Kata kunci: belajarkoding.net, Model UTAUT, Partial Least Square-Structural
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Lukman Hakim, 2018. Evaluasi Terhadap Penerimaan Masyarakat Terhadap Situs Pembelajaran Koding belajarkoding.net Menggunakan Unified Theory of
Acceptance and Use of Technology
. Skripsi ini dibawah bimbingan Drs. Eto Wuryanto, DEA dan Badrus Zaman, S.Kom., M.Cs. Program Studi S1 Sistem Informasi. Fakultas Sains dan Teknologi, Universitas Airlangga.
ABSTRAK
Belajarkoding.net merupakan situs yang dikembangkan untuk membantu masyarakat mempelajari ilmu di bidang web design, development, dan graphic design. Tujuan penelitian ini adalah untuk mengevaluasi penerimaan dan penggunaan website belajarkoding.net dengan menggunakan model Unified
Theory of Acceptance and Use of Technology UTAUT.
Penelitian dilakukan dengan mengumpulkan data melalui penyebaran kuesioner yang diadaptasi dari model UTAUT. Kuesioner disebarkan kepada 100 pengguna situs belajarkoding.net secara online menggunakan Google Form. Data kuesioner dianalisis menggunakan metode Partial Least Square-Structural Equation Modeling (PLS-SEM) dengan tools SmartPLS. Proses analisis PLS- SEM diawali dengan evaluasi model pengukuran. Selanjutnya dilakukan evaluasi model struktural. Hasil analisa PLS-SEM kemudian diinterpretasikan.
Hasil penelitian menunjukkan bahwa evaluasi model pengukuran telah valid, reliabel, dan dapat diterima secara substansial berdasarkan hasil pengujian data. Selanjutnya hasil evaluasi model struktural yang diperoleh menunjukkan bahwa faktor-faktor yang berpengaruh signifikan terhadap minat pemanfaatan belajarkoding.net antara lain ekspektasi kinerja dan pengaruh sosial. Minat pemanfaatan dan kondisi pemfasilitas berpengaruh signifikan terhadap perilaku penggunaan belajarkoding.net. Karakteristik pengguna (jenis kelamin, usia, pengalaman dan kesukarelaan) tidak terbukti berperan sebagai moderator. Akurasi prediksi model UTAUT dalam menjelaskan minat pemanfaatan belajarkoding.net tergolong tinggi yaitu sebesar 78,7%, sedangkan akurasi prediksi model UTAUT dalam menjelaskan perilaku penggunaan belajarkoding.net juga tergolong tinggi yaitu sebesar 65,7%. Hasil evaluasi penerimaan dan penggunaan belajarkoding.net yang diperoleh bisa memberikan rekomendasi kebutuhan yang harus diperhatikan dan menjadi hal yang bisa dikembangkan untuk penelitian lebih lanjut.
Kata kunci: belajarkoding.net, Model UTAUT, Partial Least Square-Structural Equation Modelling (PLS-SEM)
viii
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Lukman Hakim, 2018. Evaluating Society’s Acceptance on Coding e-Learning website belajarkoding.net using Unified Theory of Acceptance and Use of Technology. This Undergraduate Thesis was under guidance of Drs. Eto Wuryanto, DEA and Badrus Zaman, S.Kom., M.Cs. Information System Bachelor Degree. Fakultas Sains dan Teknologi, Universitas Airlangga.
ABSTRACT Belajarkoding.net is a website developed to help society learning web
design, development, and graphic design. The purpose of this research is to evaluate the acceptance and use of belajarkoding.net website using Unified Theory of Acceptance and Use of Technology (UTAUT) model.
This research was carried by gathering data from spreading questionnaire adapted from UTAUT model. The quesionnaire was spread online to 100
belajarkoding.net
users via Google Form. Questionnaire data was analized with Partial Least Square-Structural Equation Modelling (PLS-SEM) method using SmartPLS tools. The PLS-SEM analizing process started with measurement model evaluation and followed by structural model evaluation. Then the result of PLS-SEM analyzation was interpreted.
The research indicates the measurement model evaluation are valid, reliable, and substantially acceptable based on data testing. Next the structural model evaluation shows the factors that have significant influence to behavorial intention on belajarkoding.net. Those factors are performance expectancy and social influence. Behavorial intention and facilitating condition have significant influence on use behavior on belajarkoding.net. User characteristics (gender, age, experience, and voluntariness) are not proven effective as moderator. UTAUT model has quite high prediction accuracy both in explaining behavioral intention on belajarkoding.net at 78,7%, and in explaining use behavior on
belajarkoding.net at 65,7%. The result of acceptance and use of belajarkoding.net
evaluation can give a requirement recommendation needed to improve future researches.
Keywords: belajarkoding.net, UTAUT Model, Partial Least Square-Structural
Equation Modelling (PLS-SEM) ix
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
2.5 Partial Least Square-Structural Equation Modeling (PLS-SEM) .............. 11
2.6 Tools SmartPLS ........................................................................................... 16
2.7 Pengambilan Keputusan dengan P-Value ................................................... 17
BAB III METODE PENELITIAN........................................................................ 18
3.1 Penentuan Populasi dan Sampel Responden ............................................... 18
3.2 Penentuan Model Penelitian dan Hipotesis ................................................. 19
3.3 Penyebaran Kuesioner dan Metode Pengumpulan Data ............................ 29
3.4 Pengolahan Data .......................................................................................... 30
3.5 Analisis Model UTAUT dengan Menggunakan PLS-SEM ........................ 31
3.6 Uji Hipotesis dan Pembahasan .................................................................... 33
3.7 Rekomendasi ............................................................................................... 33
BAB IV HASIL DAN PEMBAHASAN .............................................................. 34
4.1 Penentuan Populasi dan Sampel Responden ............................................... 34
4.2 Penentuan Model Penelitian dan Hipotesis ................................................. 34
4.3 Penyebaran Kuesioner dan Metode Pengumpulan Data ............................ 36
4.4 Pengolahan Data .......................................................................................... 37
4.5 Analisis Model UTAUT dengan Menggunakan PLS-SEM ........................ 43
4.6 Uji Hipotesis dan Pembahasan .................................................................... 56
4.7 Rekomendasi ............................................................................................... 69
BAB V KESIMPULAN DAN SARAN ................................................................ 72
5.1 Kesimpulan .................................................................................................. 72
5.2 Saran ............................................................................................................ 74 DAFTAR PUSTAKA LAMPIRAN xi
xii
35
4.5 Singular Matrix Problem Kelompok Voluntariness
55
4.4 Singular Matrix Problem Kelompok Experience
47
4.3 Output Diagram Jalur Hasil Re-estimasi Model
45
4.2 Output Diagram Jalur
4.1 Model Penelitian
DAFTAR GAMBAR No. Judul Gambar Halaman
19
3.1 Model Penelitian
16
2.3 Tahapan analisis PLS-SEM
9
2.2 Model Penelitian UTAUT
5
2.1 Halaman Depan belajarkoding.net
55 IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA xiii
DAFTAR TABEL No. Judul Tabel Halaman
43 Tabel 4.9 Outer Loading
56 Tabel 4.19 Keputusan Hipotesis
R Square
54 Tabel 4.18
54 Tabel 4.17 Hasil PLS-MGA Variabel Moderator Age
53 Tabel 4.16 Hasil PLS-MGA Variabel Moderator Gender
52 Tabel 4.15 Path Coefficients
51 Tabel 4.14 Fornell-Larcker Criterion
49 Tabel 4.13 Cross Loading
49 Tabel 4.12 Nilai AVE
48 Tabel 4.11 Uji Composite reliability
46 Tabel 4.10 Outer Loading Hasil Re-estimasi Model
42 Tabel 4.8 Distribusi Frekuensi Variabel Perilaku Penggunaan
Tabel 2.1 Konsep Model UTAUT41 Tabel 4.7 Distribusi Frekuensi Variabel Kondisi Pemfasilitas
40 Tabel 4.6 Distribusi Frekuensi Minat Pemanfaatan
39 Tabel 4.5 Distribusi Frekuensi Variabel Pengaruh Sosial
38 Tabel 4.4 Distribusi Frekuensi Variabel Ekspektasi Usaha
37 Tabel 4.3 Distribusi Frekuensi Variabel Ekspektasi Kinerja
35 Tabel 4.2 Profil Responden
29 Tabel 4.1 Hipotesis Penelitian
19 Tabel 3.2 Instrumen Kuesioner
13 Tabel 3.1 Hipotesis Penelitian
11 Tabel 2.3 Kriteria Penilaian PLS
8 Tabel 2.2 Susunan Skala Likert
69 IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
DAFTAR LAMPIRAN No. Judul LampiranLampiran 1 Kuesioner Penelitian Lampiran 2 Tabulasi Data Penelitian Lampiran 3 Ringkasan Hasil Kuesioner xiv
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
berupa artikel, video learning, dan modul-modul pembelajaran interaktif yang tersedia dalam bahasa Indonesia.
Situs pembelajaran pemrograman online banyak tersedia dan saling bersaing untuk mendapatkan pengunjung. Pengunjung sendiri memiliki penilaian untuk memilih menggunakan situs pembelajaran online. Niat perilaku pengunjung dalam melakukan pemilihan dipengaruhi oleh harapan akan kinerja, harapan akan usaha, pengaruh sosial, dan kondisi pendukung. Untuk mendapatkan kejelasan terkait hal-hal tersebut diperlukan sebuah analisis penerimaan penggunaan situs pembelajaran online pada masyarakat.
Secara teoritis dan praktis Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan model yang dianggap paling tepat dalam menjelaskan penerimaan dan penggunaan sistem informasi. Model UTAUT telah digunakan untuk penelitian yang berada di lingkungan akademik. Model UTAUT telah diterapkan di lingkungan akademik oleh banyak peneliti untuk memahami persepsi mahasiswa terhadap penerimaan dan penggunaan Case tools (Sedana & Wijaya, 2006). Peneliti ingin menggunakan model ini untuk mengevaluasi penerimaan dan penggunaan masyarakat terhadap situs pembelajaran koding BelajarKoding dengan menggunakan dimensi-dimensi yang ada pada model UTAUT yaitu harapan akan kinerja, harapan akan usaha, pengaruh sosial, dan kondisi pendukung.
Proses analisis data dalam penelitian ini menggunakan teknik Partial Least Square
- – Structural Equation Model (PLS-SEM). PLS-SEM ini dapat mengestimasi path model menggunakan variabel laten dengan multiple indicator,
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
sehingga dapat dengan baik menjelaskan dan memprediksi ada atau tidaknya hubungan antar variabel laten dalam satu blok model penelitan. Terlebih lagi PLS- SEM dapat digunakan pada jenis data nominal, ordinal, dan rasio, dan syarat asuransi yang fleksibel (Yamin & Kurniawan, 2011).
1.2 Rumusan Masalah
Berdasarkan latar belakang, rumusan masalah dari penelitian ini: Bagaimana UTAUT berperan dalam menilai penerimaan masyarakat terhadap situs pembelajaran koding BelajarKoding untuk meningkatkan minat mempelajari pemrograman?
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk mengevaluasi penerimaan dan penggunaan website BelajarKoding dengan menggunakan model UTAUT.
1.4 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut: 1. Dapat mengetahui faktor yang memiliki pengaruh paling dominan terhadap minat penggunaan dan penerimaan situs BelajarKoding.
2. Dapat mengetahui seberapa besar akurasi prediksi model UTAUT dalam menjelaskan penerimaan dan penggunaan website BelajarKoding.
1.5 Batasan Masalah
Batasan masalah bertujuan agar ruang lingkup penelitian ini tidak terlalu luas dan menghindari kesalahan juga penyimpangan terhadap tujuan penelitian yang hendak dicapai. Batasan masalah penelitian sebagai berikut:
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
1. Indikator penerimaan yang digunakan adalah turunan dari penelitian- penelitian terdahulu terkait model UTAUT. Indikator-indikator tersebut digunakan sebagai instrumen pengukuran variabel ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kondisi pemfasilitas, minat pemanfaatan, dan perilaku penggunaan.
2. Hanya mengkaji model penerimaan teknologi UTAUT dengan pendekatan analisis jalur PLS-SEM.
3. Responden dalam pengisisan kuesioner adalah masyarakat yang telah menggunakan situs pembelajaran BelajarKoding.
2.2 The Unified Theory of Acceptance and Use of Technology (UTAUT)
UTAUT merupakan model penerimaan teknologi yang diformulasikan oleh Venkatesh. Dalam UTAUT Venkatesh dkk. menggabungkan fitur-fitur yang terdapat dalam berbagai teori penerimaan teknologi yang telah dianggap berhasil (Venkatesh dkk., 2003) yaitu: 1.
Teori tindakan beralasan (theory of reasoned action atau TRA) 2. Model penerimaan tenologi (technology acceptance model atau TAM) 3. Model motivasional (motivational model atau MM) 4. Teori perilaku perencanaan (theory of planned behavior atau TPB) 5. Model gabungan TAM dan TPB (Combined TAM and TPB atau C-TAMTPB) 6. Model pemanfaatan PC (model of PC utilization atau MPCU) 7. Teori difusi inovasi (innovation diffusion theory atau IDT) 8. Teori kognitif sosial (social cognitive theory atau SCT)
Melalui penggabungan teori-teori penerimaan tersebut Venkatesh dkk memformulasikan UTAUT yang menjelaskan terdapat empat konstruk yang memiliki pengaruh langsung terhadap penerimaan pengguna dan perilaku penggunaan. Keempat konstruk tersebut adalah:
1. Ekspektasi kinerja (performance expectancy atau PE) didefinisikan sebagai seberapa tinggi seseorang percaya bahwa menggunakan suatu sistem akan membantu dia untuk mendapat keuntungan kinerja di pekerjaannya. Lima konstruk yang termasuk dalam ekspektasi kinerja diperoleh dari beberapa model sebelumnya yaitu kegunaan persepsian di TAM dan C-TAM-TPB, IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Gambar 2.2 Model Penelitian UTAUT2.3 Data
Data adalah deskripsi dasar dari benda, peristiwa, aktivitas dan transaksi yang direkam, dikelompokkan, dan disimpan tetapi belum terorganisir untuk menyampaikan arti tertentu (Turban dkk., 2010). Secara garis besar pengelompokan data dibagi ke dalam beberapa kelompok menurut (Siregar, 2014), antara lain sebagai berikut: 1.
Kelompok data menurut cara memperolehnya a.
Data Primer Data primer adalah data yang dikumpulkan sendiri oleh peneliti langsung dari sumber pertama atau tempat obyek penelitian dilakukan.
b.
Data Sekunder Data sekunder adalah data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahnya.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
bobot yang lebih rendah akan berkontribusi rendah pula terhadap variabel laten (Chin dkk, 1996).
PLS digunakan untuk mengetahui kompleksitas hubungan suatu konstrak dan konstrak yang lain, serta hubungan suatu konstrak dan indikator-indikatornya.
PLS didefinisikan oleh dua persamaan, yaitu inner model dan outer model. Inner
model menentukan spesifikasi hubungan antara konstrak dan konstrak yang lain,
sedangkan outer model menentukan spesifikasi hubungan antara konstrak dan indikator-indikatornya.
2.5.2 Kriteria Penilaian PLS
PLS memiliki dua model evaluasi, yaitu: a.
Model Pengukuran (Measurement/Outer Model) Model pengukuran adalah model yang menspesifikasikan hubungan antara variabel laten dengan setiap blok indikatornya. Evaluasi model pengukuran yang bersifat reflektif adalah menguji convergent validity,
discriminant validity , dan reliabillity (Campbell dkk, 1959). Convergent validity berkaitan dengan korelasi hubungan antara
indikator (manifes) dan variabel latennya, pengukuran ini seharusnya berkorelasi tinggi (signifikan). Evaluasi model pengukuran untuk hubungan antara indikator dan variabel laten model reflektif dievaluasi melalui construct validity (convergent validity, discriminant validity) dan reliability, sedangkan model formatif mengabaikan konsep realibilitas dan construct validity. Untuk hubungan model pengukuran yang bersifat formatif, konstruk reliabilitas menjadi kriteria yang tidak
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
relevan dalam pengujian kualitas model pengukuran, hal yang harus dilakukan ialah menggunakan teori yang ada (rasional) dan pendapat ahli. Setidaknya ada lima isu kritis untuk menentukan kualitas model formatif yaitu content specification, specification indicator, reliability
indicator, colinierity indicator, dan external validity
(Yamin dkk, 2011).
b.
Model Struktural (Structural/Inner Model) Model struktural adalah model yang menunjukkan hubungan prediksi (estimasi) antar variabel laten dalam model penelitian. Evaluasi model struktural bertujuan untuk melihat signifikansi hubungan antar variabel laten dalam model penelitian dengan melihat koefisien jalur (path
coefficient ). Untuk menyimpulkan apakah hipotesis diterima atau
ditolak, digunakan komparasi antara |t-statistik| dan dari t-tabel pada derajat bebas dan tingkat kesalahan (α) yang ditetapkan.
Tabel 2.3 Kriteria Penilaian PLSEvaluasi Model Struktural 2 2 R Nilai R untuk menjelaskan pengaruh 0.67; 0.33; dan 0.19 menunjukkan variabel laten (eksogen) tertentu model ”kuat”, ”moderat”, dan
terhadap variabel laten (endogen) ”lemah”
Estimasi Nilai estimasi untuk hubungan jalur t-tabel 1.65 (signifikansi level = koefisien jalur dalam model struktural harus 10%) (path signifikansi ini dapat diperoleh dengan t-tabel 1.96 (signifikansi level = coefficient ) prosedur bootstrapping yang juga 5%) menghasilkan nilai T (T-Satitstik) t-tabel 2.58 (signifikansi level = 1%) Hipotesis diterima (terdapat
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
pengaruh) jika|t- statistik| ≥ t-tabel2 2 f untuk effect Nilai f dapat diinterpretasikan apakah 0.02; 0.15 dan 0.35 menunjukkan size prediktor variabel laten mempunyai pengaruh “kecil”, “moderat”, dan pengaruh yang lemah, medium, atau besar (Cohen, 1998) besar pada tingkat struktural 2 Relevansi Prosedur blindfolding digunakan untuk Nilai Q > 0 menunjukkan variabel 2 laten eksogen baik/sesuai sebagai menghitung: prediksi Q variabel penjelas yang mampu
∑ memprediksi variabel endogennya
∑ D adalah ommission distance, E adalah sum of squares of predictionerrors , dan O adalah sum of squares of observation .
Evaluasi Model Pengukuran Reflektif Convergent Loading factor > 0.7 untuk confirmatory research Validity
> 0.6 untuk exploratory research Average variance extracted
(AVE) Nilai AVE > 0.5 (untuk Confirmatory research dan
Exploratory research ), memiliki arti bahwa 50% atau lebih variance indikator dapat dijelaskan
Discriminant Cross Loading Nilai cross loading antara variabel Validity laten dengan indikatornya (sendiri) harus lebih besar dibandingkan indikator lain Akar kuadrat AVE dan korelasi antar Nilai akar kuadrat dari AVE > nilai variabel laten korelasi antar variabel laten
Reliability Cronbach’s alpha > 0.7 untuk Confirmatory research > 0.6 untuk Exploratory research
Composite reliability > 0.7 untuk Confirmatory research > 0.6 untuk Exploratory research
Evaluasi Model Pengukuran Formatif Reliability
Signifikansi nilai weight Nilai estimasi untuk model Indicator pengukuran formatif harus
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
signifikan (minimal 0.2). Tingkat signifikansi ini dinilai dengan prosedur bootstrapping Multikolonieritas Variabel manifes dalam blok harus diuji apakah terdapat multikol. Nilai Variance Inflation Factor (VIF) dapat digunakan untuk menguji hal ini. Nilai VIF > 10 mengindikasikan multikolinier Evaluasi Model GabunganGoodness of Fit GoF index ini merupakan ukuran 0.1; 0.25 dan 0.36 menunjukkan tunggal yang digunakan untuk (GoF)
GoF “kecil”, “moderat”, dan besar memvalidasi performa gabungan antara model pengukuran dan model struktural √
2.5.3 Tahapan Analisis PLS-SEM
Tahapan analisis PLS-SEM setidaknya ada tujuh proses yang harus dilakukan, Diagram jalur tahapan analisis dapat dilihat pada gambar 2.5. Tahapan analisis PLS-SEM dijabarkan sebagai berikut: a.
Merancang model struktural (inner model) tujuannya adalah memformulasikan model hubungan antar variabel laten.
b.
Mendefinisikan model pengukuran (outer model), tujuannya untuk adalah mendefinisikan dan mespesifikan hubungan antara konstruk dengan indikatornya, apakah hubungannya bersifat reflektif atau formatif.
c.
Membuat diagram jalur, tujuannya adalah memvisualisasikan hubungan antara indicator dengan variabel latennya serta antar variabel
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
laten dalam model penelitian, sehingga mempermudah peneliti untuk melihat model secara keseluruhan.
d.
Evaluasi model dimana terdiri dari tahapan evaluasi model pengukuran, evaluasi model struktural, dan evaluasi model gabungan.
e.
Interpretasi model dimana berdasarkan kepada hasil analisis dari model penelitian (signifikansi hubungan antar variabel).
Merancang Model Struktural Mendefinisikan Model Pengukuran
Membuat Diagram jalur Mengkonversikan Diagram Jalur ke Sistem Persamaan Evaluasi Model
Interpretasi Model
Gambar 2.3 Tahapan analisis PLS-SEM (Sofyan & Kurniawan, 2011)2.6 Tools SmartPLS
Tahun 2005 SmartPLS dikembangkan oleh Profesor Cristian M. Ringle, Sven Wended dan Alexander Will. Software ini diciptakan sebagai proyek di Institute of Operation Management and Organization (School of Business) University of Hamburg, Jerman. SmartPLS menggunakan Java Webstart Technology. SmartPLS 3.0 merupakan salah satu program yang digunakan untuk menganalisis data dalam menyelesaikan permasalahan variance-based SEM
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
(Ghozali, 2013). SmartPLS 3.0 baik versi student maupun versi trial satu tahun dapat di download di www.smartpls.com cari platform yang sama dengan
operating system computer yang digunakan (windows, macs). Selain bersifat freeware , penggunaan SmartPLS mudah dipelajari dan user friendly. Adapun
dukungan problem-solving oleh pembuatnya melalui forum diskusi di www.smartpls.com/forum.
2.7 Pengambilan Keputusan dengan P-Value
P-Value merupakan kriteria uji signifikansi dalam memutuskan apakah
menolak H atau menerima H . P-value memberikan dua informasi sekaligus yaitu disamping petunjuk apakah H pantas ditolak, p-value juga memberikan informasi mengenai besarnya peluang salah menolak H dari data penelitian (Kurniawan, 2008).
Pada umumnya, p-value dibandingkan dengan suatu taraf nyata α tertentu, biasanya α = 5% atau 0.05. Taraf nyata α diartikan sebagai peluang peneliti melakukan kesalahan untuk menyimpulkan bahwa H salah, padahal sebenarnya statement H benar. Ketentuan yang berlaku untuk keputusan uji statistik dengan
p-value sebagai berikut:
a. Bila p-value < nilai alpha maka keputusannya adalah H ditolak b. Bila p-value > nilai alpha maka keputusannya adalah H gagal ditolak.
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
BAB III METODE PENELITIAN Metode penelitian adalah suatu cara atau prosedur yang digunakan untuk
melakukan penelitian sehingga mampu menjawab rumusan masalah dan tujuan penelitian dengan suatu landasan ilmiah tertentu, tahapan penelitian ini sebagai berikut : 1.
Penentuan Populasi dan Sampel Responden 2. Penentuan Model Penelitian dan Hipotesis 3. Penyebaran Kuesioner dan Metode Pengumpulan Data 4. Pengolahan Data 5. Analisis Model UTAUT dengan Menggunakan PLS-SEM 6. Uji Hipotesis dan Pembahasan 7. Rekomendasi Hasil
3.1 Penentuan Populasi dan Sampel Responden
Populasi yang dipilih dalam penelitian ini adalah pengguna situs belajarkoding.net yang, hingga tanggal 18 Desember 2017, berjumlah 1919 orang.
Untuk menetukan ukuran minimal sampel guna penerapan PLS-SEM dimana yang direkomendasikan adalah 10 kali jumlah jalur model structural (Chin dan Newsted, 1999). Diketahui bahwa jumlah jalur model struktural penelitian sebanyak 8, sehingga 8
10 = 80 merepresentasikan ukuran minimal sampel yang dibutuhkan untuk melakukan estimasi model jalur PLS. Dengan demikian jumlah sampel yang ditetapkan peneliti adalah sebanyak 100 responden.
18
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
3.2 Penentuan Model Penelitian dan Hipotesis
Model penelitian yang digunakan adalah model UTAUT yang diperkenalkan oleh Venkantesh dkk (2003). Model penelitian dapat dilihat pada gambar dan tabel menjelaskan hipotesis penelitian.
Gambar 3.1 Model PenelitianTabel 3.1 Hipotesis PenelitianEkspektasi kinerja akan berpengaruh positif pada minat pemanfaatan situs H1 belajarkoding.net Ekspektasi usaha akan berpengaruh positif pada minat pemanfaatan situs
H2 belajarkoding.net Pengaruh sosial akan berpengaruh positif pada minat pemanfaatan situs H3 belajarkoding.net Kondisi pemfasilitas akan berpengaruh positif pada perilaku penggunaan situs
H4 belajarkoding.net Minat pemanfaatan akan berpengaruh positif pada perilaku penggunaan situs H5 belajarkoding.net Pengaruh ekspektasi kinerja dengan minat pemanfaatan situs belajarkoding.net akan
H6 dimoderasi oleh (a) jenis kelamin dan (b) usia Pengaruh ekspektasi usaha dengan minat pemanfaatan situs belajarkoding.net akan H7 dimoderasi oleh (a) jenis kelamin, (b) usia, dan (c) pengalaman Efek pengaruh sosial dengan minat pemanfaatan situs belajarkoding.net akan
H8 dimoderasi oleh (a) jenis kelamin, (b) usia, (c) pengalaman dan (d) kesukarelaan Pengaruh kondisi pemfasilitas dengan perilaku penggunaan situs belajarkoding.net H9 akan dimoderasi oleh (a) usia dan (b) pengalaman
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Adapun penjelasan masing-masing hipotesis mengenai penerimaan atau penolakan hipotesis adalah sebagai berikut:
1. Hipotesis pertama untuk mengetahui pengaruh ekspektasi kinerja terhadap minat pemanfaatan H : Tidak ada pengaruh positif antara ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H
1 : Ada pengaruh positif antara ekspektasi kinerja yang dimiliki oleh
mahasiswa dengan minat pemanfaatan e-learning belajarkoding.net 2. Hipotesis kedua untuk mengetahui pengaruh ekspektasi usaha terhadap minat pemanfaatan
H : Tidak ada pengaruh positif antara ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh positif antara ekspektasi usaha yang dimiliki oleh
1
mahasiswa dengan minat pemanfaatan e-learning belajarkoding.net 3. Hipotesis ketiga untuk mengetahui hubungan pengaruh sosial terhadap minat pemanfaatan
H : Tidak ada pengaruh positif antara pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh positif antara pengaruh sosial yang dimiliki oleh
1
mahasiswa dengan minat pemanfaatan e-learning belajarkoding.net 4. Hipotesis keempat untuk mengetahui pengaruh kondisi pemfasilitas terhadap minat pemanfaatan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
H : Tidak ada pengaruh positif antara kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh positif antara kondisi pemfasilitas yang dimiliki oleh
1
mahasiswa dengan minat pemanfaatan e-learning belajarkoding.net 5. Hipotesis kelima untuk mengetahui pengaruh minat pemanfaatan terhadap
Perilaku Pengguna H : Tidak ada pengaruh positif antara minat pemanfaatan yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh positif antara minat pemanfaatan yang dimiliki oleh
1
mahasiswa dengan minat pemanfaatan e-learning belajarkoding.net 6. Hipotesis keenam
a) Hipotesis 6a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja dengan minat pemanfaatan
H : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan
e-learning belajarkoding.net
H
1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi
kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net b)
Hipotesis 6b untuk mengetahui pengaruh moderasi usia terhadap hubungan ekspektasi kinerja dengan minat pemanfaatan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
H : Tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang
1 e-learning
dimiliki oleh masyarakat dengan minat pemanfaatan belajarkoding.net
7. Hipotesis ketujuh
a) Hipotesis 7a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha dengan minat pemanfaatan
H : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-
learning belajarkoding.net
H : Ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi
1
usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net b)
Hipotesis 7b untuk mengetahui pengaruh moderasi usia terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H : Tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang
1
dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
c) Hipotesis 7c untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha dengan minat pemanfaatan
H : Tidak ada pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha
1
yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net
8. Hipotesis kedelapan
a) Hipotesis 8a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial dengan minat pemanfaatan
H : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H
1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial
yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net b)
Hipotesis 8b untuk mengetahui pengaruh moderasi usia terhadap hubungan pengaruh sosial dengan minat pemanfaatan H : Tidak ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
H : Ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang
1
dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net c)
Hipotesis 8c untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial dengan minat pemanfaatan H : Tidak ada pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H : Ada pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial
1
yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net d)
Hipotesis 8d untuk mengetahui pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial dengan minat pemanfaatan H : Tidak ada pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net H
1 : Ada pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial
yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net
9. Hipotesis kesembilan
a) Hipotesis 9a untuk mengetahui pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas dengan minat pemanfaatan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
H : Tidak ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e-
learning belajarkoding.net
H : Ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas
1
yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning belajarkoding.net b)
Hipotesis 6b untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas dengan minat pemanfaatan H : Tidak ada pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e-
learning belajarkoding.net
H
1 : Ada pengaruh moderasi pengalaman terhadap hubungan kondisi
pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e-
learning belajarkoding.net
Variabel bebas terdiri dari ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kondisi pemfasilitasi, minat pemanfaat serta karakteristik responden (usia, jenis kelamin, pengalaman dan kesukarelaan menggunakan situs belajarkoding.net). Variabel terikat terdiri dari perilaku penggunaan situs belajarkoding.net, dan minat pemanfaat situs belajarkoding.net. Operasional variabel dijabarkan sebagai berikut:
1. Karakteristik responden terdiri dari usia, jenis kelamin, pengalaman menggunakan situs belajarkoding.net, dan kesukarelaan menggunakan situs belajarkoding.net a.
Usia Skala pengukuran : Nominal Kriteria : < 20 tahun,
≥ 20 tahun
b. Jenis kelamin
Skala pengukuran : Nominal Kriteria : Laki-laki dan Perempuan
c.
Pengalaman adalah lama menggunakan situs belajarkoding.net Skala pengukuran : Nominal Kriteria : < 2 tahun, ≥ 2 tahun
d.
Kesukarelaan adalah tingkat kesukarelaan responden dalam menggunakan situs belajarkoding.net Skala pengukuran : Nominal Kriteria : Ya dan Tidak
2. Ekspektasi kinerja adalah seberapa tinggi individu meyakini bahwa dengan menggunakan situs belajarkoding.net akan membantu dia meningkatkan kinerjanya. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Marchewka dkk (2007) yang diterjemahkan menjadi 4 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju.
3. Ekspektasi usaha adalah tingkat kemudahan penggunaan situs belajarkoding.net yang akan mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya. Pengukuran menggunakan IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
kuesioner. Kuesioner diambil dari penelitian Gandawati (2011) yang diterjemahkan menjadi 4 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju.
4. Pengaruh sosial adalah tingkat dimana individu menganggap bahwa orang lain meyakinkan dirinya bahwa dia harus menggunakan situs belajarkoding.net. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Marchewka dkk (2007) yang diterjemahkan menjadi 5 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju.
5. Kondisi pemfasilitas adalah tingkat dimana individu percaya bahwa organisasi dan infrastruktur teknis tersedia untuk mendukung penggunaan situs belajarkoding.net. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Tan (2013) yang diterjemahkan menjadi 4 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju.
6. Minat pemanfaatan adalah niat individu untuk menggunakan situs belajarkoding.net secara terus-menerus. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Sari (2013) yang diterjemahkan menjadi 3 item pertanyaan. Instrumen dinilai dengan
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju.
7. Perilaku penggunaan adalah intensitas individu dalam menggunakan e-
learning belajarkodin.net. Pengukuran menggunakan kuesioner. Kuesioner
diambil dari penelitian Priyono (2013) yang diterjemahkan menjadi 3 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju.
Instrumen kuesioner yang diadaptasi dari penelitian-penelitian terdahulu ini dirancang secara sederhana dan langsung mengukur informasi yang dikehendaki. Instrumen kuesioner yang digunakan dalam penelitian selengkapnya dapat dilihat pada tabel 3.2
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
Tabel 3.2 Instrumen KuesionerVariable Indikator Sumber Responden merasa penggunaan e-learning bermanfaat PE1 untuk studi
Responden merasa penggunaan e-learning mampu PE2
meningkatkan penyelesaian tugas lebih cepat
EkspektasiMarchewka dkk, 2007 Kinerja Mampu meningkatkan produktivitas jika PE3 menggunakan e-learning
Meningkatkan kesempatan untuk mendapatkan grade PE4
yang lebih baik melalui penggunaan e-learning
EE1 Interaksi dengan e-learning jelas dan dimengerti Menurut responden menu-menu dalam e-learningEE2 cukup banyak (kompleks) namun disusun dengan baik
Ekspektasi dan terorganisasi Gandawati, 2011 Usaha
EE3 e-learning mudah dalam penggunaan (pengoperasian)
Mudah dalam mempelajari bagaimana menggunakan EE4 e-learning Memperoleh saran dari orang-orang yang
SI1 mempengaruhi tindakan responden untuk
menggunakan e-learning Memperoleh saran dari orang-orang yang sangatSI2 berarti bagi responden untuk menggunakan e-learning Pengaruh Memperoleh dukungan dari administrasi organisasi SI3
Marchewka dkk, 2007 Sosial dalam penggunaan belajarkoding.net Secara umum memperoleh dukungan dari organisasi SI4 dalam penggunaan belajarkoding.net Memperoleh dukungan orang-orang yang sangat
SI5 berarti bagi responden dalam penggunaan
belajarkoding.net Memiliki sumberdaya (waktu, dana, dsb) yang cukup FC1 untuk bisa menggunakan belajarkoding.net memiliki pengetahuan yang cukup untuk bisaFC2 menggunakan belajarkoding.net Kondisi belajarkoding.net kompatibel dengan aplikasi lain Tan, 2013 pemfasilitas FC3 yang juga digunakan
Terdapat orang-orang yang membantu jika mengalami
FC4 kesulitan dalam menggunakan situs belajarkoding.net
(dosen, teman, help desk dsb) Berniat tetap menggunakan belajarkoding.net hinggaBI1 seterusnya Minat Berangan tetap menggunakan belajarkoding.net Sari, 2013
Pemanfaatan BI2 hingga seterusnya BI3 Berencana tetap menggunakan belajarkoding.net UB1 Menggunakan belajarkoding.net secara konsisten
Menggunakan belajarkoding.net, tetapi hanya Perilaku UB2 sebagian kecil Priyono, 2013 Penggunaan Menggunakan belajarkoding.net hanya untuk UB3 kepentingan tugas
3.3 Penyebaran Kuesioner dan Metode Pengumpulan Data
Penyebaran kuesioner dilakukan secara online, dimana sebanyak 200 kuesioner disebarkan oleh peneliti dengan cara peneliti meminta tolong koordinasi
IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA
pada teman menyebarkan tautan online form Google From melalui group chat
Line , Whatsapp, serta group mahasiswa dan group pengguna belajarkoding.net di
media sosial Facebook. Kuesioner juga akan dibuat dan disebarkan secara offline apabila data belum terpenuhi hanya dengan form online. Peneliti akan memberikan penjelasan kepada responden tentang kuesioner yang akan diisi bersamaan dengan pesan tautan dan kontak yang bisa dihubungi, untuk mengantisipasi adanya kebingungan responden dalam menjawab kuesioner sampai selesai. Responden akan dipilih secara acak oleh peneliti.
Pengumpulan data primer dalam penelitian ini dilakukan dengan metode survei melalui kuesioner yang dikirimkan kepada responden. Jangka waktu pengisian kuesioner dan pengembalian kuesioner adalah 1 minggu setelah kuesioner disebar. Penyebaran kuisioner ini disesuaikan dengan subjek yang menjadi responden dalam penelitian yaitu pengguna situs belajarkoding.net. Metode pemilihan responden berdasarkan daerah populasi yang telah ditetapkan.