4.1.1 Perceived Usefulness - ANALISIS MINAT PERILAKU NASABAH DALAM PENGGUNAAN LAYANAN INTERNET BANKING MENGGUNAKAN MODEL INTEGRASI THEORY OF ACCEPTANCE MODEL DAN THEORY OF PLANNED BEHAVIOR DI SURABAYA Repository - UNAIR REPOSITORY
BAB IV HASIL DAN PEMBAHASAN
4.1 Penyusunan Kuesioner dan Penentuan Variabel
Kuesioner disusun berdasarkan penelitian yang telah dilakukan olehWadie Nasri dan Lanouar Charfeddine (2012) mengangkat faktor minat perilaku nasabah yang menggunakan internet banking dengan model integrasi TAM dan TPB.
Bedasarkan teori tersebut, peneliti melakukan pengujian model integrasi TAM dan TPB pada nasabah bank yang menggunakan internet banking di Surabaya.
Kuesioner ini terdirin dari sepuluh variabel yaitu perceived of use, perceived ease
of use, security and privacy, self efficacy, government support dan technology
support yang merupakan variabel eksogen, sedangkanattitude, subjective norm dan
perceived behavioral control merupakan variabel endogen. Lembar kuesioner
yang digunakan dapat dilihat pada lampiran 1.4.1.1 Perceived Usefulness
Perceived usefulness bertujuan untuk mengukur tingkatkepercayaan
seseorangterhadap penggunaan internet banking. Variabel perceived usefulness disusun dari beberapa indikator yaitu menyelesaikan tugas dengan , . cepat mengerjakan tugas dengan cepat, berguna, dan menguntungkan Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.1.
Tabel 4.1 Kuesioner perceived usefulness No.Indikator Kode Pernyataan Kuesioner
Penggunaan IB dapat menyelesaikan tugas
1. PU1 menyelesaikan tugas-tugas lebih dengan cepat.
cepat Penggunaan IB dapat mengerjakan tugas
2. PU2 memudahkan dalam melaksanakan dengan cepat tugas-tugas .
3. berguna PU3 Internet banking berguna. 4. menguntungkan. PU4 Penggunaan IB menguntungkan.
4.1.2 Perceived Ease of Use
Perceived ease of use bertujuan untuk mengukur tingkat percaya bahwa
sistem dapat dengan mudah dipahami dan digunakan oleh responden dalam penggunaan internet banking. Variabel perceived ease of use disusun dari beberapa indikator yaitu mudah dipelajari, interaksi mudah, dan mudah transaksi. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.2.
Tabel 4.2 Kuesioner perceived ease of use No.Indikator Kode Pernyataan Kuesioner
Penggunaan IB mudah 5. mudah dipelajari PEU 1 dipelajari.
6. mudah interaksi PEU 2 Mudah berinteraksi dengan IB.
IB dapat memudahkan transaksi 7. mudah transaksi PEU 3 perbankan.
4.1.3 Security and Privacy Security and privacy bertujuan untuk mengendalikan dan menciptakan
situasi, kondisi, atau peristiwa yang berpotensi dalam bentuk kerusakan, pengungkapan, modifikasi data, penolakan layanan dan / atau penipuan, dan penyalahgunaan. Variabel security and privacydisusun dari beberapa indikator yaitu dapat dipercaya, melindungi data pribadi, sama dengan bank konvensional, aman secara finansial, kekhawatiran, dan aspek keamanan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.3.
Tabel 4.3 Kuesioner security and privacy No.Kuesioner Indikator Kode Pernyataan
8. dapat dipercaya SP 1 Teknologi IB dapat dipercaya 9. melindungi data pribadi
SP 2 Teknologi IB dapat melindungi data pribadi.
10. sama dengan bank konvensional
SP 3 Transaksi IB sama dengan transaksi bank konvensional.
11. aman secara finansial
SP4 Penggunaan IB aman secara finansial.
12. kekhawatiran SP 5 Tidak ada kekhawatiran dalam penggunaan IB.
13. aspek keamanan SP 6 Aspek keamanan tidak mempengaruhi dalam penggunaan IB
4.1.4 Attitude Attitude bertujuan untuk mengevaluasi kepercayaan dari seseorang untuk
melakukan perilaku yang akan ditentukan. Variabel attitude disusun dari beberapa indikator yaitu ide yang baik, ide yang bijaksana, IB menyenangkan, dan tanpa paksaan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.4.
Tabel 4.4 Kuesioner attitudeNo. Kuesioner
15. ide yang bijaksana ATT 2 Penggunaan IB untuk transaksi keuangan merupakan ide yang bijaksana.
Penggunaan IB merupakan ide yang baik.
Indikator Kode Pernyataan 14. ide yang baik ATT 1
16. IB menyenangkan ATT 3 Penggunaan IB menyenangkan.
Kuesioner Indikator Kode Pernyataan
18. orang terpenting SN 1 Orang terpenting di sekitar saya akan menyarankan untuk menggunakan IB.
19. orang lain mempengaruhi SN 2 Orang lain di sekitar saya mempengaruhi untuk menggunakan IB.
Subjective norm bertujuan untuk mengetahui persepsi tekanan sosial yang
Tabel 4.5 Kuesioner subjective norm No.mempengaruhi, dan orang lain berpendapat. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.5.
norm disusun dari beberapa indikator yaitu orang terpenting, orang lain
mempengaruhi atau tidak mempengaruhi perilaku seseorang. Variabel subjective
17. tanpa paksaan ATT 4 Penggunaan
IB tanpa ada paksaan
4.1.5 Subjective Norm
20. orang lain berpendapat SN 3 Orang lain di sekitar saya berpendapat untuk menggunakan IB.
4.1.6 Self Efficacy Self efficacy bertujuan untuk penilaian kemampuan seseorang untuk
menggunakan suatu system. Variabel self efficacy disusun dari beberapa indikator yaitu tanpa bantuan orang lain, tidak pernah menggunakan, bantuan manual atau online, melihat cara menggunakan, menelepon untuk membantu, telah dibantu, punya banyak waktu, fasilitas bantuan, telah dicontohkan, dan sistem yang sama sebelumnya. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.6
4.1.7 Goverment Support Goverment support bertujuan untuk memainkan peran intervensi dan kepemimpinandalam mengukur persepsi individu mengenai tingkat dukungan.
Variabel goverment support disusun dari beberapa indikator yaitu mendukung, aktif mendirikan fasilitas, dan promosi untuk e-commerce. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.7.
Tabel 4.6 Kuesioner goverment support No.Indikator Kode Pernyataan Kuesioner
Pemerintah mendukung 31. mendukung GS 1 penggunaan IB.
Pemerintah aktif dalam aktif mendirikan
32. GS 2 mendirikan fasilitas untuk fasilitas penggunaan IB.
Pemerintah mempromosikan promosi untuk e-
33. GS 3 penggunaan internet untuk e-
commerce commerce .
Tabel 4.7 Kuesioner self efficacy No.Indikator Kode Pernyataan Kuesioner
Saya dapat menyelesaikan transaksi tanpa bantuan
21. SE 1 bank menggunakan IB, walaupun orang lain tanpa bantuan orang lain.
Saya dapat menyelesaikan transaksi tidak pernah
22. SE 2 bank menggunakan IB,walaupun tidak menggunakan pernah menggunakan sebelumnya Saya dapat menyelesaikan transaksi bantuan manual bank menggunakan IB, walaupun
23. SE 3 hanya dengan bantuan manual maupun atau online online Saya dapat menyelesaikan transaksi melihat cara
24. SE 4 bank menggunakan IB, hanya melihat menggunakan orang lain menggunakannya.
Saya dapat menyelesaikan transaksi menelepon untuk bank menggunakan IB, jika terjebak
25. SE 5 membantu akan menelepon seseorang untuk membantu Saya dapat menyelesaikan transaksi
26. telah dibantu SE 6 bank menggunakan IB, jika seseorang telah membantu menggunakannya Saya dapat menyelesaikan transaksi punya banyak bank menggunakan IB, jika punya
27. SE 7 waktu banyak waktu untuk menyelesaikan pekerjaan. Saya dapat menyelesaikan transaksi
28. fasilitas bantuan. SE 8 bank menggunakan IB, jika telah dibangun fasilitas bantuan.
Saya dapat menyelesaikan transaksi 29. telah dicontohkan SE 9 bank menggunakan IB, jika ada seseorang yang mencontohkan
Saya dapat menyelesaikan transaksi sistem yang sama bank menggunakan IB, jika telah
30. SE 10 sebelumnya menggunakan sistem yang sama sebelumnya
4.1.8 Technology Support Technology support bertujuan untuk teknologi menjadi mudah dan tersedia sebagai aplikasi e-commerce seperti layanan internet banking menjadi lebih layak.
Variabel technology support disusun dari beberapa indikator yaitu keamanan internet, kecepatan akses, dan teknologi internet. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.8
Tabel 4.8 Kuesioner technology supportNo. Indikator Kode Pernyataan Kuesioner
Kemajuan teknologi telah 34. keamanan internet TS 1 menyediakan keamanan internet untuk penggunaan IB.
Kecepatan akses internet 35. kecepatan akses TS 2 penting untuk IB.
Teknologi internet, seperti Wi- 36. teknologi internet TS 3 Fi, membuat IB lebih layak.
4.1.9 Perceived Behavioral Control Perceived behavioral control bertujuan untuk memberikan sumber daya dan
kesempatan yang mengarahkan seseorang pada kemungkinan perilaku yang diharapkan. Variabel perceived behavioral control disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.9.
Tabel 4.9 Kuesioner perceived behavioral control38. mengontrol PBC 2 Saya dapat mengontrol penggunaan IB.
PBC 3 Sayamemiliki sumber daya, pengetahuan, dan kemampuan untuk menggunakan internet banking .
39. sumber daya, pengetahuan, dan kemampuan
Kuesioner Indikator Kode Pernyataan
37. transaksi keuangan PBC 1 Saya dapat menggunakan IB dengan baik untuk transaksi keuangan.
4.1.10 Intention to Use IB
Tabel 4.10 Kuesioner intention to use internet banking No.menggunakan internet banking. Variabel intention to use IB disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.10.
No. Kuesioner
Intention to use IB bertujuan untuk mengetahui niat dan keinginan untuk
INT 1 Saya akan menggunakan
internet banking
untuk kebutuhan perbankan .
41. transaksi keuangan
INT 2 Saya akan menggunakan
internet banking untuk menangani transaksi keuangan.
42. transaksi perbankan
INT 3 Saya akan menggunakan
internet banking untuk menangani transaksi perbankan.
Indikator Kode Pernyataan 40. kebutuhan perbankan
4.2 Penyebaran dan Pengumpulan Kuesioner
Data responden penelitian diperoleh melalui pengisian kuesioner yang telah disebarkan kepada responden baik melalui online maupun offline. Penyebaran kuesioner dilakukan pada tangal 10 Juli sampai 4 September 2015. Data yang telah diperoleh sebanyak 168 responden.
Pengumpulan kuesioner dilakukan secara online maupun offline, dengan rincian online sebanyak 151, sedangkan offline sebanyak 17. Pengumpulan online, dilakukan menggunakan google form yang telah disebar melalui media sosial, sedangkan pengumpulan offline disebar di Fakultas Sains dan Teknologi Universitas Airlangga.
4.3 Karakteristik Responden
Karakteristik responden meliputi domisili tinggal, jenis kelamin, usia, jenjang pendidikan terakhir, bank yang digunakan, dan frekuensi penggunaan dalam sebulan.
4.3.1 Karakteristik Responden Bedasarkan Jenis Kelamin
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenis kelamin laki-laki dan perempuan dimana hasil analisis karateristik responden dapat dilihat pada Gambar 4.1.
Laki-laki 29% Laki-laki Perempuan
Perempuan 71% Pada Gambar 4.1 terlihat bahwa respondenperempuan yaitu sebesar 71% atau sebanyak 120 orang memiliki frekuensi lebih tinggi dibanding responden laki-laki yang hanya 29% atau sebanyak 48 orang.
4.3.2 Karakteristik Responden Berdasarkan Usia
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan rentang usia dimana hasil analisis karateristik responden dapat dilihat pada Gambar 4.2.
Pada Gambar 4.2 terlihat bahwa responden yang memiliki frekuensi yaitu responden dengan usia <25 tahun sebesar 85% atau sebanyak 143 orang dan usia ≥25 tahun sebesar 15% atau sebanyak 25 orang
≥25 tahun 0% 0% 15% <25 tahun ≥25 tahun
<25 tahun 85%
Gambar 4.2 Data responden berdasarkan usia4.3.3 Karakteristik Responden Bedasarkan Jenjang Pendidikan Terakhir
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenjang pendidikan terakhir yaitu SMA, D3, S1, S2, dan S3 dimana hasil analisis karateristik responden disajikan dalam Gambar 4.3.
Pada Gambar 4.3 dapat terlihat bahwa responden yang tertinggi adalah responden dengan jenjang pendidikan terakhir S1 memiliki presentase yang sama yaitu sebesar 69% atau sebanyak 116 orang.
S2 S3 4% 0%
SMA SMA 27% D3
S1 S2 D3 S3 0% S1 69%
Gambar 4.3 Data responden berdasarkan jenjang pendidikan terakhir4.3.4 Karakteristik Responden Bedasarkan Bank yang Digunakan
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan bank yang digunakan, yaitu Mandiri, BCA, BNI, BRI, dan lainnya dimana hasil analisis karateristik responden disajikan dalam Gambar 4.4.
Pada Gambar 4.4 terlihat bahwa bank yang digunakan oleh pengguna internet bankingyang mempunyai jumlah responden terbanyak adalah pengguna Mandiri mempunyai frekuensi terbesar yaitu 41,4% atau sebanyak 70 orang.
Lainnya Mandiri
5% BRI BCA
Mandiri 21% 42% BNI
BRI BNI
BCA
Lainnya14%
18%
4.3.5 Karakteristik Responden Bedasarkan Frekuensi Penggunaan dalam
SebulanData hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan frekuensi penggunaan dalam sebulan, yaitu 1-5, 6-10, dan >10dimana hasil analisis karateristik responden disajikan pada Gambar 4.5.
Pada Gambar 4.5 terlihat bahwa responden jarang membuka internet
banking nya dimana frekuensi penggunaan internet banking dalam sebulan paling
banyak adalah 1 sampai 5 kali mempunyai frekuensi terbesar yaitu 63,7% atau sebanyak 107 orang.
>10 14% 1 sampai 5
6 sampai 10 22% 1 sampai 5 6 sampai 10
64% >10
Gambar 4.5 Data responden berdasarkan frekuensi penggunaan dalam sebulan4.4 Analisis Statistik Deskriptif Variabel
Analisis statistik deskriptif variabel digunakan untuk mengetahui kecenderungan jawaban pada kuesioner. Terdapat lima kategori pilihan jawab an pada kuesioner yaitu Sangat Setuju (SS) yang berskala 1, Setuju (S) yang berskala 2, Tidak Setuju (TS) yang berskala 3, dan Sangat Tidak Setuju (SS) yang berskala
4. Data yang terkumpul kemudian ditabulasi untuk mengetahui distribusi jawaban responden dari masing-masing indikator pada setiap variabel.
4.4.1 Frekuensi Jawaban Variabel Perceived Usefulness
Frekuensi jawaban responden pada variabel perceived usefulness disajikan pada Tabel 4.11. Dari tabel 4.11dapat dilihat bahwa distribusi frekuensi variabel terdiri dari empat indikator, dimana responden tidak ada
perceived usefulness
yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PE1, PE2, PE3, dan PE4 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking dapat menyelesaikan tugas lebih cepat dan merasa bahwa penggunaan internet banking memudahkan dalam mengerjakan tugas, selain itu responden juga merasa penggunaan internet banking berguna dan menguntungkan.
Tabel 4.11 Analisis statistik perceived usefulnessSkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. %
3 PU1
8
5
91
54
69
41
3 PU2
4
2
99
59
65
39
3 PU3
87
52
81
48
3 PU4
5
3
86
51
77
46
4.4.2 Frekuensi Jawaban Variabel Perceived Ease Of Use
Frekuensi jawaban responden pada variabel perceived ease of use disajikan pada Tabel 4.12. Dari tabel 4.12 dapat dilihat bahwa distribusi frekuensi variabel
perceived ease of use terdiri dari tiga indikator, dimana responden tidak ada yang
memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PEU1, PEU2, dan PEU3 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking mudah untuk dipelajari dan mudah berinteraksi, responden jugasetuju bahwa penggunaan internet banking memudahkan transaksi perbankan.
Tabel 4.12 Analisis statistik perceived ease of useSkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. %
3 PEU1
12 7 122
73
34
20
3 PEU2
6 3 117
70
45
27
3 PEU3
3
2
96
57
69
41
4.4.3 Frekuensi Jawaban Variabel Security and Privacy
Frekuensi jawaban responden pada variabel security and privacy disajikan pada tabel 4.13. Dari tabel 4.13 dapat dilihat bahwa distribusi frekuensi variabel
security and privacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada
indikator SP1, SP2, SP3, SP4, SP5, dan SE6 adalah setuju, hal ini menunjukkan bahwa responden merasa teknologi internet banking dapat dipercaya dan melindungi data pribadi, selain itu responden juga setuju bahwa transaksi internet
banking sama dengan bank konvensional, aman secara finansial, tidak ada
kekhawatiran dalam penggunaannya, dan tidak dipengaruhi aspek keamanan.Tabel 4.13 Analisis statistik security and privacySkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. %
3 SP1
11 7 132
78
25
15
3 SP2
1
1
21 12 115
69
31
18
3 SP3
1
1
37 22 102
61
28
16
3 SP4
1
1
19 11 119
71
29
17
3 SP5
4
2
50
30
88
52
26
16
3 SP6
8
5
55
33
80
47
25
15
4.4.4 Frekuensi Jawaban Variabel Attitude
Frekuensi jawaban responden pada variabel security and privacy disajikan pada tabel 4.14. Dari tabel 4.14 dapat dilihat bahwa distribusi frekuensi variabel terdiri dari empat indikator, dimana responden tidak ada yang memilih
attitude
jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator ATT1, ATT2, ATT3, dan ATT4 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking ide yang baik, bijaksana, dan menyenangkan, selain itu responden dalam menggunakan tanpa ada paksaan.
internet banking
Tabel 4.14 Analisis statistik attitudeSkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. %
3 ATT1
3 2 115
68
50
30
3 ATT2
10 6 112
67
46
27
3 ATT3
8 5 109
65
51
30
3 ATT4
4
3
91
54
73
43
4.4.5 Frekuensi Jawaban Variabel Subjective Norm
Frekuensi jawaban responden pada variabel subjective norm disajikan pada
Tabel 4.15. Dari tabel 4.15 dapat dilihat bahwa distribusi frekuensi variabel
subjective norm jika dilihat dari nilai modus, pilihan jawaban terbanyak pada
indikator SN1, SN2, dan SN3 adalah setuju, hal ini menunjukkan bahwa responden merasa disarankan dan dipengaruhi menggunakan internet banking oleh orang terpenting dan orang lain disekitarnya, selain itu orang lain yang berada disekitar responden juga berpendapat untuk menggunakan internet
banking .
Tabel 4.15 Analisis statistik subjective norm46
14
24
66
30 18 111
2
3
3 SN3
15
26
54
90
27
4
Indikator Skala Pengukuran Modus
6
3 SN2
14
23
63
38 22 106
1
1
SN1
4 (SS) Frek. % Frek. % Frek. % Frek. %
3 (S)
2 (TS)
1 (STS)
3
4.4.6 Frekuensi Jawaban Variabel Self Efficacy
Tabel 4.16. Dari tabel 4.16 dapat dilihat bahwa distribusi frekuensi variabel self94
34 20 106
2
3
3 SE7
13
21
56
29
25
49
2
4
3 SE6
15
25
69
63
15
2
48
3
3
14
23
55
93
29
2
3 SE8
4
3 SE9
11
19
61
40 24 103
4
6
24 14 116
3
efficacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator
17
1
3 SE2
31
52
59
99
10
SE1
27 16 101
4 (SS)
Frek. % Frek. % Frek. % Frek. %
3 (S)
2 (TS)
1 (STS)
Indikator Skala Pengukuran Modus
Tabel 4.16 Analisis statistik self efficacyPada indikator SE5, SE6, SE7, SE8, SE9, dan SE10 pilihan jawaban terbanyak adalah setuju.
SE1, SE2, SE3 dan SE4 adalah setuju, hal ini menunjukkan bahwa responden merasa dapat menyelesaikan transaksi bank menggunakan internet banking walaupun tanpa bantuan orang lain, tidak pernah menggunakan sebelumnya, hanya dengan bantuan manual/online, dan melihat orang lain menggunakannya.
1
60
3 SE5
1
18
31
57
25
24
41
1
3 SE4
39
26
44
68
5 1 114
1
Frekuensi jawaban responden pada variabel self efficacy disajikan pada
3 SE3
23
1
4.4.7 Frekuensi Jawaban Variabel Goverment Support
Frekuensi jawaban responden pada variabel goverment support disajikan pada Tabel 4.17. Dari tabel 4.17 dapat dilihat bahwa distribusi frekuensi variabel jika dilihat dari nilai modus, pilihan jawaban terbanyak pada
goverment support
indikator GS1, GS2, dan GS3 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa pemerintah mendukung dan memberikan fasilitas dalam penggunaan internet banking, selain itu responden juga merasa bahwa pemerintah mempromosikan internet untuk e-commerce.
Tabel 4.17 Analisis statistik goverment supportSkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS)
Frek. % Frek. % Frek. % Frek. %
3 GS1
14 8 108
64
46
28
3 GS2
2
1
25 15 102
61
39
23
3 GS3
3
2
34
20
97
58
34
20
4.4.8 Frekuensi Jawaban Variabel Technology Support
Frekuensi jawaban responden pada variabel technology support disajikan pada Tabel 4.18. Dari tabel 4.18dapat dilihat bahwa distribusi frekuensi variabel
technology support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada
indikator GS1 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa kemajuan teknologi telah menyediakan keamanan internet dalam penggunaan
internet banking . Berbeda pada indikator GS2 pilihan jawaban terbanyak adalah
sangat setuju, dimana responden merasa sangat setuju jika Kecepatan akses internet penting untuk penggunaan internet banking.Sedangkan pada indikator
GS3 pilihan terbanyak adalah sangat setuju dan setuju, dimana responden merasa teknologi internet membuat internet banking lebih layak.
Tabel 4.18 Analisis statistik technology supportSkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. %
3 TS1
1
1
17
10
91
54
59
35
4 TS2
1
1
5
3
80
47
82
49 3 dan 4 TS3
3
2
5
3
80
48
80
47
4.4.9 Frekuensi Jawaban Variabel Perceived Behavioral Control
Frekuensi jawaban responden pada variabel perceived behavioral control disajikan pada Tabel 4.19.Dari tabel 4.19 dapat dilihat bahwa distribusi frekuensi variabel perceived behavioral control terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PBC1, PBC2, dan PBC3 adalah setuju, hal ini menunjukkan bahwa responden merasa dapat menggunakan dan mengontrol penggunaan internet banking dengan baik untuk transaksi keuangan, selain itu responden juga merasa memiliki sumber daya, pengetahuan, dan kemampuan untuk menggunakan internet banking.
Tabel 4.19 Analisis statistik perceived behavioral controlSkala Pengukuran
1
2
3
4 Modus Indikator
(STS) (TS) (S) (SS)
Frek. % Frek. % Frek. % Frek. %3 PBC1
5 3 110
65
53
32
3 PBC2
13 8 110
65
45
27
3 PBC3
6
4
99
59
63
37
4.4.10 Frekuensi Jawaban Variabel Intention to Use Internet Banking
Frekuensi jawaban responden pada variabel intention to use internet banking disajikan pada Tabel 4.20. Dari tabel 4.20 dapat dilihat bahwa distribusi frekuensi variabel intention to use internet banking jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator INT1, INT2, dan INT3 adalah setuju, hal ini menunjukkan bahwa responden akan menggunakan internet banking untuk kebutuhan perbankan, menangani transaksi keuangan, dan menangani transaksi perbankan.
Tabel 4.20 Analisis statistik intention to use internet bankingSkala Pengukuran
1
2
3
4 Modus Indikator (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. %
3 INT1
11 6 112
67
45
27
3 INT2
9 5 109
65
50
30
3 INT3
2
1
12 7 108
65
46
27
4.5 Pengolahan Data dengan PLS
Analisis data dalam penelitian ini menggunakan Partial Least Square (PLS) dimana terdapat dua tahapan evaluasi yaitu evaluasi model pengukuran (outer
model ) dan evaluasi model struktural (inner model). Pengolahan data dilakukan
dengan software SmartPLS 3.0.4.5.1 Evaluasi model pengukuran (Outer Model)
Evaluasi model pengukuran dilakukan untuk menilai validitas dan reliabilitas model yang dilakukan dengan convergent validity, discriminant
validity , dan composite reliability.
1. Convergent Validity
Convergent validity bertujuan untuk mengukur kesesuaian antara indikator
hasil pengukuran variabel dan konsep teoritis yang menjelaskan keberadaan- keberadaan indikator dari variabel tersebut. Uji convergent validity dapat dievaluasi dalam tiga tahap yaitu dengan melihat outer loadings, composite reliability , dan Average Variance Extracted (AVE).
Outer loadings adalah tabel yang berisi loading factor untuk menunjukkan
besar korelasi antara indikator dengan variabel laten. Loading factor paling lemah yang dapat diterima validitasnya adalah 0,4. Outputouter loadings dapat diperoleh dari PLS Algorithm Report SmartPLS. Untuk memudahkan dalam melihat outer
loadings dari blok-blok indikator yang mengukur konstrukmaka disajikan diagram
jalur pada gambar 4.6 Dalamloading factor terdapat beberapa indikator yang tidak valid karena mempunyai loading factor di bawah 0,4. Indikator yang tidak valid adalah SE6,
SE7, SE8, SE9, dan SE10, sehingga indikator-indikator tersebut harus dikeluarkan dari model.Penghapusan indikator nantinya dilanjutkan dengan melakukan estimasi ulang atau re-estimasi. Bentuk lain penyajian outputouter loadings ditampilkan pada tabel 4.21.
Gambar 4.6 Output diagram jalurRe-estimasi atau melakukan estimasi ulang untuk evaluasi model pengukuran dimaksudkan untuk memeriksa kembali validitas loading factor setiap indikator.Jika uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji lebih lanjut. Untuk mempermudah visualisasi hasil re-estimasi maka disajikan diagram jalur model pengukuran pada Gambar 4.7.
Tabel 4.21 Outer loadingsSN1<-SN 0.883 Valid
SE3<-SE 0.829 Valid
SE4<-SE 0.755 Valid
SE5<-SE 0.516 Valid
SE6<-SE 0.362 Tidak Valid
SE7<-SE 0.392 Tidak Valid
SE8<-SE 0.286 Tidak Valid
SE9<-SE 0.330 Tidak Valid
SE10<-SE 0.297 Tidak Valid
SN2<-SN 0.853 Valid
SE1<-SE 0.813 Valid
SN3<-SN 0.853 Valid
SP1<-SP 0.845 Valid
SP2<-SP 0.837 Valid
SP3<-SP 0.749 Valid
SP4<-SP 0.849 Valid
SP5<-SP 0.840 Valid
SP6<-SP 0.797 Valid
TS1<-TS 0.850 Valid
TS2<-TS 0.837 Valid
SE2<-SE 0.853 Valid
PU4<-PU 0.829 Valid
Dari gambar 4.7dapat dilihat besaran loading factor hasil re-estimasi dari masing-masing indikator yang mengukur konstruk. Hasil re-estimasi tersebut Korelasi indikator dengan variabel
INT1<-INT 0.924 Valid
Loading Factor Keterangan
ATT1<-ATT 0.815 Valid
ATT2<-ATT 0.855 Valid
ATT3<-ATT 0.886 Valid
ATT4<-ATT 0.777 Valid
GS1<-GS 0.877 Valid
GS2<-GS 0.930 Valid
GS3<-GS 0.786 Valid
INT2<-INT 0.896 Valid
PU3<-PU 0.779 Valid
INT3<-INT 0.912 Valid
PBC1<-PBC 0.921 Valid
PBC2<-PBC 0.909 Valid
PBC3<-PBC 0.926 Valid
PEU1<-PEU 0.830 Valid
PEU2<-PEU 0.864 Valid
PEU3<-PEU 0.742 Valid
PU1<-PU 0.787 Valid
PU2<-PU 0.874 Valid
TS3<-TS 0.809 Valid menunjukkan bahwa seluruh indikator telah memiliki validitas yang baik karena memiliki loading factor lebih dari 0,40. Oleh karena uji validitas dengan outer
loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji
lebih lanjut. Adapun bentuk lain penyajian outputouter loadings hasil re-estimasi ditampilkan pada tabel 4.22.
Gambar 4.7 Output diagram jalur hasil re estimasi model Pemeriksaan selanjutnya dari convergent validity adalah reliabilitas.Reliabilitas didefinisikan sebagai kemampuan indikator instrumen dalam menghasilkan nilai yang sama secara berulang (konsistensi) pada setiap aktivitas penelitian. Tingkat reliabilitas diukur dengan nilai composite reliability dan nilai AVE. Nilai composite reliability dapat dilihat pada tabel 4.26.
Tabel 4.22 Outer loadings hasil re-estimasi modelSN3<-SN 0.853 Valid
SE1<-SE 0.813 Valid
SE2<-SE 0.853 Valid
SE3<-SE 0.829 Valid
SE4<-SE 0.755 Valid
SE5<-SE 0.516 Valid
SN1<-SN 0.883 Valid
SN2<-SN 0.853 Valid
SP1<-SP 0.845 Valid
PU3<-PU 0.779 Valid
SP2<-SP 0.837 Valid
SP3<-SP 0.749 Valid
SP4<-SP 0.849 Valid
SP5<-SP 0.840 Valid
SP6<-SP 0.797 Valid
TS1<-TS 0.850 Valid
TS2<-TS 0.837 Valid
PU4<-PU 0.829 Valid
PU2<-PU 0.874 Valid
Korelasi indikator dengan variabel Loading Factor
GS3<-GS 0.786 Valid
Keterangan
ATT1<-ATT 0.815 Valid
ATT2<-ATT 0.855 Valid
ATT3<-ATT 0.886 Valid
ATT4<-ATT 0.777 Valid
GS1<-GS 0.877 Valid
GS2<-GS 0.930 Valid
INT1<-INT 0.924 Valid
PU1<-PU 0.787 Valid
INT2<-INT 0.896 Valid
INT3<-INT 0.912 Valid
PBC1<-PBC 0.921 Valid
PBC2<-PBC 0.909 Valid
PBC3<-PBC 0.926 Valid
PEU1<-PEU 0.830 Valid
PEU2<-PEU 0.864 Valid
PEU3<-PEU 0.742 Valid
TS3<-TS 0.809 Valid
Pengukuran lain yang juga digunakan untuk menguji reliabilitas adalah AVE. Nilai AVE bertujuan untuk mengukur tingkat variansi suatu komponen konstruk yang dihimpun dari indikatornya dengan menyesuaikan pada tingkat kesalahan. Pengujian dengan nilai AVE bersifat lebih kritis daripada composite
reliability . Nilai AVE minimal yang direkomendasikan adalah 0,50. Output AVE
yang diperoleh dari PLS Algorithm Report SmartPLS yang tersaji pada tabel 4.23.Tabel 4.23 Nilai AVE
Variabel AVE
0.696 ATT
0.751 GS
0.830
INT 0.844
PBC 0.659
PEU 0.670
PU 0.599
SE 0.745
SN 0.673
SP 0.693
TS Dari tabel 4.23 hasil uji dengan nilai AVE menunjukkan bahwa seluruh konstruk mempunyai reliabilitas yang potensial untuk diuji lebih lanjut. Hal ini dikarenakan nilai AVE pada seluruh konstruk telah lebih besar dari 0,50.
2. DiscriminantValidity
Discriminant validity adalah tingkat diferensi suatu indikator dalam
mengukur konstruk-konstruk instrumen. Untuk menguji discriminat validity dapat dilakukan dengan pemeriksaan cross loading yakni koefisien korelasi indikator terhadap konstruk asosiasinya (loading) dibandingkan dengan koefisien korelasi dengan konstruk lain (cross loading). Nilai koefisien korelasi indikator harus lebih besar terhadap konstruk asosiasinya daripada konstruk lain. Nilai yang lebih besar ini mengindikasikan kecocokan suatu indikator untuk menjelaskan konstruk asosiasinya dibandingkan menjelaskan konstruk-konstruk lain.
Uji validitas diskriminan lainnya adalah dengan membandingkan korelasi antara variabel dengan akar AVE ( √AVE) . Model pengukuran mempunyai
discriminant validity yang baik jika
√AVEsetiap variabel lebih besar daripada korelasi antar variabel lainnya. SmartPLS sebagai tools untuk analisis PLS-SEM ini telah mencakup uji discriminant validity. Penilaian discriminant validity yang dihasilkan SmartPLS terdiri dari tiga kriteria yakni Fornell-Lacker Criterion, cross
loadings , dan Heterotrait-Monotrait Ratio (HTMT). Dalam pembahasan kali ini,
peneliti hanya menggunakan kriteria Fornell-Lacker Criterion dan cross loadings.Berikut adalah hasil outputcross loadings yang diperoleh dari PLS Algorithm Report SmartPLS tersaji pada tabel 4.24.
Pembacaan cross loadings pada tabel 4.24 adalah berdasarkan kolom. Dapat dilihat bahwa indikator ATT1, ATT2, ATT3, dan ATT4 memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu ATT dengan koefisien korelasi sebesar 0.85, 0.85, 0.89 dan 0.78. Nilai koefisien korelasi blok indikator tersebut telahlebih besar terhadap konstruk asosiasinya daripada konstruk-konstruk lain.
Indikator GS1, GS2, dan GS3 juga memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu GS. Sama halnya dengan indikator konstruk lainnya yang berkorelasi lebih tinggi dengan konstruk asosiasinya dibandingkan dengan konstruk lain, sehingga dapat dikatakan memiliki discriminant validity yang baik.
Pemeriksaan selanjutnya adalah membandingkan korelasi antar variabel dengan akar AVE ( √ ). Model pengukuran mempunyai discriminant validity yang baik jika Nilai √ dapat dilihat dari output Fornell-Larcker Criterion SmartPLS yang tersaji dalam tabel 4.25.
Tabel 4.24 Cross Loadings0.44
0.47
0.49
0.24
0.39
0.32 PEU3
0.54
0.27
0.50
0.53
0.74
0.55
0.16
0.51
0.38
0.46 PU1
0.52
0.39
0.46
0.50
0.40
0.79
0.45
0.22
0.32
0.37 PU2
0.86
0.41
0.49
0.33
0.70
0.32
0.53
0.40 PBC3
0.71
0.49
0.72
0.92
0.60
0.55
0.65
0.49
0.38
0.45 PEU1
0.46
0.33
0.35
0.52
0.83
0.35
0.46
0.26
0.39
0.20 PEU2
0.54
0.59
0.53
0.64
0.45
0.53
0.48
0.81
0.28
0.42
0.36 SE2
0.57
0.33
0.51
0.71
0.56
0.85
0.56
0.30
0.52
0.33 SE3
0.66
0.52
0.59
0.65
0.58
0.51
0.83
0.40
0.50
0.68
0.33
0.53
0.39
0.48
0.87
0.50
0.23
0.36
0.48 PU3
0.48
0.31
0.33
0.43
0.50
0.78
0.21
0.59
0.25
0.42 PU4
0.54