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 attitude

  No. 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 support

  No. 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 control

  38. 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 usia

  4.3.3 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 terakhir

4.3.4 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

Lainnya

  14%

18%

  

4.3.5 Karakteristik Responden Bedasarkan Frekuensi Penggunaan dalam

Sebulan

  Data 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 sebulan

4.4 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 usefulness

  Skala 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 use

  Skala 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 privacy

  Skala 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 attitude

  Skala 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 norm

  46

  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 self

  94

  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 efficacy

  Pada 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 support

  Skala 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 support

  Skala 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 control

  Skala 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 banking

  Skala 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 jalur

  Re-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 loadings

  SN1<-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 model

  SN3<-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 Loadings

  0.44

  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