Analisis Faktor-Faktor yang Memengaruhi Niat Pengguna Internet untuk Menggunakan Fungsi Single Sign On Google dengan Metode SEM (Structural Equation Modeling)
Vol. 1, No. 10, Oktober 2017, hlm. 1100-1109 http://j-ptiik.ub.ac.id
Analisis Faktor-Faktor yang Memengaruhi Niat Pengguna Internet untuk
Menggunakan Fungsi Single Sign On Google dengan Metode SEM
(Structural Equation Modeling)
12
3 Lina Andreina , Ari Kusyanti , Retno Indah RokhmawatiProgram Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya 1 2 3 Email: lindreina@gmail.com, kusyanti.ari@gmail.com, retnoindahr@gmail.com
Abstrak
Google merupakan salah satu penyedia layanan pembuatan akun identitas seperti email yang dapat digunakan untuk registrasi ke berbagai macam situs web lain. Seiring perkembangan zaman, Google menyediakan fungsi single sign on. Fungsi ini memungkinkan pengguna internet hanya melakukan satu kali proses autentikasi untuk dapat memperoleh izin mengakses layanan yang disediakan (dengan menggunakan tombol “Login with Google”). Proses autentikasi tersebut memungkinkan layanan lain sebagai pihak ketiga mengambil informasi sebanyak-banyaknya dari akun Google yang bersangkutan.
Hal tersebut menimbulkan resiko pengguna kehilangan data informasi personal. Oleh karena itu diadakan penelitian ini untuk mengetahui faktor-faktor yang mempengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google dengan metode SEM (Structural Equation
Modeling ). Penelitian ini mendapatkan 247 responden yang telah menggunakan fungsi single sign on
Google melalui kuesioner online. Hasil penelitian ini menunjukkan bahwa model penelitian yang digunakan telah sesuai menurut Goodnes of Fit dan dapat diketahui bahwa faktor-faktor yang mempengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google adalah Perceived Usefulness dan Risk.
Kata kunci: single sign on google, SEM, CFA, path analysis
Abstract
Google is a company which provides email account. Email account is used for third- party service’sregistration. Nowadays, Google provides single sign on function. This function enables Internet users,
use only one authentication process to obtain permission to access third- party’s services. Single sign on process allows data sharing process from respective account (Google’s Email) to the third-party.This process increases the risk of personal data loss. This research aims to determine the factors that
affect Internet user’s intention to use Google’s single sign on, by using SEM (Structural Equation
Modelling). In this research, there are 10 latent variables with 30 indicators. Those variable latent are
Trust, Perceived Usefulness, Perceived Ease of Use, Behavioral Intention of Use, Risk, Security, and
Privacy (Second order using IUIPC). This research collects 247 respondents, who have used Google's
single sign on, through online questionnaire. The results shows,research model is Fit and the factors
that affect Internet user’s intention to use Google’s single sign on are Perceived Usefulness and Risk..
Keywords: single sign on google, SEM, CFA, path analysis
(Google,2016). Pengguna akun Google di dunia 1.
PENDAHULUAN pada tahun 2016 telah mencapai angka 1 milyar
pengguna aktif (Google,2016). Angka ini Google merupakan salah satu mesin tergolong sangat besar mengingat saat ini pencari, tapi seiring berkembangnya teknologi, jumlah pengguna internet di dunia sebanyak 3,6 Google melengkapi fasilitasnya. Google saat ini milyar pada bulan Juni 2016 (Internet World menyediakan berbagai macam layanan seperti
Stats, 2016). Itu berarti pengguna Google di Gmail, Google+, mesin pencari video Youtube, dunia saat ini sekitar 30% dari total pengguna Google Map, Google Blog, dan masih banyak internet di seluruh dunia. lagi layanan pendidikan, iklan, bisnis dan berita
Fakultas Ilmu Komputer Universitas Brawijaya
1100
Privacy concern
Penelitian berikutnya membahas tentang
Pengguna internet yang memiliki akun Google dapat memanfaatkan akun mereka untuk masuk atau login ke dalam website lain yang menjadi pihak ketiga. Hal ini bisa terjadi karena Google menyediakan layanan single
sign-on (Google,2016). Dengan menggunakan single sign on
, memungkinkan pengguna internet hanya melakukan satu kali proses autentikasi untuk dapat memperoleh izin mengakses layanan yang disediakan.
Hal tersebut menimbulkan resiko pengguna kehilangan data informasi personal karena proses pertukaran atau sharing data informasi personal dari akun yang bersangkutan. Misalnya, pada saat pengguna akun Google masuk kedalam layanan lain dengan menggunakan single sign on, maka akan terjadi proses autentikasi untuk mendapatkan hak akses. Proses autentikasi tersebut memungkinkan layanan lain sebagai pihak ketiga mengambil informasi sebanyak- banyaknya dari akun Google yang bersangkutan.
Berdasarkan hal di atas, akan dilakukan analisis untuk mengetahui faktor apa saja yang memengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google. Dengan mengetahui faktor apa saja yang memengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google dapat diketahui perilaku pengguna, pengalaman pengguna, kesalahpahaman dan kekhawatiran pengguna pada solusi single sign on yang menyebabkan tidak maksimalnya penggunaan solusi single sign on Google.
merupakan teknik multivariat yang menggabungkan aspek analisis faktor dan regresi ganda yang memungkinkan peneliti untuk secara bersamaan menganalisis serangkaian hubungan ketergantungan yang saling terkait antara variabel yang diukur dan variabel laten serta antara beberapa variabel laten (Hair et al., 2010).
2.2 SEM (Structural Equation Modeling) Structural Equation Modelling (SEM)
” oleh Naresh K. Malhotra, Sung S. Kim, dan James Agarwal pada tahun 2004. Penelitian ini bertujuan untuk mengatasi permasalahan kekawatiran pengguna internet terhadap keamanan Privacy. Namun, penelitian ini kurang mendalam membahas pengimplementasian IUIPC pada pengguna media sosial.
Information Privacy Concerns (IUIPC): The Construct, the Scale, and a Causal Model
yang berjudul ” Internet Users'
Security dan Privacy.
- Goodness-of-fit (GOF)
2. LANDASAN KEPUSTAKAAN
- Second order
teknologi single sign on yang memungkinkan sekali login dan autentikasi untuk menggunakan banyak fungsi website untuk mengatasi masalah tersebut. Namun, rata-rata pengguna intenet masih belum memahami single sign on. Sehingga penelitian ini meneliti tentang pengalamanan pengguna, menyelidiki persepsi dan kekawatiran pengguna ketika menggunakan fungsi single sign on dan mengeksplorasi kemungkinan perbaikan fungsi single sign on. Peneliti menggunakan model penelitian TAM (Technology Acceptance Model ) dan menambahkan variabel lagi yaitu Trust, Risk,
Security password. Kemudian muncullah
didasari oleh keadaan dimana tingkat login dan registrasi akun yang sangat tinggi setiap harinya. Hal ini menyebabkan adanya “Password Fatigue” yang merupakan suatu keadaan yang menyebabkan melemahnya
“Investigating User’s Perspective of Web Single Sign-On: Conceptual Gaps, Alternative Design and Acceptance Model”. Penelitian ini
San-Tsai Sun, Eric Pospisil, Ildar Muslukhov, Nuray Dindar, Kirstie Hawkey dan Konstantin Beznosov pada tahun 2013 membuat penelitian dalam jurnal yang berjudul
Goodness-of-fit (GOF) dalam SEM
menunjukkan seberapa baik model tertentu menhasilkan matriks kovarians antara variabel dan indikator. Structural Equation Modelling (SEM) mempunyai tiga jenis utama indeks ukuran fit yaitu: absolut fit indices, incremental
2.1 Penelitian Sebelumnya
fit indices, dan parsimonious fit indices (Hair et al.,2010).
Second order merupakan keadaan dimana
dalam suatu analisis faktor konfirmatori terdapat dua jenjang analisis faktor yang menjelaskan korelasi faktor jenjang pertama (Brown, 2006).
3. MODEL DAN HIPOTESIS
Tabel 1. Definisi Variabel Laten Tabel 2. Hipotesis penelitian
Pavlou et al. (2003), Lui & Jamieson (2003) dan Sun (2013) H2 Ada hubungan signifikan antara
Malhotr a et al. (2004)
Control Pengendalian atau Control merupakan proses dimana seseorang memiliki hak untuk mengendalikan informasi personalnya.
Malhotr a et al. (2004)
3.2 Hipotesis
Hipotesis penelitian ini dapat dilihat pada Tabel 2.
Hipotesis Referensi H1 Ada hubungan signifikan antara Kepercayaan (Trust) (TR) dan
Persepsi kemanfaatan (Perceived of Usefulness) (POU).
Kepercayaan (Trust) (TR) dan Persepsi kemudahan penggunaan (Perceived Ease of Use) (PEOU).
Malhotr a et al. (2004)
H3 Ada hubungan signifikan antara Persepsi kemanfaatan (Perceived Usefulness) (PU) dengan Minat Perilaku Penggunaan (Behavioural Intention of Use) (BIU) Sun (2013)
Davis et al. (1989), Suh & Hans (2002), Suki (2011) dan Juniwati (2014)
H4 Ada hubungan signifikan antara Persepsi kemudahan penggunaan (Perceived Ease of Use) (PEU) dengan Minat Perilaku Penggunaan (Behavioural Intention of Use) (BIU)
H5 Ada hubungan signifikan antara Kepercayaan (Trust) (TR) dan Risiko (Risk) (RS).
Sun (2013) Pavlou (2003) Lui & Jamieson (2003) dan Vasileiadis (2014)
H6 Ada hubungan signifikan antara Privasi (Privacy) (PR) dan Risiko (Risk) (RI).
Sun (2013) Van Slyke et al. (2006), Farzianpour et al. (2014), dan Fortes & Rita
H7 Ada hubungan signifikan antara Keamanan (Security) (SC) dan Risiko (Risk) (RS).
Awareness Kesadaran atau Awareness merupakan sebuah dimensi pasif yang berarti suatu keadaan dimana seseorang hanya dapat memperkirakan bagaimana cara kerja atau praktik terhadap data personal yang berjalan pada suatu sistem.
Collection Pengkoleksian atau Collection sebagai tingkat sejauh mana seseorang khawatir terhadap data yang dapat dikoleksi atau dimiliki oleh pihak lain berbanding dengan nilai manfaat yang diperoleh.
Penelitian ini mengadaptasi model penelitian dari dua penelitian sebelumnya yaitu penelitian yang dilakukan oleh Sun et al. (2012) yang berjudul “Investigating User’s Perspective
”.
of Web Single Sign-On: Conceptual Gaps, Alternative Design and Acceptance Model
” dan penelitian yang dilakukan oleh Malhotra et al. (2004) yang berjudul ” Internet Users'
Information Privacy Concerns (IUIPC): The Construct, the Scale, and a Causal Model
3.1 Definisi Variabel Laten
Davis (1989) Risk Risk merupakan persepsi akan ketidakpastian dan konsekuensi yang akan merugikan dalam suatu kegiatan.
Davis (1989) Behavioura l Intention of Use Behavioural Intention of Use merupakan kecenderungan perilaku untuk menggunakan suatu teknologi .
Persepsi atas kemudahan penggunaan atau Perceived Ease of Use merupakan keadaan dimana seseorang percaya bahwa menggunakan sistem tersebut (dalam penelitian ini merupakan fungsi single sign on google) tidak perlu bersusah payah dan tidak memerlukan usaha khusus
Davis (1989) Perceived Ease of Use
(1967) Konstruk Definisi Referen si mereka dalam hal yang berhubungan dengan individu lain
Moorma n et al. (1999)
Konstruk Definisi Referen si Trust Trust merupakan keyakinan yang terjalin antara pihak yang satu dengan pihak yang lain dan akan menimbulkan adanya hubungan interaktif atau timbal balik.
digunakan dalam penelitian ini dapat dilihat pada Tabel 1.
variabel ). Definisi variabel laten yang
Variabel laten merupakan variabel utama yang menjadi perhatian dalam analisis SEM. Variabel ini berupa konsep abstrak, hanya dapat diamati secara tidak langsung melalui efeknya pada variabel-variabel teramati (observed
Dowling and Staelin (1994)
Security Keamanan didefinisikan sebagai sejauh mana pengguna internet yakin bahwa menggunakan aplikasi jejaring sosial akan bebas risiko
Yenisey et al. (2005)
Privacy Kemampuan setiap individu untuk dapat menentukan sendiri kapan, bagaimana, dan untuk apa penggunaan informasi personal Westin
Perceived Usefulness Persepsi atas manfaat atau Perceived Usefulness merupakan keadaan dimana seseorang percaya bahwa dengan menggunakan sistem tersebut (dalam penelitian ini merupakan fungsi single sign on google ) dapat meningkatkan kinerjanya dalam bekerja.
Hipotesis Referensi
. Penelitian ini menggunakan sampel
online
pengguna internet aktif yang menggunakan
(2016)
akun Google dan pernah menggunakan fungsi
H8 Ada hubungan signifikan antara Sun (2013)
Google dengan usia antara 18-34
single sign on Risiko (Risk) (RS) dan Minat Lui & Jamieson
tahun. Karena berdasarkan survei yang
Perilaku Penggunaan (2003) dan
dilakukan, pengguna aktif akun Google
(Behavioural Intention of Use) Juniwati (2014) (BIU). sebanyak 68% berusia antara 18-34 tahun
(Hunch,2016). Sampel yang diperlukan untuk Dalam penelitian ini, variabel laten Privacy melakukan analisis dengan SEM adalah lebih dari 200 (Hoelter,1983 disitasi dalam akan menggunakan second order IUIPC yang terdiri dari Collection, Awareness, dan Control. Hoe,2008). Hoelter dalam Hoe (2008) Karena variabel dari IUIPC dapat menjelaskan mengusulkan ukuran sampel kritis (critical
sample size) untuk SEM adalah lebih dari 200
variabel Privacy lebih baik dengan menggunakan tiga variabel pendukung. data. Dengan kata lain, sampel yang berjumlah Berdasarkan hipotesis tersebut, maka model lebih dari 200 data dapat memberikan kekuatan statistik yang cukup untuk analisis data pada penelitian yang akan digunakan dalam SEM. penelitian ini seperti pada Gambar 1.
Kuesioner yang disebar akan menggunakan skala likert sebagai skala pengukuran. Dalam penelitian ini, skala Likert yang digunakan mempunyai nilai 1 sampai 5.
4.1 Pilot study
Hasil dari pilot study yang telah dilakukan dalam tahap pertama yaitu dengan menyebar kuesioner kepada 3 responden menunjukkan bahwa kuesioner yang disebar secara online telah mengajukan pertanyaan yang mudah
Gambar 1. Model penelitian dengan hipotesis
dimengerti. Sehingga pilot study tahap kedua yaitu menyebarkan kuesioner secara online
3.3 Alur penelitian
kepada 27 responden dapat dilakukan. Hasil Untuk menyelesaikan penelitian, dilakukan pengujian reliabilitas dari 30 data yang beberapa tahapan. Tahapan dan alur penelitian diperoleh, diketahui bahwa semua variabel laten dapat dilihat pada Gambar 2. dalam penelitian ini reliabel. Pengujian reliabilitas dilakukan dengan menggunakan nilai Cronbach Alpha.
4.2. Pengujian Data
Untuk memastikan kelayakan data, maka data yang diperoleh dari responden akan dilakukan beberapa uji data terlebih dahulu.
4.2.1 Uji Missing Data
Uji ini bertujuan untuk mengetahui data yang tidak lengkap. Pengujian ini menggunakan Little’s Mcar Test (Missing Completely at Random ).
Setelah dilakukan Little’s Mcar Test, penelitian ini tidak terdapat data yang tidak lengkap. Sehingga bisa dilanjutkan ke tahap
Gambar 2. Alur Penelitian selanjutnya.
4. ANALISIS DATA
Pengumpulan data pada penelitian ini
4.2.2 Uji Outlier Univariat
menggunakan kuesioner yang disebarkan secara Hasil perhitungan standar deviasi
Berdasarkan hasil analisis, dapat diketahui
χ2, df, p >0.0 5 855,3
4.3.1 Reliabilitas Konstruk Setelah proses CFA (Measurement Model) dilakukan dan model telah dibuktikan memenuhi kriteria Good Fit, reliabilitas dari setiap konstruk bisa diukur menggunakan nilai CR (Construct Reliability).
yang digunakan telah mewakili variabel laten yang digunakan. Nilai batas factor loading >0.5 (Churchill, 1979) dan untuk batas c-r value >1.96 (Kline, 2011). Nilai-nilai tersebut dapat telah terpenuhi dan bisa dilanjutkan ke tahap berikutnya.
p-value untuk menentukan apakah indikator
melihat nilai dari factor loading, c-r value dan
Goodness of Fit, tahap selanjutnya adalah
Setelah nilai yang dihasilkan sesuai dengan
Referensi
0,076 0,067 Accept able Fit
RMSEA >0.08 accept able fit
Fit GFI >0.80 0,786 0,851 Accept able Fit
CMIN/D F 1.0< χ2/df <3.0 2,745 1,959 Good
04 Good Fit
46 487,9
Absolute Fit Measure ment
Tabel 3. Hasil Confirmatory Factor Analysis (CFA)
Indeks Tipe Batas Nilai Sebel um Nilai Sesu dah Hasil Chi- square (x 2 )
merupakan salah satu bagian dari metode SEM (Structural Equation Modelling) yang berfungsi untuk menguji dan menganalisis hubungan hipotesis yang sudah ada antara indikator dan variabel latennya (Hair et al., 2010). Hasil analisis CFA dapat dilihat pada Tabel 3.
4.3 Confirmatory Factor Analysis (CFA) (Measurement Model Fit) Confirmatory Factor Analysis (CFA)
Berdasarkan hasil pengujian dapat simpulkan bahwa variabel dalam penelitian ini mempunyai hubungan yang linier secara signifikan.
4.2.7 Uji Linearitas
Hasil pengujian Levene menunjukkan bahwa dari 30 indikator variabel laten ada 4 indikator yang mempunyai signifikansinya < 0,05 yaitu PU1, PEOU3, BIU4, dan CON4. Sehingga dapat ditegaskan bahwa ada homogenitas varians dalam data untuk 26 indikator dari 30 indikator yang ada .
4.2.6 Uji Levene
Hasil dari pengujian normalitas ini menunjukkan bahwa Skewness dan Kurtosis mempunyai nilai antara -1 sampai +1, yang menunjukkan tidak ada penyimpangan dari normalitas data. Pengujian Kolmogorov Smirnov juga menunjukkan signifikan. Meskipun pengujian Kolmogorov smirnov peka terhadap sampel yang besar, sehingga cenderung menjadi signifikan (Chandio, 2011). Namun, Skewness dan Kurtosis mempunyai nilai antara -1 sampai +1, yang menunjukkan tidak ada penyimpangan dari normalitas data. Sehingga dapat disimpulkan bahwa data penelitian ini berdistribusi normal.
4.2.5 Uji Normalitas
Nilai KMO dari data penelitian ini adalah 0,877 sehingga dapat disimpulkan bahwa variabel yang ada pada penelitian ini termasuk dalam kategori meritorious (dalam aturan Kaiser Meyer) dan mencukupi untuk melakukan analisis CFA.
4.2.4 Uji KMO
Untuk melakukan uji outlier pertama harus mencari batas nilai mahalanobis terlebih dahulu. Batas nilai mahalanobis dengan taraf kesalahan 1% yang diperoleh dari penelitian ini adalah 50,89. Setelah nilai batas mahalanobis diketahui, maka nilai mahalanobis dari setiap data yang diperoleh yang kurang dari nilai batas akan dihapus. Menurut Hair et al. (2010) penghapusan data outlier bisa meningkatkan hasil analisis. Dalam penelitian ini data dengan nilai mahalanobis kurang dari batas nilai berjumlah 19 data. Ini berarti data yang valid sebanyak 215 data dari 234 data.
4.2.3 Uji Outlier Multivariat
kuesioner yang bernilai 0 akan dihapus untuk menjaga homogenitas data. Dalam penelitian ini ada 13 data yang mempunyai standar deviasi sama dengan 0. Sehingga data yang bisa dianalisis di tahap selanjutnya berjumlah 234 data dari keseluruhan data yaitu 247 data.
- Hair et al. (2010)
- Baumgartner dan Homburg (1995) ; Doll, Xia, dan Torkzadeh (1994) disitasi dalam Chandio (2011)
4.3.2 Validitas Konstruk Validitas konstruk dapat menjadi bukti bahwa hasil pengukuran yang diambil dari sampel tertentu telah mewakili keadaan populasi yang sebenarnya. Validitas dari konstruk dapat dianalisis melalui dua jenis pengukuran validitas, yaitu Validitas Konvergen (Convergent Validity) dan Validitas Diskriminan (Discriminant Validity).
PEOU 0,091 1,369 ,171 Ditolak H5 RS TR 0,028 ,273 ,785 Ditolak
(2003) dan Lui & Jamieson (2003) mempunyai
Usefulness (PU). Sehingga hipotesis H1 dapat diterima.Penelitian Sun (2013), Pavlou et al.
tersebut bermanfaat jika pengguna terlebih dahulu telah mempercayai fungsi tersebut. Hal ini membuktikan bahwa Trust (TR) secara signifikan memengaruhi Perceived
sign on Google merasakan bahwa fungsi
Berdasarkan hasil analisis dari Hipotesis H1, dapat disimpulkan pengguna fungsi single
5.1 Pembahasan Hipotesis 1 (H1)
Berikut merupakan uraian hasil penelitian menggunakan setelah proses analisis.
5. HASIL PENELITIAN
hipotesis yang telah dibuat dapat diterima atau tidak.
Standardized Regression Weight, critical ratio dan p-value , maka dapat diketahui apakah
Setelah diketahui hasil dari nilai
H7 RS SC 0,759 3,675 *** Diterima H8 BIU RS 0,487 3,483 *** Diterima Catatan: SRW (Standardized Regression Weight)
H6 RS PR 0,167 1,925 ,054 Ditolak COL PR 0,667 Diterima AW PR 0,888 6,399 *** Diterima CON PR 0,873 6,213 *** Diterima
Tabel 4 . Hasil Path Analysis Hipotesis SRW C.R p Hasil H1 PU TR 0,661 8,766 *** Diterima H2 PEOU TR 0,455 5,890 *** Diterima H3 BIU PU 0,404 5,312 *** Diterima H4 BIU
1. Convergent Validity Convergent Validity menyatakan bahwa
maka bisa dikatakan bahwa hipotesis memiliki pengaruh dan hubungan yang kuat. Jika nilai standart regression weight kurang dari 0,1 berarti hipotesis memiliki pengaruh dan hubungan yang kecil (Hoe,2008; Suhr,2008). Dan nilai critical ratio > 1,96 (Kline, 2011). Hasil Path analysis dapat dilihat pada Tabel 4.
ratio atau t-value dan p-value. Jika nilai dari Standardized Regression Weight lebih dari 0,50
Indikator uji dari Path Analysis adalah nilai Standardized Regression Weight, critical
menganalisis hubungan antar variabel laten dalam model penelitian (Hair et al., 2010). Dengan Path analysis, hubungan antar variabel laten akan dianalisis menggunakan panah satu arah. Yang berarti variabel laten bisa saling mempengaruhi dan akan menimbulkan hubungan sebab akibat. Untuk melakukan Path Analysis menggunakan tools yaitu AMOS.
Path analysis adalah suatu metode untuk
dapat dibuktikan dengan hasil pengukuran yang menyatakan bahwa nilai dari kuadrat korelasi antara dua konstruk lebih rendah dari nilai AVE.
Discriminant Validity telah terpenuhi. Hal ini
Hasil pengukuran menunjukkan,
dari kuadrat korelasi antara dua konstruk lebih rendah dari nilai AVE (Hair et al., 2010).
Discriminant Validity terpenuhi apabila nilai
mana indikator penelitian dari suatu variabel laten atau konstruk berbeda dengan konstruk laten lain (Hair et al., 2010). Dengan kata lain menunjukkan bahwa indikator tersebut unik dan berbeda dari indikator konstruk laten lain.
2. Discriminant Validity Discriminant Validity menyatakan sejauh
Berdasarkan hasil analisis, dapat diketahui bahwa validitas konvergen telah terpenuhi karena nilai Factor loadings, Average Variance Extracted (AVE), and Construct Reliability (CR) telah memenuhi kriteria. Meskipun beberapa konstruk atau varabel laten memiliki nilai AVE 0,4, variabel laten tersebut masih dianggap memenuhi validitas konvergen karena memiliki nilai CR >0,6 (Fornell & Lacker, 1981).
alat setiap ukur dalam penelitian atau yang disebut indikator penelitian harus memiliki korelasi yang tinggi satu sama lain dalam satu variabel laten yang sama (Hair et al., 2010).
4.4 Path Analysis (Structural Model Fit)
hasil yang sesuai dengan hasil penelitian ini.
single sign on Google meningkatkan efektivitas
on Google. Hal ini membuktikan bahwa Perceived Usefulness
(PU) secara signifikan memengaruhi Behavioural Intention of Use (BIU). Sehingga hipotesis H3 dapat diterima.
Penelitian Sun (2013) mempunyai hasil sesuai dengan hasil ini penelitian ini, manfaat yang dirasakan adalah salah satu faktor yang memengaruhi seseorang untuk menggunakan fungsi Single sign on Google. Davis (1989), Suh & Hans (2002), Suki (2011), Lui & Jamieson (2003) dan Juniwati (2014) juga mengungkapkan hal yang sama.
Dalam penelitian ini ditemukan bahwa pengguna merasa apabila menggunakan fungsi
single sign on Google akan membantu
mempercepat pekerjaan mereka. Selain itu pengguna merasa bahwa menggunakan fungsi
dan meningkatkan kepuasan pengguna internet saat mengakses website yang memerlukan login terlebih dahulu. Setelah merasakan bahwa fungsi single sign on Google berguna bagi aktivitas, pengguna internet memiliki niat untuk tetap menggunakan fungsi single sign on Google di masa depan serta berniat untuk merekomendasikan fungsi single sign on Google kepada teman sesama pengguna internet.
5.3 Pembahasan Hipotesis 3 (H3)
5.4 Pembahasan Hipotesis 4 (H4)
Berdasarkan hasil analisis dari H4, dapat disimpulkan bahwa kemudahan penggunaan fungsi single sign on Google tidak memengaruhi pengguna untuk berkeinginan menggunakan fungsi single sign on Google. Hal ini membuktikan bahwa Perceived Ease of Use (PEOU) tidak secara signifikan memengaruhi
Behavioural Intention of Use (BIU). Sehingga hipotesis H4 ditolak.
Ada beberapa hal yang menjadi alasan mengapa persepsi kemudahan penggunaan fungsi single sign on Google tidak secara signifikan mempengaruhi keinginan pengguna internet untuk menggunakan fungsi single sign on Google.
Alasan pertama adalah belum terpenuhinya kemudahan dalam penggunaan fungsi single
sign on Google. Karena untuk dapat
Berdasarkan hasil analisis dari H3, dapat disimpulkan bahwa jika pengguna internet percaya bahwa fungsi tersebut bermanfaat bagi efektifitas kerja mereka maka pengguna tersebut akan menggunakan fungsi single sign
Single sign on Google.
Dalam penelitian ini ditemukan bahwa berdasarkan pendapat responden, Google merupakan jaringan sosial yang dapat dipercaya. Sehingga mereka dapat mengandalkan Google untuk menjaga privasi (informasi personal) pengguna walaupun pengguna menggunakan fungsi “Login with
5.2 Pembahasan Hipotesis 2 (H2)
Google ” untuk mengakses website pihak ketiga.
Kepercayaan pengguna internet menyebabkan pengguna merasa bahwa menggunakan fungsi
single sign on Google akan membantu
mempercepat pekerjaan mereka. Selain itu pengguna merasa bahwa menggunakan fungsi
single sign on Google meningkatkan efektivitas
dan meningkatkan kepuasan pengguna internet saat mengakses website yang memerlukan login terlebih dahulu.
Berdasarkan hasil analisis dari hipotesis H2, dapat disimpulkan bahwa pengguna fungsi
Dengan kepercayaan tersebut, pengguna internet akan merasakan kemudahan penggunaan dari fungsi Single sign on Google. Pengguna merasakan bahwa mempelajari penggunaan fungsi Single sign on Google sangat mudah serta meskipun menggunakan Bahasa Inggris, hal tersebut tidak menjadi penghalang pengguna menggunakan fungsi
single sign on Google akan merasa mudah
dalam mengoperasikan fungsi single sign on Google jika mereka mempunyai kepercayaan pada Google. Hal ini membuktikan bahwa Trust (TR) secara signifikan memengaruhi Perceived
Ease of Use (PEOU). Sehingga hipotesis H2
dapat diterima. Penelitian Sun (2013), Pavlou et al. (2003) dan Lui & Jamieson (2003) mempunyai hasil sesuai dengan hasil penelitian ini.
Dalam penelitian ini, dapat dikatakan bahwa berdasarkan pendapat responden, Google merupakan jaringan sosial yang dapat dipercaya. Sehingga mereka dapat mengandalkan Google untuk menjaga privasi (informasi personal) pengguna walaupun pengguna menggunakan fungsi “Login with
Google ” untuk mengakses website pihak ketiga.
menggunakan fungsi single sign on Google pengguna perlu belajar cara penggunaan fungsi tersebut. Selain itu kebanyakan website yang menyediakan fungsi single sign on Google lebih memilih untuk menggunakan Bahasa Inggris, sehingga menjadi masalah tersendiri untuk pengguna di Indonesia. Selain alasan tersebut, alasan lain adalah ada pengguna yang memang merasa menggunakan fungsi single
sign on Google mudah digunakan, namun
Google. Sehingga responden berpendapat bahwa website yang mengumpulkan informasi personal dari pengguna yang mengakses dengan fungsi single sign on Google, seharusnya mengungkapkan metode pengkoleksian (penyimpanan), pemrosesan dan penggunaan informasi personal tersebut. Serta Kebijakan
5.8 Pembahasan Hipotesis 8 (H8)
Google mereka tidak akan disalahgunakan oleh website pihak ketiga yang diakses menggunakan fungsi single sign on Google. Pengguna juga yakin bahwa informasi pribadi pada akun Google yang dibagi dengan website pihak ketiga yang diakses menggunakan fungsi "Login with Google ", akan terjamin keamanannya. Namun pengguna juga percaya ada pihak yang tidak pantas mungkin sengaja melihat informasi yang saya berikan pada akun Google ketika menggunakan fungsi "Login with Google ".
Hal ini juga didukung oleh penelitian Farzianpour (2014) dan Sun (2013). Hasil penelitian ini menunjukkan bahwa pengguna percaya bahwa informasi akun
berarti pengguna internet akan dapat memahami risiko yang akan timbul akibat penggunaan fungsi single sign on Google. Hal ini menunjukkan bahwa Security (SC) secara signifikan memengaruhi Risk (RS). Sehingga hipotesis H7 dapat diterima.
single sign on Google aman untuk digunakan
Berdasarkan hasil analisis hipotesis H7, dapat disimpulkan bahwa jika pengguna internet merasakan bahwa penggunaan fungsi
5.7 Pembahasan Hipotesis 7 (H7)
Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Mekovec, R. Dan Hutinski Ž. (2012) dan Van Slyke et al. (2006).
website yang membutuhkan informasi personal pengguna saat pengguna tersebut menggunakan fungsi single sign on Google. Namun, meskipun responden sadar akan adanya informasi personal yang diolah Google, ternyata responden belum mengetahui dengan pasti risiko yang mungkin akan terjadi.
Privacy seharusnya dijelaskan secara jelas oleh
Saat mengakses fungsi single sign on Google, responden mengetahui bahwa ada pertukaran data yang dilakukan. Namun, dalam risiko yang akan mereka hadapi akibat penggunaan fungsi ini memang belum terlihat jelas. Responden ternyata juga sadar akan adanya informasi personal yang diolah oleh
belum berkeinginan untuk menggunakan fungsi tersebut karena beberapa hal.
Berdasarkan hasil analisis hipotesis H6, dapat disimpulkan bahwa kesadaran pengguna internet akan proses pengolahan informasi personal mereka oleh fungsi single sign on Google tidak memengaruhi pemahaman mereka akan risiko yang akan timbul pada informasi personal. Hal ini menunjukkan bahwa Privacy (PR) tidak secara signifikan memengaruhi Risk (RS). Sehingga hipotesis H6 ditolak.
5.6 Pembahasan Hipotesis 6 (H6)
Hasil dari penelitian ini, yang menemukan bahwa Trust (TR) tidak secara signifikan memengaruhi Risk (RS) sesuai dengan hasil penelitian yang dilakukan oleh Al Khattab et al. (2015).
Hasil penelitian ini menunjukkan bahwa meskipun seorang pengguna intenet mempercayai fungsi single sign on Google, tidak berarti mereka bisa memahami risiko yang akan terjadi jika mereka menggunakan fungsi dari Google tersebut. Pemahaman risiko oleh pengguna internet mungkin saja dipengaruhi oleh faktor lain yang lebih memungkinkan mereka menyadari bahwa selalu ada risiko dalam penggunaan suatu fungsi.
sign on Google. Hal ini membuktikan bahwa Trust (TR) tidak secara signifikan memengaruhi Risk (RS). Sehingga hipotesis H5 ditolak.
pemahamanan mereka terhadap risiko yang ditimbulkan dengan penggunaan fungsi single
single sign on Google tidak memengaruhi
Berdasarkan hasil analisis hipotesis kelima yaitu H5, dapat disimpulkan bahwa kepercayaan pengguna internet akan fungsi
5.5 Pembahasan Hipotesis 5 (H5)
Hasil penelitian ini sesuai dengan penelitian Piriyakul et al. (2015), Juniwati (2014) dan Lui & Jamieson (2003)
Berdasarkan hasil analisis dari hipotesis keenam yaitu H6, dapat disimpulkan bahwa jika pengguna internet mengetahui risiko yang akan timbul saat pengguna internet menggunakan fungsi single sign on Google maka pengguna tersebut akan bersedia menggunakan fungsi
single sign on Google. Hal ini membuktikan
on Google pengguna akan meningkatkan
Risk
(RS) secara signifikan memengaruhi Behavioural Intention of Use (BIU). Sehingga hipotesis H6 dapat diterima.
Sun (2013), Lui & Jamieson (2003) dan Juniwati (2014) dalam penelitiannya menemukan bahwa keinginan pengguna untuk menggunakan fungsi single sign on dipengaruhi oleh pemahaman pengguna akan risiko yang ada. Hasil penelitian tersebut sesuai dengan hasil dari penelitian ini.
bahwa
akan ragu untuk menggunakan fungsi single sign on Google .
single sign on Google , pengguna internet tidak
efektifitas pekerjaan karena tidak perlu melakukan login dan registrasi berulang-ulang untuk dapat mengakses situs yang memerlukan identifikasi akun. Selain itu jika pengguna paham dan mengetahui dengan jelas apa resiko yang akan terjadi saat menggunakan fungsi
DAFTAR PUSTAKA
akan timbul. Pengguna internet yang percaya bahwa fungsi single sign on Google bermanfaat bagi mereka, akan bersedia menggunakan fungsi single sign on Google. Bermanfaat disini berarti dengan menggunakan fungsi single sign
Marketing Research , 16(1), 64-73
Fortes, Nuno and Rita, Paulo, 2016. Privacy concerns and online purchasing
Structural Equation Modeling with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39-50.
(1), 47-56 Fornell, C. & Larcker, D. F., 1981. Evaluating
American Journal of Applied Sciences, 11
Consumers’ Perceived Risk And Its Effect On Adoption Of Online Banking Services.
Farzianpour, F., Pishdar, M., Shakib, M. D. and Toloun, M.R.S.H., 2014.
Intended Risk-Handling Activity . Oxford University Press.
Dowling, Graham R. and Staelin, Richard, 1994. A Model of Perceived Risk and
MIS Quarterly , 13(3), 319-340
Davis, F.D., 1989. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology.
Churchill, Gilbert A., 1979. A Paradigm for Developing Better Measures for Marketing Constructs". Journal of
Google bermanfaat dan paham akan resiko yang
Business School, Brunel University London
Online Banking Information system: A Structural Equation Model . Brunel
: The Guilford Press Chandio Fida H., 2011. Studying Acceptance Of
Analysis for Applied Research . New York
Hasil penelitian ini menunjukkan bahwa pengguna tidak melihat adanya ancaman yang nyata terhadap privasi dan mereka tidak takut jika terjadi hal yang tidak menyenangkan terjadi pada akun Google. Pengguna juga mengetahui risiko pembagian informasi personal oleh akun Google kepada website pihak ketiga yang diakses menggunakan fungsi single sign on Google. Pemahaman pengguna terhadap risiko akan memengaruhi keinginan pengguna untuk menggunakan fungsi single sign on Google. Pengguna internet memiliki niat untuk tetap menggunakan fungsi single sign on Google di masa depan serta berniat untuk merekomendasikan fungsi single sign on Google kepada teman sesama pengguna internet.
of Strategic Information Systems , 8, 279-
E- Government Services in Jordan. Journal
Al Khattab,Adel, Al-Shalabi,Hasan, Al- Rawad,Mahmaoud, Al-Khattab,Khamis dan Hamad,Faten, 2015. The Effect of Trust and Risk Perception on Citizen’s Intention to Adopt and Use
6. KESIMPULAN
Dari hasil penelitian dapat disimpulkan bahwa model penelitian yang digunakan untuk penelitian ini juga dapat dinyatakan sesuai dan cocok untuk menganalisis faktor yang mempengaruhi pengguna internet untuk menggunakan fungsi single sign on Google. Hal ini dapat dibuktikan dengan analisis CFA (Confirmatory Factor Analisis) yang telah dilakukan. Hasil analisis CFA menunjukkan bahwa model telah sesuai dengan kriteria
Goodness of Fit indices dan memenuhi kriteria Measurement Model.
Berdasarkan hasil penelitian, dapat juga disimpulkan bahwa faktor-faktor yang mempengaruhi pengguna untuk menggunakan fungsi single sign on Google adalah karena mereka percaya bahwa fungsi single sign on
290 Brown, Timothy A., 2006. Confirmatory Factor
, 15(4), 336- 355
Mekovec, R. & Hutinski Ž., 2012. The Role Of
- –176 Google Inc., 2016. Products and Features
Perceived Privacy And Perceived Security In Online Market. MIPRO, 1883-1888
Moorman et al., 1993. Factors Affecting Trust in Market Research Relationships.
Journal of Marketing , 57(1), 81-101
Pavlou, P. A., 2003. Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model.International Journal of Electronic
Commerce , 7(3) 69-103
Piriyakul,M., Piriyakul,R., Chuachareon,O., Boonyoung,M., Piriyakul,P. & Piriyakul, Intaka, 2015. Effects of Trust, Satisfaction and Factors Corresponding to TAM on Intention to Reuse Internet Business Transaction. International Review of
Management and Business Research ,
4(3), 872-890 Suh, B. & I. Han, 2003. Effect of Trust on
Customer Acceptance of Internet Banking. Electronic Commerce Research
and Applications . 1, 247
- –263 Suhr, Diana, 2008. Step your way through Path Analysis,University of Northern Colorado Suki, Norazah Mohd, 2011. Third generation
(3G) mobile service acceptance: Evidence from Malaysia. African Journal of
Business Management, 6(15), 5165-5171,
Sun, S., 2013. Towards Improving the Usability
and Security of Web Single Sign-On Systems .The University Of British
Columbia. Van Slyke, Craig, Shim, J.T., Johnson,
Richard, Jiang, James, 2006. Concern for Information Privacy and Online Consumer Purchasing. Journal of the
Association for Information System , 7(6),
415-444 Vasileiadis, Alexios, 2014. Security Concerns
And Trust In The Adoption Of M- Commerce. Social Technologies, 4(1), 179
- –191 Westin, Alan F., 1968. Privacy and Freedom.
Oxford Washington and Lee Law Review. Yenisey, M.M., Ozok, A.A., Salvendy, G.,
2005. Perceived Security Determinants In
Ecommerce Among Turkish University Students . Behaviour and Information, 24,
Information System Release
Malhotra,N.K., Kim, Sung S., & Agarwal, J.,2004.
Internet User’s Information Privacy Concern (IUIPC) The Construct the Scale and the Causal Model.
Method , 3(1), 76,83
behaviour: Towards an integrated model.
European Research on Management and Business Economics , 22, 167
Explore some of Google's accessibility features and products. [online] Google
Inc.. Tersedia di: <https://www.google.com/accessibility/pr oducts-features.html>
Google Inc., 2016. Set up Single Sign-On (SSO)
for G Suite accounts using third party identity providers . [online] Google Inc..
Tersedia di: <https://support.google.com> Hair Joseph F. Jr., Black William C., Babin
Barry J., Anderson Rolph E. & Tatham Ronald L., 2010. Multivariate Data
Analysis, Seventh Edition . Pearson
Prentice Hall, Pearson Education, Inc: New Jersey