BAB IV HASIL DAN PEMBAHASAN. 4.1 Penyusunan Kuesioner dan Penentuan Variabel

Transkripsi

1 BAB IV HASIL DAN PEMBAHASAN 4.1 Penyusunan Kuesioner dan Penentuan Variabel Kuesioner disusun berdasarkan penelitian yang telah dilakukan olehwadie Nasri dan Lanouar Charfeddine (2012) mengangkat faktor minat perilaku nasabah yang menggunakan internet banking dengan model integrasi TAM dan TPB. Bedasarkan teori tersebut, peneliti melakukan pengujian model integrasi TAM dan TPB pada nasabah bank yang menggunakan internet banking di Surabaya. Kuesioner ini terdirin dari sepuluh variabel yaitu perceived of use, perceived ease of use, security and privacy, self efficacy, government support dan technology supportyang merupakan variabel eksogen, sedangkanattitude, subjective norm dan perceived behavioral control merupakan variabel endogen. Lembar kuesioner yang digunakan dapat dilihat pada lampiran Perceived Usefulness Perceived usefulnessbertujuan untuk mengukur tingkatkepercayaan seseorangterhadap penggunaan internet banking. Variabel perceived usefulness disusun dari beberapa indikator yaitu menyelesaikan tugas dengan cepat,mengerjakan tugas dengan cepat, berguna, dan menguntungkan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel

2 45 Tabel 4.1 Kuesioner perceived usefulness No. Kuesioner Indikator Kode Pernyataan 1. menyelesaikan tugas dengan cepat. PU1 Penggunaan IB dapat menyelesaikan tugas-tugas lebih cepat 2. mengerjakan tugas dengan cepat PU2 Penggunaan IB dapat memudahkan dalam melaksanakan tugas-tugas. 3. berguna PU3 Internet bankingberguna. 4. menguntungkan. PU4 Penggunaan IB menguntungkan Perceived Ease of Use Perceived ease of use bertujuan untuk mengukur tingkat percaya bahwa sistem dapat dengan mudah dipahami dan digunakan oleh responden dalam penggunaan internet banking. Variabel perceived ease of use disusun dari beberapa indikator yaitu mudah dipelajari, interaksi mudah, dan mudah transaksi. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.2. Tabel 4.2 Kuesioner perceived ease of use No. Kuesioner Indikator Kode Pernyataan 5. mudah dipelajari PEU 1 Penggunaan IB mudah dipelajari. 6. mudah interaksi PEU 2 Mudah berinteraksi dengan IB. 7. mudah transaksi PEU 3 IB dapat memudahkan transaksi perbankan.

3 Security and Privacy Security and privacy bertujuan untuk mengendalikan dan menciptakan situasi, kondisi, atau peristiwa yang berpotensi dalam bentuk kerusakan, pengungkapan, modifikasi data, penolakan layanan dan / atau penipuan, dan penyalahgunaan. Variabel security and privacydisusun dari beberapa indikator yaitu dapat dipercaya, melindungi data pribadi, sama dengan bank konvensional, aman secara finansial, kekhawatiran, dan aspek keamanan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.3. Tabel 4.3 Kuesioner security and privacy No. Kuesioner Indikator Kode Pernyataan 8. dapat dipercaya SP 1 Teknologi IB dapat dipercaya 9. melindungi data pribadi SP 2 Teknologi IB dapat melindungi data pribadi. 10. sama dengan bank konvensional SP 3 Transaksi IB sama dengan transaksi bank konvensional. 11. aman secara finansial SP4 Penggunaan IB aman secara finansial. 12. kekhawatiran SP aspek keamanan SP 6 Tidak ada kekhawatiran dalam penggunaan IB. Aspek keamanan tidak mempengaruhi dalam penggunaan IB Attitude Attitude bertujuan untuk mengevaluasi kepercayaan dari seseorang untuk melakukan perilaku yang akan ditentukan. Variabel attitude disusun dari beberapa indikator yaitu ide yang baik, ide yang bijaksana, IB menyenangkan, dan tanpa

4 47 paksaan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.4. Tabel 4.4 Kuesioner attitude No. Kuesioner Indikator Kode Pernyataan 14. ide yang baik ATT ide yang bijaksana ATT 2 Penggunaan IB merupakan ide yang baik. Penggunaan IB untuk transaksi keuangan merupakan ide yang bijaksana. 16. IB menyenangkan ATT 3 Penggunaan IB menyenangkan. 17. tanpa paksaan ATT 4 Penggunaan IB tanpa ada paksaan Subjective Norm Subjective norm bertujuan untuk mengetahui persepsi tekanan sosial yang mempengaruhi atau tidak mempengaruhi perilaku seseorang. Variabel subjective norm disusun dari beberapa indikator yaitu orang terpenting, orang lain mempengaruhi, dan orang lain berpendapat. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.5. Tabel 4.5 Kuesioner subjective norm No. Kuesioner Indikator Kode Pernyataan 18. orang terpenting SN orang lain mempengaruhi SN orang lain berpendapat SN 3 Orang terpenting di sekitar saya akan menyarankan untuk menggunakan IB. Orang lain di sekitar saya mempengaruhi untuk menggunakan IB. Orang lain di sekitar saya berpendapat untuk menggunakan IB.

5 Self Efficacy Self efficacy bertujuan untuk penilaian kemampuan seseorang untuk menggunakan suatu system. Variabel self efficacy disusun dari beberapa indikator yaitu tanpa bantuan orang lain, tidak pernah menggunakan, bantuan manual atau online, melihat cara menggunakan, menelepon untuk membantu, telah dibantu, punya banyak waktu, fasilitas bantuan, telah dicontohkan, dan sistem yang sama sebelumnya. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel Goverment Support Goverment support bertujuan untuk memainkan peran intervensi dan kepemimpinandalam mengukur persepsi individu mengenai tingkat dukungan. Variabel goverment support disusun dari beberapa indikator yaitu mendukung, aktif mendirikan fasilitas, dan promosi untuk e-commerce. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.7. Tabel 4.6 Kuesioner goverment support No. Kuesioner Indikator Kode Pernyataan 31. mendukung GS 1 Pemerintah mendukung penggunaan IB. 32. aktif mendirikan fasilitas GS 2 Pemerintah aktif dalam mendirikan fasilitas untuk penggunaan IB. 33. promosi untuk e- commerce GS 3 Pemerintah mempromosikan penggunaan internet untuk e- commerce.

6 49 Tabel 4.7 Kuesioner self efficacy No. Kuesioner Indikator Kode Pernyataan 21. tanpa bantuan orang lain SE 1 Saya dapat menyelesaikan transaksi bank menggunakan IB, walaupun tanpa bantuan orang lain. 22. tidak pernah menggunakan SE 2 Saya dapat menyelesaikan transaksi bank menggunakan IB,walaupun tidak pernah menggunakan sebelumnya 23. bantuan manual atau online SE 3 Saya dapat menyelesaikan transaksi bank menggunakan IB, walaupun hanya dengan bantuan manual maupun online 24. melihat cara menggunakan SE 4 Saya dapat menyelesaikan transaksi bank menggunakan IB, hanya melihat orang lain menggunakannya. 25. menelepon untuk membantu SE 5 Saya dapat menyelesaikan transaksi bank menggunakan IB, jika terjebak akan menelepon seseorang untuk membantu 26. telah dibantu SE 6 Saya dapat menyelesaikan transaksi bank menggunakan IB, jika seseorang telah membantu menggunakannya 27. punya banyak waktu SE 7 Saya dapat menyelesaikan transaksi bank menggunakan IB, jika punya banyak waktu untuk menyelesaikan pekerjaan. 28. fasilitas bantuan. SE telah dicontohkan SE 9 Saya dapat menyelesaikan transaksi bank menggunakan IB, jika telah dibangun fasilitas bantuan. Saya dapat menyelesaikan transaksi bank menggunakan IB, jika ada seseorang yang mencontohkan 30. sistem yang sama sebelumnya SE 10 Saya dapat menyelesaikan transaksi bank menggunakan IB, jika telah menggunakan sistem yang sama sebelumnya

7 Technology Support Technology support bertujuan untuk teknologi menjadi mudah dan tersedia sebagai aplikasi e-commerce seperti layanan internet banking menjadi lebih layak. Variabel technology support disusun dari beberapa indikator yaitu keamanan internet, kecepatan akses, dan teknologi internet. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.8 Tabel 4.8 Kuesioner technology support No. Kuesioner Indikator Kode Pernyataan 34. keamanan internet TS kecepatan akses TS teknologi internet TS 3 Kemajuan teknologi telah menyediakan keamanan internet untuk penggunaan IB. Kecepatan akses internet penting untuk IB. Teknologi internet, seperti Wi- Fi, membuat IB lebih layak Perceived Behavioral Control Perceived behavioral control bertujuan untuk memberikan sumber daya dan kesempatan yang mengarahkan seseorang pada kemungkinan perilaku yang diharapkan. Variabel perceived behavioral control disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.9.

8 51 Tabel 4.9 Kuesioner perceived behavioral control No. Kuesioner Indikator Kode Pernyataan 37. transaksi keuangan PBC mengontrol PBC 2 Saya dapat menggunakan IB dengan baik untuk transaksi keuangan. Saya dapat mengontrol penggunaan IB. 39. sumber daya, pengetahuan, dan kemampuan PBC 3 Sayamemiliki sumber daya, pengetahuan, dan kemampuan untuk menggunakan internet banking Intention to Use IB Intention to use IBbertujuan untuk mengetahui niat dan keinginan untuk menggunakan internet banking. Variabel intention to use IB disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel Tabel 4.10 Kuesioner intention to use internet banking No. Kuesioner Indikator Kode Pernyataan 40. kebutuhan perbankan INT 1 Saya akan menggunakan internet banking untuk kebutuhan perbankan. 41. transaksi keuangan INT transaksi perbankan INT 3 Saya akan menggunakan internet banking untuk menangani transaksi keuangan. Saya akan menggunakan internet banking untuk menangani transaksi perbankan.

9 Penyebaran dan Pengumpulan Kuesioner Data responden penelitian diperoleh melalui pengisian kuesioner yang telah disebarkan kepada responden baik melalui online maupun offline. Penyebaran kuesioner dilakukan pada tangal 10 Juli sampai 4 September Data yang telah diperoleh sebanyak 168 responden. Pengumpulan kuesioner dilakukan secara online maupun offline, dengan rincian online sebanyak 151, sedangkan offline sebanyak 17. Pengumpulan online, dilakukan menggunakan google form yang telah disebar melalui media sosial, sedangkan pengumpulan offline disebar di Fakultas Sains dan Teknologi Universitas Airlangga. 4.3 Karakteristik Responden Karakteristik responden meliputi domisili tinggal, jenis kelamin, usia, jenjang pendidikan terakhir, bank yang digunakan, dan frekuensi penggunaan dalam sebulan Karakteristik Responden Bedasarkan Jenis Kelamin Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenis kelamin laki-laki dan perempuan dimana hasil analisis karateristik responden dapat dilihat pada Gambar 4.1. Laki-laki 29% Laki-laki Perempuan 71% Perempuan Gambar 4.1 Data responden berdasarkan jenis kelamin

10 53 Pada Gambar 4.1 terlihat bahwa respondenperempuan yaitu sebesar 71% atau sebanyak 120 orang memiliki frekuensi lebih tinggi dibanding responden laki-laki yang hanya 29% atau sebanyak 48 orang Karakteristik Responden Berdasarkan Usia Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan rentang usia dimana hasil analisis karateristik responden dapat dilihat pada Gambar 4.2. Pada Gambar 4.2 terlihat bahwa responden yang memiliki frekuensi yaitu responden dengan usia <25 tahun sebesar 85% atau sebanyak 143 orang dan usia 25 tahun sebesar 15% atau sebanyak 25 orang 25 tahun 15% 0% <25 tahun 25 tahun <25 tahun 85% Gambar 4.2 Data responden berdasarkan usia Karakteristik Responden Bedasarkan Jenjang Pendidikan Terakhir Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenjang pendidikan terakhir yaitu SMA, D3, S1, S2, dan S3 dimana hasil analisis karateristik responden disajikan dalam Gambar 4.3.

11 54 Pada Gambar 4.3 dapat terlihat bahwa responden yang tertinggi adalah responden dengan jenjang pendidikan terakhir S1 memiliki presentase yang sama yaitu sebesar 69% atau sebanyak 116 orang. S1 69% S2 4% S3 0% SMA SMA 27% D3 D3 0% S1 S2 S3 Gambar 4.3 Data responden berdasarkan jenjang pendidikan terakhir Karakteristik Responden Bedasarkan Bank yang Digunakan Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan bank yang digunakan, yaitu Mandiri, BCA, BNI, BRI, dan lainnya dimana hasil analisis karateristik responden disajikan dalam Gambar 4.4. Pada Gambar 4.4 terlihat bahwa bank yang digunakan oleh pengguna internet bankingyang mempunyai jumlah responden terbanyak adalah pengguna Mandiri mempunyai frekuensi terbesar yaitu 41,4% atau sebanyak 70 orang. BRI 21% BNI 14% Lainnya 5% BCA 18% Mandiri Mandiri BCA 42% BNI BRI Lainnya Gambar 4.4 Data responden berdasarkan bank yang digunakan

12 Karakteristik Responden Bedasarkan Frekuensi Penggunaan dalam Sebulan Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan frekuensi penggunaan dalam sebulan, yaitu 1-5, 6-10, dan >10dimana hasil analisis karateristik responden disajikan pada Gambar 4.5. Pada Gambar 4.5 terlihat bahwa responden jarang membuka internet bankingnya dimana frekuensi penggunaan internet banking dalam sebulan paling banyak adalah 1 sampai 5 kali mempunyai frekuensi terbesar yaitu 63,7% atau sebanyak 107 orang. 6 sampai 10 22% >10 14% 1 sampai 5 64% 1 sampai 5 6 sampai 10 >10 Gambar 4.5 Data responden berdasarkan frekuensi penggunaan dalam sebulan 4.4 Analisis Statistik Deskriptif Variabel Analisis statistik deskriptif variabel digunakan untuk mengetahui kecenderungan jawaban pada kuesioner. Terdapat lima kategori pilihan jawab an pada kuesioner yaitu Sangat Setuju (SS) yang berskala 1, Setuju (S) yang berskala 2, Tidak Setuju (TS) yang berskala 3, dan Sangat Tidak Setuju (SS) yang berskala 4. Data yang terkumpul kemudian ditabulasi untuk mengetahui distribusi jawaban responden dari masing-masing indikator pada setiap variabel.

13 Frekuensi Jawaban Variabel Perceived Usefulness Frekuensi jawaban responden pada variabel perceived usefulness disajikan pada Tabel Dari tabel 4.11dapat dilihat bahwa distribusi frekuensi variabel perceived usefulness terdiri dari empat indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PE1, PE2, PE3, dan PE4 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking dapat menyelesaikan tugas lebih cepat dan merasa bahwa penggunaan internet banking memudahkan dalam mengerjakan tugas, selain itu responden juga merasa penggunaan internet banking berguna dan menguntungkan. Tabel 4.11 Analisis statistik perceived usefulness Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % PU PU PU PU Frekuensi Jawaban Variabel Perceived Ease Of Use Frekuensi jawaban responden pada variabel perceived ease of use disajikan pada Tabel Dari tabel 4.12 dapat dilihat bahwa distribusi frekuensi variabel perceived ease of use terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PEU1, PEU2, dan PEU3 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking mudah

14 57 untuk dipelajari dan mudah berinteraksi, responden jugasetuju bahwa penggunaan internet banking memudahkan transaksi perbankan. Tabel 4.12 Analisis statistik perceived ease of use Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % PEU PEU PEU Frekuensi Jawaban Variabel Security and Privacy Frekuensi jawaban responden pada variabel security and privacy disajikan pada tabel Dari tabel 4.13 dapat dilihat bahwa distribusi frekuensi variabel security and privacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SP1, SP2, SP3, SP4, SP5, dan SE6 adalah setuju, hal ini menunjukkan bahwa responden merasa teknologi internet banking dapat dipercaya dan melindungi data pribadi, selain itu responden juga setuju bahwa transaksi internet bankingsama dengan bank konvensional, aman secara finansial, tidak ada kekhawatiran dalam penggunaannya, dan tidak dipengaruhi aspek keamanan. Tabel 4.13 Analisis statistik security and privacy Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % SP SP SP SP SP SP

15 Frekuensi Jawaban Variabel Attitude Frekuensi jawaban responden pada variabel security and privacy disajikan pada tabel Dari tabel 4.14 dapat dilihat bahwa distribusi frekuensi variabel attitude terdiri dari empat indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator ATT1, ATT2, ATT3, dan ATT4 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking ide yang baik, bijaksana, dan menyenangkan, selain itu responden dalam menggunakan internet banking tanpa ada paksaan. Tabel 4.14 Analisis statistik attitude Frekuensi Jawaban Variabel Subjective Norm Frekuensi jawaban responden pada variabel subjective norm disajikan pada Tabel Dari tabel 4.15 dapat dilihat bahwa distribusi frekuensi variabel subjective norm jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SN1, SN2, dan SN3 adalah setuju, hal ini menunjukkan bahwa responden merasa disarankan dan dipengaruhi menggunakan internet banking oleh orang terpenting dan orang lain disekitarnya, selain itu orang lain yang berada disekitar responden juga berpendapat untuk menggunakan internet banking. Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % ATT ATT ATT ATT

16 59 Tabel 4.15 Analisis statistik subjective norm Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % SN SN SN Frekuensi Jawaban Variabel Self Efficacy Frekuensi jawaban responden pada variabel self efficacy disajikan pada Tabel Dari tabel 4.16 dapat dilihat bahwa distribusi frekuensi variabel self efficacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SE1, SE2, SE3 dan SE4 adalah setuju, hal ini menunjukkan bahwa responden merasa dapat menyelesaikan transaksi bank menggunakan internet banking walaupun tanpa bantuan orang lain, tidak pernah menggunakan sebelumnya, hanya dengan bantuan manual/online, dan melihat orang lain menggunakannya. Pada indikator SE5, SE6, SE7, SE8, SE9, dan SE10 pilihan jawaban terbanyak adalah setuju. Tabel 4.16 Analisis statistik self efficacy Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % SE SE SE SE SE SE SE SE SE SE

17 Frekuensi Jawaban Variabel Goverment Support Frekuensi jawaban responden pada variabel goverment support disajikan pada Tabel Dari tabel 4.17 dapat dilihat bahwa distribusi frekuensi variabel goverment support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator GS1, GS2, dan GS3 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa pemerintah mendukung dan memberikan fasilitas dalam penggunaan internet banking, selain itu responden juga merasa bahwa pemerintah mempromosikan internet untuk e-commerce. Tabel 4.17 Analisis statistik goverment support Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Frek. % Frek. % Frek. % Frek. % GS GS GS Modus Frekuensi Jawaban Variabel Technology Support Frekuensi jawaban responden pada variabel technology support disajikan pada Tabel Dari tabel 4.18dapat dilihat bahwa distribusi frekuensi variabel technology support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator GS1 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa kemajuan teknologi telah menyediakan keamanan internet dalam penggunaan internet banking. Berbeda pada indikator GS2 pilihan jawaban terbanyak adalah sangat setuju, dimana responden merasa sangat setuju jika Kecepatan akses internet penting untuk penggunaan internet banking.sedangkan pada indikator

18 61 GS3 pilihan terbanyak adalah sangat setuju dan setuju, dimana responden merasa teknologi internet membuat internet banking lebih layak. Tabel 4.18 Analisis statistik technology support Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % TS TS TS dan Frekuensi Jawaban Variabel Perceived Behavioral Control Frekuensi jawaban responden pada variabel perceived behavioral control disajikan pada Tabel 4.19.Dari tabel 4.19 dapat dilihat bahwa distribusi frekuensi variabel perceived behavioral control terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PBC1, PBC2, dan PBC3 adalah setuju, hal ini menunjukkan bahwa responden merasa dapat menggunakan dan mengontrol penggunaan internet banking dengan baik untuk transaksi keuangan, selain itu responden juga merasa memiliki sumber daya, pengetahuan, dan kemampuan untuk menggunakan internet banking. Tabel 4.19 Analisis statistik perceived behavioral control Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % PBC PBC PBC

19 Frekuensi Jawaban Variabel Intention to Use Internet Banking Frekuensi jawaban responden pada variabel intention to use internet banking disajikan pada Tabel Dari tabel 4.20 dapat dilihat bahwa distribusi frekuensi variabel intention to use internet banking jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator INT1, INT2, dan INT3 adalah setuju, hal ini menunjukkan bahwa responden akan menggunakan internet banking untuk kebutuhan perbankan, menangani transaksi keuangan, dan menangani transaksi perbankan. Tabel 4.20 Analisis statistik intention to use internet banking Indikator 1 (STS) Skala Pengukuran 2 3 (TS) (S) 4 (SS) Modus Frek. % Frek. % Frek. % Frek. % INT INT INT Pengolahan Data dengan PLS Analisis data dalam penelitian ini menggunakan Partial Least Square (PLS) dimana terdapat dua tahapan evaluasi yaitu evaluasi model pengukuran (outer model) dan evaluasi model struktural (inner model). Pengolahan data dilakukan dengan software SmartPLS Evaluasi model pengukuran (Outer Model) Evaluasi model pengukuran dilakukan untuk menilai validitas dan reliabilitas model yang dilakukan dengan convergent validity, discriminant validity, dan composite reliability.

20 63 1. 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. Outputouter loadings dapat diperoleh dari PLS Algorithm Report SmartPLS. Untuk memudahkan dalam melihat outer loadings dari blok-blok indikator yang mengukur konstrukmaka disajikan diagram jalur pada gambar 4.6 Dalamloading factor terdapat beberapa indikator yang tidak valid karena mempunyai loading factor di bawah 0,4. Indikator yang tidak valid adalah SE6, SE7, SE8, SE9, dan SE10, sehingga indikator-indikator tersebut harus dikeluarkan dari model.penghapusan indikator nantinya dilanjutkan dengan melakukan estimasi ulang atau re-estimasi. Bentuk lain penyajian outputouter loadings ditampilkan pada tabel 4.21.

21 64 Gambar 4.6 Output diagram jalur Re-estimasi atau melakukan estimasi ulang untuk evaluasi model pengukuran 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 4.7.

22 65 Tabel 4.21 Outer loadings Korelasi indikator dengan variabel Loading Factor Keterangan ATT1<-ATT Valid ATT2<-ATT Valid ATT3<-ATT Valid ATT4<-ATT Valid GS1<-GS Valid GS2<-GS Valid GS3<-GS Valid INT1<-INT Valid INT2<-INT Valid INT3<-INT Valid PBC1<-PBC Valid PBC2<-PBC Valid PBC3<-PBC Valid PEU1<-PEU Valid PEU2<-PEU Valid PEU3<-PEU Valid PU1<-PU Valid PU2<-PU Valid PU3<-PU Valid PU4<-PU Valid SE1<-SE Valid SE2<-SE Valid SE3<-SE Valid SE4<-SE Valid SE5<-SE Valid SE6<-SE Tidak Valid SE7<-SE Tidak Valid SE8<-SE Tidak Valid SE9<-SE Tidak Valid SE10<-SE Tidak Valid SN1<-SN Valid SN2<-SN Valid SN3<-SN Valid SP1<-SP Valid SP2<-SP Valid SP3<-SP Valid SP4<-SP Valid SP5<-SP Valid SP6<-SP Valid TS1<-TS Valid TS2<-TS Valid TS3<-TS Valid Dari gambar 4.7dapat dilihat besaran loading factor hasil re-estimasi dari masing-masing indikator yang mengukur konstruk. Hasil re-estimasi tersebut

23 66 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 outputouter loadings hasil re-estimasi ditampilkan pada tabel Gambar 4.7 Output diagram jalur hasil re estimasi model Pemeriksaan selanjutnya dari convergent validity adalah reliabilitas. Reliabilitas didefinisikan sebagai kemampuan indikator instrumen dalam menghasilkan nilai yang sama secara berulang (konsistensi) pada setiap aktivitas

24 67 penelitian. Tingkat reliabilitas diukur dengan nilai composite reliability dan nilai AVE. Nilai composite reliability dapat dilihat pada tabel Tabel 4.22 Outer loadings hasil re-estimasi model Korelasi indikator dengan variabel Loading Factor Keterangan ATT1<-ATT Valid ATT2<-ATT Valid ATT3<-ATT Valid ATT4<-ATT Valid GS1<-GS Valid GS2<-GS Valid GS3<-GS Valid INT1<-INT Valid INT2<-INT Valid INT3<-INT Valid PBC1<-PBC Valid PBC2<-PBC Valid PBC3<-PBC Valid PEU1<-PEU Valid PEU2<-PEU Valid PEU3<-PEU Valid PU1<-PU Valid PU2<-PU Valid PU3<-PU Valid PU4<-PU Valid SE1<-SE Valid SE2<-SE Valid SE3<-SE Valid SE4<-SE Valid SE5<-SE Valid SN1<-SN Valid SN2<-SN Valid SN3<-SN Valid SP1<-SP Valid SP2<-SP Valid SP3<-SP Valid SP4<-SP Valid SP5<-SP Valid SP6<-SP Valid TS1<-TS Valid TS2<-TS Valid TS3<-TS Valid

25 68 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 4.23 Nilai AVE Variabel AVE ATT GS INT PBC PEU PU SE SN SP TS Dari tabel 4.23 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, DiscriminantValidity 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

26 69 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 AVE ( AVE). Model pengukuran mempunyai discriminant validity yang baik jika AVEsetiap 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 outputcross loadings yang diperoleh dari PLS Algorithm Report SmartPLS tersaji pada tabel Pembacaan cross loadings pada tabel 4.24 adalah berdasarkan kolom. Dapat dilihat bahwa indikator ATT1, ATT2, ATT3, dan ATT4 memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu ATT dengan koefisien korelasi sebesar 0.85, 0.85, 0.89 dan Nilai koefisien korelasi blok indikator tersebut telahlebih besar terhadap konstruk asosiasinya daripada konstruk-konstruk lain. Indikator GS1, GS2, dan GS3 juga memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu GS. Sama halnya dengan indikator konstruk lainnya yang 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 akar AVE ( AVE). Model pengukuran mempunyai discriminant validity yang baik jika AVE setiap variabel lebih besar daripada korelasi antar variabel.

27 70 Nilai AVE dapat dilihat dari output Fornell-Larcker Criterion SmartPLS yang tersaji dalam tabel Tabel 4.24 Cross Loadings Indikator ATT GS INT PBC PEU PU SE SN SP TS ATT ATT ATT ATT GS GS GS INT INT INT PBC PBC PBC PEU PEU PEU PU PU PU PU SE SE SE

28 71 Indikator ATT GS INT PBC PEU PU SE SN SP TS SE SE SN SN SN SP SP SP SP SP SP TS TS TS Pembacaan tabel Fornell-Larcker Criterion pada tabel 4.25 adalah berdasarkan baris. Dapat dilihat bahwa nilai AVE variabel GS sebesar 0.867, sedangkan nilai korelasi tertinggi variabel GS dengan variabel lain hanya sebesar 0,602. Dengan demikian AVE variabel GS lebih besar dibandingkan korelasi GS dengan variabel lainnya. Demikian pula pada variabel lain yang menunjukkan AVE lebih besar dibandingkan korelasi antar variabel. Sehingga syarat discriminant validity dengan AVE telah terpenuhi.

29 72 Tabel 4.25 Fornell-Lacker Criterion ATT GS INT PBC PEU PU SE SN SP TS ATT 0.834* GS * INT * PBC * PEU * PU * SE * SN * SP * TS * Keterangan : AVE * 3. CompositeReliability Selanjutnya dilakukan juga uji reliabilitas konstruk yang diukur dengan dua kriteria yaitu composite reliability dan cronbach alpha dari blok indikator yang mengukur konstruk. Konstruk dinyatakan reliable jika nilai composite reliability maupun croanbach alpha di atas 0,70. Hasil uji composite reliability dapat dilihat pada tabel 4.26 sedangkan cronbach alpha dapat dilihat pada tabel Dari table 4.26 dan 4.27 data yang disajikan dikatakatan reliable karena semua variable memiliki composite reliabilitydan cronbach alphadi atas 0,7.

30 73 Tabel 4.26 Composite Reliability Composite Reliability ATT 0,901 GS 0,900 INT 0,936 PBC 0,942 PEU 0,854 PU 0,890 SE 0,877 SN 0,898 SP 0,925 TS 0,871 Tabel 4.27 Cronbach Alpha Cronbachs Alpha ATT 0,854 GS 0,839 INT 0,897 PBC 0,907 PEU 0,743 PU 0,835 SE 0,825 SN 0,833 SP 0,903 TS 0, Evaluasi Model Struktural Evaluasi model struktural bertujuan untuk menguji ada atau tidak adanya pengaruh antar konstruk, dan R Square. Model struktural dievaluasi dengan 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.

31 74 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 H0 ditolak artinya terdapat pengaruh. Sebaliknya, jika p-value> 0,05 maka H0 diterima artinya tidak ada pengaruh. Berikut adalah hasil evaluasi model struktural yang diperoleh dari Bootstrapping Report SmartPLS tersaji pada tabel Tabel 4.28 Path Coefficients Diagram Jalur Original Sample P Values Keterangan ATT INT Ho diterima GS PBC Ho ditolak PBC INT Ho ditolak PEU ATT Ho ditolak PEU PU Ho ditolak PU ATT Ho ditolak PU INT Ho diterima SE PBC Ho ditolak SN INT Ho diterima SP ATT Ho ditolak TS PBC Ho ditolak Dari tabel tersebut dapat terlihat bahwa variabel yang saling signifikan adalah goverment support terhadap perceived behavioral control, perceived behavioral control terhadap intention to use, perceived ease of use terhadap attitude, perceived ease of use terhadap attitude, perceived usefulness terhadap attitude, self efficacy terhadap perceived behavioral control, security and privacy terhadap attitude, dan technology support terhadap perceived behavioral control. b) Evaluasi nilai R square Nilai R square digunakan untuk menjelaskan pengaruh variabel eksogen terhadap variabel endogen. Nilai R square variabel ATT adalah 0,646. Artinya

32 75 variabel PU, PEU, dan SP secara simultan mampu menjelaskan pengaruhnya terhadap variabel ATT sebesar 64,6% sedangkan 35,4% dijelaskan oleh variabel lain di luar model yang diteliti dan nilai R square variabel INT sebesar 0,582 yang artinya variabel ATT, SN dan PBC secara simultan mampu menjelaskan pengaruhnya terhadap variabel INT sebesar 58,2% sedangkan 41,8% dijelaskan oleh variabel lain di luar model yang diteliti. Sedangkan nilai R square variabel PBC adalah 0,641. Artinya variabel SE, GS, dan TS secara simultan mampu menjelaskan pengaruhnya terhadapvariabel PBC sebesar 64,1% sedangkan 35,9% dijelaskan oleh variabel lain di luar model yang diteliti dan nilai R square variabel PUadalah 0,334. Artinya variabel PEU secara simultan mampu menjelaskan pengaruhnya terhadapvariabel PU sebesar 33,4% sedangkan 66,6% dijelaskan oleh variabel lain di luar model yang diteliti Tabel 4.29 R Square R Square ATT INT PBC PU Rekomendasi Hasil pengujian hipotesis menunjukkan bahwa perceived behavioral control adalah konstruk yang signifikan menentukan niat penggunaan internet banking sehingga untuk meningkatkan niat dalam menggunakan internet banking, bank dapat mengambil tindakan strategi untuk meningkatkan pengetahuan nasabah

33 76 terhadap internet banking. Salah satu program yang bisa dihadirkan berupa workshop tentang internet banking. Workshop dapat dirancang untuk mengenalkan profil bank, simulasi penggunaan internet banking, testimoni pengguna internet banking yang merasakah kemudahaan penggunaannya agar nasabah lain yang belum menggunakan internet banking termotivasi menggunakan internet banking dengan beberapa keuntungannya. Selain pengadaan workshop, bank juga bisa mengadakan penawaran langsung pembuatan internet banking dan memberikan pengetahuan tentang penggunaan internet banking. Bank dapat mengadakan promo dengan berbagai penawaran menarik bagi nasabah yang menggunakan internet banking. Self efficacy adalah sub variabel yang paling menentukkan perceived behavioral control. Nasabah mempunyai keyakinan bahwa penggunaan internet banking menjadi user friendly dan mudah digunakan karena efek dari self efficacy pada tingkat usaha, ketekunan dan tingkat pembelajaran dan akan lebih tahan terhadap perubahan. Terkait variabel yang tidak mepunyai pengaruh yang signifikan terhadap intention to use internet banking maka pihak bank tidak perlu mengambil tindakan untuk merancang sebuah acara dalam rangka memunculkan attitude dan subjective norm.