PENERIMAAN LAYANAN KEUANGAN DALAM BELANJA ONLINE OLEH GENERASI Y

Transkripsi

1 PENERIMAAN LAYANAN KEUANGAN DALAM BELANJA ONLINE OLEH GENERASI Y Dyah Ayu Megawaty 1) dan Apol Pribadi Subriadi 2) 1) dan 2) Jurusan Sistem Informasi, Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya, Jawa Timur Telp: (031) , Fax: (031) ) aygawa07@gmail.com, 2) apolpribadi@gmail.com ABSTRAK Belanja online telah menjadi aktivitas internet ketiga yang paling populer, setelah /pesan instan dan pencarian dengan web. Belanja online merupakan bagian penting dari aplikasi e- commerce. Nilai transaksi e-commerce di Indonesia tahun 2013 mencapai angka Rp 130 triliun dan pengguna layanan belanja online mencapai 13 juta jiwa dengan pengguna terbanyak yaitu Generasi Y ( lahir tahun ). Belanja online yang menjadi tren dan gaya hidup masa kini khususnya di Indonesia merupakan fenomena yang perlu diperhatikan. Salah satu isu terbesar dalam implementasi e-commerce adalah mekanisme transaksi pembayaran melalui internet. Jenis pembayaran online yang dibahas adalah account-based system (internet banking, kartu kredit dan transaksi langsung dalam akun toko online). Tujuan penelitian ini adalah menganalisis faktor yang mempengaruhi Generasi Y dalam menggunakan pembayaran online atau layanan keuangan internet dan untuk mengetahui penerimaan layanan keuangan dalam belanja online oleh Generasi Y. Penelitian ini bersifat kuantitatif, menggunakan metode PLS-SEM dan aplikasi SmartPLS dengan responden 316 orang. Penelitian ini menghasilkan model konseptual baru dalam hal penerimaan layanan keuangan dan mampu mendukung teori sebelumnya. Hasil penelitian ini juga menunjukkan bahwa faktor utama Generasi Y akan melakukan pembayaran online yaitu adanya rasa percaya terhadap e-commerce yang mudah digunakan dan berkualitas dari segi informasi, sistem, layanan serta karena memiliki pengalaman dalam menggunakan internet. Kata kunci: Penerimaan, Layanan Keuangan berbasis Internet, Belanja Online, Generasi Y. PENDAHULUAN Internet telah memainkan peran penting dalam kehidupan sehari-hari yang mana orang bisa berbicara dengan orang lainnya melalui internet, dapat mengirim sepanjang waktu, dapat mencari informasi, dapat bermain game dengan orang lain, dan bahkan dapat membeli barang secara online (Katawetawaraks & Wang, 2011). Sejak pertengahan 1990-an, internet telah mengalami pertumbuhan yang belum pernah terjadi sebelumnya baik dalam ukuran dan jumlah pengguna di seluruh dunia (Rotsztein, 2003). Perdagangan elektronik telah menjadi salah satu ciri penting dalam era Internet. Menurut UCLA Pusat Komunikasi Kebijakan (2001), belanja online telah menjadi aktivitas internet ketiga yang paling populer, setelah /pesan instan dan pencarian dengan web. Belanja online merupakan bagian penting dari aplikasi e-commerce yang mana konsumen dapat menggunakan internet untuk memudahkan melakukan transaksi online dengan toko melalui katalog elektronik dan halaman web yang dirancang dengan menggunakan protokol Internet (Wang & Yeh, 2003). Penyedia layanan e-commerce di Indonesia tumbuh semakin banyak. Dengan jumlah pengguna internet yang mencapai angka 82 juta orang atau sekitar 30% dari total penduduk di C-16-1

2 Indonesia, pasar e-commerce menjadi tambang emas yang sangat menggoda bagi sebagian orang yang bisa melihat potensi ke depannya. Pertumbuhan ini didukung dengan data dari Menkominfo yang menyebutkan bahwa nilai transaksi e-commerce pada tahun 2013 mencapai angka Rp 130 triliun. Belanja online telah terbukti memberikan kepuasan lebih kepada konsumen modern yang mencari kenyamanan dan kecepatan (Yu & Wu, 2007). Adanya belanja online dan perkembangan pasar konsumen online memungkinkan konsumen untuk melakukan transaksi keuangan secara online di dunia, dimanapun lokasi mereka (Yu Liu, dkk, 2013). Salah satu isu terbesar dalam implementasi sistem e-commerce adalah mengenai mekanisme transaksi pembayaran via internet. Kenyamanan, waktu, kecepatan, akurasi dan pengurangan biaya dengan adanya jasa keuangan secara online adalah faktor-faktor yang mendorong peningkatan penggunaan layanan keuangan online. Oleh karena itu, layanan keuangan online dewasa ini dapat memenuhi kebutuhan pelanggan (Ming Pi, Li Liao, & Min Chen, 2012). Isu penting lain bahwa kualitas informasi (Delone & McLean, 2003; Lee, 2003; Hoon-Park & Gul-Kim, 2003), kualitas sistem, kualitas layanan ( Delone & McLean, 2003), kepercayaan (Wang dan Emurian, 2005; Yoon, 2002; Zeithaml, Berry, dan Parasuraman, 1996), persepsi kemudahan penggunaan (Davis, 1989), pengalaman menggunakan internet (Floh & Treiblmaier, 2006; Chia Chang & Chien Chang, 2010) serta peranan usia sama atau bahkan lebih penting untuk domain penelitian sistem informasi yang diteliti memiliki pengaruh terhadap sikap ( attitude) dan tingkah laku (Behavior) individu yang berkaitan dalam penggunaan teknologi informasi (Hong, dkk, 2013). Generasi Y yang lahir pada tahun merupakan generasi yang hidup di masa kemakmuran ekonomi, kemajuan teknologi melalui internet, jaringan sosial, dan globalisasi (Park & Gursoy, 2012) sehingga generasi ini dapat dijadikan responden awal dan sebagai variabel kontrol dalam penelitian penerimaan layanan keuangan dalam belanja online. Faktor-faktor yang telah disebutkan oleh beberapa peneliti dalam layanan keuangan online terutama pada pengunaan layanan keuangan dalam belanja online belum cukup untuk membuat pengguna yakin karena masih ada orang yang ragu untuk menggunakan jasa euangan online untuk berbagai alasan, seperti misalnya di Indonesia. Berdasarkan survei Asosiasi e-commerce Indonesia yang telah dilakukan ada beberapa faktor yang membuat masyarakat enggan bertransaksi melalui belanja online, salah satunya tidak percaya akan kualitas barang serta informasi penyedia layanan belanja online. Namun, di sisi lain, dengan menggunakan jasa keuangan online, orang dapat melakukan kegiatan transaksi keuangan yang cepat dan nyaman serta memperoleh informasi akun mereka tanpa pembatasan jam kerja dan tanpa perlu mendatangi bank atau toko. Sehingga hal ini penting untuk menganalisis faktor yang mempengaruhi Generasi Y dalam menggunakan pembayaran online atau layanan keuangan internet dan untuk mengetahui penerimaan layanan keuangan dalam belanja online oleh Generasi Y. KONSEPTUAL MODEL PENELITIAN Berdasarkan faktor yang telah disebutkan seperti: kualitas informasi, kualitas sistem, kualitas layanan, kepercayaan, persepsi kemudahan penggunaan, pengalaman menggunakan internet maka faktor tersebut menjadi prioritas sebagai variabel dalam penelitian ini dengan hipotesis sebagai berikut: H1: Kualitas Informasi mempengaruhi Penerimaan Layanan Keuangan Internet pada Belanja Online H2: Kualitas Sistem mempengaruhi Penerimaan Layanan Keuangan Internet pada Belanja Online C-16-2

3 H3: Kualitas Layanan mempengaruhi Penerimaan Layanan Keuangan Internet pada Belanja Online H4: Persepsi Kemudahan Penggunaan mempengaruhi Penerimaan Layanan Keuangan Internet pada Belanja Online H5: Kepercayaan mempengaruhi penerimaan layanan keuangan internet pada belanja online H6: Pengalaman menggunakan Internet mempengaruhi Penerimaan Layanan Keuangan Internet pada Belanja Online Kualitas Informasi Kualitas Sistem H1 Kualitas Layanan Persepsi Kemudahan Penggunaan Kepercayaan H2 H3 H4 H5 H6 Kontrol usia: Penerimaan layanan keuangan dalam belanja online Generasi Y (lahir ) Pengalaman menggunakan Internet Gambar 1. Kerangka Konseptual Model Penelitian METODE Penelitian ini bersifat kuantitatif yang dimulai dari studi literatur, perumusan model dengan seluruh variabel bersifat reflektif, pengumpulan data dengan kuesioner dan analisis data yang menggunakan metode PLS-SEM dan aplikasi SmartPLS sebagai alat pengolah data dengan responden Generasi Y sebanyak 316 orang. Evaluasi model dalam PLS meliputi dua tahap yaitu evaluasi model pengukuran (outer model) dan evaluasi terhadap model struktural (inner model). Evaluasi terhadap model pengukuran atau outer model dikelompokan menjadi langkah-langkah validitas konvergen dan validitas diskriminan. Evaluasi inner model atau model struktural dilihat pada path coefficient serta mengevaluasi R 2, f 2, GoF dan Q 2 predictive relevance. Tahap Evaluasi Model Pengukuran (Outer Model) Evaluasi model pengukuran ( outer model) adalah untuk menguji reliabilitas dan validitas konstruk dari model yang dapat dilakukan dalam dua tahap sebagai berikut: a. Langkah-langkah Validitas Konvergen. Validitas konvergen digunakan untuk mengukur besarnya korelasi antara konstrak dengan variabel latennya (Yamin & Kurniawan, 2011). Evaluasi validitas konvergen meliputi: individual item reliability (loading factor), Cronbach's Alpha, Composite reliability (CR) dan Average Variance Extracted (AVE). 1. Individual Item Reliability (Loading Factor) Individual item reliability menggambarkan besarnya korelasi antara setiap item indikatro dengan kontsruk. Nilai loading factor diatas 0,7 dikatakan ideal yang C-16-3

4 artinya indikator tersebut valid, meskipun demikian nilai diatas 0,5 dapat diterima sehingga nilai dibawah 0,5 harus dikeluarkan dari model. 2. Cronbach s Alpha Cronbach s Alpha adalah koefisien reliabilitas (konsistensi). Mengukur seberapa baik satu set item (variabel) untuk mengukur satu laten dimensi model. Nulnally dan Berstain (1994) mengemukakan bahwa nilai cronbach alpha harus lebih tinggi dari 0,7 dan nilai diatas 0,8 dan 0,9 berarti sangat memuaskan. Jika nilai cronbach s alpha diantara maka tingkat konsistensi masih dapat diterima menurut Litwin (1995). 3. Composite Reliability (CR) Composite Reliability (CR) ukuran digunakan untuk memeriksa seberapa baik model diukur dengan indikator yang ditetapkan. Nilai CR sama dengan cronbach s alpha yaitu > 0.7 sebagai patokan untuk reliabilitas komposit sederhana. Formula perhitungan CR adalah : 4. Average Variance Extracted (AVE) Average Variance Extracted (AVE) menggambarkan besarnya varian atau keragaman variabel manifes yang dapat dikandung konstruk laten. Nilai minimal AVE 0,5 atau 50% menunjukkan ukuran convergent validity yang baik artinya variabel laten adapat menjelaskan rata-rata lebih dari setengah varian dari indikatorindikatornya. Berikut ini adalah formula perhitungan AVE : b. Validitas Diskriminan Validitas diskriminan menunjukkan sejauh mana suatu konstruksi yang diberikan berbeda dari konstruksi lain. Hal ini telah diteliti dengan membandingkan AVE dengan kuadrat nilai korelasi antar konstrak dan konstruksi lainnya melalui cross loading. Jika korelasi antara indikator dengan konstruknya lebih tinggi dari korelasi konstruk lainnya hal ini menunjukkan konstrak tersebut memiliki diskriminan validitas yang tinggi. Tahap Evaluasi Model Struktural (Inner Model) Evaluasi model struktural (inner model), evaluasi dilakukan untuk menilai hubungan antara variabel laten eksogen dan endogen dalam hal varians (Hulland, 1999). Tahapan evaluasi ini, pertama mengevaluasi atau melihat signifikansi hubungan antara kontruk yang dapat dilihat dari koefisien jalur (path coefficient) yang menggambarkan kekuatan hubungan antara konstruk. Untuk menilai signifikansi path coefficient dapat dilihat dari nilai t test (nilai t statistik t tabel) yang diperoleh dari proses bootstapping pada SmartPLS. Tahap berikutnya yaitu mengevaluasi nilai R 2 yaitu besarnya variability variabel endogen yang mampu menjelaskan variabel eksogen. Chin (1998) menjelaskan kriteria batasan nilai R 2 ini dalam 3 klasifikasi yaitu 0,67 (subtansial), 0,33 (moderat) dan 0,19 (lemah). Perubahan nilai R 2 dapat digunakan untuk melihat pengaruh yang subtansif antara variabel laten eksogen terhadap variabel laten endogen dengan menggunakan pengukuran effect size f 2. Formula effext size f 2 sebagai berikut: R 2 included R 2 excluded Effect Size f 2 = 1 - R 2 included Nilai F2 (Effect Size) digunakan untuk menjelaskan pengaruh nilai variabel laten independen tertentu terhadap variabel laten dependen apakah mempunyai pengaruh yang substansial. Interprestasi nilai f 2 ini adalah mengikuti terminologi yang disarankan oleh Cohen (1988) C-16-4

5 yaitu 0,02 (kecil), 0,15 (moderat) dan 0,35 (besar) dengan variabel laten eksogen memiliki pengaruh pada level struktural. Model Representasi ( Goodness of Fit/GoF) bertujuan untuk memvalidasi kinerja gabungan model pengukuran dan model struktural. Nilai GoF index ini diperoleh dari average communities index dikalikan dengan nilai R 2. Model representasi dinilai dengan menghitung nilai indeks GOF yang dibatasi antara 0 dan 1 dengan interprestasi sebagai GoF kecil = 0,10, GoF moderat = 0,25 dan GoF besar = 0,36. Model nilai GOF dihitung dengan menggunakan persamaan berikut : Pengujian lainnya adalah Q 2 predictive relevance yang berfungsi untuk memvalidasi kemampuan prediksi model. Model ini hanya cocok untuk variabel laten endogen yang memiliki pengukuran reflektif. Interprestasi hasil dari Q 2 predictive relevance adalah jika nilai lebih besar dari 0 menunjukkan variabel laten eksogen baik (sesuai) sebagai penjelas ya ng mampu memprediksi variabel eksogen. HASIL DAN PEMBAHASAN Responden untuk Generasi Y ( ) sebanyak 316 orang dengan data demografi: Tabel 1. Demografi Responden Generasi Y Jenis kelamin Pengalaman mengggunakan internet Kategori Pengguna Demografi Responden Jumlah Laki-laki 175 (55,4 %) Perempuan 141 (44,6%) < 3 Tahun 7 (2,2 %) 3 5 Tahun 60 (19,0 %) 6 10 Tahun 150 (47,5 %) Tahun 57 (18,0 %) > 15 Tahun 42 (13,3 %) Belum pernah belanja online 72 (22,8 %) Belanja online, tidak menggunakan pembayaran online 84 (26,6 %) Belanja online dan menggunakan pembayaran online 160 (50,6 %) Penelitian ini membuktikan bahwa generasi Y mau menerima layanan keuangan dalam belanja online dengan melihat jawaban setuju > 60% seperti yang terlihat pada Tabel 2. Tabel 2. Jawaban Responden untuk Penggunaan Layanan Keuangan dalam Belanja Online Pernyataan Penerimaan Layanan Keuangan Generasi Y Evaluasi Outer Model Jawaban/Nilai/Responden Sangat Tidak Sangat Ragu-ragu Setuju Tidak setuju setuju Setuju (0,6%) 26 (8,2%) 68 (21,5%) 190 (60,2%) 30 (9,5%) Mean 3,7 C-16-5

6 Evaluasi model pengukuran atau outer model meliputi uji korelasi antara konstruk dan variabel laten melalui pemeriksan convergent validity (loading factor, Cronbach's Alpha, Composite reliability) dan Average Variance Extracted (AVE)dan discriminant validity. Hasil evaluasi outer model pada responden Generasi Y adalah sebagai berikut: Tabel 3. Evaluasi Outer Model Generasi Y No. Jenis Analisis Outer Model Nilai 1. Validitas konvergen a. Outer Loading Factor > 0,7 b. Cronbach s Alpha (CA) > 0,7 c. Composite reliability (CR) > 0,7 d. Average Variance Extracted (AVE) > 0,5 2. Validitas diskriminan (cross loading factor) Baik Berdasarkan Tabel 3 untuk poin 1a nilai loading factor masing-masing indikator > 0,7 dan dilihat dari validasi melalui t statistik masing-masing indikator yang dibandingkan dengan nilai t tabel (two-tail dan 0,05 untuk responden 316) 1,968 atau nilai pada kolom t statistik harus 1,968 dan semua indikator variabel nilai t statistiknnya lebih besar dari nilai t tabel sehingga dinyatakan valid dan nilai VIF dari masing-masing indikator 10. Berdasarkan Tabel 3 untuk poin 1b dan 1c nilai Cronbach s Alpha dan Composite reliability (CR) untuk semua variabel dalam model penerimaan layanan keuangan dalam belanja online > 0,7 yang artinya indikator yang digunakan untuk mengukur variabel termasuk dalam kategori sangat baik. Untuk poin 1d nilai AVE untuk masing-masing variabel sudah berada diatas 0,5 yang artinya menunjukkan ukuran convergent validity yang baik atau variabel laten dapat menjelaskan rata-rata lebih dari setengah (50%) varian dari indikator - indikatornya. Berdasarkan Tabel 3 untuk poin ke 2 nilai dari validitas diskriminan yang dilihat pada nilai cross loadings dari masing-masing indikator berkorelasi lebih tinggi dengan variabelnya sendiri dibandingkan dengan variabel lain meskipun ada beberapa nilai indikator konstrak lainnya yang lebih tinggi dari nilai AVE variabel tersebut tetapi nilai pada bloknya masih lebih tinggi dari indikator lain. Sehingga berdasarkan hasil analisis tersebut dapat dikatakan bahwa indikator yang digunakan untuk mengukur variabelnya memiliki validitas diskriminan yang baik. Evaluasi Inner Model Evaluasi inner model atau model struktural digunakan untuk menilai hubungan antara variabel laten eksogen dan endogen yang dilihat pada path coefficient untuk hubungan antara konstruk, mengevaluasi R 2 untuk menghitung besarnya variability variabel endogen yang mampu menjelaskan variabel eksogen, f 2 digunakan untuk menjelaskan pengaruh nilai variabel laten independen tertentu terhadap variabel laten dependen apakah mempunyai pengaruh yang substansial, nilai GoF index digunakan untuk menilai kekuatan model dikembangkan untuk menggeneralisasi dan mewakili pengaruh dari faktor-faktor yang diteliti dan Q 2 predictive relevance berfungsi untuk memvalidasi kemampuan prediksi model. Untuk menilai signifikansi dapat dilihat dari nilai t test (nilai t statistik t tabel) besarnya signifikan juga bisa dipertegas dari * jika p < 0,10; ** jika p < 0,05 dan *** jika p < 0,01. Hasil evaluasi inner model pada responden Generasi Y dapat dilihat pada Tabel 4. C-16-6

7 Tabel 4. Hubungan Jalur Koefisien (Path Coefficient) dengan Hipotesis Generasi Y Hipotesis H1 H2 H3 H4 H5 H6 Path Coefficient IQ -> AFS** SQ-> AFS** SERVQ -> AFS** EOU -> AFS*** TR-> AFS*** IE -> AFS** Original Sample (O) Standard Error (STERR) T Statistics ( O/STERR ) p Values Kesimpulan 0,174 0,081 2,152 0,032 Diterima 0,165 0,066 2,495 0,013 Diterima 0,107 0,051 2,089 0,037 Diterima 0,206 0,079 2,624 0,009 Diterima 0,245 0,053 4,609 0,000 Diterima 0,103 0,045 2,277 0,023 Diterima Penelitian ini menggunakan derajat keyakinan penelitian 95% atau p value < 0,05 maka semua hubungan antar variabel berpengaruh (t statistik 1,968) dan signifikan untuk tingkat singnifikansi p < 0,05 sehingga berdasarkan Tabel 4 diketahui bahwa semua hipotesis penelitian juga diterima pada data sampel keseluruhan generasi untuk penerimaan layanan keuangan dalam belanja online berdasarkan tingkatan generasi yaitu: (H1) Kualitas Informasi berpengaruh positif dan signifikan terhadap Penerimaan Layanan Keuangan dalam Belanja Online; (H2) Kualitas Sistem berpengaruh positif dan signifikan terhadap Penerimaan Layanan Keuangan dalam Belanja Online; (H3) Kualitas Layanan berpengaruh positif dan signifikan terhadap Penerimaan Layanan Keuangan dalam Belanja Online; (H4) Persepsi Kemudahan Penggunaan berpengaruh positif dan signifikan terhadap Penerimaan Layanan Keuangan dalam Belanja Online; (H5) Kepercayaan berpengaruh positif dan signifikan terhadap Penerimaan Layanan Keuangan dalam Belanja Online dan (H6) Pengalaman menggunakan Internet berpengaruh positif dan signifikan terhadap Penerimaan Layanan Keuangan dalam Belanja Online. Sehingga jika dilihat dari tabel tersebut dapat diyakini bahwa faktor Kepercayaan menjadi faktor paling berpengaruh untuk penerimaan layanan keuangan dalam belanja online pada Generasi Y diikuti faktor Kemudahan Penggunaan dengan signifikansi tinggi. Kualitas Informasi, Kualitas Sistem, Kualitas Layanan dan Pengalaman menggunakan Internet juga menjadi faktor penting dengan signifikansi sedang. Berikutnya adalah analisis inner model untuk nilai R 2, f 2, GoF dan Q 2 predictive relevance yang dapat dilihat pada Tabel 4. Tabel 4. Evaluasi Inner Model Generasi Y No. Jenis Analisis Inner Model Nilai Keterangan 1. Nilai R 2 AFS 0,820 Subtansial 2 Nilai f 2 Semua variabel < 0,15 Kecil 3. Nilai GoF 0,813 Besar 4. Nilai Q 2 predictive relevance 0,712 atau > 0 Baik Sumber: data diolah Berdasarkan Tabel 5 nilai R 2 menunjukkan bahwa variabel enam variabel lain mampu menjelaskan kesesuaian penerimaan layanan keuangan sebesar 0,820 atau 82 % dengan nilai substansial. Nilai f 2 menunjukkan bahwa enam variabel yaitu kualitas informasi, kualitas C-16-7

8 sistem, kualitas layanan, persepsi kemudahan penggunaan, kepercayaan dan pengalaman menggunakan internet mempunyai pengaruh yang kecil terhadap penerimaan layanan keuangan nilai karena nilai f 2 masing-masing variabel < 0,15 akan tetapi jika dilihat dari perbandingan nilai, nilai kepercayaan dan persepsi kemudahan penggunaan cukup besar dari yang lain yang artinya faktor kepercayaan dan persepsi kemudahaan penting atau menjadi faktor utama bagi generasi Y untuk menerima layanan keuangan. Berdasarkan nilai GoF yang besar dapat dilihat bahwa model penelitian telah sesuai dan mampu mempresentasikan hasil penelitian. Nilai Q 2 0,712 yang menunjukkan > 0 artinya variabel laten eksogen bernilai baik sebagai variabel penjelas yang mampu memprediksi variabel endogennya. KESIMPULAN DAN SARAN Berdasarkan hasil penelitian yang dilakukan dapat ditarik kesimpulan dari penelitian ini mengenai penerimaan layanan keuangan dalam belanja online berdasarkan tingkatan generasi yaitu: 1. Generasi Y mau menggunakan layanan keuangan yang dapat dilihat dari jawaban setuju (lebih dari 60%) atas penggunaan layanan keuangan dalam belanja online. 2. Faktor kualitas informasi, kualitas layanan, kualitas sistem, persepsi kemudahan penggunaan, kepercayaan dan pengalaman menggunakan internet terbukti berpengaruh pada penerimaan layanan keuangan dalam belanja online untuk Generasi Y. 3. Kepercayaan dan persepsi kemudahan penggunaan adalah faktor yang paling penting bagi generasi Y untuk menggunakan layanan keuangan dalam belanja online. Berdasarkan keseluruhan penelitian didapatkan saran-saran yang dapat diberikan untuk pengembangan penelitian, baik bagi peneliti selanjutnya maupun kepentingan organisasi atau pihak-pihak lainnya: 1. Penelitian selanjutnya disarankan untuk lebih meningkatkan tingkat signifikansi penelitian menjadi 0,01 atau 99% dengan jumlah responden yang lebih banyak sehingga penelitian menjadi yang lebih akurat. 2. Melakukan pengujian melalui penelitian kualitatif untuk penerimaan layanan keuangan dalam belanja online sehingga jawaban hipotesis dapat dibuktikan lebih dalam. 3. Melihat perkembangan e-commerce yang bergerak maju dengan nilai transaksinya yang semakin besar setiap tahunnya, maka perlu dilakukan penelitian selanjutnya untuk mengetahui faktor-faktor lain yang berpengaruh terhadap belanja online terutama dalam hal transaksi pembayarannya. 4. Mempertimbangkan generasi lainnya sebagai objek penelitian selanjutnya dikarenakan generasi ini juga memungkinkan untuk menggunakan layanan keuangan internet. DAFTAR PUSTAKA Chia Chang, C., & Chien Chang, P. (2010). A Study on Taiwan Consumers Adoption of Online Financial Services. Pacific Asia Conference on Information Systems (PACIS). Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly (13:3), Delone, & McLean. (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. Journal of Management Information Systems/Spring 2003, Vol. 19, No. 4, C-16-8

9 Floh, A., & Treiblmaier, H. (2006). What Keeps the E -Banking Customer Loyal? A Multigroup Analysis of the Moderating Role of Consumer Characteristics on E- Loyalty in the Financial Service Industry. Journal of Electronic Commerce Research, 7(2), Hong, S. J., Lui, C. S., Hahn, J., & Moon, J. Y. (2013). How old are you really? Cognitive age in technology acceptance. Decision Support Systems 56, Hoon-Park, C., & Gul-Kim, Y. (2003). Identifiying Key Factor Affecting Consumer Purchase Behaviour in an Online Shopping Context. International Journal of Retail & Distribution Managament vol 31 no. 1, Katawetawaraks, C., & Wang, C. L. (2011). Online Shopper Behavior: Infl uences of Online Shopping Decision. Asian Journal of Business Research vol 1 no 2. Lee, J. (2003). Factors affecting intention to use online financial services. Dissertation: Presented in Partial Fulfillment of the Requirement for The Degree Doctor of Philosophy in the Graduate School of The Ohio State University. Ming Pi, S., Li Liao, H., & Min Chen, H. (2012). Factors That Affect Consumers Trust and Continuous Adoption of Online Financial Services. International Journal of Business and Management, Vol. 7, No. 9. Park, J., & Gursoy, D. (2012). Generation effects on work engagement among U.S. hotel employees. International Journal of Hospitality Management 31, Rotsztein, B. (2003). Internet Use and Locus of Control among College Students: Preliminary Findings. Presented at the 35th Annual Conference of the New England Educational Research Organization Portsmouth, New Hampshire. Wang, Y. D., & Emurian, H. H. (2005). An Overview of Online Trust: Concepts, Elements, and Implications. Computers in Human Behavior, 21, Yamin, S., & Kurniawan, H. (2011). Generasi Baru mengolah data Penelitian dengan PLS Path Modeling. Jakarta: Salemba Infotek. Yoon, S. J. (2002). The Antecedents and Consequences of Trust in Online -Purchase Decisions. Journal of Interactive marketing, 16(2), Yu Liu, W., Cheng Lin, C., Sun Lee, Y., & Jiunn Deng, D. (2013). On gender differences in consumer behavior for online financial transaction of cosmetics. Mathematical and Computer Modelling 58, Yu, T., & Wu, G. (2007). Determinants of internet shopping behavior: An application of reasoned behavior theory. International Journal of Management, vol. 24, no. 4, , 823. Zeithaml, V., Berry, L., & Parasuraman, A. (1996). The Behavioral Consequences of Service Quality. Journal of Marketing, 60(2), C-16-9