PENGGUNAAN UTAUT MODEL DALAM SISTEM RESERVASI …
Transcript of PENGGUNAAN UTAUT MODEL DALAM SISTEM RESERVASI …
PENGGUNAAN UTAUT MODEL DALAM SISTEM
RESERVASI ONLINE APLIKASI KAI ACCESS OLEH
WISATAWAN DI STASIUN BANDUNG
SKRIPSI
Diajukan untuk memenuhi salah satu syarat Dalam menempuh studi pada
Program Strata 1
Oleh :
Prabu Airlangga Bharata Surya Nomor Induk : 201520470
PROGRAM STUDI
STUDI INDUSTRI PERJALANAN
JURUSAN PERJALANAN
SEKOLAH TINGGI PARIWISATA
BANDUNG
2019
i
KATA PENGANTAR
Puji serta syukur peneliti haturkan kehadirat Tuhan Yang Maha Esa karena
atas rahmat juga karunia-Nya, peneliti dapat menyelesaikan skripsi dengan judul
“PENGGUNAAN UTAUT MODEL DALAM SISTEM RESERVASI
ONLINE APLIKASI KAI ACCESS OLEH WISATAWAN DI STASIUN
BANDUNG”.
Skripsi ini diajukan dalam rangka memenuhi salah satu syarat dalam meraih
gelar Sarjana Pariwisata pada Program Studi Strata-1, Studi Industri Perjalanan di
Sekolah Tinggi Pariwisata NHI Bandung. Dalam penulisan skripsi ini peneliti tidak
terlepas dari bantuan serta dukungan dari berbagai pihak. Oleh karena itu peneliti
mengucapkan banyak terima kasih kepada :
1. Bapak Faisal, MM.Par., CHE. selaku Ketua Sekolah Tinggi Pariwisata NHI
Bandung;
2. Kepala Bagian Administrasi Akademik dan Kemahasiswaan (ADAK),
Andar Danova L. Goeltom, S.Sos., M.Sc.;
3. Kepala Sub. Bagian Kependidikan dan Kerjasama, Bapak Jemmy
Alexander, SE., MM. Par.;
4. Ibu Endang Komesty Sinaga, S.S., MM.Par., CHE. selaku Ketua Jurusan
Perjalanan, Sekolah Tinggi Pariwisata NHI Bandung.;
5. Ibu Dwiesty Dyah Utami, MM.Par., M.Sc. selaku Ketua Program Studi
Industri Perjalanan Sekolah Tinggi Pariwisata NHI Bandung, sekaligus
pembimbing 1 dalam penelitian ini;
ii
6. Bapak Dendy Sundayana , S.Si., MM.Par. Selaku pembimbing 2 pada
penelitian ini;
7. PT. Kereta Api Indonesia (Persero) yang telah memberikan izin penelitian
pada penelitian ini;
8. PT. Kereta Api Indonesia (Persero) DAOP 2 Bandung, sebagai lokasi
penelitian pada penelitian ini;
9. Kedua orang tua penulis Bapak Dicky Susanto dan Ibu Widya Andyani
serta seluruh keluarga yang selalu mendukung peneliti dalam
menyelesaikan skripsi ini;
10. Saudari Olla Gusti Indah Kumara yang telah membantu peneliti dalam
melakukan penyebaran kuesioner di lokus;
11. Seluruh keluarga Studi Industri Perjalanan Sekolah Tinggi Pariwisata
Bandung yang selalu menmberikan semangat dalam menyelesaikan
penelitian ini.
Melalui skripsi ini peneliti mengharapkan bantuan, dukungan, serta kritik
dan saran yang membangun demi kelancaran juga kesuksesan penulisan skripsi ini.
Peneliti berharap bahwasanya skripsi ini dapat bermanfaat bagi peneliti serta PT.
Kereta Api Indonesia (Persero) dan bagi kemajuan di Bidang Perjalanan Pariwisata
Indonesia.
Bandung, Maret 2019
Peneliti,
iii
ABSTRAK
PT. Kereta Api Indonesia (Persero) pada tahun 2014 meluncurkan sistem aplikasi mobile reservasi online bernama KAI ACCESS. Aplikasi ini diluncurkan untuk mempermudah penumpang untuk melakukan pemesanan tiket. Namun, jumlah pengguna aplikasi KAI ACCESS memiliki selisih yang besar apabila dibandingkan dengan jumlah penumpang kereta api di setiap tahunnya, sehingga hal tersebut belum dapat menggambarkan kesuksesan penggunaan aplikasi KAI ACCESS. Penelitian ini menganalisis mengenai sembilan faktor yang memengaruhi seseorang dalam menggunakan teknologi yang berdasar kepada teori penerimaan teknologi UTAUT 2, menggunakan metode penelitian kuantitatif dengan analisis Partial Least Square (PLS), sehingga dapat diketahui aspek mana yang dapat ditingkatkan agar dapat meningkatkan jumlah penggunaan aplikasi KAI ACCESS. Responden dalam penelitian ini berjumlah 105 orang dengan tujuan perjalanan yaitu berwisata dan pernah melalukan reservasi online melalui aplikasi KAI ACCESS. Hasil Penelitian menunjukan bahwa Habit dan Hedonic Motivation memiliki pengaruh signifikan terhadap Behavioral Intention aplikasi KAI ACCESS. Serta Habit dan Facilitating Condition berpengaruh signifikan terhadap Use Behavior dalam aplikasi KAI ACCESS.
Kata Kunci : Transportasi, Kereta Api, Teknologi, Penerimaan Teknologi,
UTAUT 2, Partial Least Square
iv
ABSTRACT
PT. Kereta Api Indonesia launched an online reservation system called KAI
ACCESS in 2014. This application was launched to make it easier for passengers
to book tickets. Since the appliation was launched, the number of users is still far
from the expectation when it compared to the number of train passengers in each
year. However, these number has not been able to describe the successful of use of
KAI ACCESS. This research analyzes nine factors that influence someone in using
technology based on UTAUT model 2 theory used quantitative method with the
partial least square (PLS) analysis mode. The aim of this research to understanding
which aspects that can be improved in order to increase the number of useses of
KAI ACCESS. The questionnaire has been tested to 105 people with the purpose of
the trip is traveling and having made an online reservation through the KAI
ACCESS. The results showed that habit and hedonic motivation had a significant
effect on behavioral intention. As well as habit and facilitating condition have a
significant effect on use behavior.
Keywords : Train, Technology, Technology Acceptance, UTAUT 2, Partial
Least Square
v
DAFTAR ISI
KATA PENGANTAR ............................................................................................ i
ABSTRAK ............................................................................................................ iii
ABSTRACT ........................................................................................................... iv
DAFTAR ISI .......................................................................................................... v
DAFTAR TABEL ............................................................................................... viii
DAFTAR GAMBAR ............................................................................................ ix
DAFTAR LAMPIRAN ......................................................................................... x
BAB I PENDAHULUAN ...................................................................................... 1
A. Latar Belakang Masalah ......................................................................... 1
B. Rumusan Masalah ................................................................................. 10
C. Tujuan Penelitian .................................................................................. 11
D. Keterbatasan Penelitian ........................................................................ 11
E. Manfaat Penelitian ................................................................................ 12
BAB II TINJAUAN PUSTAKA ......................................................................... 13
A. Kajian Teori .......................................................................................... 13
1. Pariwisata ...................................................................................... 13
2. Transportasi ................................................................................... 14
3. Reservasi Online ............................................................................ 15
4. The Unified Theory of Acceptance and Use of Technology ......... 16
B. Penelitian Terdahulu ............................................................................. 32
C. Kerangka Pemikiran ............................................................................. 36
D. Hipotesis Penelitian .............................................................................. 37
BAB III METODE PENELITIAN .................................................................... 39
A. Desain Penelitian .................................................................................. 39
B. Obyek Penelitian ................................................................................... 39
C. Populasi dan Sampel ............................................................................. 40
D. Metode Pengumpulan Data .................................................................. 42
E. Definisi Operasional Variable .............................................................. 47
F. Analisis Data ......................................................................................... 52
G. Jadwal Penelitian .................................................................................. 56
vi
BAB IV HASIL PENELITIAN DAN PEMBAHASAN ................................... 57
A. Data Responden .................................................................................... 57
B. Pembentukan Model Struktural ............................................................ 60
C. Pembentukan Model Pengukuran ......................................................... 63
D. Analisis Model Pengukuran (Outer Model) ......................................... 64
1. Reliabilitas Indikator ..................................................................... 66
2. Reliabilitas Konsistensi Internal .................................................... 68
3. Validitas Konvergen ...................................................................... 69
4. Validitas Diskriminan .................................................................... 70
E. Pembentukan Model Pengukuran Respesifikasi ................................... 72
F. Analisis Model Pengukuran (Outer Model) Respesifikasi ................... 73
1. Reliabilitas Indikator Respesifikasi ............................................... 74
2. Reliabilitas Konsistensi Internal Respesifikasi ............................. 75
3. Validitas Konvergen Respesifikasi ................................................ 76
4. Validitas Diskriminan Respesifikasi ............................................. 77
G. Analisis Model Struktural (Inner Model) ............................................. 78
1. Variansi Variabel Endogen ............................................................ 79
2. Signifikansi Model Berdasar pada Path Coefficient ..................... 81
3. Analisis Signifikansi Path Coefficients dengan Bootstrapping ..... 83
H. Pengujian Hipotesis .............................................................................. 85
I. Pembahasan .......................................................................................... 87
1. Pengujian mengenai Hubungan Performance Expectancy Berpengaruh Positif terhadap Behavioral Intention ...................... 87
2. Pengujian mengenai Hubungan Effort Expectancy Berpengaruh Positif terhadap Behavioral Intention ............................................ 88
3. Pengujian mengenai Hubungan Social Influence Berpengaruh Positif terhadap Behavioral Intention ............................................ 89
4. Pengujian mengenai Hubungan Facilitating Condition Berpengaruh Positif terhadap Behavioral Intention ............................................ 91
5. Pengujian mengenai Hubungan Hedonic Motivation Berpengaruh Positif terhadap Behavioral Intention ............................................ 92
6. Pengujian mengenai Hubungan Price Value Berpengaruh Positif terhadap Behavioral Intention ....................................................... 93
vii
7. Pengujian mengenai Hubungan Habit Berpengaruh Positif terhadap Behavioral Intention ...................................................................... 94
8. Pengujian mengenai Hubungan Behavioral Intention Berpengaruh Positif terhadap Use Behaviour ..................................................... 95
9. Pengujian mengenai Hubungan Facilitating Condition Berpengaruh Positif terhadap Use Behavior ....................................................... 96
10. Pengujian mengenai Hubungan Habit Berpengaruh Positif terhadap Use Behaviour ............................................................................... 98
BAB V SIMPULAN, IMPLIKASI, DAN SARAN ......................................... 100
A. SIMPULAN ........................................................................................ 100
B. IMPLIKASI ........................................................................................ 102
1. Perusahaan Kereta Api Indoneisa (PT. KAI) .............................. 102
2. Akademisi .................................................................................... 102
C. SARAN ............................................................................................... 103
1. Saran untuk PT. Kereta Api Indonesia (Persero) ........................ 103
2. Saran bagi Penelitian Selanjutnya ............................................... 105
DAFTAR PUSTAKA ........................................................................................ 107
LAMPIRAN ....................................................................................................... 112
viii
DAFTAR TABEL
TABEL Halaman
1.
Transaksi dan Register Aplikasi Mobile New KAI
ACCESS Se-Indonesia
7
2. Penelitian Terdahulu 32
3. Definisi Operasional Variabel 49
4. Skala Model Likert 55
5. Jadwal Penelitian 56
6. Demografi Responden 60
7. Reliabilitas Indikator Berdasarkan Loadings Factor 66
8. Nilai Composite Reliability dan Cronbach’s Alpha 68
9. Nilai Average Variance Extraced (AVE) 69
10. Analisis Fornell-Lacker dalam Pengujian Validitas
Diskriminan
70
11. Hasil Pengujian Validitas Diskriminan 71
12. Reliabilitas Indikator Berdasarkan Loadings Factor 74
13. Nilai Composite Reliability dan Cronbach's Alpha
Respesifikasi
75
14. Nilai Average Variance Extraced (Ave) Respesifikasi 76
15. Analisis Fornell-Lacker dalam Pengujian Validitas
Diskriminan Respesifikasi
77
16. Hasil Pengujian Validitas Diskriminan 77
17. Nilai R-Square Variabel 79
18. Nilai Path Coefficient Variabel 81
19. Hasil Path Coefficients dengan Prosedur Bootstrapping 84
20. Uji Hipotesis Model Struktural 86
ix
DAFTAR GAMBAR
GAMBAR Halaman
1. Aplikasi Mobile KAI ACCESS 3
2. Promo Tiket melalui Aplikasi Mobile KAI ACCESS 5
3. Okupansi Angkutan Penumpang Kereta Api di Stasiun
Bandung Tahun 2018
8
4. UTAUT Model 1 17
5. UTAUT Model 2 18
6. Kerangka Pemikiran Penelitian 36
7. Data Responden Berdasarkan Jenis Kelamin 57
8. Data Responden Berdasarkan Usia 58
9. Data Responden Berdasarkan Daerah Asal 59
10. Model Struktural 61
11. Model Pengukuran 63
12. Path Coefficient Alogaritma Menggunakan SMART
PLS
65
13. Model Pengukuran Respesifikasi 72
14. Path Coefficient Alogaritma Respesifikasi
Menggunakan SMART PLS
73
x
DAFTAR LAMPIRAN
Lampiran
1. Kuesioner Penelitian 2. Hasil Kuesioner 3. Parameter Alogaritma PLS 4. Hasil Alogaritma PLS Model Pertama 5. Hasil Alogaritma PLS Model Respesifikasi 6. Parameter Bootstrapping 7. Foto Penyebaran Kuesioner di Stasiun Bandung 8. Formulir Bimbingan 9. Surat Pengantar Permohonan Penelitian 10. Surat Keterangan Selesai Penelitian 11. Hasil Turn it in 12. Biodata Peneliti
1
BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Pariwisata merupakan segala kegiatan dalam berwisata yang didukung
oleh berbagai fasilitas beserta layanan yang disediakan oleh masyarakat,
pengusaha, Pemerintah, dan Pemerintah Daerah (UU No. 10 Tahun 2009).
Aktivitas kepariwisataan tidak lepas dari perpindahan seseorang dari suatu
tempat ke tempat lain, yang mana hal tersebut harus didukung oleh sektor
transportasi dan juga infrastruktur untuk mendukung dan mempermudah
proses perpindahan para wisatawan dari tempat asal menuju destinasi wisata,
hal ini selaras dengan pendapat Ismayanti (2010) yang mana perpindahan
tersebut menggunakan suatu alat yang dioperasikan oleh manusia atau mesin
yang di sebut dengan transportasi. Dalam konteks pariwisata dapat diartikan
bahwasanya dengan adanya transportasi diharapkan dapat mempermudah
seseorang untuk mengunjungi suatu destinasi tujuan wisata.
Tambunan (2009) memaparkan bahwa terdapat tiga macam moda
transportasi yang biasa digunakan seseorang dalam berwisata yaitu transportasi
udara (international flight, domestic flight), transportasi laut (regular lines,
charter line cruiser), dan transportasi darat (sepeda, dokar, sepeda motor,
mobil, kereta api).
Kereta api merupakan suatu moda transportasi umum untuk mengangkut
penumpang serta barang secara masal. Moda transportasi ini telah dikenal di
Indonesia sejak tahun 1864, PT. Kereta Api Indonesia (KAI) merupakan
penyedia jasa angkutan kereta api di Indonesia. PT. KAI terus berkembang
2
secara pesat, hal ini terlihat dari begitu gencarnya pembukaan rute, jalur baru,
peningkatan infrastruktur, dan penggunaan teknologi.
Dewasa kini, teknologi terus berkembang dan merambah di segala
sektor. Pada era modernisasi ataupun digital ini seluruh pergerakan dituntut
untuk lebih cepat dimana waktu menjadi salah satu titik utamanya, sehingga
semua orang sangat memberikan perhatian lebih atas segala sesuatu yang
berhubungan dengan waktu. Oleh karena itu, pemanfaatan teknologi pun
diturut sertakan dalam pengembangan sektor transportasi. Teknologi yang
diterapkan ke dalam dunia transportasi salah satunya ialah teknologi reservasi
online. Peng et al. n.d. (2013) menyatakan pada dasarnya reservasi online
merupakan model bisnis B2C (business-to-consumer) dalam konteks
pariwisata yang mencakup tiket pesawat, voucher hotel, tiket kereta api, beserta
paket wisata. Reservasi secara online adalah kegiatan pembelian lebih awal
suatu barang ataupun jasa tanpa berhadapan dengan penjualnya. Setelah
seseorang tersebut melakukan pembelian melalui online, tidak akan ada
pengiriman barang secara fisik melainkan hanya dalam bentuk digital yang
dikirimkan melalui internet atau telepon, atau bisa dikenal sebagai eTicketing
(Sulaiman, Ng, & Mohezar, 2008). ETicketing pada dasarnya diterapkan untuk
mempermudah serta mempercepat waktu atas proses pembelian tiket sehingga
pengguna jasa layanan tidak harus mengunjungi loket, mengantre, dan
membawa tiket kertas, yang mana teknologi tersebut telah turut diaplikasikan
pada moda transportasi kereta api yang dikelola secara resmi oleh PT.
KERETA API INDONESIA (Persero) melalui peluncuran aplikasi mobile
KAI ACCESS.
3
GAMBAR 1 APLIKASI MOBILE KAI ACCESS
Sumber : Official Account Instagram PT. KAI, 2018
PT. Kereta Api Indonesia di dalam situsnya apps.kereta-api.co.id/
dengan resmi meluncurkan "Official Mobile Application Kereta Api Indonesia"
(KAI ACCESS) pada tanggal 4 September 2014, aplikasi ini merupakan
pengembangan dari pemberlakuan sistem reservasi online melalui website
yang telah di luncurkan pada tahun 2013. Aplikasi ini diciptakan dengan
harapan dapat diterima dan dirasakan manfaatnya bagi masyarakat khususnya
Indonesia karena aplikasi KAI ACCESS ini menghadirkan serta mewujudkan
kemudahan yang diharapkan oleh masyarakat di Indonesia (PT. Kereta Api
Indonesia (PERSERO), n.d.-b).
Badan pusat statistik menjabarkan bahwa kuantitas penumpang kereta
api terus meningkat setiap tahunnya, berdasarkan data penumpang di tahun
2017 kereta api mengangkut 394 juta penumpang dimana jumlah ini meningkat
sebesar 11,8 persen ketimbang jumlah penumpang di tahun 2016 sebesar 352,3
4
juta penumpang. Di tahun 2017 Edi Sukmoro Direktur Utama PT. KAI
menjelaskan bahwa dalam rangka melakukan inovasi serta pengembangan
untuk peningkatan kualitas pelayanan bagi para pengguna jasa pelayanan
kereta api, PT. KAI meluncurkan pembaruan daripada aplikasi mobile KAI
ACCESS yang disebut dengan NEW KAI ACCESS di bulan September 2017.
Dimana pembaruan terjadi pada tersedianya fitur pemesanan tiket kereta api
(KA) lokal sehingga kini penumpang tidak diharuskan untuk pergi dan
mengantre di loket untuk melakukan aktivitas pembelian tiket, kemudahan bagi
penumpang untuk dapat melakukan pembelian tiga bulan sebelum
keberangkatan, pembatalan dan perubahan jadwal secara online sehingga
penumpang tidak perlu repot datang ke stasiun, Meals Order untuk pemesanan
makanan dalam perjalanan, Remind Me untuk mengingatkan para penumpang
agar tidak lupa atau terlambat atas jadwal perjalanannya, Location, Chat with
Loko yang merupakan ChatBot yang memiliki kecerdasan buatan sehingga
dapat menjawab kebutuhan informasi pengguna, E-Magazine, dan kemudahan
lainnya seperti adanya sistem eBoarding serta check in (PT. Kereta Api
Indonesia (PERSERO), n.d.-a). Dengan segala kemudahan yang di dapat hal
ini diharapkan dapat mengurangi segala macam kemungkinan yang
mengganggu kenyamanan penumpang dalam menggunakan jasa layanan
transportasi kereta api. Di samping itu PT. KAI turut menjadikan aplikasi New
KAI ACCESS sebagai sarana untuk memberikan informasi terkait pelayanan
kereta api dan berbagai macam promo tiket dengan tarif rendah apabila
melakukan reservasi secara online melalui aplikasi tersebut.
5
GAMBAR 2 PROMO TIKET MELALUI APLIKASI MOBILE KAI ACCESS
Sumber : Official Account Instagram PT. KAI, 2018
Aplikasi mobile KAI ACCESS telah dikenalkan oleh PT. KAI hampir
selama lima tahun dari tahun 2014 hingga 2019 kepada masyarakat. Edi
Sukmoro Direktur Utama PT. KAI menyatakan bahwa sejak diluncurkannya
aplikasi mobile KAI ACCESS pada Juli 2014 hingga September 2017 sebelum
New KAI ACCESS diluncurkan, aplikasi ini baru digunakan oleh 2,4 juta
pengguna (PT. Kereta Api Indonesia (Persero), 2017). Senior Manager
Angkutan PT KAI Daop 8 Surabaya, Raden Agus Dwinanto Budiadji yang
tertaut pada berita dalam website bumn.go.id di tahun 2018, menyampaikan
bahwa hanya ada sepuluh persen yang melakukan pembelian melalui aplikasi
KAI ACCESS. PT. KAI mengharapkan dengan adanya pengembangan
teknologi aplikasi baru ini, harus dapat diterima dan tentu saja digunakan oleh
para penggunanya yaitu calon penumpang kereta api Indonesia yang ingin
melakukan perjalanan, karena KAI ACCESS merupakan salah satu usaha nyata
6
perusahaan untuk meningkatkan pelayanan untuk pengguna jasa layanan
Kereta Api Indonesia. Hal ini pula dibuktikan dengan banyak promosi yang
dilakukan oleh perusahaan agar aplikasi KAI ACCESS dapat diterima oleh
pengguna jasa layanan kereta api (Sub Portal BUMN, 2018). Promosi telah
dilakukan oleh PT. KAI dalam peningkatan penggunaan serta peningkatan
pengetahuan penumpang atas diluncurkannya aplikasi KAI ACCESS, adapun
hal ini dilakukan dengan diadakannya KAI Online Travel Fair, penggunaan
media cetak maupun online, media sosial terutama instagram yang mana dalam
media ini PT. KAI dengan aktif secara terus menerus memperbarui informasi
dan mengadakan tantangan dengan hadiah menarik bagi para pengguna untuk
memposting foto pemesanan tiket kereta api menggunakan KAI ACCESS
dengan tagar KAI ACCESS untuk pengenalan aplikasi KAI ACCESS, serta
diadakannya acara untuk mengkampanyekan penggunaan KAI ACCESS salah
satunya seperti pemberian kopi secara gratis di stasiun hanya dengan
mengunduh serta meregistrasikan aplikasi KAI ACCESS dengan tema “Ngopi
Bareng Kai-Enjoy Your Journey With Indonesian Coffee” (Sub Portal BUMN,
2018), dan diadakannya “KAI Milennial Travel Fair” di tahun 2019 dalam
rangka menjual tiket promo kereta api dan pengenalan aplikasi KAI ACCESS.
7
TABEL 1 TRANSAKSI DAN REGISTER APLIKASI MOBILE
NEW KAI ACCESS SE-INDONESIA
Tahun Register Transaksi
Sept 2017 326.524 464.192
2018 908.537 2.623.167
Jumlah 1.235.061 3.087.359
Sumber : Keterbukaan Informasi Publik (KIP) PT. KAI, 2018
Berdasarkan data yang peneliti peroleh dari KIP PT. KAI, New KAI
ACCESS hanya memiliki 1,2 juta pengguna aktif dengan 3 juta transaksi yang
telah dilakukan melalui aplikasi KAI ACCESS. Angka tersebut belum dapat
menggambarkan kesuksesan penggunaan aplikasi KAI ACCESS, hal ini
dikarenakan masih terdapat selisih yang begitu besar apabila jumlah pengguna
dan transaksi pada KAI ACCESS dibandingkan dengan jumlah penumpang
kereta api yang ada pada wilayah Jawa dan Sumatera sebesar 77 juta
penumpang di tahun 2018 (Data Badan Pusat Statistik, 2018), dimana dalam
hal ini Jawa dan Sumatera merupakan wilayah daerah operasional kereta api
yang dapat dipesan tiketnya melalui aplikasi KAI ACCESS.
Selisih yang cukup banyak juga terjadi apabila jumlah transaksi tersebut
dibandingkan dengan jumlah penumpang selama satu tahun di stasiun yang
memiliki permintaan rute dan okupansi terbesar yaitu Bandung sebesar 17 juta
penumpang di tahun 2018 (Data okupansi stasiun DAOP 2 Bandung, 2019),
jumlah tersebut terbilang sangat sedikit. Sehingga penggunaan aplikasi mobile
KAI ACCESS ini belum dapat terbilang sukses dikarenakan minim peminat.
Yang mana kesuksesan dalam penggunaan teknologi ditunjukan dengan
8
besarnya jumlah penggunaan dan keinginan dari seseorang untuk berusaha
serta menggunakan waktunya untuk menggunakan suatu teknologi yang baru
(Sancaka & Subagio, 2014).
Stasiun Bandung sendiri merupakan stasiun yang memiliki permintaan
rute terbesar saat ini (PT. Kereta Api Indonesia Persero, 2017). Stasiun
Bandung melayani lebih dari 20 kereta api dengan rute perjalanan yang berbeda
setiap harinya (Pemasaran Angkutan Penumpang Daop 2 BD, 2018).
GAMBAR 3 OKUPANSI ANGKUTAN PENUMPANG KERETA API
DI STASIUN BANDUNG TAHUN 2018
Sumber : Pemasaran Angkutan Penumpang 2 BD, 2018
Data diatas merupakan jumlah penumpang kereta api di Stasiun Bandung
tahun 2018, yang mana jumlah tersebut menyumbang sebesar 23% dari total
77 juta penumpang kereta api daerah operasional Jawa dan Sumatera.
Berdasarkan data dari bagian pemasaran angkutan penumpang daerah
operasional 2 Bandung, penumpang kereta api di stasiun Bandung didominasi
oleh penumpang dari kereta Argo Parahyangan dengan rute Jakarta-Bandung
dan kereta lokal Bandung Raya yang mana masing-masing menyumbang 2,4
9
juta dan 11 juta penumpang dalam satu tahun (Pemasaran Angkutan
Penumpang 2 BD, 2018). Berdasarkan permintaan pada rute Bandung yang
tinggi, PT. KAI terus melakukan pengembangan demi peningkatan pelayanan
untuk pengguna jasa layanan kereta api yang ada dalam rute ini. Salah satunya
ialah pada saat diluncurkannya aplikasi New KAI ACCESS, PT Kereta Api
Indonesia (KAI) membuka pemesanan tiket kereta api lokal Bandung raya
melalui aplikasi. Manajer hubungan masyarakat PT KAI Daop 2 Bandung Joni
Martinus (2018) menjelaskan bahwa pada tahap pertama ini fitur pemesanan
tiket KA lokal hanya berlaku untuk pemesanan tiket KA lokal Bandung raya,
sehingga para penumpang rute Bandung mendapat hak istimewa dalam
menggunakan fitur ini.
Berdasarkan pada data yang diperoleh, peneliti tertarik untuk mengetahui
faktor yang mendorong penerimaan teknologi aplikasi KAI ACCESS. Oleh
karena itu peneliti tertarik untuk mengangkat tema skripsi mengenai
penerimaan pengguna dimana dalam penelitian ini penggunanya ialah
wisatawan dalam sistem teknologi dan informasi dengan judul
“PENGGUNAAN UTAUT MODEL DALAM SISTEM RESERVASI
ONLINE APLIKASI KAI ACCESS OLEH WISATAWAN DI STASIUN
BANDUNG”. Penelitian ini menggunakan the Unified Theory of Acceptance
and Use of Technology 2 (UTAUT 2) yang mana adalah salah satu model
penerimaan teknologi terbaru yang dikembangkan oleh Venkatesh, dkk di
tahun 2012 dimana teori ini menyediakan alat bagi pengelola dalam menilai
keberhasilan atas pengenalan suatu teknologi baru serta membantu dalam
memahami penggerak penerimaan seseorang yang terdiri dari tujuh konstruk
10
yaitu presepsi seseorang atas ekspektasi kinerja (performance expectancy),
ekspektasi usaha (effort expectancy), pengaruh sosial (social influence),
kondisi yang membantu (facilitation condition), motivasi hedonis (hedonic
motivation), nilai harga (price value), kebiasaan (habit) yang mempengaruhi
niat berperilaku (behavioral intention) sebagai variabel intervensi, dan variabel
dependen yaitu perilaku penggunaan (use behaviour). Di sisi lainnya UTAUT
adalah model teori penerimaan teknologi yang memiliki daya prediksi tertinggi
dibandingkan dengan teori penerimaan teknologi yang lain (Indrawati, 2015)
serta UTAUT 2 dikembangkan untuk mendukung penelitian dalam konteks
penggunaan teknologi untuk konsumen (Venkatesh, Thong, & Xu, 2012), oleh
karena itu peneliti memilih UTAUT sebagai teori dalam penelitian ini. Dalam
penelitian ini, peneliti tidak turut memasukan moderasi seperti usia, jenis
kelamin, dan pengalaman yang mengacu pada penelitian (Gayatrie, Kusyanti,
& Saputra, 2017) dengan maksud untuk mengetahui secara keseluruhan
penerimaan dan penggunaan aplikasi KAI ACCESS mengingat indikator
kesuksesan suatu penggunaan teknologi dilihat dari apabila teknologi tersebut
dapat digunakan oleh setiap orang (Sancaka & Subagio, 2014).
B. Rumusan Masalah
Berdasar kepada uraian latar belakang, maka dirumuskan bahwa
permasalahan dalam penelitian ini ialah bagaimana penerimaan pengguna atas
teknologi dalam penggunaan sistem reservasi online aplikasi mobile KAI
ACCESS oleh wisatawan di Stasiun Bandung, maka atas rumusan masalah
11
tersebut dapat dikembangkan menjadi beberapa pertanyaan penelitian sebagai
berikut:
1. Bagaimana pengaruh performance expectancy, effort expectancy, social
influence, facilitation condition, hedonic motivation, price value, habit,
terhadap niat untuk menggunakan (behavioral intention) sistem reservasi
online aplikasi KAI ACCESS?
2. Bagaimana pengaruh facilitation condition, habit, dan behavioral
intention terhadap penggunaan (use behaviour) sistem reservasi online
aplikasi KAI ACCESS?
C. Tujuan Penelitian
Tujuan penelitian ini adalah :
1. Mengetahui pengaruh performance expectancy, effort expectancy, social
influence, facilitation condition, hedonic motivation, price value, habit,
terhadap niat untuk menggunakan (behavioral intention) sistem reservasi
online aplikasi KAI ACCESS?
2. Mengetahui facilitation condition, habit, dan behavioral intention
terhadap penggunaan (use behaviour) sistem reservasi online aplikasi KAI
ACCESS?
D. Keterbatasan Penelitian
Agar penelitian ini dapat fokus dan terarah, oleh karena itu peneliti hanya
memfokuskan kepada salah satu aplikasi mobile reservasi online resmi PT.
Kereta Api Indonesia (Persero) yaitu KAI ACCESS. Adapun responden dalam
12
penelitian ini ialah wisatawan pengguna aplikasi KAI ACCESS yang
menggunakan fasilitas reservasi online dengan tujuan perjalanan yaitu
berwisata, agar dapat diketahui faktor apa yang mendorong penerimaan juga
penggunaan aplikasi KAI ACCESS. Serta bertempat di Stasiun Bandung,
dimana stasiun ini merupakan stasiun dengan permintaan rute terbesar dan
mendapatkan hak istimewa yang pertama kali untuk menggunakan fitur baru
New KAI ACCESS.
E. Manfaat Penelitian
1. Manfaat Teoritis
Sebagai pengembangan bagi ilmu pengetahuan di bidang teknologi
khususnya mengenai penerimaan teknologi wisatawan dalam penggunaan
teknologi suatu aplikasi.
2. Manfaat Praktis
Memberikan masukan kepada pihak Kereta Api indonesia mengenai
penerimaan teknologi oleh masyarakat khususnya wisatawan atas
teknologi reservasi online aplikasi mobile KAI ACCESS, dan melalui
penelitian ini PT. KAI dapat mengetahui faktor yang memengaruhi
penerimaan wisatawan atas teknologi tersebut, sehingga perusahaan dapat
mengetahui apa yang harus diperbaiki serta dapat melakukan peningkatan
di faktor tertentu agar aplikasi dapat diterima oleh seluruh pengguna dan
meningkatkan jumlah transaksi serta penggunaan pada aplikasi mobile
KAI ACCESS.
13
BAB II
TINJAUAN PUSTAKA
A. Kajian Teori
1. Pariwisata
Soemanto (2010) menjelaskan bahwa pariwisata dapat diartikan
sebagai perjalanan yang telah direncanakan dengan durasi minimal 24 jam,
yang mana tujuan atas perjalanan tersebut adalah untuk menikmati alam,
pemulihan kesehatan, bisnis, bersenang-senang, perdagangan dan industri,
pendidikan, kunjungan keluarga, melakukan pekerjaan setengah tetap, yang
mana semua kebutuhan telah tersedia di daerah tujuan. Perjalanan wisata
pula biasanya dilakukan untuk menghabiskan waktu luang. Pengertian
pariwisata juga tertuang dalam UU No. 10 Tahun 2009 mengenai
pariwisata, dimana pariwisata diartikan sebagai segala kegiatan dalam
berwisata yang didorong oleh bermacam fasilitas beserta pelayanan yang
diberikan langsung oleh masyarakat, pengusaha, Pemerintah, serta
Pemerintah Daerah.
Pariwisata memuat beberapa unsur pokok, yang pertama ialah
wisatawan, kemudian waktu luang, selanjutnya adalah penggunaan waktu
luang di lingkungan rumah maupun di luar rumah dengan kegiatan
perjalanan wisata, adanya objek, daya tarik, serta fasilitas wisata lainnya
yang dibutuhkan oleh wisatawan selama aktivitas wisata berlangsung yang
disediakan oleh berbagai pihak seperti individu, kelompok, maupun
masyarakat (Soemanto, 2010). Berdasarkan kepada pendapat diatas dapat
dimengerti bahwa pariwisata merupakan suatu kegiatan berpergian ke suatu
14
tempat wisata yang mana kegiatan tersebut didukung oleh berbagai fasilitas
serta layanan yang disediakan oleh banyak pihak seperti masyarakat,
pemerintah, juga pengusaha. Cooper pada tahun 2005 berpendapat bahwa
berhasilnya suatu tempat wisata sangat tergantung pada empat A (4A), yaitu
atraksi (attraction), kemudahan akses (accesibility), dan fasilitas
(amenities), organisasi pendukung (ancillary). Pariwisata tidak akan
berjalan dengan baik jika 4A tidak memadai.
Dalam melakukan perjalanan wisata peranan aksesibilitas sangat
dibutuhkan dimana March (2004) menjelaskan bahwa aksesibilitas
mengacu pada kemudahan yang dapat diperoleh pengunjung untuk
melakukan perjalanan dan memasuki sebuah tempat. Cakici, Serhat, &
Harman (2007) turut menambahkan bahwasanya aksesibilitas mengacu
pada keseluruhan sistem transportasi, terminal, dan kendaraan.
2. Transportasi
Abas (2000) mendefinisikan bahwa transportasi yakni suatu kegiatan
pemindahan suatu muatan, barang, dan penumpang pada satu tempat ke
tempat yang lain. Pada transportasi terdapat 2 hal yang harus diperhatikan
yaitu, pemindahan/pergerakan (movement) dan secara fisik mengubah
tempat dari suatu barang dan penumpang, Siswoyo & Abdi Kurniawan
(2014) turut menjabarkan bahwa transportasi merupakan sesuatu untuk
membawa, menggerakan, ataupun memindahkan sesorang atau barang dari
satu tempat ke tempat lain dengan menggunakan sistem tertentu untuk
tujuan tertentu.
15
Dari kedua pendapat diatas dapat ditarik benang merah bahwasanya
transportasi merupakan suatu kegitatan perpindahan barang dan penumpang
dari tempat asal ke tujuan menggunakan suatu alat yang disebut sebagai alat
transportasi. Miro (2012) mengemukakan bahwa transportasi dibedakan
atas 3 bentuk yakni:
a. Transportasi darat (Kereta api, Bus, dll)
b. Transportasi laut, sungai, danau dan penyebrangan
c. Transportasi udara
Kereta api merupakan sarana dengan tenaga gerak, yang beroperasi
tunggal ataupun dirangkaikan secara bersamaan dengan sarana
perkeretaapian lainnya, yang dioperasikan pada jalan rel yang tujuannya
berkaitan dengan perjalanan kereta api. PT Kereta Api Indonesia (Persero)
(PT KAI) merupakan salah satu dari Badan Usaha Milik Negara Indonesia
yang bertugas dalam penyelenggaraan jasa angkutan kereta api. Adapun
layanan yang diberikan PT KAI meliputi angkutan penumpang dan barang.
3. Reservasi Online
Reservasi merupakan suatu kesepakatan antar dua pihak maupun lebih
mengenai pemesanan suatu tempat. Kesepakatan atas pemesanan tempat
tersebut dapat berupa pemesanan tempat duduk, ruangan, kamar dan hal
lainnya pada waktu atau periode tertentu dan disertai dengan produk jasanya
(Flippo, 2000). Fungsi dari pada reservasi adalah untuk menjual
produk/jasa, mempromosikan produk dan fasilitas, mengurangi
oversalaes,melaksanakan penyediaan seat, mempertahankan citra dari
16
produk dan pelayanan yang tersedia, mendata dan memproses setiap
pesananan yang dilakukan, memproses perubahan pemesanan (reschedule),
menghindari dan pencegahan tamu tidak hadir, serta membuat arsip data
pemesanan secara akurat (P Berlianto, 2014).
Gupta, Dasgupta, & Gupta (2008) menjelaskan bahwa “Reservasi
online pada dasarnya merupakan bentuk dari sistem informasi yang kini
dikembangkan menggunakan teknologi informasi. Dalam hal reservasi
online eticketing merupakan contoh dari revolusi penggunaan tiket tanpa
kertas yang telah ditujukan perubahannya dalam ticketing system yang
berlaku dalam pemesanan . Pemesanan tiket melalui internet menggunakan
alur seperti mengirimkan ticket tersebut melalui email. E ticketing
diterapkan dengan tujuan untuk memudahkan pemesanan tiket agar lebih
cepat. Abdullah, Al-Maktari, Jamaludin, & Hosam (2012) turut
menambahkan bahwasanya melalui sistem tersebut dapat memberikan
pelayanan yang fleksibel dan cepat dalam segi waktu.
4. The Unified Theory of Acceptance and Use of Technology (UTAUT)
Pada penelitian ini akan mengambil teori The Unified Theory of
Acceptance and Use of Technology (UTAUT) yang mana ini merupakan
adalah salah satu model penerimaan teknologi terbaru yang dikembangkan
oleh Venkatesh, dkk. UTAUT terbentuk dengan mensintesis elemen-elemen
pada delapan model penerimaan teknologi terkemuka untuk memperoleh
kesatuan pandangan mengenai penerimaan pengguna. Kedelapan teori
pembentuk UTAUT tersebut ialah theory of reasoned action (TRA),
17
technology acceptance model (TAM), motivational model (MM), theory of
planned behavior (TPB), combined TAM and TPB (C-TAM-TPB), model of
PC utilization (MPCU), innovation diffusion theory (IDT) dan social
cognitive theory (SCT).
GAMBAR 4
UTAUT MODEL 1
Sumber : Viswanath Venkatesh, Michael G. Morris, Gordon B. Davis,
& Fred D. Davis (2003)
Model UTAUT merupakan model yang dapat menggambarkan
diterima atau tidaknya suatu teknologi oleh penggunanya (Viswanath
Venkatesh et al., 2003). Venkatesh (2003) mengungkapkan bahwa UTAUT
memiliki empat konstruk yang memainkan peran penting sebagai penentu
langsung penerimaan pengguna dan perilaku penggunaan yaitu
18
performance expectancy, effort expectancy, social influence, dan
facilitating conditions.
Di tahun 2012 UTAUT model mendapat pengembangan, dimana pada
model kedua ini dikembangan untuk konteks penerimaan teknologi untuk
konsumen. Yang merupakan industri bernilai tinggi, hal ini serupa dengan
yang dijelaskan oleh (Stofega & R. T Llamas, 2009) bahwa “...consumer
technologies which is a multibillion dollar industry given the number of
technology devices, applications, and services targeted at consumers”.
Berdasarkan kepada hal tersebut dikembangkanlah UTAUT model yang
lebih menyesuaikannya dengan konteks penggunaan konsumen, sehingga
model ini mendapatkan pengembangan dengan ditambahkannya tiga
konstruk terbaru yang dianggap memiliki pengaruh dalam penerimaan dan
penggunaan teknologi yaitu hedonic motivation, price value, dan habit.
GAMBAR 5 UTAUT MODEL 2
Sumber : Venkatesh, Thong, & Xu (2012)
19
a. Performance Expectancy
Performance expectancy atau juga harapan kinerja merupakan
tingkatan dimana seseorang yakin bahwa dengan menggunakan
teknologi atau sistem tersebut dapat mempermudah atau meningkatkan
performa kerjanya, menurut Viswanath Venkatesh et al., (2003)
hubungan antara Performance expectancy dan intention behavior
dimoderasi oleh jenis kelamin dan usia dimana . Yang mana pada
penelitiannya menujukan bahwa pengaruh tersebut terjadi pada laki-
laki dengan usia muda. Minton dan Schneid dalam Venkatesh et al.
(2003) membuktikan pula bahwa pada dasarnya bahwa pria lebih
cenderung berorientasi kepada tugas dibandingkan wanita. harapan
kinerja ini didukung berdasarkan teori penerimaan teknologi terdahulu.
Davis dalam Venkatesh et al. (2003) mengenai teorinya yaitu
TAM, mendefinisikan bahwa performance expectancy serupa dengan
teorinya yaitu perceived usefulness dimana hal ini berkaitan dengan
seberapa yakinkah seseorang bahwa dengan menggunakan sistem akan
mempercepat pekerjannya, mempermudah, serta meningkatkan
produktivitasnya. Hal ini juga serupa dengan penelitian yang dilakukan
Davis et al. dalam Venkatesh et al. (2003) mengenai teorinya yaitu
extrinsic motivation yang menjelaskan tentang presepsi pengguna yang
bersedia menggunakan atau melakukan suatu kegiatan karena hal
tersebut dapat meningkatkan performa kinerjanya.
20
Performance expectancy juga di dibangun dengan teori MPCU,
dimana (Thompson et al. 1991) dalam MPCU mendefinisikan bahwa
hal itu berkaitan dengan seberapa mampukah suatu teknologi/sistem
dapat meningkatkan performa kerja seseorang seperti halnya dapat
meningkatkan efektivitas dalam pengerjaan suatu tugas, mempercepat
pekerjaan, dan dengan menggunakan teknologi dapat menghasilkan
output yang lebih banyak dibandingkan tidak menggunakan teknologi..
Berdasarkan teori diatas dapat ditarik pengertian bahwa harapan
performance expectancy merupakan suatu kepercayaan individu atas
suatu sistem dimana apabila mereka menggunakan sistem atau
teknologi tersebut dapat meningkatkan performa dan efektivitas dalam
melakukan pekerjaannya.
b. Effort Expectancy
Effort expectancy atau disebut harapan usaha didefinisikan
sebagai seberapa besar tingkat kemudahan terkait dengan penggunaan
sistem (Viswanath Venkatesh et al., 2003). Pengaruh effort expectancy
terhadap behavioral intention dimoderasi oleh jenis kelamin, usia, dan
pengalaman. Venkatesh menjelaskan bahwa dengan bertambahnya usia
seseorang terbukti memengaruhi kemampuannya dalam menggunakan
atau penerimaan informasi yang biasanya diperlukan saat
menggunakan suatu sistem. Levy dalam Venkatesh (2003) turut
membuktikan bahwa kasus kesulitan dalam penerimaan biasanya
terjadi pada wanita terutama yang berusia lebih tua, serta dengan
21
pengalaman yang sedikit dengan penggunaan suatu sistem teknologi.
Terdapat tiga teori terdahulu yang memiliki kesamaan konsep dan
menjadi konstruk dalam pembentukan teori effort expectancy yaitu
dalam TAM, MPCU, dan IOT.
Davis dalam Viswanath Venkatesh et al., (2003) memaparkan
penelitiannya mengenai TAM, dimana dalam penelitian tersebut
menjelaskan mengenai Perceived Ease of Use yang sekarang
dikembangkan menjadi effort expectancy, bahwa effort expectancy
adalah tingkatan kepercayaan seseorang bahwa dengan ia
menggunakan suatu sistem atau teknologi tidak membutuhkan usaha
yang besar dan pengoperasian yang mudah.
Disisi yang sama Teori Complexity dalam MPCU memiliki
kesamaan dimana hal ini didefinisikan sebagai pengukuran sejauh mana
suatu sistem dianggap relatif sulit untuk dipahami dan digunakan
seperti halnya menggunakan suatu sistem/teknologi tersebut membuat
seseorang menghabiskan waktu lebih banyak, dan sistem sulit untuk
dipelajari.
Moore dan Benbasat dalam Viswanath Venkatesh et al., (2003)
mendefinisikan bahwa Ease of Use atau dalam utaut disebut effort
expectancy merupakan tingkat kesulitan pengguna dalam
menggunakan inovasi baru seperti halnya mereka yakin bahwa sistem
sangat lancar dan mudah dimengerti, sistem mudah untuk digunakan,
serta sistem mudah untuk dipelajari. Dari beberapa penjabaran di atas
dapat dipahami bahwa Effort Expectancy merupakan tingkat
22
kemudahan dalam pengoperasian atau penggunaan suatu sistem,
sehingga tidak membutuhkan usaha yang besar untuk penggunaannya.
c. Social Influence
Social influence atau pengaruh sosial diartikan sebagai tingkat
dimana seorang individu menganggap bahwa orang yang dekat
dengannya atau orang yang menurutnya penting dalam hal ini teman
atau keluarga percaya sebaiknya dia harus menggunakan
sistem/teknologi yang baru (Venkatesh et al., 2012). Disisi yang sama
social influence juga digambarkan sebagai subjective norm yang berarti
persepsi seseorang dimana orang-orang yang penting menurutnya,
berpikir bahwa dia harus menggunakan atau tidak suatu sistem (Ajzen;
Davis et al.; Fishbein and Azjen; Mathieson; Taylor and Todd dalam
Viswanath Venkatesh et al., 2003). Hubungan antara social influence
dengan behavioral intention dimoderatori oleh tiga hal yaitu jenis
kelamin, usia, dan pengalaman yang mana dalam Viswanath Venkatesh
et al., (2003) ditunjukan bahwa wanita cenderung lebih sensitif terhadap
pendapat orang lain dibandingkan laki-laki sehingga pengaruh sosial
lebih mendorong pembentukan niat untuk menggunakan teknologi
baru. Disamping itu semakin meningkatnya usia semakin mudah untuk
dipengaruhi, dimana pada usia yang lebih tua mementingkan nilai sosial
dalam kata lain pengakuan dari sosial. Dalam hal ini pula social
influence dimoderatori oleh pengalaman, biasanya hal ini berpengaruh
23
saat seseorang diharuskan menggunakan suatu sistem atau teknologi
(Niehaves & Plattfaut, 2010)
Thompson dalam Venkatesh et al (2003) menjelaskan bahwa
social influence sama halnya dengan social factor, yang mana
lingkungan dan budaya subyektif kelompok serta perjanjian tertentu
mendorong seseorang untuk menggunakan atau tidak suatu sistem.
Sebagai contohnya seseorang menggunakan suatu sistem karena teman
kerjanya menggunakan sistem tersebut ataupun suatu organisasi
mengharuskan seseorang dalam menggunakan suatu sistem tersebut.
Moore dan Benbasat dalam Venkatesh et al. (2003) menghubungkan
hal ini dengan image, dimana menurutnya tingkat dimana seseorang
individu percaya bahwa dengan menggunakan suatu sistem/teknologi
dapat meningkatkan citra ataupun status pada sistem sosial tertentu,
seperti halnya seseorang dalam organisasinya yang menggunakan suatu
sistem tertentu memiliki prestige dibandingkan yang tidak
menggunakan sistem. Secara keseluruhan dapat dipahami bahwa Social
influence ini merupakan salah satu tingkat dimana seseorang percaya
bahwa orang lain disekitarnya memengaruhi untuk menggunakan suatu
sistem/teknologi.
Merujuk kepada teori di atas terdapat hubungan bahwasanya
social influence merupakan tingkat dimana seseorang percaya bahwa
lingkungan sosial yaitu keluarga ataupun teman memengaruhi dirinya
untuk menggunakan suatu sistem atau teknologi. Sehingga mendorong
24
perilaku seseorang untuk berkeinginan menggunakan suatu sistem atau
teknologi.
d. Facilitating Condition
Facilitating Condition merupakan tingkat kepercayaan seseorang
atas ketersediaan infrastruktur teknik dan organisasional dalam
mendukung penggunaan sistem (Viswanath Venkatesh et al., 2003).
Yang & Forney (2013) dalam penelitiannya menjelaskan bahwa
facilitating condition merupakan suatu sistem dalam lingkungan
teknologi yang dirancang untuk mengurangi ataupun menghilangkan
kesulitan dalam menggunakan suatu teknologi yang kemudian
memfasilitasi suatu penggunaan fungsi dan fitur suatu teknologi.
Thompson et al. dalam Venkatesh (2003) menjabarkan bahwa
facilitating condition merupakan faktor objektif di lingkungan yang
mengamati, memberi petunjuk agar pengunaan lebih mudah, termasuk
ketersediaan dukungan teknologi yang baik. Seperti halnya petunjuk
penggunaan tersedia untuk pengguna pada suatu sistem atau tersedia
seseorang atau grup yang bersedia untuk mengarahkan dan membantu
saat kesulitan menggunakan teknologi. Yang & Forney (2013)
menambahkan bahwa apabila facilitating condition diterapkan pada
penggunaan aplikasi mobile dengan sifatnya yang digunakan secara
terus-menerus, ketersediaan atas seseorang atau asisten yang membantu
mungkin tidak tersedia sepanjang waktu. Oleh karena itu facilitating
25
condition didefinisikan dengan penampilan aplikasi yang menarik dan
pemrosesan data yang cepat oleh aplikasi mobile tersebut.
Hubungan Facilitating condition dimoderatori oleh usia dimana
konsumen yang memiliki usia tua cenderung lebih sulit dalam
menerima, menghadapi ataupun memproses suatu informasi baru.
Dengan begitu dapat memengaruhi pembelajaran konsumen tersebut
tentang teknologi baru (Moris et al. dalam Venkatesh et al., 2012).
Selanjutnya jenis kelamin dan pengalaman seseorang turut
memoderatori, yang mana dijelaskan bahwa pria cenderung kurang
mengandalkan facilitating condition karena pria lebih bersedia
mencoba dan memberikan usaha yang lebih dalam mengatasi suatu
kesulitan untuk mencapai tujuannya. Hal tersebut berbanding terbalik
dengan wanita yang cenderung lebih menekankan kepada facilitating
condition dalam arti lain wanita kurang berorientasi pada tugas. Begitu
halnya dengan pengalaman, apabila seseorang memiliki pengalaman
yang lebih besar dalam menggunakan suatu teknologi serta
pengetahuan yang lebih baik dalam memfasilitasi pembelajarannya, hal
tersebut akan berpengaruh kepada berkurangnya tingkat
ketergantungan seseorang dalam penggunakan dukungan eksternal atau
facilitating condition (Venkatesh et al., 2012).
Dari beberapa pendapat ahli diatas dapat dimengerti bahwa
facilitating condition merupakan seberapa besar kepercayaan seseorang
terhadap ketersediaan infrastruktur, sistem, dan sebagainya yang dapat
membantu mengurangi kesulitan seseorang dalam menggunakan
26
teknologi, serta hubungan facilitating condition dengan niat untuk
menggunakan suatu teknologi dipengaruhi oleh beberapa faktor yaitu
usia, jenis kelamin, serta pengalaman seseorang dalam menggunakan
suatu teknologi.
e. Hedonic Motivation
Brown, Venkatesh, & Bala (2006) menjelaskan bahwa hedonic
motivation adalah kesenangan seseorang ataupun kenyamanan
seseorang dalam menggunakan suatu teknologi, sehingga ini menjadi
salah satu faktor penerimaan teknologi. Hedonic motivation juga
didefinisikan kepada sistem yang dapat memberikan kepuasan bagi
pengguna saat menggunakannya (Abad & Díaz, 2010).
Hedonic motivation merupakan turunan daripada teori ease of use
dalam technology acceptance model (TAM) yaitu perceived enjoyment
yang diartikan sebagai seberapa besar tingkatan aktifitas dalam
penggunaan suatu sistem oleh seseorang dirasa memberikan suatu
kesenangan dan kenyamanan, dimana hal tersebut merupakan suatu
bagian daripada konsekuensi performa penggunaan sistem (Brown et
al., 2006)
Dalam konstruk ini dipengaruhi oleh pengalaman, usia dan juga
jenis kelamin. Dalam hal pengalaman, dengan meningkatnya suatu
pengalaman seseorang dalam menggunakan suatu sistem, efek motivasi
hedonis pada penggunaan suatu sistem tersebut akan berkurang
dikarenakan tidak adanya sesuatu yang baru, namun motivasi
27
penggunaan akan berpindah fokus kepada keuntungan dalam
menggunakan sistem tersebut seperti keefektifitasan dan efisiensi
kerjanya. Selanjutnya usia dan jenis kelamin turut memoderatori
kosntruk ini. Pada pengalaman pertama menggunakan teknologi yang
baru, pria dengan usia muda lebih cenderung mencari sesuatu yang
baru, dimana kecenderungan tersebut akan meningkatkan motivasi
hedonis dalam keputusan awal penggunaan suatu teknologi oleh pria
(Venkatesh et al., 2012).
Menarik garis kepada pengertian diatas dapat diketahui bahwa
motivasi hedonis merupakan motivasi seseorang dalam menggunakan
suatu teknologi yang didasari kepada kesenangan, kenyamanan, dan
ketertarikan atas penggunaan teknologi. Hubungan motivasi hedonis
dimoderatori oleh pengalaman, usia, dan jenis kelamin dimana efek
akan paling dirasakan oleh pria muda pada tahap awal penggunaan atau
pengalaman pertama pada saat penggunaan teknologi.
f. Price Value
Price Value diartikan sebagai seberapa besar benefit yang
didapatkan dari penggunaan teknologi dibandingkan dengan biaya yang
digunakan untuk penggunaan suatu teknologi. (Venkatesh et al., 2012).
Dalam teorinya, price value merupakan pertukaran antara manfaat yang
didapatkan dengan pengorbanan yang telah dilakukan. Konsep tersebut
kini telah mulai diterapkan pada bidang teknologi, yang mana salah
28
satunya membuktikan bahwa price value sangat penting dalam menarik
seseorang dalam menggunakan suatu sistem (Huang & Kao, 2015).
Dalam hal ini usia dan jenis kelamin memoderasi hubungan
antara price value dan behavioral intention. Dalam hal konsumen,
wanita lebih berkecenderungan untuk memerhatikan harga dan layanan
serta lebih sensitif harga dibandingkan dengan pria. Hal ini didukung
pula dengan wanita yang biasanya sering terlibat dalam pembelian
sehingga menjadikannya lebih bertanggung jawab dan berhati-hati atas
uang (Slama dan Tashchian dalam Venkatesh et al., 2012). Disamping
itu ditambahkan pula bahwa usia turut memengaruhi dimana wanita
dengan usia lebih tua lebih sensitif terhadap harga.
Dari pernyataan diatas dapat dipahami bahwasanya price value
merupakan seberapa besar keuntungan yang kita dapatkan saat
menggunakan suatu teknologi tersebut dibandingkan dengan biaya atau
pengorbanan yang kita keluarkan, dalam hal ini price value
berpengaruh bagi wanita yang berusia tua dalam intention behviour.
g. Habit
Limayem et (2007) dan Venkatesh et al. (2012) menjelaskan
bahwa habit merupakan tingkat dimana seseorang cenderung
melakukan penggunaan suatu teknologi secara otomatis karena belajar,
dalam hal ini dijelaskan pula bahwa habit menjadi salah satu penentu
niat pengguna dan menjadi indikator yang kuat dalam mengukur
penggunaan teknologi (Huang & Kao, 2015).
29
(De Bruijn et al., 2007) turut menjelaskan bahwa habit adalah
presepsi bahwa seseorang cenderung melakukan kegiatanannya secara
teratur, secara otomatis, melakukan kegiatan bukan karena
keterpaksaan, serta seseorang merasa tidak terbiasa apabila tidak
melakukan kegiatan tersebut sehingga hal ini menjadi suatu keharusan.
Hubungan pada konstruk ini dimoderatori oleh pengalaman, usia,
beserta jenis kelamin. Dimana dijelaskan oleh Murray & Häubl (2007)
bahwa seseorang dengan pengalaman yang lebih banyak dalam
menggunakan suatu teknologi memengaruhi kebiasaan seseorang
dalam penerimaan suatu teknologi atau sistem. Di sisi lainnya dengan
bertambahnya usia seseorang akan mempersulit kemampuan mereka
atas memproses suatu pembaruan, serta berbedanya jenis kelamin
dalam penerimaan teknologi dari pengalaman akan berbeda. Dalam hal
ini cenderung terjadi kepada pria yang memiliki pengalaman dalam
penggunaan suatu sistem atau teknologi akan sangat bergantung kepada
kebiasaan mereka.
h. Behavioral Intention
Afdalia, Pontoh, & Kartini (2014) mendefinisikan behavioral
intention merupakan sikap dari setiap individu atas tekanan dari sosial
untuk melakukan suatu perilaku ataupun tidak melakukan perilaku.
Dalam prakteknya, teori tersebut mengatakan bahwa seseorang akan
melakukan suatu perilaku tertentu apabila ia melihat bahwa perilaku
30
tersebut memberikan dampak positif, dan orang lain percaya bahwa ia
harus melakukan perilaku tersebut.
Reid & Y (2008) membagi behavioral intention pada tiga hal
yaitu niat untuk menggunaan di masa yang akan datang, menggunakan
secara intensif, dan menyarankan kepada orang lain atau sekitarnya
untuk menggunakan.
Dari Pernyataan diatas dapat di pahami bahwa behavioral
intention adalah sikap dari individu untuk melakukan sesuatu yang
dipengaruhi oleh sosial.
i. Use Behaviour
Use behaviour atau perilaku penggunaan didefinisikan sebagai
keadaan nyata penggunaan aplikasi atau sistem oleh seseorang (Davis,
dalam Viswanath Venkatesh et al., 2003). Dalam hal ini, seseorang
yang menggunakan suatu sistem teknologi informasi akan
menggunakan sistem apabila hal tersebut bermanfaat baginya, baik
sistem itu mudah ataupun sulit digunakan. Sistem yang
pengoperasianya sulit akan terus digunakan oleh seseorang apabila ia
merasa bahwa sistem tersebut masih berguna untuknya (Jogiyanto,
2007).
Wibowo (2006) menjelaskan bahwa penggunaan teknologi
seseungguhnya atau perilaku penggunaan merupakan seberapa sering
seseorang berinteraksi dengan suatu teknologi hal ini juga dapat
dikaitkan dengan seberapa sering frekuensi penggunaannya. Wibowo
31
(2006), turut menjelaskan bahwa seseorang akan merasa puas dalam
menggunakan suatu sistem apabila seseorang tersebut percaya dan
yakin bahwa sistem tersebut mudah penggunaannya dan akan
meningkatkan produktifitasnya dalam suatu pekerjaan, yang mana hal
ini tercermin dari kondisi nyata penggunaan.
Dari dua pernyataan diatas dapat dimengerti bahwa use behaviour
merupakan seberapa sering seseorang berinteraksi dengan sistem
teknologi informasi, yang mana hal ini tercermin dari kondisi nyata
penggunaan seseorang atas teknologi tersebut.
32
B. Penelitian Terdahulu
TABEL 2
PENELITIAN TERDAHULU
No Aspek Penelitian 1
I Gusti Nyoman Penelitian 2
Lucky Widya P Penelitian 3
Gayatrie et al., Penelitian 4
Asri Mulyani
1 Tahun 2010 2015 2017 2018
2 Judul
UTAUT Model for Understanding Learning Management System
Analisis Faktor-Faktor yang Mempengaruhi Pengunaan Sistem Manajemen Pengetahuan Menggunakan Unified Theory of Acceptance and Use Technology 2 (UTAUT 2): Studi Kasus .Net Production Center Room PT Astra International Tbk
Analisis Penerimaan Os Windows 10 Dengan Unified Theory of Acceptance and Use of Technology (UTAUT2)
Analisis Penerimaan dan Penggunaan Teknologi Aplikasi Ojek Online menggunakan Unified Theory of Acceptance and Use Technology
3 Tujuan
Menganalisis faktor yang dominan dalam hal penerimaan serta penggunaan suatu sistem teknologi oleh mahasiswa dengan mengadopsi model UTAUT
Mengetahui faktor yang memengaruhi penggunaan daripada sistem.
Menganalisis penerimaan serta penyebab yang memengaruhi penerimaan pengguna terhadap sistem operasi
Mengetahui sejauh mana penerimaan masyarakat atas aplikasi ojek online dan memberikan solusi untuk mengatasi dampak dari berkembangnya transportasi ini
33
TABEL 2 PENELITIAN TERDAHULU (LANJUTAN)
No Aspek Penelitian 1
I Gusti Nyoman Penelitian 2
Lucky Widya P Penelitian 3
Gayatrie et al., Penelitian 4
Asri Mulyani
4 Teori
UTAUT 1 mengkaji faktor yang memengaruhi penerimanaan teknologi yang mencakup lima hal yaitu, performance expectancy , effort expectancy , social influence , facilitating conditions, dan behavioral intention.
UTAUT 2 untuk memahami faktor apa yang menjadi pendorong dalam penggunaan teknologi.
UTAUT 2 menjelaskan niat dan perilaku pengguna terhadap penerimaan suatu teknologi dipengaruhi oleh performance expectancy, effort expectancy, social influence, facilitating condition, price value, hedonic motivation dan habit. Tanpa dimoderatori usia, jenis kelamin, serta pengalaman.
UTAUT model dengan menganalisis hubungan ekspektasi atas kinerja, usaha, pengaruh sosial dan kondisi yang memfasilitasi terhadap minat pemanfaatan teknologi
5 Metode Penelitian
Kuantitatif, regresi linear. Pengumpulan data dengan penyebaran kuesioner
Kuantitatif, Partial Least Square . Pengumpulan data dengan penyebaran kuesioner
Kuantitatif, SEM. Pengumpulan data dengan penyebaran kuesioner melalui google form
Kuantitatif, regresi linear. Pengumpulan data dengan wawancara, observasi dan penyebaran kuesioner
6 Populasi
dan Sampel
Populasi penelitiannya ialah Mahasiswa Universitas Sanata Dharma. Sampel dipilih secara khusus yaitu mahasiswa yang menggunakan aplikasi exelsa dalam pembelajaran dengan jumlah 232 responden.
Populasi penelitian pengguna aplikasi NPC ROOM PT. ASTRA INTERNATIONAL TBK. Dengan sampel 57 responden
pengguna OS Windows 10 mahasiswa di Indonesia dengan rentang usia 19 sampai 24 tahun. Dengan jumlah sampel 260 responden
Populasi penelitiannya ialah masyarakat Kab. Garut yang menggunakan aplikasi dan jasa layanan ojek online. Sampel diambil secara acak dengan jumlah 150 responden pengguna aplikasi dan jasa ojek online
34
TABEL 2 PENELITIAN TERDAHULU (LANJUTAN)
No Aspek Penelitian 1
I Gusti Nyoman Penelitian 2
L Widya Pramesti Penelitian 3
Gayatrie et al., Penelitian 4
Asri Mulyani
7 Hasil
Variabel performance expectancy, social influence dan facilitating conditions terbukti signifikan mempengaruhi behavioral intention Mahasiswa Universitas Sanata Dharma dalam menggunakan Exelsa. Kemudian Variabel behavioral intention terbukti signifikan mempengaruhi use behavior.
Variabel social influence terbukti signifikan memengaruhi behavioral intention pengguna atas aplikasi NPC ROOM, Habit juga memiliki pengaruh positif signifikan terhadap Use Behaviour penggunaan aplikasi, Behavioral Intention berpengaruh positif signifikan terhadap penggunaa langsung aplikasi.
Effort expectancy, facilitiating condition dan price value tidak berpengaruh positif terhadap niat pengguna. Social influence, hedonic motivation dan habit memiliki pengaruh positif yang signifikan terhadap niat pengguna. Disisi lain, facilitating condition dan habit memengaruhi perilaku pengguna sedangkan niat tidak berdampak positif terhadap perilaku pengguna untuk menggunakan Windows 10
Semua hasil analisis memiliki pengaruh positif pada setiap hubungan antar faktornya, yang mana ini dapat dikatakan bahwa penerimaan dan penggunaan aplikasi ojek online dapat diterima penggunaannya, yaitu masyarakat Kabupaten Garut
Sumber : (Sedana & Wijaya, 2010), (Pramesti, 2015), (Gayatrie et al., 2017) dan (Mulyani, 2018)
Kehadiran sistem reservasi online aplikasi KAI ACCESS telah
berjalan hampir 6 tahun namun hingga saat ini peneliti belum menemukan
penelitian terdahulu terkait penerimaan wisatawan terhadap penerimaan
teknologi pada sistem reservasi online aplikasi KAI ACCESS oleh karena
itu peneliti tertarik untuk mengangkat topik ini.
Penelitian pertama dan keempat memiliki perbedaan dengan
penelitian yang telah peneliti lakukan yaitu dalam penggunaan teori
UTAUT Model 1 yang mana dalam penelitian ini, peneliti menggunakan
35
pembaruan dari teori tersebut yaitu The Unified Theory of Acceptance and
Use of Technology 2 (UTAUT 2) yang menambahkan tiga variabel baru
yaitu Hedonic Motivation, Price value, dan Habit. Yang mana teori tersebut
sama digunakan pada penelitian dua dan tiga yang dilakukan (Pramesti,
2015) dan (Gayatrie et al., 2017).
Penelitian ini menggunakan konsep UTAUT model 2 yang
diciptakan khusus untuk melihat penerimaan teknologi oleh pelanggan
secara keseluruhan, tanpa dimoderatori oleh usia, jenis kelamin, serta
pengalaman yang mana mengacu kepada penelitian terdahulu yang
dilakukan oleh (Gayatrie et al., 2017).
Dari keempat penelitian diatas terdapat kesamaan dengan penelitian
ini yaitu menganalisis hubungan variabel seperti yang telah dilakukan pada
penelitian terdahulu untuk mengetahui faktor yang mendorong penggunaan
suatu teknologi.
36
C. Kerangka Pemikiran
GAMBAR 6
KERANGKA PEMIKIRAN PENELITIAN
Sumber : Gayatri, Kusyanti, & Saputra., 2017
Use Behaviour Behavioral Intention
Habit
Price Value
Hedonic Motivation
Facilitating Condition
Social Influence
Effort Expectancy
Performance Expectancy
37
D. Hipotesis Penelitian
Berdasarkan kepada rumusan masalah serta kerangka pemikiran, peneliti
merumuskan hipotesis sebagai berikut:
H1 : Performance Expectancy berpengaruh positif terhadap Behavioral
Intention
H0 1 : Performance Expectancy tidak berpengaruh positif terhadap
Behavioral Intention
H2 : Effort Expectancy berpengaruh positif terhadap Behavioral Intention
H0 2 : Effort Expectancy tidak berpengaruh positif terhadap Behavioral
Intention
H3 : Social Influence berpengaruh positif terhadap Behavioral Intention
H0 3 Social Influence tidak berpengaruh positif terhadap Behavioral
Intention
H4 : Facilitating Condition berpengaruh positif terhadap Behavioral
Intention
H0 4 Facilitating Condition tidak berpengaruh positif terhadap
Behavioral Intention
H5 : Hedonic Motivation berpengaruh positif terhadap Behavioral
Intention
H0 5 Hedonic Motivation tidak berpengaruh positif terhadap Behavioral
Intention
H6 : Price Value berpengaruh positif terhadap Behavioral Intention
H0 6 Price Value tidak berpengaruh positif terhadap Behavioral Intention
H7 : Habit berpengaruh positif terhadap Behavioral Intention
38
H0 7 Habit tidak berpengaruh positif terhadap Behavioral Intention
H8 : Behavioral Intention berpengaruh positif terhadap Use Behaviour
H0 8 Behavioral Intention tidak berpengaruh positif terhadap Use
Behaviour
H9 : Facilitating Condition berpengaruh positif terhadap Use Behavior
H0 9 Facilitating Condition tidak berpengaruh positif terhadap Use
Behavior
H10 : Habit berpengaruh positif terhadap Use Behaviour
H0 10 Habit tidak berpengaruh positif terhadap Use Behaviour
39
BAB III
METODE PENELITIAN
A. Desain Penelitian
Desain penelitian ialah pedoman ataupun prosedur juga teknik dalam
perencanaan suatu penelitian yang bertujuan untuk membangun strategi yang
menghasilkan suatu model penelitian (Moleong, 2014). Desain penelitian ini
adalah causal research yang peneliti gunakan untuk mengukur, mengetahui,
dan menjelaskan seberapa besar faktor atau variabel mana yang memberikan
pengaruh (cause) dan variabel mana yang menerima ataupun menjadi akibat
penerimaan pengguna atas teknologi (effect) serta dalam hal ini pula dapat
diketahui bagaimana sifat hubungan dari tiap variabel, apakah negatif atau
positif (Indrawati, 2015). Desain ini peneliti gunakan dalam penelitian
penerimaan teknologi atas sistem reservasi online aplikasi mobile KAI
ACCESS PT. Kereta Api Indonesia (Persero). Sehingga peneliti dapat
memahami hasil daripada penelitian dan dapat menggambarkan faktor yang
memengaruhi pengguna dalam menggunakan suatu produk, jasa, ataupun
sistem.
B. Obyek Penelitian
Objek daripada penelitian ini adalah para pelanggan yang telah
mengunakan sistem reservasi online serta melakukan pembelian tiket pada
aplikasi mobile KAI ACCESS dengan tujuan perjalanannya yaitu untuk
berwisata sebagai responden dan PT. Kereta Api Daop 2 Bandung sebagai
40
lokus penelitian. Dalam hal ini PT. Kereta Api Indonesia (PT. KAI) merupakan
Badan Usaha Milik Negara Indonesia yang menyelenggarakan jasa layanan
angkutan kereta api di Indonesia.
C. Populasi dan Sampel
1. Populasi
Sugiyono (2017), menjelaskan bahwasanya populasi merupakan
wilayah generalisasi dimana terdiri atas obyek ataupun subyek yang
memiliki kualitas beserta karakteristik tertentu yang ditetapkan oleh
seorang peneliti dengan tujuan untuk dipelajari dan kemudian ditarik
kesimpulannya. Populasi dalam penelitian ini adalah penumpang kereta
api di stasiun Bandung dengan tujuan perjalanannya adalah berwisata serta
yang melakukan reservasi secara online melalui aplikasi mobile KAI
ACCESS. Dikarenakan ukuran daripada populasi tersebut tidak terhingga
atau tidak diketahui secara pasti, oleh karena itu populasi dalam penelitian
ini digolongkan kedalam infinite population. Yang mana menurut
(Bungin, 2010) innfinite population (populasi tak terhingga) merupakan
populasi yang memiliki sumber daripada data yang tidak diketahui secara
jelas ataupun luas populasi tidak terhingga.
2. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki
populasi (Sugiyono, 2017). Teknik sampling yang digunakan dalam
penelitian ini ialah teknik non probability sampling yang mana teknik ini
41
tidak memungkinkan peluang atau kesempatan yang sama untuk setiap
unsur atau anggota populasi untuk dijadikan sebuah sampel (Sugiono,
2017), dengan pendekatan purposive sampling dimana pengambilan
sampel dilakukan dengan suatu pertimbangan tertentu. Teknik dan
pendekatan ini peneliti gunakan karena tidak semua sampel memiliki
kriteria sebagaimana dengan kriteria yang telah peneliti tentukan seperti
sampel adalah seseorang pengguna jasa layanan Kereta Api Indonesia
yang menggunakan dan melakukan transaksi pemesanan tiket melalui
aplikasi KAI ACCESS. Disisi yang sama, karena hanya pada sampel
tersebutlah yang dapat memberikan informasi yang dibutuhkan untuk
menjawab suatu masalah penelitian.
Dalam penentuan besar sampel dalam penelitian ini, peneliti
menggunakan rumus oleh Widiyanto (Widiyanto, 2008) sebagai berikut :
Keterangan :
n : Jumlah Sampel
Z : Nilai daripada tingkatan keyakinan yang diinginkan sebesar 95%
maka Z adalah 1,96
Moe : margin of error, tingkat toleransi kesalahan sebesar 10%
Dari rumus di atas, maka peneliti memperoleh perhitungan sebagai
berikut :
n = (1,96)²/4*(10%)² = 96,04
42
Dari hasil perhitungan di atas peneliti membulatkan menjadi 100
sampel/responden pengguna reservasi online aplikasi mobile KAI
ACCESS.
Dalam hal ini peneliti turut mencantumkan jenis kelamin, usia
dengan pegkelompokan 18-34 tahun sebagai usia muda, 35-52 sebagai
usia paruh baya, 53-70 usia tua, dan diatas 70 tahun sebagai usia lanjut
(Horng, Lee, & Chen, 2001), serta peneliti mencantumkan asal daerah
yang mana data tersebut sebagai profil responden dalam penelitian ini.
D. Metode Pengumpulan Data
Metode pengumpulan data adalah suatu cara yang dilakukan peneliti
dalam hal memperoleh suatu data dan keterangan yang diperlukan dalam
penelitian. (Sugiyono, 2017). Metode pengumpulan data pada penelitian ini
meliputi :
1. Teknik Pengumpulan Data
a. Penyebaran Kuesioner
Menurut Sugiyono (2017), penyebaran kuesioner adalah teknik
pengumpulan data oleh peneliti yang dilakukan melalui penyebaran
seperangkat pertanyaan tertulis kepada para responden untuk
dijawabnya. Peneliti menyebarkan 100 kuesioner mengenai
penerimaan penggunaan teknologi kepada 100 penumpang di area
Stasiun Bandung pada bulan April 2019.
43
b. Studi Kepustakaan
(Moh Nazir, 2013) menyatakan bahwa studi kepustaakan adalah
mengumpulkan serta memepelajari teori beserta konsep dasar yang
memiliki korelasi atas masalah yang diteliti. Dalam hal ini teori
beserta konsep dasar peneliti peroleh dengan menelaah berbagai
sumber keilmuaan seperti jurnal, buku, laporan yang mana terdapat
hubungan ataupun berkorelasi dengan permasalahan yang sedang
diteliti.
Studi kepustakaan ini peneliti lakukan dengan tujuan untuk
mendapatkan data sekunder yang mana nantinya akan peneliti
gunakan sebagai dasar ataupun landasan dalam menganalisis serta
membandingkan teori terhadap kondisi sesungguhnya yang terjadi di
lapangan. Adapun data sekunder yang peneliti peroleh dari studi
kepustakaan didapatkan dari internet, jurnal penelitian, buku,
penelitian terdahulu, data pusat statistik, laporan tahunan perusahaan
PT. Kereta Api Indonesia serta sumber lain yang memiliki relevansi
dengan penelitian ini.
2. Alat Pengumpul Data
a. Kuesioner
Kuesioner didefinisikan sebagai kumpulan sejumlah pertanyaan
yang dirangkai secara logis mengenai data faktual atau opini yang
berkaitan dengan pendapat dari diri responden, dimana dianggap
sebagai fakta yang diketahui oleh responden dan perlu di jawab
44
(Sutoyo, 2009). Dalam penelitian ini kuesioner berisikan pertanyaan
yang berkaitan dengan penerimaan suatu teknologi yaitu reservasi
online melalui aplikasi mobile KAI ACCESS sebanyak 31 butir
pertanyaan. Dalam kuesioner, skala Likert merupakan skala yang
peneliti gunakan untuk membedakan dari satu keadaan dengan
keadaan lainnya. Menurut Indrawati (2015) skala Likert dapat
menentukan pengukuran atas seberapa besar tingkatan seseorang
setuju dan tidak setuju terhadap pertanyaan-pertanyaan yang
diberikan yang dilambangkan dengan skala satu sampai lima.
3. Validitas dan Reliabilitas Alat Pengumpul
a. Validitas
Validitas dan Reliabilitas merupakan hal yang harus dilakukan
untuk menguji alat pengumpul data yang telah disusun oleh peneliti
berdasarkan turunan daripada variabel yang digunakan. Uji Validitas
menyatakan bahwa suatu skala pengukuran memenuhi kriteria valid
apabila skala yang diaplikasikan tersebut sesuai atau tepat untuk
mengukur apa yang memang semestinya diukur (Sarwono, 2006).
Penelitian ini menggunakan analisis Partial Least Squre yang
mana dilakukan dua uji validitas yang harus dilakukan yaitu validitas
konvergen dan validitas diskriminan agar dapat memasuki tahap
selanjutnya.
Validitas konvergen dinilai dari hubungan antara nilai item
dengan nilai variabel yang dihitung dengan PLS. Suatu variabel laten
45
dapat dikatakan baik dan valid apabila niai Average Variance
Extracted (AVE) dari setiap variabel bernilai lebih daripada 0,5
(Imam Ghozali, 2014). Sepuluh variabel laten dalam model yang
digunakan dalam penelitian ini telah memiiki nilai AVE diatas 0,5
sehingga dalam hal ini dapat dipahami bahwa seluruh variabel laten
tersebut memenuhi syarat dan dinyatakan memenuhi validitas
konvergen hal ini secara lebih lanjut akan dibahas pada bab IV.
Selanjutnya validitas diskriminan dari model pengukuran dapat
dikatakan lulus uji apabila hasil daripada akar kuadrat AVE lebih
besar apabila dibandingkan dengan nilai korelasi antar variabel laten.
Yang mana dapat diartikan bahwa variabel laten dapat memprediksi
ukuran pada blok mereka lebih baik daripada ukuran dari blok lainnya
(Imam Ghozali, 2014). Adapun rumus mendapatkan AVE sebagai
berikut :
Keterangan :
λ": Component loading ke indikator dan Var (#$) = 1-λ$%
Secara keseluruhan variabel laten dalam model pengukuran
telah memiliki nilai akar kuadrat AVE yang lebih tingi apabila
dibandingkan dengan nilai korelasi pada setiap variabel dengan
variabel yang lainnya sehingga dalam hal ini dapat dinyatakan bahwa
sembilan variabel yang digunakan telah memenuhi syarat validitas
46
diskriminan, yang mana selanjutnya hal ini dapat diketahui secara
jelas pada bab IV.
b. Reliabilitas
Reliabilitas alat pengumpulan data merupakan uji yang
dilakukan untuk menilai apakah suatu alat pengumpulan data sudah
tepat untuk menilai apa yang seharusnya dinilai. Hal tersebut merujuk
kepada tingkat kepercayaan instrumen. Instrumen dikategorikan
reliabel apabila instrumen tersebut dapat digunakan secara terus
menerus untuk mengukur objek yang sama dengan menghasilkan data
yang sama pula (Taniredja & Mustafidah, 2012).
Untuk menguji reliabilitas dalam Partial Least Square terdapat
dua uji reliabilitas yaitu reliabilitas indikator dengan melihat kepada
nilai loading faktor dengan minimal nilai 0,6 dan yang kedua adalah
menggunakan nilai composite reliability dan formula Alpha
Cronbach sebagai berikut :
Keterangan :
K : Jumlah instrumen pertanyaan
∑&'² : Jumlah varians dari tiap instrument
: Varians dari keseluruhan instrument
47
Apabila nilai dari alpha dan composite reliability melebihi
angka 0.6 maka reliabilitas sudah mencukupi dan dapat dikatakan
seluruh item reliabel dan seluruh tes secara konsisten memiliki
reliabilitas yang kuat dan baik (Imam Ghozali, 2014).
Untuk reliabilitas indikator tidak secara keseluruhan indikator
memenuhi syarat reliabilitas indikator. Sebanyak 30 indikator pada
penelitian ini memiliki nilai outer loading diatas 0,6 yang berarti
indikator ini reliabel sebagai alat ukur variabel, namun terdapat satu
indikator tidak memenuhi syarat reliabel yang mana memiliki nilai
outer loading dibawah 0,6, sehingga dari jumlah keseluruhan 31
indikator hanya terdapat 30 indikator yang reliabel.
Selanjutnya untuk reliabilitas konsistensi internal, sembilan
variabel laten yang digunakan telah memiliki nilai composite
reliability dan cronbach's alpha diatas 0,6. Oleh karenanya,
kesembilan variabel laten tersebut telah memenuhi syarat memiliki
reliabilitas konsistensi internal.
E. Definisi Operasional Variable
Di dalam penelitian ini terdapat tiga jenis variabel, yaitu variabel bebas,
variabel intervensi, dan variabel terikat. Terkait kepada teori yang peneliti
gunakan dalam penelitian ini, dapat diketahui bahwasanya diperoleh tujuh
variabel bebas yaitu Performance Expectancy, Effort Expectancy, Social
Influence, Facilitating Condition, Price Value, dan Habit. Yang mana
mempengaruhi satu variabel intervensi juga terikat yaitu Behavioral Intention
48
dan Use Behaviour. Adapun hal-hal yang nantinya akan peneliti ukur dalam
penelitian ini sebagai indikator dapat diketahui melalui tabel 3 dengan matriks
operasional variabel dibawah ini.
49
TABEL 3
MATRIKS OPERASIONAL VARIABEL
Variabel Indikator Instrumen
Performance Expectancy
X1
Berguna untuk memesan tiket Q1
Mempermudah penumpang dalam pemesanan tiket Q2
Mempercepat penumpang dalam pemesanan tiket Q3
Meningkatkan efektifitas penumpang dalam pemesanan tiket Q4, Q5
Effort Expectancy
X2
Sistem mudah dioperasikan Q6
Sistem mudah untuk dipelajari Q7
Sistem mudah dimengeri Q8
Sistem tidak membutuhkan usaha besar Q9
Social Influence
X3
Keluarga mendorong seseorang untuk penggunaan sistem Q10
Teman mendorong seseorang untuk penggunaan sistem Q11
Kantor/organisasi mendorong seseorang untuk menggunakan
sistem Q12
50
TABEL 3
MATRIKS OPERASIONAL VARIABEL (LANJUTAN)
Variabel Indikator Instrumen
Social Influence
Menggunakan sistem meningkatkan citra Q13
Facilitating Condition
X4
Memiliki sumberdaya yang memfasilitasi penggunaan Q14,Q15
Ketersediaan seseorang atau teknologi yang dapat membantu
dalam kesulitan Q16
Penampilan sistem yang menarik Q17
Pemrosesan data yang cepat Q18
Hedonic Motivation
X5
Kesenangan seseorang menggunakan teknologi Q19
Kepuasan seseorang menggunakan teknologi Q20
Ketertarikan seseorang menggunakan suatu sistem Q21
Price Value
X6
Keuntungan yang di dapat dibandingkan harga Q22
Dibandingkan dengan sistem lain, sistem tersebut memiliki nilai
baik Q23
51
TABEL 3
MATRIKS OPERASIONAL VARIABEL (LANJUTAN)
Variabel Indikator Instrumen
Habit
X7
Kecenderungan seseorang menggunakan teknologi secara
otomatis bukan karena keterpaksaan Q24
Kecenderungan seseorang menggunakan teknologi secara
teratur Q25, Q26
Perasaan tidak terbiasa apabila tidak menggunakan teknologi
tersebut Q27
Behavioral Intention
Z
Seseorang berniat berperilaku di masa yang akan datang Q28
Seseorang berniat untuk terbiasa berperilaku Q29
Seseorang bisa menyarankan atau merekomendasikan untuk
berperilaku kepada orang lain Q30
Use Behaviour
Y2 Intensitas penggunaan seseorang dalam pemanfaatan teknologi Q31, Q32
52
F. Analisis Data
Dalam penelitian ini metode analisis kuantitatif yang digunakan adalah
metode Partial Least Square (PLS) dengan menggunakan perangkat lunak
SmartPLS, yang mana metode tersebut dapat menganalisis model struktural
yang memiliki item konstruk lebih daripada dua serta dapat mengukur jalur
langsung dan tidak langsung, disamping itu pula inti dari PLS adalah untuk
menjelaskan vairance/melakukan prediksi (Indrawati, 2015). Metode ini tepat
untuk diterapkan dalam penelitian yang dilakukan, dikarenakan bertujuan
untuk memprediksi pengaruh tujuh faktor utama yaitu performance
expectancy, effort expectancy, social influence, facilitation condition, hedonic
motivation, price value, habit, atas niat untuk menggunakan (behavioral
intention) sistem reservasi online aplikasi KAI ACCESS serta facilitation
condition, habit, dan behavioral intention terhadap penggunaan (use
behaviour) sistem reservasi online aplikasi KAI ACCESS. Menurut Indrawati
(2015) menjelaskan analisis menggunakan PLS melibatkan beberapa tahap,
yaitu:
1. Outer Model
Outer model adalah suatu model evaluasi untuk menunjukan bagaimana
setiap indikator merepresentasikan konstruk untuk diukur. Setiap model
pengukuran yang nantinya akan digunakan pada penelitian ini harus
melalui uji model pengukuran, hal tersebut dilakukan dalam hal
memastikan validitas beserta reliabilitas setiap konstruknya (I Ghozali &
Latan, 2012). Adapun hal untuk memastikan validitas dan reliabilitasnya,
yaitu (Sholihin & Ratmono, 2013) :
53
a) Internal consistency reliability, yang mana pengukurannya ditunjukan
melalui composit reliability dan cornbach’s alpha yang nilainya harus
lebih besar sama dengan 0,60 - 0,70
b) Convergent validity, didapat dari melihat nilai average variance
extracted (AVE) yang setiap konstruknya harus memiliki nilai lebih
besar sama dengan 0,5
c) Discriminant Validity, dimana ini merupakan akar kuadrat daripada
AVE, nilai daripada AVE harus lebih bsear daripada nilai yang
didapat dari korelasi antar konstruk.
2. Inner Model
Menurut Sholihin dan Ratmono (2013) Inner model atau model struktural
adalah suatu model yang diaplikasikan dengan tujuan untuk menunjukan
kekuatan estimasi antar setiap konstruk, dalam hal ini model struktural
nantinya akan menghasilkan suatu estimasi koefisien jalur serta tingkat
signifikasi untuk melakukan pengujian hipotesis. Dalam penggunaan PLS
ini uji model struktural ini dilakukan apabila peneliti telah melakukan uji
validitas serta reliabilitas model pengukuran terpenuhi. Adapun hal yang
dilakukan dalam evaluasi inner model adalah sebagai berikut :
a) Koefisien determinasi (R²) dimana dalam hal ini untuk menilai suatu
model PLS dilihat dari R-Square untuk setiap variabel yang
dipengaruhi. Perubahan nilai daripada R-Square dapat menilai
variabel laten independen tertentu berpengaruh atau memiliki
pengaruh yang substantive atau tidak terhadap variabel laten
dependen. Apabila semakin besar nilai daripada R-Square, hal
54
tersebut dapat menunjukan semakin tingginya signifikansi atas
pengaruh yang diberikan. Nilai 0,75 diartikan signifikasi pengaruh
yang kuat, 0,50 signifikansi pengaruh yang moderate, serta 0,25
melambangkan signifikansi pengaruh yang lemah.
b) Q-square Predictive Relevance
Dalam Q-square Predictive Relevance dilakukan suatu perhitungan
untuk menilai seberapa baik nilai obsrvasi yang didapatkan oleh
model serta estimasi dari parameternya. Nilai Q-square harus lebih
daripada 0 dimana menunjukkan model memiliki predictive relevance
yang baik.
3. Uji hipotesis dengan menggunakan uji t statistika yang mana dapat
dilakukan dengan melalui prosedur bootstraping atau dalam kata lain yaitu
melakukan sampling dari suatu populasi yang prosedurnya dengan
meresampling dari sample (Sholihin & Ratmono, 2013).
Pada penelitian ini, pengolahan atas kuesioner yang dilakukan adalah
dengan menggunakan skala likert sesuai dengan penjelasan Sugiyono (2017),
dimana skala likert cocok diterapkan dalam pengukuran sikap dari
perseorangan, pandangan, serta presepsi seseorang atas fenomena yang terjadi
dalam sosial yang mana pada penelitian ini, peneliti secara spesifik telah
menyusun apa yang disebut dengan variabel penelitian. Skala likert memiliki
nilai ataupun urutan dari jawaban, mulai dari hal yang sangat positif hingga
yang paling negatif, sehingga biasanya dapat berupa pernyataan sangat tidak
setuju, tidak setuju, netral, setuju, hingga sangat setuju seperti yang peneliti
terapkan pada penelitian ini.
55
TABEL 4
SKALA MODEL LIKERT
PERNYATAAN SKOR POSITIF
Sangat Setuju/ Selalu 5
Setuju/ Sering 4
Netral 3
Tidak Setuju 2
Sangat Tidak Setuju 1
Sumber : Sugiyono (2017)
56
G. Jadwal Penelitian
TABEL 5
JADWAL PENELITIAN
NO Kegiatan Bulan
Jan Feb Mar April Mei Juni Juli
1 Observasi
2 Pengajuan TOR & Usulan Proposal
3 Penyusunan Usulan Penelitian
4 Seminar Usulan Penelitian
5 Revisi Usulan Proposal
6 Pengumpulan Data
7 Penyusunan Skripsi
8 Pengumpulan Skripsi
9 Sidang
Sumber : Peneliti, 2019
57
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
A. Data Responden
Dalam penelitian ini, peneliti menyebarkan pertanyaan tertulis
(kuesioner) kepada seluruh penumpang Kereta Api Indonesia dengan tujuan
perjalanannya adalah berwisata, memiliki aplikasi KAI ACCESS, dan pernah
melakukan pemesanan tiket melalui aplikasi tersebut. Dalam hal penyebaran
kuesioner, peneliti menyebarkan kuesioner secara langsung di ruang tunggu
penumpang stasiun Bandung. Adapun jumlah responden yang diperoleh
sebanyak 105 orang, yang terdiri atas 87 responden adalah pria dan 18 orang
lainnya berjenis kelamin wanita seperti yang tergambar pada gambar 7.
Data informasi demografis responden yang terdapat dalam kuesioner
yang peneliti sebar mengacu kepada teori yang dikembangkan Venkatesh tahun
GAMBAR 7 DATA RESPONDEN BERDASARKAN JENIS KELAMIN
Sumber : Olahan penulis, 2019
83%
17%
PRIAWANITA
58
2012 yaitu jenis kelamin dan usia yang mana penggunaan suatu teknologi
seseorang bergantung kepada usia serta jenis kelamin, serta peneliti
menambahkan tentang daerah asal responden dimana dari peneliti dapat
mengetahui asal daerah pengguna yaitu wisatawan yang menggunakan aplikasi
mobile KAI ACCESS dalam memesan tiket.
GAMBAR 8 DATA RESPONDEN BERDASARKAN USIA
Sumber : Olahan penulis, 2019
Pada gambar 8 dapat diketahui bahwa mayoritas responden yang
menggunakan aplikasi mobile KAI ACCESS berkisar pada rentang usia 18 –
34 tahun yaitu sebanyak 85 orang (81%) dimana usia ini termasuk kedalam
usia muda yang cenderung lebih mengenal dan responsif akan kehadiran
teknologi baru karena rentang usia tersebut terlahir di era adanya teknologi,
selanjutnya responden yang memiliki usia 35 – 52 tahun sebanyak 16 orang
(15%), serta empat responden lainnya berusia 53 – 70 tahun (4%). Sedangkan
81%
15%4%0%
18-3435-5253-70>70
59
peneliti tidak menemukan responden di rentang usia lebih dari 70 tahun yang
menggunakan aplikasi mobile KAI ACCESS.
GAMBAR 9 DATA RESPONDEN BERDASARKAN DAERAH ASAL
Sumber : Olahan penulis, 2019
Seperti yang tergambar pada gambar 9, dapat terlihat bahwa daerah asal
responden yang menggunakan aplikasi mobile KAI ACCESS terbanyak ialah
daerah JABODETABEK dengan jumlah 53 orang (51%) yang mana responden
ini melakukan perjalanan wisatanya dengan menggunakan Kereta Api Argo
Parahyangan, dalam hal ini pula Kereta Api Argo Parahyangan merupakan
Kereta Api dengan jadwal dan jumlah permintaan terbanyak. Kemudian, kedua
terbanyak ialah daerah Jawa Barat sebanyak 33 orang (31%) yang mayoritas
menggunakan Kereta Api Lokal, lalu jawa tengah sebanyak 12 orang (11%),
Jawa Timur sebanyak 4 orang (4%), dan daerah lainnya sebanyak 3 orang (3%).
Selanjutnya peneliti telah merangkum secara keseluruhan data demografi
responden penelitian ini yang terdapat pada Tabel 6 Demografi Responden.
51%
31%
11%
4% 3%
JABODETABEKJAWABARATJAWATENGAHJAWATIMURLAINNYA
60
TABEL 6 DEMOGRAFI RESPONDEN
Klasifikasi n=105 Persentase Jenis
Kelamin Pria 87 83% Wanita 18 17%
Usia
18-34 tahun 85 81% 35-52 tahun 16 15% 53-70 tahun 4 4% > 70 tahun 0 0%
Daerah Asal
Jabodetabek 53 50% Jawa Barat 33 31% Jawa Tengah 12 11% Jawa Timur 4 4% Lainnya 3 3%
Sumber : Olahan penulis, 2019
B. Pembentukan Model Struktural
Pembentukan model struktural merupakan tahap pertama dalam analisis
Partial Least Square, dimana model struktural ini menggambarkan variabel
laten berdasar teori atau dalam kata lain adalah proses iterasi. Pada
pembentukan model ini pula ditujukan untuk menspesifikasikan hubungan
antar setiap variabel laten. Pada penelitian yang dilakukan ini, variabel laten
dibagi atas dua hal, yang pertama ialah variabel endogen dan juga variabel
eksogen. Variabel eksogen sendiri adalah variabel yang tidak terpengaruh atas
variabel lain di dalam model atau biasa disebut dengan faktor, sedangkan
variabel endogen itu sendiri merupakan kebalikannya, yaitu variabel yang
dipengaruhi oleh variabel lainnya (Indrawati, 2015).
Gambar 10 merupakan model struktural pada penelitian ini, dapat
diketahui bahwa terdapat tujuh variabel laten yaitu PE, EE, SI, FC, HM, PV,
dan HB yang merupakan variabel eksogen (Variabel Independent), serta
terdapat dua variabel laten yang merupakan variabel endogen (Variabel
61
Dependent) yaitu BI dan UB. Di dalam penelitian ini BI juga berperan sebagai
variabel intervening dimana BI juga turut mempengaruhi UB dan membantu
menjelaskan pengaruh antara variabel independent dan dependent.
Setelah terbentuknya model struktural, maka proses dilanjutkan dengan
tahap ke dua yaitu pembentukan model pengukuran.
GAMBAR 10 MODEL STRUKTURAL
Sumber : Olahan penulis, 2019
Keterangan model struktural :
PE : Performance Expectance
EE : Effort Expectance SI : Social Influence
FC : Facilitating Condition HM: Hedonic Motivation PV : Price Value HB : Habit
62
BI : Behavioral Intention UB : Use Behaviour
63
C. Pembentukan Model Pengukuran
Setelah terbentuknya model struktural, tahapan kedua dalam
menganalisis menggunakan PLS adalah pembentukan model pengukuran yang
disusun dengan cara menghubungkan satu demi satu indikator dengan masing-
masing variabel latennya. Hal ini dilakukan untuk menspesifikasikan
hubungan antar variabel dengan indikatornya (Gambar 11).
GAMBAR 11 MODEL PENGUKURAN
Sumber : Olahan penulis, 2019
64
Setelah dihubungkannya indikator dengan setiap variabel laten, model
pengukuran sudah siap untuk dilanjutkan kepada tahapan selanjutnya yaitu
analisis model pengukuran atau dikenal sebagai analisis outer model.
D. Analisis Model Pengukuran (Outer Model)
Analisis model pengukuran atau outer loading (pengukuran luar)
diaplikasikan dengan tujuan untuk mengetahui bagaimana hubungan setiap
indikator dengan variabel latennya. Model pengukuran dalam penelitian ini
dianalisis dengan menggunakan convergent validity serta discriminant validity
dimana hal ini diukur dari indikator nya dan composite reliability untuk masing
masing variabel. Hal tersebut dilakukan untuk meyakinkan bahwa setiap
indikator yang digunakan dalam pengukuran variabel adalah valid dan reliabel.
Atau dalam arti lain pada umumnya proses ini dikenal sebagai uji validitas dan
reliabilitas indikator.
Cara melakukan analisis outer model adalah, apabila model pengukuran
telah terbentuk seperti pada Gambar 11, maka dilanjutkan dengan proses yang
disebut sebagai PLS Alogarithm (Lampiran 3). Proses tersebut diharuskan
untuk menentukan weighting scheme dengan maksimum iterasi sebesar 300
(Imam Ghozali, 2014) sehingga setelah dilakukan proses PLS Alogarithm
dihasilkan model pengukuran beserta nilai koefisien korelasi (loading factor)
masing-masing variabel seperti yang tergambar pada Gambar 12.
65
GAMBAR 12 PATH COEFFICIENT ALOGARITMA MENGGUNAKAN SMARTPLS
Sumber : Olahan penulis, 2019
Setelah dilakukannya proses tersebut, dapat diketahui nilai yang menjadi
kualitas kriteria dalam analisis menggunakan PLS seperti outer loading,
composite reliability, cronbach's alpha, serta average variance extraced
(AVE). Yang mana dari ke empat perolehan nilai tersebut sangat dibutuhkan
untuk uji validitas dan reliabilitas pada penelitian ini.
66
1. Reliabilitas Indikator
Dalam melakukan analisis menggunakan PLS, perlu dilakukan uji
reliabilitas indikator serta reliabilitas konsistensi internal. Pada tahap ini,
setiap indikator yang nantinya akan digunakan dalam pengukuran variabel
laten harus dilakukan uji reliabilitas. Syarat reliabel suatu indikator adalah
memiliki nilai korelasi outer loading yang lebih besar atau sama dengan
0,6 (Imam Ghozali, 2014).
Seperti yang tertaut pada tabel 7 dapat diketahui bahwa tidak secara
keseluruhan indikator memenuhi syarat reliabilitas indikator. Sebanyak 30
indikator pada penelitian ini memiliki nilai outer loading diatas 0,6 yang
berarti indikator ini reliabel sebagai alat ukur variabel, namun terdapat satu
indikator tidak memenuhi syarat reliabel yang mana memiliki nilai outer
loading dibawah 0,6, sehingga dari jumlah keseluruhan 31 indikator hanya
terdapat 30 indikator yang reliabel. Sedangkan satu indikator yang tidak
reliabel yaitu FC 1 harus dihilangkan sehingga harus dilakukan proses
respesifikasi (subab E).
TABEL 7 RELIABILITAS INDIKATOR BERDASARKAN LOADINGS
FACTOR
Variabel Laten Indikator Loading Factor Keterangan
BI BI1 0,879 RELIABEL BI2 0,925 RELIABEL BI3 0,838 RELIABEL
EE
EE1 0,868 RELIABEL EE2 0,929 RELIABEL EE3 0,923 RELIABEL EE4 0,845 RELIABEL
67
TABEL 7 RELIABILITAS INDIKATOR BERDASARKAN LOADINGS
FACTOR (LANJUTAN) Variabel
Laten Indikator Loading Factor Keterangan
FC
FC1 0,547 TIDAK RELIABEL FC2 0,790 RELIABEL FC3 0,754 RELIABEL FC4 0,722 RELIABEL
HB
HB1 0,664 RELIABEL HB2 0,886 RELIABEL HB3 0,868 RELIABEL HB4 0,751 RELIABEL
HM HM1 0,885 RELIABEL HM2 0,877 RELIABEL HM3 0,907 RELIABEL
PE
PE1 0,839 RELIABEL PE2 0,898 RELIABEL PE3 0,890 RELIABEL PE4 0,840 RELIABEL PE5 0,870 RELIABEL
PV PV1 0,915 RELIABEL PV2 0,829 RELIABEL
SI
SI1 0,919 RELIABEL SI2 0,900 RELIABEL SI3 0,911 RELIABEL SI4 0,844 RELIABEL
UB UB1 0,945 RELIABEL UB2 0,940 RELIABEL
Sumber : Olahan penulis, 2019
Setelah dilakukannya uji reliabilitas indikator, proses selanjutnya
ialah menuji reliabilitas variabel atau disebut dengan konsistensi internal
yang diukur dari besarnya nilai composite reliability dan cronbach’s alpha
dari blok indikator yang mengukur variabel.
68
2. Reliabilitas Konsistensi Internal
Dalam pengujian reliabilitas konsistensi internal pada PLS, suatu
variabel laten dapat disebut reliabel dengan melihat dari dua kriteria yaitu
nilai dari composite reliability beserta cronbach’s alpha pada setiap
variabel yang bernilai diatas 0,6 (Imam Ghozali, 2014).
TABEL 8 NILAI COMPOSITE RELIABILITY DAN CRONBACH’S
ALPHA Variabel
Laten Composite Reliability
Cronbach's Alpha Keterangan
BI 0,913 0,856 Reliabel EE 0,940 0,914 Reliabel FC 0,800 0,671 Reliabel HB 0,873 0,805 Reliabel HM 0,919 0,869 Reliabel PE 0,938 0,918 Reliabel PV 0,866 0,691 Reliabel SI 0,920 0,885 Reliabel UB 0,947 0,888 Reliabel
Sumber : Olahan penulis, 2019
Dari sembilan variabel laten pada penelitian ini, seluruhnya telah
memenuhi syarat yang mana telah diperoleh nilai composite reliability
serta cronbach’s alpha diatas 0,6 dimana berarti secara keseluruhan
variabel laten dapat dikatakan reliabel.
Disamping uji reliabilitas, harus dilakukan pula uji validitas pada
variabel (validitas konvergen) yang diketahui melalui nilai AVE serta uji
validitas indikator (validitas diskriminan) melalui perbandingan akar
kuadrat average variance extraced (√"#$) yang diperoleh dari setiap
variabel dengan hubungan antara variabel dengan variabel lainnya.
69
3. Validitas Konvergen
Dalam penggunaan PLS variabel laten harus memenuhi validitas
konvergen. Suatu variabel laten dapat dikatakan baik dan valid apabila niai
Average Variance Extracted (AVE) dari setiap variabel bernilai lebih
daripada 0,5 (Imam Ghozali, 2014).
TABEL 9 NILAI AVERAGE VARIANCE EXTRACED (AVE)
Variabel Laten AVE Keterangan BI 0,777 Valid EE 0,796 Valid FC 0,504 Valid HB 0,636 Valid HM 0,792 Valid PE 0,753 Valid PV 0,764 Valid SI 0,743 Valid UB 0,899 Valid
Sumber : Olahan penulis, 2019
Nilai AVE dari variabel laten yang terdapat pada tabel 9
menunjukkan bahwa kesembilan Variabel Laten memiliki nilai AVE
diatas 0,5, hal ini dapat diartikan bahwa variabel laten ini dinilai baik dan
valid. Tahapan selanjutnya dalam analisis PLS, akan dilakukan uji
validitas indikator dengan variabelnya yang disebut dengan validitas
diskriminan.
70
4. Validitas Diskriminan
Pengujian selanjutnya ialah Validitas Diskriminan, yang mana suatu
variabel dikatakan memiliki discriminant validity apabila variabel tersebut
memiliki perbedaan dengan variabel yang lain. Untuk membuktikan atau
menguji apakah suatu alat ukur tersebut memenuhi validitas diskriminan,
dapat dilakukan dengan membandingkan square root AVE untuk setiap
variabel dengan korelasi antar konstruk dengan konstruk yang lainnya. Hal
tersebut dapat diketahui pada Tabel 10. Kotak berwarna kuning
merupakan nilai akar kuadrat AVE dari setiap variabel laten.
TABEL 10 ANALISIS FORNELL-LACKER DALAM PENGUJIAN VALIDITAS DISKRIMINAN
BI EE FC HB HM PE PV SI UB BI 0,882
EE 0,421 0,892
FC 0,639 0,679 0,710
HB 0,788 0,456 0,641 0,798
HM 0,748 0,581 0,747 0,719 0,890
PE 0,427 0,643 0,503 0,497 0,587 0,868
PV 0,632 0,484 0,701 0,619 0,695 0,536 0,874
SI 0,616 0,327 0,511 0,652 0,581 0,364 0,576 0,862
UB 0,665 0,531 0,604 0,711 0,612 0,470 0,537 0,425 0,948
Sumber : Olahan penulis, 2019
Dari Tabel 10 dapat dimengerti bahwa perbandingan dari nilai akar
kuadrat AVE variabel EE yang sebesar 0,892 lebih tinggi dari nilai
korelasi antar konstruk EE dengan BI. Begitu halnya dengan BI, FC, HB,
HM, PE, PV, SI, dan UB yang mana memiliki nilai akar kuadrat AVE yang
lebih tinggi dibandingkan dengan nilai korelasi antar variabel laten dengan
variabel laten lainnya yang secara berurutan memiliki nilai 0,882, 0,710,
0,798, 0,890, 0,868, 0,874, 0,862, dan 0,948. Maka dari kesembilan
71
variabel laten tersebut dapat dinyatakan memiliki validitas diskriminan
Tabel 11.
TABEL 11 HASIL PENGUJIAN VALIDITAS
DISKRIMINAN
Variabel Laten Keterangan
BI Valid EE Valid FC Valid HB Valid HM Valid PE Valid PV Valid SI Valid
UB Valid
Sumber : Olahan penulis, 2019
Setelah dilakukan secara keseluruhan tahapan outer model, tahapan
selanjutnya ialah analisis mengenai model struktural atau disebut dengan
inner model. Namun, dikarenakan terdapat satu uji yang tidak lolos atau
tidak memenuhi kriteria yaitu uji reliabilitas indikator, maka harus
dilakukan analisis model pengukuran (outer model) kembali atau disebut
dengan respesifikasi untuk menghilangkan salah satu indikator yang tidak
lulus uji reliabilitas. Apabila secara keseluruhan telah memenuhi kriteria
atau lulus uji maka dapat dilanjutkan kepada tahapan selanjutnya yaitu
analisis model struktural (inner model).
72
E. Pembentukan Model Pengukuran Respesifikasi
GAMBAR 13 MODEL PENGUKURAN RESPESIFIKASI
Sumber : Olahan penulis, 2019
Dari 31 indikator yang peneliti gunakan, terdapat satu indikator yang
tidak memenuhi syarat reliabilitas, dengan nilai pada outer loadings kurang
dari 0,6. Ghozali dalam bukunya menjelaskan apabila suatu indikator nilai
outer loading kurang dari 0,6 yang mana itu berarti tidak memenuhi
persyaratan reliabilitas indikator, maka indikator tersebut harus dihapuskan
karena tidak signifikan (Imam Ghozali, 2014). Maka satu indikator yang tidak
73
memenuhi persyaratan reliabilitas indikator yaitu FC 1 dihapuskan dari model
pengukuran, sehingga model pengukuran yang telah di respesifikasi dapat
dilihat pada Gambar 13.
F. Analisis Model Pengukuran (Outer Model) Respesifikasi
Setelah model pengukuran direspesifikasi, harus dilakukan kembali uji
model pengukuran dengan PLS Alogarithm sehingga didapatkan hasil seperti
pada gambar 14.
GAMBAR 14 PATH COEFFICIENT ALOGARITMA RESPESIFIKASI MENGGUNAKAN SMARTPLS
Sumber : Olahan penulis, 2019
74
1. Reliabilitas Indikator Respesifikasi
Berdasar kepada teori, indikator dalam penelitian yang
menggunakan analisis PLS dinyatakan reliabel apabila memenuhi syarat
yaitu memiliki nilai outer loading lebih besar sama dengan 0,6 (Imam
Ghozali, 2014). Berdasarkan 30 indikator yang peneliti gunakan telah
memenuhi syarat dan dapat dikatakan bahwa seluruh indikator yang
digunakan adalah reliabel.
TABEL 12 RELIABILITAS INDIKATOR BERDASARKAN LOADINGS
FACTOR
Variable Laten Indikator Outer Loading Keterangan
BI BI1 0,879 RELIABEL BI2 0,925 RELIABEL BI3 0,838 RELIABEL
EE
EE1 0,868 RELIABEL EE2 0,929 RELIABEL EE3 0,923 RELIABEL EE4 0,845 RELIABEL
FC FC2 0,784 RELIABEL FC3 0,798 RELIABEL FC4 0,733 RELIABEL
HB
HB1 0,664 RELIABEL HB2 0,886 RELIABEL HB3 0,868 RELIABEL HB4 0,751 RELIABEL
HM HM1 0,885 RELIABEL HM2 0,877 RELIABEL HM3 0,907 RELIABEL
PE
PE1 0,839 RELIABEL PE2 0,898 RELIABEL PE3 0,890 RELIABEL PE4 0,840 RELIABEL
75
TABEL 12 RELIABILITAS INDIKATOR BERDASARKAN LOADINGS
FACTOR (LANJUTAN) Variable
Laten Indikator Outer Loading Keterangan
PE5 0,870 RELIABEL
PV PV1 0,881 RELIABEL PV2 0,867 RELIABEL
SI
SI1 0,878 RELIABEL SI2 0,879 RELIABEL SI3 0,866 RELIABEL SI4 0,824 RELIABEL
UB UB1 0,944 RELIABEL UB2 0,953 RELIABEL
Sumber : Olahan penulis, 2019
2. Reliabilitas Konsistensi Internal Respesifikasi
Setelah dilakukan respesifikasi, sembilan variabel laten yang
digunakan ternyata memiliki nilai composite reliability dan cronbach's
alpha diatas 0,6. Oleh karenanya, kesembilan variabel laten tersebut telah
memenuhi syarat memiliki reliabilitas konsistensi internal (Ghozali, 2014).
TABEL 13 NILAI COMPOSITE RELIABILITY DAN CRONBACH'S
ALPHA RESPESIFIKASI Variabel
Laten Composite Reliability
Cronbach's Alpha Keterangan
BI 0,913 0,856 Reliabel EE 0,940 0,914 Reliabel FC 0,816 0,661 Reliabel HB 0,873 0,805 Reliabel HM 0,919 0,869 Reliabel PE 0,938 0,918 Reliabel PV 0,866 0,691 Reliabel
76
TABEL 13 NILAI COMPOSITE RELIABILITY DAN CRONBACH'S
ALPHA RESPESIFIKASI (LANJUTAN) Variabel
Laten Composite Reliability
Cronbach's Alpha Keterangan
SI 0,920 0,885 Reliabel UB 0,947 0,888 Reliabel
Sumber : Olahan penulis, 2019
3. Validitas Konvergen Respesifikasi
Sepuluh variabel laten dalam model yang telah direspesifikasi ini telah
memiiki nilai AVE diatas 0,5 sehingga dalam hal ini dapat dipahami bahwa
seluruh variabel laten tersebut memenuhi syarat dan dinyatakan memenuhi
validitas konvergen (Imam Ghozali, 2014).
TABEL 14 NILAI AVERAGE VARIANCE EXTRACED (AVE)
RESPESIFIKASI Variabel Laten AVE Keterangan
BI 0,777 Valid EE 0,796 Valid FC 0,597 Valid HB 0,636 Valid HM 0,792 Valid PE 0,753 Valid PV 0,764 Valid SI 0,743 Valid UB 0,899 Valid
Sumber : Olahan penulis, 2019
77
4. Validitas Diskriminan Respesifikasi
Secara keseluruhan, variabel laten dalam model yang telah
direspesifikasi, telah memiliki nilai akar kuadrat AVE yang lebih tingi
apabila dibandingkan dengan nilai korelasi pada setiap variabel dengan
variabel yang lainnya sehingga dalam hal ini dapat dinyatakan bahwa
sembilan variabel yang digunakan telah memenuhi syarat validitas
diskriminan Tabel 16 (Imam Ghozali, 2014). Pada Tabel 15 yang berwarna
kuning merupakan hasil daripada nilai akar kuadrat AVE, dan dapat terlihat
secara jelas bahwa akar kuadrat AVE di suatu variabel lebih tinggi daripada
nilai hubungan atau korelasi setiap variabel laten.
TABEL 15 ANALISIS FORNELL-LACKER DALAM PENGUJIAN VALIDITAS DISKRIMINAN
RESPESIFIKASI BI EE FC HB HM PE PV SI UB
BI 0,881 EE 0,421 0,892 FC 0,639 0,679 0,772 HB 0,788 0,456 0,641 0,798 HM 0,748 0,581 0,747 0,719 0,890 PE 0,427 0,643 0,503 0,497 0,587 0,868 PV 0,632 0,484 0,701 0,619 0,695 0,536 0,874 SI 0,616 0,327 0,511 0,652 0,581 0,364 0,576 0,862 UB 0,665 0,531 0,604 0,711 0,612 0,470 0,537 0,425 0,948
Sumber : Olahan penulis, 2019
TABEL 16 HASIL PENGUJIAN VALIDITAS
DISKRIMINAN Variabel Laten Keterangan
BI Valid EE Valid FC Valid
78
TABEL 16 HASIL PENGUJIAN VALIDITAS
DISKRIMINAN (LANJUTAN) Variabel Laten Keterangan
HB Valid HM Valid PE Valid PV Valid SI Valid UB Valid
Sumber : Olahan penulis, 2019
G. Analisis Model Struktural (Inner Model)
Setelah dilakukan tahapan analisis outer model yang mengarah kepada
pengujian model pengukuran, selanjutnya dilakukan analisis inner model yang
mana tahapan ini dilakukan untuk memprediksi ataupun mengetahui
bagaimana hubungan antar variabel laten. Dalam hal ini, pengujian inner model
juga dilakukan untuk membuktikan apakah data penelitian yang telah
ditemukan mendukung ataupun sesuai dengan hubungan dari setiap hipotesis
penelitian yang telah dirumuskan, adapun hipotesis penelitian ini dapat dilihat
pada Gambar 10 yang mana hipotesis pada penelitian ini disusun dari hubungan
antar variabel independen dan dependen yang tergambar pada model struktural
tersebut. Maka dengan dilakukannya analisis inner model ini peneliti dapat
mengetahui apakah hipotesis penelitian yan telah ditentukan diterima ataupun
ditolak dengan berdasar kepada data-data empiris yang telah peneliti temukan
di lokasi penelitian.
79
1. Variansi Variabel Endogen
Dalam melakukan pengujian model struktural dimulai dengan
mengevaluasi R-square yang dilihat dari setiap variabel laten endogen
(dependen) atau hal ini lebih dikenal dengan uji goodnessfit model. Nilai
R-square pada dasarnya digunakan untuk mengetahui seberapa
substantive pengaruh atau perubahan yang dilakukan oleh variabel laten
independen terhadap variabel laten dependen (Imam Ghozali, 2014).
Apabila nilai daripada R-square tinggi, hal itu membuktikan bahwa
semakin baik model prediksi dari model penelitian yang dipakai pada
penelitian ini. Hasil 0,75 pada R-square untuk variabel laten yang
dipengaruhi menandakan bahwa model baik atau kuat, nilai 0,5
menunjukan bahwa model moderate, dan 0,25 menjelaskan bahwa model
lemah dalam memprediksi (Hair, Ringle, C, & Sarstedt, 2011) .
TABEL 17 NILAI R-SQUARE VARIABEL
Variabel Laten R Square Keterangan BI 0,706 Moderate EE
FC
HB
HM
PE
PV
SI
UB 0,574 Moderate
Sumber : Olahan penulis, 2019
Pada Tabel 17 dapat diketahui bahwa model pengaruh performance
expectancy (PE), effort expectancy (EE), social influence (SI), facilitating
condition (FC), hedonic motivation (HM), price value (PV), dan habbit
80
(HB) terhadap behaviour intention (BI) memberikan nilai R-square
sebesar 0,706 yang mana hal ini dapat diinterpretasikan bahwa variabilitas
konstruk BI yang dapat dijelaskan dengan moderate atau cukup baik oleh
variabilitas PE, EE, SI, FC, HM, PV, dan HB sebesar 70,6 % sedangkan
untuk sisa yang sebesar 29,4 % dijelaskan oleh variabel lainnya yang tidak
diteliti atau diluar dari penelitian ini.
Selanjutnya pada Tabel 17 menunjukan bahwa nilai R-square
sebesar 0,574 pada variabel laten dependen use behaviour (UB) yang mana
dapat dimengerti bahwasanya variabilitas facilitating condition (FC),
habbit (HB), serta behavioral intention (BI) secara moderate menjelaskan
variabilitas use behaviour (UB) sebesar 57,4%, sedangkan untuk sisa
sebesar 42,6 % variabilitas UB dijelaskan oleh variabel lainnya diluar
penelitian ini.
Selain melihat nilai R-square peneliti juga melakukan
pengevaluasian dengan melihat nilai dari Q-square predictive relevance
untuk model struktural yang di uji, yang mana hal ini dilakukan untuk
mengukur seberapa baiknya nilai daripada obesrvasi yang diperoleh model
beserta estimasi parameter yang peneliti gunakan. Model dapat dinyatakan
memiliki predictive relevance apabila memenuhi kriteria yaitu memiliki
nilai Q-square lebih besar daripada 0 (nol) (Ghozali, 2014). Berikut ini
merupakan perhitungan Q-square :
81
Q² = 1 – [(1 – R BI ² ) (1 – R UB ² )]
Q² = 1-(1-0,706)(1-0,574)]
Q² = 1-(0,294)(0,426)
Q² = 1-0,125
Q² = 0,875
Berdasarkan perhitungan diperoleh nilai Q-square sebesar 0,875,
karena nilai lebih tinggi daripada nol dapat dinyatakan bahwa model
memiliki predictive relevance.
Setelah dilakukan evaluasi R-square serta Q-square tahapan
selajutnya adalah melihat signifikansi pengaruh variabel eskogen terhadap
endogen. Dalam penelitian ini hal tersebut dilakukan dengan dua cara yaitu
melihat hasil nilai dari koefisien parameter dan menggunakan teknik
bootstrapping yang keduanya berdasar pada Path Coefficient.
2. Signifikansi Model Berdasar pada Path Coefficient
TABEL 18 NILAI PATH COEFFICIENT VARIABEL
Variabel Laten
Variabel Endogen Variabel Endogen BI UB
BI - 0,178 EE -0,056 - FC 0,084 0,265 HB 0,455 0,407 HM 0,329 - PE -0,073 - PV 0,081 - SI 0,085 - UB - -
Sumber : Olahan penulis, 2019
82
Tabel 18 menunjukan nilai path coefficient yang didapatkan dari
perhitungan alogaritma PLS. Level signifikansi dalam penelitian ini adalah
0,05 apabila nilai koefisennya kurang dari 0,05 berarti variabel tersebut
tidak memberikan dampak atau pengaruh dengan baik atau dalam kata lain
tidak signifikan. Yang mana seperti yang tertera dalam Tabel 18 dapat
diketahui bahwa HB memiliki pengaruh langsung terkuat terhadap BI
dengan koefisien sebesar 0,455. Variabel laten HM juga memiliki
pengaruh langsung terhadap BI sebesar 0,329, yang selanjutnya diikuti
oleh variabel laten SI yang memiliki koefisien sebesar 0,085, kemudian
FC sebesar 0,084, dan PV sebesar 0,081. Sedangkan untuk EE dan PE
tidak dapat memprediksi atau memiliki pengaruh positif terhadap variabel
laten endogen (dependen) BI.
Nilai koefisien variabel laten BI juga menunjukan pengaruh positif
terhadap variabel UB sebesar 0,178, begitupula FC terhadap UB sebesar
0,265, dan pengaruh langsung terbesar terhadap UB ialah variabel HB
sebesar 0,407. Jadi dalam hal ini dapat dipahami bahwa analisis
signifikansi pada model struktural yang peneliti gunakan dalam penelitian
ini adalah sebagai berikut:
a. Hipotesis terkait BI dan UB memiliki hubungan secara statistik adalah
positif dan signifikan;
b. Hipotesis terkait EE dan BI memiliki hubungan secara statistik adalah
negatif dan tidak signifikan;
c. Hipotesis terkait FC dan BI memiliki hubungan secara statistik adalah
positif dan signifikan;
83
d. Hipotesis terkait HB dan BI memiliki hubungan secara statistik adalah
positif dan signifikan;
e. Hipotesis terkait HM dan BI memiliki hubungan secara statistik
adalah positif dan signifikan;
f. Hipotesis terkait PE dan BI memiliki hubungan secara statistik adalah
negatif dan tidak signifikan;
g. Hipotesis terkait PV dan BI memiliki hubungan secara statistik adalah
positif dan signifikan;
h. Hipotesis terkait SI dan BI memiliki hubungan secara statistik adalah
positif dan signifikan;
i. Secara keseluruhan hampir seluruh variabel laten adalah prediktor
ataupun memiliki pengaruh positif dan signifikan atas variabel yang
dipengaruhi tersebut, namun terkecuali variabel laten EE dan PE.
3. Analisis Signifikansi Path Coefficients dengan Bootstrapping
Uji kedua ini dilakukan dengan bootstrapping, yang mana dilakukan
setelah diketahuinya presentase variance yang dilihat dari besarnya nilai
daripada R-square untuk variabel laten dependen dan besarnya koefisien
jalur dari strukturalnya. Dalam uji ini dilakukan suatu proses untuk melihat
stabilitas dari estimasi yang sudah dilakukan dengan cara melakukan uji
t-statistik dengan prosedur yang disebut dengan bootstrappingg.
Bootstrapping sendiri berkerja dengan merekalkulasi data observasi
sampel secara random yang berdasar kepada data asli yang telah
84
terkumpul, untuk melihat stabilitas dari estimasi apabila jumlah sampel
lebih banyak.
Tingkat keyakinan adalah 0,05 dengan nilai t tabel 1,96, untuk
mengetahui bahwa path coefficients daripada model struktural yang
peneliti gunakan dalam penelitian ini dapat dikatakan signifikan ataupun
tidak, dapat diketahui melalui nilai T-statistic. Jika didapatkan nilai T
berada di bawah kriteria 1,96 berarti dapat dipahami bahwa variabel laten
tidak signifikan.
TABEL 19 HASIL PATH COEFFICIENTS DENGAN PROSEDUR
BOOTSTRAPPING
Original Sample
(O)
Sample Mean (M)
Standard Deviation (STDEV)
Standard Error
(STERR)
T Statistics (|O/STERR|)
BI -> UB 0,178 0,169 0,158 0,158 1,126 EE -> BI -0,056 -0,053 0,092 0,092 0,609 FC -> BI 0,084 0,086 0,096 0,096 0,868 FC -> UB 0,265 0,267 0,087 0,087 3,066 HB -> BI 0,455 0,442 0,095 0,095 4,803 HB -> UB 0,407 0,416 0,128 0,128 3,178 HM -> BI 0,329 0,326 0,096 0,096 3,438 PE -> BI -0,073 -0,062 0,089 0,089 0,822 PV -> BI 0,081 0,081 0,080 0,080 1,009 SI -> BI 0,085 0,094 0,071 0,071 1,207
Sumber : Olahan penulis, 2019
Berdasarkan Tabel 19 dapat dipahami bahwsanya setelah dilakukan
pengujian hubungan dengan prosedur bootstrapping menunjukan hanya
terdapat empat hubungan yang signifikan, yang pertama adalah variabel
facilitating condition ternyata berpengaruh positif terhadap use behaviour
dengan perolehan koefisien parameternya sebesar 0,265 dengan nilai t statistik
85
sebesar 3,066 angka tersebut signifikan pada 0,05 dengan t tabel 1,96.
Selanjutnya adalah habitual pun berpengaruh positif terhadap behavioral
intention yang memperoleh nilai koefisien 0,455 dengan nilai t statistik 4,803,
kemudian pula habitual ke use behaviour dan hedonic motivation ke
behavioral intention yang keduanya saling berpengaruh positif serta secara
berturut-turut memiliki nilai t tabel 3,178 dan 3,438 yang mana keduanya
memenuhi kategori signifikan pada tingkat 0,05 dengan nilai t statistik minimal
sebesar 1,96. Sedangkan untuk hubungan lainnya yang tidak diberi warna hijau
pada Tabel 19, tidak signifikan pada tingkat signifikansi 0,05 maupun 0,1
dengan nilai t statistik minimal sebesar 1,65.
Berdasarkan uji hubungan yang tertera pada Tabel 19, ternyata terdapat
dua variabel yang tidak memiliki pengaruh positif. Dalam hal ini yaitu effort
expectancy degan behavioral intention yang mana perolehan nilai koefisiennya
sebesar -0,056 serta performance expectancy dengan behavioral intention yang
juga memperoleh nilai koefisien negatif, sebesar -0,073 serta keduanya tidak
signifikan pada tingkat kepercayaan 0,05 dengan nilai t tabel > 1,96.
H. Pengujian Hipotesis
Nilai minimal dari T statistik digunakan untuk menilai apakah hubungan
pada satu variabel laten dengan variabel lainnya signifikan ataupun tidak. (Hair
et al., 2011) menjelaskan terdapat tiga nilai signifikansi yang digunakan, antara
lain :
1. Nilai T statistik 1,65 yang signifikan pada tingkat 10%
2. Nilai T statistik 1,96 yang signifikan pada tingkat 5%
86
3. Nilai T statistik 2,58 yang signifikan pada tingkat 1%
TABEL 20 UJI HIPOTESIS MODEL STRUKTURAL
Original Sample
(O)
T Statistics (|O/STERR|) HIPOTESIS KETERANGAN
BI -> UB 0,178 1,126 H8 Ditolak EE -> BI -0,056 0,609 H2 Ditolak FC -> BI 0,084 0,868 H4 Ditolak
FC -> UB 0,265 3,066 H9 Diterima (Signifkan)
HB -> BI 0,455 4,803 H7 Diterima (Signifkan)
HB -> UB 0,407 3,178 H10 Diterima (Signifkan)
HM -> BI 0,329 3,438 H5 Diterima (Signifkan)
PE -> BI -0,073 0,822 H1 Ditolak PV -> BI 0,081 1,009 H6 Ditolak SI -> BI 0,085 1,207 H3 Ditolak
Sumber : Olahan penulis, 2019
Dari 10 hipotesis yang peneliti uji, terdapat empat hipotesis yang
diterima serta enam hipotesis lainnya ditolak. Adapun empat hipotesis yang
diterima adalah H5, H7, H9, serta H10. Hipotesis H7 merupakan hipotesis
yang menjelaskan mengenai hubungan Habit terhadap Behavioral intention
dengan nilai signifikansi yang terbesar, yaitu 4,803. Selanjutnya ialah hipotesis
H5 yang menggambarkan hubungan antara Hedonic Motivation terhadap
Behavioral Intention sebesar 3,483. Berikutnya hipotesis H10 menjelaskan
hubungan Habit terhadap Use Behaviour dengan nilai signifikansi sebesar
3,178, dan hipotesis H9 yang menjelaskan mengenai hubungan Facilitating
Condition terhadap Use Behavior sebesar 3,066.
87
I. Pembahasan
1. Pengujian mengenai Hubungan Performance Expectancy
Berpengaruh Positif terhadap Behavioral Intention
Pengujian yang dilakukan peneliti membuktikan bahwa nilai
koefisien yang didapatkan dari hubungan Performance Expectancy dengan
Behavioral Intention menunjukan tidak adanya hubungan positif antar
variabel tersebut dengan nilai koefisien -0,073 dengan perolehan nilai T-
Statistic sebesar 0,822. Dikarenakan perolehan nilai T-Statistic <1,96
maka dengan demikian hipotesis 1 ditolak.
Dalam penelitian ini dapat terlihat bahwa kepercayaan wisatawan
bahwa aplikasi mobile KAI ACCESS berguna untuk memesan tiket,
mempermudah wisatawan dalam pemesanan tiket, mempercepat
wisatawan dalam memesan tiket, meningkatkan efektivitas wisatawan
dalam memesan tiket tidak memengaruhi niat untuk menggunakan aplikasi
tersebut. Hal tersebut mungkin terjadi dikarenakan aplikai KAI ACCESS
memiliki fungsi yang sama dengan sistem reservasi online yang lainnya,
sehingga kegunaan aplikasi tidak lagi signifikan menjadi alasan wisatawan
sebagai pengguna untuk berniat menggunakan aplikasi KAI ACCESS
karena mereka juga bisa mendapatkan semua fungsi terebut pada sistem
reservasi online aplikasi mobile lain.
Secara keseluruhan dapat diketahui bahwa Performance Expectancy
tidak memiliki pengaruh yang positif dan signifikan terhadap Behavioral
Intention. Hal tersebut selaras dengan penelitian (Pramesti, 2015) yang
menjelaskan bahwa kepercayaan pengguna bahwa teknologi berguna
88
untuk melakukan pekerjaan, mempermudah dalam menyelesaikan
pekerjaan, mempercepat pekerjaan sehingga lebih efektif dan efisien tidak
memiliki pengaruh yang signifikan atas niat dalam menggunakan suatu
teknologi. Namun hasil ini berbeda dengan hasil penelitian (Venkatesh et
al., 2003) yang menyatakan bahwa Performance Expectancy memiliki
perpengaruh yang positif terhadap niat penggunaan teknologi (Behavioral
Intention).
2. Pengujian mengenai Hubungan Effort Expectancy Berpengaruh
Positif terhadap Behavioral Intention
Pengujian yang telah dilakukan membuktikan bahwa tidak terdapat
pengaruh ataupun hubungan positif antara Effort Expectancy dengan
Behavioral Intention yang mana diperoleh nilai koefisien sebesar -0,056,
di sisi itu pula nilai T-Statistic yang diperoleh sebesar 0,609. Dikarenakan
nilai T-Statistic yang diperoleh <1,96 maka dari itu hipotesis 2 ditolak.
Sehingga dapat diketahui bahwa pada penelitian ini, sistem KAI
ACCESS yang mudah dioperasikan, mudah untuk dipelajari, mudah untuk
dimengerti, dan sistem KAI ACCESS yang tidak membutuhkan usaha
yang besar untuk digunakan, tidak memengaruhi keinginan daripada
wisatawan untuk berniat menggunakan sistem tersebut. Hal ini dapat
terjadi dikarenakan hampir semua pesaing sistem reservasi online aplikasi
KAI ACCESS juga memiliki kemudahan yang sama apabila
dibandingkan, sehingga tidak memengaruhi ataupun mendorong
wisatawan sebagai pengguna secara signifikan dalam menggunakan
89
aplikasi KAI ACCESS. Berdasarkan kepada pengalaman dalam
menggunakan aplikasi tersebut oleh responden, yang peneliti juga turut
rasakan adalah adanya sedikit kesulitan dalam mengisi data saat akan
pemesanan tiket yang mana sedikit bertele-tele sehingga sedikit
memengaruhi kemudahan dan kesenangan dalam menggunakan aplikasi
KAI ACCESS.
Secara keseluruhan dapat dipahami bahwa dalam penelitian ini
terbukti Effort Expectancy tidak memiliki pengaruh positif dan signifikan
terhadap Behavioral Intention yang mana hal ini selaras dengan penelitian
(Pramesti, 2015) yang mengungkapkan bahwa kemudahan penggunaan
aplikasi, kemudahan dalam mempelajari dan memahami teknologi tidak
berpengaruh positif dan signifikan terhadap Behavioral Intention.
Begitupula dengan penelitian (Sedana & Wijaya, 2010) yang menemukan
bahwa kemudahan dalam menggunakan sistem tidak berpengaruh
signifikan atas keinginan untuk menggunakan suatu teknologi. Berbeda di
sisi lainnya (Venkatesh et al., 2003) dalam penelitiannya membuktikan
bahwa Effort Expectancy berpengaruh positif dan signifikan terhadap
Behavioral Intention pengguna dalam menggunakan suatu teknologi.
3. Pengujian mengenai Hubungan Social Influence Berpengaruh Positif
terhadap Behavioral Intention
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Social Influence dengan Behaviour
Intention, menunjukan bahwa dari hubungan keduanya menunjukan
90
hubungan positif sebesar 0,085 dengan perolehan nilai T-Statistics sebesar
1,206. Dikarenakan nilai T-Statistic yang diperoleh <1,96 maka dari itu
hipotesis 3 ditolak.
Sehingga dapat diketahui bahwa dalam penelitian ini, kepercayaan
pengguna sistem atas pendapat keluarga, pendapat teman serta
kantor/organisasinya untuk menggunakan aplikasi KAI ACCESS begitu
pula perasaan bahwa dengan menggunakan aplikasi tersebut dapat
meningkatkan citra dirinya, memiliki pengaruh positif namun tidak
signifikan atas niat penggunanya yaitu wisatawan dalam menggunakan
sistem reservasi online aplikasi KAI ACCESS. Berdasarkan kepada
informasi yang peneliti peroleh dari responden serta peneliti rasakan,
pengaruh sosial seperti keluarga, teman, maupun organisasi tidak
signifikan memengaruhi penggunaan daripada aplikasi KAI ACCESS, hal
ini terjadi dikarenakan masih kurangnya informasi dan komunikasi
pemasaran mengenai aplikasi KAI ACCESS, dalam hal ini PT. Kereta Api
Indonesia telah melakukan pemasaran melalui Instagram, lomba, acara di
stasiun, pemasangan penutup kursi di setiap kereta yang memuat informasi
mengenai aplikasi KAI ACCESS. Namun pada kenyataannya hal tersebut
belum dirasakan optimal, sehingga belum dapat melekat dipikiran
khalayak umum serta memengaruhi orang banyak untuk menggunakan
aplikasi tersebut yang pada akhirnya berpengaruh kepada kurang
signifikannya niat menggunakan aplikasi KAI ACCESS.
Berdasarkan hal tersebut dapat dipahami bahwa pengaruh antara
Social Influence dengan Behavioral Intention tidak signifikan. Hasil
91
penelitian ini selaras dengan hasil penelitian (Venkatesh et al., 2003) yang
menyatakan bahwa pengaruh daripada sosial tidak signifikan untuk
mendorong niat seseorang dalam menggunakan suatu teknologi. Namun
hal tersebut dapat menjadi signifikan apabila terdapat faktor lain yang
mendorong ataupun memengaruhi sosial untuk berkeinginan dalam
penggunaan teknologi.
4. Pengujian mengenai Hubungan Facilitating Condition Berpengaruh
Positif terhadap Behavioral Intention
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Facilitating Condition dengan Behavioral
Intention menunjukan adanya hubungan positif antar variabel tersebut
dengan nilai koefisien 0,084 dengan perolehan nilai T-Statistic sebesar
0,868. Dikarenakan perolehan nilai T-Statistic <1,96 maka dengan
demikian hipotesis 4 ditolak.
Dalam penelitian ini dapat diketahui bahwa terdapatnya sumberdaya
yang dapat memfasilitasi penggunaan KAI ACCESS, penampilan aplikasi
yang menarik, serta pemrosesan data yang cepat memengaruhi niat
wisatawan untuk menggunakan sistem reservasi online aplikasi KAI
ACCESS, namun memang tidak signifikan. Hasil penelitian ini didukung
oleh hasil penelitian (Venkatesh et al., 2003) yang menyatakan bahwa
Facilitating Condition tidak berpengaruh signifikan terhadap Behavioral
Intention melainkan langsung berpengaruh kepada Use Behaviour. Hal ini
sangat logis terjadi dikarenakan seseorang akan cenderung memasuki fase
92
Use Behaviour apabila memang seseorang tersebut telah memiliki
perangkat yang compatible dengan teknologi tersebut, mengenal dan
mengerti penggunaannya dengan tampilan pengguna (user interface) yang
dimiliki teknologi tersebut. Oleh karena itu dalam penelitian ini dengan
kasus wisatawan yang menggunakan teknologi sistem reservasi online
aplikasi KAI ACCESS terbukti bahwa Facilitating Condition tidak
berpengaruh signifikan terhadap Behvioral Intention melainkan langsung
kepada penggunaan secara sesungguhnya (Use Behaviour) yang
selanjutnya akan dibahas pada point 9 pada sub bab ini mengenai
pengujian hubungan Facilitating Condition terhadap Use Behaviour.
5. Pengujian mengenai Hubungan Hedonic Motivation Berpengaruh
Positif terhadap Behavioral Intention
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Hedonic Motivation dengan Behavioral
Intention menunjukan adanya hubungan positif antar variabel tersebut
dengan nilai koefisien 0,329 dengan perolehan nilai T-Statistic sebesar
3,438. Dikarenakan perolehan nilai T-Statistic lebih besar daripada 1,96
maka dengan demikian hipotesis 5 diterima.
Hasil daripada penelitian menunjukan bahwa kesenangan yang
didapatkan saat menggunakan teknologi, kepuasan, serta ketertarikan
pengguna dalam penggunaan suatu teknologi ataupun sistem dalam hal ini
adalah KAI ACCESS memengaruhi niat wisatawan sebagai pengguna
dalam menggunakan aplikasi KAI ACCESS secara signifikan. Hal
93
tersebut sangatlah mungkin terjadi dikarenakan ketika seseorang sudah
tertarik atas suatu teknologi, senang bahkan puas atas suatu teknologi akan
berpengaruh kepada niatnya untuk menggunakan teknologi. Dalam hal ini
berdasarkan kepada informasi yang peneliti peroleh dari responden,
mereka merasa senang, puas, serta tertarik menggunakan aplikasi KAI
ACCESS dikarenakan informasi yang tertaut pada aplikasi itu terkesan
lengkap dan sangat membantu mereka dalam memesan tiket, disamping
itupula mereka merasa aman untuk menggunakan aplikasi tersebut
dikarenakan aplikasi KAI ACCESS ini merupakan sistem reservasi online
aplikasi resmi yang dikeluarkan oleh PT. Kereta Api Indonesia sehingga
berdasar kepada alasan itulah mendorong niat para pengguna yaitu
wisatawan dalam menggunakan aplikasi KAI ACCESS. Berdasarkan hasil
penelitian tersebut dapat dinyatakan bahwa terdapat hubungan positif
antara Hedonic Motivation dengan Behavioral Intention secara signifikan.
Hasil daripada penelitian ini didukung pula oleh penelitian yang dilakukan
oleh (Venkatesh et al., 2012) yang menyatakan bahwa adanya pengaruh
signifikan Hedonic Motivation terhadap niat seseorang untuk
menggunakan teknologi atau Behaviour Intention.
6. Pengujian mengenai Hubungan Price Value Berpengaruh Positif
terhadap Behavioral Intention
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Price Value dengan Behavioral Intention
menunjukan adanya hubungan positif antar variabel tersebut dengan nilai
94
koefisien 0,081 dengan perolehan nilai T-Statistic sebesar 1,009.
Dikarenakan perolehan nilai T-Statistic lebih kecil daripada 1,96 maka
dengan demikian hipotesis 6 ditolak.
Hasil yang didapatkan dari penelitian ini menunjukan bahwa aspek
Price Value seperti halnya pengguna mendapatkan keuntungan yang lebih
dibandingkan uang yang mereka keluarkan, memiliki pengaruh positif
dalam memengaruhi niat wisatawan sebagai pengguna dalam
menggunakan aplikasi KAI ACCESS, namun tidak signifikan. Dalam hal
ini wisatawan yang menggunakan aplikasi KAI ACCESS merasa bahwa
keuntungan yang didapatkan tidak jauh berbeda dengan sistem reservasi
online aplikasi mobile lainnya sehingga aspek price value daripada
aplikasi KAI ACCESS tidak begitu signifikan mendorong keinginan
wisatawan ataupun niat mereka dalam menggunkan aplikasi KAI
ACCESS. Merujuk kepada hasil daripada penelitian ini, dapat dipahami
bahwa terdapat hubungan positif antara Price Value dengan Behavioral
Intention namun tidak signifikan. Hal tersebut bertentangan dengan hasil
penelitian yang dilakukan oleh (Venkatesh et al., 2012) yang membuktikan
bahwa terdapat pengaruh yang signifikan antara Price Value terhadap
Behavioral Intention.
7. Pengujian mengenai Hubungan Habit Berpengaruh Positif terhadap
Behavioral Intention
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Habit dengan Behavioral Intention
95
menunjukan adanya hubungan positif antar variabel tersebut dengan nilai
koefisien 0,455 dengan perolehan nilai T-Statistic sebesar 4,803.
Dikarenakan perolehan nilai T-Statistic lebih besar daripada 1,96 maka
dengan demikian hipotesis 7 diterima.
Hasil penelitian ini menujukan bahwa kebiasaan seseorang dalam
penggunaan teknologi, kecenderungan penggunaan teknologi yang secara
teratur, serta rasa tidak terbiasa apabila tidak berinteraksi dengan
teknologi, memengaruhi secara signifikan niat seseorang dalam hal ini
ialah wisatawan dalam menggunakan aplikasi KAI ACCESS. Kebiasaan
wisatawan menggunakan teknologi dalam penelitian ini yaitu aplikasi KAI
ACCESS memengaruhinya dalam berniat menggunakan aplikasi KAI
ACCESS secara berkelanjutan. Oleh karena itu dapat dipahami bahwa
terdapat hubungan ataupun pengaruh positif antara Habit dengan
Behavioral Intention secara signifikan. Hal ini selaras dengan hasil
penelitian (Venkatesh et al., 2012) yang membuktikan bahwa habit
memengaruhi niat seseorang dalam menggunakan suatu teknologi.
8. Pengujian mengenai Hubungan Behavioral Intention Berpengaruh
Positif terhadap Use Behaviour
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Behavioral Intention dengan Use
Behaviour menunjukan adanya hubungan positif antar variabel tersebut
dengan nilai koefisien 0,178 dengan perolehan nilai T-Statistic sebesar
1,126. Dikarenakan perolehan nilai T-Statistic kurang daripada 1,96 maka
dengan demikian hipotesis 8 ditolak.
96
Hasil daripada penelitian ini menunjukan bahwa niat menggunakan
suatu aplikasi berpengaruh positif terhadap penggunaan secara
sesungguhnya suatu teknologi, namun dalam kasus ini hubungan tersebut
tidak signifikan. Sehingga dalam hal keyakinan wisatawan yang telah
menerima atau berniat untuk menggunakan aplikasi KAI ACCESS
berpengaruh kepada penggunaan sesungguhnya aplikasi KAI ACCESS
namun tidak secara signifikan. Hal ini mungkin saja terjadi dikarenakan
wisatawan memang sudah menerima teknologi baru yaitu aplikasi KAI
ACCESS, namun dalam hal ini pula wisatawan hanya sekedar menerima
atau beniat untuk menggunakan belum sampai pada tahap
menggunakannya secara berkelanjutan sebagai kebiasaannya dalam
memesan tiket kereta api menggunakan aplikasi KAI ACCESS. Hasil
daripada penelitian ini bertolak belakang dengan penelitian yang
dilakukan (Pramesti, 2015; Viswanath Venkatesh et al., 2003) yang
menunjukan bahwa terdapat hubungan positif signifikan antara Behavioral
Intention terhadap Use Behaviour.
9. Pengujian mengenai Hubungan Facilitating Condition Berpengaruh
Positif terhadap Use Behavior
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Facilitating Condition dengan Use
Behaviour menunjukan adanya hubungan positif antar variabel tersebut
dengan nilai koefisien 0,265 dengan perolehan nilai T-Statistic sebesar
3,066. Dengan perolehan nilai T-Statistic lebih besar daripada 1,96 maka
dengan demikian hipotesis 9 diterima.
97
Berdasarkan hasil daripada penelitian ini, pengguna yang notabene
adalah wisatawan signifikan menunjukan bahwa sumberdaya yang dapat
memfasilitasi penggunaan KAI ACCESS seperti wisatawan memiliki
smartphone yang compatible, penampilan aplikasi yang menarik,
pengetahuannya dalam mengoperasikan aplikasi KAI ACCESS serta
pemrosesan data yang cepat sangat memengaruhi keyakinan wisatawan
pengguna teknologi untuk menerima serta menggunakan apikasi KAI
ACCESS secara langsung. Hal tersebut sangat masuk akal terjadi
dikarenakan seseorang akan cenderung menggunakan suatu teknologi baru
apabila memang ia memiliki perangkat yang sesuai dan pas dengan
teknologi tersebut, didukung dengan kemampuan dirinya dalam
menggunakan teknologi, serta user interface daripada teknologi yang
menarik sehingga memengaruhi secara langsung kepada keyakinan
seseorang untuk langsung menggunakan teknologi tersebut. Hasil
penelitian ini didukung oleh penelitian (Venkatesh et al., 2003) yang
menyatakan bahwa Behavioral Intention memiliki hubungan yang
signifikan terhadap Use Behaviour. Hasil daripada penelitian ini berbeda
dengan penelitian terdahulu yang dilakukan (Sedana & Wijaya, 2010)
yang mana hasil dari penelitian menunjukan bahwa tidak terdapat
hubungan positif signifikan antara Behavioral Intention dengan Use
Behaviour.
98
10. Pengujian mengenai Hubungan Habit Berpengaruh Positif terhadap
Use Behaviour
Pengujian yang telah dilakukan membuktikan bahwa nilai koefisien
yang didapatkan dari hubungan Habit dengan Use Behaviour menunjukan
adanya hubungan positif antar variabel tersebut dengan nilai koefisien
sebesar 0,407 dengan perolehan nilai T-Statistic sebesar 3,178. Dengan
perolehan nilai T-Statistic lebih besar daripada 1,96 oleh karena itu
hipotesis 10 diterima.
Berdasarkan kepada hasil penelitian, kebiasaan wisatawan dalam
menggunakan KAI ACCESS dalam memesan tiket kereta api
memengaruhi kepercayaannya dalam penggunaan secara langsung
aplikasi KAI ACCESS, dimana dalam hal ini mereka lebih mudah dalam
menerima aplikasi KAI ACCESS berkat kebiasaannya dalam penggunaan
teknologi tersebut serta telah menggunakannya secara langsung. Berdasar
kepada informasi yang diperoleh dari responden, ketika mereka sudah
terbiasa menggunakan aplikasi KAI ACCESS mereka cendeung akan
selalu menggunakan aplikasi tersebut meskipun terdapat pilihan sistem
reservasi online aplikasi mobile lainnya. Sehingga terbukti bahwa
kebiasaan seseorang berhadapan dengan teknologi, kecenderungan
menggunakan teknologi secara rutin, serta rasa tidak terbiasa apabila tidak
menggunakan suatu teknologi berpengaruh positif dan signifikan terhadap
penggunaan suatu teknologi secara langsung yang mana pada penelitian
ini adalah penggunaan terhadap aplikasi KAI ACCESS. Hal tersebut pula
selaras dengan hasil penelitian (Venkatesh et al., 2012) yang menunjukan
99
bahwa terdapatnya hubungan positif dan signifikan antara Habit terhadap
Use Behaviour. Hubungan positif signifikan antara Habit dan Use
Behaviour juga didukung oleh penelitian yang dilakukan oleh (Pramesti,
2015) yang mana menujukan bahwa kebiasaan menggunakan suatu
teknologi dan dorongan dari dalam diri dalam penggunaan teknologi
memengaruhi seseorang untuk menggunakan teknologi.
100
BAB V
SIMPULAN, IMPLIKASI, DAN SARAN
A. SIMPULAN
Berdasarkan kepada hasil pengujian yang telah peneliti lakukan pada
model struktural, terdapat empat hipotesis yang diterima dari 10 hipotesis yang
diujikan pada penelitian ini, sehingga daripada hasil pengujian tersebut dapat
peneliti simpulkan bahwa terdapat beberapa fakor berdasarkan kepada empat
hipotesis tersebut, yang memengaruhi ataupun mendorong wisatawan dalam
berniat dan menggunakan secara sesungguhnya teknologi sistem reservasi
online aplikasi mobile KAI ACCESS yaitu sebagai berikut :
1. Hedonic Motivation (HM), yaitu kesenangan, kepuasan, serta ketertarikan
yang diciptakan dari aplikasi KAI ACCESS sehingga seorang pengguna
merasa senang, puas, serta perasaan tertarik dan juga nyaman ketika
berinteraksi ataupun menggunakan aplikasi KAI ACCESS.
2. Habit (HB), merupakan suatu kondisi dimana seseorang melakukan
tindakan dalam hal ini adalah penggunaan aplikasi KAI ACCESS secara
otomatis bukan karena paksaan, lalu penggunaan aplikasi KAI ACCESS
sudah menjadi kebiasaan yang dilakukan wisatawan dalam memesan tiket
kereta api, dan rasa tidak terbiasa apabila memesan tiket bukan melalui
aplikasi KAI ACCESS. Yang mana hal tersebut merupakan dorongan dari
dalam diri wisatawan itu sendiri sebagai pengguna aplikasi KAI ACCESS,
sehingga berpengaruh kepada niat dan penggunaan secara sesungguhnya
aplikasi KAI ACCESS.
101
3. Facilitating Condition (FC), adalah suatu sistem, infrastruktur, ataupun
sumberdaya yang tersedia dalam lingkungan teknologi sehingga dapat
memfasilitasi penggunaan serta mengurangi kesulitan pengguna dalam
menggunakan suatu teknologi. Dalam penelitian ini meliputi perangkat
smartphone wisatawan yang compatible untuk mengoperasikan aplikasi
KAI ACCESS, pengetahuan atas cara penggunaan aplikasi KAI ACCESS,
tampilan pengguna (user interface) aplikasi KAI ACCESS, serta
pemrosesan pesanan yang cepat.
Ketiga faktor tersebut telah terbukti secara signifikan memiliki pengaruh
dalam niat ataupun penggunaan secara sesungguhnya aplikasi KAI ACCESS.
Di lain sisi, performance expectancy dan effort expectancy tidak memiliki
pengaruh positif dan signifikan terhadap penggunaan aplikasi KAI ACCESS.
Dalam arti lain dapat disimpulkan bahwa kepercayaan pengguna aplikasi KAI
ACCESS yang dalam penelitian ini adalah wisatawan atas kegunaan aplikasi
KAI ACCESS dalam memesan tiket, mempermudah mereka dalam
mendapatkan tiket, mempercepat dan meningkatkan efektivitas dan
produktifitas dalam memperoleh tiket tidak memengaruhi keinginan mereka
untuk menggunakan aplikasi KAI ACCESS. Begitu pula halnya seperti,
aplikasi KAI ACCESS yang mudah untuk digunakan dan dipelajari tidak
memengaruhi keinginan para wisatawan dalam menggunakan aplikasi KAI
ACCESS. Hal tersebut dikarenakan wisatawan dalam penggunaannya, merasa
hal seperti fungsi kerja aplikasi dan kemudahan yang sama juga mereka
102
dapatkan ketika mereka menggunakan sistem reservasi online aplikasi mobile
lainnya.
B. IMPLIKASI
1. Perusahaan Kereta Api Indoneisa (PT. KAI)
Penelitian ini didasari atas penggunaan sistem reservasi online
aplikasi KAI ACCESS yang masih terpaut sedikit. Penelitian ini
diharapkan dapat membantu perusahaan untuk mengetahui bagaimana
penerimaan dan penggunaan sistem reservasi online yang sudah
diluncurkan yaitu KAI ACCESS berdasarkan sudut pandang wisatawan
yang didasari oleh teori faktor penerimaan dan peggunaan teknologi yang
bernama UTAUT 2, dengan demikian diharapkan dengan adanya
penelitian ini dapat memberi masukan dalam penyusunan strategi agar
dapat meningkatkan penerimaan dan penggunaan secara berkelanjutan
aplikasi KAI ACCES.
2. Akademisi
Penelitian ini membahas mengenai faktor yang memengaruhi
seseorang, yang mana pada pembahasan ini ialah wisatawan dalam
menggunakan suatu teknologi baru yang diciptakan, yaitu sistem reservasi
online transportasi kereta api yang bernama KAI ACCESS. Penelitian ini
dapat berguna untuk pengembangan teori yang berkaitan kepada
Behavioral Intention dan Use Behaviour wisatawan dalam menggunakan
teknologi sistem reservasi online berbasis aplikasi mobile. Teori yang
103
digunakan dalam penelitian ini berbasis kepada teori UTAUT versi 2 yang
diciptakan dengan berbasis kepada konsumen pengguna jasa, yang mana
merupakan pengembangan dari teori sebelumnya yaitu UTAUT 1. Serta
pada akhirnya penelitian ini dapat menambah pengetahuan mengenai
bagaimana penerimaan dan penggunaan teknologi oleh pengguna jasa
angkutan umum kereta api yang mana studi kasusnya ialah wisatawan.
C. SARAN
1. Saran untuk PT. Kereta Api Indonesia (Persero)
Berikut ini merupakan saran berdasarkan hasil penelitian yang
dilakukan, demi meningkatkan penggunaan dari sistem reservasi online
aplikasi mobile KAI ACCESS, sebagai berikut :
a. Wisatawan sebagai pengguna aplikasi merasa senang, puas, serta
tertarik ketika menggunakan aplikasi KAI ACCESS, hal tersebut
signifikan memengaruhi penggunaan aplikasi KAI ACCESS. PT.
Kereta Api Indonesia (Persero) sebaiknya dapat terus menjaga dan
meningkatkan kualitas informasi, konten, fungsi, dan kelebihan yang
didapatkan pengguna apabila menggunakan aplikasi ini, sehingga
pengguna akan terus puas dan senang menggunakan aplikasi KAI
ACCESS. Pembaruan sistem dalam aplikasi juga harus terus
diperhatikan agar pengguna akan selalu tertarik dan memiliki
pengalaman yang baik ketika menggunakan aplikasi KAI ACCESS.
b. Wisatawan sebagai pengguna yang telah terbiasa menggunakan
aplikasi KAI ACCESS terbukti signifikan memengaruhi mereka
104
untuk menggunakan aplikasi KAI ACCESS. PT. Kereta Api
Indonesia (Persero) sebaiknya dapat lebih peka terhadap keluhan
ataupun masukan dari para pengguna aplikasi KAI ACCESS,
sehingga para pengguna akan terus menggunakan aplikasi KAI
ACCESS untuk memsan tiket dan tidak berpindah menggunakan
aplikasi lain. Salah satu keluhan yang ditemui peneliti adalah didasari
kepada pengalaman responden yang menyatakan bahwa mereka
sedikit kesulitan dalam pengisian data penumpang pada saat
pemesanan tiket.
c. Perangkat yang compatible, user interface yang sederhana dan mudah
untuk dimengerti, serta pemrosesan pesanan yang cepat menjadi
alasan mengapa aplikasi KAI ACCESS digunakan oleh wisatawan.
Pembaruan atas sistem operasi smartphone, tampilan sistem yang
berbeda, serta hardware yang berbeda menjadi kendala apabila PT.
Kereta Api Indonesia (Persero) tidak mengikuti perkembangannya
yang akan berdampak kepada banyaknya kegagalan sistem pada saat
digunakan, untuk saat ini PT. Kereta Api Indonesia sudah baik dalam
melakukan pembaruan sistem aplikasi KAI ACCESS, sehingga dapat
digunakan melalui berbagai smartphone yang digunakan para
pengguna. Sebaiknya perusahaan dapat terus memertahankan hal
tersebut karena facilitating condition terbukti memengaruhi pengguna
untuk menggunakan aplikasi KAI ACCESS.
d. PT. Kereta Api Indonesia (Persero) sebaiknya dapat meningkatkan
pemasaran aplikasi KAI ACCESS melalui berbagai macam media
105
cetak maupun digital sehingga dapat terkesan dan menjadi top of mind
oleh pengguna jasa layanan kereta api serta mendorong kepercayaan
dan rasa ketertarikan dalam menggunakan aplikasi KAI ACCESS. Hal
ini bisa dilakukan dengan cara memasang baliho ataupun banner yang
memuat informasi mengenai KAI ACCESS di tempat-tempat strategis
yang mudah dilihat oleh banyak mata, pengiklanan melalui televisi,
ataupun pemasangan banyak hanging banner yang bertuliskan
kalimat persuasif sehingga orang yang sering melihatnya akan tertarik
dan penasaran untuk mengetahui apa itu aplikasi KAI ACCESS dan
diharapkan dapat meningkatkan penggunaan serta transaksi aplikasi
KAI ACCESS.
2. Saran bagi Penelitian Selanjutnya
Peneliti telah merumuskan tiga saran yang dapat menjadi acuan bagi
penelitian selanjutnya, sebagai berikut :
a. Penelitian ini menjadikan wisatawan sebagai responden, penelitian
selanjutnya dapat mencari responden yang bukan merupakan
wisatawan atau dalam kata lain yang lebih umum tidak terfokus
kepada satu kelompok. Sehingga dapat diketahui bagaimana
penerimaan penggunaan dari sisi penumpang secara keseluruhan.
b. Penelitian ini menggunakan teori UTAUT Model dengan tujuh
variabel independen, satu variabel dependen, dan satu variabel
berperan sebagai variabel interfensi. Penelitian ini tidak membahas
menganai usia, jenis kelamin, beserta pengalaman yang dapat
106
memoderatori perubahan penerimaan seseorang dalam penggunaan
suatu teknologi baru. Sehingga hal tersebut dapat dijadikan acuan bagi
penelitian selanjutnya untuk melanjutkan penelitian ini dengan
dimoderatori ketiga hal tersebut agar dapat terlihat secara signifikan
bagaimana penerimaan dalam penggunaan teknologi oleh wisatawan
dalam menggunakan sistem reservasi online khususnya aplikasi KAI
ACCESS.
c. Penelitian ini berfokus kepada penggunaan aplikasi mobile KAI
ACCESS oleh pengguna aplikasi tersebut, untuk penelitian
selanjutnya dapat dilakukan penelitian yang berfokus kepada kualitas,
konten, kegunaan, ataupun user interface daripada aplikasi KAI
ACCESS tersebut.
107
DAFTAR PUSTAKA
Abad, M., & Díaz, I. (2010). Acceptance of Mobile Technology in Hedonic
Scenarios. Proceedings of the 24th BCS Interaction Specialist Group
Conference, 250–258.
Abas, S. (2000). Manajemen Transportasi (2nd ed.). Jakarta: Ghalia Indonesia.
Abdullah, O., Al-Maktari, M., Jamaludin, R., & Hosam, A.-S. (2012). The
Acceptance of Online Booking System (OBS) Based on the Theory of
Reasoned Action (TRA): A Case of Sana’a University. International Journal
of Scientific & Engineering Research, 3(2), 3–6. Retrieved from
http://www.ijser.org
Afdalia, N., Grace T. Pontoh, & Kartini. (2014). Theory of Planned Behavior dan
Readiness for Change dalam Memprediksi Niat Implementasi Peraturan
Nomor 71 tahun 2010. Jurnal Akuntansi & Auditing Indonesia, 18(2), 110–
123.
BPS. (2018). Jumlah Penumpang Kereta Api Indonesia.
Brown, S., Venkatesh, V., & Bala, H. (2006). Household technology use:
Integrating household life cycle and the model of adoption of technology in
households. Information Society, 22(4), 205–218.
https://doi.org/10.1080/01972240600791333
Bungin, B. (2010). Penelitian Kuantitatif. Jakarta: Kencana.
Cakici, A. C., Serhat, & Harman. (2007). Importance Of Destination Attributes
Affecting Destination Choice Of Turkish Birdwatchers. Journal of
Commerce & Tourism Education Faculty, 1, 131–145.
Cooper, C., Fletcher, J., Gilbert, D. G., & Wanhill, S. (2005). Tourism; Principle
and Practive. Harlow, 3.
De Bruijn, G. J., Kremers, S. P. J., De Vet, E., De Nooijer, J., Van Mechelen, W.,
& Brug, J. (2007). Does habit strength moderate the intention-behaviour
relationship in the Theory of Planned Behaviour? the case of fruit
consumption. Psychology and Health, 22(8), 899–916.
https://doi.org/10.1080/14768320601176113
Flippo, E. B. (2000). Manajemen Sumber Daya Manusia. Erlangga.
108
Gayatrie, M. S., Kusyanti, A., & Saputra, M. C. (2017). Analisis Penerimaan Os
Windows 10 Dengan Unified Theory of Acceptance and Use of Technology (
UTAUT2 ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer
(J-PTIIK) Universitas Brawijaya, 1(6), 514–523.
Ghozali, I, & Latan, H. (2012). Partial Least Squares Konsep, Metode, dan
Aplikasi Menggunakan Program SmartPLS 2.0 M3. Semarang: Badan
Penerbit Universitas Diponegoro.
Ghozali, Imam. (2014). Structural Equation Modeling: Metode Alternatif dengan
PARTIAL LEAST SQUARE (PLS) (4th ed.). Semarang: Badan Penerbit
Universitas Diponegoro.
Gupta, B., Dasgupta, S., & Gupta, A. (2008). Adoption of ICT in a government
organization in a developing country: An empirical study. The Journal of
Strategic Information Systems, 17(2), 140–154.
https://doi.org/10.1016/j.jsis.2007.12.004
Hair, J. F., Ringle, C, M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver
Bullet. Journal of Marketing Theory and Practice.
Horng, W.-B., Lee, C.-P., & Chen, C.-W. (2001). Classification of Age Groups.
Tamkang Journal of Science and Engineering, 4.
Huang, C.-Y., & Kao, Y.-S. (2015). UTAUT2 Based Predictions of Factors
Influencing the Technology Acceptance of Phablets by DNP. Mathematical
Problems in Engineering, 2015, 1–23. https://doi.org/10.1155/2015/603747
Indrawati. (2015). Metode Penelitian Manajemen dan Bisnis: Konvergensi
Teknologi Komunikasi dan Informasi (Dinah Sumayyah, Ed.). Bandung: PT.
Refika Aditama.
Ismayanti. (2010). Pengantar Pariwisata. Jakarta: PT. Gramedia Widisarana
Indonesia.
Jogiyanto. (2007). Sistem Informasi Keperilakuan. Yogyakarta: Andi.
Jonathan Sarwono. (2006). Metode Penelitian Kuantitatif dan Kualitatif.
Yogyakarta: Graha Ilmu.
Lexy J Moleong. (2014). Metodologi Penelitian Kualitati. Yogyakarta: PT
Remaja Rosdakarya.
Limayem et. (2007). HOW HABIT LIMITS THE PREDICTIVE POWER OF
109
INTENTION: THE CASE OF INFORMATION SYSTEMS
CONTINUANCE. Jstor, 14(2), 1–14. https://doi.org/10.1002/fut.10029
March, R. (2004). A Marketing-Oriented Tool To assess Destination
Competitiveness. Australia: CRC for Sustainable Tourism Pty Ltd.
Miro, F. (2012). Pengantar Sistem Transportasi. Jakarta: Erlangga.
Moh Nazir. (2013). Metode Penelitian. Bogor: Ghalia Indonesia.
Mulyani, A. (2018). Analisis Penerimaan dan Penggunaan Teknologi Aplikasi
Ojek Online Menggunakan Unified Theory of Acceptance and Use
Technology. Jurnal Algoritma, 15(2), 25–30. Retrieved from
http://journals.sttgarut.ac.id/index.php/algoritma/article/view/127
Murray, K. B., & Häubl, G. (2007). Explaining Cognitive Lock-In: The Role of
Skill-Based Habits of Use in Consumer Choice. Journal of Consumer
Research, 34(1), 77–88. https://doi.org/10.1086/513048
Niehaves, B., & Plattfaut, R. (2010). What is the Issue with Internet Acceptance
among Eldery Citizens? Theory Development and Policy Recomendations for
Inclusive E-Government at M.A. 275–228.
P Berlianto. (2014). Perancangan Aplikasi Reservasi Paket Wisata Menggunakan
Frameworksencha Touch Berbasis Android.
Pramesti, L. W. (2015). ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI
PENGGUNAAN SISTEM MANAJEMEN PENGETAHUAN
MENGGUNAKAN UNIFIED THEORY OF ACCEPTANCE AND USE OF
TECHNOLOGY 2 (UTAUT 2): STUDI KASUS .NET PRODUCTION
CENTER ROOM PT ASTRA INTERNATIONAL TBK. Universitas Indonesia.
PT. Kereta Api Indonesia (Persero). (2017). Melayani Kebutuhan Masyarakat
Melalui Inovasi dan Perbaikan Berkelanjutan Menuju Era Modern Serving
the Needs of Society through Innovation and Continuous Improvement
towards a Modern Era. Annual Report.
PT. Kereta Api Indonesia (PERSERO). (n.d.-a). Angkutan Penumpang. Retrieved
December 18, 2018, from https://www.kai.id/corporate/passenger_services/0
PT. Kereta Api Indonesia (PERSERO). (n.d.-b). KAI ACCESS. Retrieved
December 18, 2018, from apps.kereta-api.co.id/
Reid, M., & Y, L. (2008). Integrating Trust and Computer Self-Efficacy with
110
TAM: An Empirical Assessment of Customers’ Acceptance of Banking
Information Systems (BIS) in Jamaica. Journal of Internet Banking and
Commerce.
Sancaka, M., & Subagio, H. (2014). Analisis Faktor yang Mempengaruhi
Penerimaan dan Penggunaan Kompas Epaper Oleh Konsumen Harian
Kompas Di Jawa Timur Dengan Menggunakan Kerangka Unified Theory of
Acceptance and Use of Technology ( UTAUT ). Jurnal Manajemen
Pemasaran Petra, 2(2), 2–7.
Sedana, I. G. N., & Wijaya, S. W. (2010). UTAUT model for understanding
learning management system. Internetworking Indonesia Journal, 2(2), 27–
36.
Sholihin, M., & Ratmono, D. (2013). Analisis SEM-PLS dengan WarpPLS 3.0
untuk Hubungan Nonlinier dalam Penelitian Sosial dan Bisnis. Yogyakarta:
Andi.
Siswoyo, B., & Abdi Kurniawan. (2014). Preferensi Rencana Angkutan Laut
Kapal Cepat Padang-Kepulauan Mentawai. Jurnal Penelitian Transportasi
Laut, 26.
Soemanto, R. B. (2010). Sosiologi Pariwisata (1st ed.). Tanggerang Selatan:
Universitas Terbuka.
Stofega, W., & R. T Llamas. (2009). Worldwide Mobile Phone 2009-2013
Forecast Update.
Sub Portal BUMN. (2018). KAI Gencar Sosialisasikan “KAI Access.” Retrieved
December 18, 2018, from http://www.bumn.go.id/keretaapi/berita/1-KAI-
Gencar-Sosialisasikan-KAI-Access-
Sugiyono. (2017). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:
Alfabeta.
Sulaiman, A., Ng, J., & Mohezar, S. (2008). E-Ticketing as a New Way of Buying
Tickets: Malaysian Perceptions. Journal of Social Sciences, 17(2), 149–157.
https://doi.org/10.1080/09718923.2008.11892644
Sutoyo, A. (2009). Pemahaman Individu, Observasi, Checklist, Interview,.
Kuesioner dan SosiometrI. Yogyakarta: Pustaka Pelajar.
Tambunan, N. (2009). Posisi Transportasi Dalam Pariwisata. Universitas Mpu
111
Tantular, Jakarta, (Bps 2008), 39–48.
Taniredja, T., & Mustafidah. (2012). Penelitian Kuantitatif. Bandung: Alfabeta.
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012).
Venkatesh_Thong_Xu_MISQ_forthcoming (GENDER AGE
EXPERIENCE). MIS Quarterly, 36(1), 157–178. Retrieved from
https://pdfs.semanticscholar.org/6256/0e2001480fd1f22558ce4d34ac93776af
3e6.pdf?_ga=2.124539978.1994179764.1540339706-
2125081534.1540339706
Viswanath Venkatesh, Michael G. Morris, Gordon B. Davis, & Fred D. Davis.
(2003). User acceptance of information technology:TOWARD A UNIFIED
VIEW1. 27(3), 425–478. https://doi.org/10.2307/30036540
Wibowo, A. (2006). Kajian tentang Perilaku Pengguna Sistem Informasi dengan
Pendekatan Technology Acceptance Model (TAM).
Widiyanto, I. (2008). Pointers: Metodologi Penelitian. Semarang: BP UNDIP.
Yang, K., & Forney, J. C. (2013). the Moderating Role of Consumer Technology
Anxiety in Mobile Shopping Adoption : Differential Effects of Facilitating.
Journal of Electronic Commerce Research, 14(04), 334–347.
112
LAMPIRAN
DATA PRIBADI
Nama : PRABU AIRLANGGA BHARATA SURYA
NIM : 201520470
Tempat, Tanggal Lahir : Bekasi, 18 Juni 1998
Agama : Islam
Alamat : Pondok Hijau Permai, Jl. Boulevard Blok D6 No. 7.
Bekasi
Email : [email protected]
DATA ORANG TUA
Nama Ayah : Ir. Agus Suryo Saksono, MM. (Alm)
Nama Ibu : Widya Andyani
RIWAYAT PENDIDIKAN
Nama Sekolah Dari Sampai
SD Negeri Pengasinan 1 Bekasi 2003 2009
SMP Negeri 33 Bekasi 2009 2012
SMA Negeri 13 Bekasi 2012 2015
Sekolah Tinggi Pariwisata Bandung 2015 2019
PENGALAMAN KERJA
Nama Perusahaan Jabatan Tahun
Association of Indonesian Tours
and Travel Agencies (ASITA) Bali
Chapter
Praktek Kerja Lapangan 2018