IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA ABSTRAK

Transkripsi

1 Lukman Hakim, Evaluasi Terhadap Penerimaan Masyarakat Terhadap Situs Pembelajaran Koding Menggunakan Unified Theory of Acceptance and Use of Technology. Skripsi ini dibawah bimbingan Drs. Eto Wuryanto, DEA dan Badrus Zaman, S.Kom., M.Cs. Program Studi S1 Sistem Informasi. Fakultas Sains dan Teknologi, Universitas Airlangga. ABSTRAK Belajarkoding.net merupakan situs yang dikembangkan untuk membantu masyarakat mempelajari ilmu di bidang web design, development, dan graphic design. Tujuan penelitian ini adalah untuk mengevaluasi penerimaan dan penggunaan website dengan menggunakan model Unified Theory of Acceptance and Use of Technology UTAUT. Penelitian dilakukan dengan mengumpulkan data melalui penyebaran kuesioner yang diadaptasi dari model UTAUT. Kuesioner disebarkan kepada 100 pengguna situs secara online menggunakan Google Form. Data kuesioner dianalisis menggunakan metode Partial Least Square-Structural Equation Modeling (PLS-SEM) dengan tools SmartPLS. Proses analisis PLS- SEM diawali dengan evaluasi model pengukuran. Selanjutnya dilakukan evaluasi model struktural. Hasil analisa PLS-SEM kemudian diinterpretasikan. Hasil penelitian menunjukkan bahwa evaluasi model pengukuran telah valid, reliabel, dan dapat diterima secara substansial berdasarkan hasil pengujian data. Selanjutnya hasil evaluasi model struktural yang diperoleh menunjukkan bahwa faktor-faktor yang berpengaruh signifikan terhadap minat pemanfaatan antara lain ekspektasi kinerja dan pengaruh sosial. Minat pemanfaatan dan kondisi pemfasilitas berpengaruh signifikan terhadap perilaku penggunaan. Karakteristik pengguna (jenis kelamin, usia, pengalaman dan kesukarelaan) tidak terbukti berperan sebagai moderator. Akurasi prediksi model UTAUT dalam menjelaskan minat pemanfaatan tergolong tinggi yaitu sebesar 78,7%, sedangkan akurasi prediksi model UTAUT dalam menjelaskan perilaku penggunaan juga tergolong tinggi yaitu sebesar 65,7%. Hasil evaluasi penerimaan dan penggunaan yang diperoleh bisa memberikan rekomendasi kebutuhan yang harus diperhatikan dan menjadi hal yang bisa dikembangkan untuk penelitian lebih lanjut. Kata kunci:, Model UTAUT, Partial Least Square-Structural Equation Modelling (PLS-SEM) viii

2 Lukman Hakim, Evaluating Society s Acceptance on Coding e-learning website using Unified Theory of Acceptance and Use of Technology. This Undergraduate Thesis was under guidance of Drs. Eto Wuryanto, DEA and Badrus Zaman, S.Kom., M.Cs. Information System Bachelor Degree. Fakultas Sains dan Teknologi, Universitas Airlangga. ABSTRACT Belajarkoding.net is a website developed to help society learning web design, development, and graphic design. The purpose of this research is to evaluate the acceptance and use of website using Unified Theory of Acceptance and Use of Technology (UTAUT) model. This research was carried by gathering data from spreading questionnaire adapted from UTAUT model. The quesionnaire was spread online to 100 users via Google Form. Questionnaire data was analized with Partial Least Square-Structural Equation Modelling (PLS-SEM) method using SmartPLS tools. The PLS-SEM analizing process started with measurement model evaluation and followed by structural model evaluation. Then the result of PLS-SEM analyzation was interpreted. The research indicates the measurement model evaluation are valid, reliable, and substantially acceptable based on data testing. Next the structural model evaluation shows the factors that have significant influence to behavorial intention on. Those factors are performance expectancy and social influence. Behavorial intention and facilitating condition have significant influence on use behavior on. User characteristics (gender, age, experience, and voluntariness) are not proven effective as moderator. UTAUT model has quite high prediction accuracy both in explaining behavioral intention on at 78,7%, and in explaining use behavior on at 65,7%. The result of acceptance and use of evaluation can give a requirement recommendation needed to improve future researches. Keywords:, UTAUT Model, Partial Least Square-Structural Equation Modelling (PLS-SEM) ix

3 2.5 Partial Least Square-Structural Equation Modeling (PLS-SEM) Tools SmartPLS Pengambilan Keputusan dengan P-Value BAB III METODE PENELITIAN Penentuan Populasi dan Sampel Responden Penentuan Model Penelitian dan Hipotesis Penyebaran Kuesioner dan Metode Pengumpulan Data Pengolahan Data Analisis Model UTAUT dengan Menggunakan PLS-SEM Uji Hipotesis dan Pembahasan Rekomendasi BAB IV HASIL DAN PEMBAHASAN Penentuan Populasi dan Sampel Responden Penentuan Model Penelitian dan Hipotesis Penyebaran Kuesioner dan Metode Pengumpulan Data Pengolahan Data Analisis Model UTAUT dengan Menggunakan PLS-SEM Uji Hipotesis dan Pembahasan Rekomendasi BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN xi

4 DAFTAR GAMBAR No. Judul Gambar Halaman 2.1 Halaman Depan Model Penelitian UTAUT Tahapan analisis PLS-SEM Model Penelitian Model Penelitian Output Diagram Jalur Output Diagram Jalur Hasil Re-estimasi Model Singular Matrix Problem Kelompok Experience Singular Matrix Problem Kelompok Voluntariness 55 xii

5 DAFTAR TABEL No. Judul Tabel Halaman Tabel 2.1 Konsep Model UTAUT 8 Tabel 2.2 Susunan Skala Likert 11 Tabel 2.3 Kriteria Penilaian PLS 13 Tabel 3.1 Hipotesis Penelitian 19 Tabel 3.2 Instrumen Kuesioner 29 Tabel 4.1 Hipotesis Penelitian 35 Tabel 4.2 Profil Responden 37 Tabel 4.3 Distribusi Frekuensi Variabel Ekspektasi Kinerja 38 Tabel 4.4 Distribusi Frekuensi Variabel Ekspektasi Usaha 39 Tabel 4.5 Distribusi Frekuensi Variabel Pengaruh Sosial 40 Tabel 4.6 Distribusi Frekuensi Minat Pemanfaatan 41 Tabel 4.7 Distribusi Frekuensi Variabel Kondisi Pemfasilitas 42 Tabel 4.8 Distribusi Frekuensi Variabel Perilaku Penggunaan 43 Tabel 4.9 Outer Loading 46 Tabel 4.10 Outer Loading Hasil Re-estimasi Model 48 Tabel 4.11 Uji Composite reliability 49 Tabel 4.12 Nilai AVE 49 Tabel 4.13 Cross Loading 51 Tabel 4.14 Fornell-Larcker Criterion 52 Tabel 4.15 Path Coefficients 53 Tabel 4.16 Hasil PLS-MGA Variabel Moderator Gender 54 Tabel 4.17 Hasil PLS-MGA Variabel Moderator Age 54 Tabel 4.18 R Square 56 Tabel 4.19 Keputusan Hipotesis 69 xiii

6 DAFTAR LAMPIRAN No. Judul Lampiran Lampiran 1 Kuesioner Penelitian Lampiran 2 Tabulasi Data Penelitian Lampiran 3 Ringkasan Hasil Kuesioner xiv

7 2 berupa artikel, video learning, dan modul-modul pembelajaran interaktif yang tersedia dalam bahasa Indonesia. Situs pembelajaran pemrograman online banyak tersedia dan saling bersaing untuk mendapatkan pengunjung. Pengunjung sendiri memiliki penilaian untuk memilih menggunakan situs pembelajaran online. Niat perilaku pengunjung dalam melakukan pemilihan dipengaruhi oleh harapan akan kinerja, harapan akan usaha, pengaruh sosial, dan kondisi pendukung. Untuk mendapatkan kejelasan terkait hal-hal tersebut diperlukan sebuah analisis penerimaan penggunaan situs pembelajaran online pada masyarakat. Secara teoritis dan praktis Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan model yang dianggap paling tepat dalam menjelaskan penerimaan dan penggunaan sistem informasi. Model UTAUT telah digunakan untuk penelitian yang berada di lingkungan akademik. Model UTAUT telah diterapkan di lingkungan akademik oleh banyak peneliti untuk memahami persepsi mahasiswa terhadap penerimaan dan penggunaan Case tools (Sedana & Wijaya, 2006). Peneliti ingin menggunakan model ini untuk mengevaluasi penerimaan dan penggunaan masyarakat terhadap situs pembelajaran koding BelajarKoding dengan menggunakan dimensi-dimensi yang ada pada model UTAUT yaitu harapan akan kinerja, harapan akan usaha, pengaruh sosial, dan kondisi pendukung. Proses analisis data dalam penelitian ini menggunakan teknik Partial Least Square Structural Equation Model (PLS-SEM). PLS-SEM ini dapat mengestimasi path model menggunakan variabel laten dengan multiple indicator,

8 3 sehingga dapat dengan baik menjelaskan dan memprediksi ada atau tidaknya hubungan antar variabel laten dalam satu blok model penelitan. Terlebih lagi PLS- SEM dapat digunakan pada jenis data nominal, ordinal, dan rasio, dan syarat asuransi yang fleksibel (Yamin & Kurniawan, 2011). 1.2 Rumusan Masalah Berdasarkan latar belakang, rumusan masalah dari penelitian ini: Bagaimana UTAUT berperan dalam menilai penerimaan masyarakat terhadap situs pembelajaran koding BelajarKoding untuk meningkatkan minat mempelajari pemrograman? 1.3 Tujuan Penelitian Tujuan dari penelitian ini adalah untuk mengevaluasi penerimaan dan penggunaan website BelajarKoding dengan menggunakan model UTAUT. 1.4 Manfaat Penelitian Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut: 1. Dapat mengetahui faktor yang memiliki pengaruh paling dominan terhadap minat penggunaan dan penerimaan situs BelajarKoding. 2. Dapat mengetahui seberapa besar akurasi prediksi model UTAUT dalam menjelaskan penerimaan dan penggunaan website BelajarKoding. 1.5 Batasan Masalah Batasan masalah bertujuan agar ruang lingkup penelitian ini tidak terlalu luas dan menghindari kesalahan juga penyimpangan terhadap tujuan penelitian yang hendak dicapai. Batasan masalah penelitian sebagai berikut:

9 4 1. Indikator penerimaan yang digunakan adalah turunan dari penelitianpenelitian terdahulu terkait model UTAUT. Indikator-indikator tersebut digunakan sebagai instrumen pengukuran variabel ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kondisi pemfasilitas, minat pemanfaatan, dan perilaku penggunaan. 2. Hanya mengkaji model penerimaan teknologi UTAUT dengan pendekatan analisis jalur PLS-SEM. 3. Responden dalam pengisisan kuesioner adalah masyarakat yang telah menggunakan situs pembelajaran BelajarKoding.

10 6 2.2 The Unified Theory of Acceptance and Use of Technology (UTAUT) UTAUT merupakan model penerimaan teknologi yang diformulasikan oleh Venkatesh. Dalam UTAUT Venkatesh dkk. menggabungkan fitur-fitur yang terdapat dalam berbagai teori penerimaan teknologi yang telah dianggap berhasil (Venkatesh dkk., 2003) yaitu: 1. Teori tindakan beralasan (theory of reasoned action atau TRA) 2. Model penerimaan tenologi (technology acceptance model atau TAM) 3. Model motivasional (motivational model atau MM) 4. Teori perilaku perencanaan (theory of planned behavior atau TPB) 5. Model gabungan TAM dan TPB (Combined TAM and TPB atau C-TAMTPB) 6. Model pemanfaatan PC (model of PC utilization atau MPCU) 7. Teori difusi inovasi (innovation diffusion theory atau IDT) 8. Teori kognitif sosial (social cognitive theory atau SCT) Melalui penggabungan teori-teori penerimaan tersebut Venkatesh dkk memformulasikan UTAUT yang menjelaskan terdapat empat konstruk yang memiliki pengaruh langsung terhadap penerimaan pengguna dan perilaku penggunaan. Keempat konstruk tersebut adalah: 1. Ekspektasi kinerja (performance expectancy atau PE) didefinisikan sebagai seberapa tinggi seseorang percaya bahwa menggunakan suatu sistem akan membantu dia untuk mendapat keuntungan kinerja di pekerjaannya. Lima konstruk yang termasuk dalam ekspektasi kinerja diperoleh dari beberapa model sebelumnya yaitu kegunaan persepsian di TAM dan C-TAM-TPB,

11 9 Gambar 2.2 Model Penelitian UTAUT 2.3 Data Data adalah deskripsi dasar dari benda, peristiwa, aktivitas dan transaksi yang direkam, dikelompokkan, dan disimpan tetapi belum terorganisir untuk menyampaikan arti tertentu (Turban dkk., 2010). Secara garis besar pengelompokan data dibagi ke dalam beberapa kelompok menurut (Siregar, 2014), antara lain sebagai berikut: 1. Kelompok data menurut cara memperolehnya a. Data Primer Data primer adalah data yang dikumpulkan sendiri oleh peneliti langsung dari sumber pertama atau tempat obyek penelitian dilakukan. b. Data Sekunder Data sekunder adalah data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahnya.

12 12 bobot yang lebih rendah akan berkontribusi rendah pula terhadap variabel laten (Chin dkk, 1996). PLS digunakan untuk mengetahui kompleksitas hubungan suatu konstrak dan konstrak yang lain, serta hubungan suatu konstrak dan indikator-indikatornya. PLS didefinisikan oleh dua persamaan, yaitu inner model dan outer model. Inner model menentukan spesifikasi hubungan antara konstrak dan konstrak yang lain, sedangkan outer model menentukan spesifikasi hubungan antara konstrak dan indikator-indikatornya Kriteria Penilaian PLS PLS memiliki dua model evaluasi, yaitu: a. Model Pengukuran (Measurement/Outer Model) Model pengukuran adalah model yang menspesifikasikan hubungan antara variabel laten dengan setiap blok indikatornya. Evaluasi model pengukuran yang bersifat reflektif adalah menguji convergent validity, discriminant validity, dan reliabillity (Campbell dkk, 1959). Convergent validity berkaitan dengan korelasi hubungan antara indikator (manifes) dan variabel latennya, pengukuran ini seharusnya berkorelasi tinggi (signifikan). Evaluasi model pengukuran untuk hubungan antara indikator dan variabel laten model reflektif dievaluasi melalui construct validity (convergent validity, discriminant validity) dan reliability, sedangkan model formatif mengabaikan konsep realibilitas dan construct validity. Untuk hubungan model pengukuran yang bersifat formatif, konstruk reliabilitas menjadi kriteria yang tidak

13 13 relevan dalam pengujian kualitas model pengukuran, hal yang harus dilakukan ialah menggunakan teori yang ada (rasional) dan pendapat ahli. Setidaknya ada lima isu kritis untuk menentukan kualitas model formatif yaitu content specification, specification indicator, reliability indicator, colinierity indicator, dan external validity (Yamin dkk, 2011). b. Model Struktural (Structural/Inner Model) Model struktural adalah model yang menunjukkan hubungan prediksi (estimasi) antar variabel laten dalam model penelitian. Evaluasi model struktural bertujuan untuk melihat signifikansi hubungan antar variabel laten dalam model penelitian dengan melihat koefisien jalur (path coefficient). Untuk menyimpulkan apakah hipotesis diterima atau ditolak, digunakan komparasi antara t-statistik dan dari t-tabel pada derajat bebas dan tingkat kesalahan (α) yang ditetapkan. Tabel 2.3 Kriteria Penilaian PLS Evaluasi Model Struktural Nilai R 2 untuk menjelaskan pengaruh variabel laten (eksogen) tertentu terhadap variabel laten (endogen) Estimasi Nilai estimasi untuk hubungan jalur koefisien jalur dalam model struktural harus (path signifikansi ini dapat diperoleh dengan coefficient) prosedur bootstrapping yang juga R 2 menghasilkan nilai T (T-Satitstik) 0.67; 0.33; dan 0.19 menunjukkan model kuat, moderat, dan lemah t-tabel 1.65 (signifikansi level = 10%) t-tabel 1.96 (signifikansi level = 5%) t-tabel 2.58 (signifikansi level = 1%) Hipotesis diterima (terdapat

14 14 pengaruh) jika t-statistik t-tabel f 2 size untuk effect Nilai f 2 dapat diinterpretasikan apakah prediktor variabel laten mempunyai pengaruh yang lemah, medium, atau besar pada tingkat struktural 0.02; 0.15 dan 0.35 menunjukkan pengaruh kecil, moderat, dan besar (Cohen, 1998) Relevansi prediksi Q 2 Prosedur blindfolding digunakan untuk menghitung: D adalah ommission distance, E adalah sum of squares of predictionerrors, dan O adalah sum of squares of observation. Evaluasi Model Pengukuran Reflektif Convergent Validity Discriminant Validity Loading factor Nilai Q 2 > 0 menunjukkan variabel laten eksogen baik/sesuai sebagai variabel penjelas yang mampu memprediksi variabel endogennya > 0.7 untuk confirmatory research > 0.6 untuk exploratory research Average variance extracted (AVE) Nilai AVE > 0.5 (untuk Cross Loading Akar kuadrat AVE dan korelasi antar variabel laten Confirmatory research dan Exploratory research), memiliki arti bahwa 50% atau lebih variance indikator dapat dijelaskan Nilai cross loading antara variabel laten dengan indikatornya (sendiri) harus lebih besar dibandingkan indikator lain Nilai akar kuadrat dari AVE > nilai korelasi antar variabel laten Reliability Cronbach s alpha > 0.7 untuk Confirmatory research Composite reliability Evaluasi Model Pengukuran Formatif Reliability Indicator > 0.6 untuk Exploratory research > 0.7 untuk Confirmatory research > 0.6 untuk Exploratory research Signifikansi nilai weight Nilai estimasi untuk model pengukuran formatif harus

15 15 Evaluasi Model Gabungan Goodness of Fit (GoF) Multikolonieritas GoF index ini merupakan ukuran tunggal yang digunakan untuk memvalidasi performa gabungan antara model pengukuran dan model struktural signifikan (minimal 0.2). Tingkat signifikansi ini dinilai dengan prosedur bootstrapping Variabel manifes dalam blok harus diuji apakah terdapat multikol. Nilai Variance Inflation Factor (VIF) dapat digunakan untuk menguji hal ini. Nilai VIF > 10 mengindikasikan multikolinier 0.1; 0.25 dan 0.36 menunjukkan GoF kecil, moderat, dan besar Tahapan Analisis PLS-SEM Tahapan analisis PLS-SEM setidaknya ada tujuh proses yang harus dilakukan, Diagram jalur tahapan analisis dapat dilihat pada gambar 2.5. Tahapan analisis PLS-SEM dijabarkan sebagai berikut: a. Merancang model struktural (inner model) tujuannya adalah memformulasikan model hubungan antar variabel laten. b. Mendefinisikan model pengukuran (outer model), tujuannya untuk adalah mendefinisikan dan mespesifikan hubungan antara konstruk dengan indikatornya, apakah hubungannya bersifat reflektif atau formatif. c. Membuat diagram jalur, tujuannya adalah memvisualisasikan hubungan antara indicator dengan variabel latennya serta antar variabel

16 16 laten dalam model penelitian, sehingga mempermudah peneliti untuk melihat model secara keseluruhan. d. Evaluasi model dimana terdiri dari tahapan evaluasi model pengukuran, evaluasi model struktural, dan evaluasi model gabungan. e. Interpretasi model dimana berdasarkan kepada hasil analisis dari model penelitian (signifikansi hubungan antar variabel). Merancang Model Struktural Mendefinisikan Model Pengukuran Membuat Diagram jalur Mengkonversikan Diagram Jalur ke Sistem Persamaan Evaluasi Model Interpretasi Model Gambar 2.3 Tahapan analisis PLS-SEM (Sofyan & Kurniawan, 2011) 2.6 Tools SmartPLS Tahun 2005 SmartPLS dikembangkan oleh Profesor Cristian M. Ringle, Sven Wended dan Alexander Will. Software ini diciptakan sebagai proyek di Institute of Operation Management and Organization (School of Business) University of Hamburg, Jerman. SmartPLS menggunakan Java Webstart Technology. SmartPLS 3.0 merupakan salah satu program yang digunakan untuk menganalisis data dalam menyelesaikan permasalahan variance-based SEM

17 17 (Ghozali, 2013). SmartPLS 3.0 baik versi student maupun versi trial satu tahun dapat di download di cari platform yang sama dengan operating system computer yang digunakan (windows, macs). Selain bersifat freeware, penggunaan SmartPLS mudah dipelajari dan user friendly. Adapun dukungan problem-solving oleh pembuatnya melalui forum diskusi di Pengambilan Keputusan dengan P-Value P-Value merupakan kriteria uji signifikansi dalam memutuskan apakah menolak H 0 atau menerima H 0. P-value memberikan dua informasi sekaligus yaitu disamping petunjuk apakah H 0 pantas ditolak, p-value juga memberikan informasi mengenai besarnya peluang salah menolak H 0 dari data penelitian (Kurniawan, 2008). Pada umumnya, p-value dibandingkan dengan suatu taraf nyata α tertentu, biasanya α = 5% atau Taraf nyata α diartikan sebagai peluang peneliti melakukan kesalahan untuk menyimpulkan bahwa H 0 salah, padahal sebenarnya statement H 0 benar. Ketentuan yang berlaku untuk keputusan uji statistik dengan p-value sebagai berikut: a. Bila p-value < nilai alpha maka keputusannya adalah H 0 ditolak b. Bila p-value > nilai alpha maka keputusannya adalah H 0 gagal ditolak.

18 BAB III METODE PENELITIAN Metode penelitian adalah suatu cara atau prosedur yang digunakan untuk melakukan penelitian sehingga mampu menjawab rumusan masalah dan tujuan penelitian dengan suatu landasan ilmiah tertentu, tahapan penelitian ini sebagai berikut : 1. Penentuan Populasi dan Sampel Responden 2. Penentuan Model Penelitian dan Hipotesis 3. Penyebaran Kuesioner dan Metode Pengumpulan Data 4. Pengolahan Data 5. Analisis Model UTAUT dengan Menggunakan PLS-SEM 6. Uji Hipotesis dan Pembahasan 7. Rekomendasi Hasil 3.1 Penentuan Populasi dan Sampel Responden Populasi yang dipilih dalam penelitian ini adalah pengguna situs yang, hingga tanggal 18 Desember 2017, berjumlah 1919 orang. Untuk menetukan ukuran minimal sampel guna penerapan PLS-SEM dimana yang direkomendasikan adalah 10 kali jumlah jalur model structural (Chin dan Newsted, 1999). Diketahui bahwa jumlah jalur model struktural penelitian sebanyak 8, sehingga 8 10 = 80 merepresentasikan ukuran minimal sampel yang dibutuhkan untuk melakukan estimasi model jalur PLS. Dengan demikian jumlah sampel yang ditetapkan peneliti adalah sebanyak 100 responden. 18

19 Penentuan Model Penelitian dan Hipotesis Model penelitian yang digunakan adalah model UTAUT yang diperkenalkan oleh Venkantesh dkk (2003). Model penelitian dapat dilihat pada gambar dan tabel menjelaskan hipotesis penelitian. Gambar 3.1 Model Penelitian Tabel 3.1 Hipotesis Penelitian H1 H2 H3 H4 H5 H6 H7 H8 H9 Ekspektasi kinerja akan berpengaruh positif pada minat pemanfaatan situs Ekspektasi usaha akan berpengaruh positif pada minat pemanfaatan situs Pengaruh sosial akan berpengaruh positif pada minat pemanfaatan situs Kondisi pemfasilitas akan berpengaruh positif pada perilaku penggunaan situs Minat pemanfaatan akan berpengaruh positif pada perilaku penggunaan situs Pengaruh ekspektasi kinerja dengan minat pemanfaatan situs akan dimoderasi oleh (a) jenis kelamin dan (b) usia Pengaruh ekspektasi usaha dengan minat pemanfaatan situs akan dimoderasi oleh (a) jenis kelamin, (b) usia, dan (c) pengalaman Efek pengaruh sosial dengan minat pemanfaatan situs akan dimoderasi oleh (a) jenis kelamin, (b) usia, (c) pengalaman dan (d) kesukarelaan Pengaruh kondisi pemfasilitas dengan perilaku penggunaan situs akan dimoderasi oleh (a) usia dan (b) pengalaman

20 20 Adapun penjelasan masing-masing hipotesis mengenai penerimaan atau penolakan hipotesis adalah sebagai berikut: 1. Hipotesis pertama untuk mengetahui pengaruh ekspektasi kinerja terhadap minat pemanfaatan H 0 : Tidak ada pengaruh positif antara ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara ekspektasi kinerja yang dimiliki oleh mahasiswa dengan minat pemanfaatan e-learning 2. Hipotesis kedua untuk mengetahui pengaruh ekspektasi usaha terhadap minat pemanfaatan H 0 : Tidak ada pengaruh positif antara ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara ekspektasi usaha yang dimiliki oleh mahasiswa dengan minat pemanfaatan e-learning 3. Hipotesis ketiga untuk mengetahui hubungan pengaruh sosial terhadap minat pemanfaatan H 0 : Tidak ada pengaruh positif antara pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara pengaruh sosial yang dimiliki oleh mahasiswa dengan minat pemanfaatan e-learning 4. Hipotesis keempat untuk mengetahui pengaruh kondisi pemfasilitas terhadap minat pemanfaatan

21 21 H 0 : Tidak ada pengaruh positif antara kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara kondisi pemfasilitas yang dimiliki oleh mahasiswa dengan minat pemanfaatan e-learning 5. Hipotesis kelima untuk mengetahui pengaruh minat pemanfaatan terhadap Perilaku Pengguna H 0 : Tidak ada pengaruh positif antara minat pemanfaatan yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara minat pemanfaatan yang dimiliki oleh mahasiswa dengan minat pemanfaatan e-learning 6. Hipotesis keenam a) Hipotesis 6a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning b) Hipotesis 6b untuk mengetahui pengaruh moderasi usia terhadap hubungan ekspektasi kinerja dengan minat pemanfaatan

22 22 H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning 7. Hipotesis ketujuh a) Hipotesis 7a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e- learning H 1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning b) Hipotesis 7b untuk mengetahui pengaruh moderasi usia terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning

23 23 c) Hipotesis 7c untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning 8. Hipotesis kedelapan a) Hipotesis 8a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning b) Hipotesis 8b untuk mengetahui pengaruh moderasi usia terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning

24 24 H 1 : Ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning c) Hipotesis 8c untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning d) Hipotesis 8d untuk mengetahui pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning 9. Hipotesis kesembilan a) Hipotesis 9a untuk mengetahui pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas dengan minat pemanfaatan

25 25 H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e- learning H 1 : Ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning b) Hipotesis 6b untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e- learning H 1 : Ada pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan minat pemanfaatan e- learning Variabel bebas terdiri dari ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kondisi pemfasilitasi, minat pemanfaat serta karakteristik responden (usia, jenis kelamin, pengalaman dan kesukarelaan menggunakan situs ). Variabel terikat terdiri dari perilaku penggunaan situs, dan minat pemanfaat situs. Operasional variabel dijabarkan sebagai berikut: 1. Karakteristik responden terdiri dari usia, jenis kelamin, pengalaman menggunakan situs, dan kesukarelaan menggunakan situs

26 26 a. Usia Skala pengukuran Kriteria : Nominal : < 20 tahun, 20 tahun b. Jenis kelamin Skala pengukuran Kriteria : Nominal : Laki-laki dan Perempuan c. Pengalaman adalah lama menggunakan situs Skala pengukuran Kriteria : Nominal : < 2 tahun, 2 tahun d. Kesukarelaan adalah tingkat kesukarelaan responden dalam menggunakan situs Skala pengukuran Kriteria : Nominal : Ya dan Tidak 2. Ekspektasi kinerja adalah seberapa tinggi individu meyakini bahwa dengan menggunakan situs akan membantu dia meningkatkan kinerjanya. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Marchewka dkk (2007) yang diterjemahkan menjadi 4 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju. 3. Ekspektasi usaha adalah tingkat kemudahan penggunaan situs yang akan mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya. Pengukuran menggunakan

27 27 kuesioner. Kuesioner diambil dari penelitian Gandawati (2011) yang diterjemahkan menjadi 4 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju. 4. Pengaruh sosial adalah tingkat dimana individu menganggap bahwa orang lain meyakinkan dirinya bahwa dia harus menggunakan situs. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Marchewka dkk (2007) yang diterjemahkan menjadi 5 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju. 5. Kondisi pemfasilitas adalah tingkat dimana individu percaya bahwa organisasi dan infrastruktur teknis tersedia untuk mendukung penggunaan situs. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Tan (2013) yang diterjemahkan menjadi 4 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju. 6. Minat pemanfaatan adalah niat individu untuk menggunakan situs secara terus-menerus. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Sari (2013) yang diterjemahkan menjadi 3 item pertanyaan. Instrumen dinilai dengan

28 28 menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju. 7. Perilaku penggunaan adalah intensitas individu dalam menggunakan e- learning belajarkodin.net. Pengukuran menggunakan kuesioner. Kuesioner diambil dari penelitian Priyono (2013) yang diterjemahkan menjadi 3 item pertanyaan. Instrumen dinilai dengan menggunakan skala likert 4 poin yaitu 1 = Sangat Tidak Setuju, 2 = Tidak Setuju, 3 = Setuju, 4 = Sangat Setuju. Instrumen kuesioner yang diadaptasi dari penelitian-penelitian terdahulu ini dirancang secara sederhana dan langsung mengukur informasi yang dikehendaki. Instrumen kuesioner yang digunakan dalam penelitian selengkapnya dapat dilihat pada tabel 3.2

29 29 Pengaruh Sosial Tabel 3.2 Instrumen Kuesioner Variable Indikator Sumber PE1 Responden merasa penggunaan e-learning bermanfaat untuk studi Responden merasa penggunaan e-learning mampu PE2 Ekspektasi meningkatkan penyelesaian tugas lebih cepat Kinerja Mampu meningkatkan produktivitas jika PE3 menggunakan e-learning Marchewka dkk, 2007 PE4 Meningkatkan kesempatan untuk mendapatkan grade yang lebih baik melalui penggunaan e-learning EE1 Interaksi dengan e-learning jelas dan dimengerti Menurut responden menu-menu dalam e-learning EE2 cukup banyak (kompleks) namun disusun dengan baik Ekspektasi dan terorganisasi Usaha EE3 e-learning mudah dalam penggunaan (pengoperasian) Gandawati, 2011 EE4 Mudah dalam mempelajari bagaimana menggunakan e-learning Memperoleh saran dari orang-orang yang SI1 mempengaruhi tindakan responden untuk menggunakan e-learning SI2 Memperoleh saran dari orang-orang yang sangat Kondisi pemfasilitas Minat Pemanfaatan Perilaku Penggunaan SI3 SI4 SI5 FC1 FC2 FC3 FC4 BI1 BI2 BI3 UB1 UB2 UB3 berarti bagi responden untuk menggunakan e-learning Memperoleh dukungan dari administrasi organisasi dalam penggunaan Secara umum memperoleh dukungan dari organisasi dalam penggunaan Memperoleh dukungan orang-orang yang sangat berarti bagi responden dalam penggunaan Memiliki sumberdaya (waktu, dana, dsb) yang cukup untuk bisa menggunakan memiliki pengetahuan yang cukup untuk bisa menggunakan kompatibel dengan aplikasi lain yang juga digunakan Terdapat orang-orang yang membantu jika mengalami kesulitan dalam menggunakan situs (dosen, teman, help desk dsb) Berniat tetap menggunakan hingga seterusnya Berangan tetap menggunakan hingga seterusnya Berencana tetap menggunakan Menggunakan secara konsisten Menggunakan, tetapi hanya sebagian kecil Menggunakan hanya untuk kepentingan tugas Marchewka dkk, 2007 Tan, 2013 Sari, 2013 Priyono, Penyebaran Kuesioner dan Metode Pengumpulan Data Penyebaran kuesioner dilakukan secara online, dimana sebanyak 200 kuesioner disebarkan oleh peneliti dengan cara peneliti meminta tolong koordinasi

30 30 pada teman menyebarkan tautan online form Google From melalui group chat Line, Whatsapp, serta group mahasiswa dan group pengguna di media sosial Facebook. Kuesioner juga akan dibuat dan disebarkan secara offline apabila data belum terpenuhi hanya dengan form online. Peneliti akan memberikan penjelasan kepada responden tentang kuesioner yang akan diisi bersamaan dengan pesan tautan dan kontak yang bisa dihubungi, untuk mengantisipasi adanya kebingungan responden dalam menjawab kuesioner sampai selesai. Responden akan dipilih secara acak oleh peneliti. Pengumpulan data primer dalam penelitian ini dilakukan dengan metode survei melalui kuesioner yang dikirimkan kepada responden. Jangka waktu pengisian kuesioner dan pengembalian kuesioner adalah 1 minggu setelah kuesioner disebar. Penyebaran kuisioner ini disesuaikan dengan subjek yang menjadi responden dalam penelitian yaitu pengguna situs. Metode pemilihan responden berdasarkan daerah populasi yang telah ditetapkan. 3.4 Pengolahan Data Data yang telah dikumpulkan akan dilakukan rekapitulasi hasil. Adapun enam variabel yang diuraikan dalam pertanyaan pada kuesioner yaitu ekspektasi kinerja, ekspektasi usaha, pengaruh social, minat pemanfaatan, kondisi pemfasilitas dan perilaku penggunaan. Data tersebut selanjutnya ditabulasi dan dianalisis secara deskriptif. Adapun pengolahan data untuk analisis PLS-SEM dilakukan dengan entri data dalam file excel dan disimpan dengan ekstensi comma delimited (.csv). Tools

31 31 untuk analisis PLS-SEM adalah SmartPLS, fitur yang digunakan diantaranya PLS Algorithm, Bootsrapping dan PLS-MGA. 3.5 Analisis Model UTAUT dengan Menggunakan PLS-SEM Analisa data penelitian telah diputuskan menggunaka teknik analisis PLS- SEM. Alasan peneliti menggunakan analisis PLS-SEM karena dalam penelitian ini menggunakan indikator untuk mengukur setiap variabel latennya, model pengukuran bersifat struktural, dan juga bertujuan untuk orientasi prediktif hubungan antar variabel. Tools yang digunakan untuk analisa data adalah SmartPLS dengan tahapan analisis PLS-SEM sebagai berikut: Evaluasi Model Pengukuran Reflektif Model pengukuran digunakan untuk mengetahui nilai validitas dan reabilitas model yang menghubungkan indikator dengan variabel laten. Evaluasi model pengukuran reflektif dilakukan dengan menilai convergent validity dan discriminant validity. 1. Convergent validity Convergent validity dapat dievaluasi dengan melihat nilai loading factor. Selanjutnya mengukur reliabilitas konstruk dengan kriteriadari blok indikator yang mengukur konstruk. Pengukuran lain yang juga digunakan untuk menguji reliabilitas adalah dengan melihat output AVE. 2. Discriminant validity Discriminant validity dari model pengukuran dengan reflektif indikator dinilai berdasarkan crossloading pengukuran dalam konstruk. Selanjutnya pemeriksaan

32 32 discriminant validity dengan membandingkan korelasi antara konstrak dengan akar AVE konstrak Fornell-Lacker criterion Evaluasi Model Struktural Evaluasi model struktural menggambarkan hubungan antar variabel laten atau hipotesis dalam sebuah model penelitian. Evaluasi model struktural dilakukan dengan mengestimasi path antar variabel dalam model UTAUT, melihat signifikansi, dan mengevaluasi kekuatan prediksi model PLS-MGA PLS-MGA digunakan untuk membandingkan parameter (biasanya path coefficient) antara dua atau lebih kelompok data. Perbedaan nilai estimasi jalur tersebut diuji tingkat signifikansinya dengan p value. PLS-MGA digunakan dalam penelitian karena adanya variabel moderator jenis kelamin, usia, pengalaman dan kesukarelaan di dalam model penelitian. Variabel jenis kelamin dapat diinterpretasikan dengan membagi data kedalam dua kelompok subsample yaitu kelompok laki-laki dan kelompok perempuan, sedangkan variabel usia dapat diinterpretasikan dengan membagi data kedalam dua kelompok subsample yaitu kelompok usia <20 tahun dan kelompok usia 20 tahun. Pengelompokkan usia ini dilakukan dengan median split dan didapatkan cut off point 20 tahun. Variabel pengalaman dapat diinterpretasikan dengan membagi data kedalam dua kelompok subsample yaitu kelompok yang berpengalaman <2 tahun dan kelompok yang berpengalaman 2 tahun dalam menggunakan situs. Adapun variabel kesukarelaan dapat diinterpretasikan dengan

33 33 membagi data ke dalam dua kelompok subsample yaitu kelompok yang sukarela dan kelompok yang tidak sukarela. 3.6 Uji Hipotesis dan Pembahasan Pada tahap ini akan membahas hasil uji hipotesis dari tahapan sebelumnya. Hasil pembahasan menunjukkan hubungan antar variabel yang mempengaruhi penerimaan dan penggunaan website pada mahasiswa program studi terkait informatika. 3.7 Rekomendasi Rekomendasi yang dituliskan digunakan sebagai pertimbangan pengembangan kebutuhan untuk meningkatkan peran dalam pembelajaran.

34 BAB IV HASIL DAN PEMBAHASAN Dalam bab ini akan membahas hasil analisis deskriptif, analisis data kuantitatif, dan penjelasannya. Analisis deskriptif akan menjelaskan karakteristik responden melalui jawaban responden atas pertanyaan kuesioner. Selanjutnya akan dibahas analisis data kuantitatif dengan menggunakan statistik Partial Least Square-Structural Equation Modeling (PLS-SEM) yang bertujuan untuk menguji hipotesis penelitian, dan terakhir akan diuraikan pembahasan hasil temuan berdasarkan hasil uji hipotesis penelitian. 4.1 Penentuan Populasi dan Sampel Responden Populasi responden dalam penelitian ini adalah seluruh pengguna e- learning yang, hingga tanggal 18 Desember 2017, berjumlah 1919 orang. Dari populasi tersebut ditetapkan sampel responden sebanyak 100 orang. Profil responden meliputi informasi jenis kelamin, usia, pengalaman menggunakan e-learning, dan kesukarelaan. 4.2 Penentuan Model dan Hipotesis Model penelitian yang digunakan adalah model UTAUT yang diperkenalkan oleh Venkantesh dkk (2003). Model penelitian dapat dilihat pada gambar

35 35 Gambar 4.1 Model Penelitian Hipotesis yang dibuat berdasarkan model penelitian dapat dilihat pada Tabel 4.1. Tabel 4.1 Hipotesis Penelitian H1 H2 H3 H4 H5 H6 H7 H8 H9 Ekspektasi kinerja akan berpengaruh positif pada minat pemanfaatan situs Ekspektasi usaha akan berpengaruh positif pada minat pemanfaatan situs Pengaruh sosial akan berpengaruh positif pada minat pemanfaatan situs Kondisi pemfasilitas akan berpengaruh positif pada perilaku penggunaan situs Minat pemanfaatan akan berpengaruh positif pada perilaku penggunaan situs Pengaruh ekspektasi kinerja dengan minat pemanfaatan situs akan dimoderasi oleh (a) jenis kelamin dan (b) usia Pengaruh ekspektasi usaha dengan minat pemanfaatan situs akan dimoderasi oleh (a) jenis kelamin, (b) usia, dan (c) pengalaman Efek pengaruh sosial dengan minat pemanfaatan situs akan dimoderasi oleh (a) jenis kelamin, (b) usia, (c) pengalaman dan (d) kesukarelaan Pengaruh kondisi pemfasilitas dengan perilaku penggunaan situs akan dimoderasi oleh (a) usia dan (b) pengalaman

36 Penyebaran Kuesioner dan Metode Pengumpulan Data Penyebaran kuesioner dilakukan secara online, dimana sebanyak 200 kuesioner disebarkan oleh peneliti dengan cara peneliti meminta tolong koordinasi pada teman menyebarkan tautan online form Google From melalui group chat Line, Whatsapp, serta group mahasiswa dan group pengguna. Data primer dikumpulkan dengan metode survei melalui kuesioner yang dikirimkan kepada responden tersebut. Melalui penyebaran kuesioner tersebut ditemukan profil responden yang meliputi informasi jenis kelamin, usia, pengalaman menggunakan e-learning, dan kesukarelaan Jenis kelamin responden meliputi kategori laki-laki dan perempuan. Usia responden dibagi menjadi dua kategori yaitu kelompok usia <20 tahun dan kelompok usia 20 tahun. Pembagian kategori tersebut berdasarkan cut off point median usia responden yaitu 20 tahun. Pengalaman responden dalam menggunakan e-learning juga dibagi menjadi dua kategori yaitu kelompok yang berpengalaman <2 tahun dan kelompok yang berpengalaman 2 tahun. Selain itu, kesukarelaan responden dalam menggunakan e-learning juga dibagi menjadi dua kategori yaitu kelompok yang sukarela dan kelompok yang tidak sukarela. Profil responden berdasarkan jenis kelamin diketahui bahwa jumlah responden laki-laki lebih banyak dibanding jumlah responden perempuan. Jumlah responden perempuan sebanyak 20 orang, sedangkan laki-laki sebanyak 80 orang. Diketahui pula bahwa jumlah responden terbanyak berada pada kelompok usia 20 tahun yakni sebanyak 82 orang, sedangkan responden dengan kelompok usia

37 37 <20 tahun sebanyak 18 orang. Selain itu profil responden berdasarkan pengalaman menggunakan e-learning diketahui bahwa jumlah responden terbanyak adalah kelompok yang berpengalaman <2 tahun sebanyak 91 orang, sedangkan kelompok responden yang berpengalaman 2tahun sebanyak 9 orang. Diketahui pula bahwa responden yang sukarela menggunakan e-learning lebih banyak dibanding jumlah responden yang tidak sukarela. Jumlah responden yang tidak sukarela sebanyak 17 orang, sedangkan responden yang sukarela sebanyak 83 orang. Rincian profil responden tersaji dalam Tabel 4.2. Tabel 4.2 Profil Responden Keterangan Total Prosentase Jumlah Sampel % Jenis Kelamin: Laki-laki 80 80% Perempuan 20 20% Usia: <20 tahun 18 18% 20 tahun 82 82% Pengalaman menggunakan e- learning : <2 tahun 91 91% 2 tahun 9 9% Kesukarelaan menggunakan e- learning : Sukarela 83 83% Tidak Sukarela 17 17% 4.4 Pengolahan Data Pengolahan data dilakukan dengan melakukan penyajian data penelitian. Penyajian ini dilakukan untuk mengetahui gambaran kecenderungan atau trend pilihan jawaban responden atas pertanyaan yang disajikan dalam kuesioner, item pertanyaan yang disajikan merupakan indikator dari variabel penelitian, sehingga data yang dihasilkan merupakan gambaran nyata dari pengalaman yang dialami

38 38 dan persepsi dari responden mengenai kondisi yang ada menurut penilaian responden Ekspektasi Kinerja Ekspektasi kinerja bertujuan untuk mengukur tingkat dimana seseorang menyakini bahwa dengan menggunakan aplikasi e-learning dapat meningkatkan kinerjanya. Tabel 4.3 merangkum distribusi frekuensi persepsi responden terhadap ekspektasi kinerja. Tabel 4.3 Distribusi Frekuensi Variabel Ekspektasi Kinerja Indikator Skala Pengukuran (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. % PE PE PE Modus PE Keterangan: PE1: responden merasa penggunaan e-learning bermanfaat untuk studi PE2: responden merasa penggunaan e-learning mampu meningkatkan penyelesaian tugas lebih cepat PE3: mampu meningkatkan produktivitas jika menggunakan e-learning PE4: meningkatkan kesempatan untuk mendapatkan grade yang lebih baik melalui penggunaan elearning Dari tabel 4.3 distribusi frekuensi variabel ekspektasi kinerja jika dilihat dari nilai modus, pilihan jawaban terbanyak pada tiap indikator adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan e-learning bermanfaat untuk studi, mampu meningkatkan penyelesaian tugas lebih cepat, mampu meningkatkan produktivitas, serta meningkatkan kesempatan responden untuk mendapatkan grade yang lebih baik.

39 Ekspektasi Usaha Ekspektasi usaha bertujuan untuk mengukur tingkat kemudahan penggunaan aplikasi e-learning akan dapat mengurangi upaya (tenaga dan waktu) seseorang dalam melakukan pekerjaannya. Tabel 4.4 merangkum distribusi frekuensi responden terhadap ekspektasi usaha. Tabel 4.4 Distribusi Frekuensi Variabel Ekspektasi Usaha Indikator Skala Pengukuran (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. % EE EE EE Modus EE Keterangan: EE1: interaksi dengan e learning jelas dan dimengerti EE2: menurut responden menu-menu dalam e-learning cukup banyak (kompleks) namun disusun dengan baik dan terorganisasi EE3: mudah dalam penggunaan (pengoperasian) EE4: mudah dalam mempelajarai bagaimana menggunakan e-learning Dari tabel 4.4 distribusi frekuensi variabel ekspektasi usaha jika dilihat dari nilai modus, pilihan jawaban terbanyak pada setiap indikator adalah setuju. Hal ini menunjukkan bahwa sebagian besar responden merasa interaksi dengan e- learning sudah jelas dan dimengerti, merasa susunan menu sudah terorganisasi dengan baik, memiliki persepsi yang sama dalam merasakan kemudahan penggunaan e-learning dan mudah dipelajari Pengaruh Sosial Pengaruh sosial bertujuan untuk mengukur tingkat dimana individu menganggap bahwa orang lain menyakinkan dirinya bahwa dia harus menggunakan e-learning. Berdasarkan model UTAUT faktor

40 40 pengaruh sosial yang merepresentasikan konsep lingkungan social responden diyakini mempengaruhi minat pemanfaatan e-learning. Tabel 4.5 merangkum distribusi frekuensi persepsi responden terhadap pengaruh sosial. Tabel 4.5 Distribusi Frekuensi Variabel Pengaruh Sosial Indikator Skala Pengukuran (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. % SI SI SI SI Modus SI Keterangan: SI1: memperoleh saran dari orang-orang yang mempengaruhi tindakan responden untuk menggunakan e- learning SI2: memperoleh saran dari orang-orang yang sangat berarti (penting) bagi responden, untuk menggunakan e- learning SI3: memperoleh dukungan dari administrasi organisasi (jurusan/fakultas) dalam penggunaan e-learning SI4: Secara umum, memperoleh dukungan dari organisasi (jurusan/fakultas) dalam penggunaan e-learning SI5: memperoleh dukungan dari dosen dalam penggunaan e-learning Dari tabel 4.5 distribusi frekuensi variabel social influence jika dilihat dari nilai modus, pilihan jawaban terbanyak pada setiap indikator adalah setuju. Hal ini menunjukkan bahwa sebagian besar responden merasa penggunaan e-learning karena saran dari orang-orang yang dianggap berpengaruh dan penting bagi mereka (misalnya teman, keluarga, atau senior). Responden juga merasa penggunaan e-learning dikarenakan adanya dukungan administrasi organisasi, dukungan organisasi secara keseluruhan, maupun dukungan dari orang-orang yang berarti bagi responden.

41 Minat Pemanfaatan Minat Pemanfaatan bertujuan untuk mengukur niat individu menggunakan e-learning secara terus-menerus. Tabel 4.6 merangkum distribusi frekuensi persepsi responden terhadap minat pemanfaatan. Tabel 4.6 Distribusi Frekuensi Variabel Minat Pemanfaatan Indikator Skala Pengukuran (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. % BI BI BI Keterangan: BI1: berniat tetap menggunakan e-learning hingga seterusnya BI2: berangan tetap menggunaka e-learning hingga seterusnya BI3: berencana tetap menggunakan e-learning Modus Dari tabel 4.6 distribusi frekuensi variabel behavioral intention jika dilihat dari nilai modus, pilihan jawaban terbanyak pada setiap indikator adalah setuju. Hal ini menunjukkan bahwa sebagian besar responden berniat, berangan, maupun berencana untuk tetap menggunakan e-learning hingga seterusnya Kondisi Pemfasilitas Kondisi pemfasilitas bertujuan untuk mengukur tingkat dimana individu menyakini bahwa organisasi dan infrastruktur teknis tersedia untuk mendukung penggunaan e-learning. Tabel 4.7 merangkum distribusi frekuensi persepsi responden terhadap kondis pemfasilitas.

42 42 Tabel 4.7 Distribusi Frekuensi Variabel Kondisi Pemfasilitas Indikator Skala Pengukuran (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. % FC FC FC Modus FC Keterangan: FC1: memiliki sumberdaya (waktu, dana, dsb) yang cukup untuk bisa menggunakan e-learning FC2: memiliki pengetahuan yang cukup untuk bisa menggunakan e-learning FC3: e-learning kompatibel dengan aplikasi lain yang juga digunakan (missal: MS Word, MS Excel, dsb) FC4: Terdapat orang-orang yang membantu jika mengalami kesulitan dalam menggunakan e-learning (dosen, teman, dsb) Dari tabel 4.7 distribusi frekuensi variabel kondisi pemfasilitas jika dilihat dari nilai modus, pilihan jawaban terbanyak pada setiap indikator adalah setuju. Hal ini menunjukkan bahwa sebagian besar responden mempunyai persepsi yang sama bahwa mereka telah memiliki sumberdaya, dan pengetahuan yang cukup untuk bisa menggunakan e-learning. E-learning menurut sebagian besar responden telah kompatibel dengan aplikasi lain yang digunakan, dan terdapat orang-orang yang membantu jika mengalami kesulitan penggunaan Perilaku Penggunaan Perilaku penggunaan bertujuan untuk mengukur tingkat penerimaan individu berdasarkan intensitas dalam menggunakan e-learning. Tabel 4.8 merangkum distribusi frekuensi persepsi responden terhadap perilaku penggunaan.

43 43 Tabel 4.8 Distribusi Frekuensi Variabel Perilaku Penggunaan Indikator Skala Pengukuran (STS) (TS) (S) (SS) Frek. % Frek. % Frek. % Frek. % UB UB UB Keterangan: UB1: menggunakan e-learning secara konsisten UB2: menggunakan e-learning, tetapi masih sebagian kecil UB3: menggunakan e-learning hanya untuk download/upload materi Modus Dari tabel 4.8 distribusi frekuensi variabel perilaku penggunaan jika dilihat dari nilai modus, pilihan jawaban terbanyak pada semua indikator adalah setuju. Hal ini menunjukkan bahwa responden merasa perilaku penggunaannya terhadap e-learning telah konsisten, tetapi masih sebagian kecil, dan hanya untuk download/upload materi kuliah. 4.5 Analisis Model UTAUT dengan Menggunakan PLS-SEM Analisis model UTAUT pada penelitian ini menggunakan metode PLS- SEM. Analisis menggunakan metode PLS SEM meliputi 2 tahapan yaitu tahap evaluasi model pengukuran reflektif, dan tahap evaluasi model struktural Evaluasi model pengukuran reflektif terdiri dari uji validitas dan reliabilitas indikator penelitian. Evaluasi ini bertujuan untuk mengukur hubungan antara variabel dengan indikator penyusunnya, artinya seberapa besar variabel laten mampu mengandung keragaman data yang ada dalam setiap indikator dan seberapa besar keterkaitan hubungan antara variabel laten dengan indikatorindikatornya. Dalam hal ini ada tiga aspek yang dinilai yaitu Convergent Validity,

44 44 discriminant validity, dan composite reliability. Sedangkan, evaluasi model struktural bertujuan untuk menguji hipotesis penelitian Evaluasi Model Pengukuran Reflektif Evaluasi model pengukuran reflektif adalah evaluasi hubungan antara variabel dengan indikatornya dimana penggambarannya ditunjukkan dengan anak panah dari konstruk (berbentuk elips) ke beberapa indikator (berbentuk kotak). Evaluasi ini meliputi dua tahap yaitu uji Convergent Validity dan discriminant validity. Tahap 1: Uji Convergent Validity Convergent Validity bertujuan untuk mengukur kesesuaian antara indikator hasil pengukuran variabel dan konsep teoritis yang menjelaskan keberadaankeberadaan indikator dari variabel tersebut. Uji Convergent Validity dapat dievaluasi dalam tiga tahap yaitu dengan melihat outer loadings, composite reliability, dan Average Variance Extracted (AVE). Outer loadings adalah tabel yang berisi loading factor untuk menunjukkan besar korelasi antara indikator dengan variabel laten. Loading factor paling lemah yang dapat diterima validitasnya adalah 0,4. Output outer loadings dapat diperoleh dari PLS Algorithm Report SmartPLS. Untuk memudahkan dalam melihat outer loadings dari blok-blok indikator yang mengukur konstruk maka disajikan diagram jalur pada gambar 4.2.

45 45 Gambar 4.2 Output Diagram Jalur Indikator UB3 menunjukkan korelasi yang tidak valid karena memiliki loading factor kurang dari 0,40 yakni sebesar 0,341. Berdasarkan kriteria penilaian PLS-SEM bahwa indikator yang tidak valid tersebut harus dikeluarkan dari model karena dianggap tidak mampu mengukur konstruk asosiasinya. Penghapusan indikator nantinya dilanjutkan dengan melakukan estimasi ulang atau re-estimasi. Bentuk lain penyajian output outer loadings ditampilkan pada tabel 4.9.

46 46 Tabel 4.9 Outer Loading Korelasi indikator dengan variabel Loading Factor Keterangan BI1 <- BI Valid BI2 <- BI Valid BI3 <- BI Valid EE1 <- EE Valid EE2 <- EE Valid EE3 <- EE Valid EE4 <- EE Valid FC1 <- FC Valid FC2 <- FC Valid FC3 <- FC Valid FC4<- FC Valid PE1 <- PE Valid PE2 <- PE Valid PE3 <- PE Valid PE4 <- PE Valid SI1 <- SI Valid SI2 <- SI Valid SI3 <- SI Valid SI4<- SI Valid SI5 <- SI Valid UB1 <- UB Valid UB2 <- UB Valid UB3 <- UB Tidak Valid Re-estimasi atau melakukan estimasi ulang untuk evaluasi model pengukuran reflektif dimaksudkan untuk memeriksa kembali validitas loading factor setiap indikator. Jika uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji lebih lanjut. Untuk mempermudah visualisasi hasil re-estimasi maka disajikan diagram jalur model pengukuran pada gambar 4.3.

47 47 Gambar 4.3 Output Diagram Jalur Hasil Re-estimasi Model Dari gambar 4.3 dapat dilihat besaran loading factor hasil re-estimasi dari masing-masing indikator yang mengukur konstruk. Hasil re-estimasi tersebut menunjukkan bahwa seluruh indikator telah memiliki validitas yang baik karena memiliki loading factor lebih dari 0,40. Oleh karena uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji lebih lanjut. Adapun bentuk lain penyajian output outer loadings hasil re-estimasi ditampilkan pada tabel 4.10.

48 48 Tabel 4.10 Outer Loading Hasil Re-estimasi Model Korelasi indikator dengan variabel Loading Factor Keterangan BI1 <- BI Valid BI2 <- BI Valid BI3 <- BI Valid EE1 <- EE Valid EE2 <- EE Valid EE3 <- EE Valid EE4 <- EE Valid FC1 <- FC Valid FC2 <- FC Valid FC3 <- FC Valid FC4<- FC Valid PE1 <- PE Valid PE2 <- PE Valid PE3 <- PE Valid PE4 <- PE Valid SI1 <- SI Valid SI2 <- SI Valid SI3 <- SI Valid SI4<- SI Valid SI5 <- SI Valid UB1 <- UB Valid UB2 <- UB Valid Pemeriksaan selanjutnya dari Convergent Validity adalah reliabilitas. Reliabilitas didefinisikan sebagai kemampuan indikator instrumen dalam menghasilkan nilai yang sama secara berulang (konsistensi) pada setiap aktivitas penelitian. Tingkat reliabilitas diukur dengan nilai composite reliability dan nilai AVE. Nilai composite reliability mengasumsikan bahwa seluruh indikator memiliki bobot penilaian yang tidak sama. Nilai composite reliability lebih besar dari 0,7 mengindikasikan konstruk memiliki reliabilitas yang dapat diandalkan.

49 49 Output composite reliability yang diperoleh dari PLS Algorithm Report SmartPLS tersaji pada tabel Tabel 4.11 Uji Composite reliability Variabel Composite reliability Keterangan BI Reliabel FE Reliabel FC Reliabel PE Reliabel SI Reliabel UB Reliabel Dari tabel 4.11 hasil uji composite reliability menunjukkan bahwa seluruh konstruk telah reliabel atau memiliki nilai composite reliability yang dapat diterima. Hal ini dikarenakan nilai composite reliability pada masing-masing konstruk telah lebih besar dari 0,7. Pengukuran lain yang juga digunakan untuk menguji reliabilitas adalah AVE. Nilai AVE bertujuan untuk mengukur tingkat variansi suatu komponen konstruk yang dihimpun dari indikatornya dengan menyesuaikan pada tingkat kesalahan. Pengujian dengan nilai AVE bersifat lebih kritis daripada composite reliability. Nilai AVE minimal yang direkomendasikan adalah 0,50. Output AVE yang diperoleh dari PLS Algorithm Report SmartPLS yang tersaji pada tabel Tabel 4.12 Nilai AVE Variabel AVE BI FE FC PE SI UB 0.640

50 50 Dari tabel 4.12 hasil uji dengan nilai AVE menunjukkan bahwa seluruh konstruk mempunyai reliabilitas yang potensial untuk diuji lebih lanjut. Hal ini dikarenakan nilai AVE pada seluruh konstruk telah lebih besar dari 0,50. Tahap 2: Uji Discriminant Validity Discriminant validity adalah tingkat diferensi suatu indikator dalam mengukur konstruk-konstruk instrumen. Untuk menguji discriminat validity dapat dilakukan dengan pemeriksaan cross loading yakni koefisien korelasi indikator terhadap konstruk asosiasinya (loading) dibandingkan dengan koefisien korelasi dengan konstruk lain (cross loading). Nilai koefisien korelasi indikator harus lebih besar terhadap konstruk asosiasinya daripada konstruk lain. Nilai yang lebih besar ini mengindikasikan kecocokan suatu indikator untuk menjelaskan konstruk asosiasinya dibandingkan menjelaskan konstruk-konstruk lain. Uji validitas diskriminan lainnya adalah dengan membandingkan korelasi antara variabel dengan akar kuadrat AVE ( mempunyai discriminant validity yang baik jika ). Model pengukuran setiap variabel lebih besar daripada korelasi antar variabel lainnya. SmartPLS sebagai tools untuk analisis PLS-SEM ini telah mencakup uji discriminant validity. Penilaian discriminant validity yang dihasilkan SmartPLS terdiri dari tiga kriteria yakni Fornell-Lacker Criterion, cross loadings, dan Heterotrait-Monotrait Ratio (HTMT). Dalam pembahasan kali ini, peneliti hanya menggunakan kriteria Fornell-Lacker Criterion dan cross loadings. Berikut adalah hasil output cross loadings yang diperoleh dari PLS Algorithm Report SmartPLS tersaji pada tabel 4.13.

51 51 Tabel 4.13 Cross Loading Indikator BI EE FC PE SI UB BI BI BI EE EE EE EE FC FC FC FC PE PE PE PE SI SI SI SI SI UB UB Pembacaan cross loadings pada tabel 4.13 adalah berdasarkan kolom. Dapat dilihat bahwa indikator BI1, BI2, dan BI3 memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu BI dengan koefisien korelasi sebesar 0.948, 0.963, dan Nilai koefisien korelasi blok indikator tersebut telah lebih besar terhadap konstruk asosiasinya daripada konstruk-konstruk lain. Indikator EE1, EE2, EE3, dan EE4 juga memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu EE. Sama halnya dengan indikator konstruk lainnya yang

52 52 berkorelasi lebih tinggi dengan konstruk asosiasinya dibandingkan dengan konstruk lain, sehingga dapat dikatakan memiliki discriminant validity yang baik. Pemeriksaan selanjutnya adalah membandingkan korelasi antar variabel dengan jika. Model pengukuran mempunyai discriminant validity yang baik setiap variabel lebih besar daripada korelasi antar variabel. Nilai dapat dilihat dari output Fornell-Larcker Criterion SmartPLS yang tersaji dalam tabel Tabel 4.14 Fornell-Larcker Criterion BI EE FC PE SI UB BI 0.958* FE * FC * PE * SI * UB * Keterangan: * menunjukkan nilai Pembacaan tabel Fornell-Larcker Criterion pada tabel 4.14 adalah berdasarkan baris. Dapat dilihat bahwa nilai variabel BI sebesar 0.958, sedangkan nilai korelasi tertinggi variabel BI dengan variabel lain hanya sebesar 0,855. Dengan demikian variabel BI lebih besar dibandingkan korelasi BI dengan variabel lainnya. Demikian pula pada variabel lain yang menunjukkan lebih besar dibandingkan korelasi antar variabel. Sehingga syarat discriminant validity dengan telah terpenuhi Evaluasi Model Struktural Evaluasi model struktural bertujuan untuk menguji ada atau tidak adanya pengaruh antar konstruk, dan R Square. Model struktural dievaluasi dengan

53 53 menggunakan p-value untuk mengetahui signifikansi dari koefisien parameter jalur struktural dan R Square untuk mengetahui pengaruh variabel laten independen terhadap variabel laten dependen apakah memiliki pengaruh yang substantif. a) Evaluasi signifikansi hubungan jalur pada hipotesis penelitian Untuk menyimpulkan apakah hipotesis diterima atau ditolak, digunakan harga p-value pada signifikansi α = 5% atau 0,05. Jika p-value < 0,05 maka H 0 ditolak artinya terdapat pengaruh. Sebaliknya, jika p-value > 0,05 maka H 0 diterima artinya tidak ada pengaruh. Berikut adalah hasil evaluasi model struktural yang diperoleh dari Bootstrapping Report SmartPLS tersaji pada tabel Tabel 4.15 Path Coefficients Diagram Jalur Path Coefficient P Values Keterangan BI -> UB Ada Pengaruh EE -> BI Tidak Ada Pengaruh FC -> UB Ada Pengaruh PE -> BI Ada Pengaruh SI -> BI Ada Pengaruh Evaluasi model struktural dengan variabel moderator gender dilakukan dengan pendekatan multigroup analysis atau PLS-MGA. PLS-MGA ini berguna untuk analisis variabel moderator yang bersifat kategori. Variabel moderator gender dapat diinterpretasikan dengan membagi data kedalam dua kelompok subsample yaitu kelompok laki-laki dan kelompok perempuan. Perbedaan nilai estimasi jalur kemudian diuji tingkat signifikansinya dengan p-value. Jika p-value < 0,05 maka H 0 ditolak artinya terdapat pengaruh. Jika p-value > 0,05 maka H 0

54 54 diterima artinya tidak ada pengaruh. Hasil PLS-MGA variabel moderator gender yang diperoleh dari PLS-MGA Report SmartPLS ditampilkan pada tabel Tabel 4.16 Hasil PLS-MGA Variabel Moderator Gender Diagram Jalur Path Coefficient-diff ( Laki-laki Perempuan ) P-Values (Laki-laki vs Perempuan) BI -> UB EE -> BI FC -> UB PE -> BI SI -> BI Keterangan Tidak Ada Pengaruh Tidak Ada Pengaruh Tidak Ada Pengaruh Tidak Ada Pengaruh TidakAda Pengaruh Evaluasi model struktural dengan variabel moderator age juga dilakukan dengan pendekatan PLS-MGA. Variabel moderator age dapat diinterpretasikan dengan membagi data kedalam dua kelompok subsample yaitu kelompok usia <20 tahun dan kelompok usia 20 tahun. Hasil PLS-MGA variabel moderator age yang diperoleh dari PLS-MGA Report SmartPLS ditampilkan pada tabel Tabel 4.17 Hasil PLS-MGA Variabel Moderator Age Diagram Jalur Path Coefficient-diff ( <20 tahun 20 tahun ) P-Values (<20tahun vs 20tahun) BI -> UB EE -> BI FC -> UB PE -> BI SI -> BI Keterangan Tidak Ada Pengaruh Tidak Ada Pengaruh Tidak Ada Pengaruh Tidak Ada Pengaruh TidakAda Pengaruh Pendekatan PLS-MGA tidak dapat dilakukan pada analisis multigrup variabel moderator experience, karena besarnya jarak antara kelompok yang berpengalaman <2 tahun dan kelompok yang berpengalaman 2 tahun dalam

55 55 menggunakan e-learning sehingga menyebabkan masalah perhitungan singular matrix problem. Hal ini dapat diakibatkan karena kecilnya ukuran sampel pada kelompok yang berpengalaman 2 tahun. Kecilnya kelompok tersebut menunjukkan moderasi pengalaman tidak signifikan. Gambar 4.4 Singular Matrix Problem Kelompok Experience Analisis multigrup variabel moderator voluntariness juga tidak dapat dilakukan dengan pendekatan PLS-MGA karena besarnya jarak antara kelompok yang tidak sukarela dan kelompok yang sukarela dalam menggunakan e-learning. Kecilnya pengguna yang tidak sukarela menunjukkan moderasi kesukarelaan tidak signifikan. Gambar 4.5 Singular Matrix Problem Kelompok Voluntariness

56 56 b) Evaluasi nilai R Square Nilai R Square digunakan untuk menjelaskan pengaruh variabel eksogen terhadap variabel endogen. Nilai R Square diperoleh dari PLS Algorithm Report SmartPLS dan dapat dilihat pada tabel Tabel 4.18 R Square Variabel R Square BI UB Nilai R Square variabel BI adalah 0,787, artinya adalah variabel PE, EE, dan SI secara simultan mampu menjelaskan pengaruhnya terhadap variabel BI sebesar 78,7% sedangkan 21,3% dijelaskan oleh variabel lain di luar model yang diteliti. Sedangkan nilai R Square variabel UB sebesar 0,657 yang artinya adalah variabel BI dan FC secara simultan mampu menjelaskan pengaruhnya terhadap variabel UB sebesar 65,7% sedangkan 34,3% dijelaskan oleh variabel lain di luar model yang diteliti. 4.6 Uji Hipotesis dan Pembahasan Hipotesis Pertama Untuk Mengetahui Pengaruh Ekspektasi Kinerja Terhadap Minat Pemanfaatan H 0 : Tidak ada pengaruh positif antara ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning

57 57 Berdasarkan hasil evaluasi model struktural pada tabel 4.21 hubungan antara ekspektasi kinerja dengan minat pemanfaatan (PE BI) menghasilkan p- value sebesar 0,000 signifikan pada α = 5%. Nilai path coefficient sebesar 0,420 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 ditolak, artinya terdapat pengaruh positif antara ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning. Hal ini mengindikasikan bahwa keyakinan positif masyarakat atas kinerja yang ditawarkan oleh sistem adalah salah satu kunci penerimaan mereka terhadap aplikasi e-learning. Semakin masyarakat merasa terbantu dengan adanya aplikasi e-learning, maka semakin tinggi pula minat pemanfaatan mereka atas aplikasi tersebut Hipotesis Kedua Untuk Mengetahui Pengaruh Ekspektasi Usaha Terhadap Minat Pemanfaatan H 0 : Tidak ada pengaruh positif antara ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil evaluasi model struktural pada tabel 4.21 hubungan antara ekspektasi usaha dengan minat pemanfaatan (EE BI) menghasilkan p- value sebesar 0,394 tidak signifikan pada α = 5%. Nilai path coefficient sebesar 0,087 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak terdapat pengaruh positif dan signifikan antara ekspektasi

58 58 usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Hipotesis Ketiga Untuk Mengetahui Hubungan Pengaruh Sosial Terhadap Minat Pemanfaatan H 0 : Tidak ada pengaruh positif antara pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh positif antara pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil evaluasi model struktural pada tabel 4.21 hubungan antara pengaruh sosial dengan minat pemanfaatan (SI BI) menghasilkan pvalue sebesar 0,000 signifikan pada α = 5%. Nilai path coefficient sebesar 0,444 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 ditolak, artinya terdapat pengaruh positif dan signifikan antara pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa semakin tinggi pengaruh sosial yang dimiliki masyarakat, maka semakin tinggi minat pemanfaatan e-learning Hipotesis Keempat Untuk Mengetahui Pengaruh Kondisi Pemfasilitas Terhadap Perilaku Penggunaan H 0 : Tidak ada pengaruh positif antara kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning

59 59 H 1 : Ada pengaruh positif antara kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning Berdasarkan hasil evaluasi model struktural pada tabel 4.21 hubungan antara kondisi pemfasilitas dengan perilaku penggunaan (FC UB) menghasilkan p-value sebesar 0,009 signifikan pada α = 5%. Nilai path coefficient sebesar 0,361 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 ditolak, artinya terdapat pengaruh positif dan signifikan antara kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning. Hal ini menunjukkan bahwa semakin tinggi kondisi pemfasilitas yang dimiliki masyarakat, maka semakin tinggi pula perilaku penggunaan e-learning Hipotesis Kelima Untuk Mengetahui Pengaruh Minat Pemanfaatan Terhadap Perilaku Penggunaan H 0 : Tidak ada pengaruh positif antara minat pemanfaatan yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning H 1 : Ada pengaruh positif antara minat pemanfaatan yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning Berdasarkan hasil evaluasi model struktural pada tabel 4.21 hubungan antara minat pemanfaatan dengan perilaku penggunaan (BI UB) menghasilkan p-value sebesar 0,000 signifikan pada α = 5%. Nilai path coefficient sebesar 0,480 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 ditolak, artinya terdapat pengaruh positif antara minat pemanfaatan yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning. Hal ini

60 60 menunjukkan bahwa semakin tinggi minat pemanfaatan yang dimiliki masyarakat, maka semakin tinggi pula perilaku penggunaan e-learning Hipotesis Keenam a) Hipotesis 6a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e- learning H 1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e- learning Berdasarkan hasil PLS-MGA gender pada tabel 4.22, efek moderasi jenis kelamin terhadap hubungan antara ekspektasi kinerja dengan minat pemanfaatan (PE BI) menghasilkan p-value sebesar 0,430 tidak signifikan pada α = 5%. Nilai path coefficient diff sebesar 0,027 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara laki-laki dan perempuan dalam mempengaruhi minat pemanfaatan e-learning.

61 61 b) Hipotesis 6b untuk mengetahui pengaruh moderasi usia terhadap hubungan ekspektasi kinerja dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil PLS-SEM age pada tabel 4.23, efek moderasi usia terhadap hubungan antara ekspektasi kinerja dengan minat pemanfaatan (PE BI) menghasilkan p-value sebesar 0,394 tidak signifikan pada α = 5%. Nilai path coefficient diff sebesar 0,076 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi kinerja yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara kelompok usia <20 tahun dan kelompok usia 20 tahun dalam mempengaruhi minat pemanfaatan e-learning Hipotesis Ketujuh a) Hipotesis 7a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning

62 62 H 1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil PLS-MGA gender pada tabel 4.22, efek moderasi jenis kelamin terhadap hubungan antara ekspektasi usaha dengan minat pemanfaatan (EE BI) menghasilkan p-value sebesar 0,082 tidak signifikan pada α = 5%. Nilai path coefficient diff sebesar 0,340 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi jenis kelamin terhadap hubungan ekspektasi usaha yang dimiliki masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara laki-laki dan perempuan dalam mempengaruhi minat pemanfaatan e-learning. b) Hipotesis 7b untuk mengetahui pengaruh moderasi usia terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil PLS-MGA age pada tabel 4.23, efek moderasi usia terhadap hubungan antara ekspektasi usaha dengan minat pemanfaatan (EE BI) menghasilkan p-value sebesar 0,938 tidak signifikan pada α = 5%. Nilai path

63 63 coefficient diff sebesar 0,605 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi usia terhadap hubungan ekspektasi usaha yang dimiliki masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara kelompok usia <20 tahun dengan kelompok usia 20 tahun dalam mempengaruhi minat pemanfaatan e-learning. c) Hipotesis 7c untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan gambar 4.4 uji hipotesis pengaruh moderasi pengalaman terhadap hubungan ekspektasi usaha dengan minat pemanfaatan tidak dapat dilakukan. Besarnya kelompok yang berpengalaman kurang dari dua tahun menandakan kurangnya varian dalam variabel moderasi pengalaman sehingga perhitungan PLS-MGA menghasilkan masalah matriks singular. Maka dari itu pegaruh moderasi pengalaman terhadap hubungan ekspektasi usaha terhadap minat pemanfaatan tidak dapat ditentukan.

64 Hipotesis Kedelapan a) Hipotesis 8a untuk mengetahui pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil PLS-MGA gender pada tabel 4.22, efek moderasi jenis kelamin terhadap hubungan antara pengaruh sosial dengan minat pemanfaatan (SI BI) menghasilkan p-value sebesar 0,870 tidak signifikan pada α = 5%. Nilai path coefficient diff sebesar 0,338 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi jenis kelamin terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara laki-laki dan perempuan yang mempengaruhi minat pemanfaatan e-learning. b) Hipotesis 8b untuk mengetahui pengaruh moderasi usia terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning

65 65 H 1 : Ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan hasil PLS-MGA age pada tabel 4.23, efek moderasi usia terhadap hubungan antara pengaruh sosial dengan minat pemanfaatan (SI BI) menghasilkan p-value sebesar 0,085 tidak signifikan pada α = 5%. Nilai path coefficient diff sebesar 0,453 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi usia terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara kelompok usia <20 tahun dengan kelompok usia 20 tahun mempengaruhi minat pemanfaatan e-learning. c) Hipotesis 8c untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan gambar 4.4 uji hipotesis pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial dengan minat pemanfaatan tidak dapat dilakukan. Besarnya kelompok yang berpengalaman kurang dari dua tahun

66 66 menandakan kurangnya varian dalam variabel moderasi pengalaman sehingga perhitungan PLS-MGA menghasilkan masalah matriks singular. Maka dari itu pengaruh moderasi pengalaman terhadap hubungan pengaruh sosial dengan minat pemanfaatan tidak dapat ditentukan. d) Hipotesis 8d untuk mengetahui pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial dengan minat pemanfaatan H 0 : Tidak ada pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning H 1 : Ada pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial yang dimiliki oleh masyarakat dengan minat pemanfaatan e-learning Berdasarkan gambar 4.5 uji hipotesis pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial dengan minat pemanfaatan tidak dapat dilakukan. Besarnya kelompok yang sukarela menggunakan e-learning menandakan kurangnya varian dalam variabel moderasi kesukarelaan sehingga perhitungan PLS-MGA menghasilkan masalah matriks singular. Maka dari itu pengaruh moderasi kesukarelaan terhadap hubungan pengaruh sosial dengan minat pemanfaatan tidak dapat ditentukan.

67 Hipotesis Kesembilan a) Hipotesis 9a untuk mengetahui pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas dengan perilaku penggunaan H 0 : Tidak ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning H 1 : Ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning Berdasarkan hasil PLS-MGA age pada tabel 4.23, efek moderasi usia terhadap hubungan antara kondisi pemfasilitas dengan perilaku penggunaan (FC UB) menghasilkan p-value sebesar 0,604 tidak signifikan pada α = 5%. Nilai path coefficient diff sebesar 0,453 yang menunjukkan arah hubungan positif. Dengan demikian hipotesis H 0 diterima, artinya tidak ada pengaruh moderasi usia terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e-learning. Hal ini menunjukkan bahwa tidak ada perbedaan yang signifikan antara kelompok usia <20 tahun dengan kelompok usia 20 tahun dalam mempengaruhi perilaku penggunaan elearning.

68 68 b) Hipotesis 9b untuk mengetahui pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas dengan perilaku penggunaan H 0 : Tidak ada pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e- learning H 1 : Ada pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas yang dimiliki oleh masyarakat dengan perilaku penggunaan e- learning Berdasarkan gambar 4.4 uji hipotesis pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas dengan perilaku penggunaan tidak dapat dilakukan. Besarnya kelompok yang berpengalaman kurang dari dua tahun menandakan kurangnya varian dalam variabel moderasi pengalaman sehingga perhitungan PLS-MGA menghasilkan masalah matriks singular. Maka dari itu pengaruh moderasi pengalaman terhadap hubungan kondisi pemfasilitas dengan perilaku penggunaan tidak dapat ditentukan. Penyajian hasil keputusan hipotesis dapat dilihat pada tabel 4.19.

69 69 Tabel 4.19 Keputusan Hipotesis Hipotesis H1 H2 H3 H4 H5 H6a H6b H7a H7b H7c H8a H8b H8c H8d H9a H9b Keputusan ditolak diterima ditolak ditolak ditolak diterima diterima diterima diterima tidak dapat ditentukan diterima diterima tidak dapat ditentukan tidak dapat ditentukan ditolak tidak dapat ditentukan 4.7 Rekomendasi Hasil pengujian pada hipotesis pertama menunjukkan bahwa ekspektasi kinerja terbukti berpengaruh secara signifikan terhadap minat pemanfaatan e- learning. Sehingga, untuk meningkatkan minat masyarakat dalam menggunakan e-learning ekspektasi kinerja juga harus ditingkatkan. Pengenalan dan sosialisasi e-learning akan mengurangi keraguan masyarakat dalam menggunakan e-learning sebagai sarana pembelajaran tambahan mereka. Pengujian pada hipotesis kedua diperoleh hasil bahwa ekspektasi usaha tidak berpengaruh signifikan terhadap minat pemanfaatan e-learning. Karena itu perlu dikaji mengenai ekspektasi usaha dalam e-

70 70 learning seperti kemudahan penggunaan dan penyajian yang menarik untuk mengetahui lebih dalam mengenai minat masyarakat terhadap e- learning. Pengujian pada hipotesis ketiga diperoleh hasil bahwa pengaruh sosial berpengaruh signifikan terhadap minat pemanfaatan e-learning. Karena itu sosialisasi dan rekomendasi menggunakan e-learning oleh orang terdekat maupun organisasi sangat disarankan agar dapat terus meningkatkan minat masyarakat menggunakan e-learning. Pengujian pada hipotesis keempat diperoleh hasil bahwa kondisi pemfasilitas berpengaruh signifikan terhadap perilaku penggunaan e-learning. Sehingga rekomendasi tindakan terkait faktor tersebut dapat dilakukan dengan pendanaan lebih untuk penyediaan bandwidth internet yang stabil, penyediaan help desk yang terampil, dan kualitas pelatihan e-learning yang baik. Pengujian pada hipotesis kelima diperoleh hasil bahwa minat pemanfaatan berpengaruh secara signifikan terhadap perilaku penggunaan e-learning. Sehingga rekomendasi tindakan terkait faktor tersebut adalah organisasi menggali lebih dalam mengenai indikator-indikator pembentuk minat pemanfaatan e-learning untuk mengupayakan penggunaan e-learning yang lebih intensif. Pengujian hipotesis pada moderator jenis kelamin, usia, pengalaman, dan kesukarelaan menunjukkan tidak adanya signifikansi variabel-variabel moderator tersebut dalam memoderasi hubungan konstruk-konstruk independen terhadap

71 71 konstruk dependen dalam model UTAUT. Pengujian setiap moderator sulit dilakukan karena kurangnya varian pada setiap moderator yang diuji. Belum dapat dipastikan makna hubungan tersebut dapat diandalkan atau tidak mengingat model UTAUT membutuhkan penyesuaian untuk dapat menjelaskan hubunganhubungan manifestasi yang dapat muncul akibat intervensi moderator.

72 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari evaluasi penerimaan dan penggunaan website e-learning dengan menggunakan model UTAUT, maka didapatkan hasil bahwa model UTAUT mampu menjelaskan hingga 78,7% varians pada pembentukan minat pemanfaatan e-learning. Selain itu, model UTAUT mampu menjelaskan varians pada pembentukan perilaku penggunaan sebesar 65,7%. Angka-angka tersebut menunjukkan bahwa penerimaan dan penggunaan situs oleh penggunanya cukup tinggi. Pengguna pada umumnya merasa bahwa situs tersebut memiliki fungsi yang baik dan dukungan fasilitas yang memadai. Selain itu pengguna belajarkoding juga banyak mendapatkan pengaruh sosial oleh orang-orang disekitarnya untuk menggunakan situs tersebut. Minat pemanfaatan situs yang tinggi menyebabkan pengguna menggunakan situs dengan rutin. Evaluasi penerimaan dan penggunaan website e-learning dengan teknik path analysis PLS-SEM dinilai dapat memudahkan dalam mengetahui faktor-faktor yang mampu memberikan pengaruh yang signifikan terhadap minat pemanfaatan dan perilaku penggunaan. Faktor ekspektasi kinerja dan pengaruh sosial terbukti mempunyai pengaruh positif dan signifikan terhadap minat pemanfaatan e-learning, dalam hal ini ekspektasi kinerja 72

73 73 merupakan faktor terpenting. Selain itu faktor kondisi yang memfasilitasi sistem, dan minat pemanfaatan terbukti mempunyai pengaruh positif dan signifikan terhadap perilaku penggunaan e-learning, dalam hal ini minat pemanfaatan merupakan faktor terpenting. Namun Faktor ekspektasi usaha belum terbukti memiliki pengaruh yang signifikan. Begitu pula karakteristik pengguna e- learning yang berupa usia, jenis kelamin, pengalaman penggunaan, dan kesukarelaan penggunaan tidak mempunyai peran moderasi. Rekomendasi untuk meningkatkan minat pemanfaatan dapat dilakukan dengan meningkatkan faktor ekspektasi kinerja dan pengaruh sosial. Pengembang situs harus melakukan peningkatan dalam kualitas situs agar dapat lebih jauh mendukung pengguna meningkatkan produktivitas mereka dalam pembelajaran. Disamping itu juga melakukan sosialisasi dan pendekatan agar masyarakat mau merekomendasikan e-learning tersebut kepada orang terdekatnya. Rekomendasi untuk meningkatkan perilaku pengguna dapat dilakukan dengan meningkatkan kinerja situs e-learning agar situs dapat diakses dengan mudah kapanpun dan dimanapun, serta menyediakan layanan bantuan dalam menggunakan situs tersebut. Selain itu peningkatan perilaku pengguna juga dapat dilakukan dengan menggali lebih dalam faktor-faktor yang mempengaruhi minat perilaku yang sudah dijelaskan diatas dan menerapkannya pada e-learning.

74 Saran Model UTAUT pada penelitian ini telah dapat menjelaskan hingga 78,7% varians pada pembentukan minat pemanfaatan, dan 65,7% varians pada pembentukan perilaku penggunaan. Di samping itu masih terdapat berbagai faktor analisis yang dinilai kurang memberikan pengaruh positif dan signifikan terhadap pembentukan minat pemanfaatan dan perilaku pengguna. Maka dari itu di penelitian yang akan datang perlu dikaji lagi faktor-faktor yang dapat lebih berpengaruh dari yang sudah ada.

75 DAFTAR PUSTAKA Attuquayefio, S. N., Addo, Hillar. (2014). Using the UTAUT Model to Analyze Students ICT Adoption. International Journal of Education and Development using Information and Communication Technology (IJEDICT), 2014, Vol. 10, Issue 3, pp Hair, J. F., Hult, G.T., Ringle, C.M., & Sarstedt, M. (2014). A Primer On Partial Least Squares Structural Equation Modeling (PLS-SEM). United States of America: SAGE Publications. Kurniawan, D. (2008). Regresi Linier (Linear Regression). Forum Statistika. Loogma, Krista. (2012). Social Innovation: Three Approaches. ZSI Discussion Paper, Nr. 24. Sedana, I. N., & Wijaya, W. (2006). Penerapan Model UTAUT untuk Memahami Penerimaan dan Penggunaan Learning Management System. Venkatesh, V.,Morris, M., Davis, G., & Davis, F. (2003). User Acceptance of Information Technology: toward a unified view. MIS Quartely, Vol.27 No.3. Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian dengan Partial Least Square Path Modelling. Jakarta: Salemba Infotek.

76 Lampiran 1: Kuesioner Penelitian

77

78

79

80

81

82 Lampiran 2: Tabulasi Data Penelitian Responden Usia Jenis Pengalaman PE EE SI FC BI UB Kesukarelaan (tahun) Kelamin (tahun) L <2 Ya L <2 Ya L 2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya < 20 P <2 Ya L <2 Ya L <2 Ya L 2 Ya L <2 Ya L <2 Ya L <2 Tidak L <2 Ya < 20 P <2 Ya P <2 Ya L <2 Ya L <2 Ya < 20 L <2 Tidak L <2 Ya

83 Responden Usia Jenis Pengalaman PE EE SI FC BI UB Kesukarelaan (tahun) Kelamin (tahun) < 20 L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L 2 Ya L <2 Ya L <2 Tidak L <2 Ya L <2 Ya < 20 L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Tidak L <2 Ya L <2 Ya L <2 Ya L <2 Ya L 2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya

84 Responden Usia Jenis Pengalaman PE EE SI FC BI UB Kesukarelaan (tahun) Kelamin (tahun) L <2 Ya < 20 L <2 Ya L <2 Ya < 20 P 2 Ya < 20 P <2 Ya P 2 Ya L <2 Ya L <2 Ya < 20 L <2 Ya P 2 Tidak L <2 Ya L <2 Ya L <2 Ya < 20 P <2 Ya P <2 Ya P <2 Tidak P <2 Ya < 20 P <2 Ya < 20 L 2 Ya L <2 Ya P <2 Ya L <2 Ya < 20 P <2 Ya L <2 Ya L <2 Ya

85 Responden Usia Jenis Pengalaman PE EE SI FC BI UB Kesukarelaan (tahun) Kelamin (tahun) L <2 Ya P 2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya L <2 Ya P <2 Ya L <2 Ya L <2 Tidak < 20 L <2 Tidak < 20 P <2 Tidak < 20 L <2 Tidak L <2 Tidak L <2 Tidak P <2 Tidak L <2 Tidak P <2 Tidak L <2 Ya L <2 Ya L <2 Ya L <2 Tidak P <2 Tidak < 20 L <2 Ya < 20 L <2 Ya

86 Lampiran 3: Ringkasan Hasil Kuesioner IR - PERPUSTAKAAN UNIVERSITAS AIRLANGGA

87

88

89

90

91

92