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 : prapair18@gmail.com

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