Iklan Online di Media Sosial : Risiko dan Kepercayaan Pengguna terhadap Iklan Online di Line dengan Metode Structural Equation Modelling (SEM) Studi Kasus : Line Berrybenka
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Vol. 2, No. 2, Februari 2018, hlm. 533-542
e-ISSN: 2548-964X
http://j-ptiik.ub.ac.id
Iklan Online di Media Sosial : Risiko dan Kepercayaan Pengguna terhadap
Iklan Online di Line@ dengan Metode Structural Equation Modelling
(SEM) Studi Kasus : Line@ Berrybenka
Maharani Essraningtiyas1, Ari Kusyanti2, Admaja Dwi Herlambang3
Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1raniessra@gmail.com, 2ari.kusyanti@ub.ac.id, 3herlambang@ub.ac.id
Abstrak
Iklan online merupakan media yang digunakan oleh organisasi ataupun perorangan untuk mengenalkan
produk ataupun layanan kepada masyarakat melalui media internet. Penelitian ini membahas mengenai
dampak positif dan negatif iklan online. Model yang digunakan adalah TAM (Technology Acceptance
Model) digabungkan dengan trust dan perceived risk menggunakan metode Structural Equation
Modelling (SEM) pada studi kasus Line@ dengan data sampel sebanyak 229. Hasil menunjukkan bahwa
niat pengguna untuk bertransaksi online tidak ditentukan oleh manfaat dari iklan online serta kemudahan
dalam menggunakan sistem tetapi karena mereka menerima dan mengembangkan sikap positif terhadap
iklan online. Selain itu niat pengguna untuk bertransaksi online juga dipengaruhi oleh perceived risk
karena selain mempertimbangkan dampak positif, pengguna juga mempertimbangkan dampak negatif
iklan online sebelum melakukan transaksi di line.
Kata Kunci: iklan online, line, technology acceptance model, perceived risk, trust, structural equation modelling
Abstract
Online advertising is a media used by organizations or individuals to introduce products or services to
the public on the internet. This study discusses the positive and negative impacts of online advertising.
The model used is TAM (Technology Acceptance Model) combined with trust and perceived risk and
analyzed by Structural Equation Modeling (SEM) in Line@ as a case study with 229 sample data. The
results shows that user intention to transact online is not determined by the usefulness of online
advertising as well as the ease of use of the system but because they accept and develop a positive
attitude towards online advertising. In addition, the intention of users to transact online is also
influenced by perceived risk because a part from considering the positive impact, users also consider
the negative impact of online advertising before doing transactions on line@
Keywords: online advertising, line, technology acceptance model, perceived risk, trust, structural equation
modelling
sosial. Salah satu media sosial yang banyak
digunakan adalah LINE.
Line merupakan aplikasi messaging yang
dibuat oleh perusahaan NHN Corporation asal
Korea Selatan yang mulai direlease pada tanggal
23 Juni 2011 oleh NHN cabang Jepang setelah
terjadinya gempa bumi di Jepang (Yulianto,
2014). Didalam LINE terdapat sebuah fitur yang
bernama Official Account atau yang lebih
dikenal
dengan
LINE@
yang
dapat
mengirimkan berbagai jenis pesan kepada semua
pelanggan dan penggemar serta dapat menjawab
pertanyaan dan melakukan obrolan personal
dengan lebih mudah sehingga LINE@ dapat
1. PENDAHULUAN
Iklan online merupakan media yang
digunakan untuk melakukan promosi pada
teknologi internet. Iklan online pada teknologi
internet dapat ditempatkan pada media sosial
karena semakin hari jumlah pengguna media
sosial semakin banyak. Tercatat pada tahun 2016
jumlah pengguna media sosial adalah sebesar
97,4 % atau sekitar 129,2 juta jiwa (APJII,
2016). Dengan bertambahnya pengguna media
sosial maka semakin besar pula peluang untuk
mempromosikan produk atau layanan di media
Fakultas Ilmu Komputer
Universitas Brawijaya
533
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
digunakan sebagai media promosi bisnis dan
memperkuat
hubungan
dengan
dengan
pelanggan (LINE, 2017).
Salah satu perusahaan yang menjalin
kerjasama dengan Line@ adalah Berrybenka.
Berrybenka merupakan salah satu perusahaan
fashion ternama di Indonesia yang menjual lebih
dari 1000 merek lokal dan internasional
(Berrybenka, 2017). Dari banyak perusahaan
yang menggunakan Line@, Berrybenka
merupakan salah satu perusahaan yang
menyediakan layanan transaksi melalui Line@.
Pengguna yang bertransaksi di Line@
Berrybenka akan mendapatkan potongan harga
sehingga pengguna dapat dikatakan telah
memanfaatkan iklan online.
Pada Line@ terdapat logo bintang yang
memiliki warna khusus. Warna hijau berarti
bahwa akun tersebut resmi dari Line sedangkan
warna logo abu-abu berarti bahwa akun tersebut
merupakan akun dari Line@ yang belum
diverifikasi oleh Line (LINE, 2016). Berrybenka
memiliki logo berwarna abu-abu sehingga
memungkinkan dapat dipalsukannya akun
Berrybenka yang dapat memberikan peluang
untuk dilakukan penipuan atasnama Berrybenka.
Penelitian
sebelumnya
membahas
mengenai dampak positif dan negatif iklan
online. Penelitian ini dilakukan oleh Yang Wang
et al pada tahun 2012 yang menyajikan manfaat
dan kerugian yang dialami pengguna saat
memanfaatkan iklan online. Hasil penelitian ini
menemukan bahwa iklan online dapat
memberikan manfaat bagi penggunanya, yaitu
iklan dapat membantu pengguna untuk
menemukan produk yang dicari, memberikan
penawaran yang lebih baik serta memberikan
pengalaman yang baik kepada pengguna.
Namun iklan online juga memberikan dampak
negatif yaitu memberikan privacy risk bagi
pengguna. Selain itu penelitian ini menemukan
bahwa pengguna kurang percaya terhadap
penyedia iklan. Pada penelitian ini belum
memodelkan dampak positif dan negatif iklan
online sehingga pembahasan tidak fokus pada
faktor yang diteliti.
Berdasarkan masalah tersebut maka tujuan
penelitian ini adalah untuk membahas mengenai
risiko, manfaat dan kepercayaan terhadap iklan
online pada media sosial dengan cara
memodelkan faktor-faktor tersebut. Penelitian
melakukan pembuatan model yang sesuai
sehingga dapat diketahui bagaimana faktorfaktor tersebut dapat memengaruhi perilaku
pengguna untuk memanfaatkan iklan online.
Fakultas Ilmu Komputer, Universitas Brawijaya
534
Manfaat, kepercayaan dan risiko iklan online
akan dimodelkan menggunakan Technology
Acceptance Model (TAM) yang digabungkan
dengan variabel trust dan Perceived Risk.
2. TINJAUAN PUSTAKA
Model penelitian TAM diambil dari
penelitian sebelumnya yang dilakukan oleh
Dong Hee Shin pada tahun 2010 yang membahas
mengenai penerimaan pengguna terhadap social
network services (SNS) atau media sosial dan
penelitian Lorenzo Romero, et al, pada tahun
2014 yang membahas mengenai penerimaan
media sosial untuk strategi bisnis bagi retailer.
Kedua
penelitian
tersebut
kemudian
digabungkan
dengan
penelitian
milik
Featherman dan Pavlou pada tahun 2003 yang
membahas mengenai risiko yang dirasakan oleh
pengguna ketika menggunakan e-service.
Technology Acceptance Model (TAM)
pertama kali diperkenalkan oleh Davis pada
tahun 1989 yang merupakan teori sistem
informasi yang membuat model tentang proses
penerimaan pengguna dalam menggunakan
teknologi (Hanggono, et al., 2015). Terdapat
beberapa variabel dalam TAM, yaitu (a)
Perceived Usefulness (Kegunaan) (b) Perceived
Ease of Use (Kemudahan Penggunaan) (c)
Attitude (Sikap) (d) Intention (Niat).
Perceived
Usefulness
(Kegunaan)
didefinisikan sebagai sejauh mana seseorang
percaya bahwa menggunakan sistem/layanan
tertentu
akan
meningkatkan
kinerja
pekerjaannya
(Davis,
1989).
Sebuah
sistem/layanan yang manfaatnya dirasakan
tinggi, pada akhirnya menjadi salah satu faktor
yang dipercaya oleh pengguna dan akan
menghasilkan kinerja yang positif (Davis, 1989).
Perceived Ease of Use (Kemudahan
Penggunaan) mengacu pada sejauh mana
seseorang percaya bahwa menggunakan
sistem/layanan tertentu akan bebas dari
upaya/usaha (Davis, 1989). Dijelaskan juga oleh
Nasution (2004) bahwa Perceived Ease of Use
akan mengurangi usaha (baik waktu dan tenaga)
seseorang dalam mempelajari komputer yang
memberikan indikasi bahwa orang yang
menggunakan TI bekerja lebih mudah
dibandingkan dengan orang yang bekerja tanpa
menggunakan TI (secara manual).
Attitude (Sikap) adalah sikap menyukai atau
tidak menyukai terhadap suatu sistem/layanan
yang dapat digunakan untuk memprediksi niat
seseorang dalam menggunakan atau tidak
535
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
menggunakannya (Hanggono, et al., 2015).
Menurut Davis (1989) sikap terhadap
penggunaan teknologi (attitude toward using
technology) didefinisikan sebagai evaluasi dari
pemakai tentang ketertarikannya dalam
menggunakan teknologi.
Intention (Niat) adalah kecenderungan
perilaku untuk tetap menggunakan suatu
teknologi (Davis, 1989). Niat bersifat dinamis
artinya dapat berubah seiring dengan
berjalannya waktu (Aribowo, 2013). Tingkat
penggunaan sebuah teknologi pada seseorang
dapat diprediksi dari sikap perhatian pengguna
terhadap teknologi tersebut, misalkan keinginan
untuk mendukung, motivasi untuk tetap
menggunakan, dan keinginan untuk memotivasi
pengguna lainnya (Hanggono, et al., 2015).
Menurut Kesharwani & Bisht (2012) trust
dalam
e-commerce
dapat
mengurangi
ketidakpastian dan risiko yang terkait dengan
kemungkinan kecurangan pada retailer. Terdapat
7 jenis konsekuensi atau risiko yang dirasakan
oleh pengguna pada saat melakukan transaksi
online yaitu financial risk, time risk, social risk,
psychological risk , performance risk, privacy
risk dan overall risk (Kaplan, et al., 1974;
Brooker, 1984; Featherman & Pavlou, 2003).
Masoud (2013) menjelaskan Financial risk
adalah hilangnya sejumlah uang tertentu akibat
dari adanya pembuatan atau pembelian produk.
Maigan dan Lukas (1997 disitasi dalam Masoud
(2013)) juga menjelaskan financial risk adalah
risiko yang diraskan bukan hanya saat
menggunakan uang tunai saja tetapi juga
berkaitan dengan risiko negatif saat penggunaan
kartu kredit secara online untuk pembelian
online.
Zheng, et al., (2012) menjelaskan bahwa
time risk berhubungan dengan waktu yang
terbuang akibat dari pencarian informasi dan
pembelian produk. Social Risk menurut
Featherman & Pavlou (2003) merupakan potensi
kehilangan status dalam kelompok sosial sebagai
akibat dari menggunakan suatu produk atau
layanan, terlihat tidak tahu apapun atau
untrendy. Psychological Risk merupakan potensi
kehilangan kepercayaan diri (kecewa) atau
frustrasi karena tidak mencapai tujuan
pembelian (Zheng, et al., 2012). Performance
Risk merupakan potensi kerugian yang timbul
ketika suatu produk / jasa tidak seperti yang
diharapkan seperti cacat, ukuran yang tidak
sesuai, kualitas yang buruk, dll (Zheng, et al.,
2012). Privacy Risk adalah potensi kehilangan
kontrol atas informasi pribadi, seperti ketika
Fakultas Ilmu Komputer, Universitas Brawijaya
informasi
pribadi
digunakan
tanpa
sepengetahuan atau izin (Featherman & Pavlou,
2003). Overall Risk merupakan aspek untuk
mengevaluasi seluruh aspek risiko secara
bersama-sama (Featherman & Pavlou, 2003).
Berdasarkan
penelitian yang telah
dilakukan sebelumnya maka model pada
penelitian ini dapat dilihat pada gambar 1.
Gambar 1. Model Penelitian
Berdasarkan model penelitian maka dapat
dibuat hipotesis sebagai berikut :
H1. Perceived Usefullness memiliki pengaruh
yang signifikan dan positif terhadap
intention
H2. Perceived Ease of Use memiliki pengaruh
yang signifikan dan positif terhadap
intention
H3. Attitude memiliki
pengaruh
yang
signifikan dan positif terhadap intention
H4. Perceived Usefulness memiliki pengaruh
yang signifikan dan positif terhadap
Attitude
H5. Perceived Ease of Use memiliki pengaruh
yang signifikan dan positif terhadap
Attitude
H6. Trust memiliki pengaruh positif terhadap
Attitude
H7. Perceived Ease of Use memiliki pengaruh
yang signifikan dan positif terhadap
Perceived Usefulness
H8. Perceived Risk memiliki pengaruh negatif
terhadap Perceived Usefulness
H9. Perceived Risk memiliki pengaruh negatif
terhadap Intention
H10. Perceived Ease of Use memiliki pengaruh
positif terhadap Perceived Risk
3. METODOLOGI PENELITIAN
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 2. Rencana Penelitian
Penelitian ini menggunakan metode
pengumpulan
data
kuantitatif
dengan
pendekatan survei yang dimulai dengan
merumuskan masalah, kemudian melakukan
studi literatur dengan mempelajari teori-teori
terkait penelitian. Model pada penelitian ini
dimodifikasi dari model penelitian sebelumnya
yaitu dengan menggabungkan model TAM,
trust, dan perceived risk. Setelah membuat
model,
selanjutnya
adalah
melakukan
pembuatan kuesioner.
Sebelum kuesioner siap untuk diuji cobakan
akan dilakukan pengujian validitas kuesioner
oleh ahli terlebih dahulu. Ahli dapat memberikan
penilaian terhadap kuesioner dengan skor 1
(sangat tidak baik) hingga skor 5 (sangat baik).
Untuk menghitung skor pada masing-masing
pernyataan dapat menggunakan metode
perhitungan koefisien validitas isi menggunakan
persamaan Aiken dengan kriteria nilai V > 0,69
(Yang, 2011). Setelah dilakukan perhitungan
didapatkan nilai validitas antara 0,417 – 0,83.
Pernyataan yang valid kemudian dapat
digunakan kembali untuk pilot study, sedangkan
butir pernyataan yang tidak valid direvisi sesuai
dengan saran dari para ahli.
Pilot study dilakukan dengan menyebarkan
data kepada 30 sampel yang merupakan
perwakilan dari populasi untuk survei
pendahuluan. Menurut Johanson & Brooks
(2009) jumlah 30 dianggap sudah cukup untuk
tujuan pilot study. Pada langkah pilot study,
dilakukan perhitungan validitas dan reliabilitas.
Pengujian validitas instrumen penelitian
dapat
dilakukan
dengan
menggunakan
Corrected Item-Total Correlation. Jika nilai
korelasi lebih dari sama dengan r table (r hitung
Fakultas Ilmu Komputer, Universitas Brawijaya
536
≥ r tabel) maka dapat disimpulkan bahwa item
tersebut valid, namun jika nilai korelasi kurang
dari r table (r hitung < r tabel) maka item dapat
dikatakan tidak valid (Wiyono, 2011). Pengujian
reliabilitas instrumen menggunakan metode
Cronbach Alpha. Suatu instrumen dapat
dikatakan reliable jika nilai cronbach alphanya
lebih dari 0,6 (Priyatno, 2010). Berdasarkan
hasil uji validitas terdapat 28 pernyataan tidak
valid dan 52 pernyataan valid sedangkan seluruh
variabel dinyatakan memenuhi syarat reliabiltas.
Nilai validitas yang diperoleh ada diantara -0,14
– 0,81 sedangkan nilai reliabilitas ada diantara
0,775 – 0,927.
Populasi pada penelitian ini adalah customer
Berrybenka sedangkan sampel yang digunakan
adalah customer Berrybenka yang pernah
menambahkan Official Account (OA) / Line@
Berrybenka sebagai kontak dan melakukan
pembelian produk melalui line@ Berrybenka.
Pengumpulan data dengan penyebaran kuesioner
dilakukan secara online dan offline pada tanggal
24 Mei 2017–11 Juni 2017.
Penelitian ini menggunakan metode SEM
(Structual Equation Modelling) dengan jumlah
data yang digunakan dalam penelitian ini adalah
minimal 200 sampel, dengan asumsi bahwa data
tersebut telah bebas dari kesalahan seperti
missing data dan data outlier. Lohlein (2004)
mengatakan bahwa tidak ada besaran tunggal
yang menyatakan besarnya sampel, namun
sampel yang baik untuk SEM adalah minimum
200 sampel.
4. HASIL
4.1. Missing Data
Data yang terlewatkan dalam proses
pengisian kuesioner oleh responden secara
sengaja ataupun tidak sengaja adalah data yang
harus dihilangkan karena hal ini dapat menjadi
masalah bagi keseluruhan data sehingga data
menjadi tidak layak untuk diproses lebih lanjut
(Santoso, 2017). Responden yang didapatkan
dalam penelitian ini adalah sebanyak 250. Dari
250 responden tidak ditemukan jawaban yang
kosong artinya seluruh pernyataan dalam
kuesioner diisi secara lengkap oleh responden.
4.2. Outlier Data
Data dengan nilai yang sangat berbeda dari
keseluruhan data yang ada dapat membuat
penyimpangan rata-rata sehingga harus
dilakukan uji outlier data dengan menggunakan
537
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
mahalanobis distance. Melakukan outlier data
harus menentukan nilai mahalanobis distance
terlebih dahulu dengan taraf kesalahan sebasar
1% (Kline, 2011). Penelitian ini memiliki 52
pernyataan dengan taraf kesalahan sebesar 1%
sehingga dihasilkan nilai mahalanobis distance
sebesar 78.616. Data outlier berjumlah 21
sehingga sisa data berjumlah 229
kecocokan data dengan model penelitian. Dalam
overall model fit pengukuran yang akan dilihat
adalah nilai normed chi-square (x2/df),
goodness-of-fit index (GFI), adjusted goodnessof-fit index (AGFI), comparative-fit index (CFI)
dan root mean square error of approximation
(RMSEA) (Oruc & Tatar, 2017). Hasil analisis
overall model fit dapat dilihat pada tabel 1.
Tabel 1. Goodness of Fit Indeks
4.3. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui
apakah populasi data berdistribusi normal atau
tidak. Penelitian ini menggunakan metode
skewness dan kurtosis untuk melakukan uji
normalitas. Batas maksimum yang dapat
diterima untuk skewness adalah ±1 dan ±3 untuk
kurtosis (Chandio, 2011). Hasil dari penelitian
ini data dinyatakan normal karena nilai skewness
dan kurtosis memenuhi kriteria.
4.4. Uji Kaiser Mayer Olkin (KMO)
Uji ini bertujuan untuk menguji apakah data
sampel yang digunakan sudah memenuhi kriteria
data sampel (Field, 2009). Hasil uji KaiserMayer-Olkin (KMO) and Bartletts’s Test
menunjukkan bahwa nilai pengukuran sampling
Kaiser-Meyer-Olkin (KMO) nilai kecukupannya
adalah 0,848 dan Bartletts’s Test adalah (p <
0,001), yang mana mengungkapkan kesesuaian
dan kecukupan data sampel untuk melakukan
analisis faktor.
4.5. Analisis Deskriptif
Berdasarkan analisis deskriptif, variabel
yang memiliki nilai rata-rata tertinggi adalah
variabel perceived usefulness yaitu sebesar 3,90
dengan tingkat persentase sebesar 77,97%.
Diurutan kedua nilai rata-rata tertinggi terletak
pada variabel trust dengan nilai rata-rata sebesar
3,86 dan tingkat persentase sebesar 77,27%.
Variabel perceived ease of use memiliki nilai
rata-rata sebesar 3,81 dengan tingkat persentase
sebesar 76,27%. Rata-rata jawaban responden
pada variabel attitude adalah sebesar 3,70
dengan tingkat persentase 74,09% sedangkan
variabel intention memiliki nilai rata-rata 3,66
dengan tingkat persentase sebesar 73,20%. Nilai
rata-rata perceived risk merupakan nilai terendah
dari seluruh variabel yaitu 2,82 dengan tingkat
persentase sebesar 56,36%.
Indeks
x2/df
GFI
AGFI
RMSEA
CFI
ini
bertujuan
untuk
menguji
Fakultas Ilmu Komputer, Universitas Brawijaya
Nilai
1,517
0,834
0,803
0,048
0,922
Keterangan
Fit
Fit
Fit
Fit
Fit
Berdasarkan hasil uji overall model fit dapat
ketahui bahwa nilai goodness of fit telah
memenuhi kriteria sehingga model ini telah
dinyatakan fit.
4.7. Measurement Model Fit
Metode yang digunakan untuk uji
kecocokan pengukuran adalah confirmatory
factor analysis (CFA). Menurut Santoso (2007)
Confirmatory Factor Analysis (CFA) adalah alat
analisis pada SEM yang digunakan untuk
menguji sebuah measurement model, yaitu untuk
menguji keterkaitan antara indikator dengan
konstruk. Ada beberapa kriteria yang digunakan
dalam measurement model
fit,
yaitu
standardized regression weight (faktor loading),
critical rasio (t-value), dan p-value (Ramadiani,
2010). Menurut Chandio (2011) hubungan
antara variabel manifes dan variabel laten
diterima jika nilai estimate atau factor loading
diatas 0,5 dan lebih baik jika diatas 0,7, memiliki
nilai C.R diatas 1,960 dan p value di bawah 0,05.
Hasil uji measurement model fit dapat dilihat
pada tabel 2.
Tabel 2. Hasil Uji Measurement Model Fit
Item
Kriteria
PU
PEOU
4.6. Overall Model Fit
Tahap
Batas
1< x2/df0,8
>0,8
>0,08
≥ 0,9
TRUST
Q5
Q6
Q10
Q11
Q13
Q14
Q17
Q19
Factor
loadin
g
>0,5
0,614
0,615
0,516
0,661
0,556
0,608
0,515
0,574
t-value
p-value
>1,96
6,870
6,087
5,5922
0,864
5,964
***
***
***
***
***
538
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
ATTI
INTENT
PRISK
Q20
Q21
Q22
Q24
Q25
Q27
Q28
Q29
Q30
Q31
Q32
Q33
Q34
Q35
Q36
Q37
Q38
Q39
Q41
Q42
Q43
Q44
Q46
Q47
Q51
Q52
0,709
0,569
0,540
0,684
0,614
0,613
0,558
0,594
0,685
0,676
0,704
0,681
0,623
0,643
0,721
0,740
0,636
0,584
0,713
0,758
0,595
0,772
0,549
0,761
0,804
0,816
6,636
5,932
5,752
8,355
8,357
7,620
8,112
8,816
9,060
8,801
8,158
7,592
12,658
9,226
8,472
10,336
11,001
8,633
11,234
7,959
11,065
12,790
11,850
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
Hasil uji measurement model fit
menunjukkan bahwa tidak semua indikator dapat
mengukur variable latennya. Indikator yang
dapat mengukur variable latennya dibuktikan
dengan nilai dari factor loading, t-value dan pvalue yang telah memenuhi kriteria sedangkan
indikator yang tidak dapat mengukur variable
latennya
dikarenakan
nilai
factor
loading/standardized regression weight yang
kurang dari 0,5.
4.8. Structural Model Fit
Uji kecocokan model struktural dilakukan
setelah melakukan uji kecocokan pengukuran
dan hasil uji harus menunjukkan bahwa model
cocok dan dapat mengukur variabel laten. Untuk
menguji hubungan-hubungan antara variabel
laten yang digunakan dalam model penelitian,
dilakukan uji kecocokan model struktural
menggunakan metode path analysis. Menurut
Riduwan dan Sunarto (2017) Path Analysis
digunakan untuk menganalisis hubungan antar
variabel agar dapat mengetahui pengaruh
langsung maupun tidak langsung seperangkat
variabel endogen dan eksogen.
Hipotesis dapat diterima jika memiliki nilai
C.R atau t-value diatas 1,96 dan p-value dibawah
0,05 (Chandio, 2011). Selain kedua uji tersebut,
dilakukan juga uji kekuatan hubungan pada
Fakultas Ilmu Komputer, Universitas Brawijaya
hipotesis yang dapat dilihat berdasarkan
standardized regression weights (β) (Hoe,
2008). Nilai positif atau negatif dari
standardized regression weight digunakan untuk
menentukan pengaruh positif atau negatif dari
suatu hipotesis (Linh, 2009). Tabel 3
menunjukkan hasil uji hipotesis menggunakan
structural model fit.
Tabel 3. Nilai Hasil Pengujian Hipotesis
Hubungan
Kriteria
PU → INTENT
PEOU → INTENT
ATTI → INTENT
PU → ATTI
PEOU → ATTI
TRUST → ATTI
PEOU → PU
PRISK → PU
PRISK → INTENT
PEOU → PRISK
Standardi
zed
regressio
n weight
(β)
-0,595
0,036
1,323
0,657
-0,052
0,372
0,786
0,042
-0,167
0,25
t-value
pvalue
>1.96
-1,697
0,156
4,476
2,594
-0,214
3,121
4,694
0,541
-2,898
1,457
Vol. 2, No. 2, Februari 2018, hlm. 533-542
e-ISSN: 2548-964X
http://j-ptiik.ub.ac.id
Iklan Online di Media Sosial : Risiko dan Kepercayaan Pengguna terhadap
Iklan Online di Line@ dengan Metode Structural Equation Modelling
(SEM) Studi Kasus : Line@ Berrybenka
Maharani Essraningtiyas1, Ari Kusyanti2, Admaja Dwi Herlambang3
Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1raniessra@gmail.com, 2ari.kusyanti@ub.ac.id, 3herlambang@ub.ac.id
Abstrak
Iklan online merupakan media yang digunakan oleh organisasi ataupun perorangan untuk mengenalkan
produk ataupun layanan kepada masyarakat melalui media internet. Penelitian ini membahas mengenai
dampak positif dan negatif iklan online. Model yang digunakan adalah TAM (Technology Acceptance
Model) digabungkan dengan trust dan perceived risk menggunakan metode Structural Equation
Modelling (SEM) pada studi kasus Line@ dengan data sampel sebanyak 229. Hasil menunjukkan bahwa
niat pengguna untuk bertransaksi online tidak ditentukan oleh manfaat dari iklan online serta kemudahan
dalam menggunakan sistem tetapi karena mereka menerima dan mengembangkan sikap positif terhadap
iklan online. Selain itu niat pengguna untuk bertransaksi online juga dipengaruhi oleh perceived risk
karena selain mempertimbangkan dampak positif, pengguna juga mempertimbangkan dampak negatif
iklan online sebelum melakukan transaksi di line.
Kata Kunci: iklan online, line, technology acceptance model, perceived risk, trust, structural equation modelling
Abstract
Online advertising is a media used by organizations or individuals to introduce products or services to
the public on the internet. This study discusses the positive and negative impacts of online advertising.
The model used is TAM (Technology Acceptance Model) combined with trust and perceived risk and
analyzed by Structural Equation Modeling (SEM) in Line@ as a case study with 229 sample data. The
results shows that user intention to transact online is not determined by the usefulness of online
advertising as well as the ease of use of the system but because they accept and develop a positive
attitude towards online advertising. In addition, the intention of users to transact online is also
influenced by perceived risk because a part from considering the positive impact, users also consider
the negative impact of online advertising before doing transactions on line@
Keywords: online advertising, line, technology acceptance model, perceived risk, trust, structural equation
modelling
sosial. Salah satu media sosial yang banyak
digunakan adalah LINE.
Line merupakan aplikasi messaging yang
dibuat oleh perusahaan NHN Corporation asal
Korea Selatan yang mulai direlease pada tanggal
23 Juni 2011 oleh NHN cabang Jepang setelah
terjadinya gempa bumi di Jepang (Yulianto,
2014). Didalam LINE terdapat sebuah fitur yang
bernama Official Account atau yang lebih
dikenal
dengan
LINE@
yang
dapat
mengirimkan berbagai jenis pesan kepada semua
pelanggan dan penggemar serta dapat menjawab
pertanyaan dan melakukan obrolan personal
dengan lebih mudah sehingga LINE@ dapat
1. PENDAHULUAN
Iklan online merupakan media yang
digunakan untuk melakukan promosi pada
teknologi internet. Iklan online pada teknologi
internet dapat ditempatkan pada media sosial
karena semakin hari jumlah pengguna media
sosial semakin banyak. Tercatat pada tahun 2016
jumlah pengguna media sosial adalah sebesar
97,4 % atau sekitar 129,2 juta jiwa (APJII,
2016). Dengan bertambahnya pengguna media
sosial maka semakin besar pula peluang untuk
mempromosikan produk atau layanan di media
Fakultas Ilmu Komputer
Universitas Brawijaya
533
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
digunakan sebagai media promosi bisnis dan
memperkuat
hubungan
dengan
dengan
pelanggan (LINE, 2017).
Salah satu perusahaan yang menjalin
kerjasama dengan Line@ adalah Berrybenka.
Berrybenka merupakan salah satu perusahaan
fashion ternama di Indonesia yang menjual lebih
dari 1000 merek lokal dan internasional
(Berrybenka, 2017). Dari banyak perusahaan
yang menggunakan Line@, Berrybenka
merupakan salah satu perusahaan yang
menyediakan layanan transaksi melalui Line@.
Pengguna yang bertransaksi di Line@
Berrybenka akan mendapatkan potongan harga
sehingga pengguna dapat dikatakan telah
memanfaatkan iklan online.
Pada Line@ terdapat logo bintang yang
memiliki warna khusus. Warna hijau berarti
bahwa akun tersebut resmi dari Line sedangkan
warna logo abu-abu berarti bahwa akun tersebut
merupakan akun dari Line@ yang belum
diverifikasi oleh Line (LINE, 2016). Berrybenka
memiliki logo berwarna abu-abu sehingga
memungkinkan dapat dipalsukannya akun
Berrybenka yang dapat memberikan peluang
untuk dilakukan penipuan atasnama Berrybenka.
Penelitian
sebelumnya
membahas
mengenai dampak positif dan negatif iklan
online. Penelitian ini dilakukan oleh Yang Wang
et al pada tahun 2012 yang menyajikan manfaat
dan kerugian yang dialami pengguna saat
memanfaatkan iklan online. Hasil penelitian ini
menemukan bahwa iklan online dapat
memberikan manfaat bagi penggunanya, yaitu
iklan dapat membantu pengguna untuk
menemukan produk yang dicari, memberikan
penawaran yang lebih baik serta memberikan
pengalaman yang baik kepada pengguna.
Namun iklan online juga memberikan dampak
negatif yaitu memberikan privacy risk bagi
pengguna. Selain itu penelitian ini menemukan
bahwa pengguna kurang percaya terhadap
penyedia iklan. Pada penelitian ini belum
memodelkan dampak positif dan negatif iklan
online sehingga pembahasan tidak fokus pada
faktor yang diteliti.
Berdasarkan masalah tersebut maka tujuan
penelitian ini adalah untuk membahas mengenai
risiko, manfaat dan kepercayaan terhadap iklan
online pada media sosial dengan cara
memodelkan faktor-faktor tersebut. Penelitian
melakukan pembuatan model yang sesuai
sehingga dapat diketahui bagaimana faktorfaktor tersebut dapat memengaruhi perilaku
pengguna untuk memanfaatkan iklan online.
Fakultas Ilmu Komputer, Universitas Brawijaya
534
Manfaat, kepercayaan dan risiko iklan online
akan dimodelkan menggunakan Technology
Acceptance Model (TAM) yang digabungkan
dengan variabel trust dan Perceived Risk.
2. TINJAUAN PUSTAKA
Model penelitian TAM diambil dari
penelitian sebelumnya yang dilakukan oleh
Dong Hee Shin pada tahun 2010 yang membahas
mengenai penerimaan pengguna terhadap social
network services (SNS) atau media sosial dan
penelitian Lorenzo Romero, et al, pada tahun
2014 yang membahas mengenai penerimaan
media sosial untuk strategi bisnis bagi retailer.
Kedua
penelitian
tersebut
kemudian
digabungkan
dengan
penelitian
milik
Featherman dan Pavlou pada tahun 2003 yang
membahas mengenai risiko yang dirasakan oleh
pengguna ketika menggunakan e-service.
Technology Acceptance Model (TAM)
pertama kali diperkenalkan oleh Davis pada
tahun 1989 yang merupakan teori sistem
informasi yang membuat model tentang proses
penerimaan pengguna dalam menggunakan
teknologi (Hanggono, et al., 2015). Terdapat
beberapa variabel dalam TAM, yaitu (a)
Perceived Usefulness (Kegunaan) (b) Perceived
Ease of Use (Kemudahan Penggunaan) (c)
Attitude (Sikap) (d) Intention (Niat).
Perceived
Usefulness
(Kegunaan)
didefinisikan sebagai sejauh mana seseorang
percaya bahwa menggunakan sistem/layanan
tertentu
akan
meningkatkan
kinerja
pekerjaannya
(Davis,
1989).
Sebuah
sistem/layanan yang manfaatnya dirasakan
tinggi, pada akhirnya menjadi salah satu faktor
yang dipercaya oleh pengguna dan akan
menghasilkan kinerja yang positif (Davis, 1989).
Perceived Ease of Use (Kemudahan
Penggunaan) mengacu pada sejauh mana
seseorang percaya bahwa menggunakan
sistem/layanan tertentu akan bebas dari
upaya/usaha (Davis, 1989). Dijelaskan juga oleh
Nasution (2004) bahwa Perceived Ease of Use
akan mengurangi usaha (baik waktu dan tenaga)
seseorang dalam mempelajari komputer yang
memberikan indikasi bahwa orang yang
menggunakan TI bekerja lebih mudah
dibandingkan dengan orang yang bekerja tanpa
menggunakan TI (secara manual).
Attitude (Sikap) adalah sikap menyukai atau
tidak menyukai terhadap suatu sistem/layanan
yang dapat digunakan untuk memprediksi niat
seseorang dalam menggunakan atau tidak
535
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
menggunakannya (Hanggono, et al., 2015).
Menurut Davis (1989) sikap terhadap
penggunaan teknologi (attitude toward using
technology) didefinisikan sebagai evaluasi dari
pemakai tentang ketertarikannya dalam
menggunakan teknologi.
Intention (Niat) adalah kecenderungan
perilaku untuk tetap menggunakan suatu
teknologi (Davis, 1989). Niat bersifat dinamis
artinya dapat berubah seiring dengan
berjalannya waktu (Aribowo, 2013). Tingkat
penggunaan sebuah teknologi pada seseorang
dapat diprediksi dari sikap perhatian pengguna
terhadap teknologi tersebut, misalkan keinginan
untuk mendukung, motivasi untuk tetap
menggunakan, dan keinginan untuk memotivasi
pengguna lainnya (Hanggono, et al., 2015).
Menurut Kesharwani & Bisht (2012) trust
dalam
e-commerce
dapat
mengurangi
ketidakpastian dan risiko yang terkait dengan
kemungkinan kecurangan pada retailer. Terdapat
7 jenis konsekuensi atau risiko yang dirasakan
oleh pengguna pada saat melakukan transaksi
online yaitu financial risk, time risk, social risk,
psychological risk , performance risk, privacy
risk dan overall risk (Kaplan, et al., 1974;
Brooker, 1984; Featherman & Pavlou, 2003).
Masoud (2013) menjelaskan Financial risk
adalah hilangnya sejumlah uang tertentu akibat
dari adanya pembuatan atau pembelian produk.
Maigan dan Lukas (1997 disitasi dalam Masoud
(2013)) juga menjelaskan financial risk adalah
risiko yang diraskan bukan hanya saat
menggunakan uang tunai saja tetapi juga
berkaitan dengan risiko negatif saat penggunaan
kartu kredit secara online untuk pembelian
online.
Zheng, et al., (2012) menjelaskan bahwa
time risk berhubungan dengan waktu yang
terbuang akibat dari pencarian informasi dan
pembelian produk. Social Risk menurut
Featherman & Pavlou (2003) merupakan potensi
kehilangan status dalam kelompok sosial sebagai
akibat dari menggunakan suatu produk atau
layanan, terlihat tidak tahu apapun atau
untrendy. Psychological Risk merupakan potensi
kehilangan kepercayaan diri (kecewa) atau
frustrasi karena tidak mencapai tujuan
pembelian (Zheng, et al., 2012). Performance
Risk merupakan potensi kerugian yang timbul
ketika suatu produk / jasa tidak seperti yang
diharapkan seperti cacat, ukuran yang tidak
sesuai, kualitas yang buruk, dll (Zheng, et al.,
2012). Privacy Risk adalah potensi kehilangan
kontrol atas informasi pribadi, seperti ketika
Fakultas Ilmu Komputer, Universitas Brawijaya
informasi
pribadi
digunakan
tanpa
sepengetahuan atau izin (Featherman & Pavlou,
2003). Overall Risk merupakan aspek untuk
mengevaluasi seluruh aspek risiko secara
bersama-sama (Featherman & Pavlou, 2003).
Berdasarkan
penelitian yang telah
dilakukan sebelumnya maka model pada
penelitian ini dapat dilihat pada gambar 1.
Gambar 1. Model Penelitian
Berdasarkan model penelitian maka dapat
dibuat hipotesis sebagai berikut :
H1. Perceived Usefullness memiliki pengaruh
yang signifikan dan positif terhadap
intention
H2. Perceived Ease of Use memiliki pengaruh
yang signifikan dan positif terhadap
intention
H3. Attitude memiliki
pengaruh
yang
signifikan dan positif terhadap intention
H4. Perceived Usefulness memiliki pengaruh
yang signifikan dan positif terhadap
Attitude
H5. Perceived Ease of Use memiliki pengaruh
yang signifikan dan positif terhadap
Attitude
H6. Trust memiliki pengaruh positif terhadap
Attitude
H7. Perceived Ease of Use memiliki pengaruh
yang signifikan dan positif terhadap
Perceived Usefulness
H8. Perceived Risk memiliki pengaruh negatif
terhadap Perceived Usefulness
H9. Perceived Risk memiliki pengaruh negatif
terhadap Intention
H10. Perceived Ease of Use memiliki pengaruh
positif terhadap Perceived Risk
3. METODOLOGI PENELITIAN
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Gambar 2. Rencana Penelitian
Penelitian ini menggunakan metode
pengumpulan
data
kuantitatif
dengan
pendekatan survei yang dimulai dengan
merumuskan masalah, kemudian melakukan
studi literatur dengan mempelajari teori-teori
terkait penelitian. Model pada penelitian ini
dimodifikasi dari model penelitian sebelumnya
yaitu dengan menggabungkan model TAM,
trust, dan perceived risk. Setelah membuat
model,
selanjutnya
adalah
melakukan
pembuatan kuesioner.
Sebelum kuesioner siap untuk diuji cobakan
akan dilakukan pengujian validitas kuesioner
oleh ahli terlebih dahulu. Ahli dapat memberikan
penilaian terhadap kuesioner dengan skor 1
(sangat tidak baik) hingga skor 5 (sangat baik).
Untuk menghitung skor pada masing-masing
pernyataan dapat menggunakan metode
perhitungan koefisien validitas isi menggunakan
persamaan Aiken dengan kriteria nilai V > 0,69
(Yang, 2011). Setelah dilakukan perhitungan
didapatkan nilai validitas antara 0,417 – 0,83.
Pernyataan yang valid kemudian dapat
digunakan kembali untuk pilot study, sedangkan
butir pernyataan yang tidak valid direvisi sesuai
dengan saran dari para ahli.
Pilot study dilakukan dengan menyebarkan
data kepada 30 sampel yang merupakan
perwakilan dari populasi untuk survei
pendahuluan. Menurut Johanson & Brooks
(2009) jumlah 30 dianggap sudah cukup untuk
tujuan pilot study. Pada langkah pilot study,
dilakukan perhitungan validitas dan reliabilitas.
Pengujian validitas instrumen penelitian
dapat
dilakukan
dengan
menggunakan
Corrected Item-Total Correlation. Jika nilai
korelasi lebih dari sama dengan r table (r hitung
Fakultas Ilmu Komputer, Universitas Brawijaya
536
≥ r tabel) maka dapat disimpulkan bahwa item
tersebut valid, namun jika nilai korelasi kurang
dari r table (r hitung < r tabel) maka item dapat
dikatakan tidak valid (Wiyono, 2011). Pengujian
reliabilitas instrumen menggunakan metode
Cronbach Alpha. Suatu instrumen dapat
dikatakan reliable jika nilai cronbach alphanya
lebih dari 0,6 (Priyatno, 2010). Berdasarkan
hasil uji validitas terdapat 28 pernyataan tidak
valid dan 52 pernyataan valid sedangkan seluruh
variabel dinyatakan memenuhi syarat reliabiltas.
Nilai validitas yang diperoleh ada diantara -0,14
– 0,81 sedangkan nilai reliabilitas ada diantara
0,775 – 0,927.
Populasi pada penelitian ini adalah customer
Berrybenka sedangkan sampel yang digunakan
adalah customer Berrybenka yang pernah
menambahkan Official Account (OA) / Line@
Berrybenka sebagai kontak dan melakukan
pembelian produk melalui line@ Berrybenka.
Pengumpulan data dengan penyebaran kuesioner
dilakukan secara online dan offline pada tanggal
24 Mei 2017–11 Juni 2017.
Penelitian ini menggunakan metode SEM
(Structual Equation Modelling) dengan jumlah
data yang digunakan dalam penelitian ini adalah
minimal 200 sampel, dengan asumsi bahwa data
tersebut telah bebas dari kesalahan seperti
missing data dan data outlier. Lohlein (2004)
mengatakan bahwa tidak ada besaran tunggal
yang menyatakan besarnya sampel, namun
sampel yang baik untuk SEM adalah minimum
200 sampel.
4. HASIL
4.1. Missing Data
Data yang terlewatkan dalam proses
pengisian kuesioner oleh responden secara
sengaja ataupun tidak sengaja adalah data yang
harus dihilangkan karena hal ini dapat menjadi
masalah bagi keseluruhan data sehingga data
menjadi tidak layak untuk diproses lebih lanjut
(Santoso, 2017). Responden yang didapatkan
dalam penelitian ini adalah sebanyak 250. Dari
250 responden tidak ditemukan jawaban yang
kosong artinya seluruh pernyataan dalam
kuesioner diisi secara lengkap oleh responden.
4.2. Outlier Data
Data dengan nilai yang sangat berbeda dari
keseluruhan data yang ada dapat membuat
penyimpangan rata-rata sehingga harus
dilakukan uji outlier data dengan menggunakan
537
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
mahalanobis distance. Melakukan outlier data
harus menentukan nilai mahalanobis distance
terlebih dahulu dengan taraf kesalahan sebasar
1% (Kline, 2011). Penelitian ini memiliki 52
pernyataan dengan taraf kesalahan sebesar 1%
sehingga dihasilkan nilai mahalanobis distance
sebesar 78.616. Data outlier berjumlah 21
sehingga sisa data berjumlah 229
kecocokan data dengan model penelitian. Dalam
overall model fit pengukuran yang akan dilihat
adalah nilai normed chi-square (x2/df),
goodness-of-fit index (GFI), adjusted goodnessof-fit index (AGFI), comparative-fit index (CFI)
dan root mean square error of approximation
(RMSEA) (Oruc & Tatar, 2017). Hasil analisis
overall model fit dapat dilihat pada tabel 1.
Tabel 1. Goodness of Fit Indeks
4.3. Uji Normalitas
Uji normalitas bertujuan untuk mengetahui
apakah populasi data berdistribusi normal atau
tidak. Penelitian ini menggunakan metode
skewness dan kurtosis untuk melakukan uji
normalitas. Batas maksimum yang dapat
diterima untuk skewness adalah ±1 dan ±3 untuk
kurtosis (Chandio, 2011). Hasil dari penelitian
ini data dinyatakan normal karena nilai skewness
dan kurtosis memenuhi kriteria.
4.4. Uji Kaiser Mayer Olkin (KMO)
Uji ini bertujuan untuk menguji apakah data
sampel yang digunakan sudah memenuhi kriteria
data sampel (Field, 2009). Hasil uji KaiserMayer-Olkin (KMO) and Bartletts’s Test
menunjukkan bahwa nilai pengukuran sampling
Kaiser-Meyer-Olkin (KMO) nilai kecukupannya
adalah 0,848 dan Bartletts’s Test adalah (p <
0,001), yang mana mengungkapkan kesesuaian
dan kecukupan data sampel untuk melakukan
analisis faktor.
4.5. Analisis Deskriptif
Berdasarkan analisis deskriptif, variabel
yang memiliki nilai rata-rata tertinggi adalah
variabel perceived usefulness yaitu sebesar 3,90
dengan tingkat persentase sebesar 77,97%.
Diurutan kedua nilai rata-rata tertinggi terletak
pada variabel trust dengan nilai rata-rata sebesar
3,86 dan tingkat persentase sebesar 77,27%.
Variabel perceived ease of use memiliki nilai
rata-rata sebesar 3,81 dengan tingkat persentase
sebesar 76,27%. Rata-rata jawaban responden
pada variabel attitude adalah sebesar 3,70
dengan tingkat persentase 74,09% sedangkan
variabel intention memiliki nilai rata-rata 3,66
dengan tingkat persentase sebesar 73,20%. Nilai
rata-rata perceived risk merupakan nilai terendah
dari seluruh variabel yaitu 2,82 dengan tingkat
persentase sebesar 56,36%.
Indeks
x2/df
GFI
AGFI
RMSEA
CFI
ini
bertujuan
untuk
menguji
Fakultas Ilmu Komputer, Universitas Brawijaya
Nilai
1,517
0,834
0,803
0,048
0,922
Keterangan
Fit
Fit
Fit
Fit
Fit
Berdasarkan hasil uji overall model fit dapat
ketahui bahwa nilai goodness of fit telah
memenuhi kriteria sehingga model ini telah
dinyatakan fit.
4.7. Measurement Model Fit
Metode yang digunakan untuk uji
kecocokan pengukuran adalah confirmatory
factor analysis (CFA). Menurut Santoso (2007)
Confirmatory Factor Analysis (CFA) adalah alat
analisis pada SEM yang digunakan untuk
menguji sebuah measurement model, yaitu untuk
menguji keterkaitan antara indikator dengan
konstruk. Ada beberapa kriteria yang digunakan
dalam measurement model
fit,
yaitu
standardized regression weight (faktor loading),
critical rasio (t-value), dan p-value (Ramadiani,
2010). Menurut Chandio (2011) hubungan
antara variabel manifes dan variabel laten
diterima jika nilai estimate atau factor loading
diatas 0,5 dan lebih baik jika diatas 0,7, memiliki
nilai C.R diatas 1,960 dan p value di bawah 0,05.
Hasil uji measurement model fit dapat dilihat
pada tabel 2.
Tabel 2. Hasil Uji Measurement Model Fit
Item
Kriteria
PU
PEOU
4.6. Overall Model Fit
Tahap
Batas
1< x2/df0,8
>0,8
>0,08
≥ 0,9
TRUST
Q5
Q6
Q10
Q11
Q13
Q14
Q17
Q19
Factor
loadin
g
>0,5
0,614
0,615
0,516
0,661
0,556
0,608
0,515
0,574
t-value
p-value
>1,96
6,870
6,087
5,5922
0,864
5,964
***
***
***
***
***
538
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
ATTI
INTENT
PRISK
Q20
Q21
Q22
Q24
Q25
Q27
Q28
Q29
Q30
Q31
Q32
Q33
Q34
Q35
Q36
Q37
Q38
Q39
Q41
Q42
Q43
Q44
Q46
Q47
Q51
Q52
0,709
0,569
0,540
0,684
0,614
0,613
0,558
0,594
0,685
0,676
0,704
0,681
0,623
0,643
0,721
0,740
0,636
0,584
0,713
0,758
0,595
0,772
0,549
0,761
0,804
0,816
6,636
5,932
5,752
8,355
8,357
7,620
8,112
8,816
9,060
8,801
8,158
7,592
12,658
9,226
8,472
10,336
11,001
8,633
11,234
7,959
11,065
12,790
11,850
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
***
Hasil uji measurement model fit
menunjukkan bahwa tidak semua indikator dapat
mengukur variable latennya. Indikator yang
dapat mengukur variable latennya dibuktikan
dengan nilai dari factor loading, t-value dan pvalue yang telah memenuhi kriteria sedangkan
indikator yang tidak dapat mengukur variable
latennya
dikarenakan
nilai
factor
loading/standardized regression weight yang
kurang dari 0,5.
4.8. Structural Model Fit
Uji kecocokan model struktural dilakukan
setelah melakukan uji kecocokan pengukuran
dan hasil uji harus menunjukkan bahwa model
cocok dan dapat mengukur variabel laten. Untuk
menguji hubungan-hubungan antara variabel
laten yang digunakan dalam model penelitian,
dilakukan uji kecocokan model struktural
menggunakan metode path analysis. Menurut
Riduwan dan Sunarto (2017) Path Analysis
digunakan untuk menganalisis hubungan antar
variabel agar dapat mengetahui pengaruh
langsung maupun tidak langsung seperangkat
variabel endogen dan eksogen.
Hipotesis dapat diterima jika memiliki nilai
C.R atau t-value diatas 1,96 dan p-value dibawah
0,05 (Chandio, 2011). Selain kedua uji tersebut,
dilakukan juga uji kekuatan hubungan pada
Fakultas Ilmu Komputer, Universitas Brawijaya
hipotesis yang dapat dilihat berdasarkan
standardized regression weights (β) (Hoe,
2008). Nilai positif atau negatif dari
standardized regression weight digunakan untuk
menentukan pengaruh positif atau negatif dari
suatu hipotesis (Linh, 2009). Tabel 3
menunjukkan hasil uji hipotesis menggunakan
structural model fit.
Tabel 3. Nilai Hasil Pengujian Hipotesis
Hubungan
Kriteria
PU → INTENT
PEOU → INTENT
ATTI → INTENT
PU → ATTI
PEOU → ATTI
TRUST → ATTI
PEOU → PU
PRISK → PU
PRISK → INTENT
PEOU → PRISK
Standardi
zed
regressio
n weight
(β)
-0,595
0,036
1,323
0,657
-0,052
0,372
0,786
0,042
-0,167
0,25
t-value
pvalue
>1.96
-1,697
0,156
4,476
2,594
-0,214
3,121
4,694
0,541
-2,898
1,457