Mengkontruksi Diagram Jalur untuk Menunjukkan Hubungan Kausalitas

negative terhadap jasa self service technology. Keterlambatan dan lamanya waktu menunggu akan membuat pelanggan menjadi tidak sabar, sehingga kemudahan dalam menggunakan self service technology akan menjadi semakin penting. Keberadaan keceriaan dalam menggunakan jasa ini juga akan menjadi lebih penting untuk konsumen karena akan memberikan kompensasi terhadap waktu yang digunakan. Social anxiety kegelisahan sosial melalui keramaian yang dirasakan perceived crowding didefinisikan sebagai ketidaknyamanan yang dihubungkan dengan kekhawatiran mengenai pandangan orang lain terhadap seseorangsebagai objek sosial. Ketidaknyamanan ini dirasakan akan lebih kuat daripada kekhawatiran akan kesadaran diri karena adanya emosi. Kegelisahan sosial dapat timbul dari sirkumtansi situasional, keramaian, dan sering dipandang negatif dalam sirkumtansi tertentu. Kegelisahan sosial dipandang juga sebagai perasaan yang tidak enak yang dialami individual. Konsumen dalam keadaan yang ramai cenderung khawatir secara sosial dan berpikir bahwa lebih penting suatu self service technology itu mudah digunakan dan menyenangkan.

5.2.2. Mengkontruksi Diagram Jalur untuk Menunjukkan Hubungan Kausalitas

Analisis SEM dalam prosesnya selalu membutuhkan diagram jalur sebagai patokan atau gambaran suatu sistem yang akan diukur tingkat interaksi variabel- variabelnya. Universitas Sumatera Utara Terdapat 10 model pengukuran berdasarkan variabel yang diukur yaitu: 1. Model nilai ekspektasi kemudahan penggunaan ease of use Model ini terdiri dari tiga pertanyaan yang merupakan indikator untuk variabel laten kemudahan penggunaan, yaitu: a. Variabel teramati XI adalah besarnya usaha b. Variabel teramati X2 adalah kompleksitas c. Variabel teramati X3 adalah penggunaan di berbagai tempat Komponen ekspektasi nilai terhadap kemudahan penggunaan X3 e3 1 1 X2 e2 1 X1 e1 1 Gambar 5.1. Model Pengukuran Kemudahan Penggunaan 2. Model nilai ekspektasi kinerja performance Model ini terdiri dari empat pertanyaan yang merupakan indikator untuk variabel laten kinerja, yaitu: a. Variabel teramati X4 adalah keamanan b. Variabel teramati X5 adalah reliabilitas c. Variabel teramati X6 adalah keakuratan d. Variabel teramati X7 adalah efisiensi Universitas Sumatera Utara komponen ekspektasi nilai terhadap kinerja X7 e7 1 X6 e6 1 X5 e5 1 X4 e4 1 Gambar 5.2. Model Pengukuran Kinerja 3. Model nilai ekspektasi keceriaan fun Model ini terdiri dari dua pertanyaan yang merupakan indikator untuk variabel laten keceriaan, yaitu: a. Variabel teramati X8 adalah hiburan b. Variabel teramati X9 adalah kesenangan komponen ekspektasi nilai terhadap keceriaan X9 e9 1 1 X8 e8 1 Gambar 5.3. Model Pengukuran Keceriaan 4. Model karakteristik pelanggan percaya diri self efficacy Model ini terdiri dari dua pertanyaan yang merupakan indikator untuk variabel laten percaya diri, yaitu: a. Variabel teramati X10 adalah kemampuan untuk menggunakan SMS Banking b. Variabel teramati X11 adalah kepercayaan bahwa teknologi diciptakan untuk mempermudah semua orang Universitas Sumatera Utara komponen karakteristik pelanggan percaya diri X11 e11 1 1 X10 e10 1 Gambar 5.4. Model Pengukuran Percaya Diri 5. Model karakteristik pelanggan keinginan mencari sesuatu yang baru inherent novelty seeking Model ini terdiri dari tiga pertanyaan yang merupakan indikator untuk variabel laten keinginan mencari sesuatu yang baru, yaitu: a. Variabel teramati XI2 adalah pengalaman baru b. Variabel teramati X13 adalah rutinitas c. Variabel teramati X14 adalah aktivitas baru komponen karakteristik pelanggan keinginan mencari sesuatu yang baru X14 e14 1 1 X13 e13 1 X12 e12 1 Gambar 5.5. Model Pengukuran Keinginan Mencari Sesuatu yang Baru 6. Model karakteristik pelanggan kebutuhan untuk berinteraksi need for interaction Model ini terdiri dari tiga pertanyaan yang merupakan indikator untuk variabel laten kebutuhan untuk berinteraksi, yaitu: a. Variabel teramati XI5 adalah rasa suka berinteraksi dengan karyawan jasa b. Variabel teramati X16 adalah rasa suka berinteraksi dengan mesin Universitas Sumatera Utara c. Variabel teramati X17 adalah pelayanan yang menyenangkan dari karyawan jasa komponen karakteristik pelanggan kebutuhan untuk berinteraksi X17 e17 1 1 X16 e16 1 X15 e15 1 Gambar 5.6. Model Pengukuran Kebutuhan Untuk Berinteraksi 7. Model karakteristik pelanggan kesadaran diri self consciousness Model ini terdiri dari tiga pertanyaan yang merupakan indikator untuk variabel laten kesadaran diri, yaitu: a. Variabel teramati X18 adalah penampilan b. Variabel teramati X19 adalah gaya c. Variabel teramati X20 adalah cara memperlihatkan diri komponen karakteristik pelanggan kesadarn diri X20 e20 1 1 X19 e19 1 X18 e18 1 Gambar 5.7. Model Pengukuran Kesadaran Diri 8. Model persepsi terhadap faktor situasional Model ini terdiri dari tiga pertanyaan yang merupakan indikator untuk variabel laten situasional, yaitu: a. Variabel teramati X21 adalah kehadiran orang lain b. Variabel teramati X22 adalah waktu menunggu Universitas Sumatera Utara c. Variabel teramati X23 adalah keramaian komponen persepsi terhadap faktor situasional X23 e23 1 1 X22 e22 1 X21 e21 1 Gambar 5.8. Model Persepsi Terhadap Faktor Situasional 9. Model minat pelanggan terhadap penggunaan SMS Banking Model ini terdiri dari dua pertanyaan yang merupakan indikator untuk variabel laten minat pelanggan, yaitu: a. Variabel teramati X24 adalah kemungkinan menggunakan SMS Banking b. Variabel teramati X25 adalah keinginan menggunakan SMS Banking komponen minat X25 e25 1 1 X24 e24 1 Gambar 5.9. Model Pengukuran Niat 10. Model sikap pelanggan terhadap penggunaan SMS Banking Model ini terdiri dari dua pertanyaan yang merupakan indikator untuk variabel laten sikap pelanggan, yaitu: a. Variabel teramati X26 adalah perasaan terhadap teknologi SMS Banking b. Variabel teramati X27 adalah keberadaan teknologi SMS Banking Universitas Sumatera Utara komponen sikap X26 e27 1 1 X25 e26 1 Gambar 5.10. Model Pengukuran Sikap Jalur yang sudah dibentuk dengan program AMOS dapat dilihat pada gambar 5.11. Setiap variabel yang mempengaruhi pembentukan minat dan sikap dikonversi menjadi gambar berikut ini: Universitas Sumatera Utara Universitas Sumatera Utara 5.2.3. Konversi Diagram Jalur ke dalam Serangkaian Persamaan Struktural dan Spesifikasi Model Pengukuran Berdasarkan dari kajian teori di atas, dirubah kedalam persamaan struktural dan spesifikasi model pengukuran. Persamaan struktural dari diagram jalur di atas menggambarkan sepuluh diagram laten dan 27 indikatornya sehingga persamaan dari setiap indikator dimasukkan menjadi model pengukuran. Dengan demikian persamaan model pengukuran dapat dibuat sebagai berikut: Konstruk eksogen kemudahan penggunaan ease of use: X1 = λ1Y1 + e1…………………………1 X2 = λ2Y1 + e2…………………………2 X3 = λ3Y1 + e3…………………………3 Konstruk eksogen kinerja performance: X4 = λ4Y2 + e4…………………………4 X5 = λ5Y2 + e5…………………………5 X6 = λ6Y2 + e6…………………………6 X7 = λ7Y2 + e7…………………………7 Konstruk eksogen keceriaan fun: X8 = λ8Y3 + e8…………………………8 X9 = λ9Y3 + e9…………………………9 Konstruk eksogen percaya diri self efficacy: X10 = λ10Y4 + e10…………………………10 X11 = λ11Y4 + e11…………………………11 Universitas Sumatera Utara Konstruk eksogen keinginan mencari sesuatu yang baru inherent novelty seeking: X12 = λ12Y5 + e12…………………………12 X13 = λ13Y5 + e13…………………………13 X14 = λ14Y5 + e14…………………………14 Konstruk eksogen kebutuhan untuk berinteraksi need for interaction: X15 = λ15Y6 + e15…………………………15 X16 = λ16Y6 + e16…………………………16 X17 = λ17Y6 + e17…………………………17 Konstruk eksogen kesadaran diri self consciousness: X18 = λ18Y7 + e18…………………………18 X19 = λ19Y7 + e19…………………………19 X20 = λ20Y7 + e20…………………………20 Konstruk eksogen situasional: X21 = λ21Y8 + e21…………………………21 X22 = λ22Y8 + e22…………………………22 X23 = λ23Y8 + e23…………………………23 Konstruk endogen minat pelanggan: X24 = λ24Y9 + e24…………………………24 X25 = λ25Y9 + e25…………………………25 Konstruk endogen sikap pelanggan: X26 = λ26Y10 + e26…………………………26 X27 = λ27Y10 + e27…………………………27 Universitas Sumatera Utara Untuk model struktural dari pengukuran dapat dibuat sebagai berikut: Y9 = bY1 + bY2 + bY3 + bY4 + bY5+ bY6 + bY7 + bY8……………..28 Y10 = bY1 + bY2 + bY3 + bY4 + bY5+ bY6 + bY7 + bY8 + bY9..………..29

5.2.4. Memilih Input Matriks dan Mendapatkan Model Estimate