skripsi analisis perbandingan keberhasilan dan...
Post on 10-Aug-2020
9 Views
Preview:
TRANSCRIPT
SKRIPSI
ANALISIS PERBANDINGAN KEBERHASILAN DAN PENERIMAAN
LIMA E-COMMERCE DI INDONESIA MENGGUNAKAN MODEL
DELONE & MCLEAN YANG DIKEMBANGKAN
Disusun Oleh :
SUBARKAH NUR HIDAYAT
11140930000102
Dosen Pembimbing:
1. A’ang Subiyakto, Ph.D
2. Meinarini Catur Utami, M.T
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2019 M /1440 H
SKRIPSI
ANALISIS PERBANDINGAN KEBERHASILAN DAN PENERIMAAN
LIMA E-COMMERCE DI INDONESIA MENGGUNAKAN MODEL
DELONE & MCLEAN YANG DIKEMBANGKAN
Disusun Oleh :
SUBARKAH NUR HIDAYAT
11140930000102
Dosen Pembimbing:
3. A’ang Subiyakto, Ph.D
4. Meinarini Catur Utami, M.T
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2019 M /1440 H
ii
LEMBAR PENGESAHAN SKRIPSI
iii
PENGESAHAN UJIAN
iv
PERNYATAAN
v
ABSTRAK
Subarkah Nur Hidayat – 11140930000102, Analisis Perbandingan Keberhasilan
dan Penerimaan Lima E-commerce Di Indonesia Menggunakan Model DeLone &
McLean yang Dikembangkan di bawah bimbingan A’ang Subiyakto dan
Meinarini Catur Utami.
Internet atau World Wide Web (www) secara dramatis telah memengaruhi
perilaku bisnis. Melalui Teknologi Informasi (IT), internet sekarang dimanfaatkan
untuk mendorong aktivitas bisnis dan pasar. Penjualan barang dan jasa secara
langsung (direct selling) melalui internet ini dinamakan ‘electronic commerce’ (e-
commerce). Laudon dan Traver (2014), mendefinisikan e-commerce sebagai
penggunaan Internet, Web, dan aplikasi mobile untuk melakukan transaksi
komersial. Berdasarkan data dari Consumer News and Business Channel Indonesia
(CNBC Indoensia), terdapat lima e-commerce terbesar yang menduduki pasar di
Indonesia berdasarkan jumlah pengunjungnya per kuartal IV-2018. Dalam hal ini,
peneliti tertarik untuk melakukan pengukuran keberhasilan dan penerimaan kelima
e-commerce menggunakan model DeLone & McLean (2003) yang dikembangkan.
Tujuan penelitian ini untuk mengetahui faktor-faktor yang memengaruhi
kesuksesan dan penerimaan kelima e-commerce menggunakan model DeLone &
McLean (2003) yang dikembangkan dan memperoleh tingkat kesuksesan dan
penerimaan kelima e-commerce di Indonesia. Selain menggunakan model tersebut,
penulis juga melakukan pengembangan model dengan memasukkan variabel
Perceived Ease of Use dan Perceived Usefulness dari Technology Acceptance
Model (TAM) milik Davis (1985). Penyebaran kuesioner dilakukan secara online
dengan teknik pengumpulan sampel menggunakan teknik simple random sampling
dan penentuan jumlah minimum sampel menggunakan rumus Slovin. Selanjutnya
data yang diperoleh dianalisis dengan menggunakan Ms. Exel 2016 dan dengan
pendekatan PLS-SEM menggunakan SmartPLS 3.0. Berdasarkan hasil penelitian,
Perceived Ease of Use (PEOU) menjadi faktor yang memengaruhi keberhasilan dan
penerimaan kelima e-commerce di Indonesia. Berdasarkan perhitungan R2, maka
nilai rata-rata tingkat keberhasilan dan penerimaan kelima e-commerce adalah
0,629 atau setara dengan Medium Strenght.
Kata Kunci : E-commerce, Keberhasilan Sistem, Penerimaan Sistem, DeLone &
McLean, TAM, PLS-SEM.
BAB 1-5 + 139 Halaman + xiv Halaman + 24 Gambar + 16 Tabel + Daftar Pustaka
+ Lampiran
Pustaka Acuan (50, 1985-2019)
vi
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarokatuh
Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan
karunia-Nya sehingga peneliti dapat menyelesaikan skripsi ini dengan baik.
Shalawat serta salam tak lupa selalu tercurahkan kepada junjungan Nabi besar
Muhammad SAW yang telah memberikan tuntunan dan petunjuk kepada umat
manusia menuju kehidupan dan peradaban, serta para keluarga dan para sahabat
Nabi.
Peneliti menyadari bahwa dalam pembuatan skripsi ini masih banyak
kekurangan. Hal ini semata-mata karena kurangnya pengetahuan dan pengalaman
yang dimiliki peneliti. Namun demikian peneliti berharap skripsi ini dapat
memenuhi syarat dalam memperoleh gelar Sarjana Strata Satu (S1) dalam bidang
Sistem Informasi dari Fakultas Sains dan Teknologi UIN Syarif Hidayatullah
Jakarta.
Skripsi yang berjudul “Analisis Perbandingan Keberhasilan Dan
Penerimaan Lima E-commerce Di Indonesia Menggunakan Model DeLone &
McLean yang Dikembangkan” akhirnya dapat diselesaikan sesuai yang
diharapkan. Selama skripsi ini tentunya terdapat banyak kesulitan dan hambatan
yang dihadapi, baik dalam pengumpulan data dan lain sebagainya. Namun berkat
bantuan dari berbagai pihak, kesulitan tersebut dapat diatasi. Kebahagiaan yang tak
ternilai secara pribadi dipersembahkan kepada kedua orang tua, seluruh keluarga,
sahabat, dan pihak-pihak yang telah ikut andil dalam penyelesaian skripsi ini.
vii
Sebagai bentuk penghargaan, izinkan peneliti menuangkan dalam bentuk ucapan
terima kasih sebesar-besarnya kepada:
1. Ibu Prof. Dr. Amany Burhanudin Umar Lubis, Lc. MA. selaku Rektor
Universitas Islam Negeri Syarif Hidayatullah Jakarta
2. Ibu Prof. Dr. Lily Surraya Eka Putri, M. Env.Stud. selaku Dekan Fakultas Sains
dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
3. Bapak A’ang Subiyakto, M.Kom selaku Ketua Program Studi Sistem
Informasi Fakultas Sains dan Teknologi dan Ibu Nida’ul Hasanati, S.T.,
MMSI selaku Sekretasi Program Studi Sistem Informasi Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
4. Bapak Aang Subiyakto, Ph.D sebagai Dosen Pembimbing I dan Ibu Meinarini
Catur Utami, MT sebagai Dosen Pembimbing II yang tidak pernah lelah dan
bosan untuk membimbing, memotivasi, dan mengingatkan peneliti selalu
untuk segera menyelesaikan skripsi ini.
5. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu
kepada penulis selama perkuliahan.
6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak
membantu penulis dalam perkuliahan, terutama dalam menyelesaikan
administrasi yang berkaitan dengan skripsi.
7. Bapak Ahmad Taufiq dan Ibu Darsini selaku orang tua tercinta yang selalu
berjuang sekuat tenaga agar penulis dapat menjadi orang yang sukses dan
berpendidikan tinggi. Terima kasih atas segala do’a, nasihat, motivasi, dan
waktumu yang sangat berarti, berharap agar peneliti dapat menjadi seseorang
yang lebih baik lagi, dan kuat dalam menjalani kehidupan serta dapat menjadi
viii
anak yang dapat dibanggakan. Terima kasih telah menyayangiku dengan
segala kekurangan yang ada. Tanpamu, hidupku takkan berarti.
8. Lita Realita N.H, Lamis Salsabila N.H dan Zahra Khaerani N.H selaku kakak
dan adik-adik yang membanggakan, yang selalu menyayangi dan mendukung
peneliti sampai selesainya skripsi ini.
9. Dwiayu C. Putriani yang selalu menemani saat proses pengerjaan skripsi.
Selain itu Seluruh teman-teman seperjuangan CCIT Sistem Informasi Pola 2-
2 dan HMI Komfastek yang selalu memberikan dukungan kepada peneliti
dalam menyelesaikan skripsi.
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari semua pihak dibalas pahala yang berlipat-lipat. Selain itu, penulis
menyadari penyusunan skripsi ini masih terdapat kekurangan dan jauh dari kata
sempurna sehingga saran dan kritik dapat disampaikan melalui
subarkah.nh14@mhs.uinjkt.ac.id. akhir kata, semoga penelitian ini dapat
memberikan manfaat dan sekaligus menambah ilmu bagi kita semua. Amiiin yaa
Rabbal Alamin.
Wassalamu’alaikum Warahmatullahi Wabarakatuh
Jakarta, Oktober 2019
Subarkah Nur Hidayat
11140930000102
ix
DAFTAR ISI
ABSTRAK .............................................................................................................. i
KATA PENGANTAR .......................................................................................... vi
DAFTAR ISI ......................................................................................................... ix
DAFTAR GAMBAR ........................................................................................... xii
DAFTAR TABEL .............................................................................................. xiv
BAB 1 PENDAHULUAN ................................................................................... 15
I.1 Latar Belakang ....................................................................................... 15
I.2 Rumusan Masalah .................................................................................. 22
I.3 Ruang Lingkup dan Batasan Penelitian .................................................. 23
I.4 Tujuan Penelitian .................................................................................... 23
I.5 Manfaat Penelitian .................................................................................. 24
I.6 Metodologi Penelitian ............................................................................ 25
I.7 Sistematika Penelitian ............................................................................ 25
BAB 2 TINJAUAN PUSTAKA .......................................................................... 27
2.1 Definisi Sistem Informasi ....................................................................... 27
2.2 Model Keberhasilan Sistem Informasi DeLone dan McLean ................ 28
2.2.1 System Quality (Kualitas Sistem) .................................................... 32
2.2.2 Information Quality (Kualitas Informasi) ....................................... 32
2.2.3 Service Quality (Kualitas Layanan) ................................................ 33
2.2.4 Use (Penggunaan) ........................................................................... 33
2.2.5 User Satisfaction (Kepuasan Pengguna) ......................................... 33
2.2.6 Net Benefit (Manfaat Bersih) .......................................................... 34
2.3 Technology Acceptance Model (TAM) .................................................. 34
x
2.3.1 Persepsi Kemudahan (Perceived Ease of Use) ............................... 36
2.3.2 Persepsi Kegunaan (Perceived Usefulness) .................................... 37
2.4 E-commerce ............................................................................................ 38
2.4.1 Business-to-Business (B2B) ............................................................ 40
2.4.2 Business-to-Consumer (B2C) ......................................................... 40
2.4.3 Consumer-to-Business (C2B) ......................................................... 41
2.4.4 Consumer-to-Consumer (C2C) ....................................................... 41
2.4.5 Mobile-commerce (M-Commerce) .................................................. 42
2.5 Metode Penelitian Kuantitatif ................................................................ 42
2.6 Populasi dan Teknik Sampling ............................................................... 45
2.6.1 Probability Sampling ...................................................................... 46
2.6.2 Nonprobability Sampling ................................................................ 46
2.7 Skala Likert ............................................................................................ 47
2.8 Partial Least Square Structural Equation Modelling (PLS – SEM) ...... 48
2.9 SmartPLS ................................................................................................ 54
2.10 Penelitian Sejenis ................................................................................... 56
BAB 3 METODOLOGI PENELITIAN ............................................................ 61
3.1 Pendekatan Penelitian ............................................................................. 61
3.2 Pengembangan Model dan Hipotesis Penelitian .................................... 61
3.2.1 Pengembangan Hipotesis Penelitian ............................................... 63
3.3 Populasi dan Sampel Penelitian ............................................................. 68
3.4 Instrumen Penelitian ............................................................................... 69
3.5 Pengumpulan dan Pemrosesan Data ....................................................... 72
3.6 Analisis Data dan Interpretasi Hasilnya ................................................. 73
xi
3.7 Prosedur Penelitian ................................................................................. 74
BAB 4 HASIL ANALISIS DAN INTERPRETASI ......................................... 75
4.1 E-commerce Indonesia ........................................................................... 75
4.1.1 Tokopedia ........................................................................................ 75
4.1.2 Bukalapak ........................................................................................ 76
4.1.3 Shopee ............................................................................................. 77
4.1.4 Lazada ............................................................................................. 78
4.1.5 Blibli ................................................................................................ 79
4.2 Hasil Analisis ......................................................................................... 80
4.2.1 Hasil Analisis Demografis .............................................................. 80
4.2.2 Hasil Analisis Pengukuran Model (Outer Model) .......................... 88
4.2.3 Hasil Analisis Model Struktural (Inner Model) ............................ 103
4.3 Interpretasi dan Diskusi Hasil Analisis ................................................ 127
4.3.1 Interpretasi dan Diskusi Model Pengukuran (Outer Model) ......... 127
4.3.2 Interpretasi dan Diskusi Model Struktural (Inner Model)............. 130
BAB 5 PENUTUP .............................................................................................. 142
5.1 Kesimpulan ........................................................................................... 142
5.2 Saran ..................................................................................................... 144
DAFTAR PUSTAKA ........................................................................................ 146
LAMPIRAN
xii
DAFTAR GAMBAR
Gambar 1.1 Transaksi e-commerce di Indonesia (2014-2018) ............................. 17
Gambar 1.2 Pengunjung lima e-commerce terbesar di Indonesia ......................... 18
Gambar 1.3 Perilaku Belanja e-commerce di Indonesia ....................................... 19
Gambar 1.4 IS Succes Model (DeLone & McLean, 2003) ................................... 20
Gambar 1.5 Technology Acceptance Model (Davis, 1985).................................. 21
Gambar 2.1 Model Shannon & Waever dan model Mason (1992: 61) ................ 29
Gambar 2.2 Model Keberhasilan SI (DeLone & McLean, 1992) ......................... 30
Gambar 2.3 IS Succes Model (DeLone & McLean, 2003) ................................... 31
Gambar 2.4 Model Theory of Reasoned Action (Davis, Bagozzi, dan Warshaw,
1989) ..................................................................................................................... 35
Gambar 2. 5 Technology Acceptance Model (Davis, 1985).................................. 36
Gambar 2. 6 Model Technology Acceptance Model (Davis, 2009) ...................... 38
Gambar 3. 1 Model Pengembang Groho, Winarno, dan Permanasari (2014) ...... 62
Gambar 3. 2 Pengembangan Model Penelitian ................................................... 64
Gambar 4. 1 Jenis Kelamin Responden Pengguna E-commerce .......................... 81
Gambar 4. 2 Pendidikan Terakhir Responden Pengguna E-commerce ................ 82
Gambar 4. 3 Usia Responden Pengguna E-commerce .......................................... 84
Gambar 4. 4 Tingkat Keberhasilan E-commerce Menurut Penggunanya ............. 85
Gambar 4. 5 Tingkat Penerimaan E-commerce Menurut Penggunanya ............... 87
Gambar 4. 6 Hasil Analisis Path Coeffisien Tokopedia ..................................... 105
Gambar 4. 7 Hasil Analisis Path Coeffisien E-commerce Bukalapak ................ 109
Gambar 4. 8 Hasil Analisis Path Coeffisien E-commerce Shopee...................... 114
xiii
Gambar 4. 9 Hasil Analisis Path Coeffisien E-commerce Lazada ...................... 119
Gambar 4. 10 Hasil Analisis Path Coefficient E-commerce Blibli ..................... 124
xiv
DAFTAR TABEL
Tabel 2. 1 Penelitian Sejenis ................................................................................. 56
Tabel 3. 1 Kode, Indikator dan Referensi Penelitian ............................................ 67
Tabel 3. 2 Variabel, Indikator dan Pernyataan Penelitian ..................................... 70
Tabel 4.1 Hasil Analisis Pengukuran Model Tokopedia ...................................... 90
Tabel 4.2 Hasil Analisis Pengukuran Model Bukalapak ...................................... 93
Tabel 4. 3 Hasil Analisis Pengukuran Model Shopee ........................................... 96
Tabel 4.4 Hasil Analisis Pengukuran Model Lazada ............................................ 99
Tabel 4. 5 Hasil Analisis Pengukuran Model Blibli ........................................... 102
Tabel 4.6 Hasil Analisis Struktur Model E-commerce Tokopedia ..................... 108
Tabel 4.7 Hasil Analisis Struktur Model E-commerce Bukalapak ..................... 113
Tabel 4.8 Hasil Analisis Struktur Model E-commerce Shopee .......................... 118
Tabel 4.9 Hasil Analisis Struktur Model E-commerce Lazada ........................... 123
Tabel 4.10 Hasil Analisis Struktur Model E-commerce Blibli ........................... 128
Tabel 4. 11 Ringkasan Penggunaan Indikator untuk Setiap E-commerce .......... 129
Tabel 4. 12 Perbandingan t-test untuk kelima E-commerce ............................... 140
Tabel 4. 13 Hasil 𝑓2 untuk perbandingan kelima E-commerce .......................... 141
15
BAB 1
PENDAHULUAN
I.1 Latar Belakang
Penjualan barang dan jasa secara langsung (direct selling) melalui internet
dinamakan dengan istilah ‘electronic commerce’ (e-commerce). E-commerce
adalah pendekatan bisnis baru, baik secara elektronik maupun dengan
menggunakan jaringan atau internet. Dengan cara ini, proses jual beli atau
pertukaran produk, jasa dan informasi dilakukan melalui komputer dan internet
(Turban, King, dan Lee, 2006). Laudon dan Traver (2014) mendefinisikan e-
commerce sebagai penggunaan Internet, Web, dan aplikasi mobile untuk melakukan
transaksi komersial. Transaksi komersial ini harus melibatkan pertukaran nilai
(misal, uang) karena tanpa ada pertukaran nilai, menurut Laudon dan Traver (2014),
tidak ada perdagangan (commerce). E-commerce menurut O'Brien dan Marakas
(2010) adalah pembelian, penjualan, pemasaran, dan informasi melalui berbagai
jaringan komputer. E-commerce mengubah bentuk persaingan, kecepatan tindakan,
dan perampingan interaksi, produk, dan pembayaran dari pelanggan ke perusahaan
dan dari perusahaan ke pemasok. Sedangkan menurut Sutabri (dalam Sidharta dan
Suzanto, 2015) e-commerce adalah penyebaran, pembelian, penjualan, pemasaran
barang dan jasa melalui sistem elektronik seperti internet atau televisi, www, atau
jaringan komputer lainnya.
E-commerce berguna dalam mengurangi biaya administrasi dan waktu siklus
proses bisnis, dan meningkatkan hubungan dengan kedua mitra bisnis dan
16
pelanggan (Pradana, 2015). Pradana (2015) menjelaskan bahwa E-commerce
adalah strategi komersial baru yqng mengarah kepada peningkatan kualitas produk,
layanan, dan perbaikan di tingkat penyediaan.
Proses yang ada dalam e-commerce adalah presentasi elektronis (pembuatan
situs web) untuk produk dan layanan, pemesanan secara langsung dan tersedianya
tagihan, otomatisasi akun pelanggan secara aman (baik nomor rekening maupun
nomor kartu redit) dan pembayaran yang dilakukan secara langsung (online) dan
penanganan transaksi (Irmawati, 2011). Dalam proses e-commerce, perusahaan
membutuhkan beberapa komponen utama agar operasi dan manajemen aktivitas e-
commerce berjalan dengan baik. Adapun komponen-komponen tersebut adalah
pengendalian akses dan keamanan, pembuatan profil dan personalisasi, manajemen
pencarian, manajemen isi dan katalog, manajemen arus kerja, pemberitahuan
kegiatan, kerjasama dan perdagangan, serta proses pembayaran eletronik (Irmawati,
2011).
Indonesia merupakan pasar dengan pertumbuhan e-commerce yang pesat dari
tahun ke tahun. Data eMarketer (Data and Research on Digital for Business
Professionals) menunjukkan bahwa transaksi e-commerce Indonesia mencapai Rp
25,1 triliun pada 2014 dan naik menjadi Rp 69,8 triliun pada 2016, dengan kurs
rupiah Rp 13.200 per dolar Amerika. Demikian pula pada 2018, nilai perdagangan
digital Indonesia terus naik menjadi Rp 144,1 triliun. Berikut ini penulis tampilkan
Gambar grafik 1.1 yang menunjukan transaksi e-commerce di Indonesia mulai dari
tahun 2014 s/d 2018.
17
Gambar 1.1 Transaksi e-commerce di Indonesia 2014-2018 (Suprapto, 2018)
Berdasarkan data dari Consumer News and Business Channel Indonesia
(CNBC Indoensia), terdapat lima e-commerce terbesar yang menduduki pasar di
Indonesia berdasarkan jumlah pengunjungnya per kuartal IV-2018. Situs Tokopedia
menjadi e-commerce yang paling banyak dikunjungi dengan 168 juta pengunjung,
posisi kedua ditempati oleh Bukalapak dengan 116 juta pengunjung, kemudian
Shopee dengan 67 juta pengunjung, Lazada dengan 58 juta pengunjung dan yang
ke-5 ada Blibli dengan 43 juta pengunjung. Gambar 1.2 menampilkan jumlah
pengunjung Tokopedia, Bukalapak, Shopee, Lazada dan Blibli per kuartal IV 2018.
18
Jumlah pengunjung e-commerce di Indonesia dapat dikelompokkan
berdasarkan wilayah dan usianya. Hal tersebut diketahui berdasarkan hasil riset
Snapcart mengenai perilaku belanja e-commerce di Indonesia, yang menunjukkan
bahwa penduduk Pulau Jawa dan Sumatera Utara merupakan pembelanja online
paling dominan. Menurut data geografi, pembelanja e-commerce tertinggi di
Indonesia berasal dari DKI Jakarta (22%), Jawa Barat (21%), Jawa Timur (14%),
Jawa Tengah (9%), Banten (8%), dan Sumatera Utara (6%). Dalam riset tersebut
juga terlihat bahwa berdasarkan usia, 50% pembelanja merupakan Generasi
Milenial (berusia antara 25-34 tahun), disusul Generasi Z (15-24 tahun) sebanyak
31%, Generasi X (35-44 tahun) sebanyak 16%, dan 2% sisanya merupakan
Generasi Baby Boomers (usia 45 tahun keatas). Berikut ini penulis tampilkan
Gambar 1.3 yang menunjukkan tentang perilaku belanja e-commerce di Indonesia
berdasarkan jenis generasinya.
16
80
00
00
0
11
60
00
00
0
67
00
00
00
58
00
00
00
43
00
00
00
T O K O P E D I A B U K A L A P A K S H O P E E L A Z A D A B L I B L I
PER KUARTAL IV 2018
Gambar 1.2 Pengunjung lima e-commerce terbesar di Indonesia (Haris, 2018)
19
Peningkatan yang sangat pesat dalam tren online shopping tentu erat
kaitannya dengan perilaku konsumen. Perilaku konsumen dalam e-commerce
dipengaruhi oleh kepuasan dalam melakukan transaksi secara online. Perilaku
konsumen ini menjadi indikator dalam menyukai suatu online shop dan indikator
terhadap keinginan untuk kembali melakukan online shopping (Saragih dan
Ramdhani, 2012). Selain itu, kepuasan konsumen dalam melakukan transaksi
online juga berpengaruh terhadap kepercayaan konsumen, yang pada gilirannya
akan memengaruhi sikap konsumen dalam melakukan pembelian ulang (intention
to use) (Elvandri, 2011).
Kesuksesan penggunaan sistem informasi adalah seberapa jauh kontribusi
dari produk yang dihasilkan oleh sistem informasi bagi organisasi (Masnoni dan
Lyna, 2009). Sedangkan menurut DeLone dan McLean, kesuksesan sistem
0%
10%
20%
30%
40%
50%
60%
Generasi Milenial Generasi Z Generasi X Generasi Baby Boomers
Gambar 1.3 Perilaku Belanja e-commerce di Indonesia (Yudi, 2018)
20
informasi diukur dari enam faktor, yaitu system quality, information quality, use,
user satisfaction, individual impact, dan organizational impact (DeLone &
McLean, 1992). Model ini tidak mengukur keenam dimensi pengukuran kesuksesan
secara independen atau terpisah, melainkan secara keseluruhan. DeLone dan
McLean kemudian memperbarui modelnya dan menyebutnya sebagai model
kesuksesan sistem informasi DeLone dan McLean yang diperbarui (DeLone &
McLean, 2003). Model yang diperbarui ini terdiri atas variabel information quality,
system quality, service quality, intention to use/use, user satisfaction dan net
benefits. Berikut ini penulis lampirkan Gambar 1.4 model kesuksesan sistem
informasi DeLone dan McLean yang diperbarui (DeLone & McLean, 2003):
Gambar 1.4 IS Success Model (DeLone & McLean, 2003)
Selain pengukuran berdasarkan kesuksesan, sebuah sistem informasi juga
harus diukur seberapa besar penerimaannya oleh pengguna. Model TAM, yang
diperkenalkan pertama kali oleh Davis, merupakan salah satu model yang dibangun
untuk menganalisis dan memahami faktor-faktor yang memengaruhi diterimanya
21
penggunaan teknologi komputer (Davis, 1985). TAM menjelaskan hubungan sebab
akibat antara keyakinan (manfaat suatu sistem informasi dan kemudahan
penggunaannya) dan perilaku, tujuan/keperluan, dan penggunaan aktual dari
pengguna suatu sistem informasi. Model ini menempatkan penggunaan (usage)
sebagai variabel dependen, serta perceived usefulness dan ease of use sebagai
variabel independen. Perceived usefulness dan perceived ease of use merupakan
variabel utama TAM. Beberapa peneliti menunjukkan adanya hubungan dan
pengaruh positif antara usefulness dan ease of use (Adams, Nelson, dan Todd, 1992;
Igbaria, Guimaraes, dan Davis, 1995; Mao dan Palvia, 2006). End user satisfaction
sangat dipengaruhi oleh beberapa faktor, antara lain perceived usefulness dan ease
of use (Mahmood, Burn, Gemoets, dan Jacquez, 2000). Gambar 1.5 adalah
menunjukkan model penerimaan teknologi (Davis, 1985):
Gambar 1. 5 Technology Acceptance Model (Davis, 1985)
Berdasarkan penjelasan sebelumnya, maka penulis ingin melakukan sebuah
penelitian dengan judul “Analisis Perbandingan Keberhasilan dan Penerimaan
Lima E-commerce di Indonesia Menggunakan Model DeLone & McLean yang
Dikembangkan”. Dalam penelitian ini, penulis menggunakan simple random
22
sampling untuk pengambilan sampel sedangkan untuk menentukan jumlah
minimum sampel penulis menggunakan teknik Slovin. Selain itu, dalam
pemodelannya penulis menggabungkan dua buah model, yaitu model kesuksesan
sistem informasi DeLone dan McLean (DeLone & McLean, 2003) dan model TAM
(Davis, Bargozzi, dan Warsaw, 1989). Namun tidak semua variabel akan
digabungkan. Pada model TAM, penulis hanya akan mengambil dua variabel, yaitu
perceived usefulness dan perceived ease of use yang merupakan variable utama
TAM. Hal ini diungkapkan oleh beberapa penulis yang mengungkapkan bahwa
adanya hubungan dan pengaruh positif antara usefulness dan ease of use (Groho,
Winarno, dan Permanasari, 2014).
I.2 Rumusan Masalah
Berdasarkan uraian sebelumnya, maka penulis merumuskan beberapa
pertanyaan, yaitu:
1. Apa saja faktor-faktor yang memengaruhi kesuksesan dan penerimaan lima
e-commerce di Indonesia menggunakan model DeLone & McLean yang
dikembangkan (2003)?
2. Bagaimana tingkat kesuksesan dan penerimaan pengguna atas lima e-
commerce di Indonesia dengan model DeLone & McLean yang
dikembangkan (2003)?
23
I.3 Ruang Lingkup dan Batasan Penelitian
Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai
berikut.
1. Penelitian ini dilakukan terhadap lima e-commerce di Indonesia, yaitu
Tokopedia, Bukalapak, Shopee, Lazada dan Blibli.
2. Secara teori, penelitian ini menggunakan model kesuksesan sistem informasi
DeLone & McLean (2003). Model ini terdiri atas variabel information
quality, system quality, service quality, intention to use/use, user satisfaction
dan net benefits. Namun, model ini di-extend dengan variabel perceived ease
of use dan perceived usefulness milik Davis (1989).
3. Secara metodologi, penelitian ini menggunakan metode kuantitatif dengan
teknik pengumpulan data survei (kuesioner) kepada end user (pengguna
akhir), yaitu meliputi pengguna Tokopedia, Bukalapak, Shopee, Lazada dan
Blibli. Teknik pengambilan sampel menggunakan teknik random sampling,
sedangkan analisis datanya menggunakan PLS-SEM dengan SmartPLS 3.0.
I.4 Tujuan Penelitian
Sebagaimana telah diuraikan pada sub-bab sebelumnya, penelitian ini
dilakukan dengan tujuan:
1. Mengetahui faktor-faktor yang memengaruhi kesuksesan dan penerimaan
lima e-commerce di Indonesia menggunakan model DeLone & McLean yang
dikembangkan (2003).
24
2. Mendapatkan tingkat kesuksesan dan penerimaan lima e-commerce di
Indonesia dengan model DeLone & McLean yang dikembangkan (2003).
I.5 Manfaat Penelitian
Penelitian ini mampu memberi kontribusi dan manfaat sebagai berikut:
1. Manfaat secara teoritis
Penelitian ini dapat sebagai referensi penelitian kuantitatif kesuksesan dan
penerimaan lima e-commerce di Indonesia.
2. Manfaat praktis
a. Bagi pihak perusahaan e-commerce
Dengan adanya penelitian ini dapat menjadi bahan evaluasi dalam
mengembangkan sistem yang baik dan efektif untuk pengguna e-
commerce.
b. Bagi kampus
Dengan adanya penelitian ini dapat menjadi rujukan ataupun referensi
penelitian sejenis untuk pengembangan penelitian.
c. Bagi penulis
Penelitian ini sebagai sarana untuk menambah pengetahuan dan
wawasan dalam penerapan teori-teori yang diperoleh di bangku
perkuliahan dengan keadaan sebenarnya yang terjadi di lapangan.
d. Bagi pembaca
Penelitian ini dapat memberikan informasi tentang keberhasilan dan
penerimaan lima e-commerce di Indonesia.
25
I.6 Metodologi Penelitian
Berikut adalah metode yang dilakukan dalam pengumpulan data:
1. Observasi
Observasi merupakan metode pengumpul data yang dilakukan dengan cara
mengamati dan mencatat secara sistematik gejala-gejala yang diselidiki.
2. Wawancara
Dalam proses pengumpulan data, penulis melakukan beberapa kali
wawancara dengan berbagai narasumber. Wawancara dilakukan berdasarkan
pertanyaan-pertanyaan yang sudah disusun berdasarkan variabel dan indikator
yang terdapat pada penelitian.
3. Studi pustaka
Setelah menentukan topik dalam penelitian, penulis melakukan kajian yang
berkaitan dengan teori dalam topik penelitian. Dalam prosesnya, penulis
mengumpulakan informasi dari berbagai sumber, mulai dari buku, jurnal, skripsi,
hasil-hasil penelitian (tesis dan disertasi) dan sumber-sumber lainnya yang sesuai
(internet, koran, dll).
I.7 Sistematika Penelitian
Dalam penyusunan laporan penelitian, pembahasan terbagi dalam lima bab
yang secara singkat akan diuraikan sebagai berikut :
BAB 1 PENDAHULUAN
Bab ini berisi penjelasan tentang latar belakang masalah, rumusan
masalah, ruang lingkup dan batasan penelitian, tujuan penelitian,
26
manfaat penelitian, metodologi penelitian, dan sistematika
penulisan.
BAB 2 TINJAUAN PUSTAKA
Bab ini membahas mengenai dasar-dasar teori yang mendukung
dalam anlisis perbandingan keberhasilan dan penerimaan e-
commerce.
BAB 3 METODOLOGI PENELITIAN
Bab ini membahas tentang metodologi pengumpulan data yang
digunakan dalam penelitian ini dan metode analisis data.
BAB 4 HASIL DAN PEMBAHASAN
Bab ini menguraikan penjelasan detail mengenai e-commerce dan
membahas hasil-hasil yang diperoleh dari hasil penelitian analisis
perbandingan keberhasilan dan penerimaan lima e-commerce di
Indonesia.
BAB 5 PENUTUP
Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan
masalah serta beberapa saran untuk pengembangan e-commerce.
27
BAB 2
TINJAUAN PUSTAKA
2.1 Definisi Sistem Informasi
Sistem informasi menurut Valaich dan Schneider (2012) adalah
kombinasi/gabungan dari hardware, software, dan telecommunication networks
yang digunakan untuk mengumpulkan, menciptakan, dan mendistribusikan data-
data berguna dalam suatu organisasi. Ada tiga elemen dasar dalam setiap sistem
informasi (2012), yaitu: (1) data, yakni material kasar berupa angka dan/atau huruf
yang tak memiliki makna apapun; (2) informasi, yakni data yang telah diolah atau
diberikan konteks tertentu seperti label atau garis; dan (3) pengetahuan
(knowledge), yakni kemampuan untuk memahami informasi yang merupakan tubuh
dari prosedur pengaturan tertentu.
Menurut Laudon (2012), sistem informasi adalah komponen-komponen yang
saling berkaitan yang bekerja bersama-sama untuk mengumpulkan, mengolah,
menyimpan, dan menampilkan informasi untuk mendukung pengambilan
keputusan, koordinasi, pengaturan, analisa, dan visualisasi pada sebuah organisasi.
Sedangkan menurut Whitten, Bentley, dan Ditman (2009) sistem informasi adalah
pengaturan orang, data, proses, dan informasi yang saling berinteraksi untuk
mengumpulkan, memproses, menyimpan, dan menyediakan output informasi yang
diperlukan untuk mendukung sebuah intansi atau organisasi.
28
2.2 Model Keberhasilan Sistem Informasi DeLone dan McLean
Dalam melakukan pendekatan terhadap sistem informasi, salah satu model
pengukuran keberhasilan suatu sistem informasi dibuat oleh William H. DeLone
dan Ephraim R. McLean dalam penelitian mereka berjudul Information System
Success: The Quest for the Dependent Variable pada tahun 1992. DeLone dan
McLean merasa bahwa pandangan Peter Keen tentang misi sistem informasi yang
menitikberatkan pada evaluasi atas “efektivitas” dan “keberhasilan” sangat krusial
(DeLone & McLean, 2016).
Beberapa belas tahun sebelum publikasi DeLone dan McLean tersebut, Keen
telah mengidentifikasi lima pertanyaan pada pertemuan pertama Konferensi
Internasional Sistem Informasi (ICIS) tahun 1980, yakni: (1) apa saja disiplin ilmu
MIS (Management of Information System)?; (2) apa saja variabel dependennya?;
(3) bagaimana MIS membangun suatu tradisi kumulatif?; (4) Apa hubungan antara
riset MIS dengan teknologi komputer dan dengan praktek MIS?; dan (5) di mana
periset MIS dapat mempublikasi temuan mereka? (DeLone & McLean, 1992).
Pertanyaan kedua inilah, yaitu mengenai variabel dependen dalam riset MIS yang
menjadi fokus sentral DeLone dan McLean dalam mengembangkan model
keberhasilan sistem informasi mereka. Variabel dependen inilah yang ingin diukur
oleh DeLone dan McLean dalam suatu sistem informasi agar risetnya tidak terlalu
spekulatif (DeLone & McLean, 1992).
DeLone dan McLean kemudian membangun suatu model keberhasilan sistem
informasi yang bersandar pada teori komunikasi Shannon dan Weaver tahun 1949
dan riset Mason tahun 1978 yang mengembangkan riset Shannon dan Weaver.
29
Dalam riset yang dilakukan oleh DeLone dan McLean 1992 mereka
mengelompokkan keberhasilan sistem informasi menjadi tiga bagian, yakni pada
level teknikal, level semantik, dan level efektivitas. Pada level teknikal,
keberhasilan suatu sistem dinilai dari keakurasian dan keefisiensiannya dalam
menghasilkan suatu informasi. Pada level semantik, keberhasilan suatu sistem
dinilai dari kemampuannya untuk menyampaikan maksud yang dituju dari
penyampainya. Sedangkan pada level efektivitas keberhasilan suatu sistem dinilai
dari sejauh mana dampak yang ditimbulkannya terhadap si penerima output.
Kemudian mengembangkan model Shannon & Weaver dengan mengganti
“efektivitas” (effectiveness) menjadi “pengaruh” (influence) dan mendefinisikan
tingkat pengaruh informasi menjadi “suatu serangkaian peristiwa hierarkis yang
muncul atas pengaruh dari penggunaan sistem informasi tersebut” (DeLone &
McLean, 1992). Jadi, Mason mengartikan keberhasilan suatu sistem informasi
dalam bentuk pengaruh yang dihasilkan sistem tersebut pada setiap level penerima
informasinya. Berikut ini penulis lampirkan Gambar 2.1 model Shannon dan
Waever dan model mason:
Gambar 2. 1 Model Shannon dan Waever dan model Mason (1992)
30
Dari dua pengembangan atas model Mason ini, DeLone dan McLean
menemukan enam dimensi keberhasilan sistem informasi (atau disebut D&M
Model) yang terdiri dari Sistem Quality (Kualitas Sistem), Information Quality
(Kualitas Informasi), Use (Kegunaan), User Satisfaction (Kepuasan Pengguna),
Individual Impact (Dampak Individual), dan Organizational Impact (Dampak
Organisasional) (DeLone & McLean, 1992). Hasil penelitian dari DeLone dan
McLean menunjukkan bahwa, di antara enam kategori yang membangun
keberhasilan sistem informasi ini, terdapat suatu keterkaitan yang akan menentukan
berhasil atau tidaknya penerapan suatu sistem informasi. Berikut ini penulis
lampirkan Gambar 2.2 model keberhasilan sistem informasi DeLone & McLean
(DeLone & McLean, 1992):
Gambar 2. 2 Model Keberhasilan SI (DeLone & McLean, 1992)
Publikasi D&M Model ini kemudian membuat periset lain mengeksplorasi,
memodifikasi, dan mengkritisi lebih jauh, seperti misalnya model Seddon (Seddon,
1997). Seddon mengkritik penggunaan “Use” dalam D&M Model karena dianggap
ambigu (DeLone & McLean, 2016). DeLone & McLean merespons kritik ini
31
dengan menambahkan variabel “Intention to Use” (Niat Penggunaan) yang harus
didahului oleh “Use” dalam artian proses, dan pengalaman positif dalam “Use”
akan berdampak besar pada “User Satisfaction” dalam artian kausal (DeLone &
McLean, 2016). Periset lain menyarankan ditambahkannya variabel “Service
Quality” dalam D&M Model.
Berdasarkan perkembangan-perkembangan sistem informasi dan kritik serta
masukan tersebut, DeLone dan McLean pada tahun 2003 memperbarui modelnya
dengan memperluas dan menyebutnya sebagai Model Kesuksesan Sistem Informasi
D&M diperbarui (The Reformulated D&M IS Success Model). Berikut ini penulis
lampirkan Gambar 2.3 model kesuksesan sistem informasi DeLone dan McLean
yang diperbarui (DeLone & McLean, 2003):
Gambar 2.3 IS Succes Model (DeLone & McLean, 2003)
Seperti yang penulis sebutkan sebelumnya, D&M Model mengalami
beberapa perubahan dan penambahan, yaitu:
32
1. Kualitas pelayanan (Sevice quality), pelayanan yang diberikan oleh
pengembang sistem informasi.
2. Penambahan minat memakai (Intention to use) sebagai alternatif dari
pemakaian (Use).
3. Penggabungan antara dampak individual (Individual Impact) dan dampak
organisasional (Organizational Impact) menjadi satu yaitu manfaat bersih
(Net benefit).
Untuk setiap dimensinya, penulis akan jabarkan sebagai berikut:
2.2.1 System Quality (Kualitas Sistem)
Kualitas sistem digunakan untuk mengukur karakteristik yang diinginkan dari
sistem informasi (Ojo, 2017). Dalam penjualan produk, misalnya, pengukuran
kualitas sistem dilakukan melalui apa yang ditawarkan kepada konsumen dan
kemampuan untuk memenuhi kebutuhan konsumen. Fokusnya adalah performa
dari sistem, yang merujuk pada seberapa baik kemampuan perangkat keras,
perangkat lunak, kebijakan, prosedur dari sistem informasi dapat menyediakan
informasi kebutuhan pengguna (Ojo, 2017).
2.2.2 Information Quality (Kualitas Informasi)
Kualitas informasi berkenaan dengan konten dan karakteristik keluaran
(output) sistem informasi yang pengukurannya dilakukan melalui pengujian
akurasi, reliabilitas, dan kepercayaan (Ojo, 2017). Sedangkan menurut Jogiyanto
(2007), variabelnya meliputi keakuratan informasi (accuracy), relevan (relevance),
33
kelengkapan informasi (completeness), ketepatan waktu (timeliness), dan penyajian
informasi (format).
2.2.3 Service Quality (Kualitas Layanan)
Variabel kualitas layanan digunakan untuk mengukur kualitas dukungan oleh
pengembang sistem informasi yang dimensinya antara lain jaminan dan
responsivitas (Ojo, 2017). Layanan dapat berupa update sistem informasi dan
respon dari pengembang jika sistem informasi mengalami masalah. Beberapa
indikator pada kualitas layanan adalah 24 jam kecepatan respon, kemampuan teknik
dan pelayanan setelahnya dari pengembang (Jogiyanto, 2007).
2.2.4 Use (Penggunaan)
Penggunaan mengacu pada seberapa sering pengguna memakai sistem
informasi. Dalam kaitannya dengan hal ini penting untuk membedakan apakah
pemakaiannya termasuk keharusan yang tidak bisa dihindari atau sukarela. Variabel
ini diukur dengan indikator yang digunakan hanya terdiri dari satu item yaitu
seberapa sering pengguna (user) mengunakan sistem informasi tersebut (frequency
of use) (Jogiyanto, 2007).
2.2.5 User Satisfaction (Kepuasan Pengguna)
Kepuasan pengguna merupakan respon dan umpan balik yang dimunculkan
pengguna setelah memakai sistem informasi. Sikap pengguna terhadap sistem
informasi merupakan kriteria subjektif mengenai seberapa suka pengguna terhadap
34
sistem yang digunakan. Variabel ini diukur dengan indikator yang terdiri atas
efisiensi (efficiency) ̧ keefektifan (effectiveness), dan kepuasan (satisfaction)
(Jogiyanto, 2007).
2.2.6 Net Benefit (Manfaat Bersih)
Manfaaat-manfaat bersih merupakan dampak (impact) keberadaan dan
pemakaian sistem informasi terhadap kualitas kinerja pengguna baik secara
individual maupun organisasi termasuk di dalamnya produktivitas, meningkatkan
pengetahuan dan mengurangi lama waktu pencarian informasi (Jogiyanto, 2007).
2.3 Technology Acceptance Model (TAM)
TAM yang dikembangkan oleh Davis (1986) sebetulnya adalah
pengembangan dari TRA (Theory of Reasoned Action) dari disiplin ilmu psikologi
(Davis, Bagozzi, dan Warshaw, 1989). Menurut TRA, perilaku spesifik seseorang
ditentukan oleh niat/intensinya (Behavioural Intention/BI) dalam melakukan
perilaku tersebut, dan BI sendiri ditentukan oleh sikap (attitude) dan norma
subjektifnya (1989). Gillmore dkk (2002), misalnya, mengaplikasikan teori ini
dalam studi kasus perilaku seksual remaja dengan asumsi bahwa keputusan seorang
remaja untuk terlibat dalam suatu hubungan dapat diprediksi secara langsung
melalui intensinya untuk mengambil keputusan tersebut. Dengan mengambil basis
teoritis TRA, TAM melihat hubungan kausalitas dua hal ini: persepsi kegunaan dan
kemudahan; serta sikap, intensi pengguna dan perilaku aktual komputer (Davis,
35
Bagozzi, dan Warshaw, 1989). Berikut ini penulis lampirkan Gambar 2.4 model
Theory of Reasoned Action:
Gambar 2. 4 Model Theory of Reasoned Action (Davis, Bagozzi, dan Warshaw,
1989)
Tujuan dibentuknya TAM adalah untuk memberikan penjelasan atas penentu
(determinan) penerimaan komputer oleh pengguna. Maka, menurut Chuttur (2009),
persepsi kegunaan (perceived usefulness), persepsi kemudahan (perceived ease of
use), dan perilaku penggunaan (attitude toward using) dapat menjelaskan intensi
pengguna. Namun, Davis, Bagozzi, dan Warshaw (Davis, Bagozzi, dan Warshaw,
1989) hanya berfokus pada dua dari tiga faktor tersebut, yakni persepsi kegunaan
dan persepsi kemudahan. Persepsi kegunaan (U) adalah probabilitas subjektif
pengguna bahwa menggunakan sistem spesifik akan meningkatkan kinerjanya di
dalam organisasi, sedangkan persepsi kemudahan (EOU) adalah tingkat ekspektasi
pengguna bahwa sistem berjalan dengan lancar tanpa hambatan (Davis, Bagozzi,
dan Warshaw, 1989). Berikut ini penulis lampirkan Gambar 2.5 Technology
Accepgtance Model (Davis, 1985):
36
Gambar 2. 5 Technology Acceptance Model (Davis, 1985)
2.3.1 Persepsi Kemudahan (Perceived Ease of Use)
Chuttur (2009) mendefinisikan persepsi kemudahan sebagai “tingkat
kepercayaan individu bahwa dengan menggunakan sistem tertentu akan
meningkatkan kinerjanya.” Persepsi pengguna terhadap kemudahan dalam
menggunakan teknologi dipengaruhi beberapa faktor:
1. Faktor pertama berfokus pada teknologi itu sendiri, contohnya pengalaman
pengguna terhadap penggunaan teknologi yang sejenis.
2. Faktor kedua adalah reputasi akan teknologi tersebut yang diperoleh oleh
pengguna. Reputasi yang baik yang didengar oleh pengguna akan mendorong
keyakinan pengguna terhadap kemudahan penggunaan teknologi tersebut.
3. Faktor ketiga yang mempengaruhi persepsi pengguna terhadap kemudahan
menggunakan teknologi adalah tersedianya mekanisme pendukung yang
handal.
37
2.3.2 Persepsi Kegunaan (Perceived Usefulness)
Chuttur (2009) mendefinisikan persepsi kegunaan sebagai “tingkat
kepercayaan individu bahwa menggunakan sistem tertentu tidak menciptakan
kesulitan fisik dan mental”. Persepsi pengguna terhadap kegunaan teknologi dapat
diukur dari beberapa faktor sebagai berikut:
1. Kegunaan, meliputi beberapa dimensi ukuran yaitu menjadikan pekerjaan
lebih mudah, bermanfaat, dan dapat menambah produktivitas.
2. Efektivitas, meliputi beberapa dimensi ukuran yaitu dapat mempertinggi
efektivitas serta dapat mengembangkan kinerja pekerjaan.
Dalam riset-riset selanjutnya yang dilakukan Davis, TAM mengalami
perubahan cukup signifikan. Chuttur (2009) menemukan bahwa ternyata persepsi
kegunaan dapat berpengaruh langsung kepada penggunaan sistem aktual (actual
system use). Di saat yang sama, ia menemukan bahwa karakteristik sistem juga
dapat memengaruhi secara langsung perilaku pengguna dalam menggunakan sistem
tanpa kebutuhan akan kepercayaan aktual (actual belief). Behavioural Intention
(BI) kemudian dimasukkan sebagai variabel baru yang dipengaruhi secara langsung
oleh persepsi kegunaan (Chuttur, 2009). Berikut penulis lampirkan Gambar 2.6
versi teranyar dari TAM:
38
Gambar 2. 6 Model Technology Acceptance Model (Davis, 2009)
2.4 E-commerce
Irmawati (2011), E-commerce adalah sistem pemasaran melalui media
elektronik. E-commerce yang digunakan dalam proses pembelian dan penjualan
produk, jasa dan informasi yang dilakukan dengan memanfaatkan jaringan
komputer (Irmawati, 2011)
Menurut Khan (2016) electronic commerce (selanjutnya disebut e-commerce)
adalah aktivitas menjual dan membeli barang dan/atau jasa melalui medium
internet. Dibentuk pada 1995, dalam perjalanannya, e-commerce dengan cepat
mengubah cara perusahaan berinteraksi dengan perusahaan lain, pelanggan, dan
pemerintah (Khan, 2016). Dengan teknologi nirkabel (wireless) yang makin maju,
ia telah menjadi fokus utama perusahaan dalam beroperasi dan membentuk strategi
bisnis. Maka, tak heran bila e-commerce saat ini menjadi primadona dalam
transaksi jual-beli karena ia telah mengubah dan merevolusi kehidupan manusia
hari ini (Nanehkaran, 2013).
39
Dimulai sekitar tahun 1970-an, istilah electronic commerce merujuk pada
pertukaran data elektronik untuk mengirim dokumen-dokumen bisnis (Nanehkaran,
2013). Semua kemudian berubah ketika World Wide Web (WWW) ditemukan pada
1994. Tak butuh waktu lama, kira-kira kurang dari satu dekade kemudian, e-
commerce menyebar dengan sangat cepat di hampir seluruh negara.
Pradana (2015), e-commerce dapat berjalan dengan baik apabila dijalankan
berdasarkan prinsip 4C ini: connection (koneksi), creation (penciptaan),
consumption (konsumsi) dan control (pengendalian). Prinsip-prinsip ini dapat
memotivasi konsumen yang mengarah pada return of investment (ROI) perusahaan,
yang diukur dengan partisipasi aktif seperti feedback atau review konsumen, dan
share atau merekomendasikan kepada pengguna lain.
Menurut Humdiana dan Indriyani (2005), terdapat tiga klasifikasi e-
commerce, yaitu: e-commerce Busines to Consumer (B2C), Business to Business
(B2B), dan Consumer to Consumer (C2C). Sedangkan menurut Nanehkaran
(2013), e-commerce dapat diklasifikasi menjadi lima jenis: Business-to-Business
(B2B), Business-to-Consumer (B2C), Consumer-to-Business (C2B), Consumer-to-
Consumer (C2C), dan Mobile-commerce (M-Commerce). Selanjutnya, penulis akan
menggunakan klasifikasi dari Nanehkaran (2013) karena penulis rasa cukup
komprehensif dalam melihat hubungan antar pengguna dalam e-commerce.
40
2.4.1 Business-to-Business (B2B)
B2B adalah tipe transaksi komersil yang terjadi antara satu perusahaan
dengan perusahaan lain dalam hal barang dan jasa (Nanehkaran, 2013). B2B
memiliki karakteristik:
a. Trading partners yang sudah saling mengetahui dan antara mereka sudah
terjalin hubungan yang berlangsung cukup lama. Informasi yang dimiliki
hanya ditukar dengan partner tersebut.
b. Pertukaran data dilakukan secara berulang-ulang dan berkala dengan format
data yang telah disepakati bersama.
c. Salah satu pelaku tidak harus menunggu rekan mereka lainnya untuk
mengirimkan data.
d. Model yang umum digunakan adalah peer to peer, di mana processing
intelligence dapat didistribusikan di kedua pelaku bisnis.
2.4.2 Business-to-Consumer (B2C)
B2C merujuk pada transaksi antara suatu perusahaan dengan konsumen
akhirnya sehingga menciptakan storefronts yang menunjukkan informasi, barang,
dan jasa antara perusahaan dan konsumen (Nanehkaran, 2013). B2C memiliki
karakteristik:
a. Terbuka untuk umum, di mana informasi disebarkan secara umum pula dan
dapat diakses secara bebas.
41
b. Servis yang digunakan bersifat umum, sehingga dapat digunakan oleh orang
banyak. Sebagai contoh, karena sistem web sudah umum digunakan maka
service diberikan dengan berbasis web.
c. Servis yang digunakan berdasarkan permintaan. Produsen harus siap
memberikan respon sesuai dengan permintaan konsumen.
d. Sering dilakukan sistem pendekatan client-server.
2.4.3 Consumer-to-Business (C2B)
C2B adalah perpindahan (transfer) barang, jasa, atau informasi dari
konsumen kepada perusahaan. Sebuah model bisnis di mana konsumen akhir
menciptakan produk atau jasa yang akan digunakan perusahaan atau institusi
(Nanehkaran, 2013).
2.4.4 Consumer-to-Consumer (C2C)
Dalam C2C seorang konsumen dapat menjual secara langsung barangnya
kepada konsumen lainnya, atau bisa disebut juga orang yang menjual produk dan
jasa ke satu sama lain. Mengiklankan jasa pribadi di internet serta menjual
pengetahuan dan keahlian merupakan contoh lain C2C. Sejumlah situs pelelanggan
memungkinkan perorangan untuk memasukkan item-item agar disertakan dalam
pelelangan
42
2.4.5 Mobile-commerce (M-Commerce)
Istilah M-Commerce ditemukan pada 1997 yang dimaksudkan untuk aktivitas
“menjual dan membeli produk, jasa, dan informasi” melalui perangkat nirkabel
seperti telepon genggam, laptop, dan lain-lain. Perangkat nirkabel ini berinteraksi
melalui jaringan komputer yang mampu melakukan pembelian secara online
(Nanehkaran, 2013).
2.5 Metode Penelitian Kuantitatif
Menurut Sarwono (2006), Penelitian kuantitatif bertujuan untuk menguji
teori, membangun fakta, menunjukkan hubungan antar variabel, memberikan
deskripsi statistik, menaksir, dan meramalkan hasilnya. Pada penelitian jenis data
yang diperlukan secara umum dibagi menjadi dua, yaitu penelitian primer dan
penelitian sekunder, yaitu (Sarwono, 2006) :
1. Penelitian primer
Penelitian primer membutuhkan data atau informasi dari sumber pertama,
biasanya disebut dengan responden. Data atau informasi diperoleh melalui
pertanyaan tertulis dengan menggunakan kuesioner atau lisan dengan
menggunakan metode wawancara. Yang termasuk dalam kategori ini adalah:
a) Studi kasus
Studi kasus menggunakan individu atau kelompok sebagai bahan
studinya.
43
b) Survei
Survei merupakan studi yang bersifat kuantitatif yang digunakan untuk
meneliti gejala suatu kelompok atau perilaku individu. Pada umumnya
survey menggunakan kuesioner sebagai alat pengambil data. Survei
menganut aturan pendekatan kuantitatif, yaitu semakin besar sample,
semakin mencerminkan populasi hasilnya.
2. Penelitian sekunder
Penelitian sekunder menggunakan bahan yang bukan dari sumber pertama
sebagai sarana untuk memperoleh data atau informasi untuk menjawab
masalah yang diteliti. Penelitian ini juga dikenal dengan penelitian yang
menggunakan studi kepustakaan.
Pengumpulan data penelitian dilakukan dengan berbagai metode,
diantaranya:
a. Kuesioner
Kuesioner adalah salah satu intrumen pengumpulan data sebagai alat bantu
yang digunakan peneliti dalam kegiatannya mengumpulkan data secara tidak
langsung (peneliti tidak langsung bertanya-jawab dengan responden).
Kuesioner berisi sejumlah pertanyaan atau pernyataan yang harus dijawab
oleh responden (Guritno, Sudaryono, dan Untung, 2011).
44
b. Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan oleh
peneliti untuk memperoleh informasi dengan cara berkomunikasi langsung
maupun tidak langsung antara pewawancara dengan responden (Mustakini,
2008).
c. Observasi
Kegiatan observasi meliputi melakukan pencatatan secara sistematik
kejadian-kejadian, perilaku, obyek-obyek yang dilihat dan hal-hal lain yang
diperlukan dalam mendukung penelitian yang sedang dilakukan. Pada tahap
awal observasi dilakukan secara umum, peneliti mengumpulkan data atau
informasi sebanyak mungkin. Tahap selanjutnya peneliti harus melakukan
observasi yang terfokus, yaitu mulai menyempitkan data atau informasi yang
diperlukan sehingga peneliti dapat menemukan pola-pola perilaku dan
hubungan yang terus menerus terjadi. Jika hal itu ditemukan, maka peneliti
dapat menemukan tema-tema yang akan diteliti (Sarwono, 2006).
d. Studi Pustaka
Studi pustaka, adalah teknik survei terhadap data yang telah ada dengan
menggali teori-teori yang telah berkembang dalam bidang ilmu yang
berkepentingan, mencari metode-metode serta teknik penelitian baik dalam
mengumpulkan data atau dalam menganalisis data yang telah pernah
digunakan oeh peneliti-peneliti terdahulu (Nazir, 2009).
45
2.6 Populasi dan Teknik Sampling
Populasi berkaitan dengan seluruh kelompok orang, peristiwa, atau benda
yang menjadi pusat perhatian penelitian untuk diteliti. Misalnya jika seorang
eksekutif puncak sebuah bank ingin mengetahui strategi-strategi pemasaran yang
dilakukan semua bank di Jakarta maka semua bank yang ada di Jakarta merupakan
populasi. Dengan kata lain, populasi adalah wilayah generalisasi yang terdiri atas:
obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Guritno,
Sudaryono, dan Untung, 2011).
Sampel merupakan suatu bagian populasi. Dengan mengambil sampel,
peneliti ingin menarik kesimpulan yang akan digeneralisasi terhadap populasi.
Penarikan sampel merupakan proses pemilihan sejumlah elemen dari populasi. Dan
salah satu metode yang digunakan untuk menentukan jumlah sampel adalah
menggunakan rumus Slovin (Sugiyono, 2017), sebagai berikut :
𝑛 =𝑁
1+𝑁𝑒2) (2.1)
Dengan 𝑛 adalah, jumlah sampel, sedangkan N adalah jumlah populasi dan e
adalah batas kelonggaran ketidak telitian (dengan nilai batas kelonggaran
ketidaktelitian adalah 5%).
Adapun teknik sampling adalah teknik pengambilan sampel. Terdapat dua
metode dasar penarikan sampel, sebagai berikut (Guritno, Sudaryono, dan Untung,
2011):
46
2.6.1 Probability Sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan
peluang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.
Beberapa metode penarikan sampel probabilitas adalah sebagai berikut.
1. Simple random sampling
Simple random sampling dikatakan simpel (sederhana) karena pengambilan
sampel populasi dilakukan secara acak tanpa memperhatikan strata yang ada
dalam populasi.
2. Stratified random sampling
Stratified random sampling merupakan suatu prosedur penarikan sampel
berstrata, yaitu suatu subsampel acak sederhana ditarik dari setiap strata yang
kurang lebih sama dalam beberapa karakteristik.
3. Cluster sampling
Cluster sampling merupakan suatu prosedur penarikan sampel probabilitas
yang memilih subpopulasi yang disebut cluster. Kemudian, setiap elemen di
dalam kelompok (cluster tersebut) dipilih sebagai anggota sampel.
2.6.2 Nonprobability Sampling
Nonprobability sampling merupakan suatu prosedur penarikan sampel
bersifat subyektif. Dalam hal ini, probabilitas pemilihan elemen-elemen populasi
tidak dapat ditentukan. Hal ini disebabkan setiap elemen populasi tidak memiliki
peluang yang sama untuk dipilih sebagai sampel. Beberapa teknik pengambilan
sampel nonprobabilitas sebagai berikut.
47
1. Convenience sampling
Convenience sampling adalah teknik penarikan sampel berdasarkan
kemudahan. Prosedurnya adalah semata-mata langsung menghubungi unit-
unit penarikan sampel yang mudah dijumpai seperti mahasiswa-mahasiswa
dalam satu kelas, jamaah tempat ibadah, pengunjung toko dan lain-lain.
Seringkali teknik pengambilan sampel ini dilakukan untuk menguji kuesioner
atau penelitian eksplorasi.
2. Quota sampling
Quota sampling adalah penarikan sampel berdasarkan quota. Prinsipnya
adalah karakteristik tertentu yang relevan menjelaskan dimensi populasi.
Peneliti harus mengetahui distribusi populasi.
3. Purposive sampling
Purposive sampling adalah penarikan sampel berdasarkan pertimbangan atau
kriteria tertentu.
4. Snowball sampling
Snowball sampling adalah metode penarikan sampel dengan responden yang
berhasil diperoleh diminta untuk menunjukan responden lainnya secara
berantai.
2.7 Skala Likert
Menurut Djaali (2008), Skala Likert adalah salah satu skala pengukuran sikap
yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau
sekelompok orang tertentu. Nama skala ini diambil dari nama Rensis Likert,
48
pendidik dan ahli psikolog Amerika Serikat. Rensis Likert telah mengembangkan
sebuah skala untuk mengukur sikap masyarakat sejak tahun 1932.
Skala Likert merupakan skala yang digunakan untuk mengukur sikap,
pendapat, dan persepsi seseorang atau sekelompok orang mengenai fenomena
sosial (Sugiyono, 2013). Skala Likert adalah suatu skala psikometrik yang umum
digunakan dalam kuesioner dan merupakan skala yang paling banyak digunakan
dalam riset beberapa survei. Skala ini mempunyai empat atau lebih butir pertanyaan
yang dikombinasikan sehingga membentuk suatu skor/nilai yang
merepresentasikan sifat individu, seperti pengetahuan, sikap, dan perilaku (Syofian,
Setiyaningsih, dan Syamsiah, 2015).
2.8 Partial Least Square Structural Equation Modelling (PLS – SEM)
PLS-SEM merupakan metode analisis yang powerful karena dapat digunakan
pada setiap jenis skala data (nominal, ordinal, interval, dan rasio) serta syarat
asumsi yang lebih fleksibel (Kurniawan dan Yamin, 2011). Software terkenal yang
banyak digunakan untuk PLS-SEM adalah SmartPLS, XLSTAT PLS-PM, Visual
PLS, dan lainnya.
Kurniawan dan Yamin (2011), menyebutkan PLS dapat juga digunakan untuk
tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan eksplorasi. Meskipun
PLS lebih diutamakan sebagai eksplorasi daripada konfirmasi, PLS juga dapat
menduga apakah terdapat atau tidak terdapat hubungan dan kemudian proposisi
untuk pengujian. Tujuan utamanya adalah menjelaskan hubungan antar konstrak
dan menekankan pengertian tentang nilai hubungan tersebut.
49
Dalam hal ini, hal penting yang harus diperhatikan adalah adanya teori yang
memberikan asumsi untuk menggambarkan model, pemilihan variabel, pendekatan
analisis, dan interpretasi hasil. Keunggulan-keunggulan PLS adalah (Abdillah dan
Jogiyanto, 2015):
1. Mampu memodelkan banyak variable dependent dan variable independent
(model kompleks).
2. Mampu mengelola masalah multikolinearitas antar variable independent.
3. Hasil tetap kokoh walaupun terdapat daya yang tidak normal dan hilang.
4. Menghasilkan variabel laten independen secara langsung berbasis cross-
product yang melibatkan variabel laten dependen sebagai kekuatan prediksi.
5. Dapat digunakan pada konstruk reflektif dan formatif.
6. Dapat digunakan pada sampel kecil.
7. Tidak mensyaratkan data berdistribusi normal.
8. Dapat digunakan pada data dengan tipe skala berbeda, yaitu: nominal, orginal
dan kontinus.
Kepopuleran penggunaan PLS-SEM di antara para peneliti dan praktisi
adalah karena empat alasan. Pertama, algoritma PLS tidak terbatas hanya untuk
hubungan antara indikator dengan konstrak laten nya yang bersifat reflektif saja
tetapi algoritma PLS juga dipakai untuk hubungan yang bersifat formatif. Kedua,
PLS dapat digunakan untuk menaksir model path dengan sampel size yang kecil.
Ketiga, PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri atas
banyak variabel laten dan manifes tanpa mengalami masalah dalam estimasi data.
50
Keempat, PLS dapat digunakan ketika distribusi data sangat miring (skew)
(Kurniawan dan Yamin, 2011).
Evaluasi model dalam PLS meliputi dua tahap yaitu evaluasi outer model atau
model pengukuran dan evaluasi terhadap Inner Model atau model struktural.
1. Evaluasi Model Pengukuran (Outer Model)
Evaluasi terhadap model pengukuran meliputi pemeriksaan individual item
reliability, internal consistency atau construct reliability, average variance
extracted, dan discriminant validity. Ketiga pengukuran pertama
dikelompokkan dalam convergent validity. Convergent validity mengukur
besarnya korelasi antara konstruk dengan variabel laten.
a) Convergent validity
Pengukuran convergent validity dilakukan untuk mengukur besarnya
korelasi antara konstruk dengan variabel laten. Pengukuran convergent
validity terdiri dari tiga tahapan pengukuran, diantaranya :
• Individual item reliability
Dalam pemeriksaan individual item reliability dapat dilihat pada
nilai standardized loading factor. Dimana nilai ini menggambarkan
besarnya korelasi pada setiap indikator dengan konstruknya. Nilai
0,7 pada loading factor dapat dikatakan ideal, dimana nilai tersebut
dikatakan valid sebagai indikator yang mengukur konstrak. Namun
nilai di atas 0,5 masih bisa digunakan dan dipertimbangkan
(Kurniawan dan Yamin, 2011).
51
• Internal consistency reliability
Pada pengukuran internal consistency reliability dilihat dari nilai
composite reliability, nilai tersebut lebih baik digunakan dalam
mengukur internal consistency dibandingkan dengan menggunakan
cronbach’s alpha pada model PLS-SEM. Hal ini karena nilai
composite reliability tidak mengasumsikan kesamaan boot dari tiap
indikator (Kurniawan dan Yamin, 2011). Nilai batas yang digunakan
adalah di atas 0,7 yang berarti dapat diterima, sedangkan diatas 0,8
berarti sangat memuaskan (Subiyakto & Sukmana, 2014; Subiyakto
dkk, 2015).
• Average variance extracted
Nilai pada average variance extracted (AVE) menggambarkan
besaran varian variabel yang dapat dikandung oleh konstrak laten.
Nilai minimal yang digunakan pada AVE agar menunjukkan ukuran
yang baik adalah 0,5. Hal ini berarti variabel laten dapat menjelaskan
rata-rata lebih dari setengah variance dari indikatornya (Kurniawan
dan Yamin, 2011; Subiyakto dkk, 2015).
b) Discriminant validity
Discriminant validity dapat dievaluasi dengan dua tahap, yaitu melihat
nilai cross loading antar indikator dan cross loading Fornell-Lackers’s.
Pada pengukuran cross loading antar indikator, dilakukan dengan cara
membandingkan korelasi antar indikator dengan konstraknya dan
konstrak blok lainnya. Apabila korelasi antar indikator dengan
52
konstraknya lebih tinggi dari korelasi dengan konstrak blok lainnya,
maka konstrak tersebut mempresiksi ukuran pada blok tersebut lebih baik
dari blok lainnya. Pemeriksaan nilai cross loading Fornell-Lacker’s
dilakukan dengan melihat nilai akar dari AVE. Nilai akar AVE harus
lebih tinggi dari korelasi antar konstrak dengan konstrak lainnya
(Kurniawan dan Yamin, 2011; Subiyakto dkk, 2015).
2. Evaluasi Model Struktural (Inner Model)
Ada beberapa tahap untuk mengevaluasi model structural, yaitu melalui
signifikansi hubungan antar konstrak dapat dilihat melalui path coefficient
(β), nilai R2 (coefficient of determination), nilai t-test, pengujian ƒ2 (effect
size), Q2 (predictive relevance), dan q2 (relative impact) (Subiyakto dan
Ahlan, 2014).
a) Path coefficient (β)
Mengevaluasi signifikansi hubungan antar konstrak dapat dilakukan
dengan cara melihat path coefficient (β). Hal ini dilakukan untuk
menggambarkan kekuatan hubungan antar konstrak. (Kurniawan &
Yamin, 2011). Pengujian path coefficient (β) dengan nilai ambang batas
di atas 0,1 mengartikan bahwa path yang dimaksud berpengaruh di dalam
model (Subiyakto dkk., 2016).
b) R2 (coefficient of determination)
Mengevaluasi nilai R2 menjelaskan varian dari tiap target endogenous
variabel menggunakan standar pengukuran 0,67 akurat, 0,33 moderat,
53
dan di bawah 0,19 menunjukkan varian yang lemah (Kurniawan dan
Yamin, 2011).
c) t-test
Nilai t-test dilakukan dengan metode bootstrapping (Kurniawan &
Yamin, 2011) melalui uji two-tailed dengan tingkat signifikansi sebesar
5% yang digunakan untuk menguji hipotesis penelitian. Hipotesis yang
diterima adalah jika nilai t-test lebih dari 1,96 (Abdillah dan Jogiyanto,
2015).
d) ƒ2 (effect size)
Pengujian ƒ2 dilakukan untuk memprediksi pengaruh suatu variabel
terhadap variabel lainnya. Nilai ambang batas yang digunakan
diantaranya 0,02 yang berarti berpengaruh kecil, 0,15 berpengaruh
menengah, dan 0,35 berpengaruh besar. Rumus perhitungan ƒ2 adalah
sebagai berikut (Kurniawan dan Yamin, 2011).
𝑓2 = 𝑅2 include – 𝑅2 exclude
1 − 𝑅2 include (2.2)
Dengan R2 include adalah coefficient of determinant, dan R2 exclude
adalah nilai yang ada pada luar R.
e) Q2 (predictive relevance)
Pengujian Q2 dilakukan dengan metode blindfolding untuk memberikan
bukti jika variabel tertentu yang digunakan memiliki keterkaitan
54
prediktif dengan variabel lainnya. Ambang batas yang digunakan adalah
diatas nol (Kurniawan dan Yamin, 2011; Abdillah dan Jogiyanto, 2015).
f) q2 (relative impact)
Uji q2 dilakukan dengan metode yang sama seperti pengujian Q2 yaitu
blindfolding. Tujuannya untuk mengukur pengaruh relative dari sebuah
keterkaitan prediktif variabel tertentu dengan variabel lainnya. Nilai
ambang batas yang digunakan sekitar 0,02 yang berarti memiliki
pengaruh kecil, 0,15 berpengaruh menengah atau sedang, dan 0,35
berpengaruh besar (Sugiyakto dan Ahlan, 2014; Subiyakto dkk., 2016).
Rumus perhitungan q2 adalah sebagai berikut:
𝑞2 = 𝑄2 include − 𝑄2 exclude
1 − 𝑄2 include (2.3)
Dengan Q2 include adalah predictive relevance, dan R2 exclude adalah
nilai yang ada pada luar Q.
2.9 SmartPLS
SmartPLS adalah satu dari sekian banyak perangkat lunak yang dapat
digunakan dalam analisis menggunakan PLS-SEM. Perangkat lunak ini
dikembangkan oleh Universitas Hamburg di Jerman (Ghozali, 2015). Berikut
merupakan beberapa komponen dalam SmartPLS:
55
1. Variabel Laten
Variabel laten adalah variabel yang tidak dapat diamati dan diukur secara
langsung (Santoso, 2012). Variabel jenis ini terbagi menjadi dua bagian yaitu
variabel eksogen dan variabel endogen di mana variabel eksogen bersifat
independen sedangkan variabel endogen bersifat dependen. Dalam hal ini
variabel eksogen memengaruhi variabel endogen.
2. Observed Variable
Variabel ini biasa disebut sebagai variabel manifest adalah variabel yang
besaran kuantitatifnya dapat diketahui secara langsung, misalnya dari skor
respons subjek terhadap instrumen pengukuran.
56
2.10 Penelitian Sejenis
Berikut ini penulis lampirkan beberapa penelitian sejenis yang menjadi acuan dalam penelitian ini:
Tabel 2.1 Penelitian Sejenis
Referensi Metode dan
Tools Variabel Tujuan Kelebihan Kekurangan
(Groho, Winarno,
dan Permanasari,
2014)
Kuantitatif,
PLS-SEM dan
SmartPLS
kualitas sistem,
kualitas informasi,
kualitas layanan,
kegunaan yang
dirasakan,
kemudahan yang
dirasakan, kepuasan
pengguna, dan
manfaatmanfaat
bersih.
Penelitian ini melakukan
evaluasi kesuksesan
implementasi Aplikasi
Pengelolaan Tugas Belajar
(APTB) di Badan
Pemeriksa Keuangan
diukur dari tingkat
kepuasan dan manfaat yang
dirasakan penggunanya.
Menggunakan referensi
yang lengkap
Banyak menggunakan kata
yang kurang tepat atau sulit
dimengerti
(Laksono, 2017) Kuantitatif,
PLS-SEM dan
SmartPLS
kualitas sistem,
kualitas informasi,
kualitas pelayanan,
dan kepuasan
pengguna
Evaluasi terhadap
kesuksesan penggunaan
SIMDA BMD di
Kabupaten Grobogan
dilakukan guna mengukur
kesuksesan sistem.
Menjelaskan secara detail
permasalahan
Tidak memberikan saran yang
sesuai dengan hasil penelitian
(Solechan dan
Natalistyo, 2011)
SEM dan
LISREL
Kualitas sistem,
kualitas informasi,
penggunaan,
kepuasan pengguna
dampak individual
dan dampak
organisasi
Tujuan dilakukannya
penelitian ini yaitu adanya
fenomena research gap
antara McGill (2003) dan
Livari (2005) tentang
model pengembangan
sistem informasi yang
dikembangkan oleh
DeLone dan McLean
(1992). Research gap
muncul dari
Penggunaan bahasa yang
mudah dimengerti
Tidak memberikan kontribusi
dalam pengembangan model
57
ketidaksesuaian dampak
dari hasil penelitian
mereka. Hal ini
memberikan ruang
pengujian studi empiris
mengenai model
pengembangan aplikasi e-
commerce dan dampaknya
pada kepuasan user, kinerja
individu dan kinerja
organisasi (UKM).
(Yuliana, 2016) Structural
Equation
Modeling
berbasis
Variance dan
VisualPLS 1.04
Kualitas Sistem,
Kualitas Informasi,
Penggunaan,
Kepuasan
Pengguna, Dampak
Individual, dan
Dampak
Organisasional
Penelitian ini bertujuan
untuk mengevaluasi sistem
informasi pos yang
diterapkan secara
mandatory dalam
penggunaannya di PT. Pos
Indonesia (persero) Divisi
Regional VI Semarang
menggunakan model
kesuksesan sistem
informasi DeLone dan
McLean (1992) dengan
menganalisis hubungan
antar variabel dalam
model.
Menjelaskan secara detail
dan lengkap hasil penelitian
Tidak lengkap dalam
menjabarkan kesimpulan
(Saputro,
Budiyanto, dan
Santoso, 2015)
Kualitatif dan
Ms. Excel
Kualitas informasi,
kualitas sistem,
kualitas layanan,
penggunaan,
kepuasan
penggunaan,
manfaat bersih
Dapat diketahui
komponen-komponen
yang mendukung atau
menghambat dalam
penggunaan e-government,
sehingga ke depan
diharapkan dapat menjadi
bahan evaluasi untuk
perbaikan.
Penggunaan bahasa yang
mudah dimengerti
Pembahasan permasalahan
yang tidak spesifik
58
(Widaryanti, 2008) Kualitatif dan
Ms. Excel
Kualitas sistem,
kualitas informasi,
penggunaan,
kepuasan pengguna,
dampak individual
dan dampak
organisasi
Tujuan penelitian ini
adalah untuk mengetahui
faktor-faktor apa saja yang
berpengaruh terhadap
kesuksesan sistem
informasi pada e-
commerce menggunakan
model DeLone & McLean
Menjelaskan secara detail
dan lengkap pembahasan
penelitian
Tidak memberikan saran
(Marsudin, Salamah
dan Rose, 2018)
Corrected Item
Total Correlations dan
SmartPLS
Kulitas sistem,
kualitas informasi,
kualitas layanan,
persepsi
kebermanfaatan dan
penggunaan
Tujuan penelitian ini
adalah untuk
mengidentifikasi
kesuksesan sistem
teknologi informasi di
UKM Tenun Songket
Palembang dengan
penambahan variabel
perceived usefulness.
Penelitian ini
menggunakan empat
variabel dari model
DeLone dan McLean
diperbarui (2003) yaitu
system quality, information
quality, service quality dan
use dengan penambahan
variabel perceived
usefulness dari model
TAM.
Menggunakan referensi yang
lengkap
Tidak memberikan saran
(Hamid dan Ikbal,
2017)
PLS-SEM dan
SmartPLS
Kualitas informasi,
kualitas sistem,
kualitas layanan,
penggunaan,
kepuasan pengguna,
kepercayaan,
manfaat
Tujuan penelitian ini
adalah untuk menguji
dampak kepercayaan
(trust) pada peng gunaan
media pemasaran online (e-
commerce) yang diadopsi
oleh UMKM melalui
penilaian model
Menjelaskan secara detail
permasalahan dan
pembahasan penelitian
Tidak memberikan saran
59
kesuksesan sistem
informasi Delone &
McLean (2003). Selain itu
penelitian ini juga
bertujuan untuk
memberikan bukti empiris
tentang model kesuksesan
sistem informasi Delone &
McLean (2003) dalam
kaitannya pada
penggunaan media
pemasaran online (e-
commerce)
(Nurgroho, 2009) Kualitatif dan
Ms. Excel
Kepercayaan,
kemudahan
persepsi, kegunaan
persepsi, motivasi,
karakter individu
dan sistem, niat dan
partisipasi
Penelitian ini mencoba
untuk mengkolaborasi
model-model penelitian
terdahulu dan telah
divalidasi menjadi suatu
model penerimaan
teknologi khususnya e-
commerce. Pada akhir
artikel ini peneliti mencoba
mengajukan model
alternatif yang dapat
dikembangkan atau
dimodifikasi lebih lanjut
untuk digunakan dalam
riset mengenai penerimaan
e-commerce
Menggunakan bahasa yang
mudah digunakan
Tidak memberikan saran
60
Pada penelitian ini penulis mengadopsi model penelitian milik Groho,
Winarno, dan Permanasari (2014). Dalam penelitian tersebut, mereka
menggunakan model kesuksesan Sistem Informasi DeLone & McLean yang
diperbaharui (2003) dan menggabungkannya dengan Technology Acceptance
Model (TAM) milik Davis (1985). Namun dalam menggabungkan model yang
diajukan, hanya variabel Perceived Usefulness dan Perceived Ease of Use milik
TAM (Davis, 1985) yang dimasukkan, sehingga dalam penelitian tersebut terdapat
tujuh variabel, yaitu kesuksesan sistem, kesuksesan informasi, kesuksesan layanan,
persepsi kebermanfaatan, persepsi kemudahan penggunaan, kepuasan pengguna
dan manfaat bersih. Berdasarkan model penelitian tersebut, pada penelitian ini
penulis juga menggunakan model kesuksesan Sistem Informasi DeLone & McLean
yang diperbaharui (2003) dan menggabungkannya dengan Perceived Usefulness
dan Perceived Ease of Use milik TAM (Davis, 1985). Oleh karena itu tidak ada
perbedaan jumlah variabel antara Groho, Winarno, dan Permanasari (2014) dan
penulis. Namun, keunggulan penulis adalah memberikan kontribusi pengaruh
Perceived Usefulness (PU) terhadap Net Benefit (NB) dan pengaruh Perceived Ease
of Use (PEOU) terhadap Net Benefit (NB). Selain itu, pada penelitian ini penulis
menggunakan metode penelitian kantitatif, sedangkan Groho, Winarno, dan
Permanasari (2014) menggunakan metode kualitatif.
61
BAB 3
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Penelitian ini secara umum menggunakan pendekatan kuantitatif untuk
mengetahui bagaimana kesuksesan dan penerimaan lima e-commerce di Indonesia
dan faktor-faktor apa saja yang memengaruhi kesuksesan dan penerimaan
pengguna atas lima e-commerce yang ada di Indonesia. Salah satu bentuk
pendekatan kuantitatif pada penelitian ini adalah pengumpulan data yang dilakukan
melalui survei dengan menggunakan kuesioner dan analisis data yang dilakukan
secara statistik dengan menggunakan aplikasi pengolah data statistik SmartPLS 3.0.
3.2 Pengembangan Model dan Hipotesis Penelitian
Dalam pengembangan model keberhasilan sistem informasi, penulis
menggunakan model keberhasilan sistem informasi DeLone dan McLean (D&M
Model) yang di-extend dengan TAM (Technology Acceptance Model). Seperti telah
penulis jelaskan sebelumnya, jika D&M model lebih berfokus pada kualitas sistem,
TAM lebih berfokus pada kegunaan yang dirasakan pengguna. Dalam beberapa
penelitian yang juga menggunakan gabungan dari dua model tersebut, salah satunya
penelitian yang dilakukan Groho, Winarno, dan Permanasari (2014), penulis
melihat bahwa terdapat korelasi positif antara kualitas sistem dengan apa yang
dipersepsikan/dirasakan oleh pengguna sistem tersebut. Groho, Winarno, dan
Permanasari (2014) menyatakan kualitias informasi dalam suatu sistem informasi
62
memengaruhi persepsi kegunaan dan persepsi kemudahan. Groho, Winarno, dan
Permanasari (2014) mengambil lima variabel model D&M, yakni kualitas sistem,
kualitas informasi, kualitas layanan, kepuasan pengguna, dan manfaat bersih; dan
dua variabel TAM, yakni persepsi kegunaan dan persepsi kemudahan. Berikut ini
adalah pengembangan model yang dilakukan Groho, Winarno, dan Permanasari
(2014) yang ditunjukkan dalam Gambar 3.1.
Gambar 3.1 Model Pengembang Groho, Winarno, dan Permanasari (2014)
Mengadopsi pengembangan model tersebut, penulis melihat beberapa
kesamaan dan ketidaksamaan dalam penelitian yang penulis lakukan. Dalam D&M
model yang diperbarui, kepuasan pengguna dan penggunaan saling memengaruhi
untuk memberi dampak pada manfaat bersih. Sementara dalam pengembangan
model Groho, Winarno, dan Permanasari (2014) kepuasan pengguna adalah
dampak langsung dari dua variabel TAM, yakni persepsi kegunaan dan persepsi
kemudahan. Menurut hipotesis yang dibuat Groho, Winarno, dan Permanasari
(2014), dua hipotesis (H8 dan H9) diterima karena keduanya dirasa berpengaruh
positif dan signifikan terhadap kepuasan pengguna. Groho, Winarno, dan
Permanasari (2014) mengafirmasi hipotesis Mahmood dkk. (2000) bahwa terdapat
63
korelasi positif antara persepsi kegunaan dan persepsi kemudahan dengan kepuasan
pengguna (end-user satisfaction).
Dengan mengadopsi penelitian-penelitian sebelumnya tersebut, penulis
mengembangkan integrasi D&M model dan TAM seperti dijabarkan berikut ini.
Persepsi kegunaan dan persepsi kemudahan berpengaruh positif terhadap kepuasan
pengguna. Berbeda dengan pengembangan model Groho, Winarno, dan
Permanasari (2014), penulis melihat hubungan langsung antara persepsi kegunaan
dan persepsi kemudahan dengan manfaat bersih. Namun, sama seperti
pengembangan model Groho, Winarno, dan Permanasari (2014), kepuasan
pengguna menurut penulis tidak memengaruhi dua variabel TAM (bersifat satu
arah).
Jadi, dalam pengembangan model dan hipotesis yang diajukan di sini, penulis
mengganti variabel use dalam D&M model dengan dua variabel TAM, persepsi
kegunaan dan persepsi kemudahan seperti pengembangan model Groho, Winarno,
dan Permanasari (2014) namun tidak mengganti lima variabel dalam D&M model
yang diperbarui. Oleh karena itu, penulis memiliki 15 hipotesis seperti ditunjukkan
pada Gambar 3.2.
3.2.1 Pengembangan Hipotesis Penelitian
Pada Model D&M, kualitas sistem, kualitas informasi, dan kualitas layanan
merupakan tiga dimensi pertama di mana ketiganya menunjukkan produk yang
dihasilkan oleh suatu sistem informasi. Dua dimensi selanjutnya adalah intensi
penggunaan dan kepuasan pengguna yang merupakan dampak/konsekuensi dari
dimensi pertama.
64
Gambar 3.2 Pengembangan Model Penelitian
Dimensi terakhir, yakni Net Benefit (manfaat bersih) merupakan dampak
(impact) dari keberadaan dan pemakaian sistem informasi terhadap kualitas kinerja
pengguna baik secara individual maupun organisasi termasuk di dalamnya
produktivitas, peningkatan pengetahuan dan pengurangan lama waktu pencarian
informasi (Jogiyanto, 2007). Dalam beberapa penelitian, seperti Ojo (2017),
Wahyuni (2011), dan Wisudiawan (2015) masing-masing hanya memiliki 9
hipotesis, 9 hipotesis, dan 5 hipotesis. Penulis, mengikuti model D&M yang
diperbarui ditambah TAM sehingga penulis memiliki total 15 hipotesis sebagai
berikut.
Dalam variabel Information Quality (IQ) penulis memberikan indikator-
indikator berupa Completeness (IQ1), Accuracy (IQ2), Relevance (IQ3), dan
65
Consistency (IQ4) yang diadopsi dari penelitian Laksono (2017). Penulis
berhipotesis bahwa:
H1 : Information Quality (IQ) berpengaruh secara signifikan terhadap Perceived
Ease of Use (PEOU)
H2 : Information Quality (IQ) berpengaruh secara signifikan terhadap Perceived
Usefulness (PU)
H3 : Information Quality (IQ) berpengaruh secara signifikan terhadap User
Satisfaction (US)
Dalam variabel Perceived Ease of Use (PEOU), penulis memberikan
indikator-indikator berupa Easy to learn (PEOU1), Controllable (PEOU2), Clear
& Understandable (PEOU3), dan Easy to use (PEOU4) yang diadopsi dari
penelitian Laksono (2017), penulis berhipotesis bahwa:
H4 : Perceived Ease of Use (PEOU) berpengaruh secara signifikan terhadap Net
Benefits (NB)
H5 : Perceived Ease of Use (PEOU) berpengaruh secara signifikan terhadap
Perceived Usefulness (PU)
H6 : Perceived Ease of Use (PEOU) berpengaruh secara signifikan terhadap
User Satisfaction (US)
Dalam variabel Perceived Usefulness (PU), penulis memberikan indikator-
indikator berupa Work more quickly (PU1), Improve job performance (PU2),
Increase productivity (PU3), dan Make job easier (PU4) yang diadopsi dari
penelitian Laksono (2017), penulis berhipotesis bahwa:
66
H7 : Perceived Usefulness (PU) berpengaruh secara signifikan terhadap Net
Benefits (NB)
H8 : Perceived Usefulness (PU) berpengaruh secara signifikan terhadap User
Satisfaction (US)
Dalam variabel System Quality (SQ), penulis memberikan indikator-indikator
berupa Reliability (SQ1), Functionability (SQ2), Maintainability (SQ3), dan
Response time (SQ4). Berdasarkan penelitian Laksono (2017), penulis berhipotesis
bahwa:
H9 : System Quality (SQ) berpengaruh secara signifikan terhadap Perceived
Ease of Use (PEOU)
H10 : System Quality (SQ) berpengaruh secara signifikan terhadap Perceived
Usefulness (PU)
H11 : System Quality (SQ) berpengaruh secara signifikan terhadap User
Satisfaction (US)
Dalam variabel Service Quality (SVQ) penulis memberikan indikator-
indikator berupa Interpersonal quality (SVQ1), Responsiveness (SVQ2),
Assurance (SVQ3), dan Emphaty (SVQ4) yang diadopsi dari penelitian Subiyakto
et al. (2015), Hamid & Ikbal (2017), Groho, Winarno, dan Permanasari (2014),
DeLone & McLean, (2003). Penulis berhipotesis bahwa:
H12 : Service Quality (SVQ) berpengaruh secara signifikan terhadap Perceived
Ease of Use (PEOU)
H13 : Service Quality (SVQ) berpengaruh secara signifikan terhadap Perceived
Usefulness (PU)
67
H14 : Service Quality (SVQ) berpengaruh secara signifikan terhadap User
Satisfaction (US)
Dalam variabel User Satisfaction (US), penulis memberikan indikator-
indikator berupa Efficiency (US1), Effectiveness (US2), Flexibility (US3), dan
Overall Satisfaction (US4) yang diadopsi dari penelitian Hamid & Ikbal (2017),
penulis berhipotesis bahwa:
H15 : User Satisfaction (US) berpengaruh secara signifikan terhadap Net
Benefits (NB)
Dalam variabel Net Benefits (NB), penulis memberikan indikator-indikator
berupa Speed of acomplishing task (NB1), Decrease error rate (NB2), Work effect
(NB3), dan Usefulness in work (NB4) yang diadopsi dari penelitian Davis (1989).
Berikut ini penelitian lampirkan Tabel 3.1 kode, indikator dan referensi yang
digunakan dalam penelitian ini.
Tabel 3.1 Kode, Indikator dan Referensi Penelitian
Kode Indikator Referensi
SQ1 Reliability Subiyakto et al. (2015); DeLone & McLean (2003)
SQ2 Functionability
SQ3 Maintainability
SQ4 Response time
IQ1 Completeness Subiyakto et al. (2015); DeLone & McLean (2003)
IQ2 Accuracy
IQ3 Relevance
IQ4 Consistency
SVQ1 Interpersonal quality Subiyakto et al. (2015); DeLone & McLean (2003)
SVQ2 Responsiveness
SVQ3 Assurance
SVQ4 Emphaty
PEOU1 Easy to learn Davis (1989)
PEOU2 Controllable
PEOU3 Clear & Understandable
PEOU4 Easy to use
PU1 Work more quickly Davis (1989)
68
3.3 Populasi dan Sampel Penelitian
Populasi yang digunakan dalam penelitian ini adalah Warga Negara
Indonesia berusia minimal 15 tahun yang menggunakan satu dari lima situs e-
commerce, yakni Tokopedia, Bukalapak, Shopee, Lazada, dan Blibli. Penulis
mengambil lima situs e-commerce tersebut karena merupakan lima situs e-
commerce terbanyak yang dikunjungi di Indonesia per Quartal IV tahun 2018. Situs
Tokopedia menjadi e-commerce yang paling banyak dikunjungi dengan 168 juta
pengunjung, posisi kedua ditempati oleh Bukalapak dengan 116 juta pengunjung,
kemudian Shopee dengan 67 juta pengunjung, Lazada dengan 58 juta pengunjung
dan yang ke-5 Blibli dengan 43 juta pengunjung (sumber: cnbcindonesia.com).
Rentang usia yang penulis ambil merujuk pada riset yang memperlihatkan
bahwa berdasarkan usia, 50% pembelanja merupakan Generasi Milenial (berusia
antara 25-34 tahun), disusul Generasi Z (15-24 tahun) sebanyak 31%, Generasi X
(35-44 tahun) sebanyak 16%, dan 2% sisanya merupakan Generasi Baby Boomers
(usia 45 tahun ke atas).
Sampel pada penelitian ini berjumlah 514 sampel. Jumlah sampel tersebut
melebihi dari jumlah minimum sampel yang telah dihitung menggunakan rumus
PU2 Improve job performance
PU3 Increase productivity
PU4 Make job easier
US1 Efficiency Subiyakto et al. (2016)
US2 Effectiveness
US3 Flexibility
US4 Overall Satisfaction
NB1 Speed of accomplishing task Davis (1989)
NB2 Decrease error rate
NB3 Work effect
NB4 Usefulness in work
69
Slovin dengan nilai batas toleransi adalah 5%, karena semakin kecil nilai
ketidaktelitiannya maka akan semakin tinggi keakuratannya. Adapun perhitungan
sampel dengan menggunakan rumus Slovin yaitu:
𝑛 =𝑁
1 + 𝑁𝑒2=
452.000.000
1 + 452.000.000 𝑥 0,0025=
452.000.000
1 + 1.130.000=
452.000.000
1.130.001= 399,99 = 𝟒𝟎𝟎
Untuk jumlah responden, penulis mengambil total responden sebanyak 500 orang
dengan minimal 100 responden di masing-masing situs e-commerce tersebut.
Penulis menggunakan Teknik random sampling dan penghitungannya
menggunakan rumus Slovin dengan batas toleransi 5%.
3.4 Instrumen Penelitian
Instrumen penelitian yang penulis gunakan berbentuk kuesioner yang terdiri
dari dua bagian, yakni lembar pengantar penelitian dan lembar pertanyaan. Lembar
pengantar penelitian berisi maksud penulis dalam melakukan penelitian. Lembar
pertanyaan berisi 35 pertanyaan berkenaan dengan profil responden dan
penggunaan e-commerce.
Dalam penelitian ini, penulis menggunakan lima poin skala likert seperti
yang dijelaskan pada sub bab 2.7. Skala likert tersebut tersedia dalam lima alternatif
jawaban, yaitu “sangat tidak setuju” dengan nilai 1 (satu), “tidak setuju” dengan
nilai 2 (dua), “tidak tahu” dengan nilai 3 (tiga), “setuju” dengan nilai 4 (empat), dan
“sangat setuju” dengan nilai 5 (lima). Tabel 3.2 menjelaskan mengenai variabel dan
indikator yang digunakan dalam penelitian ini.
70
Tabel 3.2 Variabel, Indikator dan Pernyataan Penelitian
VARIABEL INDIKATOR PERNYATAAN
System Quality Reliability (Keandalan): dapat
dipercaya
e-commerce dapat dipercaya
Functionability (Fungsi): sistem
berjalan sebagaimana mestinya.
e-commerce berfungsi dengan
baik
Maintainability (Keterawatan):
sistem diperlihara dengan baik.
e-commerce melakukan update
sistem secara berkala
Response time (Waktu respon):
sistem merespon perintah
dengan cepat dan berjalan dalam
kondisi normal ataupun khusus.
e-commerce merespon dengan
baik perintah yang diberikan
Information Quality Completeness (Kelengkapan):
segala sesuatu yang dibutuhkan
tersedia.
e-commerce memberikan
informasi secara lengkap
(misalkan promo, stock, dll)
Accuracy (Ketepatan): suatu
keadaan atau hal yang sesuai
(keadaan, sifat) tepat.
e-commerce memberikan
informasi secara tepat sesuai
dengan ketertarikan
Relevance (Relevansi): sesuatu
yang berhubungan antara satu
hal dengan hal lainnya.
e-commerce memberikan
informasi yang berkaitan
dengan kebutuhan saya
Consistency (Konsistensi):
ketetapan dan kemantapan
dalam bertindak secara bertahap
e-commerce secara konsisten
memberikan informasi
(misalkan promo, stock, dll)
Service Quality Interpersonal quality (Kualitas
Interpersonal):
e-commerce meningkatkan
kinerja interpersonal saya
Responsiveness (Responsif):
cepat dalam menanggapi suatu
hal
e-commerce bereaksi cepat
seuai dengan perintah
Assurance (Jaminan):
tanggungan yang diberikan
untuk memberikan rasa aman
dan terpercaya
e-commerce memberikan rasa
aman dan terpercaya dalam
layanan transaksi
Emphaty (Empati): sebuah
kondisi yang menjadikan
seseorang merasa iba dan ingin
menbantu
e-commerce mampu
mengadopsi apa yang
diinginkan oleh pengguna
(misalkan promo, hadiah, dll)
71
Perceived Usefulness Work more quickly
(Mempercepat pekerjaan):
penggunaan sistem mampu
mempersingkat waktu pekerjaan.
Menggunakan e-commerce
mempercepat kegiatan
berbelanja
Improve job performance
(Meningkatkan kinerja):
penggunaan sistem mampu
meningkatkan kinerja individu
dalam melakukan kegiatan.
Menggunakan e-commerce
meningkatkan kinerja berbelanja
Increase productivity
(Meningkatkan produktivitas):
penggunaan sistem mampu
menambah tingkat produktifitas
individu.
Menggunakan e-commerce
memungkinkan saya
menyelesaikan lebih banyak
kegiatan berbelanja
Make job easier (Mempermudah
pekerjaan): penggunaan sistem
mampu mempermudah
pekerjaan.
Menggunakan e-commerce
mempermudah kegiatan
berbelanja
Perceived Ease of Use Easy to learn (Mudah dipelajari):
pengguna mampu mempelajari
sistem dengan mudah.
Penggunaan e-commerce mudah
untuk dipelajari
Controllable (Dapat dikontrol):
pengguna mampu
mengendalikan sistem untuk
digunakan dan diarahkan.
Penggunaan e-commerce mudah
untuk dikendalikan
Clear & Understandable (Jelas
& dapat dipahami): interaksi
individu dengan sistem jelas dan
mudah dimengerti.
Penggunaan e-commerce jelas
dan mudah dipahami
Easy to use (Mudah digunakan):
pengguna dapat dengan mudah
untuk menggunakan sistem.
Secara umum, e-commerce
mudah untuk digunakan
User Satisfaction Efficiency (Efisiensi):
kemampuan menjalankan tugas
dengan baik dan tepat (dengan
tidak membuang waktu, tenaga,
biaya).
Penggunaan e-commerce
meningkatkan efisiensi dalam
berbelanja
Effectiveness (Efektivitas): suatu
ukuran yang menyatakan
seberapa jauh target
(kuantitas,kualitas dan waktu)
Penggunaan e-commerce
meningkatkan efektivitas dalam
berbelanja
72
telah tercapai. Dimana makin
besar presentase target yang
dicapai, makin tinggi
efektifitasnya.
Flexibility (Fleksibel):
penyesuaian diri secara mudah
dan cepat.
Penggunaan e-commerce
fleksibel dalam kegiatan
berbelanja saya
Overall Satisfaction (Kepuasan
keseluruhan): pengguna
mendapatkan pengalaman
menggunakan sistem sesuai
ekspektasi dari awal hingga
akhir.
Secara umum, saya merasa puas
menggunakan e-commerce
Net Benefits Speed of acomplishing task
(Kecepatan pekerjaan yang
dicapai): kecepatan suatu sistem
dalam melakukan sebuah
pekerjaan sesuai dengan perintah
yang dierikan.
Menggunakan e-commerce
memberikan kecepatan dalam
kegiatan berbelanja sesuai
dengan yang diinginkan
Decrease error rate
(Menurunkan Tingkat Kesalahan):
sistem mengurangi kesalahan
dalam kegiatan berbelanja.
Penggunaan e-commerce
mengurangi kesalahan dalam
kegiatan berbelanja
Work effect (efek pekerjaan):
sistem memberikan dampak
possotif bagi penggunanya
Penggunaan e-commerce
memberikan dampak yang baik
dalam berbelanja
Usefulness in work (Kegunaan
dalam bekerja):
Penggunaan e-commerce
berguna dalam kegiatan
berbelanja
3.5 Pengumpulan dan Pemrosesan Data
Proses pengumpulan data ini dilakukan secara online dan offline dengan
mengajukan kuesioner kepada responden melalui teknik random sampling.
Penyebaran secara offline dilakukan di wilayah Jabodetabek, sedangkan
penyebaran secara online dilakukan melalui tautan yang menuju pada google form
73
yang telah penulis sediakan. Penyebaran kuesioner baik online maupun offline
dilakukan mulai tanggal 20 Juli 2019 sampai tanggal 17 Agustus 2019 untuk
mencapai target minimal 500 responden. Jumlah kuesioner yang terkumpul
diklasifikasikan menggunakan perangkat lunak pengolah angka MS. Excel 2016.
Berdasarkan pengumpulan data yang telah dilakukan, peneliti berhasil
mendapatkan kurang lebih 521 responden. Sebanyak 7 di antaranya tidak valid
karena terjadi penginputan ganda pada google form, sehingga kuesioner yang
dinyatakan valid berjumlah 514 kuesioner.
3.6 Analisis Data dan Interpretasi Hasilnya
Berdasarkan pada analisis data dibagi menjadi dua bagian, yaitu analisis
demografis dan analisis statistik. Penulis melakukan analisis data demografis
dengan menggunakan perangkat melakukan analisis data demografis dengan
menggunakan perangkat lunak pengolah olah angka Ms. Excel 2016. Data
responden dikelompokkan berdasarkan jenis kelamin, pendidikan, status pekerjaan,
usia, e-commerce yang digunakan, serta tingkat keberhasilan dan penerimaan
pengguna. Kedua, penulis melakukan analisis statistik menggunakan SmartPLS
versi 3.0. Mengacu pada sejumlah penelitian terdahulu, penulis melakukan analisis
dengan dua tahap, yaitu analisis measurement model dan structural model.
Measurement model dilakukan untuk menguji realibilitas dan validitas outer model
melalui tahapan pengujiam individual item reliability, internal consistency
reliability, convergent validity, dan discriminant validity. Sedangkan pengujian
structural model dilakukan untuk menguji path coefficient (β), coefficient of
74
determination (R2), t-test menggunakan metode bootstrapping, effect size (𝑓2),
predictive relevance (𝑄2), dan relative impact (𝑞2).
3.7 Prosedur Penelitian
Adapun tahap dalam penelitian ini terdiri atas delapan bagian, yakni
mencakup kajian pustaka, pengembangan model, pengumpulan data, analisis data,
interpretasi, dan pembuatan laporan. Berikut ini penulis lampirkan Gambar 3.3
prosedur penelitian.
Gambar 3.3 Prosedur Penelitian
75
BAB 4
HASIL ANALISIS DAN INTERPRETASI
4.1 E-commerce Indonesia
4.1.1 Tokopedia
Tokopedia resmi diluncurkan ke publik pada 17 Agustus 2009 di bawah
naungan PT. Tokopedia yang didirikan oleh William Tanuwijaya dan Leontinus
Alpha Edison pada 6 Februari 2009. Sejak resmi diluncurkan, PT. Tokopedia
berhasil menjadi salah satu perusahaan internet Indonesia dengan pertumbuhan
yang sangat pesat. PT. Tokopedia mendapatkan pendanaan awal dari PT Indonusa
Dwitama pada tahun 2009. Pada tahun-tahun berikutnya, Tokopedia kembali
mendapat suntikan dana dari pemodal ventura global seperti East Ventures (2010),
Cyber Agent Ventures (2011), Netprice (2012), dan SoftBank Ventures Korea
(2013). Pada Oktober 2014, Tokopedia menjadi perusahaan teknologi pertama di
Asia Tenggara yang menerima investasi sebesar USD 100 juta atau sekitar Rp 1,2
triliun dari Sequoia Capital dan SoftBank Internet and Media Inc (SIMI). Pada April
2016, Tokopedia kembali dikabarkan mendapatkan investasi sebesar USD 147 juta
atau sekitar Rp 1,9 triliun.
Tokopedia merupakan perusahaan teknologi Indonesia dengan misi mencapai
pemerataan ekonomi secara digital. Sejak didirikan pada tahun 2009, Tokopedia
telah bertransformasi menjadi sebuah unicorn yang berpengaruh tidak hanya di
Indonesia tetapi juga di Asia Tenggara. Dengan visi "Membangun sebuah
ekosistem dimana siapa pun bisa memulai dan menemukan apapun", Tokopedia
76
telah memberdayakan jutaan pedagang dan konsumen untuk berpartisipasi
dalam masa depan perekonomian. Tokopedia secara konsisten mendukung para
pelaku Usaha Mikro Kecil dan Menengah (UMKM) dan perorangan untuk
mengembangkan usaha mereka dengan memasarkan produk secara daring.
4.1.2 Bukalapak
Bukalapak didirikan pada tahun 2010 oleh Achmad Zaky beserta dua orang
temannya semasa berkuliah di Institut Teknologi Bandung, Fajrin Rasyid dan
Nugroho Herucahyono. Bukalapak memiliki makna yang sederhana yaitu semua
orang bisa menggelar barang dagangan nya tanpa modal yang besar dan melakukan
transaksi di sebuah lapak digital. Momentum awal bagi kemajuan Bukalapak adalah
ketika tren pengguna sepeda lipat melonjak pada tahun 2010. Pada saat itu, terdapat
banyak komunitas yang menjual berbagai sepeda dan aksesorisnya dengan harga
terjangkau sehingga meramaikan dan meningkatkan pertumbuhan pengguna di
Bukalapak secara signifikan.
Bukalapak merupakan salah satu pusat perbelanjaan daring (online
marketplace) di Indonesia (biasa dikenal juga dengan jaringan toko daring) yang
dimiliki dan dijalankan oleh PT. Bukalapak. Bukalapak didirikan pada 10 Januari
2010 oleh Achmad Zaky, Nugroho Herucahyono, dan Fajrin Rasyid di sebuah
rumah kos di Bandung, Jawa Barat. Bukalapak telah menjadi 1 dari 4 unicorn asal
Indonesia pada tahun 2017. Bukalapak secara konsisten berupaya memperluas
literasi digital dan membangun usaha kecil dan menengah (UKM) di Indonesia.
Setelah berdiri kurang lebih satu tahun, Bukalapak mendapat penambahan modal
77
dari Batavia Incubator (perusahaan gabungan dari Rebright Partners yang dipimpin
oleh Takeshi Ebihara, Japanese Incubator dan Corfina Group). Di tahun 2012,
Bukalapak menerima tambahan investasi dari GREE Venturesyang dipimpin oleh
Kuan Hsu. Pada bulan Maret 2014, Bukalapak mengumumkan investasi oleh
Aucfan, IREP, 500 Startups, dan GREE Ventures, Dari laporan keuangan EMTEK
tahun 2015 (pemilik 49% saham Bukalapak), diketahui bahwa Bukalapak telah
mendapatkan dana investasi dari EMTEK total hingga Rp. 439 miliar.
4.1.3 Shopee
Shopee adalah platform perdagangan elektronik yang berkantor pusat di
Singapura di bawah SEA Group (sebelumnya dikenal sebagai Garena), yang
didirikan pada 2009 oleh Forrest Li. Shopee pertama kali diluncurkan di Singapura
pada tahun 2015, dan sejak itu memperluas jangkauannya ke Malaysia, Thailand,
Taiwan, Indonesia, Vietnam, dan Filipina. Karena elemen mobile yang dibangun
sesuai konsep perdagangan elektronik global, Shopee menjadi salah satu dari "5
startup e-commerce yang paling disruptif" yang diterbitkan oleh Tech In Asia.
Shopee sendiri dipimpin oleh Chris Feng. Chris Feng adalah salah satu
mantan pegiat Rocket Internet yang pernah mengepalai Zalora dan Lazada. Pada
tahun 2015, Shopee pertamakali diluncurkan di Singapura sebagai pasar mobile-
sentris sosial pertama dimana pengguna dapat menjelajahi, berbelanja, dan menjual
kapan saja. Terintegrasi dengan dukungan logistik dan pembayaran yang bertujuan
untuk membuat belanja online mudah dan aman bagi penjual dan pembeli. Saat ini
Shopee yang berpusat di Singapura, melakukan ekspansi ke negara ASEAN lain
78
dan membuka Shopee Indonesia, Shopee Malaysia, Shopee Thailand, Shopee
Taiwan, Shopee Vietnam dan Shopee Filipina. Shopee pertama kali dimulai sebagai
pasar pelanggan untuk pelanggan (C2C) tetapi telah beralih ke model hibrid C2C
dan Bisnis untuk Pelanggan (B2C) semenjak meluncurkan Shopee Mall yang
merupakan platform toko daring untuk distribusi brand ternama.
4.1.4 Lazada
Lazada diluncurkan pada bulan Maret 2012 dan berkembang pesat hingga
saat ini. Lazada Indonesia merupakan salah satu bagian dari jaringan retail online
Lazada Group yang beroperasi di enam negara di Asia Tenggara, yang terdiri atas
Lazada Indonesia, Lazada Malaysia, Lazada Thailand, Lazada Vietnam, Lazada
Singapore dan Lazada Filipina dengan total pengguna 550 juta pengguna dari total
keseluruhan enam negara tersebut.
Lazada merupakan perusahaan yang bergerak di bidang layanan jual beli
online dan ritel e-commerce, hasil pengembangan dari perusahaan inkubator
teknologi internet asal Jerman yaitu Rocket Internet. Roket internet juga telah
sukses menciptakan berbagai perusahan-perusahaan yang inovatif dan kreatif di
berbagai belahan dunia, yang berkantor pusat di Berlin, Jerman. Proyek yang
dimiliki Rocket Internet lainya di Indonesia antara lain zalora, foodpanda,
traveloka. Pada tahap awal pengembangannya Rocket Internet banyak membantu
mulai dari merekrut tenaga ahli, meyuntikan dana, dan mengimplementasikan
platfrom teknologinya. Namun setelah Lazada mampu berkembang secara mandiri,
Rocket Internet tidak lagi banyak terlibat dalam kegiatan operasionalnya. Pada saat
79
ini Rocket Internet lebih berperan dari segi investasi dan pendanaannya. Selain
Rocket Internet, Lazada juga mendapatkan suntikan dana dari beberapa investor
besar seperti; JP Morgan, Tesco, Temasek Holdings, Summit Partners, Investment
AB Kinnevik, Access Industries, dan Verlinvest dengan total pendanaan sekitar $
520 miliyar. CEO Lazada Indonesia pada saat ini adalah Magnus Ekbom. Ia pindah
dari Swedia ke Asia pada tahun 2011 dan dalam lima tahun terakhir terfokus pada
pasar Asia Tenggara di mana dia sekarang bertempat tinggal di Indonesia. Ia
mengungkapkan saat ini Lazada Indonesia kurang lebih memiliki sekitar lima ratus
karyawan.
4.1.5 Blibli
Blibli.com adalah salah satu situs web perdagangan elektronik di Indonesia.
Blibli adalah produk pertama PT Global Digital Niaga yang merupakan anak
perusahaan Djarum di bidang digital yang didirikan pada tahun 2010. Blibli bekerja
sama dengan penyedia jasa teknologi, mitra logistik, perbankan serta mitra dagang
dengan standar tertentu untuk menciptakan sistem back-end yang bisa memenuhi
kebutuhan pengguna Blibli. Kantor pusat Blibli bermarkas di Jakarta Barat dengan
biaya infrastruktur seperti server dan jaringan hampir mencapai Rp 100 miliar.
Blibli.com pada 29 Februari 2012 meraih penghargaan The Best e-commerce
dari ajang Gadget Award 2012. Penghargaan ini diterima Blibli.com berkat
apresiasi konsumen atas konsistensi Blibli.com dalam menghadirkan berbagai
gadget terbaru, promo menarik yang memanjakan gadget lover, dan program
komunikasi yang kreatif. Penghargaan tersebut diharapkan memacu Blibli.com
80
yang ingin menjadikan online shopping sebagai tempat tujuan utama masyarakat
Indonesia yang trend conscious dan lifestylle savvy untuk mendapatkan produk-
produk berkualitas dalam menunjang gaya hidup modern yang smart dan dinamis.
4.2 Hasil Analisis
4.2.1 Hasil Analisis Demografis
Hasil analisis jawaban dari responden terhadap pertanyaan dan pernyataan
yang berkaitan dengan profil responden dan penggunaan e-commerce
menghasilkan analisis demografis. Peneliti berhasil mengumpulkan data responden
dalam empat minggu (20 Juli 20018 – 17 Agustus 2018), sebanyak 514 data valid.
Informasi demografis yang dihasilkan meliputi jenis kelamin, pendidikan terakhir,
status pekerjaan, usia, serta tingkat keberhasilan dan penerimaan penggunaan e-
commerce di Indonesia.
1. Jenis Kelamin
Data pengguna e-commerce kelima e-commerce yang dihimpun
memperlihatkan bahwa dari 514 responden pada penelitian ini, dapat kita
lihat bahwa untuk pengguna wanita terbanyak dimiliki oleh e-commerce
Shopee. Sedangkan untuk pengguna laki-laki terbanyak dimiliki oleh e-
commerce Tokopedia. Berikut ini penulis lampirkan Gambar 4.1 jenis
kelamin responden pengguna e-commerce.
81
Gambar 4.1 Jenis Kelamin Responden Pengguna E-commerce
Berdasarkan pada Gambar 4.1 diketahui bahwa hasil demografis responden
untuk jenis kelamin mendapatkan hasil yang berbeda-beda untuk tiap e-
commerce. Pada e-commerce Tokopedia responden didominasi oleh laki-laki,
yaitu sebanyak 60% dan 40% untuk perempuan. Hasil berbeda didapat oleh
e-commerce Bukalapak, yaitu 46% untuk laki-laki dan 54% untuk pengguna
perempuan. Hasil yang cukup signifikan didapat oleh e-commerce Shopee
dimana pengguna laki-laki hanya sebesar 20% dan 80% untuk pengguna
perempuan. Selanjutnya Lazada mendapatkan presentase 35% untuk laki-laki
dan 65% untuk pengguna perempuan. Sedangkan Blibli mendapatkan
presentase 37% untuk laki-laki dan 63% untuk perempuan. Berdasarkan data
tersebut, secara keseluruhan responden perempuan pengguna e-commerce
lebih banyak daripada responden pengguna e-commerce laki-laki. Hal ini
mungkin saja terjadi disebabkan penyebaran kuesioner online menggunakan
google form yang lebih banyak diisi oleh teman-teman penulis yang berjenis
kelamin perempuan. Selain itu mungkin saja kebiasaan berbelanja yang
61
47
21
36 3841
55
83
6864
0
10
20
30
40
50
60
70
80
90
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Laki-laki Perempuan
82
dimiliki oleh kebanyakan perempuan menjadi penyebab perempuan lebih
banyak menggunakan e-commerce dibandingkan laki-laki.
2. Pendidikan Terakhir
Data pengguna e-commerce kelima e-commerce yang dihimpun
memperlihatkan bahwa dari 514 responden pada penelitian ini, dapat kita
lihat bahwa untuk pengguna dengan pendidikan terakhir SLTP/A terbanyak
dimiliki oleh e-commerce Blibli, untuk pengguna dengan pendidikan terakhir
Diploma terbanyak dimiliki oleh e-commerce Shopee, selanjutnya pengguna
dengan pendidikan terakhir S1 terbanyak dimiliki oleh e-commerce
Tokopedia dan untuk pengguna dengan pendidikan terakhir S2 terbanyak
dimiliki oleh e-commerce Blibli. Berikut ini penulis lampirkan Gambar 4.2
pendidikan terakhir responden pengguna e-commerce:
Gambar 4.2 Pendidikan Terakhir Responden Pengguna E-commerce
Berdasarkan pada Gambar 4.2 diketahui bahwa hasil demografis untuk
pendidikan terakhir mendapatkan hasil yang beragam. Hal ini tentunya sesuai
34
48 4839
90
2 4 12 1 0
65
4843
62
91 2 1 2 30
20
40
60
80
100
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
SLTP/A DIPLOMA S1 S2
83
dengan segmentasi pasar dari setiap e-commerce ataupun faktor yang lainnya.
Berdasarkan data responden yang berhasil dihimpun untuk e-commerce
Tokopedia mendapatkan presentase SLTP/A: 33%, S1:64%, S2:1%, dan
Diploma:2%. Hasil presentase yang didapat untuk e-commerce Bukalapak
yaitu, SLTP/A:47%, S1:47%, S2:2%, Diploma:4%. Selanjutnya hasil
presentase yang didapat oleh Shopee yaitu: SLTP/A:46%, S1:41%, S2:1%,
Diploma:12%. Hasil presentase yang didapat oleh Lazada yaitu:
SLTP/A:37%, S1:60%, S2:2%, Diploma:1%. Sedangkan hasil presentase
yang didapat Blibli yaitu: SLTP/A:88%, S1:9%, S2:3%, Diploma:0%.
Berdasarkan data di atas, hasil presentase didominasi oleh pengguna yang
berlatar belakang pendidikan terakhir SLTP/A. Hal ini mungkin saja terjadi
dikarenakan penyebaran kuesioner online yang kebanyakan diisi oleh
mahasiswa yang sedang menjalani pendidikan S1. Hal ini menunjukkan
bahwa responden memiliki jenjang pendidikan yang cukup tinggi sehingga
layak untuk dijadikan sampel dalam penelitian ini.
3. Usia
Data pengguna kelima e-commerce yang dihimpun memperlihatkan bahwa
dari 514 responden pada penelitian ini, responden yang memiliki usia 15 –
24 tahun terbanyak dimiliki oleh e-commerce Shope, untuk usia 25 – 34 tahun
terbanyak dimiliki e-commerce Tokopedia, untuk usia 35 – 44 terbanyak
dimiliki oleh e-commerce Blibli, dan untuk usia > 45 tahun terbanyak sama-
84
sama dimiliki oleh e-commerce Bukalapak dan Shopee. Berikut ini penulis
lampirkan Gambar 4.3 usia responden pengguna e-commerce:
Gambar 4.3 Usia Responden Pengguna E-commerce
Berdasarkan Gambar 4.3 diketahui bahwa hasil demografis untuk usia
pengguna e-commerce berbeda-beda. Berdasarkan data yang didapatkan dari
responden berbagai usia, berikut ini presentase untuk e-commerce Tokopedia
yaitu: 15 – 24 tahun: 72%, 25 – 34 tahun: 27%, 35 – 44 tahun: 1%, dan > 45
tahun: 0%. Hasil presentase yang didapat untuk e-commerce Bukalapak yaitu,
15 – 24 tahun: 81%, 25 – 34 tahun: 16%, 35 – 44 tahun: 2%, > 45 tahun:1%.
Selanjutnya hasil presentase untuk e-commerce Shopee yaitu: 15 – 24 tahun:
81%, 25 – 34 tahun: 17%, 35 – 44 tahun:1%, > 45 tahun:1%. Hasil presentase
yang didapat Lazada yaitu: 15 – 24 tahun: 73%, 25 – 34 tahun: 25%, 35 – 44
tahun: 2%, > 45 tahun: 0%. Selanjutnya presentase yang didapat oleh e-
commerce Blibli yaitu: 15 – 24 tahun: 78%, 25 – 34 tahun: 19%, 35 – 44
tahun: 3%, > 45 tahun: 0%. Berdasarkan data yang diringkas di atas, dapat
kita simpulkan bahwa mayoritas pengguna e-commerce berada di kisaran 15
73
83 8476
80
28
16 1826
191 2 1 2 31 10
10
20
30
40
50
60
70
80
90
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
15 - 24 25 - 34 35 - 44 > 45
85
– 24 tahun atau Generasi Z. Hal ini mungkin saja terjadi disebabkan
penyebaran kuesioner yang dilakukan di lingkungan Generasi Z atau
pengguna yang beurmur berkisar 15 – 24 tahun.
4. Tingkat Keberhasilan Lima E-commerce
Data pengguna kelima e-commerce yang dihimpun memperlihatkan bahwa
dari 514 responden pada penelitian ini, responden yang mengatakan
“Berhasil” terbanyak dimiliki oleh e-commerce Shopee dan responden
terbanyak yang mengatakan “Sangat Berhasil” dimiliki oleh e-commerce
Tokopedia. Berikut ini penulis lampirkan Gambar 4.4 tingkat keberhasilan e-
commerce menurut penggunanya:
Gambar 4.4 Tingkat Keberhasilan E-commerce Menurut Penggunanya
Berdasarkan Gambar 4.4, setiap e-commerce mendapatkan hasil yang
berbeda-beda. Berikut ini hasil presentase tingkat keberhasilan penggunaan
e-commerce Tokopedia yaitu, Berhasil: 60%, Sangat Berhasil: 31%, Kurang
6 3 1 5 123 8 9 1218
6166 68
63
48
3225 26 24 24
0
10
20
30
40
50
60
70
80
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Kurang Berhasil Tidak Tahu Berhasil Sangat Berhasil
86
Berhasil: 6%, Tidak Tahu: 3%. Hasil yang didapatkan e-commerce
Bukalapak yaitu, Berhasil: 65%, Sangat Berhasil: 24%, Kurang Berhasil: 3%,
Tidak Tahu: 8%. Selanjutnya hasil presentase untuk e-commerce Shopee
yaitu, Berhasil: 65%, Sangat Berhasil: 25%, Kurang Berhasil: 1%, Tidak
Tahu: 9%. Hasil presentase yang didapatkan oleh e-commerce Lazada yaitu,
Berhasil: 61%, Sangat Berhasil: 23%, Kurang Berhasil: 5%, Tidak Tahu:
11%. Yang terakhir adalah hasil presentase yang didapatkan oleh e-commerce
Blibli yaitu, Berhasil: 47%, Sangat Berhasil: 23%, Kurang Berhasil: 12%,
Tidak Tahu: 18%. Berdasarkan data Gambar 4.4, dapat kita simpulkan bahwa
mayoritas responden menjawab “Berhasil” dan “Sangat Berhasil”. Itu
menandakan bahwa pengguna dapat menggunakan e-commerce dengan baik.
Keberhasilan ini tentunya juga didukung oleh data sebelumnya yang
menampilkan pendidikan terakhir dan usia pengguna e-commerce itu sendiri.
Namun berdasarkan hasil perbandingan dari kelima e-commerce tersebut, e-
commerce Shopee adalah yang paling dianggap “Berhasil” dan “Sangat
Berhasil”.
5. Tingkat Penerimaan Lima E-commerce
Data pengguna kelima e-commerce yang dihimpun memperlihatkan bahwa
dari 514 responden pada penelitian ini, responden terbanyak yang
menganggap “Diterima” dimiliki oleh e-commerce Lazada dan responden
terbanyak yang menganggap “Sangat Diterima” sama-sama dimiliki oleh e-
87
commerce Tokopedia dan Shopee. Berikut ini penulis lampirkan Gambar 4.5
tingkat penerimaan e-commerce menurut penggunanya:
Gambar 4.5 Tingkat Penerimaan E-commerce Menurut Penggunanya
Berdasarkan Gambar 4.5, semua e-ccommerce mendapatkan hasil responden
yang berbeda-beda. Berikut ini penulis tampilkan hasil responden untuk e-
commerce Tokopedia Diterima: 56%, Sangat Diterima: 43%, Kurang
Diterima: 0%, Tidak Tahu: 1%. Hasil yang didapat e-commerce Bukalapak
yaitu, Diterima: 56%, Sangat Diterima: 42%, Kurang Diterima: 1%, Tidak
Tahu: 1%. Selanjutnya hasil responden yang didapat untuk e-commerce
Shopee yaitu, Diterima: 53%, Sangat Diterima: 42%, Kurang Diterima: 1%,
Tidak Tahu: 4%. Hasil presentase yang didapat untuk e-commerce Lazada
yaitu, Diterima: 60%, Sangat Diterima: 29%, Kurang Diterima: 10%, Tidak
Tahu: 1%. Yang terakhir adalah hasil yang didapat untuk e-commerce Blibli
yaitu, Diterima: 30%, Sangat Diterima: 36%, Kurang Diterima: 20%, Tidak
Tahu: 14%. Berdasarkan data diatas dapat kita simpulkan bahwa mayoritas
responden menjawab “Diterima” dan “Sangat Diterima”. Tentunya hal ini
1 1 11
20
1 1 4 1 14
57 57 55
62
31
44 43 44
30
37
0
10
20
30
40
50
60
70
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Kurang Diterima Tidak Tahu Diterima Sangat Diterima
88
didukung oleh data sebelumnya terkait usia pengguna dan pendidikan terakhir
pengguna. Berdasarkan perbandingan dari kelima e-commerce tersebut, e-
commerce Bukalapak adalah yang paling banyak mendapat respon
“Diterima” dan “Sangat Diterima”.
4.2.2 Hasil Analisis Pengukuran Model (Outer Model)
Pada tahap ini, peneliti melakukan analisis pengukuran model yang terdiri
dari empat tahap pengujian yaitu individual item reliability, internal consistency
reliability, convergent validity, dan discriminant validity. Berikut penjelasan hasil
analisis model dalam empat tahap yang akan dijelaskan per e-commerce:
4.2.2.1 Outer Model Tokopedia
1. Uji individual item reliability
Standardized loading factor menggambarkan besarnya korelasi antar setiap
item pengukuran (OL) dengan konstruknya, melihat nilai outer loading. Nilai
outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator tersebut
valid dalam mengukur konstruknya. Untuk lebih jelasnya nilai outer loading
Tokopedia penulis lampirkan dalam Tabel 4.1.
2. Uji internal consistency reliability
Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)
dengan ambang batas di atas 0,7. Berdasarkan data yang diolah menggunakan
SmartPLS 3.0 menunjukan seluruh nilai CR dari semua variabel sudah
memenuhi syarat dan valid untuk digunakan dalam model penelitian ini,
89
Untuk lebih jelasnya nilai composite reliability Tokopedia penulis lampirkan
dalam tabel 4.1.
3. Uji Convergent Validity
Selanjutnyua penulis melakukan pengujian convergent validity dengan
melihat nilai average variance extracted (AVE), di mana nilai AVE
menggambarkan besaran atau keragaman variabel manifes (indikator) yang
dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam
menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel laten
dapat menjelaskan rata-rata lebih dari setengah varian dari indikatornya, hasil
perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE dari semua variabel
sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian
ini. Untuk lebih jelasnya nilai AVE Tokopedia penulis lampirkan dalam tabel
4.1.
4. Uji discriminant validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa cross
loading dan cross loading Fornell-Lacker’s, pertama melakukan
perbandingan korelasi indikator dengan konstruknya dan konstruk blok
lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari
korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan
memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkannya
dengan nilai akar AVE, di mana nilai akar AVE harus lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya. Hasil dari perhitungan
90
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning
pada setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk
blok lainnya, untuk lebih jelasnya nilai cross loading dan cross loading
Fornell-Lacker’s Tokopedia penulis lampirkan dalam tabel 4.1.
Tabel 4.1 Hasil Analisis Pengukuran Model Tokopedia
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,761 0,761 0,577 0,508 0,446 0,569 0,522 0,506
0,667 0,889 0,817 IQ2 0,856 0,856 0,597 0,628 0,401 0,608 0,570 0,509
IQ3 0,841 0,841 0,575 0,556 0,405 0,610 0,630 0,418
IQ4 0,806 0,806 0,611 0,548 0,448 0,614 0,695 0,566
NB
NB1 0,829 0,614 0,829 0,646 0,700 0,472 0,603 0,673
0,592 0,852 0,769 NB2 0,733 0,591 0,733 0,378 0,520 0,577 0,573 0,451
NB3 0,798 0,548 0,798 0,439 0,449 0,524 0,501 0,398
NB4 0,710 0,462 0,710 0,481 0,449 0,553 0,498 0,535
PEOU
PEOU1 0,902 0,576 0,503 0,902 0,457 0,549 0,477 0,536
0,754 0,925 0,868 PEOU2 0,829 0,558 0,649 0,829 0,576 0,530 0,554 0,554
PEOU3 0,901 0,649 0,583 0,901 0,494 0,557 0,478 0,572
PEOU4 0,839 0,600 0,515 0,839 0,504 0,502 0,436 0,569
PU
PU1 0,791 0,429 0,535 0,534 0,791 0,389 0,474 0,469
0,731 0,916 0,855 PU2 0,879 0,387 0,610 0,445 0,879 0,482 0,553 0,541
PU3 0,900 0,506 0,679 0,462 0,900 0,526 0,591 0,591
PU4 0,847 0,457 0,592 0,575 0,847 0,447 0,507 0,599
SQ
SQ1 0,750 0,440 0,443 0,370 0,346 0,750 0,560 0,341
0,629 0,871 0,793 SQ2 0,779 0,487 0,442 0,408 0,403 0,779 0,629 0,342
SQ3 0,780 0,624 0,603 0,527 0,489 0,780 0,551 0,458
SQ4 0,860 0,721 0,625 0,600 0,457 0,860 0,678 0,546
SVQ
SVQ1 0,773 0,605 0,602 0,388 0,564 0,569 0,773 0,464
0,637 0,875 0,798 SVQ2 0,809 0,557 0,574 0,396 0,536 0,605 0,809 0,383
SVQ3 0,820 0,620 0,578 0,531 0,438 0,636 0,820 0,517
SVQ4 0,790 0,580 0,518 0,472 0,455 0,623 0,790 0,504
US
US1 0,874 0,527 0,583 0,521 0,575 0,458 0,510 0,874
0,742 0,920 0,862 US2 0,892 0,551 0,623 0,579 0,595 0,544 0,576 0,892
US3 0,846 0,471 0,573 0,561 0,483 0,393 0,445 0,846
US4 0,834 0,568 0,595 0,556 0,568 0,479 0,490 0,834
91
Secara singkat, hasil analisis pengukuran model di atas menunjukkan bahwa
model yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik
sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat untuk
dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,
2013). Dirujuk Tabel 4.1 yang menunjukan hasil analisis pengukuran model secara
keseluruhan pada penelitian e-commerce Tokopedia.
4.2.2.2 Outer Model Bukalapak
1. Uji Individual Item Reliability
Standardized loading factor menggambarkan besarnya korelasi antar setiap
item pengukuran (indikator) dengan konstruknya, melihat nilai outer loading.
Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator
tersebut valid dalam mengukur konstruknya. Merujuk pada standar nilai outer
loading, setelah melalui pengujian pada SmartPLS 3.0 terdapat 1 indikator
yang memiliki nilai outer loading di bawah 0,7 yaitu, SQ3. Sehingga
indikator tersebut harus dihapus, untuk lebih jelasnya nilai outer loading
Bukalapak penulis lampirkan dalam Tabel 4.2.
2. Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)
dengan ambang batas di atas 0,7. Berdasarkan data yang diolah menggunakan
SmartPLS 3.0 menunjukan seluruh nilai CR dari semua variabel sudah
memenuhi syarat dan valid untuk digunakan dalam model penelitian ini,
untuk lebih jelasnya nilai CR Bukalapak penulis lampirkan dalam Tabel 4.2.
92
3. Uji Convergent Validity
Selanjutnyua penulis melakukan pengujian convergent validity dengan
melihat nilai average variance extracted (AVE), di mana nilai AVE
menggambarkan besaran atau keragaman variabel manifes (indikator) yang
dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam
menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel laten
dapat menjelaskan rata-rata lebih dari setengah varian dari indikatornya, hasil
perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE dari semua variabel
sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian
ini. Untuk lebih jelasnya nilai AVE Bukalapak penulis lampirkan dalam
Tabel 4.2.
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa nilai
cross loading dan cross loading Fornell-Lacker’s, pertama melakukan
perbandingan korelasi indikator dengan konstruknya dan konstruk blok
lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari
korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan
memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkannya
dengan nilai akar AVE, di mana nilai akar AVE harus lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya. Hasil dari perhitungan
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning
93
pada setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk
blok lainnya, untuk lebih jelasnya nilai cross loading dan cross loading
Fornell-Lacker’s Bukalapak penulis lampirkan dalam Tabel 4.2.
Tabel 4.2 Hasil Analisis Pengukuran Model Bukalapak
Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ1 0,861 0,861 0,555 0,556 0,506 0,533 0,621 0,524
0,671 0,891 0,819 IQ2 0,849 0,849 0,533 0,582 0,458 0,443 0,548 0,540
IQ3 0,751 0,751 0,349 0,464 0,338 0,376 0,458 0,345
IQ4 0,811 0,811 0,555 0,487 0,352 0,407 0,595 0,463
NB1 0,834 0,562 0,834 0,667 0,674 0,501 0,657 0,676
0,654 0,883 0,809 NB2 0,818 0,465 0,818 0,531 0,530 0,602 0,618 0,551
NB3 0,779 0,490 0,779 0,444 0,587 0,481 0,573 0,434
NB4 0,801 0,465 0,801 0,599 0,651 0,569 0,577 0,607
PEOU1 0,869 0,507 0,580 0,869 0,488 0,444 0,543 0,648
0,761 0,927 0,873 PEOU2 0,861 0,564 0,634 0,861 0,543 0,476 0,569 0,683
PEOU3 0,925 0,662 0,688 0,925 0,562 0,558 0,625 0,684
PEOU4 0,832 0,493 0,541 0,832 0,522 0,525 0,555 0,612
PU1 0,742 0,359 0,492 0,385 0,742 0,305 0,488 0,408
0,641 0,877 0,801 PU2 0,846 0,435 0,643 0,499 0,846 0,446 0,568 0,589
PU3 0,805 0,347 0,618 0,421 0,805 0,471 0,469 0,517
PU4 0,806 0,482 0,661 0,605 0,806 0,466 0,607 0,645
SQ1 0,807 0,415 0,500 0,400 0,385 0,807 0,501 0,346
0,705 0,877 0,840 SQ2 0,899 0,438 0,583 0,479 0,497 0,899 0,569 0,500
SQ3*
SQ4 0,809 0,501 0,578 0,548 0,450 0,809 0,667 0,534
SVQ1 0,702 0,492 0,660 0,458 0,585 0,590 0,702 0,475
0,554 0,832 0,744 SVQ2 0,823 0,449 0,577 0,507 0,528 0,582 0,823 0,519
SVQ3 0,704 0,518 0,476 0,475 0,370 0,545 0,704 0,517
SVQ4 0,741 0,573 0,514 0,516 0,499 0,359 0,741 0,480
US1 0,852 0,414 0,535 0,614 0,577 0,465 0,511 0,852
0,736 0,917 0,858 US2 0,905 0,545 0,691 0,656 0,663 0,469 0,637 0,905
US3 0,843 0,491 0,546 0,618 0,505 0,433 0,467 0,843
US4 0,829 0,528 0,648 0,690 0,593 0,546 0,654 0,829
Secara singkat, hasil analisis pengukuran model menunjukkan bahwa model
yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik
94
sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat untuk
dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,
2013). Dirujuk Tabel 4.13 yang menunjukan hasil analisis pengukuran model
secara keseluruhan pada penelitian e-commerce Bukalapak:
4.2.2.3 Outer Model Shopee
1. Uji Individual Item Reliability
Standardized loading factor menggambarkan besarnya korelasi antar setiap
item pengukuran (indikator) dengan konstruknya, melihat nilai outer loading.
Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator
tersebut valid dalam mengukur konstruknya. Merujuk pada standar nilai outer
loading, setelah melalui pengujian pada SmartPLS 3.0, terdapat 2 indikator
yang memiliki nilai outer loading dibawah 0,7 yaitu, SQ3 dan SVQ1.
Sehingga indikator tersebut harus dihapus, untuk lebih jelasnya nilai outer
loading Shopee dirujuk Tabel 4.3.
2. Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)
dengan ambang batas di atas 0,7. Berdasarkan data yang diolah menggunakan
SmartPLS 3.0 menunjukan seluruh nilai CR dari semua variabel sudah
memenuhi syarat dan valid untuk digunakan dalam model penelitian ini,
untuk lebih jelasnya nilai CR dirujuk Tabel 4.3.
95
3. Uji Convergent Validity
Selanjutnyua penulis melakukan pengujian convergent validity dengan
melihat nilai average variance extracted (AVE), di mana nilai AVE
menggambarkan besaran atau keragaman variabel manifes (indikator) yang
dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam
menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel laten
dapat menjelaskan rata-rata lebih dari setengah varian dari indikatornya, hasil
perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE dari semua variabel
sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian
ini. untuk lebih jelasnya nilai AVE Shopee dirujuk Tabel 4.3.
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa nilai
cross loading dan cross loading Fornell-Lacker’s, pertama melakukan
perbandingan korelasi indikator dengan konstruknya dan konstruk blok
lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari
korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan
memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkannya
dengan nilai akar AVE, di mana nilai akar AVE harus lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya. Hasil dari perhitungan
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning
pada setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk
96
blok lainnya, untuk lebih jelasnya nilai cross loading dan cross loading
Fornell-Lacker’s Shopee dirujuk Tabel 4.3.
Tabel 4.3 Hasil Analisis Pengukuran Model Shopee
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,854 0,854 0,450 0,506 0,366 0,414 0,420 0,478
0,648 0,880 0,805 IQ2 0,851 0,851 0,417 0,453 0,319 0,389 0,510 0,505
IQ3 0,716 0,716 0,266 0,330 0,286 0,312 0,331 0,338
IQ4 0,790 0,790 0,463 0,475 0,220 0,436 0,531 0,432
NB
NB1 0,811 0,437 0,811 0,588 0,558 0,504 0,552 0,647
0,664 0,888 0,815 NB2 0,810 0,347 0,810 0,509 0,464 0,549 0,524 0,535
NB3 0,809 0,486 0,809 0,330 0,557 0,498 0,536 0,508
NB4 0,830 0,375 0,830 0,547 0,572 0,585 0,563 0,634
PEOU
PEOU1 0,888 0,448 0,518 0,888 0,372 0,381 0,417 0,639
0,808 0,944 0,899 PEOU2 0,882 0,529 0,524 0,882 0,435 0,482 0,484 0,658
PEOU3 0,934 0,583 0,603 0,934 0,407 0,477 0,568 0,700
PEOU4 0,890 0,427 0,561 0,890 0,447 0,543 0,559 0,722
PU
PU1 0,842 0,284 0,456 0,282 0,842 0,275 0,465 0,548
0,688 0,898 0,829 PU2 0,835 0,346 0,582 0,501 0,835 0,371 0,486 0,649
PU3 0,807 0,219 0,537 0,334 0,807 0,387 0,397 0,543
PU4 0,834 0,369 0,604 0,395 0,834 0,349 0,539 0,639
SQ
SQ1 0,823 0,425 0,567 0,408 0,330 0,823 0,492 0,418
0,699 0,874 0,836 SQ2 0,875 0,392 0,529 0,420 0,326 0,875 0,433 0,461
SQ3 0,809 0,398 0,549 0,482 0,386 0,809 0,613 0,504
SQ4*
SVQ
SVQ1 0,835 0,445 0,579 0,520 0,505 0,589 0,835 0,561
0,698 0,874 0,835 SVQ2 0,818 0,472 0,538 0,419 0,425 0,556 0,818 0,563
SVQ3 0,853 0,489 0,557 0,478 0,501 0,408 0,853 0,539
SVQ4*
US
US1 0,788 0,419 0,553 0,526 0,586 0,490 0,541 0,788
0,717 0,910 0,846 US2 0,899 0,462 0,656 0,688 0,644 0,464 0,580 0,899
US3 0,869 0,491 0,584 0,604 0,616 0,460 0,545 0,869
US4 0,826 0,491 0,636 0,730 0,596 0,469 0,577 0,826
Secara singkat, hasil analisis pengukuran model di atas menunjukkan bahwa
model yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik
sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat untuk
97
dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,
2013). Dirujuk Tabel 4.3 yang menunjukan hasil analisis pengukuran model secara
keseluruhan pada penelitian e-commerce Shopee:
4.2.2.4 Outer Model Lazada
1. Uji Individual Item Reliability
Standardized loading factor menggambarkan besarnya korelasi antar setiap
item pengukuran (indikator) dengan konstruknya, melihat nilai outer loading.
Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator
tersebut valid dalam mengukur konstruknya. Merujuk pada standar nilai outer
loading, setelah melalui pengujian pada SmartPLS 3.0 terdapat 2 indikator
yang memiliki nilai outer loading dibawah 0,7 yaitu, NB2 dan NB3. Sehingga
indikator tersebut harus dihapus, untuk lebih jelasnya nilai outer loading
Lazada penulis lampirkan dalam Tabel 4.4.
2. Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)
dengan ambang batas di atas 0,7. Berdasarkan data yang diolah menggunakan
SmartPLS 3.0 menunjukan seluruh nilai CR dari semua variabel sudah
memenuhi syarat dan valid untuk digunakan dalam model penelitian ini,
untuk lebih jelasnya nilai outer loading Shopee penulis lampirkan dalam
Tabel 4.4.
98
3. Uji Convergent Validity
Selanjutnyua penulis melakukan pengujian convergent validity dengan
melihat nilai average variance extracted (AVE), di mana nilai AVE
menggambarkan besaran atau keragaman variabel manifes (indikator) yang
dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam
menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel laten
dapat menjelaskan rata-rata lebih dari setengah varian dari indikatornya, hasil
perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE dari semua variabel
sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian
ini. Untuk lebih jelasnya nilai outer loading Shopee penulis lampirkan dalam
Tabel 4.4.
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa nilai
cross loading dan cross loading Fornell-Lacker’s, pertama melakukan
perbandingan korelasi indikator dengan konstruknya dan konstruk blok
lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari
korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan
memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkannya
dengan nilai akar AVE, di mana nilai akar AVE harus lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya. Hasil dari perhitungan
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning
pada setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk
99
blok lainnya, untuk lebih jelasnya nilai cross loading dan cross loading
Fornell-Lacker’s Shopee penulis lampirkan dalam Tabel 4.4.
Tabel 4.4 Hasil Analisis Pengukuran Model Lazada
Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ1 0,869 0,869 0,468 0,404 0,560 0,446 0,539 0,578
0,659 0,885 0,812 IQ2 0,869 0,869 0,387 0,299 0,430 0,549 0,641 0,439
IQ3 0,726 0,726 0,269 0,066 0,339 0,506 0,546 0,242
IQ4 0,774 0,774 0,251 0,168 0,269 0,487 0,569 0,206
NB1 0,858 0,447 0,858 0,602 0,606 0,287 0,420 0,638
0,682 0,811 0,826 NB2*
NB3*
NB4 0,792 0,290 0,792 0,561 0,509 0,402 0,378 0,406
PEOU1 0,862 0,185 0,597 0,862 0,500 0,276 0,196 0,441
0,671 0,890 0,819 PEOU2 0,737 0,164 0,407 0,737 0,381 0,244 0,239 0,355
PEOU3 0,866 0,386 0,567 0,866 0,562 0,385 0,424 0,501
PEOU4 0,805 0,319 0,687 0,805 0,566 0,186 0,355 0,579
PU1 0,884 0,532 0,648 0,563 0,884 0,454 0,506 0,760
0,643 0,877 0,802 PU2 0,771 0,476 0,483 0,427 0,771 0,440 0,435 0,578
PU3 0,813 0,380 0,487 0,436 0,813 0,373 0,374 0,578
PU4 0,730 0,280 0,537 0,570 0,730 0,204 0,234 0,544
SQ1 0,704 0,442 0,343 0,188 0,344 0,704 0,510 0,292
0,554 0,832 0,745 SQ2 0,756 0,375 0,307 0,194 0,313 0,756 0,541 0,309
SQ3 0,787 0,432 0,306 0,342 0,414 0,787 0,551 0,370
SQ4 0,730 0,531 0,268 0,236 0,291 0,730 0,529 0,288
SVQ1 0,799 0,589 0,329 0,250 0,358 0,553 0,799 0,332
0,592 0,853 0,770 SVQ2 0,764 0,437 0,306 0,236 0,335 0,507 0,764 0,315
SVQ3 0,733 0,524 0,287 0,254 0,372 0,673 0,733 0,295
SVQ4 0,780 0,569 0,529 0,405 0,432 0,484 0,780 0,331
US1 0,764 0,346 0,527 0,572 0,629 0,342 0,275 0,764
0,691 0,899 0,831 US2 0,921 0,455 0,544 0,479 0,674 0,326 0,324 0,921
US3 0,821 0,456 0,509 0,467 0,693 0,306 0,336 0,821
US4 0,812 0,427 0,553 0,426 0,578 0,451 0,447 0,812
Secara singkat, hasil analisis pengukuran model di atas menunjukkan bahwa
model yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik
sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat untuk
100
dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,
2013). Dirujuk Tabel 4.27 yang menunjukan hasil analisis pengukuran model
secara keseluruhan pada penelitian e-commerce Lazada.
4.2.2.5 Outer Model Blibli
1. Uji Individual Item Reliability
Standardized loading factor menggambarkan besarnya korelasi antar setiap
item pengukuran (indikator) dengan konstruknya, melihat nilai outer loading.
Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator
tersebut valid dalam mengukur konstruknya. Merujuk pada standar nilai outer
loading, setelah melalui pengujian pada SmartPLS 3.0 terdapat 2 indikator
yang memiliki nilai outer loading dibawah 0,7 yaitu, PU3 dan SQ1. Sehingga
indikator tersebut harus dihapus, untuk lebih jelasnya nilai outer loading
Blibli penulis lampirkan dalam Tabel 4.5.
2. Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)
dengan ambang batas di atas 0,7. Berdasarkan data yang diolah menggunakan
SmartPLS 3.0 menunjukan seluruh nilai CR dari semua variabel sudah
memenuhi syarat dan valid untuk digunakan dalam model penelitian ini,
untuk lebih jelasnya nilai CR Blibli penulis lampirkan dalam Tabel 4.5.
3. Uji Convergent Validity
Selanjutnyua penulis melakukan pengujian convergent validity dengan
melihat nilai average variance extracted (AVE), di mana nilai AVE
101
menggambarkan besaran atau keragaman variabel manifes (indikator) yang
dapat dikandung oleh variabel laten (konstruk). Nilai AVE yang baik dalam
menunjukkan convergent validity adalah minimal 0,5. Artinya, variabel laten
dapat menjelaskan rata-rata lebih dari setengah varian dari indikatornya, hasil
perhitungan oleh SmartPLS 3.0 menunjukan nilai AVE dari semua variabel
sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian
ini. Untuk lebih jelasnya nilai AVE Blibli penulis lampirkan dalam Tabel 4.5.
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa nilai
cross loading dan cross loading Fornell-Lacker’s, pertama melakukan
perbandingan korelasi indikator dengan konstruknya dan konstruk blok
lainnya. Bila korelasi antar indikator dengan konstruknya lebih tinggi dari
korelasi dengan konstruk blok lainnya, maka konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya. Selanjutnya dengan
memeriksa cross loading Fornell-Lacker’s yaitu dengan membandingkannya
dengan nilai akar AVE, di mana nilai akar AVE harus lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya. Hasil dari perhitungan
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning
pada setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk
blok lainnya, untuk lebih jelasnya nilai cross loading dan cross loading
Fornell-Lacker’s Blibli penulis lampirkan dalam Tabel 4.5.
102
Hasil analisis pengukuran model di atas menunjukkan bahwa model yang
peneliti ajukan memenuhi karakteristik yang baik secara statistik dan memenuhi
syarat untuk dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012;
Afthanorhan, 2013). Dirujuk Tabel 4.5 yang menunjukan hasil analisis pengukuran
model secara keseluruhan pada penelitian e-commerce Blibli.
Tabel 4.5 Hasil Analisis Pengukuran Model Blibli
Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ1 0,809 0,809 -0,198 -0,165 0,354 0,379 0,387 -0,188
0,681 0,895 0,825 IQ2 0,761 0,761 0,076 -0,110 0,504 0,496 0,489 0,040
IQ3 0,862 0,862 -0,163 -0,191 0,540 0,471 0,412 -0,113
IQ4 0,865 0,865 -0,129 -0,294 0,531 0,462 0,540 -0,242
NB1 0,898 -0,096 0,898 0,613 -0,010 -0,061 -0,102 0,568
0,755 0,925 0,869 NB2 0,860 -0,126 0,860 0,640 -0,051 -0,059 -0,137 0,657
NB3 0,874 -0,132 0,874 0,690 -0,129 -0,042 -0,089 0,623
NB4 0,844 -0,087 0,844 0,663 -0,006 -0,007 -0,081 0,627
PEOU1 0,904 -0,202 0,646 0,904 -0,144 -0,177 -0,254 0,547
0,808 0,944 0,899 PEOU2 0,854 -0,112 0,538 0,854 -0,116 -0,081 -0,150 0,498
PEOU3 0,902 -0,327 0,712 0,902 -0,201 -0,196 -0,245 0,603
PEOU4 0,934 -0,197 0,772 0,934 -0,119 -0,099 -0,197 0,674
PU1 0,852 0,486 -0,093 -0,180 0,852 0,526 0,607 -0,026
0,657 0,852 0,811 PU2 0,796 0,499 -0,028 -0,109 0,796 0,425 0,484 -0,027
PU3*
PU4 0,782 0,461 -0,012 -0,101 0,782 0,476 0,524 0,003
SQ1*
0,755 0,903 0,869 SQ2 0,869 0,458 -0,105 -0,201 0,522 0,869 0,573 -0,091
SQ3 0,873 0,517 0,078 -0,076 0,512 0,873 0,658 0,038
SQ4 0,865 0,459 -0,094 -0,124 0,500 0,865 0,644 -0,005
SVQ1 0,879 0,498 -0,089 -0,244 0,600 0,683 0,879 -0,100
0,749 0,922 0,865 SVQ2 0,887 0,421 -0,052 -0,145 0,564 0,630 0,887 -0,026
SVQ3 0,887 0,461 -0,104 -0,207 0,570 0,622 0,887 -0,132
SVQ4 0,807 0,547 -0,159 -0,218 0,569 0,543 0,807 -0,126
US1 0,927 -0,146 0,668 0,621 -0,052 -0,028 -0,160 0,927
0,746 0,921 0,864 US2 0,728 -0,164 0,477 0,407 -0,044 -0,085 -0,103 0,728
US3 0,899 -0,140 0,588 0,523 -0,021 0,001 -0,120 0,899
US4 0,888 -0,113 0,699 0,661 0,033 0,007 -0,018 0,888
103
4.2.3 Hasil Analisis Model Struktural (Inner Model)
Pada tahap analisis model struktural dilakukan enam tahapan pengujian yang
terdiri dari pengujian path coefficient (β), coefficient of determination (R2), t-test
menggunakan metode bootstrapping, effect size (𝑓2), predictive relevance (𝑄2), dan
relative impact (𝑞2).
4.2.3.1 Inner Model Tokopedia
1. Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di
mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai
uji koefisien jalur berada di atas 0,1. Hasilnya dari 15 jalur yang ada pada
model penelitian ini, 10 jalur tersebut dinyatakan memiliki pengaruh
signifikan, yaitu pengaruh IQ terhadap PEOU, pengaruh IQ terhadap US,
pengaruh PEOU terhadap NB, pengaruh PEOU terhadap PU, pengaruh
PEOU terhadap US, pengaruh PU terhadap NB, pengaruh PU terhadap US,
pengaruh SQ terhadap PEOU, pengaruh SVQ terhadap PU, pengaruh US
terhadap NB dan 5 jalur tidak memiliki pengaruh signifikan, yaitu jalur
pengaruh IQ terhadap PU, pengaruh SQ terhadap PU, pengaruh SQ terhadap
US, pengaruh SVQ terhadap PEOU, pengaruh SVQ terhadap US. Untuk lebih
jelasnya dirujuk Tabel 4.6 dan Gambar 4.6 hasil pengujian jalur koefisien e-
commerce Tokopedia.
104
2. Uji Coefficient of Determination (R2)
Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target
variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan
sebagai kuat, sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di
bawahnya menunjukkan tingkat varian yang lemah. Untuk lebih jelasnya
penulis lampirkan dalam Tabel 4.6 hasil uji coefficient of determination e-
commerce Tokopedia.
3. Uji t-test
Pada pengujian t-test dilakukan dengan menggunakan metode bootstrapping
pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test adalah
diatas 1,96. Pada tabel 4.6 dapat dilihat hasil pengujiannya di mana dari total
15 hipotesis terdapat 7 hipotesis yang diterima yaitu pengaruh IQ terhadap
PEOU, pengaruh PEOU terhadap NB, pengaruh PEOU terhadap PU,
pengaruh PU terhadap NB, pengaruh PU terhadap US, pengaruh SVQ
terhadap PU, pengaruh US terhadap NB dengan nilai dapat dilihat pada tabel
4.6 dan terdapat 8 hipotesis yang ditolak karena tidak memenuhi syarat nilai
yang diterima pada pengujian t-test di antaranya adalah pengaruh IQ terhadap
PU, pengaruh IQ terhadap US, pengaruh PEOU terhadap US, pengaruh SQ
terhadap PEOU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US,
pengaruh SVQ terhadap PEOU dan pengaruh SVQ terhadap US. Untuk lebih
jelasnya dirujuk Tabel 4.6 nilai t-test e-commerce Tokopedia.
105
Gambar 4.6 Hasil Analisis Path Coeffisien Tokopedia
106
4. Uji Effect Size (𝑓2)
Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel
tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh
kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada Tabel
4.6 memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki
pengaruh menengah yaitu pengaruh IQ terhadap PEOU dengan nilai 0,196
dan pengaruh PU terhadap NB dengan nilai 0,339. Terdapat 13 jalur yang
memiliki pengaruh kecil yaitu pengaruh IQ terhadap PU, pengaruh IQ
terhadap US, pengaruh PEOU terhadap NB, pengaruh PEOU terhadap PU,
pengaruh PEOU terhadap US, pengaruh PU terhadap US, pengaruh SQ
terhadap PEOU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US,
pengaruh SVQ terhadap PEOU, pengaruh SVQ terhadap PU, pengaruh SVQ
terhadap US, pengaruh US terdahap NB dengan nilai dapat dilihat pada tabel
4.6. Untuk lebih jelasnya penulis lampirkan dalam Tabel 4.6 nilai effect size
e-commerce Tokopedia.
5. Uji Predictive Relevance (Q2)
Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk
menjelaskan bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif dengan variabel lainnya dalam model
dengan nilai ambang batas di atas nol (0). Dari hasil pengujian, diketahui
bahwa nilai Q2 dari seluruh variabel di atas nol (0) yang menunjukkan
keterkaitan secara prediktif. Untuk lebih jelasnya penulis lampirkan dalam
Tabel 4.6 nilai predictive relevance (Q2) e-commerce Tokopedia.
107
6. Uji Relative Impact (𝑞2)
Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode
blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari
sebuah keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang
batas yang digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh
kecil, 0,15 memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar.
Pada Tabel 4.6 memperlihatkan bahwa hanya 1 yang memiliki pengaruh
menengah dan 14 yang memiliki pengaruh kecil. Untuk lebih jelasnya dirujuk
Tabel 4.6 nilai 𝑞2 e-commerce Tokopedia.
4.2.3.2 Inner Model Bukalapak
1. Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di
mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai
uji koefisien jalur berada di atas 0,1. Hasilnya dari 15 jalur yang ada pada
model penelitian ini, 11 jalur tersebut dinyatakan memiliki pengaruh
signifikan, yaitu pengaruh IQ terhadap PEOU, pengaruh PEOU terhadap NB,
pengaruh PEOU terhadap PU, pengaruh PEOU terhadap US, pengaruh PU
terhadap NB, pengaruh PU terhadap US, pengaruh SQ terhadap PEOU,
pengaruh SVQ terhadap PEOU, pengaruh SVQ terhadap PU, pengaruh SVQ
terhadap US, pengaruh US terhadap NB dan 4 jalur tidak memiliki pengaruh
signifikan, yaitu jalur pengaruh IQ terhadap PU, pengaruh IQ terhadap US,
pengaruh SQ terhadap PU, pengaruh SQ terhadap US.
108
Tabel 4.6 Hasil Analisis Struktur Model e-commerce Tokopedia
Hipotesis
β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in Q2-ex Ʃq2 Β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,509 4,223 0,499 0,499 0,401 0,196 0,343 0,343 0,272 0,107 Sign Accepted M m Predictive Relevance k
H2 IQ -> PU -0,109 0,708 0,474 0,474 0,470 0,008 0,311 0,311 0,311 0,001 Insign Rejected M k Predictive Relevance k
H3 IQ -> US 0,202 1,721 0,558 0,558 0,544 0,031 0,380 0,380 0,372 0,012 Sign Rejected M k Predictive Relevance k
H4 PEOU -> NB 0,244 2,831 0,626 0,626 0,596 0,080 0,323 0,323 0,311 0,017 Sign Accepted M k Predictive Relevance k
H5 PEOU -> PU 0,381 2,910 0,474 0,474 0,405 0,131 0,311 0,311 0,266 0,066 Sign Accepted M k Predictive Relevance k
H6 PEOU -> US 0,267 1,880 0,558 0,558 0,528 0,067 0,380 0,380 0,358 0,035 Sign Rejected M k Predictive Relevance k
H7 PU -> NB 0,380 3,470 0,626 0,626 0,499 0,339 0,323 0,323 0,340 -0,025 Sign Accepted M m Predictive Relevance k
H8 PU -> US 0,336 2,687 0,558 0,558 0,552 0,013 0,380 0,380 0,283 0,156 Sign Accepted M k Predictive Relevance k
H9 SQ -> PEOU 0,241 1,595 0,499 0,499 0,479 0,040 0,343 0,343 0,331 0,018 Sign Rejected M k Predictive Relevance k
H10 SQ -> PU 0,032 0,257 0,474 0,474 0,474 0,000 0,311 0,311 0,312 -0,001 Insign Rejected M k Predictive Relevance k
H11 SQ -> US -0,021 0,220 0,558 0,558 0,557 0,001 0,380 0,380 0,381 -0,002 Insign Rejected M k Predictive Relevance k
H12 SVQ -> PEOU 0,001 0,008 0,499 0,499 0,499 0,000 0,343 0,343 0,344 -0,002 Insign Rejected M k Predictive Relevance k
H13 SVQ -> PU 0,464 2,641 0,474 0,474 0,399 0,143 0,311 0,311 0,266 0,066 Sign Accepted M k Predictive Relevance k
H14 SVQ -> US 0,095 0,757 0,558 0,558 0,555 0,006 0,380 0,380 0,379 0,001 Insign Rejected M k Predictive Relevance k
H15 US -> NB 0,287 2,624 0,626 0,626 0,586 0,107 0,323 0,323 0,305 0,026 Sign Accepted M k Predictive Relevance k
109
Gambar 4.7 Hasil Analisis Path Coeffisien E-commerce Bukalapak
110
Untuk lebih jelasnya dirujuk Tabel 4.7 dan Gambar 4.7 hasil pengujian jalur
koefisien e-commerce Bukalapak.
2. Uji Coefficient of Determination (R2)
Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target
variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan
sebagai kuat, sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di
bawahnya menunjukkan tingkat varian yang lemah. Untuk lebih jelasnya
dirujuk Tabel 4.7 hasil uji coefficient of determination e-commerce
Bukalapak.
3. Uji t-test
Pada pengujian t-test dilakukan dengan menggunakan metode bootstrapping
pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test adalah
diatas 1,96. Pada Tabel 4.7 dapat dilihat hasil pengujiannya di mana dari total
15 hipotesis terdapat 6 hipotesis yang diterima yaitu pengaruh IQ terhadap
PEOU, pengaruh PEOU terhadap NB, pengaruh PEOU terhadap US,
pengaruh PU terhadap NB, pengaruh PU terhadap US, pengaruh SVQ
terhadap PU, dengan nilai dapat dilihat pada tabel 4.7 dan terdapat 9 hipotesis
yang ditolak karena tidak memenuhi syarat nilai yang diterima pada
pengujian t-test di antaranya adalah pengaruh IQ terhadap PU, pengaruh IQ
terhadap US, pengaruh PEOU terhadap PU, pengaruh SQ terhadap PEOU,
pengaruh SQ terhadap PU, pengaruh SQ terhadap US, pengaruh SVQ
terhadap PEOU dan pengaruh SVQ terhadap US dan pengaruh US terhadap
111
NB. Untuk lebih jelasnya dirujuk Tabel 4.7 nilai t-test e-commerce
Bukalapak.
4. Uji Effect Size (𝑓2)
Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel
tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh
kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada Tabel
4.7 memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki
pengaruh menengah yaitu pengaruh PEOU terhadap US dengan nilai 0,266
dan pengaruh PU terhadap NB dengan nilai 0,328. Terdapat 13 jalur yang
memiliki pengaruh kecil yaitu pengaruh IQ terhadap PEOU, pengaruh IQ
terhadap PU, pengaruh IQ terhadap US, pengaruh PEOU terhadap NB,
pengaruh PEOU terhadap PU, pengaruh PU terhadap US, pengaruh SQ
terhadap PEOU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US,
pengaruh SVQ terhadap PEOU, pengaruh SVQ terhadap PU, pengaruh SVQ
terhadap US, pengaruh US terhadap NB dengan nilai dapat dilihat pada tabel
4.7. Untuk lebih jelasnya dirujuk Tabel 4.7 nilai effect size e-commerce
Bukalapak:
5. Uji Predictive Relevance (Q2)
Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk
menjelaskan bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif dengan variabel lainnya dalam model
dengan nilai ambang batas di atas nol (0). Dari hasil pengujian, diketahui
bahwa nilai Q2 dari seluruh variabel di atas nol (0) yang menunjukkan
112
keterkaitan secara prediktif. dirujuk Tabel 4.7 nilai predictive relevance (Q2)
e-commerce Bukalapak.
6. Uji Relative Impact (𝑞2)
Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode
blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari
sebuah keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang
batas yang digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh
kecil, 0,15 memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar.
Pada tabel 4.7 memperlihatkan bahwa semuanya hanya memiliki pengaruh
kecil, dirujuk Tabel 4.7 nilai 𝑞2 e-commerce Bukalapak.
4.2.3.3 Inner Model Shopee
1. Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di
mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai
uji koefisien jalur berada di atas 0,1. Hasilnya dari 15 jalur yang ada pada
model penelitian ini, 10 jalur tersebut dinyatakan memiliki pengaruh
signifikan, yaitu pengaruh IQ terhadap PEOU, pengaruh PEOU terhadap NB,
pengaruh PEOU terhadap US, pengaruh PU terhadap NB, pengaruh PU
terhadap US, pengaruh SQ terhadap PEOU, pengaruh SVQ terhadap PEOU,
pengaruh SVQ terhadap PU, pengaruh SVQ terhadap US, pengaruh US
terhadap NB dan 5 jalur tidak memiliki pengaruh signifikan, yaitu jalur
pengaruh IQ terhadap PU, pengaruh IQ terhadap US, pengaruh PEOU
terhadap PU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US.
113
Tabel 4.7 Hasil Analisis Struktur Model e-commerce Bukalapak
Hipotesis
β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in Q2-ex Ʃq2 Β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,339 3,093 0,519 0,519 0,459 0,125 0,359 0,359 0,317 0,066 Sign accepted M k Predictive Relevance k
H2 IQ -> PU -0,006 0,057 0,500 0,500 0,500 0,001 0,289 0,289 0,293 -0,005 Insign rejected M k Predictive Relevance k
H3 IQ -> US 0,036 0,468 0,664 0,664 0,664 0,001 0,434 0,434 0,437 -0,006 Insign rejected M k Predictive Relevance k
H4 PEOU -> NB 0,289 2,849 0,682 0,682 0,647 0,108 0,405 0,405 0,387 0,029 Sign accepted A k Predictive Relevance k
H5 PEOU -> PU 0,280 1,917 0,500 0,500 0,465 0,071 0,289 0,289 0,270 0,027 Sign rejected M k Predictive Relevance k
H6 PEOU -> US 0,449 3,276 0,664 0,664 0,575 0,266 0,434 0,434 0,378 0,099 Sign accepted M m Predictive Relevance k
H7 PU -> NB 0,466 5,630 0,682 0,682 0,577 0,328 0,405 0,405 0,340 0,108 Sign accepted A m Predictive Relevance k
H8 PU -> US 0,288 2,738 0,664 0,664 0,624 0,120 0,434 0,434 0,406 0,049 Sign accepted M k Predictive Relevance k
H9 SQ -> PEOU 0,181 1,547 0,519 0,519 0,503 0,034 0,359 0,359 0,350 0,014 Sign rejected M k Predictive Relevance k
H10 SQ -> PU 0,067 0,698 0,500 0,500 0,498 0,005 0,289 0,289 0,291 -0,002 insign rejected M k Predictive Relevance k
H11 SQ -> US 0,039 0,597 0,664 0,664 0,664 0,001 0,434 0,434 0,436 -0,004 insign rejected M k Predictive Relevance k
H12 SVQ -> PEOU 0,301 1,901 0,519 0,519 0,485 0,071 0,359 0,359 0,338 0,033 sign rejected M k Predictive Relevance k
H13 SVQ -> PU 0,444 2,760 0,500 0,500 0,431 0,139 0,289 0,289 0,248 0,058 sign accepted M k Predictive Relevance k
H14 SVQ -> US 0,129 1,241 0,664 0,664 0,659 0,016 0,434 0,434 0,433 0,001 sign rejected M k Predictive Relevance k
H15 US -> NB 0,174 1,652 0,682 0,682 0,67 0,036 0,405 0,405 0,404 0,001 sign rejected A k Predictive Relevance k
114
Gambar 4.8 Hasil Analisis Path Coeffisien E-commerce Shopee
115
Untuk lebih jelasnya dirujuk Tabel 4.8 dan Gambar 4.8 hasil pengujian jalur
koefisien e-commerce Shopee.
2. Uji Coefficient of Determination (R2)
Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target
variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan
sebagai kuat, sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di
bawahnya menunjukkan tingkat varian yang lemah. Untuk lebih jelasnya
dirujuk Tabel 4.8 hasil uji coefficient of determination e-commerce Shopee.
3. Uji t-test
Pada pengujian t-test dilakukan dengan menggunakan metode bootstrapping
pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test adalah
diatas 1,96. Pada Tabel 4.8 dapat dilihat hasil pengujiannya di mana dari total
15 hipotesis terdapat 8 hipotesis yang diterima yaitu pengaruh IQ terhadap
PEOU, pengaruh PEOU terhadap NB, pengaruh PEOU terhadap US,
pengaruh PU terhadap NB, pengaruh PU terhadap US, pengaruh SQ terhadap
PEOU, pengaruh SVQ terhadap PU, pengaruh US terhadap NB dengan nilai
dapat dilihat pada tabel 4.8 dan terdapat 7 hipotesis yang ditolak karena tidak
memenuhi syarat nilai yang diterima pada pengujian t-test di antaranya adalah
pengaruh IQ terhadap PU, pengaruh IQ terhadap US, pengaruh PEOU
terhadap PU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US, pengaruh
SVQ terhadap PEOU, pengaruh SVQ terhadap US. Untuk lebih jelasnya
dirujuk Tabel 4.8 nilai t-test e-commerce Shopee.
116
4. Uji Effect Size (𝑓2)
Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel
tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh
kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada tabel
4.8 memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki
pengaruh besar yaitu pengaruh PEOU terhadap US dengan nilai 0,464 dan
pengaruh PU terhadap US dengan nilai 0,455. Terdapat 1 jalur yang memiliki
pengaruh menengah, yaitu pengaruh SVQ terhadap PU dan terdapat 12 jalur
yang memiliki pengaruh kecil, yaitu pengaruh IQ terhadap PEOU, pengaruh
IQ terhadap PU, pengaruh IQ terhadap US, pengaruh PEOU terhadap NB,
pengaruh PEOU terhadap PU, pengaruh PU terhadap NB, pengaruh SQ
terhadap PEOU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US,
pengaruh SVQ terhadap PEOU, pengaruh SVQ terhadap US, pengaruh US
terhadap NB dengan nilai dapat dilihat pada Tabel 4.8. Untuk lebih jelasnya
dirujuk Tabel 4.8 nilai effect size e-commerce Shopee.
5. Uji Predictive Relevance (Q2)
Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk
menjelaskan bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif dengan variabel lainnya dalam model
dengan nilai ambang batas di atas nol (0). Dari hasil pengujian, diketahui
bahwa nilai Q2 dari seluruh variabel di atas nol (0) yang menunjukkan
keterkaitan secara prediktif. Untuk lebih jelasnya dirujuk Tabel 4.8 nilai
predictive relevance (Q2) e-commerce Shopee:
117
6. Uji Relative Impact (𝑞2)
Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode
blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari
sebuah keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang
batas yang digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh
kecil, 0,15 memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar.
Pada tabel 4.8 memperlihatkan bahwa semuanya hanya memiliki pengaruh
kecil, Untuk lebih jelasnya dirujuk Tabel 4.8 nilai 𝑞2 e-commerce Shopee.
4.2.3.4 Inner Model Lazada
1. Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di
mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai
uji koefisien jalur berada di atas 0,1. Hasilnya dari 15 jalur yang ada pada
model penelitian ini, 11 jalur tersebut dinyatakan memiliki pengaruh
signifikan, yaitu pengaruh IQ terhadap PEOU, pengaruh IQ terhadap PU,
pengaruh IQ terhadap US, pengaruh PEOU terhadap NB, pengaruh PEOU
terhadap PU, pengaruh PEOU terhadap US, pengaruh PU terhadap NB,
pengaruh PU terhadap US, pengaruh SQ terhadap PU, pengaruh SVQ
terhadap PEOU, pengaruh US terhadap NB dan 4 jalur tidak memiliki
pengaruh signifikan, yaitu jalur pengaruh SQ terhadap PEOU, pengaruh SQ
terhadap US, pengaruh SVQ terhadap PU, pengaruh SVQ terhadap US.
Untuk lebih jelasnya dirujuk Tabel 4.9 dan Gambar 4.9 hasil pengujian jalur
koefisien e-commerce Lazada.
118
Tabel 4.8 Hasil Analisis Struktur Model E-commerce Shopee
Hipotesis
β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in
Q2-
ex Ʃq2 β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,301 2,663 0,431 0,431 0,373 0,102 0,317 0,317 0,274 0,063 sign accepted M k Predictive Relevance k
H2 IQ -> PU 0,057 0,630 0,337 0,337 0,334 0,004 0,208 0,208 0,209 -0,001 insign rejected M k Predictive Relevance k
H3 IQ -> US 0,068 1,273 0,768 0,768 0,765 0,012 0,502 0,502 0,501 0,003 insign rejected A k Predictive Relevance k
H4 PEOU -> NB 0,231 2,175 0,582 0,582 0,559 0,056 0,345 0,345 0,332 0,019 sign accepted M k Predictive Relevance k
H5 PEOU -> PU 0,000 0,000 0,337 0,337 0,336 0,001 0,208 0,208 0,208 0,000 insign rejected L k Predictive Relevance k
H6 PEOU -> US 0,443 5,747 0,768 0,768 0,66 0,464 0,502 0,502 0,435 0,135 sign accepted A b Predictive Relevance k
H7 PU -> NB 0,339 3,330 0,582 0,582 0,553 0,070 0,345 0,345 0,322 0,035 sign accepted M k Predictive Relevance k
H8 PU -> US 0,408 3,999 0,768 0,768 0,662 0,455 0,502 0,502 0,432 0,141 sign accepted A b Predictive Relevance k
H9 SQ -> PEOU 0,216 2,151 0,431 0,431 0,404 0,047 0,317 0,317 0,296 0,030 sign accepted M k Predictive Relevance k
H10 SQ -> PU 0,090 0,668 0,337 0,337 0,332 0,007 0,208 0,208 0,208 0,000 insign rejected M k Predictive Relevance k
H11 SQ -> US 0,051 0,755 0,768 0,768 0,766 0,007 0,502 0,502 0,503 -0,001 insign rejected A k Predictive Relevance k
H12 SVQ -> PEOU 0,266 1,926 0,431 0,431 0,394 0,065 0,317 0,317 0,293 0,035 sign rejected M k Predictive Relevance k
H13 SVQ -> PU 0,485 4,073 0,337 0,337 0,213 0,186 0,208 0,208 0,131 0,097 sign accepted M m Predictive Relevance k
H14 SVQ -> US 0,108 1,157 0,768 0,768 0,762 0,025 0,502 0,502 0,501 0,003 sign rejected A k Predictive Relevance b
H15 US -> NB 0,300 2,316 0,582 0,582 0,561 0,051 0,345 0,345 0,337 0,012 sign accepted M k Predictive Relevance m
119
Gambar 4.9 Hasil Analisis Path Coeffisien E-commerce Lazada
120
2. Uji Coefficient of Determination (R2)
Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target
variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan
sebagai kuat, sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di
bawahnya menunjukkan tingkat varian yang lemah. Untuk lebih jelasnya
dirujuk Tabel 4.9 hasil uji coefficient of determination e-commerce Lazada.
3. Uji t-test
Pada pengujian t-test dilakukan dengan menggunakan metode bootstrapping
pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test adalah
diatas 1,96. Pada Tabel 4.9 dapat dilihat hasil pengujiannya di mana dari total
15 hipotesis terdapat 6 hipotesis yang diterima yaitu pengaruh IQ terhadap
PU, pengaruh PEOU terhadap NB, pengaruh PEOU terhadap PU, pengaruh
PEOU terhadap US, pengaruh PU terhadap NB, pengaruh PU terhadap US
dengan nilai dapat dilihat pada tabel 4.9 dan terdapat 9 hipotesis yang ditolak
karena tidak memenuhi syarat nilai yang diterima pada pengujian t-test di
antaranya adalah pengaruh IQ terhadap PEOU, pengaruh IQ terhadap US,
pengaruh SQ terhadap PEOU, pengaruh SQ terhadap PU, pengaruh SQ
terhadap US, pengaruh SVQ terhadap PEOU, pengaruh SVQ terhadap PU,
pengaruh SVQ terhadap US, pengaruh US terhadap NB Untuk lebih jelasnya
dirujuk Tabel 4.9 nilai t-test e-commerce Lazada.
4. Uji Effect Size (𝑓2)
Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel
tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh
121
kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada Tabel
4.9 memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki
pengaruh besar yaitu pengaruh PEOU terhadap PU dengan nilai 0,398 dan
pengaruh PU terhadap US dengan nilai 0,470. Terdapat 1 jalur yang memiliki
pengaruh menengah, yaitu pengaruh SVQ terhadap NB dan terdapat 12 jalur
yang memiliki pengaruh kecil, yaitu pengaruh IQ terhadap PEOU, pengaruh
IQ terhadap PU, pengaruh IQ terhadap US, pengaruh PEOU terhadap US,
pengaruh PU terhadap NB, pengaruh SQ terhadap PEOU, pengaruh SQ
terhadap PU, pengaruh SQ terhadap US, pengaruh SVQ terhadap PEOU,
pengaruh SVQ terhadap PU, pengaruh SVQ terhadap US, pengaruh US
terhadap NB dengan nilai dapat dilihat pada Tabel 4.9. Untuk lebih jelasnya
dirujuk Tabel 4.9 nilai effect size e-commerce Lazada.
5. Uji Predictive Relevance (Q2)
Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk
menjelaskan bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif dengan variabel lainnya dalam model
dengan nilai ambang batas di atas nol (0). Dari hasil pengujian, diketahui
bahwa nilai Q2 dari seluruh variabel di atas nol (0) yang menunjukkan
keterkaitan secara prediktif. Untuk lebih jelasnya dirujuk Tabel 4.9 nilai
predictive relevance (Q2) e-commerce Lazada.
6. Uji Relative Impact (𝑞2)
Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode
blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari
122
sebuah keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang
batas yang digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh
kecil, 0,15 memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar.
Pada Tabel 4.9 memperlihatkan bahwa hanya 2 yang memiliki pengaruh
menengah dan 13 yang meiliki pengaruh yang kecil. Untuk lebih jelasnya
dirujuk Tabel nilai 𝑞2 e-commerce Lazada. dan Tabel 4.9 hasil analisis
struktur model e-commerce Lazada.
4.2.3.5 Inner Model Blibli
1. Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di
mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai
uji koefisien jalur berada di atas 0,1. Hasilnya dari 15 jalur yang ada pada
model penelitian ini, 7 jalur tersebut dinyatakan memiliki pengaruh
signifikan, yaitu pengaruh IQ terhadap PU, pengaruh PEOU terhadap NB,
pengaruh PEOU terhadap US, pengaruh PU terhadap US, pengaruh SQ
terhadap PU, pengaruh SVQ terhadap PU, pengaruh US terhadap NB dan 8
jalur tidak memiliki pengaruh signifikan, yaitu jalur pengaruh IQ terhadap
PEOU, pengaruh IQ terhadap US, pengaruh PEOU terhadap PU, pengaruh
PU terhadap NB, pengaruh SQ terhadap PEOU, pengaruh SQ terhadap US,
pengaruh SVQ terhadap PEOU, dan pengaruh SVQ terhadap US. Untuk lebih
jelasnya dirujuk Tabel 4.10 dan Gambar 4.10 hasil pengujian jalur koefisien
e-commerce Blibli.
123
Tabel 4.9 Hasil Analisis Struktur Model E-commerce Lazada
Hipotesis
Β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in
Q2-
ex Ʃq2 β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,119 0,985 0,160 0,160 0,152 0,009 0,079 0,079 0,085 -0,007 sign rejected L k Predictive Relevance k
H2 IQ -> PU 0,273 2,540 0,516 0,516 0,479 0,078 0,295 0,295 0,275 0,029 sign accepted M k Predictive Relevance k
H3 IQ -> US 0,168 1,703 0,638 0,638 0,624 0,037 0,395 0,395 0,395 0,001 sign rejected M k Predictive Relevance k
H4 PEOU -> NB 0,431 4,892 0,602 0,602 0,497 0,264 0,383 0,383 0,309 0,120 sign accepted M m Predictive Relevance k
H5 PEOU -> PU 0,481 5,182 0,516 0,516 0,324 0,398 0,295 0,295 0,186 0,155 sign accepted M b Predictive Relevance m
H6 PEOU -> US 0,173 2,166 0,638 0,638 0,618 0,054 0,395 0,395 0,384 0,019 sign accepted M k Predictive Relevance k
H7 PU -> NB 0,269 2,469 0,602 0,602 0,579 0,058 0,383 0,383 0,370 0,021 sign accepted M k Predictive Relevance k
H8 PU -> US 0,603 7,419 0,638 0,638 0,467 0,470 0,395 0,395 0,286 0,181 sign accepted M b Predictive Relevance m
H9 SQ -> PEOU 0,099 0,692 0,160 0,160 0,156 0,004 0,079 0,079 0,079 -0,001 insign rejected L k Predictive Relevance k
H10 SQ -> PU 0,117 1,024 0,516 0,516 0,511 0,011 0,295 0,295 0,293 0,003 sign rejected M k Predictive Relevance k
H11 SQ -> US 0,074 0,673 0,638 0,638 0,635 0,007 0,395 0,395 0,395 0,001 insign rejected M k Predictive Relevance k
H12 SVQ -> PEOU 0,228 1,550 0,160 0,160 0,140 0,023 0,079 0,079 0,075 0,004 sign rejected L k Predictive Relevance k
H13 SVQ -> PU 0,036 0,254 0,516 0,516 0,516 0,001 0,295 0,295 0,297 -0,002 insign rejected M k Predictive Relevance k
H14 SVQ -> US -0,116 0,967 0,638 0,638 0,632 0,015 0,395 0,395 0,392 0,006 insign rejected M k Predictive Relevance k
H15 US -> NB 0,181 1,604 0,602 0,602 0,588 0,035 0,383 0,383 0,376 0,011 sign rejected M k Predictive Relevance k
124
Gambar 4.10 Hasil Analisis Path Coefficient E-commerce Blibli
125
2. Uji Coefficient of Determination (R2)
Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target
variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan
sebagai kuat, sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di
bawahnya menunjukkan tingkat varian yang lemah. Untuk lebih jelasnya
dirujuk Tabel 4.10 hasil uji coefficient of determination e-commerce Blibli.
3. Uji t-test
Pada pengujian t-test dilakukan dengan menggunakan metode bootstrapping
pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test adalah
diatas 1,96. Pada Tabel 4.10 dapat dilihat hasil pengujiannya di mana dari
total 15 hipotesis terdapat 5 hipotesis yang diterima yaitu pengaruh IQ
terhadap PU, pengaruh PEOU terhadap NB, pengaruh PEOU terhadap US,
pengaruh SVQ terhadap PU, pengaruh US terhadap NB dengan nilai dapat
dilihat pada Tabel 4.10 dan terdapat 10 hipotesis yang ditolak karena tidak
memenuhi syarat nilai yang diterima pada pengujian t-test di antaranya adalah
pengaruh IQ terhadap PEOU, pengaruh IQ terhadap US, pengaruh PEOU
terhadap PU, pengaruh PU terhadap NB, pengaruh PU terhadap US, pengaruh
SQ terhadap PEOU, pengaruh SQ terhadap PU, pengaruh SQ terhadap US,
pengaruh SVQ terhadap PEOU, dan pengaruh SVQ terhadap US. Untuk lebih
jelasnya dirujuk Tabel 4.10 nilai t-test e-commerce Blibli.
4. Uji Effect Size (𝑓2)
Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel
tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh
126
kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada Tabel
4.10 memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki
pengaruh besar yaitu pengaruh PEOU terhadap NB dengan nilai 0,410 dan
pengaruh PEOU terhadap US dengan nilai 0,701. Terdapat 2 jalur yang
memiliki pengaruh menengah, yaitu pengaruh SVQ terhadap PU dan
pengaruh US terhadap NB. Terdapat 11 jalur yang memiliki pengaruh kecil,
yaitu pengaruh IQ terhadap PEOU, pengaruh IQ terhadap PU, pengaruh IQ
terhadap US, pengaruh PEOU terhadap PU, pengaruh PU terhadap NB,
pengaruh PU terhadap US, pengaruh SQ terhadap PEOU, pengaruh SQ
terhadap PU, pengaruh SQ terhadap US, pengaruh SVQ terhadap PEOU,
pengaruh SVQ terhadap US dengan nilai dapat dilihat pada Tabel 4.10. Untuk
lebih jelasnya dirujuk Tabel 4.10 nilai effect size e-commerce Blibli.
5. Uji Predictive Relevance (Q2)
Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk
menjelaskan bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif dengan variabel lainnya dalam model
dengan nilai ambang batas di atas nol (0). Dari hasil pengujian, diketahui
bahwa nilai Q2 dari seluruh variabel di atas nol (0) yang menunjukkan
keterkaitan secara prediktif. Untuk lebih jelasnya dirujuk Tabel 4.10 nilai
predictive relevance (Q2) e-commerce Blibli.
6. Uji Relative Impact (𝑞2)
Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode
blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari
127
sebuah keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang
batas yang digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh
kecil, 0,15 memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar.
Pada Tabel 4.10 memperlihatkan bahwa 1 yang memiliki pengaruh besar, 1
memiliki pengaruh menengah dan 13 yang meiliki pengaruh yang kecil.
Untuk lebih jelasnya dirujuk Tabel 4.10 nilai 𝑞2 e-commerce Blibli.
4.3 Interpretasi dan Diskusi Hasil Analisis
4.3.1 Interpretasi dan Diskusi Model Pengukuran (Outer Model)
Dari hasil analisis model pengukuran yang telah dilakukan, terdapat dua hal
penting yang harus diperhatikan, yaitu sebagai berikut :
1. Pada analisis model pengukuran didapatkan hasil akhir yang menunjukkan
bahwa model penelitian ini sudah memenuhi syarat dan memiliki
karakteristik yang baik sehingga dapat dilanjutkan ke tahap analisis
berikutnya yaitu analisis struktural model (uji Inner Model).
2. Secara keseluruhan terdapat beberapa indikator yang harus dihapus untuk e-
commerce tertentu, ada juga e-commerce yang seluruh indikatornya diterima
atau tidak ada yang dihapus. Untuk lebih jelasnya dirujuk Tabel 4.11
perbandingan indikator-indikator yang dihapus untuk tiap e-commerce dan
indikator yang cocok untuk seluruh e-commerce.
128
Tabel 4.10 Hasil Analisis Struktur Model E-commerce Blibli
Hipotesis
Β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2
Q2-
in
Q2-
ex Ʃq2 β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU -0,173 1,320 0,076 0,076 0,057 0,021 0,048 0,048 0,038 0,011 insign rejected L k Predictive Relevance k
H2 IQ -> PU 0,296 3,209 0,525 0,525 0,472 0,111 0,305 0,305 0,273 0,046 sign accepted M k Predictive Relevance k
H3 IQ -> US -0,099 0,984 0,442 0,442 0,436 0,010 0,294 0,294 0,292 0,002 insign rejected M k Predictive Relevance k
H4 PEOU -> NB 0,506 4,123 0,653 0,653 0,51 0,410 0,453 0,453 0,350 0,188 sign accepted M b Predictive Relevance m
H5 PEOU -> PU 0,027 0,353 0,525 0,525 0,524 0,001 0,305 0,305 0,307 -0,003 insign rejected M k Predictive Relevance k
H6 PEOU -> US 0,651 9,550 0,442 0,442 0,050 0,701 0,294 0,294 0,022 0,384 sign accepted M b Predictive Relevance b
H7 PU -> NB 0,033 0,677 0,653 0,653 0,652 0,001 0,453 0,453 0,455 -0,004 insign rejected M k Predictive Relevance k
H8 PU -> US 0,123 1,208 0,442 0,442 0,437 0,008 0,294 0,294 0,293 0,001 sign rejected L k Predictive Relevance k
H9 SQ -> PEOU 0,083 0,539 0,076 0,076 0,073 0,003 0,048 0,048 0,048 0,000 insign rejected L k Predictive Relevance k
H10 SQ -> PU 0,136 1,119 0,525 0,525 0,516 0,018 0,305 0,305 0,303 0,003 sign rejected M k Predictive Relevance k
H11 SQ -> US 0,098 0,839 0,442 0,442 0,437 0,008 0,294 0,294 0,292 0,002 insign rejected M k Predictive Relevance k
H12 SVQ -> PEOU -0,200 1,496 0,076 0,076 0,058 0,020 0,048 0,048 0,036 0,013 insign rejected L k Predictive Relevance k
H13 SVQ -> PU 0,410 3,310 0,525 0,525 0,451 0,155 0,305 0,305 0,265 0,058 sign accepted M m Predictive Relevance k
H14 SVQ -> US -0,055 0,365 0,442 0,442 0,441 0,001 0,294 0,294 0,296 -0,003 insign rejected M k Predictive Relevance k
H15 US -> NB 0,384 3,424 0,653 0,653 0,570 0,237 0,453 0,453 0,570 -0,214 sign accepted M m Predictive Relevance k
129
Tabel 4.11 Ringkasan Penggunaan Indikator untuk Setiap E-commerce
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
IQ1 √ √ √ √ √
IQ2 √ √ √ √ √
IQ3 √ √ √ √ √
IQ4 √ √ √ √ √
NB1 √ √ √ √ √
NB2 √ √ √ - √
NB3 √ √ √ - √
NB4 √ √ √ √ √
PEOU1 √ √ √ √ √
PEOU2 √ √ √ √ √
PEOU3 √ √ √ √ √
PEOU4 √ √ √ √ √
PU1 √ √ √ √ √
PU2 √ √ √ √ √
PU3 √ √ √ √ -
PU4 √ √ √ √ √
SQ1 √ √ √ √ -
SQ2 √ √ √ √ √
SQ3 √ - - √ √
SQ4 √ √ √ √ √
SVQ1 √ √ - √ √
SVQ2 √ √ √ √ √
SVQ3 √ √ √ √ √
SVQ4 √ √ √ √ √
US1 √ √ √ √ √
US2 √ √ √ √ √
US3 √ √ √ √ √
US4 √ √ √ √ √
Berdasarkan data diatas, dapat kita simpulkan bahwa setiap e-commerce
mendapatkan hasil yang berbeda-beda untuk setiap indikator yang harus
dihapus. Namun demikian untuk setiap e-commerce penghapusan tidak lebih
dari dua indikator. Pada tabel diatas dapat kita lihat untuk indikator SQ3
130
terjadi penghapusan dua kali, yaitu pada e-commerce Bukalapak dan Shopee.
Penghapusan beberapa indikator yang terjadi dikarenakan belum memenuhi
standar nilai outer loading.
Berdasarkan dua poin tersebut, model yang diajukan peneliti memang sudah
memenuhi syarat namun masih adanya penghapusan indikator. Penghapusan
indikator tersebut mungkin disebabkan karena pada saat proses pengumpulan data,
peneliti tidak mendampingi langsung responden ketika hendak mengisi kuesioner
sehingga memungkinkan terjadinya kesalahan pemahaman pertanyaan yang
diajukan kepada responden.
Untuk menanggapi hal tersebut, perlu dilakukan peninjauan kembali atau
dengan dilakukan pengembangan lebih lanjut terkait instrumen yang digunakan
dalam penelitian ini, terutama untuk indikator yang dihapus pada beberapa e-
commerce. Meskipun peneliti telah berusaha melakukan dengan sebaik-baiknya,
tentu masih terdapat banyak hal yang berada di luar kendali peneliti ketika
pelaksanaannya di lapangan.
4.3.2 Interpretasi dan Diskusi Model Struktural (Inner Model)
Dalam subbab dipaparkan mengenai interpretasi dan diskusi yang didasarkan
pada hasil dari 6 (enam) tahapan analisis struktur model yang telah dilakukan.
Keenam tahapan tersebut adalah path coefficient (β), coefficient of determination
(R2), t-test menggunakan bootstrapping, effect size (𝑓2), predictive relevance (𝑄2),
dan relative impact (𝑞2). Berikut adalah pemaparan dari hipotesis yang telah
dirumuskan berdasarkan hasil analisis yang telah dilakukan.
131
H1 Apakah Information Quality (IQ) berpengaruh secara signifikan
terhadap Perceived Ease of Use (PEOU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H1 diterima pada Tokopedia, Bukalapak dan
Shopee. Sedangkan untuk Lazada dan Blibli H1 ditolak, berikut ini dirujuk
Tabel 4.12 untuk perbandingan hasil t-test kelima e-commerce. Berdasarkan
Tabel 4.12 IQ memiliki pengaruh yang signifikan terhadap PEOU untuk e-
commerce Tokopedia, Bukalapak dan Shopee. Untuk pengujian f2 variabel IQ
terhadap PEOU mendapatkan hasil mayoritas berpengaruh kecil, kecuali
Tokopedia yang mendapat pengaruh menengah. Berikut ini dirujuk Tabel
4.13 hasil 𝑓2 untuk perbandingan kelima e-commerce, sehingga dapat
disimpulkan bahwa semakin tinggi kualitas informasi pada e-commerce
Tokopedia, Bukalapak, dan Shopee maka semakin meningkat kemudahan
penggunaan yang dirasakan oleh pengguna.
H2 Apakah Information Quality (IQ) berpengaruh secara signifikan
terhadap Perceived Usefulness (PU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H2 hanya diterima pada Lazada. Sedangkan
untuk Tokopedia, Bukalapak, Shopee dan Blibli H2 ditolak, berikut ini
dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-commerce.
Berdasarkan Tabel 4.12 IQ memiliki pengaruh yang signifikan terhadap PU
untuk e-commerce Lazada. Sedangkan untuk e-commerce Tokopedia,
132
Bukalapak, Shopee dan Blibli tidak memiliki pengaruh. Untuk pengujian f2
variabel IQ terhadap PU seluruhnya mendapatkan hasil berpengaruh kecil,
berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-
commerce, sehingga dapat disimpulkan bahwa semakin tinggi kualitas
informasi pada e-commerce Lazada maka semakin meningkat
kebermanfaatan yang dirasakan oleh pengguna.
H3 Apakah Information Quality (IQ) berpengaruh secara signifikan
terhadap User Satisfaction (US)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H3 ditolak untuk semua e-commerce, berikut
ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-commerce.
Berdasarkan Tabel 4.12 IQ tidak memiliki pengaruh yang signifikan terhadap
US untuk seluruh e-commerce. Untuk pengujian f2 variabel IQ terhadap US
seluruhnya mendapatkan hasil berpengaruh kecil, berikut ini dirujuk Tabel
4.13 hasil 𝑓2 untuk perbandingan kelima e-commerce, sehingga dapat
disimpulkan bahwa kualitas informasi pada kelima e-commerce tidak
mempengaruhi kepuasan pengguna.
H4 Apakah Perceived Ease of Use (PEOU) berpengaruh secara signifikan
terhadap Net Benefit (NB)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H4 diterima untuk semua e-commerce,
133
berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-
commerce. Berdasarkan Tabel 4.12 PEOU memiliki pengaruh yang
signifikan terhadap NB untuk seluruh e-commerce. Untuk pengujian f2
variabel PEOU terhadap NB mendapatkan hasil berpengaruh kecil untuk e-
commerce Tokopedia, Bukalapak dan Shopee. Hasil berpengaruh menengah
untuk e-commerce Lazada dan berpengaruh besar untuk e-commerce Blibli.
Berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-
commerce. Dengan penjelasan hasil perbandingan, maka H4 untuk semua e-
commerce diterima dan berpengaruh, ssehingga dapat disimpulkan bahwa
semakin tinggi kemudahan penggunaan yang dirasakan pada kelima e-
commerce maka semakin tinggi manfaat bersih yang dirasakan oleh
pengguna.
H5 Apakah Perceived Ease of Use (PEOU) berpengaruh secara signifikan
terhadap Perceived Usefulness (PU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H5 diterima untuk e-commerce Tokopedia
dan Lazada. Sedangkan untuk Bukalapak, Shopee dan Blibli H5 ditolak,
berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-
commerce. Berdasarkan Tabel 4.12 PEOU memiliki pengaruh yang
signifikan terhadap PU untuk e-commerce Tokopedia dan Lazada. Untuk
pengujian f2 variabel PEOU terhadap PU mendapatkan hasil berpengaruh
kecil untuk e-commerce Tokopedia, Bukalapak, Shopee dan Blibli.
134
Sedangkan hasil berpengaruh besar untuk e-commerce Lazada. Berikut ini
dirujuk Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-commerce, sehingga
dapat disimpulkan bahwa semakin tinggi kemudahan penggunaan pada e-
commerce Tokopedia dan Lazada maka semakin meningkat kebermanfaatan
yang dirasakan oleh pengguna.
H6 Apakah Perceived Ease of Use (PEOU) berpengaruh secara signifikan
terhadap User Satisfaction (US)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H6 diterima untuk e-commerce Bukalapak,
Shopee, Lazada dan Blibli. Sedangkan untuk e-commerce Tokopedia H6
ditolak, berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima
e-commerce. Berdasarkan Tabel 4.12 PEOU memiliki pengaruh yang
signifikan terhadap US untuk e-commerce Bukalapak, Shopee, Lazada dan
Blibli. Untuk pengujian f2 variabel PEOU terhadap US mendapatkan hasil
berpengaruh kecil untuk e-commerce Tokopedia dan Lazada. Hasil
berpengaruh besar untuk e-commerce Shopee dan Blibli. Sedangkan hasil
berpengaruh menengah untuk e-commerce Bukalapak, berikut ini dirujuk
Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-commerce, sehingga dapat
disimpulkan bahwa semakin tinggi kemudahan penggunaan pada e-
commerce Bukalapak, Shopee, Lazada dan Blibli maka semakin tinggi
kepuasan pengguna yang dirasakan.
135
H7 Apakah Perceived Usefulness (PU) berpengaruh secara signifikan
terhadap Net Benefit (NB)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H7 diterima untuk e-commerce Tokopedia,
Bukalapak, Shopee dan Lazada. Sedangkan untuk e-commerce Blibli H7
ditolak, berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima
e-commerce. Berdasarkan Tabel 4.12 PU memiliki pengaruh yang signifikan
terhadap NB untuk e-commerce Tokopedia, Bukalapak, Shopee dan Lazada.
Untuk pengujian f2 variabel PU terhadap NB mendapatkan hasil berpengaruh
kecil untuk e-commerce Shopee, Lazada dan Blibli. Sedangkan hasil
berpengaruh menengah untuk e-commerce Tokopedia dan Bukalapak, berikut
ini dirujuk Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-commerce.
Dengan penjelasan hasil perbandingan, maka H7 untuk e-commerce
Tokopedia, Bukalapak, Shopee dan Lazada diterima dan berpengaruh,
sehingga dapat disimpulkan bahwa semakin tinggi kebermanfaatan pada e-
commerce Tokopedia, Bukalapak, Shopee dan Lazada maka semakin tinggi
manfaat bersih yang dirasakan.
H8 Apakah Perceived Usefulness (PU) berpengaruh secara signifikan
terhadap User Satisfaction (US)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H8 diterima untuk e-commerce Tokopedia,
Bukalapak, Shopee dan Lazada. Sedangkan untuk e-commerce Blibli H8
136
ditolak, berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima
e-commerce. Berdasarkan Tabel 4.12 PU memiliki pengaruh yang signifikan
terhadap US untuk e-commerce Tokopedia, Bukalapak, Shopee dan Lazada.
Untuk pengujian f2 variabel PU terhadap US mendapatkan hasil berpengaruh
kecil untuk e-commerce Tokopedia, Bukalapak dan Blibli. Sedangkan hasil
berpengaruh besar untuk e-commerce Shopee dan Lazada, berikut ini dirujuk
Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-commerce, sehingga dapat
disimpulkan bahwa semakin tinggi kebermanfaatan pada e-commerce
Tokopedia, Bukalapak, Shopee dan Lazada maka semakin besar kepuasan
pengguna yang dirasakan.
H9 Apakah System Quality (SQ) berpengaruh secara signifikan terhadap
Perceived Ease of Use (PEOU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H9 diterima untuk e-commerce Shopee.
Sedangkan untuk e-commerce Tokopedia, Bukalapak, Lazada dan Blibli H9
ditolak, berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima
e-commerce. Berdasarkan Tabel 4.12 SQ memiliki pengaruh yang signifikan
terhadap PEOU untuk e-commerce Shopee. Untuk pengujian f2 variabel SQ
terhadap PEOU mendapatkan hasil seluruhnya berpengaruh kecil untuk
kelima e-commerce, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk
perbandingan kelima e-commerce, sehingga dapat disimpulkan bahwa
137
semakin tinggi kualitas sistem pada e-commerce Shopee maka semakin besar
kemudahan penggunaan yang dirasakan.
H10 Apakah System Quality (SQ) berpengaruh secara signifikan terhadap
Perceived Usefulness (PU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H10 ditolak untuk kelima e-commerce.
Berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-
commerce. Berdasarkan Tabel 4.12 SQ tidak memiliki pengaruh yang
signifikan terhadap PU untuk kelima e-commerce. Untuk pengujian f2
variabel SQ terhadap PU mendapatkan hasil seluruhnya berpengaruh kecil
untuk kelima e-commerce, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk
perbandingan kelima e-commerce¸sehingga dapat disimpulkan bahwa
kualitas sistem pada kelima e-commerce tidak memiliki pengaruh terhadap
kebermanfaatan yang dirasakan pengguna.
H11 Apakah System Quality (SQ) berpengaruh secara signifikan terhadap
User Satisfaction (US)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H11 ditolak untuk kelima e-commerce.
Berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-
commerce. Berdasarkan Tabel 4.12 SQ tidak memiliki pengaruh yang
signifikan terhadap US untuk kelima e-commerce. Untuk pengujian f2
138
variabel SQ terhadap US mendapatkan hasil seluruhnya berpengaruh kecil
untuk kelima e-commerce, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk
perbandingan kelima e-commerce, sehingga dapat disimpulkan bahwa
kualitas sistem pada kelima e-commerce tidak memiliki pengaruh terhadap
kepuasan pengguna yang dirasakan.
H12 Apakah Service Quality (SVQ) berpengaruh secara signifikan terhadap
Perceived Ease of Use (PEOU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H12 ditolak untuk kelima e-commerce.
Berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-
commerce. Berdasarkan Tabel 4.12 SVQ tidak memiliki pengaruh yang
signifikan terhadap PEOU untuk kelima e-commerce. Untuk pengujian f2
variabel SVQ terhadap PEOU mendapatkan hasil seluruhnya berpengaruh
kecil untuk kelima e-commerce, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk
perbandingan kelima e-commerce, sehingga dapat disimpulkan bahwa
kualitas sistem pada kelima e-commerce tidak memiliki pengaruh terhadap
kepuasan pengguna yang dirasakan.
H13 Apakah Service Quality (SVQ) berpengaruh secara signifikan terhadap
Perceived Usefulness (PU)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H13 diterima untuk e-commerce Tokopedia,
139
Bukalapak, Shopee dan Blibli. Sedangkan untuk e-commerce Lazada H13
ditolak, berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima
e-commerce. Berdasarkan Tabel 4.12 SVQ memiliki pengaruh yang
signifikan terhadap PU untuk e-commerce Tokopedia, Bukalapak, Shopee
dan Blibli. Untuk pengujian f2 variabel SVQ terhadap PU mendapatkan hasil
berpengaruh kecil untuk e-commerce Tokopedia, Bukalapak dan Lazada.
Sedangkan hasil berpengaruh menengah untuk e-commerce Shopee dan
Blibli, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-
commerce, sehingga dapat disimpulkan bahwa semakin tinggi kualitas
layanan pada e-commerce Tokopedia, Bukalapak, dan Blibli maka semakin
besar kebermanfaatan yang dirasakan.
H14 Apakah Service Quality (SVQ) berpengaruh secara signifikan terhadap
User Satisfaction (US)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H14 ditolak untuk kelima e-commerce.
Berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima e-
commerce. Berdasarkan Tabel 4.12 SVQ tidak memiliki pengaruh yang
signifikan terhadap US untuk kelima e-commerce. Untuk pengujian f2
variabel SVQ terhadap US mendapatkan hasil seluruhnya berpengaruh kecil
untuk kelima e-commerce, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk
perbandingan kelima e-commerce, sehingga dapat disimpulkan bahwa
140
kualitas sistem pada kelima e-commerce tidak memiliki pengaruh terhadap
kepuasan pengguna yang dirasakan.
H15 Apakah User Satisfaction (US) berpengaruh secara signifikan terhadap
Net Benefit (NB)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H15 diterima untuk e-commerce Tokopedia,
Shopee dan Blibli. Sedangkan untuk e-commerce Bukalapak dan Lazada H15
ditolak, berikut ini dirujuk Tabel 4.12 untuk perbandingan hasil t-test kelima
e-commerce.
Tabel 4.12 Perbandingan t-test untuk kelima e-commerce
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
IQ -> PEOU 4,223 3,093 2,663 0,985 1,320
IQ -> PU 0,708 0,057 0,630 2,540 3,209
IQ -> US 1,721 0,468 1,273 1,703 0,984
PEOU -> NB 2,831 2,849 2,175 4,892 4,123
PEOU -> PU 2,910 1,917 5,747 5,182 0,353
PEOU -> US 1,880 3,276 0,000 2,166 9,550
PU -> NB 3,470 5,630 3,330 2,469 0,677
PU -> US 2,687 2,738 3,999 7,419 1,208
SQ -> PEOU 1,595 1,547 2,151 0,692 0,539
SQ -> PU 0,257 0,698 0,668 1,024 1,119
SQ -> US 0,220 0,597 0,755 0,673 0,839
SVQ -> PEOU 0,008 1,901 1,926 1,550 1,496
SVQ -> PU 2,641 2,760 4,073 0,254 3,310
SVQ -> US 0,757 1,241 1,157 0,967 0,365
US -> NB 2,624 1,652 2,316 1,604 3,424
Pada Tabel 4.12 dapat kita lihat perbandingan kelima e-commerce
berdasarkan perhitungan t-test. Block yang berwarna kuning menandakan
141
nilai kurang dari 1,96 yang artinya hipotesis ditolak. Berdasarkan Tabel 4.12
US memiliki pengaruh yang signifikan terhadap NB untuk e-commerce
Tokopedia, Shopee dan Blibli. Untuk pengujian f2 variabel US terhadap NB
mendapatkan hasil berpengaruh kecil untuk Tokopedia, Bukalapak, Shopee
dan Lazada. Sedangkan hasil berpengaruh menengah untuk e-commerce
Blibli, berikut ini dirujuk Tabel 4.13 hasil 𝑓2 untuk perbandingan kelima e-
commerce.
Tabel 4.13 Hasil 𝑓2 untuk perbandingan kelima e-commerce
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
IQ -> PEOU 0,190 0,125 0,102 0,009 0,021
IQ -> PU 0,008 0,001 0,004 0,078 0,111
IQ -> US 0,031 0,001 0,012 0,037 0,010
PEOU -> NB 0,080 0,108 0,056 0,264 0,410
PEOU -> PU 0,131 0,071 0,001 0,398 0,001
PEOU -> US 0,067 0,266 0,464 0,054 0,701
PU -> NB 0,339 0,328 0,070 0,058 0,001
PU -> US 0,013 0,120 0,455 0,470 0,008
SQ -> PEOU 0,040 0,034 0,047 0,004 0,003
SQ -> PU 0,000 0,005 0,007 0,011 0,018
SQ -> US 0,001 0,001 0,007 0,007 0,008
SVQ -> PEOU 0.000 0,071 0,065 0,023 0,020
SVQ -> PU 0,143 0,139 0,186 0,001 0,155
SVQ -> US 0,006 0,016 0,025 0,015 0,001
US -> NB 0,107 0,036 0,051 0,035 0,237
Pada Tabel 4.13 dapat kita lihat perbandingan kelima e-commerce
berdasarkan perhitungan uji effect size, dapat disimpulkan bahwa semakin
besar kepuasan pengguna pada e-commerce Tokopedia, Shopee, dan Blibli
maka semakin besar manfaat bersih yang dirasakan.
142
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil temuan dari penelitian yang telah dilakukan, kesimpulan
dari penelitian ini adalah sebagai berikut:
1. Faktor Perceived Ease of Use (PEOU) berpengaruh secara signifikan
terhadap Net Benefits (NB) adalah satu-satunya hipotesis yang dapat diterima
untuk kelima e-commerce berdasarkan pengujian t-test, sehingga Perceived
Ease of Use (PEOU) menjadi faktor yang memengaruhi keberhasilan dan
penerimaan kelima e-commerce.
2. Berdasarkan perhitungan R2, nilai rata-rata tingkat keberhasilan dan
penerimaan kelima e-commerce untuk indikator Perceived Ease of Use
(PEOU) dan Net Benefits (NB) adalah 0,629 atau setara dengan Medium
Strenght.
3. Dihapuskannya beberapa indikator, yaitu NB2 & NB3 untuk e-commerce
Lazada, PU3 & SQ1 untuk e-commerce blilbi, SQ3 untuk e-commerce
Bukalapak dan SQ3 & SVQ1 untuk e-commerce Shopee dalam penelitian ini.
Peneliti beranggapan bahwa hal ini terjadi karena penggunaan item
pertanyaan atau indikator yang kurang tepat dalam kuesioner dan juga karena
sebagian besar kuesioner diperoleh secara online. Mungkin saja hal ini
menyebabkan penafsiran yang bias bagi responden, sebab tidak ada
pendampingan secara langsung.
143
4. Hipotesis pengaruh IQ terhadap US, pengaruh SQ terhadap PU, pengaruh SQ
terhadap US, pengaruh SVQ terhadap PEOU dan pengaruh SVQ terhadap US
adalah hipotesis yang ditolak di kelima e-commerce.
5. Hipotesis pengaruh PEOU terhadap NB dan pengaruh PU terhadap NB
merupakan sebuah hipotesis baru yang berdasarkan asumsi dari
pengembangan model Groho, Winarno, dan Permanasari (2014) dan Laksono
(2017).
Berdasarkan hasil penelitian yang telah dilakukan, penelitian ini telah
memberikan kontribusi berupa:
a) Secara metodologi, penelitian ini berperan dalam mendorong penggunaan
metode kuantitatif pada riset atau penelitian dibidang sistem informasi UIN
Syarif Hidayatullah Jakarta.
b) Secara praktis, penelitian ini dapat menjadi bahan pertimbangan untuk
pengembang e-commerce dalam memperbaharui sistem ataupun melakukan
innovasi pelayanan guna menarik perhatian pengguna.
Selain itu, penelitian ini memiliki keterbatasan yang berpengaruh kepada
hasil penelitian, dimana penelitian ini menjadi kurang optimal. Berikut merupakan
keterbatasan pada penelitian ini:
a) Penelitian ini menggunakan pendekatan kuantitatif, dimana menghasilkan
temuan berupa angka statistik yang selanjutnya dijabarkan dalam bentuk
kata-kata. Penjelasan tersebut merupakan asumsi atau pendapat penulis
terhadap apa yang terjadi.
144
b) Penelitian ini hanya menggunakan dua variabel dari model TAM (Davis,
1985) yaitu Perceived Usufulness dan Perceived Ease of Use yang
digabungkan ke dalam Model Kesuksesan Sistem Informasi DeLone &
McLean diperbarui.
c) Teknik sampling dalam penelitian ini menggunakan teknik random sampling
dan menggunakan rumus Slovin untuk menentukan minimal sampel yang
digunakan, sehingga memerlukan banyak responden dan waktu yang
digunakan untuk menghimpun data. Hasil yang didapat juga kurang mewakili
populasi dikarenakan adanya kelompok yang lebih dominan dibandingkan
dengan kelompok lain.
5.2 Saran
Berdasarkan penelitian yang telah dilakukan, peneliti memberikan saran bagi
para peneliti selanjutnya, khususnya yang tertarik pada kajian sejenis diharapkan
dapat mempertimbangkan, meninjau kembali, dan memperbaiki hal-hal sebagai
berikut:
• Penelitian ini dapat dikembangkan dengan melakukan penelitian sejenis
dengan metode kualitatif.
• Meninjau kembali indikator-indikator yang digunakan, dapat berupa
penambahan ataupun pemilihan indikator yang lebih tepat agar penelitian
lebih akurat dan mendalam. Misalkan penggunaan indikator pada
Perceived Usefulness dan Perceived Ease of Use yang menggunakan 4
indikator dari 8 indikator yang tersedia.
145
• Melakukan pengolahan data dengan menggunakan tools perhitungan
statistik yang berbeda, misalnya SPSS dan AMOS.
• Membandingkan hasil penguuran dengan menggunakan metode
pengukuran yang berbeda seperti End User Computing Satisfaction
(EUCS) dan Service Quality (SERVQUAL).
146
DAFTAR PUSTAKA
Abdillah, W., & Jogiyanto. (2015). Partial Least Square (PLS) : Alternatif
Structural Equation Modeling (SEM) Dalam Penelitian Bisnis. Yogyakarta:
Penerbit Andi.
Chuttur, M. Y. (2009). Overview of the Technology Acceptance Model: Originis,
Developments, and Future Directions. Sprouts: Working Papers and
Information Systems, 9 (37). Indiana University.
Davis, F.D. (1985). A Technology acceptance model for empirically testing new-
end user information systems: Theory and Result. Disertasi. Massachusetss
Institute of Technology (MIT).
Davis, F.D., Richard P. Bagozzi, dan Paul R. Warshaw. (1989). Perceived
Usefulness, Perceived Ease of Use, and User Acceptance of Information
Technology”. MIS Quarterly. Vol. 13, No. 5, 319-339.
Djaali, A. (2008). Skala Likert. Yogyakarta: Andi Offset.
Elvandari, S. D. (2011). Penerimaan Sistem Online Berdasarkan Unifield Theory of
Acceptance and Usage of Technology. Jurnal Integra, 1(1) 72-91.
Gillmore dkk. (2002). Teen Sexual Behavior: Applicability of the Theory of
Reasoned Action. Journal of Marriage and Family, (64), 885-897.
147
Groho, Winarno, dan Permanasari (2014) Evaluasi Kesuksesan Implementasi
Aplikasi Pengelolaan Tugas Belajar di BPK
Guritno, S., Sudaryono, dan Untung, R. (2011). Theory and Application of IT
Research: Metodologi Penelitian Teknologi Informasi (1st ed.).
Yogyakarta: Andi.
Hamid, Rahmad Solling dan Ikbal, Muhammad (2017). Analisis Dampak
Kepercayaan pada Penggunaan Media Pemasaran Online (E-commerce)
yang Diadopsi Oleh UMKM: Perspektif Model DeLone & McLean. Palopo:
Jurnal Manajemen Teknologi.
Humdiana dan Indriyani E. (2005). Sistem Informasi Manajemen. Yogyakarta:
Graha Ilmu.
Haris, Yahya. (2019). “Wow! Transaksi e-commerce RI 2018 Capai Rp. 77 T,
Lompat 151%”. https://www.cnbcindonesia.com/tech/20190311101823-37-
59800/wow-transaksi-e-commerce-ri-2018-capai-rp-77-t-lompat-151
(Diakses pada 3 Agustus 2019).
Irmawati, Dewi. (2011). Pemanfaatan E-commerce Dalam Dunia Bisnis. Jurnal
Ilmiah Orasi Bisnis, VI.
Jogiyanto. (2007). Model Kesuksesan Sistem Teknologi Informasi (1st ed.).
Yogyakarta.
Khan, Abdul Gaffar. (2016). Electronic Commerce: A Study on Benefits and
Challenges in an Emerging Economy. Global Journal of Management and
Business Research, Vol. 16 (1), 18-22.
148
Kurniawan, H., & Yamin, S. (2011). Generasi baru mengolah data penelitian
dengan partial least square path modeling : aplikasi dengan software
XLSTAT, SmartPLS, dan visual PLS. Jakarta: Salemba Infotek.
Laksono, Hari (2017). Evaluasi Kesuksesan SIMDA BMD pada Pemerintah
Kabupaten Grobogan Menggunakan Model Kombinasi DeLone McLean
dan TAM. Semarang: Badan Pemeriksa Keuangan Republik Indonesia
Laudon, Kenneth C. & Carol Guercio Traver. (2014). E-commerce (10th edition).
New Jersey.
Mahmood, M. A., dkk. (2000). Variables Affecting Information Technology End-
User Satisfaction: A Meta-Analysis of The Empirical Literature.
International Journal of Human-Computer Studies, 52, 751–771.
Marsudin, Salamah dan Rose (2018). Pengaruh Perceived Usefulness Terhadap
Kesuksesan Sistem Teknolgi Informasi pada Usaha Kecil Menengah Tenun
Songket Palembang. Palembang: SENTIKA 2018
Masnoni., dan L. Latifah. (2009). ”Pengaruh Integrasi Organisasi terhadap
Kematangan Perencanaan Sistem Informasi dan Implikasinya terhadap
Kesuksesan Program Aplikasi Sistem Informasi Manajemen Daerah (Studi
Empiris pada Pemerintah Daerah Kota Palembang)”, Prosiding Simposium
Nasional Akuntansi XII, Palembang.
Mustakini, J. H. (2008). Metodologi Penelitian Sistem Informasi: Pedoman dan
Contoh Melakukan Penelitian di Bidang Sistem Teknologi Informasi.
Yogyakarta: Andi.
149
Nanehkaran, Y. Ahangari. (2013). An Introduction To Electronic Commerce.
International Journal of Scientific & Technology Research, Vol. 2 (4), 190-
193.
Nazir, M. (2009). Metode Penelitian. Jakarta: Ghalia Indonesia.
Nugroho, Mahendra Adhi (2009). Model Penerimaan E-commerce. Yogyakarta:
Jurnal Pendidikan Akuntansi Indonesia (JPAI).
O’Brien dan Marakas. (2010). Management System Information. New York.
Ojo, Adebowale I. (2017). Validation of the DeLone and McLean Information
Systems Success Model. Healthcare Informatics Research, 23 (1), 60-66.
Pradana, Mahir. (2015). Klasifikasi Bisnis E-commerce di Indonesia. MODUS, Vol.
27 (2), 163-174.
Saputro, Budiyanto, dan Santoso (2015). Model DeLone and McLean untuk
Mengukur Kesuksesan E-goverment Kota Pekalongan. Yogyakarta:
Scientific Journal of Informatics.
Saragih, H. dan Ramdhani, R. (2012). Pengaruh Intensi Pelanggan dalam
Berbelanja Online Kembali melalui Media Teknologi Informasi Forum Jual
Beli (FJB) Kaskus. Journal of Information Systems, 8(2), 100-112.
Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta:
Graha Ilmu.
Seddon, P. B. (1997). A Respesification and Extension of the DeLone and McLean
Model of IS Success. Information System Research, Vol. 8 (3), 240-253.
Solechan, Achmad dan Natalistyo (2011). E-commerce pada UKM Kota Semarang
Seabagai Model Pemasaran yang Efektif. Semarang: Semantik 2011.
150
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of the
information system project success of the higher education institutions in
Indonesia: A pilot study. International Journal of Business Information
Systems, 23 (2), 229.
Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of
information system project success model: A focus group study. SAGE
Open, 5(2), 1–14.
Subiyakto, A., & Sukmana, H. T. (2014). Pengukuran Keberhasilan Proyek
Teknologi Informasi dan Komunikasi: Studi Kasus UIN Syarif Hidayatullah
Jakarta.
Sugiyono. (2017). Metode Penelitian Bisnis (Pendekatan Kuantitatif, Kualitatif,
Kombinasi, dan R&D (3rd ed.). Bandung: Alfabeta.
Suprapto, Edwin. (2018). “Transaksi E-commerce Indonesia Naik 500% dalam 5
Tahun”.databoks.katadata.co.id/datapublish/2016/11/16/transaksi-e-
commer ce-indonesia-naik-500-dalam-5-tahun. (Diakses pada 3 Agustus
2019).
Turban, E., David K., dan Jae K. L., (2006). Electronic Commerce 2006: A
Managerial Perspective. Research Collection School Of Information
Systems.
Valacich, Joe dan C. Schneider. (2012). Information Systems Today: Managing in
the Digital World. New Jersey: Pearson.
151
Wahyuni, Trisacti. (2011). Uji Empiris Model DeLone dan McLean Terhadap
Kesuksesan Sistem Informasi Manajemen Daerah (SIMDA). Jurnal BPPK.
Vol. 2, 3-23.
Whitten, Jeffrey L., Lonnie D. Bentley., dan Kevin C. Dittman. (2009). Systems
Analysis and Design Methods (7th edition). McGraw-Hill.
Widaryanti (2008). Kesuksesan Sistem Teknologi Informasi pada E-commerce.
Semarang: STIE Pelita Nusantara Semarang.
William H. DeLone, Ephraim R. McLean, (1992) Information Systems Success:
The Quest for the Dependent Information Systems Research 3(1):60-95.
http://dx.doi.org/10.1287/isre.3.1.60
William H. Delone & Ephraim R. McLean. (2003). The DeLone and McLean
Model of Information Systems Success: A Ten-Year Update, Journal of
Management Information Systems, 19:4, 9-30.
http://dx.doi.org/10.1080/07421222.2003.11045748.
____________.(2016). Information Systems Success Measurement. Information
Systems, Vol. 2 (1), 1-116.
____________.(1992). Information Systems Success: The Quest for the Dependent
Variable.
Wisudiawan, Gede Agung Ary. (2015). Analisis Faktor Kesuksesan Sistem
Informasi Menggunakan Model DeLone and McLean. Jurnal Ilmiah
Teknologi Informasi Terapan, Vol. II (1), 55-59.
152
Yudi, Muhammad. (2018). “Generasi Milenial Masih Pembelanja Online Terbesar
di Indonesia”. marketeers.com/generasi-milenial-masih-pembelanja-
online-terbesar-di-indonesia/ (Diakses pada 4 Agustus 2019).
Yuliana, Kenti (2016). Model Kesuksesan Sistem Informasi DeLone dan McLean
untuk Evaluasi Sistem Informasi POS pada PT. POS Indoensia (PERSERO)
Divisi Regional VI Semarang. Banjarmasin: INFOKAM.
LAMPIRAN
1-A
2-A
3-A
4-A
5-A
6-A
7-A
61
47
21
36 3841
55
83
68 64
0
20
40
60
80
100
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Jenis Kelamin
Laki-laki Perempuan
34
48 4839
90
2 4 12 1 0
65
4843
62
91 2 1 2 30
20
40
60
80
100
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Pendidikan Terakhir
SLTP/A DIPLOMA S1 S2
8-A
73
83 8476
80
28
16 1826
191 2 1 2 31 10
10
20
30
40
50
60
70
80
90
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Usia
15 - 24 25 - 34 35 - 44 > 45
6 3 1 5 123 8 9 1218
6166 68
63
48
3225 26 24 24
0
10
20
30
40
50
60
70
80
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Tingkat Keberhasilan E-commerce
Kurang Berhasil Tidak Tahu Berhasil Sangat Berhasil
1 1 11
20
1 1 4 114
57 57 55
62
31
44 43 44
30
37
0
10
20
30
40
50
60
70
TOKOPEDIA BUKALAPAK SHOPEE LAZADA BLIBLI
Tingkat Penerimaan E-commerce
Kurang Diterima Tidak Tahu Diterima Sangat Diterima
9-A
TOKOPEDIA
BUKALAPAK
10-A
SHOPEE
LAZADA
11-A
BLIBLI
12-A
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,761 0,761 0,577 0,508 0,446 0,569 0,522 0,506
0,667 0,889 0,817 IQ2 0,856 0,856 0,597 0,628 0,401 0,608 0,570 0,509
IQ3 0,841 0,841 0,575 0,556 0,405 0,610 0,630 0,418
IQ4 0,806 0,806 0,611 0,548 0,448 0,614 0,695 0,566
NB
NB1 0,829 0,614 0,829 0,646 0,700 0,472 0,603 0,673
0,592 0,852 0,769 NB2 0,733 0,591 0,733 0,378 0,520 0,577 0,573 0,451
NB3 0,798 0,548 0,798 0,439 0,449 0,524 0,501 0,398
NB4 0,710 0,462 0,710 0,481 0,449 0,553 0,498 0,535
PEOU
PEOU1 0,902 0,576 0,503 0,902 0,457 0,549 0,477 0,536
0,754 0,925 0,868 PEOU2 0,829 0,558 0,649 0,829 0,576 0,530 0,554 0,554
PEOU3 0,901 0,649 0,583 0,901 0,494 0,557 0,478 0,572
PEOU4 0,839 0,600 0,515 0,839 0,504 0,502 0,436 0,569
PU
PU1 0,791 0,429 0,535 0,534 0,791 0,389 0,474 0,469
0,731 0,916 0,855 PU2 0,879 0,387 0,610 0,445 0,879 0,482 0,553 0,541
PU3 0,900 0,506 0,679 0,462 0,900 0,526 0,591 0,591
PU4 0,847 0,457 0,592 0,575 0,847 0,447 0,507 0,599
SQ
SQ1 0,750 0,440 0,443 0,370 0,346 0,750 0,560 0,341
0,629 0,871 0,793 SQ2 0,779 0,487 0,442 0,408 0,403 0,779 0,629 0,342
SQ3 0,780 0,624 0,603 0,527 0,489 0,780 0,551 0,458
SQ4 0,860 0,721 0,625 0,600 0,457 0,860 0,678 0,546
SVQ
SVQ1 0,773 0,605 0,602 0,388 0,564 0,569 0,773 0,464
0,637 0,875 0,798 SVQ2 0,809 0,557 0,574 0,396 0,536 0,605 0,809 0,383
SVQ3 0,820 0,620 0,578 0,531 0,438 0,636 0,820 0,517
SVQ4 0,790 0,580 0,518 0,472 0,455 0,623 0,790 0,504
US
US1 0,874 0,527 0,583 0,521 0,575 0,458 0,510 0,874
0,742 0,920 0,862 US2 0,892 0,551 0,623 0,579 0,595 0,544 0,576 0,892
US3 0,846 0,471 0,573 0,561 0,483 0,393 0,445 0,846
US4 0,834 0,568 0,595 0,556 0,568 0,479 0,490 0,834
TOKOPEDIA
13-A
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,861 0,861 0,555 0,556 0,506 0,533 0,621 0,524
0,671 0,891 0,819 IQ2 0,849 0,849 0,533 0,582 0,458 0,443 0,548 0,540
IQ3 0,751 0,751 0,349 0,464 0,338 0,376 0,458 0,345
IQ4 0,811 0,811 0,555 0,487 0,352 0,407 0,595 0,463
NB
NB1 0,834 0,562 0,834 0,667 0,674 0,501 0,657 0,676
0,654 0,883 0,809 NB2 0,818 0,465 0,818 0,531 0,530 0,602 0,618 0,551
NB3 0,779 0,490 0,779 0,444 0,587 0,481 0,573 0,434
NB4 0,801 0,465 0,801 0,599 0,651 0,569 0,577 0,607
PEOU
PEOU1 0,869 0,507 0,580 0,869 0,488 0,444 0,543 0,648
0,761 0,927 0,873 PEOU2 0,861 0,564 0,634 0,861 0,543 0,476 0,569 0,683
PEOU3 0,925 0,662 0,688 0,925 0,562 0,558 0,625 0,684
PEOU4 0,832 0,493 0,541 0,832 0,522 0,525 0,555 0,612
PU
PU1 0,742 0,359 0,492 0,385 0,742 0,305 0,488 0,408
0,641 0,877 0,801 PU2 0,846 0,435 0,643 0,499 0,846 0,446 0,568 0,589
PU3 0,805 0,347 0,618 0,421 0,805 0,471 0,469 0,517
PU4 0,806 0,482 0,661 0,605 0,806 0,466 0,607 0,645
SQ
SQ1 0,807 0,415 0,500 0,400 0,385 0,807 0,501 0,346
0,705 0,877 0,840 SQ2 0,899 0,438 0,583 0,479 0,497 0,899 0,569 0,500
SQ3*
SQ4 0,809 0,501 0,578 0,548 0,450 0,809 0,667 0,534
SVQ
SVQ1 0,702 0,492 0,660 0,458 0,585 0,590 0,702 0,475
0,554 0,832 0,744 SVQ2 0,823 0,449 0,577 0,507 0,528 0,582 0,823 0,519
SVQ3 0,704 0,518 0,476 0,475 0,370 0,545 0,704 0,517
SVQ4 0,741 0,573 0,514 0,516 0,499 0,359 0,741 0,480
US
US1 0,852 0,414 0,535 0,614 0,577 0,465 0,511 0,852
0,736 0,917 0,858 US2 0,905 0,545 0,691 0,656 0,663 0,469 0,637 0,905
US3 0,843 0,491 0,546 0,618 0,505 0,433 0,467 0,843
US4 0,829 0,528 0,648 0,690 0,593 0,546 0,654 0,829
BUKALAPAK
14-A
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,854 0,854 0,450 0,506 0,366 0,414 0,420 0,478
0,648 0,880 0,805 IQ2 0,851 0,851 0,417 0,453 0,319 0,389 0,510 0,505
IQ3 0,716 0,716 0,266 0,330 0,286 0,312 0,331 0,338
IQ4 0,790 0,790 0,463 0,475 0,220 0,436 0,531 0,432
NB
NB1 0,811 0,437 0,811 0,588 0,558 0,504 0,552 0,647
0,664 0,888 0,815 NB2 0,810 0,347 0,810 0,509 0,464 0,549 0,524 0,535
NB3 0,809 0,486 0,809 0,330 0,557 0,498 0,536 0,508
NB4 0,830 0,375 0,830 0,547 0,572 0,585 0,563 0,634
PEOU
PEOU1 0,888 0,448 0,518 0,888 0,372 0,381 0,417 0,639
0,808 0,944 0,899 PEOU2 0,882 0,529 0,524 0,882 0,435 0,482 0,484 0,658
PEOU3 0,934 0,583 0,603 0,934 0,407 0,477 0,568 0,700
PEOU4 0,890 0,427 0,561 0,890 0,447 0,543 0,559 0,722
PU
PU1 0,842 0,284 0,456 0,282 0,842 0,275 0,465 0,548
0,688 0,898 0,829 PU2 0,835 0,346 0,582 0,501 0,835 0,371 0,486 0,649
PU3 0,807 0,219 0,537 0,334 0,807 0,387 0,397 0,543
PU4 0,834 0,369 0,604 0,395 0,834 0,349 0,539 0,639
SQ
SQ1 0,823 0,425 0,567 0,408 0,330 0,823 0,492 0,418
0,699 0,874 0,836 SQ2 0,875 0,392 0,529 0,420 0,326 0,875 0,433 0,461
SQ3 0,809 0,398 0,549 0,482 0,386 0,809 0,613 0,504
SQ4*
SVQ
SVQ1 0,835 0,445 0,579 0,520 0,505 0,589 0,835 0,561
0,698 0,874 0,835 SVQ2 0,818 0,472 0,538 0,419 0,425 0,556 0,818 0,563
SVQ3 0,853 0,489 0,557 0,478 0,501 0,408 0,853 0,539
SVQ4*
US
US1 0,788 0,419 0,553 0,526 0,586 0,490 0,541 0,788
0,717 0,910 0,846 US2 0,899 0,462 0,656 0,688 0,644 0,464 0,580 0,899
US3 0,869 0,491 0,584 0,604 0,616 0,460 0,545 0,869
US4 0,826 0,491 0,636 0,730 0,596 0,469 0,577 0,826
SHOPEE
15-A
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,869 0,869 0,468 0,404 0,560 0,446 0,539 0,578
0,659 0,885 0,812 IQ2 0,869 0,869 0,387 0,299 0,430 0,549 0,641 0,439
IQ3 0,726 0,726 0,269 0,066 0,339 0,506 0,546 0,242
IQ4 0,774 0,774 0,251 0,168 0,269 0,487 0,569 0,206
NB
NB1 0,858 0,447 0,858 0,602 0,606 0,287 0,420 0,638
0,682 0,811 0,826 NB2*
NB3*
NB4 0,792 0,290 0,792 0,561 0,509 0,402 0,378 0,406
PEOU
PEOU1 0,862 0,185 0,597 0,862 0,500 0,276 0,196 0,441
0,671 0,890 0,819 PEOU2 0,737 0,164 0,407 0,737 0,381 0,244 0,239 0,355
PEOU3 0,866 0,386 0,567 0,866 0,562 0,385 0,424 0,501
PEOU4 0,805 0,319 0,687 0,805 0,566 0,186 0,355 0,579
PU
PU1 0,884 0,532 0,648 0,563 0,884 0,454 0,506 0,760
0,643 0,877 0,802 PU2 0,771 0,476 0,483 0,427 0,771 0,440 0,435 0,578
PU3 0,813 0,380 0,487 0,436 0,813 0,373 0,374 0,578
PU4 0,730 0,280 0,537 0,570 0,730 0,204 0,234 0,544
SQ
SQ1 0,704 0,442 0,343 0,188 0,344 0,704 0,510 0,292
0,554 0,832 0,745 SQ2 0,756 0,375 0,307 0,194 0,313 0,756 0,541 0,309
SQ3 0,787 0,432 0,306 0,342 0,414 0,787 0,551 0,370
SQ4 0,730 0,531 0,268 0,236 0,291 0,730 0,529 0,288
SVQ
SVQ1 0,799 0,589 0,329 0,250 0,358 0,553 0,799 0,332
0,592 0,853 0,770 SVQ2 0,764 0,437 0,306 0,236 0,335 0,507 0,764 0,315
SVQ3 0,733 0,524 0,287 0,254 0,372 0,673 0,733 0,295
SVQ4 0,780 0,569 0,529 0,405 0,432 0,484 0,780 0,331
US
US1 0,764 0,346 0,527 0,572 0,629 0,342 0,275 0,764
0,691 0,899 0,831 US2 0,921 0,455 0,544 0,479 0,674 0,326 0,324 0,921
US3 0,821 0,456 0,509 0,467 0,693 0,306 0,336 0,821
US4 0,812 0,427 0,553 0,426 0,578 0,451 0,447 0,812
LAZADA
16-A
Var Ind OL CL
AVE CR AKAR
AVE IQ NB PEOU PU SQ SVQ US
IQ
IQ1 0,809 0,809 -0,198 -0,165 0,354 0,379 0,387 -0,188
0,681 0,895 0,825 IQ2 0,761 0,761 0,076 -0,110 0,504 0,496 0,489 0,040
IQ3 0,862 0,862 -0,163 -0,191 0,540 0,471 0,412 -0,113
IQ4 0,865 0,865 -0,129 -0,294 0,531 0,462 0,540 -0,242
NB
NB1 0,898 -0,096 0,898 0,613 -0,010 -0,061 -0,102 0,568
0,755 0,925 0,869 NB2 0,860 -0,126 0,860 0,640 -0,051 -0,059 -0,137 0,657
NB3 0,874 -0,132 0,874 0,690 -0,129 -0,042 -0,089 0,623
NB4 0,844 -0,087 0,844 0,663 -0,006 -0,007 -0,081 0,627
PEOU
PEOU1 0,904 -0,202 0,646 0,904 -0,144 -0,177 -0,254 0,547
0,808 0,944 0,899 PEOU2 0,854 -0,112 0,538 0,854 -0,116 -0,081 -0,150 0,498
PEOU3 0,902 -0,327 0,712 0,902 -0,201 -0,196 -0,245 0,603
PEOU4 0,934 -0,197 0,772 0,934 -0,119 -0,099 -0,197 0,674
PU
PU1 0,852 0,486 -0,093 -0,180 0,852 0,526 0,607 -0,026
0,657 0,852 0,811 PU2 0,796 0,499 -0,028 -0,109 0,796 0,425 0,484 -0,027
PU3*
PU4 0,782 0,461 -0,012 -0,101 0,782 0,476 0,524 0,003
SQ
SQ1*
0,755 0,903 0,869 SQ2 0,869 0,458 -0,105 -0,201 0,522 0,869 0,573 -0,091
SQ3 0,873 0,517 0,078 -0,076 0,512 0,873 0,658 0,038
SQ4 0,865 0,459 -0,094 -0,124 0,500 0,865 0,644 -0,005
SVQ
SVQ1 0,879 0,498 -0,089 -0,244 0,600 0,683 0,879 -0,100
0,749 0,922 0,865 SVQ2 0,887 0,421 -0,052 -0,145 0,564 0,630 0,887 -0,026
SVQ3 0,887 0,461 -0,104 -0,207 0,570 0,622 0,887 -0,132
SVQ4 0,807 0,547 -0,159 -0,218 0,569 0,543 0,807 -0,126
US
US1 0,927 -0,146 0,668 0,621 -0,052 -0,028 -0,160 0,927
0,746 0,921 0,864 US2 0,728 -0,164 0,477 0,407 -0,044 -0,085 -0,103 0,728
US3 0,899 -0,140 0,588 0,523 -0,021 0,001 -0,120 0,899
US4 0,888 -0,113 0,699 0,661 0,033 0,007 -0,018 0,888
BLIBLI
17-A
Hipotesis
β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in Q2-ex Ʃq2 Β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,509 4,223 0,499 0,499 0,401 0,196 0,343 0,343 0,272 0,107 Sign Accepted M m Predictive Relevance k
H2 IQ -> PU -0,109 0,708 0,474 0,474 0,470 0,008 0,311 0,311 0,311 0,001 Insign Rejected M k Predictive Relevance k
H3 IQ -> US 0,202 1,721 0,558 0,558 0,544 0,031 0,380 0,380 0,372 0,012 Sign Rejected M k Predictive Relevance k
H4 PEOU -> NB 0,244 2,831 0,626 0,626 0,596 0,080 0,323 0,323 0,311 0,017 Sign Accepted M k Predictive Relevance k
H5 PEOU -> PU 0,381 2,910 0,474 0,474 0,405 0,131 0,311 0,311 0,266 0,066 Sign Accepted M k Predictive Relevance k
H6 PEOU -> US 0,267 1,880 0,558 0,558 0,528 0,067 0,380 0,380 0,358 0,035 Sign Rejected M k Predictive Relevance k
H7 PU -> NB 0,380 3,470 0,626 0,626 0,499 0,339 0,323 0,323 0,340 -0,025 Sign Accepted M m Predictive Relevance k
H8 PU -> US 0,336 2,687 0,558 0,558 0,552 0,013 0,380 0,380 0,283 0,156 Sign Accepted M k Predictive Relevance k
H9 SQ -> PEOU 0,241 1,595 0,499 0,499 0,479 0,040 0,343 0,343 0,331 0,018 Sign Rejected M k Predictive Relevance k
H10 SQ -> PU 0,032 0,257 0,474 0,474 0,474 0,000 0,311 0,311 0,312 -0,001 Insign Rejected M k Predictive Relevance k
H11 SQ -> US -0,021 0,220 0,558 0,558 0,557 0,001 0,380 0,380 0,381 -0,002 Insign Rejected M k Predictive Relevance k
H12 SVQ -> PEOU 0,001 0,008 0,499 0,499 0,499 0,000 0,343 0,343 0,344 -0,002 Insign Rejected M k Predictive Relevance k
H13 SVQ -> PU 0,464 2,641 0,474 0,474 0,399 0,143 0,311 0,311 0,266 0,066 Sign Accepted M k Predictive Relevance k
H14 SVQ -> US 0,095 0,757 0,558 0,558 0,555 0,006 0,380 0,380 0,379 0,001 Insign Rejected M k Predictive Relevance k
H15 US -> NB 0,287 2,624 0,626 0,626 0,586 0,107 0,323 0,323 0,305 0,026 Sign Accepted M k Predictive Relevance k
TOKOPEDIA
18-A
Hipotesis
Β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in Q2-ex Ʃq2 Β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,339 3,093 0,519 0,519 0,459 0,125 0,359 0,359 0,317 0,066 Sign accepted M k Predictive Relevance k
H2 IQ -> PU -0,006 0,057 0,500 0,500 0,500 0,001 0,289 0,289 0,293 -0,005 Insign rejected M k Predictive Relevance k
H3 IQ -> US 0,036 0,468 0,664 0,664 0,664 0,001 0,434 0,434 0,437 -0,006 Insign rejected M k Predictive Relevance k
H4 PEOU -> NB 0,289 2,849 0,682 0,682 0,647 0,108 0,405 0,405 0,387 0,029 Sign accepted A k Predictive Relevance k
H5 PEOU -> PU 0,280 1,917 0,500 0,500 0,465 0,071 0,289 0,289 0,270 0,027 Sign rejected M k Predictive Relevance k
H6 PEOU -> US 0,449 3,276 0,664 0,664 0,575 0,266 0,434 0,434 0,378 0,099 Sign accepted M m Predictive Relevance k
H7 PU -> NB 0,466 5,630 0,682 0,682 0,577 0,328 0,405 0,405 0,340 0,108 Sign accepted A m Predictive Relevance k
H8 PU -> US 0,288 2,738 0,664 0,664 0,624 0,120 0,434 0,434 0,406 0,049 Sign accepted M k Predictive Relevance k
H9 SQ -> PEOU 0,181 1,547 0,519 0,519 0,503 0,034 0,359 0,359 0,350 0,014 Sign rejected M k Predictive Relevance k
H10 SQ -> PU 0,067 0,698 0,500 0,500 0,498 0,005 0,289 0,289 0,291 -0,002 insign rejected M k Predictive Relevance k
H11 SQ -> US 0,039 0,597 0,664 0,664 0,664 0,001 0,434 0,434 0,436 -0,004 insign rejected M k Predictive Relevance k
H12 SVQ -> PEOU 0,301 1,901 0,519 0,519 0,485 0,071 0,359 0,359 0,338 0,033 sign rejected M k Predictive Relevance k
H13 SVQ -> PU 0,444 2,760 0,500 0,500 0,431 0,139 0,289 0,289 0,248 0,058 sign accepted M k Predictive Relevance k
H14 SVQ -> US 0,129 1,241 0,664 0,664 0,659 0,016 0,434 0,434 0,433 0,001 sign rejected M k Predictive Relevance k
H15 US -> NB 0,174 1,652 0,682 0,682 0,67 0,036 0,405 0,405 0,404 0,001 sign rejected A k Predictive Relevance k
BUKALAPAK
19-A
Hipotesis
Β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in
Q2-
ex Ʃq2 β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,301 2,663 0,431 0,431 0,373 0,102 0,317 0,317 0,274 0,063 sign accepted M k Predictive Relevance k
H2 IQ -> PU 0,057 0,630 0,337 0,337 0,334 0,004 0,208 0,208 0,209 -0,001 insign rejected M k Predictive Relevance k
H3 IQ -> US 0,068 1,273 0,768 0,768 0,765 0,012 0,502 0,502 0,501 0,003 insign rejected A k Predictive Relevance k
H4 PEOU -> NB 0,231 2,175 0,582 0,582 0,559 0,056 0,345 0,345 0,332 0,019 sign accepted M k Predictive Relevance k
H5 PEOU -> PU 0,000 0,000 0,337 0,337 0,336 0,001 0,208 0,208 0,208 0,000 insign rejected L k Predictive Relevance k
H6 PEOU -> US 0,443 5,747 0,768 0,768 0,66 0,464 0,502 0,502 0,435 0,135 sign accepted A b Predictive Relevance k
H7 PU -> NB 0,339 3,330 0,582 0,582 0,553 0,070 0,345 0,345 0,322 0,035 sign accepted M k Predictive Relevance k
H8 PU -> US 0,408 3,999 0,768 0,768 0,662 0,455 0,502 0,502 0,432 0,141 sign accepted A b Predictive Relevance k
H9 SQ -> PEOU 0,216 2,151 0,431 0,431 0,404 0,047 0,317 0,317 0,296 0,030 sign accepted M k Predictive Relevance k
H10 SQ -> PU 0,090 0,668 0,337 0,337 0,332 0,007 0,208 0,208 0,208 0,000 insign rejected M k Predictive Relevance k
H11 SQ -> US 0,051 0,755 0,768 0,768 0,766 0,007 0,502 0,502 0,503 -0,001 insign rejected A k Predictive Relevance k
H12 SVQ -> PEOU 0,266 1,926 0,431 0,431 0,394 0,065 0,317 0,317 0,293 0,035 sign rejected M k Predictive Relevance k
H13 SVQ -> PU 0,485 4,073 0,337 0,337 0,213 0,186 0,208 0,208 0,131 0,097 sign accepted M m Predictive Relevance k
H14 SVQ -> US 0,108 1,157 0,768 0,768 0,762 0,025 0,502 0,502 0,501 0,003 sign rejected A k Predictive Relevance b
H15 US -> NB 0,300 2,316 0,582 0,582 0,561 0,051 0,345 0,345 0,337 0,012 sign accepted M k Predictive Relevance m
SHOPEE
20-A
Hipotesis
Β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2 Q2-in
Q2-
ex Ʃq2 β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU 0,119 0,985 0,160 0,160 0,152 0,009 0,079 0,079 0,085 -0,007 sign rejected L k Predictive Relevance k
H2 IQ -> PU 0,273 2,540 0,516 0,516 0,479 0,078 0,295 0,295 0,275 0,029 sign accepted M k Predictive Relevance k
H3 IQ -> US 0,168 1,703 0,638 0,638 0,624 0,037 0,395 0,395 0,395 0,001 sign rejected M k Predictive Relevance k
H4 PEOU -> NB 0,431 4,892 0,602 0,602 0,497 0,264 0,383 0,383 0,309 0,120 sign accepted M m Predictive Relevance k
H5 PEOU -> PU 0,481 5,182 0,516 0,516 0,324 0,398 0,295 0,295 0,186 0,155 sign accepted M b Predictive Relevance m
H6 PEOU -> US 0,173 2,166 0,638 0,638 0,618 0,054 0,395 0,395 0,384 0,019 sign accepted M k Predictive Relevance k
H7 PU -> NB 0,269 2,469 0,602 0,602 0,579 0,058 0,383 0,383 0,370 0,021 sign accepted M k Predictive Relevance k
H8 PU -> US 0,603 7,419 0,638 0,638 0,467 0,470 0,395 0,395 0,286 0,181 sign accepted M b Predictive Relevance m
H9 SQ -> PEOU 0,099 0,692 0,160 0,160 0,156 0,004 0,079 0,079 0,079 -0,001 insign rejected L k Predictive Relevance k
H10 SQ -> PU 0,117 1,024 0,516 0,516 0,511 0,011 0,295 0,295 0,293 0,003 sign rejected M k Predictive Relevance k
H11 SQ -> US 0,074 0,673 0,638 0,638 0,635 0,007 0,395 0,395 0,395 0,001 insign rejected M k Predictive Relevance k
H12 SVQ -> PEOU 0,228 1,550 0,160 0,160 0,140 0,023 0,079 0,079 0,075 0,004 sign rejected L k Predictive Relevance k
H13 SVQ -> PU 0,036 0,254 0,516 0,516 0,516 0,001 0,295 0,295 0,297 -0,002 insign rejected M k Predictive Relevance k
H14 SVQ -> US -0,116 0,967 0,638 0,638 0,632 0,015 0,395 0,395 0,392 0,006 insign rejected M k Predictive Relevance k
H15 US -> NB 0,181 1,604 0,602 0,602 0,588 0,035 0,383 0,383 0,376 0,011 sign rejected M k Predictive Relevance k
LAZADA
21-A
Hipotesis
β t-test R2
ƒ2
Q2
q2 Analisis
Hip Jalur R2-in R2-
ex Ʃƒ2
Q2-
in
Q2-
ex Ʃq2 β t-test R2 ƒ2 Q2 q2
H1 IQ -> PEOU -0,173 1,320 0,076 0,076 0,057 0,021 0,048 0,048 0,038 0,011 insign rejected L k Predictive Relevance k
H2 IQ -> PU 0,296 3,209 0,525 0,525 0,472 0,111 0,305 0,305 0,273 0,046 sign accepted M k Predictive Relevance k
H3 IQ -> US -0,099 0,984 0,442 0,442 0,436 0,010 0,294 0,294 0,292 0,002 insign rejected M k Predictive Relevance k
H4 PEOU -> NB 0,506 4,123 0,653 0,653 0,51 0,410 0,453 0,453 0,350 0,188 sign accepted M b Predictive Relevance m
H5 PEOU -> PU 0,027 0,353 0,525 0,525 0,524 0,001 0,305 0,305 0,307 -0,003 insign rejected M k Predictive Relevance k
H6 PEOU -> US 0,651 9,550 0,442 0,442 0,050 0,701 0,294 0,294 0,022 0,384 sign accepted M b Predictive Relevance b
H7 PU -> NB 0,033 0,677 0,653 0,653 0,652 0,001 0,453 0,453 0,455 -0,004 insign rejected M k Predictive Relevance k
H8 PU -> US 0,123 1,208 0,442 0,442 0,437 0,008 0,294 0,294 0,293 0,001 sign rejected L k Predictive Relevance k
H9 SQ -> PEOU 0,083 0,539 0,076 0,076 0,073 0,003 0,048 0,048 0,048 0,000 insign rejected L k Predictive Relevance k
H10 SQ -> PU 0,136 1,119 0,525 0,525 0,516 0,018 0,305 0,305 0,303 0,003 sign rejected M k Predictive Relevance k
H11 SQ -> US 0,098 0,839 0,442 0,442 0,437 0,008 0,294 0,294 0,292 0,002 insign rejected M k Predictive Relevance k
H12 SVQ -> PEOU -0,200 1,496 0,076 0,076 0,058 0,020 0,048 0,048 0,036 0,013 insign rejected L k Predictive Relevance k
H13 SVQ -> PU 0,410 3,310 0,525 0,525 0,451 0,155 0,305 0,305 0,265 0,058 sign accepted M m Predictive Relevance k
H14 SVQ -> US -0,055 0,365 0,442 0,442 0,441 0,001 0,294 0,294 0,296 -0,003 insign rejected M k Predictive Relevance k
H15 US -> NB 0,384 3,424 0,653 0,653 0,570 0,237 0,453 0,453 0,570 -0,214 sign accepted M m Predictive Relevance k
BLIBLI
top related