 PKP3 0,729 PKP4 0,805 PKP5 0,811 Hasil Outer loading atau validitas konvergen digunakan untuk menguji unidimensionalitas dari masing-masing konstruk. Pada validitas konvergen ini , nilai “ loading factor ” harus 0,6 umumnya 0,7 dan nilai AVE sebesar 0,5 atau lebih Ghozali 2008. Terlihat pada data di atas bahwa loading faktornya untuk sebagian besar indikator telah di atas 0,6. Metode lain yang dapat digunakan adalah dengan melihat nilai AVE tiap variabel. Tabel 4.8. Average Variance Extracted Variabel AVE Intensitas Penggunaan IP 0,757 Literasi TIK LTIK 0,318 Persepsi Kemanfaatan PK 0,730 Persepsi Kemudahan Penggunaan PKP 0,577 Berdasarkan dari tabel 4.8, nilai AVE pada variabel literasi TIK tidak berada di atas 0,5. Untuk memenuhi validitas konvergen dan dapat digunakan untuk analisis selanjutnya maka perlu dilihat pada nilai pada outer loading dengan melihat nilai yang berada di bawah standar yaitu 0,6 untuk didrop dari analisis. Adapun indikator yang didrop adalah LTIK3 - 0,245, LTIK4 0,466, LTIK5 0,392, LTIK9 0,268. Setelah didrop dari analisis, nilai AVE dan Outer Loading dapat kita lihat sebagai berikut: Tabel 4. 9. Average Variance Extracted setelah dieliminasi Variabel AVE Intensitas Penggunaan IP 0,757 Literasi TIK LTIK 0,527 Persepsi Kemanfaatan PK 0,730 Persepsi Kemudahan Penggunaan PKP 0,577 Tabel 4. 10. Outer Loading setelah eliminasi Intensitas Penggunaan IP Literasi TIK LTIK Persepsi Kemanfaatan PK Persepsi Kemudahan Penggunaan PKP IP1 0,839 IP2 0,877 IP3 0,893 LTIK1 0,808 LTIK10 0,790 LTIK11 0,643 LTIK2 0,763 LTIK6 0,621 LTIK7 0,712 LTIK8 0,723 PK1 0,841 PK2 0,843 PK3 0,866 PK4 0,874 PK5 0,868 PK6 0,832 PKP1 0,721 PKP2 0,721 PKP3 0,731 PKP4 0,805 PKP5 0,814 Dilihat dari tabel 4.9 dan tabel 4.10, nilai AVE semua telah berada di atas 0,5 dan nilai outer loading telah 0.6. Tabel 4.9 dan tabel 4.10 mengindikasikan indikator-indikator yang digunakan dalam penelitian ini telah memenuhi validitas konvergen dan dapat digunakan untuk analisis selanjutnya. 4.3.2.1.1.2. Discriminant validity Pada uji validitas diskriminan digunakan nilai cross loading . Suatu indikator dikatakan memenuhi discriminant validity jika nilai indikator cross loading terhadap variabelnya adalah yang terbesar dibandingkan terhadap variabel yang lainnya. Berikut ini disajikan tabel nilai cross loading . Tabel 4.11. Cross Loading Intensitas Penggunaan IP Literasi TIK LTIK Persepsi Kemanfaatan PK Persepsi Kemudahan Penggunaan PKP IP1 0,839 0,083 0,591 0,540 IP2 0,877 0,115 0,536 0,457 IP3 0,893 0,205 0,629 0,556 LTIK1 0,155 0,808 0,176 0,119 LTIK10 0,119 0,790 0,140 0,084 LTIK11 0,083 0,643 0,041 0,034 LTIK2 0,125 0,763 0,109 0,112 LTIK6 0,072 0,621 0,131 0,104 LTIK7 0,111 0,712 0,059 0,143 LTIK8 0,107 0,723 0,077 0,090 PK1 0,528 0,203 0,841 0,517 PK2 0,571 0,106 0,843 0,457 PK3 0,552 0,190 0,866 0,428 PK4 0,632 0,140 0,874 0,468 PK5 0,587 0,131 0,868 0,439 PK6 0,593 0,050 0,832 0,475 PKP1 0,399 0,172 0,310 0,721 PKP2 0,374 0,112 0,438 0,721 PKP3 0,379 -0,016 0,312 0,731 PKP4 0,527 0,125 0,443 0,805 PKP5 0,549 0,129 0,513 0,814 Berdasarkan tabel 4.11, hasil nilai cross loading menunjukkan bahwa nilai korelasi konstruk dengan indikatornya sudah lebih besar dari pada nilai korelasi dengan konstruk lainnya. Maka indikator-indikator yang digunakan PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI dalam penelitian ini telah memenuhi validitas diskriminan dan dapat digunakan untuk analisis selanjutnya. 4.3.2.1.2. Reliabilitas 4.3.2.1.2.1. Composite Reliability Selanjutnya uji reliabilitas yaitu melihat nilai dari composite reliability . Suatu konstruk atau variabel dikatakan memenuhi composite reliability jika memiliki nilai composite reliability 0,7. Berikut adalah nilai composite reliability masing-masing konstruk atau variabel: Tabel 4. 12. Composite Reliability Variabel Composite Reliability Intensitas Penggunaan IP 0,903 Literasi TIK LTIK 0,885 Persepsi Kemanfaatan PK 0,942 Persepsi Kemudahan Penggunaan PKP 0,872 Hasil tabel 4.12 di atas menunjukkan nilai composite reliability untuk semua variabel di atas 0,7 sehingga telah memenuhi syarat. 4.3.2.1.2.2. Cronbachs Alpha Selanjutnya uji reliabilitas yaitu melihat nilai dari Cronbachs Alpha . Suatu konstruk atau variabel dikatakan memenuhi Cronbachs Alpha jika memiliki nilai Cronbachs Alpha 0,600. Berikut adalah nilai Cronbachs Alpha masing-masing konstruk atau variabel. Tabel 4. 13. Cronbachs Alpha Variabel Cronbachs Alpha Intensitas Penggunaan IP 0,839 Literasi TIK LTIK 0,852 Persepsi Kemanfaatan PK 0,926 Persepsi Kemudahan Penggunaan PKP 0,818 Pada tabel 4.13 menunjukkan nilai hasil Cronbachs Alpha semua variabel di atas 0,600 membuktikan bahwa semua variabel dalam penelitian ini sudah reliabel atau handal. 4.3.2.2.Evaluasi Model Struktural inner model Evaluasi selanjutnya adalah model struktural atau inner model. Evaluasi pada inner model dilihat dari nilai R- Square . Berdasarkan pengolahan data dengan SmartPLS 3.0 Professional, dihasilkan nilai R- Square sebagai berikut: Tabel 4. 14. R-Square Variabel R Square Intensitas Penggunaan IP 0,533 Persepsi Kemanfaatan PK 0,302 Persepsi Kemudahan Penggunaan PKP 0,020 Nilai R- Square untuk Intensitas Penggunaan adalah sebesar 0,533 memiliki arti bahwa presentase besarnya pengaruh persepsi kemanfaatan dan persepsi kemudahan penggunaan sistem informasi keuangan desa terhadap intensitasniat penggunaan adalah sebesar 53,3 sedangkan sisanya yaitu 46,7 dipengaruhi oleh faktor lain. Nilai R- Square untuk persepsi kemanfaaan adalah sebesar 0,302 memiliki arti bahwa presentase besarnya pengaruh persepsi kemudahan penggunaan dan literasi TIK yang dimiliki oleh perangkat desa terhadap persepsi kemanfaatan penerapan sistem informasi keuangan desa adalah sebesar 30,2 sedangkan sisanya yaitu 69,8 dipengaruhi oleh faktor lain. Nilai R- Square untuk persepsi kemudahan penggunaan adalah sebesar 0,020 memiliki arti bahwa presentase besarnya pengaruh literasi TIK yang dimiliki oleh perangkat desa terhadap persepsi kemudahan penggunaan adalah 2 sedangkan sisanya yaitu 98 dipengaruhi oleh faktor lain. Pada penilaian goodness of fit bisa diketahui melalui nilai Q2. Nilai Q2 memiliki arti yang sama dengan koefisien determinasi R- Square pada analisis regresi, di mana semakin tinggi R-Square, maka model dapat dikatakan semakin fit dengan data. Dari tabel 4.13 R- Square dapat dihitung nilai Q 2 sebagai berikut: Nilai Q 2 = 1 – 1 – R 1 2 1 - R 2 2 … 1 – R p 2 Nilai Q 2 = 1 - 1-0,533 x 1-0,302 x 1-0,020 = 1 – 0,467 x 0,698 x 0,980 = 0,680 Dari hasil perhitungan diketahui nilai Q2 sebesar 0,680 artinya besarnya keberagaman dari data penelitian yang dapat dijelaskan oleh model struktural yang dikembangkan dalam penelitian ini adalah sebesar 68,0. Berdasarkan hasil ini, model struktural pada penelitian telah memiliki goodness of fit yang cukup baik. 4.3.3.Pengujian Hipotesis Evaluasi selanjutnya adalah model struktural atau inner model dilihat dari nilai koefisien jalur dengan menggunakan metode Bootstrapping pada SmartPLS. Sehingga akan diperoleh koefisien jalur path coefficients dan nilai t-statistik. Dengan teknik ini, peneliti dapat menilai signifikansi statistik model penelitian dengan menguji hipotesis untuk tiap jalur hubungan. Untuk uji simultan digunakan uji t-statistic yang dimaksudkan untuk menguji signifikansi pengaruh variabel-variabel eksogen X i secara keseluruhan terhadap variabel endogen Y. Pengujian ini dilakukan dengan cara membandingkan anatara nilai t yang dihasilkan dari perhitungan t-statistic dengan nilai t-table . Hipotesis nol PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI akan diterima apabila nilai t-statistic lebih kecil dari nilai t-table t-statistic t- table, ini berarti hipotesis alternatif yang ditolak . Sebaliknya, hipotesis nol akan ditolak apabila nilai t-statistic lebih besar atau sama dengan nilai t-table t-statistic ≥ t-table, ini berarti hipotesis alternatif yang diterima. Nilai t- table dapat diketahui berdasarkan taraf signifikansi 0,10 dengan jumlah observasi 153 responden, yaitu 1,28718. Tabel 4.15 berikut ini merupakan hasil uji t-statistik. Tabel 4. 15. Uji statistik hipotesis nol Hipotesis Statistik ξ η t-statistic H 01 Literasi TIK Persepsi kemanfaatan 1,002 H 02 Literasi TIK Persepsi kemudahan penggunaan 1,346 H 03 Persepsi kemudahan penggunaan Persepsi kemanfaatan 7,310 H 04 Persepsi kemudahan penggunaan Intensitas penggunaan 4,196 H 05 Persepsi kemanfaatan Intensitas penggunaan 5,813 Berdasaran model persamaan pada gambar 3.1, dibuat persamaan struktural dalam diagram jalur serta uji hipotesis statistic untuk pengujian masing-masing hipotesis sebagai berikut: H 01 :  1 0 : Literasi TIK perangkat desa tidak berpengaruh positif terhadap persepsi kemanfaatan e-Desa Ha 1 : 1 ≥ : Literasi TIK perangkat desa berpengaruh positif terhadap persepsi kemanfaatan e-Desa t-statistic H 01 = 1,002. 1,002 1,28718 t-statistic H 01 t-table , maka H 01 diterima Ha 1 ditolak. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI H 02 :  1 0 : Literasi TIK perangkat desa tidak berpengaruh positif terhadap persepsi kemudahan penggunaan e-Desa Ha 2 : 1 ≥ : Literasi TIK perangkat desa berpengaruh positif terhadap persepsi kemudahan penggunaan e-Desa t-statistic H 02 = 1,346. 1,346 ≥ 1,28718 t-statistic H 02 ≥ t-table , maka H 02 ditolak Ha 2 diterima. H 03 :  1 0 : Persepsi kemudahan penggunaan e -desa tidak berpengaruh positif terhadap persepsi kemanfaatan e-desa Ha 3 : 1 ≥ : Persepsi kemudahan penggunaan e -desa berpengaruh positif terhadap persepsi kemanfaatan e-desa t-statistic H 03 = 7,310. 7,310 ≥ 1,28718 t-statistic H 03 ≥ t-table , maka H 03 ditolak Ha 3 diterima. H 04 :  1 0 : Persepsi kemudahan penggunaan e -desa tidak berpengaruh positif terhadap intensitas penggunaan e-desa. Ha 4 : 1 ≥ : Persepsi kemudahan penggunaan e -desa berpengaruh positif terhadap intensitas penggunaan e-desa. t-statistic H 04 = 4,196. 4,196 ≥ 1,28718 t-statistic H 04 ≥ t-table , maka H 04 ditolak Ha 4 diterima. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI H 05 :  1 0 : Persepsi kemanfaatan e -desa tidak berpengaruh positif terhadap intensitas penggunaan e-desa Ha 5 : 1 ≥ : Persepsi kemanfaatan e -desa berpengaruh positif terhadap intensitas penggunaan e-desa t-statistic H 05 = 5,813. 5,813 ≥ 1,28718 t-statistic H 05 ≥ t-table , maka H 05 ditolak Ha 5 diterima. Selanjutnya tabel 4.16 berikut ini menampilkan hasil analisis nilai koefisien untuk tiap jalur hipotesis dan nilai t-statistik pada inner model . Tabel 4. 16. Hasil analsis jalur Hipotesis Hubungan Koef. jalur t-statistik p- values Keterangan H 01 LTIK  PK 0,083 1,002 0,158 H 01 diterima H 02 LTIK  PKP 0,143 1,346 0,089 H 02 ditolak H 03 PKP  PK 0,532 7,310 0,000 H 03 ditolak H 04 PKP  IP 0,328 4,196 0,000 H 04 ditolak H 05 PK  IP 0,498 5,813 0,000 H 05 ditolak Berdasarkan pengujian hipotesis maka hasil analisis pada tabel 4.16 di atas yang menunjukkan t-statistic t-table 1,28718 atau p-value 0,10 adalah H 01. Maka terbukti secara empiris H 01 dinyatakan diterima tidak signifikantidak berpengaruh positif dan H 02, H 03 , H 04 , H 05 dinyatakan ditolak signifikanberpengaruh positif. Gambar 4.1 path diagram berikut ini menunjukkan secara detail korelasi antar hipotesis secara keseluruhan : Gambar 4. 1. Path Diagram Complete Berdasarkan deskripsi data pada sub bagian bab 4.1, maka dapat dibuat analisis data berdasarkan kelompok pendidikan dan umur. Analisis berdasarkan kelompok dilakukan untuk menguji apakah kelompok data yang telah ditetapkan memiliki perbedaan yang signifikan dalam estimasi parameter kelompok secara spesifik. Hasil analisis berdasarkan kelompok pada tabel 4.17 dan 4.18 berikut ini : Tabel 4. 17. Hasil analisis jalur kelompok pendidikan Hipotesis Hubungan Koef. jalur t-statistik p- values Keterangan Pendidikan SMA H 01 LTIK  PK 0,201 1,275 0,101 H 01 diterima H 02 LTIK  PKP 0,307 1,555 0,060 H 02 ditolak H 03 PKP  PK 0,310 2,071 0,019 H 03 ditolak H 04 PKP  IP 0,268 1,988 0,024 H 04 ditolak H 05 PK  IP 0,472 3,360 0,000 H 05 ditolak Keterangan : H diterima jika t-statistik 1,28718 dan p-values 0,100 H 01 tdk signifikan H 02 signifikan H 03 signifikan H 05 signifikan H 04 signifikan Tabel 4.17. Hasil analisis jalur kelompok pendidikan lanjutan Hipotesis Hubungan Koef. jalur t-statistik p- values Keterangan Pendidikan D3 H 01 LTIK  PK 0,283 1,208 0,114 H 01 diterima H 02 LTIK  PKP 0,336 1,038 0,150 H 02 diterima H 03 PKP  PK 0,569 2,530 0,006 H 03 ditolak H 04 PKP  IP 0,146 0,762 0,223 H 04 diterima H 05 PK  IP 0,784 4,295 0,000 H 05 ditolak Pendidikan S1 H 01 LTIK  PK 0,015 0,111 0,456 H 01 diterima H 02 LTIK  PKP 0,165 0,669 0,252 H 02 diterima H 03 PKP  PK 0,634 7,680 0,000 H 03 ditolak H 04 PKP  IP 0,497 4,774 0,000 H 04 ditolak H 05 PK  IP 0,342 3,152 0,001 H 05 ditolak Keterangan : H diterima jika t-statistik 1,28718 dan p-values 0,100 Berdasarkan analisis kelompok pendidikan pada tabel 4.17 di atas, dapat dilihat bahwa literasi TIK terhadap persepsi kemudahan penggunaan LTIK  PKP memiliki hasil yang berbeda untuk kelompok pendidikan SMA dan di atasnya D3 S1. Kelompok pendidikan D3 dan S1 atau pendidikan yang lebih tinggi dari SMA literasi TIK tidak signifikan bagi mereka, baik itu terhadap persepsi kemudahan penggunaan maupun persepsi kemanfaatan. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI Tabel 4. 18. Hasil analisis jalur kelompok umur Hipotesis Hubungan Koef.jalur t-statistik p- values Keterangan Umur 30 tahun H 01 LTIK  PK 0,006 0,018 0,493 H 01 diterima H 02 LTIK  PKP 0,317 0,839 0,201 H 02 diterima H 03 PKP  PK 0,505 2,149 0,016 H 03 ditolak H 04 PKP  IP 0,432 3,097 0,001 H 04 ditolak H 05 PK  IP 0,473 3,288 0,001 H 05 ditolak Umur 31-40 tahun H 01 LTIK  PK 0,174 1,110 0,134 H 01 diterima H 02 LTIK  PKP -0,090 0,336 0,368 H 02 diterima H 03 PKP  PK 0,606 5,216 0,000 H 03 ditolak H 04 PKP  IP 0,456 3,165 0,001 H 04 ditolak H 05 PK  IP 0,376 2,458 0,007 H 05 ditolak Umur 41-50 tahun H 01 LTIK  PK 0,036 0,134 0,447 H 01 diterima H 02 LTIK  PKP 0,279 1,121 0,131 H 02 diterima H 03 PKP  PK 0,396 2,404 0,008 H 03 ditolak H 04 PKP  IP 0,173 1,133 0,129 H 04 diterima H 05 PK  IP 0,666 4,572 0,000 H 05 ditolak Umur 50 tahun H 01 LTIK  PK 0,445 2,636 0,004 H 01 ditolak H 02 LTIK  PKP 0,544 4,666 0,000 H 02 ditolak H 03 PKP  PK 0,431 2,841 0,002 H 03 ditolak H 04 PKP  IP 0,186 1,000 0,159 H 04 diterima H 05 PK  IP 0,694 4,163 0,000 H 05 ditolak Keterangan : H diterima jika t-statistik 1,28718 dan p-values 0,100 Berdasarkan analisis kelompok umur pada tabel 4.18 di atas ada 2 hal yang menarik diperhatikan. Pertama, hubungan literasi TIK terhadap persepsi kemudahan penggunaan maupun persepsi kemanfaatan LTIK  PKP LTIK  PK memiliki signifikanpengaruh positif pada kelompok umur di atas 50 tahun. Sedangkan kelompok umur 50 tahun ke bawah literasi TIK tidak signifikan bagi mereka, baik itu terhadap persespi kemudahan penggunaan maupun persepsi kemanfaatan. Kedua , pada kelompok umur di atas 40 tahun persepsi kemudahan penggunaan PKP  IP tidak signifikan terhadap intensitas penggunaan. Artinya PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI kelompok umur di atas 40 tahun kemudahan penggunaan dari sistem informasi tidak lagi menjadi perhatian bagi mereka.

4.4. Pembahasan