analisis penerimaan pengguna terhadap aplikasi...

ANALISIS PENERIMAAN PENGGUNA TERHADAP APLIKASI MOBILE JKN BADAN

PENYELENGGARA JAMINAN SOSIAL KESEHATAN DENGAN MENGGUNAKAN

MODEL UNIFIED THEORY OF ACCEPTANCE AND USE OF TECHNOLOGY

SKRIPSI

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sistem Informasi

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh:

PRATIWI HANJANI PUTRI

11150930000025

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2019 M / 1441 H

i




SKRIPSI

HALAMAN JUDUL




Oleh:


11150930000025




2019 / 1441 H

ii




SKRIPSI




Oleh:


11150930000025




2019 M / 1441 H

iii

LEMBAR PERSETUJUAN




Disusun Oleh :


NIM : 11150930000025

Menyetujui,

Dosen Pembimbing I Dosen Pembimbing II

A’ang Subiyakto, Ph.D Eva Khudzaeva, M.Si

NIP. 19760219 200710 1 002 NIDN. 0306108301

Mengetahui,

Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi

UIN Syarif Hidayatullah Jakarta

A’ang Subiyakto, Ph.D

NIP. 19760219 200710 1 002

iv

LEMBAR PENGESAHAN

Skripsi yang berjudul Analisis Penerimaan Pengguna Terhadap Aplikasi

Mobile JKN Badan Penyelenggara Jaminan Sosial Kesehatan Dengan

Menggunakan Model Unified Theory of Acceptance And Use of Technology

telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada hari Senin

tanggal 26 Agustus 2019. Skripsi telah diterima sebagai salah satu syarat untuk

memperoleh gelar Sarjana Strata Satu (S1) Program Studi Sistem Informasi.

Menyetujui,

Penguji I Penguji II

Nurbojatmiko, M.Kom Sarip Hidayatullah, MMSI

NIDN. 0428116703 NIP. 19750811 200912 1 001

Pembimbing I Pembimbing II

A’ang Subiyakto, Ph.D Eva Khudzaeva, M.Si

NIP. 19760219 200710 1 002 NIDN. 0306108301

Mengetahui,

Dekan Fakultas Sains dan Teknologi Ketua Prodi Sistem Informasi

Prof. Dr. Lily Surayya Eka Putri, A’ang Subiyakto, Ph.D

M.Env.Stud NIP. 19760219 200710 1 002

NIP. 19690404 200501 2 005

v

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR -

BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN

TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, Agustus 2019

Pratiwi Hanjani Putri

11150930000025

vi

ABSTRAK

Pratiwi Hanjani Putri – 11150930000025. Analisis Penerimaan Pengguna

Terhadap Aplikasi Mobile JKN Badan Penyelenggara Jaminan Sosial Kesehatan

Dengan Menggunakan Model Unified Theory of Acceptance And Use Of

Technology dibawah bimbingan A’ANG SUBIYAKTO, Ph.D dan EVA

KHUDZAEVA, M.Si.

Badan Penyelenggara Jaminan Sosial Kesehatan (BPJS Kesehatan) sebagai

penyelenggara jaminan kesehatan nasional bagi seluruh rakyat Indonesia terutama

untuk Pegawai Negeri Sipil, TNI/POLRI, Veteran, dan rakyat biasa berupaya untuk

meningkatkan layanan kepada seluruh peserta BPJS Kesehatan. BPJS Kesehatan

memberikan inovasi pengembangan aplikasi Mobile JKN yang berguna untuk

mempermudah pelayanan peserta BPJS Kesehatan. Tujuan dari penelitian ini

adalah mengetahui status penerimaan pengguna terhadap aplikasi Mobile JKN dan

faktor-faktor apa saja yang mempengaruhi penerimaan pengguna terhadap aplikasi

Mobile JKN dengan menggunakan model Unified Theory of Acceptance and Use

of Technology atau UTAUT yang terdiri dari enam konstruk dengan menambahkan

dua konstruk yaitu Trust dan Satisfaction. Populasi penelitian ini adalah pengguna

aplikasi Mobile JKN yang berdomisili di Jakarta, Bogor, Depok, Tangerang, Bekasi

(JABODETABEK). Penyebaran kuesioner dilakukan secara online dan offline serta

teknik pengumpulan sampel menggunakan teknik multi-stage purposive sampling.

Penelitian ini menggunakan metode kuantitatif dan teknik analisa menggunakan

CB-SEM. Proses analisis data menggunakan AMOS versi 24. Hasilnya adalah

ditolaknya tujuh hipotesis dari dua belas hipotesis yang diuji. Hasil dari penelitian

ini diharapkan dapat memberikan rekomendasi untuk pengembangan aplikasi

Mobile JKN bagi pihak BPJS Kesehatan.

Kata Kunci : Mobile JKN, UTAUT, AMOS versi 24, BPJS Kesehatan, CB-SEM,

Penerimaan

BAB I-V + 168 Halaman + xvi Halaman + 28 Gambar + 57 Tabel + Daftar Pustaka

+ Lampiran

Pustaka Acuan (95, 1981-2019)

vii

KATA PENGANTAR

Assalamualaikum Wr. Wb.

Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala nikmat

dan karunia-Nya, terutama nikmat sehat sehingga penulis selalu dalam keadaan

baik dalam menyusun laporan skripsi ini. Tidak lupa, shalawat serta salam semoga

senantiasa tercurahkan kepada baginda Nabi Muhammad SAW beserta keluarga,

sahabat, dan para pengikutnya dari awal hingga akhir zaman.

Peneliti menyadari bahwa skripsi ini masih banyak memiliki kekurangan.

Namun demikian peneliti berharap bahwa skripsi ini dapat memenuhi persyaratan

guna memperoleh gelar sarjana (S-1) dalam bidang Sistem Informasi dari Fakultas

Sains dan Teknologi UIN Syarif Hidayatullah Jakarta.

Penyusunan skripsi ini berjudul “Analisis Penerimaan Pengguna

Terhadap Aplikasi Mobile JKN Badan Penyelenggara Jaminan Sosial

Kesehatan Dengan Menggunakan Model Unified Theory of Acceptance and

Use of Technology”, akhirnya dapat diselesaikan sesuai yang diharapkan. Selama

penyusunan laporan skripsi ini tentunya terdapat hambatan dan kesulitan yang

dihadapi, baik dalam pengumpulan data dan lain sebagainya. Namun berkat

bantuan yang didapat dari berbagai pihak, kesulitan tersebut dapat diatasi.

Kebahagiaan yang tak ternilai secara pribadi dapat dipersembahkan kepada kedua

orang tua, seluruh keluarga, dan pihak-pihak yang telah ikut dalam penyelesaian

skripsi ini.

viii

Dalam kesempatan kali ini, peneliti ingin menyampaikan rasa terima kasih

yang sebesar-besarnya atas dukungan dan semua bantuan yang telah diberikan

dalam menyelesaikan skripsi ini. Secara khusus rasa terima kasih tersebut peneliti

sampaikan kepada :

1. Ibu Pro. Dr. Lily Surraya Eka Putri, M.Env.Stud selaku Dekan Fakultas Sains

dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

2. Bapak A’ang Subiyakto, Ph.D selaku Ketua Program Studi Sistem Informasi,

Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hiyataullah

Jakarta

3. Bapak A’ang Subiyakto, Ph.D sebagai Dosen Pembimbing I dan Ibu Eva

Khudzaeva, M.Si sebagai Dosen Pembimbing II yang tidak pernah lelah dan

bosan untuk membimbing, memotivasi, dan mengingatkan peneliti untuk

segera menyelesaikan skripsi. Peneliti mengucapkan banyak terima kasih

untuk waktu, tenaga, dukungan, arahan, saran, dan kritik yang membangun

agar skripsi ini dapat diselesaikan dengan baik

4. Dosen-dosen Program Studi Sistem Informsi yang telah memberikan ilmu

selama perkuliahan

5. Ibu Ni Made Ayu Sri Ratna Sudewi selaku Deputi Direksi Wilayah DKI

Jakarta, Bogor, Depok, Tangerang dan Bekasi BPJS Kesehatan yang telah

memberikan penulis kesempatan untuk melakukan penelitian diwilayah

JABODETABEK.

ix

6. Ibu Upik Handayani selaku Deputi Bidang Pengendali Mutu Pelayanan BPJS

Kesehatan yang telah memberikan penulis kesempatan untuk melakukan

penelitian Mobile JKN dan mewawancarai tentang Mobile JKN.

7. Bapak Siswanto selaku staff komunikasi publik BPJS Kesehatan, Bapak Aldo

selaku staff BPJS Kesehatan, Ibu Clara Devina Putri selaku Sekertaris dari

Ibu Upik Handayani, dan Seluruh karyawan serta staff di BPJS Kesehatan

dalam membantu, menerima, dan mengizinkan penulis untuk melakukan

penelitian di BPJS Kesehatan.

8. Bapak Anjari Umarjianto, S.Kom, SH, MARS selaku ketua umum

Perhimpunan Hubungan Masyarakat Rumah Sakit Indonesia yang telah

membantu peneliti untuk menyebarkan kuesioner penelitian ini.

9. Bapak Pahrifin dan Ibu Wenti Sri Susianti selaku orang tua penulis yang telah

mendidik, menyayangi, merawat, memberi dukungan, semangat dan doa

yang tiada henti sehingga peneliti dapat menyelesaikan skripsi ini.

10. Patriwa Rahmat Syahputra selaku adik peneliti yang selalu memberikan

semangat, dukungan, dan doa kepada peneliti.

11. Keluarga Besar Thamrin dan Keluarga besar Hj. Mahani yang telah

memberikan peneliti dukungan, semangat, motivasi, arahan, dan nasihat

dalam perkuliahan dan penulisan skripsi ini.

12. Sahabat-sahabat yaitu Ranti, Anka, Rina, Abdur, Gerry, Shofi, Nisa, Gio,

Finka, Gizel, Novia, Senior-senior Sistem Informasi, Keluarga Besar SI-A

2015, Teman-teman Program Studi Sistem Informasi 2015, dan Keluarga

KKN HAKS 163 yang tidak bisa penulis sebutkan satu persatu yang telah

x

memberikan semangat, motivasi, dukungan, bantuan ilmu dan doa kepada

peneliti dalam perkuliahan dan dalam penyusunan skripsi ini.

13. Teman-teman dan responden yang telah membantu penulis untuk

menyebarkan kuesioner dan mengisi kuesioner pada penelitian ini. Serta

seluruh pihak-pihak yang terkait dan telah berjasa membantu dalam proses

penyelesaian skripsi ini yang tidak dapat disebutkan satu persatu namun tidak

mengurangi sedikitpun rasa terimakasih dari peneliti. Semoga Allah

membalas kebaikan kalian semua.Aamiin.

Atas bantuan semua pihak, peneliti sangat berterima kasih dan berdoa

kepada Allah SWT semoga apa yang telah diberikan dijadikan amal kebaikan dan

bermanfaat, serta mendapatkan balasan yang setimpal di akhirat kelak.

Peneliti menyadari bahwa skripsi ini masih jauh dari kata sempurna, serta

masih banyak kekurangan baik dalam susunan penyajiannya dan susunan

bahasanya, maka dari itu penulis mengharapkan kritik dan saran yang bisa

disampaikan melalui email ke [email protected].

Terakhir dari penulis berharap semoga laporan skripsi ini dapat

memberikan hal yang bermanfaat bagi pembaca maupun penulis sendiri. Akhir

Wassalamu’alaikum Wr.Wb.

Jakarta, Agustus 2019

Pratiwi Hanjani Putri

11150930000025

mailto:[email protected]

xi

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

LEMBAR PERSETUJUAN................................................................................... iii

LEMBAR PENGESAHAN ................................................................................... iv

PERNYATAAN ...................................................................................................... v

ABSTRAK ............................................................................................................. vi

KATA PENGANTAR .......................................................................................... vii

DAFTAR ISI .......................................................................................................... xi

DAFTAR GAMBAR ........................................................................................... xiv

DAFTAR TABEL ................................................................................................ xvi

DAFTAR LAMPIRAN ...................................................................................... xviii

BAB I PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang.......................................................................................... 1

1.2 Identifikasi Masalah ................................................................................. 7

1.3 Perumusan Masalah .................................................................................. 8

1.4 Tujuan dan Sasaran................................................................................... 8

1.5 Model Penelitian ....................................................................................... 9

1.6 Pertanyaan Penelitian ............................................................................. 10

1.7 Ruang Lingkup dan Batasan ................................................................... 12

1.8 Metodologi Penelitian ............................................................................ 13

1.9 Manfaat Penelitian .................................................................................. 14

1.10 Sistematika Penulisan ............................................................................. 15

BAB II LANDASAN TEORI ............................................................................... 17

2.1 Definisi Analisis ..................................................................................... 17

xii

2.2 Definisi Penerimaan Pengguna............................................................... 17

2.3 Definisi Sistem Informasi ....................................................................... 18

2.4 Definisi Aplikasi Mobile ........................................................................ 20

2.5 Mobile JKN ............................................................................................ 22

2.6 UTAUT (Unified Theory of Acceptance and Use of Technology) ......... 26

2.7 Metode Kuantitatif.................................................................................. 30

2.8 Skala Likert ............................................................................................ 34

2.9 Metode Pengumpulan Data .................................................................... 35

2.10 Populasi dan Sampel............................................................................... 36

2.11 Teknik Sampling .................................................................................... 38

2.12 Pretest ..................................................................................................... 46

2.13 SEM (Structural Equation Modelling) ................................................... 48

2.14 Bootstrapping ......................................................................................... 55

2.15 AMOS..................................................................................................... 56

2.16 Pengembangan Model dan Hipotesis Penelitian .................................... 56

2.17 Penelitian Sejenis.................................................................................... 70

BAB III METODOLOGI PENELITIAN.............................................................. 73

3.1 Pendekatan Penelitian ............................................................................. 73

3.2 Prosedur Penelitian ................................................................................. 73

3.3 Populasi dan Sampel Penelitian.............................................................. 74

3.4 Instrumen Penelitian ............................................................................... 76

3.5 Pengumpulan dan Pemrosesan Data ....................................................... 80

3.6 Analisa Data dan Interpretasi Hasilnya .................................................. 81

BAB IV HASIL ANALISIS DAN INTERPRETASI ........................................... 83

4.1 Hasil Analisis.......................................................................................... 83

xiii

4.1.1 Analisis Hasil Data Wawancara ...................................................... 83

4.1.2 Analisis Data Tes Awal (Pretest) .................................................... 85

4.1.3 Analisis Demografis ........................................................................ 91

4.1.4 Analisis Pengukuran Model ............................................................ 98

4.1.5 Asumsi SEM ................................................................................. 123

4.1.6 Proses Bootstrapping ..................................................................... 131

4.1.7 Analisis Full Structural Equation Model ...................................... 136

4.1.8 Pengujian Reliabilitas dan Variance Extract ................................. 140

4.1.9 Pengujian Hipotesis ....................................................................... 144

4.2 Interpretasi dan Diskusi Hasil Analisis ................................................ 150

BAB V PENUTUP .............................................................................................. 163

5.1 Kesimpulan ........................................................................................... 163

5.2 Saran ..................................................................................................... 165

DAFTAR PUSTAKA ......................................................................................... 169

xiv

DAFTAR GAMBAR

Gambar 1. 1 Jumlah Pengguna Aplikasi Mobile JKN BPJS Kesehatan wilayah

JABODETABEK ............................................................................................. 5

Gambar 1. 2 Model Penelitian ............................................................................. 10

Gambar 2. 1 Aplikasi PhilHealth ACR…………………………………… ……21

Gambar 2. 2 Logo Mobile JKN ........................................................................... 23

Gambar 2. 3 Fitur Mobile JKN ............................................................................ 26

Gambar 2. 4 UTAUT ........................................................................................... 27

Gambar 2. 5 Model UTAUT yang dikembangkan .............................................. 60

Gambar 3. 1 Prosedur Penelitian (Subiyakto et al 2015)………………..... ……74

Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden……………... ..…..92

Gambar 4. 2 Diagram Lingkaran Domisili BPJS Responden ............................. 93

Gambar 4. 3 Diagram Lingkaran Usia Responden .............................................. 94

Gambar 4. 4 Diagram Lingkaran Pendidikan Terakhir Responden ................... 95

Gambar 4. 5 Diagram Lingkaran Pekerjaan Responden ..................................... 96

Gambar 4. 6 Diagram Lingkaran Peran Sistem ................................................... 97

Gambar 4. 7 Diagram Lingkaran Status Penerimaan Pengguna ......................... 98

Gambar 4. 8 Confirmatory Factor Analysis Konstruk Performance Expectancy 99

Gambar 4. 9 Confirmatory Factor Analysis Konstruk Effort Expectancy ........ 101

Gambar 4. 10 Confirmatory Factor Analysis Konstruk Social Influence ......... 103

Gambar 4. 11 Confirmatory Factor Analysis Konstruk Facilitating Condition 105

Gambar 4. 12 Modifikasi Confirmatory Factor Analysis Konstruk Facilitating

Condition ..................................................................................................... 107

Gambar 4. 13 Confirmatory Factor Analysis Konstruk Trust ........................... 109

Gambar 4. 14 Confirmatory Factor Analysis Konstruk Satisfaction ................ 111

Gambar 4. 15 Confirmatory Factor Analysis Konstruk Behavioral Intention .. 113

Gambar 4. 16 Confirmatory Factor Analysis Konstruk Use Behavior ............. 115

Gambar 4. 17 Confirmatory Factor Analysis Variabel Eksogen ....................... 118

Gambar 4. 18 Confirmatory Factor Analysis Variabel Endogen ...................... 121

Gambar 4. 19 Confirmatory Factor Analysis Full Structural Equation Model 137

xv

Gambar 4. 20 Uji Hipotesis Model .................................................................... 150

xvi

DAFTAR TABEL

Tabel 2. 1 Delapan Teori unsur UTAUT.............................................................. 28

Tabel 2. 2 Kriteria Fit Index ................................................................................. 52

Tabel 2. 3 Daftar Hipotesis ................................................................................... 66

Tabel 2. 4 Daftar Variabel dan Indikator Penelitian............................................. 67

Tabel 2. 5 Penelitian Sejenis ................................................................................ 70

Tabel 3. 1 Daftar Indikator dan Pertanyaan pengujian……………………..……76

Tabel 3. 2 Data Kuesioner yang terkumpul .......................................................... 81

Tabel 4. 1 Hasil Analisis Demografis Pretest……………………………... ...….85

Tabel 4. 2 Hasil Uji Validitas Pretest ................................................................... 86

Tabel 4. 3 Hasil Uji Reliabilitas Pretest ............................................................... 88

Tabel 4. 4 Hasil Uji Reliabilitas Variabel Social Iinfluence Pretest .................... 89

Tabel 4. 5 Indikator Variabel Social Influence Pretest ........................................ 90

Tabel 4. 6 Indikator Variabel Social Influence Penelitian .................................... 91

Tabel 4. 7 Goodness-of-Fit Index Konstruk Performance Expectancy ............. 100

Tabel 4. 8 Uji Validitas Konstruk Performance Expectancy ............................. 100

Tabel 4. 9 Loading Factor Konstruk Perfromance Expectancy ......................... 101

Tabel 4. 10 Goodness-of-Fit Index Konstruk Effort Expetancy ........................ 102

Tabel 4. 11 Uji Validitas Konstruk Effort Expectancy ....................................... 102

Tabel 4. 12 Loading Factor Konstruk Effort Expectancy ................................... 103

Tabel 4. 13 Goodness-of-Fit Index Konstruk Social Influence ......................... 104

Tabel 4. 14 Uji Validitas Konstruk Social Influence .......................................... 104

Tabel 4. 15 Loading Factor Konstruk Social Influence ...................................... 105

Tabel 4. 16 Goodness-of-Fit Index Konstruk Facilitating Condition ............... 106

Tabel 4. 17 Uji Validitas Konstruk Facilitating Condition ................................ 106

Tabel 4. 18 Loading Factor Konstruk Facilitating Condition ............................ 107

Tabel 4. 19 Modifikasi Goodness-of-Fit Index Konstruk Facilitating Condition

..................................................................................................................... 108

Tabel 4. 20 Uji Validitas Modifikasi Konstruk Facilitating Condition ............. 108

xvii

Tabel 4. 21 Loading Factor Modifikasi Konstruk Facilitating Condition ......... 109

Tabel 4. 22 Goodness-of-Fit Index Konstruk Trust .......................................... 110

Tabel 4. 23 Uji Validitas Konstruk Trust ........................................................... 110

Tabel 4. 24 Loading Factor Konstruk Trust ....................................................... 111

Tabel 4. 25 Goodness-of-Fit Index Konstruk Satisfaction ................................ 112

Tabel 4. 26 Uji ValiditasKonstruk Satisfaction .................................................. 112

Tabel 4. 27 Loading Factor Konstruk Satisfaction ............................................. 113

Tabel 4. 28 Goodness-of-Fit Index Konstruk Behavioral Intention .................. 114

Tabel 4. 29 Uji Validitas Konstruk Behavioral Intention .................................. 114

Tabel 4. 30 Loading Factor Konstruk Behavioral Intention .............................. 115

Tabel 4. 31 Goodness-of-Fit Index Konstruk Use Behavior ............................. 116

Tabel 4. 32 Uji Validitas Konstruk Use Behavior .............................................. 116

Tabel 4. 33 Loading Factor Konstruk Use Behavior .......................................... 117

Tabel 4. 34 Goodness-of-Fit Index Variabel Eksogen....................................... 118

Tabel 4. 35 Uji Validitas Variabel Eksogen ....................................................... 119

Tabel 4. 36 Loading Factor Variabel Eksogen ................................................... 120

Tabel 4. 37 Goodness-of-Fit Index Variabel Endogen ...................................... 121

Tabel 4. 38 Uji Validitas Variabel Endogen ...................................................... 122

Tabel 4. 39 Loading Factor Variabel Endogen .................................................. 123

Tabel 4. 40 Normalitas ....................................................................................... 124

Tabel 4. 41 Outlier .............................................................................................. 127

Tabel 4. 42 Data tidak Outlier ............................................................................ 128

Tabel 4. 43 Hasil Estimasi Parameter dan Standard Error ................................ 132

Tabel 4. 44 Bootstrap Standard Error ............................................................... 135

Tabel 4. 45 Hasil Bootstrapping Goodness-of-Fit Index Full Structural Equation

Model ........................................................................................................... 138

Tabel 4. 46 Hasil Bootstrapping Full Model Struktural .................................... 138

Tabel 4. 47 Perhitungan Composite (Construct) Reliability .............................. 140

Tabel 4. 48 Perhitungan Variance Extracted ..................................................... 142

Tabel 4. 49 Standarisasi Regression Weight Full Model ................................... 144

Tabel 4. 50 Uji Hipotesis .................................................................................... 149

xviii

DAFTAR LAMPIRAN

LAMPIRAN 1 Kuesioner Penelitian

LAMPIRAN 2 Transkrip Wawancara

LAMPIRAN 3 Data Pengguna Mobile JKN

LAMPIRAN 4 Data 318 Responden

LAMPIRAN 5 Surat-Surat Pendukung Penelitian

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi saat ini mengalami pertumbuhan yang sangat

pesat dalam segala aspek kehidupan. Dengan adanya teknologi yang semakin

berkembang lebih mempermudah pengguna untuk menggunakan sistem

informasi. Perkembangan teknologi yang telah terjadi menunjukkan bahwa

teknologi informasi saat ini bukan menjadi tuntutan lagi bagi perusahaan atau

organisasi, melainkan sudah menjadi kebutuhan untuk menunjukan entitas kerja

perusahaan atau organisasi (Antasari & Yaniartha, 2015). Pemanfaatan

teknologi informasi semakin meluas dan dapat membantu pekerjaan individu

dan organisasi (Widiani & Abdullah, 2018). Teknologi informasi dapat

meningkatkan efektivitas dan efisiensi kerja suatu organisasi. Suatu organisasi

maupun perusahaan tidak lepas dari pengaruh teknologi informasi yang

berfungsi dapat meningkatkan kualitas pelayanan (Kusumawardani et al., 2018).

Dalam sebuah perusahaan atau organisasi keberadaan sistem informasi

sangatlah diperlukan. Pemanfaatan sistem informasi dalam menyajikan

kebutuhan akan informasi yang cepat, andal dan akurat sangat diperlukan

(Suzanto & Sidharta, 2015). Organisasi dapat memanfaatkan sistem informasi

dengan menerapkan sistem yang terkomputerisasi maupun aplikasi yang sudah

dapat digunakan di smartphone. Saat ini teknologi yang sering digunakan yaitu

smartphone, sehingga banyak perusahaan atau organisasi memberikan

2

pelayanan melewati sistem informasi berbasis aplikasi mobile (Moon & Chang,

2014). Sistem informasi yang telah diterapkan pada organisasi dapat menunjang

kelancaran organisasi untuk membantu masyarakat dalam mendapatkan

pelayanan yang baik.

Untuk meningkatkan produktivitas dan kinerja, teknologi harus diterima

dan digunakan oleh masyarakat sebagai pengguna (Venkatesh et al., 2016).

Faktor yang saat ini memegang peranan penting dalam keberhasilan penerapan

dan penggunaan teknologi informasi adalah faktor pengguna. Tingkat kesiapan

pengguna untuk menerima teknologi informasi memiliki pengaruh besar dalam

menentukan sukses dan tidaknya teknologi tersebut (Saputra, 2014). Salah satu

kunci awal bagi keberhasilan implementasi teknologi informasi adalah kemauan

untuk menerima teknologi tersebut dikalangan pengguna. Beberapa penelitian

menunjukkan bahwa kegagalan penerapan teknologi informasi saat ini lebih

aspek perilaku pengguna (Sarja, 2015). Faktor pengguna dapat menjadi suatu

tolak ukur untuk menilai penerimaan sebuah teknologi informasi oleh pengguna

(Rachmadi et al., 2016).

Penerimaan pengguna merupakan suatu faktor penting yang

mempengaruhi keberhasilan implementasi dari suatu teknologi (Nasir, 2013).

Sehingga untuk mengetahui keberhasilan implementasi dari suatu teknologi

perlu adanya analisis penerimaan pengguna terhadap sistem baru seperti sistem

yang sudah ada di BPJS Kesehatan yaitu aplikasi Mobile JKN. Terdapat banyak

model analisis penerimaan pengguna, salah satunya yaitu Unified Theory of

Acceptance and Use of Technology (UTAUT).

3

UTAUT adalah sebuah model yang digunakan untuk menjelaskan perilaku

pengguna terhadap suatu teknologi informasi (Venkatesh et al., 2003). UTAUT

dikembangkan melalui ulasan dan integritasi delapan teori dan model dominan

yaitu Theory of Reasoned Action (TRA), Technology Acceptance Model (TAM),

Motivational Model, Theory of Planned Behavior (TPB), Gabungan TPB/TAM,

Model of PC Utilization, Innovation Diffusion Theory (IDT), dan Social

Cognitive Theory (SCT). Model UTAUT mempunyai konstruk utama yang

berpengaruh kepada Behavioral Intention dan Use Behavior yaitu Performance

Expectancy, Effort Exepectancy, Social Influence, dan Facilitating Condition.

Keempat konstruk utama ini dimoderatori oleh gender, age, experience, dan

voluntariness. Terdapat penelitian-penelitian yang dilakukan dengan

mengadopsi UTAUT dan mendapatkan temuan yang beragam.

UTAUT merupakan model penerimaan terkini paling komprehensif dalam

mengkaji penerimaan individu terhadap teknologi karena model ini telah

dibangunkan melalui perkembangan dan perbaikan berdasarkan model-model

penerimaan terdahulu, teori-teori berkaitan motivasi serta sikap terhadap

teknologi (Yoep & Noh, 2016). Model UTAUT adalah model baru yang

instrumennya menggabungkan delapan model penerimaan teknologi yang ada

(Ling et al., 2011). UTAUT memberikan dasar untuk menjelaskan mengapa

pengguna menerima atau menolak suatu teknologi dalam perspektif tertentu dan

memiliki potensi dalam meningkatkan pemahaman tentang penerimaan

teknologi (Samaradiwakara & Chandra, 2014).

4

Asuransi kesehatan perlu dimiliki oleh orang-orang yang ingin menjamin

secara khusus biaya kesehatan atau perawatan jika sakit atau mengalami

kecelakaan. Terdapat banyak perusahaan asuransi kesehatan bersaing untuk

menarik pelanggan dalam menawarkan jaminan yang menarik dan pelayanan

yang baik (Loewenstein et al., 2013). Perusahaan kesehatan memberikan

pelayanan kepada pelanggan dengan memanfaatkan teknologi saat ini untuk

memudahkan pengguna dalam pelayanan kesehatan atau pembiayaan asuransi.

Sesuai dengan Undang-Undang No.40 Tahun 2004 tentang Sistem

Jaminan Sosial Nasional dan Undang-Undang No.24 Tahun 2011 tentang Badan

Penyelenggara Jaminan Sosial, pemerintah memberikan jaminan dasar bagi

seluruh masyarakat Indonesia yaitu jaminan kesehatan, jaminan kecelakaan

kerja, kematian, jaminan pensiun, dan tunjangan hari tua. Jaminan yang

dimaksud akan dibiaya oleh perseorangan, pemberi kerja, dan/atau pemerintah

(RI, 2013). Badan Penyelenggara Jaminan Sosial Kesehatan badan yang

memiliki tugas untuk menyelenggarakan jaminan kesehatan nasional di

Indonesia. Badan Penyelenggara Jaminan Sosial Kesehatan disebut juga dengan

BPJS Kesehatan memberikan jaminan kesehatan berupa perlindungan kesehatan

agar peserta memperoleh manfaat pemeliharaan kesehatan dan perlindungan

dalam memenuhi kebutuhan dasar kesehatan yang diberikan kepada setiap orang

yang telah membayar iuran atau iurannya dibayar oleh pemerintah (RI, 2013).

BPJS Kesehatan terus berupaya untuk meningkatkan layanan kepada

seluruh peserta BPJS Kesehatan. Pada perkembangan teknologi informasi saat

ini yang mengarah ke pengguna mobile application, BPJS Kesehatan

5

memberikan inovasi pengembangan aplikasi Mobile JKN yang berguna untuk

mempermudah pelayanan JKN-KIS (Jaminan Kesehatan Nasional-Kartu

Indonesia Sehat). Aplikasi ini memanfaatkan teknologi informasi yang dapat

diunduh melalui aplikasi Mobile JKN di Google Playstore atau Apps Strore.

Tujuan adanya Mobile JKN yaitu masyarakat dapat menikmati layanan dengan

cepat. Aplikasi ini dapat digunakan dimana saja kapanpun tanpa batasan waktu

(self service).

Berdasarkan informasi yang peneliti dapatkan dari pihak BPJS yaitu

bagian komunikasi publik, wilayah yang terbanyak menggunakan aplikasi

Mobile JKN adalah Jakarta, Bogor, Depok, Tangerang, dan Bekasi

(JABODETABEK) dengan jumlah 1.027.233 pengguna (per 2 Januari 2019).

Pengguna0

100000

200000

300000

400000

500000

Jakarta Bogor Depok Tangerang Bekasi

PENGGUNA APLIKASI MOBILE JKN JABODETABEK

Pengguna

Gambar 1. 1 Jumlah Pengguna Aplikasi Mobile JKN BPJS Kesehatan wilayah

JABODETABEK

6

Aplikasi ini dapat dioperasikan melalui smartphone. Aplikasi Mobile JKN

berisi banyak fitur yang berguna untuk peserta JKN-KIS. Salah satu fitur yang

disediakan oleh Mobile JKN yaitu peserta dapat mendapatkan informasi seperti

Info JKN, lokasi faskes, skrining riwayat kesehatan, ubah data peserta, maupun

pengaduan keluhan. Kemudian dalam Mobile JKN ini, peserta BPJS Kesehatan

mudah mengetahui informasi tagihan. Mobile JKN terdapat pula e-ID kartu

pesertaan sehingga peserta lebih efisien dengan menggunakan kartu e-ID

dibandingkan dengan kartu kepesertaan seperti biasa.

Namun masih banyak juga kelemahan dari aplikasi Mobile JKN,

diantaranya masih belum banyak yang mengetahui aplikasi Mobile JKN, para

user atau pengguna Mobile JKN ketika melakukan awal registrasi pada aplikasi

terjadi kesalahan dalam kesesuaian data yang diinput peserta dalam aplikasi

dengan data yang sudah ada di BPJS Kesehatan. Sehingga peserta harus

melakukan konfirmasi kembali tentang informasi kepesertaan di kantor BPJS

Kesehatan cabang terdekat. Kemudian aplikasi Mobile JKN mengalami down.

Pengguna aplikasi Mobile JKN mengalami keluhan tidak bisa log in pada

aplikasi Mobile JKN, sehingga jika user ingin mengetahui informasi kepesertaan

atau tagihan harus mengubungi care center via telepon yang sistemnya antrian

sehingga harus dicoba secara berkala. Gejala-gejala permasalahan ini

menimbulkan kekhawatiran terhadap kelanjutan penerapan aplikasi Mobile JKN

pada masa mendatang terutama terhadap penerimaan pengguna.

Penerimaan pengguna merupakan hal penting untuk menentukan

keberhasilan sistem. Berdasarkan latar belakang tersebut, peneliti tertarik untuk

7

melakukan penelitian mengenai penerimaan pengguna terhadap Aplikasi Mobile

JKN BPJS Kesehatan dengan judul “Analisis Penerimaan Pengguna

Terhadap Aplikasi Mobile JKN Badan Penyelenggara Jaminan Sosial

Kesehatan Dengan Menggunakan Model Unified Theory of Acceptance and

Use Of Technology”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang yang telah dipaparkan, peneliti dapat

mengiidentifikasi beberapa permasalahan sebagai berikut:

1. Masih terdapat permasalahan pada aplikasi Mobile JKN seperti ketidak

sesuaian data pengguna dan aplikasi Mobile JKN mengalami down

berdasarkan hasil observasi kepada pengguna aplikasi Mobile JKN yang

akan berdampak pada penerimaan pengguna,.

2. Aplikasi Mobile JKN perlu dilakukan pengambangan sehingga perlu

dilakukannya evaluasi dari segi tingkat penerimaan dengan tujuan

aplikasi Mobile JKN dapat meningkatkan kepuasan, menyederhanakan

proses, kemudahan dan kecepatan dalam mendapatkan pelayanan

pengguna berdasarkan wawancara dengan Ibu Upik Handayani selaku

Deputi Bidang Pengendalian Mutu Pelayanan BPJS Kesehatan.

3. Belum diketahui faktor-faktor yang mempengaruhi penerimaan

pengguna terhadap aplikasi Mobile JKN dengan menggunakan model

Unified Theory of Acceptance and Use of Technology

8

1.3 Perumusan Masalah

Berdasarkan identifikasi masalah yang telah disebutkan sebelumnya,

perumusan masalah dalam penelitian ini adalah :

1. Bagaimana menganalisis penerimaan pengguna terhadap aplikasi

Mobile JKN dengan menggunakan model UTAUT?

2. Bagaimana mengetahui faktor-faktor yang mempengaruhi

penerimaan pengguna terhadap aplikasi Mobile JKN berdasarkan

persepsi pengguna aplikasi Mobile JKN menggunakan model

UTAUT?

1.4 Tujuan dan Sasaran

1.4.1. Tujuan

Berdasarkan latar belakang dan perumusan masalah yang sudah

dipaparkan sebelumnya, penelitian ini dilakukan dengan tujuan sebagai

berikut :

a. Mengetahui status penerimaan pengguna terhadap aplikasi

Mobile JKN berdasarkan persepsi peserta BPJS Kesehatan yang

menggunakan aplikasi Mobile JKN

b. Menguji faktor-faktor yang mempengaruhi penerimaan pengguna

terhadap aplikasi Mobile JKN dengan menggunakan model

UTAUT.

9

1.4.2. Sasaran

Berdasarkan pada tujuan penelitian di atas, maka sasaran

pelaksanaan penelitian ini adalah untuk :

a. Diketahui status penerimaan pengguna terhadap aplikasi mobile

JKN berdasarkan persepsi peserta BPJS Kesehatan

b. Diketahui faktor-faktor yang mempengaruhi penerimaan

pengguna terhadap aplikasi mobile JKN dengan menggunakan

metode Unified Theory of Acceptance and Use of Technology.

1.5 Model Penelitian

Penelitian ini menggunakan model yang diadopsi dan dimodifikasi dari

model yang dikembangkan oleh Venkatesh et al. (2003). Model digunakan

untuk mengukur penerimaan pengguna terhadap sistem. Model ini terdiri dari

6 variabel yaitu :

1. Performance Expectancy (PE)

2. Effort Expectancy (EE)

3. Social Influence (SI)

4. Facilitating Conditions (FC)

5. Behavioral Intention (BI)

6. Use Behevior (UB)

Tetapi pada penelitian ini peneliti memodifikasi model dengan

menambahkan dua variabel yaitu Trust (TRU) (Mayer et al. (1995); Sharma et

10

al., 2018; Zhou (2012)) sebagai variabel independen dan Satisfaction (SAT)

(Chan et al. (2010); Oliver (1981); Saleem dan Rashid (2011)) sebagai variabel

dependen. Peneliti juga menghilangkan 4 variabel yaitu gender, age,

experience, voluntariness of use.

1.6 Pertanyaan Penelitian

Berdasarkan tujuan dan sasaran pada penelitian ini, maka pertanyaan

penelitian dalam hal ini adalah :

Berdasarkan faktor-faktor yang ada dalam model penerimaan pengguna

yang telah dipaparkan. Berikut merupakaan pertanyaan penelitian yang

mempengaruhi pengguna dalam penerimaan Aplikasi Mobile JKN.

Gambar 1. 2 Model Penelitian

11

H1 : Apakah Performance Expectancy (PE) berpengaruh secara

signifikan terhadap Behavioral Intention (BI)?

H2 : Apakah Performance Expectancy (PE) berpengaruh secara

signifikan terhadap Satisfaction (SAT)?

H3 : Apakah Effort Expectancy (EE) berpengaruh secara signifikan

terhadap Behavioral Intention (BI)?

H4 : Apakah Effort Expectancy (EE) berpengaruh secara signifikan

terhadap Satisfaction (SAT)?

H5 : Apakah Social Influence (SI) berpengaruh secara signifikan


H6 : Apakah Social Influence (SI) berpengaruh secara signifikan


H7 : Apakah Facilitating Condition (FC) berpengaruh secara signifikan

terhadap Use Behavior (UB)?

H8 : Apakah Facilitating Condition (FC) berpengaruh secara signifikan


H9 : Apakah Trust (TRU) berpengaruh berpengaruh secara signifikan


H10 : Apakah Trust (TRU) berpengaruh secara signifikan terhadap

Satisfaction (SAT)?

H11 : Apakah Satisfaction (SAT) berpengaruh secata signifikan terhadap

Behavioral Intention (BI)?

H12 : Apakah Behavioral Intention (BI) berpengaruh secara signifikan

12

terhadap Use Behavior (UB)?

1.7 Ruang Lingkup dan Batasan

Ruang lingkup dan batasan yang ada dalam penelitian ini adalah :

1. Penelitian ini dilakukan untuk mengetahui tingkat penerimaan pengguna

terhadap Aplikasi Mobile JKN pada Badan Penyelenggara Jaminan Sosial

Kesehatan. Sampel yang digunakan adalah peserta BPJS Kesehatan di

JABODETABEK yang menggunakan Aplikasi Mobile JKN.

2. Secara Teori, penelitian ini menggunakan 6 Variabel dari model Unified

Theory of Acceptance and Use of Technology (UTAUT) yang

dikembangan oleh Venkatesh et al. (2003) dan dilengkapi dengan variabel

Trust (Mayer et al. (1995); Sharma et al., 2018; Zhou (2012)) dan

Satisfaction (Chan et al. (2010); Oliver (1981); Saleem dan Rashid (2011))

untuk mengukur penerimaan pengguna.

3. Secara Metodologi, penelitian ini menggunakan metode kuantitatif dengan

teknik pengambilan sampel yaitu Multi-stage purposive sampling yang

terdiri dari tahap pertama purposive sampling (Effendi & Tukiran, 2012;

Supriyadi, 2014) dan tahap kedua menggunakan accidental sampling

(Effendi & Tukiran, 2012). Analisis data menggunakan pendekatan SEM

dengan AMOS 24.

13

1.8 Metodologi Penelitian

Penelitian ini menggunakan model Unified Theory of Acceptance and

Use of Technologi (UTAUT) yang dikembangkan oleh Venkatesh et al. (2003)

untuk mengukur penerimaan pengguna yang berfokus pada mengukur seberapa

jauh pengguna menerima aplikasi Mobile JKN. UTAUT mengukur penerimaan

pengguna dengan menilai pada dimensi harapan kinerja, harapan usaha,

pengaruh sosial, kondisi memfasilitasi, niat perilaku, dan perilaku pengguna

dalam menerima sistem. Pada penelitian ini, peneliti menambahkan penilaian

pada dimensi kepercayaan dan kepuasan pengguna dalam menerima sistem.

Penelitian ini menggunakan metode kuantitatif. Peneliti telah

mengembangkan model penelitian sebagai sumber rumusan sejumlah 12

hipotesis penelitian. Hipotesis-hipotesis ini akan diuji menggunakan data yang

akan dikumpulkan dari kuesioner. Kuesioner ini dirancang berupa sebuah

pertanyaan yang sesuai dengan penelitian yang selanjutnya disebarkan kepada

reponden yang menjadi target pada penelitian ini.

Selanjutnya, dilakukan pengujian awal yang sudah dilakukan untuk

mengukur dan mengetahui validitas kuesioner yang telah dirancang sehingga

mengetahui bagaimana calon responden mengerti isi pertanyaan yang telah

dirancang untuk penelitian. Reponden pada penelitian ini adalah peserta Badan

Penyelenggara Jaminan Sosial Kesehatan (BPJS Kesehatan) domisili di

Jakarta, Bogor, Depok, Tangerang, Bekasi (JABODETABEK) yang

menggunakan aplikasi mobile JKN. Teknik pengambilan sampling yang

dilakukan dengan teknik multi-stage purposive sampling yang terdiri dari tahap

14

pertama purposive sampling (Effendi & Tukiran, 2012; Supriyadi, 2014) dan

tahap kedua dengan accidental sampling (Effendi & Tukiran, 2012).

Dilakukan penyebaran kuesioner secara langsung dan tidak langsung

kepada responden. Penyebaran secara langsung dilakukan oleh peneliti dengan

mencari responden yang tepat melalui tatap muka. Sedangkan, penyebaran

secara tidak langsung dilakukan peneliti dengan menyebarkan kuesioner

melalui link di media sosial dengan menggunakan fitur google forms untuk

mengisi kuesioner. Kuesioner yang terkumpul akan ditampung di Ms.Excel

2013. Penelitian ini menggunakan teknik analisis data SEM dengan tools

AMOS 24.

1.9 Manfaat Penelitian

Manfaat dari penelitian ini adalah sebagai berikut :

a. Secara Teoritis, penelitian ini dapat memberikan usulan model penerimaan

pengguna dengan penambahan variabel Trust dan Satisfaction pada model

sebelumnya. Penelitian ini juga dapat menjadi alternatif baru bagi peneliti

selanjutnya dalam memahami penerimaan pengguna.

b. Secara Metodologi, penelitian ini dapat memberikan dukungan serta

menjadi referensi dalam pemanfaatan metode kuantitatif pada penelitian

bidang sistem informasi UIN Syarif Hidayatullah Jakarta.

c. Secara Praktis, penelitian ini dapat menjadi bahan pertimbangan bagi

pihak BPJS dalam mengambil kebijakan terkait pengembangan aplikasi

Mobile JKN.

15

1.10 Sistematika Penulisan

Dalam penulisan laporan penelitian ini terbagi dalam lima bab yang

terdiri dari pendahuluan, kajian pustaka, metodologi penelitian, hasil

analisis, dan penutup. Berikut penjelasan singkat terkait lima bab tersebut.

BAB I PENDAHULUAN

Bab ini terdiri dari latar belakang, rumusan masalah, tujuan

dan sasaran, model penelitian, pertanyaan penelitian, ruang

lingkup dan batasan, metodologi penelitian, manfaat

penelitian, dan sistematika penulisan laporan hasil

penelitian.

BAB II LANDASAN TEORI

Bab ini membahas mengenai dasar-dasar teori yang

mendukung tentang analisis penerimaan pengguna terhadap

aplikasi mobile JKN.

BAB III METODOLOGI PENELITIAN

Bab ini menjelaskan mengenai metode proses pelaksanaan

penelitian, mencakup penjelasan-penjelasan mengenai

16

pendekatan, prosedur, populasi dan sampel, instrumen,

pengumpulan dan pemrosesan data, dan analisis data.

BAB IV HASIL ANALISIS DAN INTERPRETASI

Bab ini akan memaparkan analisis data dan hasilnya,

interpretasi hasil penelitian. Analisis data utama dilakukan

menggunakan metode analisis SEM dengan perangkat lunak

AMOS 24.

BAB V PENUTUP

Bab ini akan membahas mengenai kesimpulan dan saran

terhadap hasil pelaksanaan penelitian serta kelanjutan untuk

kajian selanjutnya.

17

BAB II

LANDASAN TEORI

2.1 Definisi Analisis

Menurut Kamus Besar Bahasa Indonesia (KBBI) kata analisis mempunyai

beberapa pengertian, diantaranya sebagai berikut (Suharsono & Retnonigsih,

2012) :

Analisis adalah penyelidikan dan mengetahui terhadap suatu peristiwa

untuk mengetahui keadaan yang sebenarnya

Analisis adalah suatu pokok atas berbagai bagiannya dan penelaahan bagian

itu sendiri serta hubungan antar bagian untuk memperoleh pengertian yang

tepat dan pemahaman arti keseluruhan

Proses pemecahan persoalaan yang dimulai dengan dugaan akan

kebenarannya.

2.2 Definisi Penerimaan Pengguna

Penerimaan merupakan status dimana seseorang individu berniat untuk

menggunakan suatu sistem dan jika tersedia maka individu tersebut dapat

menggunakan sistem dan menjalankannya (Adell, 2009). Menurut Dillon dan G.

Morris (1996) Penerimaan pengguna didefinisikan sebagai kesedian yang dapat

diverifikasi dalam suatu kelompok pengguna untuk menggunakan alat-alat TI

untuk mendukung tugas-tugas yang dirancang.

18

Penerimaan pengguna dapat didefinisikan sebagai sejauh mana suatu sistem

digunakan oleh penggunanya secara sukarela dan dapat mengambil keputusan

untuk menggunakannya atau tidak. Penerimaan pengguna dapat menilai tentang

bagaimana sistem baru akan diterima oleh masyarakat umum serta membantu

untuk mendapatkan wawasan teknologi baru (Bankosegger, 2010).

Penerimaan pengguna dikaitkan dengan persepsi individu dari kegunannya

dan evaluasi perasaan mereka dalam menanggapi pengalaman penggunaan (D.

Y. Lee & Lehto, 2013). Penerimaan pengguna dapat sebagai sikap multidimensi

yang dipengaruhi oleh berbagai faktor teknis dan sosial (Al-Busaidi & Alshihi,

2010).

Dalam jurnal Alwahaishi dan Snasel (2013) beberapa peneiliti Swanson

(1988), Davis (1989), Davis (1993), dan Igbaria (1993) menyatakan bahwa

penerimaan pengguna merupakan faktor penting dan fokus utama penelitian

implementasi sistem informasi dalam menentukan keberhasilan atau kegagalan

suatu produk teknologi informasi.

Dari definisi diatas dapat disimpulkan bahwa penerimaan pengguna adalah

mengukur sistem yang digunakan oleh penggunanya sehingga dapat menanggapi

pengalaman menggunakan sistem dan mengambil keputusan untuk

menggunakan sistem secara berlanjut.

2.3 Definisi Sistem Informasi

Sistem Informasi terdiri dari dua suku kata yaitu sistem dan informasi.

Menurut Anggraeni dan Irvani (2017) Sistem adalah kumpulan orang yang

19

saling bekerja sama dengan ketentuan-ketentuan aturan yang sistematis dan

terstruktur untuk membentuk satu kesatuan yang melaksanakan suatu fungsi

untuk mencapai tujuan. Sedangakan Informasi adalah data yang diolah menjadi

lebih berguna dan berarti, serta untuk mengurangi ketidakpastian dalam proses

pengambilan keputusan mengenai suatu keadaan.

Sistem informasi adalah suatu gabuangan atau kombinasi teratur dari orang-

orang, hardware, software, jaringan komunikasi dan sumber daya data yang

mengumpulkan, mengubah, dan menyebarkan informasi dalam sebuah

organisasi (Anggraeni & Irvani, 2017).

Menurut Hutahaean (2014) Sistem informasi adalah alur yang ada pada

suatu organisasi yang menggabungkan kebutuhan pengelolaan kegiatan harian,

mendukung operasional, bersifat mengatur segala sesuatu yang direncanakan,

dan kegiatan strategi dari suatu organisasi dan menyediakan laporan-laporan

yang dibutuhkan untuk pihak luar.

Sistem informasi dapat didefinisikan secara teknis sebagai seperangkat

komponen yang saling terkait yang mengumpulkan atau mengambil,

memproses, menyimpan, dan mendistribusikan informasi untuk mendukung

pengambilan keputusan dan kontrol dalam sebuah organisasi (Laudon &

Laudon, 2014).

Dari definisi diatas dapat disimpulkan bahwa sistem informasi adalah suatu

penggabungan komponen yang saling terikat dari orang-orang, perangkat keras,

perangkat lunak, dan jaringan komunikasi yang dapat mengumpulkan,

memproses, menyimpan, dan menyebarkan informasi dalam sebuah organisasi.

20

2.4 Definisi Aplikasi Mobile

Aplikasi merupakan suatu perangkat lunak yang dibuat untuk melayani

kebutuhan akan beberapa aktivitas seperti, perniagaan, pelayanan masyarakat,

periklanan, atau semua proses yang dilakukan manusia (Pramana, 2005).

Aplikasi Mobile adalah aplikasi yang bisa digunakan secara berpindah-

pindah tempat (mobile) sehingga pengguna bisa menikmati aplikasi-aplikasi

kapan pun dan dimana pun pada smartphone pengguna serta menjalankan

aktifitas rutin pengguna (Komputer, 2014).

Sehingga dapat disimpulkan bahwa aplikasi mobile adalah suatu perangkat

lunak yang dapat digunakan dimana saja dan kapan saja untuk memenuhi

kebutuhan pengguna.

Aplikasi Mobile sudah banyak digunakan di perusahaan atau organisasi

(Moon & Chang, 2014). Pada perusahaan atau organisasi pada bidang asuransi

atau jaminan kesehatan telah banyak yang meluncurkan sistem pelayanan untuk

pengguna jaminan kesehatan dengan menggunakan sistem yang sudah berbentuk

aplikasi mobile. Perusahaan atau organisasi pada bidang asuransi atau jaminan

kesehatan yang dikelola pemerintah yang sudah menerapkan aplikasi mobile

yaitu di negara Philippine dengan aplikasi PhilHealth ACR Search dan di

Indonesia dengan aplikasi Mobile JKN.

Aplikasi PhilHealth ACR merupakan aplikasi sistem pelayanan jaminan

kesehatan di Philippine yang diluncurkan oleh Philippine Health Insurance

Corporation (PhilHealth) untuk memberikan akses informasi kepada peserta

21

jaminan kesehatan dimana saja dan kapan saja. PhilHealth dapat digunakan oleh

peserta jaminan kesehatan PhilHealth di Philippine yang dapat diunduh melalui

Google Playstore bagi pengguna platform Android (Hilario et al., 2018).

Menurut Hilario et al. (2018) aplikasi PhilHealth belum diimplementasikan

seluruhnya ke rumah sakit di Philippine.

Aplikasi Mobie JKN merupakan aplikasi sitem pelayanan jaminan

kesehatan di Indonesia yang diluncurkan oleh Badan Penyelenggara Jaminan

Sosial Kesehatan (BPJS Kesehatan) untuk memberikan pelayanan kepada

peserta BPJS Kesehatan dimana saja dan kapan saja. Mobile JKN dapat diunduh

Gambar 2. 1 Aplikasi PhilHealth ACR

22

melalui Google Playstore bagi pengguna Android dan Appstore bagi pengguna

iOS.

Perbedaan aplikasi PhilHealth ACR dan Mobile JKN yaitu untuk PhilHealth

digunakan oleh peserta jaminan kesehatan di Philippine sedangkan untuk Mobile

JKN digunakan oleh peserta BPJS Kesehatan di Indonesia. Kemudian kelebihan

pada Mobile JKN dibandingankan dengan PhilHealth ACR yaitu untuk Mobile

JKN dapat digunakan oleh pengguna Android dan iOS. Sedangkan untuk

PhilHealth ACR hanya dapat digunakan oleh pengguna Android, sehingga untuk

pengguna non-Android dapat menggunakan layanan melalui website.

2.5 Mobile JKN

Perkembangan teknologi yang menunjukkan bahwa penggunaan sistem

yang sudah berbentuk aplikasi dan dapat digunakan di smartphone, maka Badan

Penyelenggara Jaminan Sosial Kesehatan (BPJS Kesehatan) meluncurkan

sebuah sistem yang berbentuk aplikasi yaitu Mobile JKN yang bertujuan untuk

meningkatkan pelayanan pelayanan kepada peserta BPJS Kesehatan.

Aplikasi Mobile JKN diluncurkan pada 15 November 2012. Aplikasi

Mobile JKN adalah pergantian sistem pelayanan yang berubah kedigital dari

BPJS Kesehatan yang awalnya berupa kegiatan administrasi yang dilakukan di

kantor cabang atau fasilitas kesehatan. Mobile JKN dapat digunakan oleh peserta

BPJS Kesehatan di mana saja, kapan saja, tanpa batasan waktu. Aplikasi ini

merupakan inovasi untuk kemudahan peserta BPJS Kesehatan dengan

23

memanfaatkan teknologi informasi yang dapat diunduh melalui aplikasi Mobile

JKN di Google Playstore atau Apps Store. Setelah aplikasi Mobile JKN

terunduh, pengguna dapat melakukan registrasi pada menu yang tersedia di

aplikasi Mobile JKN. Setelah berhasil, pengguna dapat memanfaatkan semua

fitur yang tersedia pada aplikasi Mobile JKN.

Adaya aplikasi Mobile JKN memberikan lima kemudahan kepada peserta BPJS

Kesehatan yang menggunakan aplikasi Mobile JKN, yaitu sebagai berikut :

a. Kemudahan mendaftar dan mengubah data kepesertaan

b. Kemudahan mengetahui informasi data peserta dan keluarga

c. Kemudahan mengetahui informasi tagihan dan pembayaran iuran

d. Kemudahan mendapatkan pelayanan di Faskes (Fasilitas Kesehatan)

e. Kemudahan menyampaikan pengaduan dan permintaan informasi

seputar JKN-KIS

BPJS Kesehatan telah menerapkan penggunaan Kartu Indonesia Sehat

(KIS) Digital yang dapat digunakan oleh peserta BPJS Kesehatan sehingga tidak

Gambar 2. 2 Logo Mobile JKN

24

perlu lagi membawa kartu secara fisik untuk berobat, cukup membawa

smartphone, dan menunjukkan kartu digital yang ada pada aplikasi Mobile JKN.

Dengan adanya aplikasi Mobile JKN yang memberikan berbagai fitur yang

disediakan, para pengguna tidak perlu lagi mengantri atau datang ke kantor BPJS

Kesehatan untuk administrasi.

Aplikasi Mobile JKN terdapat fitur utama yaitu fitur peserta, fitur tagihan,

fitur pelayanan, dan fitur umum. 14 Fitur dalam aplikasi Mobile JKN sebagai

berikut :

1) Fitur Peserta :

a. Menampilkan informasi kepesertaan peserta dan anggota

keluarganya

b. Merubah data peserta yang dapat mempermudah pengguna

melakukan aktivitas termasuk mengubah nomor handphone, alamat

email, alamat surat, pindah faskes dan pindah kelas

c. Menampilkan kartu JKN-KIS dalam bentuk digital. Pengguna juga

dapat mengirimkan kartu tersebut ke alamat email yang terdaftar.

d. Calon peserta dapat melakukan pendaftaran peserta dengan

memasukkan nomor KTP serta email atau SMS berisi nomor Virtual

Account

2) Fitur tagihan :

a Menampilkan tagihan iuran peserta PBPU

b Menampilkan panduan pembayaran sesuai channel pembayaran

yang dipilih

25

c Menampilkan riwayat pembayaran iuran dan denda peserta selama

tiga bulan

d Menampilkan nomor Virtual Account peserta

3) Fitur Pelayanan :

a Menampilkan histori pelayanan peserta lengkap dengan

diagnosanya. Pengguna dapat memberikan rating dan komentar

terhadap catatan pelayanan yang pernah diterima

b Dapat melakukan pendaftaran pelayanan kesehatan di Fasilitas

Kesehatan Tingkat pertama (FTKP) jika sudah menggunakan sistem

antrean JKN

c Menampilkan pertanyaan-pertanyaan skrining, setelah peserta

menjawab pertanyaan-pertanyaan tersebut akan keluar hasil

skrining. Skriningnya hanya dapat dilakukan 1 tahun sekali.

4) Fitur Umum :

a Informasi seputar program JKN-KIS terkait manfaat program JKN-

KIS persyaratan pendaftaran peserta, hak dan kewajiban serta

sanksi-sanksi yang diberlakukan

b Mendeteksi posisi pengguna dan menampilkan informasi kantor

BPJS Kesehatan, FTKP serta Faskes Tingkat Lanjutan.

c Menyampaikan pengaduan tertulis atau dengan menghubungi BPJS

Kesehatan Care Center 1500 400.

26

2.6 UTAUT (Unified Theory of Acceptance and Use of Technology)

UTAUT atau Unified Theory of Acceptance and Use of Technology

merupakan salah satu model penerimaan teknologi yang dikembangkan oleh

Venkatesh et al. (2003). UTAUT menggabungkan fitru-fitur yang berhasil dari

depalan teori penerimaan teknologi terkemuka menjadi satu teori. Kedelapan

teori terkemuka disatuan di dalam UTAUT seperti Theory of Reasoned Action

(TRA), Technology Acceptance Model (TAM), Innovation Diffusion Theory

(IDT), Motivational Model (MM), Theory of Planned Behavior (TPB),

Gambar 2. 3 Fitur Mobile JKN

27

penggabungan TAM dan TPB, Model of PC Utilization (MPTU), dan Social

Cognitive Theory (SCT).

UTAUT mempunyai 70% varian pengguna dibandingkan dengan kedelapan

teori diatas (Venkatesh et al., 2003). UTAUT memiliki tujuh konstruk yang

terdiri dari Performance Expectancy, Effort Expectancy, Social Influence,

Facilitating Conditions, Behavioral Intention, dan Use Behavior. Selain itu

UTAUT memiliki variabel moderator seperti Gender, Age, Experience, dan

Voluntariness of Use.

Gambar 2. 4 UTAUT

28

Tabel 2. 1 Delapan Teori unsur UTAUT

No. Model Penjelasan

1. TRA (Theory of

Reasoned Action)

Model TRA (Theory of Reasoned Action) pertama kali

dikembangkan pada tahun 1975 oleh Fishbein and Azjen.

Dalam model ini, setiap perilaku manusia diperkirakan dan

dijelaskan melalui tiga komponen kognitif utama termasuk

sikap atau attitude (ketidaksenangan atau kesukaan perasaan

seseorang terhadap suatu perilaku), subjective norm (pengaruh

sosial), dan Behavioral Intention (keputusan individu

melakukan atau tidak melakukan behavior). Behavior manusia

harus kehendak, sistematis, dan rasional (Taherdoost, 2018).

Proposisi TRA adalah bahwa ketika behavior sadar dan

sukarela, maka behavior intention akan dipengaruhi oleh

attitude dan subjective norm (Ling et al., 2011).

2. TAM (Technology

Acceptance Model)

TAM (Technology Acceptance Model). Menjelaskan

motivasi pengguna oleh tiga faktor yaitu perceived usefulness,

perceived ease of use, dan attitude toward use. Di dalam model

ini, tidak hanya Behavioral Intention yang terkandung dalam

TAM tetapi juga seperti perceived usefulness dan ease of use

memiliki dampak yang besar terhadap sikap pengguna. TAM

merupakan salah satu model yang paling banyak dikutip di

bidang penerimaan teknologi (Taherdoost, 2018).

3. MM (Motivational

Model)

Pada dasarnya, penggunaan sistem ditentukan oleh dua

motivasi intrinsik dan motivasi ekstrinsik. Motivasi ekstrinsik

adalah persepsi bahwa seorang pengguna ingin untuk

melakukan suatu kegiatan karena dianggap berperan dalam

mencapai hasil dan dihasil tersebut dihargai, seperti prestasi

kerja meningkat. Motivasi instrinsik didefinisikan sebagai

persepsi bahwa seseorang pengguna ingin untuk melakukan

suatu kegiatan tanpa penguatan yang jelas salin proses

melakukan aktivitas (Taherdoost, 2018).

4. TPB (Theory of

Planned Behavior)

Dalam model ini, variabel baru yaitu perceived

behavior control sebagai variabel baru ditambahkan untuk

memperluas model TRA. Meskipun kedua TPB dan TRA

diasumsikan Behavioral Intention mempengaruhi perilaku

individu. TPB adalah menggunakan perceived behavior

control atas tindakan individu yang berada di bawah kendali

kedendak. Dalam model TPB, terdapat tiga faktor utama yang

mempengaruhi Behavioral Intention yaitu perceived

29

behavioral control, subjective norm, dan behavioral attitude

(Taherdoost, 2018).

5. C-TAM-TPB

(Combined TAM

dan TPB)

TAM merupakan model yang variabel intention

dipengaruhi oleh dua variabel utama yaitu perceived usefulness

dan perceived ease of use. Tetapi, TAM tidak akan memberikan

pengaruh dari faktor sosial dan faktor kontrol pada perilaku.

TPB merupakan model faktor sosial atau pengaruh sosial

disebut subjective norm yang telah terbukti mempengaruhi niat.

Faktor kontrol di TPB adalah perceived behavior control yang

dimodelkan mempengaruhi baik ke intention atau langsung ke

behavior. Gabungan TAM dan TPB merupakan sebuah teori

yang memasukkan kedua faktor TPB ke dalam model TAM

sehinga kelemahan pada model TAM yang tidak dapat

mengontrol perilaku pengguna sistm informasi dapat diatas.

Combined TAM dan TPB dapat digunakan secara bersama-

sama untuk menganalisis faktor-faktor yang mempengaruhi

sikap dan perilaku penerimaan penggunaan suatu sistem

informasi (Widyapraba et al., 2016).

6. MPCU (Model of

PC Utilization)

MPCU khusus mengevaluasi influence of affect,

Facilitating Condition, long-term consequences of use,

perceived concequences, Social Influences, complexity dan job

fit pada behavior (Taherdoost, 2018).

7. IDT (Innovation

Diffusion Theory)

IDT mencakup lima karakteristik inovasi yang

signifikan yatu relative advantage (manfaat), compatibility

(kesamaan dengan apa yang digunakan), complexity (tingkat

kesulitan), trialability (waktu untuk menguji), dan obsevability

(kemampuan untuk melihat ketika seseorang

menggunakannya) (Rogers, 1983).

Relative adventage didefinisikan sebagai sejauh mana

inovasi diangap sebagai menjadi lebih baik daripada ide yang

digantikannya. Compatibility mengacu pada sejauh mana

inovasi dianggap konsisten dengan potensi nilai-nilai pengguna

akhir, pengalaman sebelumnya, dan kebutuhan. Complexity

adalah tingkat kesulitan yang dirasakan pengguna akhir

memahami inovasi dan kemudahan penggunaannya.

Trialability mengacu pada sejauh mana inovasi dapat diuji

secara terbatas. Sedangkan Observability adalah sejauh mana

hasil inovasi dapat terlihat oleh orang lain. Karakteristik ini

30

digunakan untuk menjelaskan adopsi inovasi pengguna akhir

dan proses pengambilan keputusan (Y.-H. Lee et al., 2011).

8. SCT (Social

Cognitive Theory)

SCT (Social Cognitive Theory) didasarkan dari tiga

faktor utama : behavior, personal dan environment yang

berinteraksi dua arah untuk memprediksi kedua kelompok dan

perilaku individu. Dalam model SCT, faktor perilaku terutama

difokuskan pada pengguna, kinerja, dan adopsi masalah. Faktor

pribadi adalah setiap orang, apek kognitif dan demografi

karakteristik seseorang. Di sisi lain, faktor lingkungan meliputi

faktor fisik dan sosial yang baik secara fisik eksternal individu,

SCT adalah struktur yang tidak terpisahkan sehingga ketiga

faktor terus mempengaruhi satu sama lain, saling menentukan

satu sama lain (Taherdoost, 2018).

2.7 Metode Kuantitatif

Penelitian Kuantitatif merupakan penelitian yang menggunakan sebuah

analisis data yang berbentuk angka. Tujuan penelitian adalah untuk

mengembangkan dan menggunakan model matematis, teori dan hipotesis yang

berkaitan dengan fenomena yang diselidiki oleh peneliti (Suryani & Hendryadi,

2016).

Menurut Supriyadi (2014) metode penelitian kuantitatif disebut sebagai

metode positivistik dikarenakan berasaskan pada filsafat positivisme. Selain itu

metode ini juga dikenal dengan scientific atau metode ilmiah dikarenakan sudah

memenuhi kaidah ilmiah seperti empiris, terukur, objektif, sistematis, dan

rasional. Metode kuantitatif dikatakan kuantitatif karena datanya berupa angka

dan analisis menggunakan statistik.

31

Metode penelitian kuantitatif memiliki ciri khas berhubungan data numerik

dan bersifat obyektif. Penelitian kuantitatif memiliki beberapa ciri diantaranya

(Supriyadi, 2014) :

Tujuan penelitian

Pendekatan dengan teori dan hipotesis

Peran peneliti

Kuantitatif lebih berfokus pada frekuensi tinggi

Kebenaran dari hasil analisis penelitian kuantitatif bersifat nomothetik

dan dapat digenerealisasikan

Penelitian kuantitatif menggunakan paradigma positivistik-ilmiah,

paradigma ilmiah-positivisme menghasilkan berbagai bentuk

percobaan, perlakuan, pengukuran, dan uji-uji statistik

Penelitian kuantitatif sering bertolak dari teori. Sehingga bersifat

reduksionis dan verifikatif, yakni hanya membukktikan teori

(menerima atau menolak teori)

Penelitian kuantitatif khususnya eksperimen, dapat menggambarkan

sebab-akibat

Memastikan waktu pengumpulan dan analisis data

Jenis-jenis metode penelitian kuantitatif menurut para ahli diantaranya

adalah (Supriyadi, 2014) :

32

Metode Deskriptif

Metode deskriptif adalah pencarian fakta dengan pandangan yang

tepat. Penilitian deskriptif adalah metode penelitian yang berusaha

menggambarkan objek atau subjek yang diteliti sesuai dengan yang

ada.

Metode Kompratif

Metode kompratif adalah metode yang digunakan dalam penelitian

yang diarahkan untuk mengetahui apakah antara dua variabel ada

perbedaan dalam suatu aspek yang diteliti.

Metode Korelasi

Metode korelasi adalah suatu penelitian yang dilakukan untuk

menggambarkan dua atau lebih fakta-fakta dan sifat-sifat objek yang

diteliti. Metode korelasi digunakan untuk membandingkan persamaan

dan perbedaan dua atau lebih fakta berdasarkan kerangka pemikiran

tertentu.

Metode Survei

Metode penelitian survei adalah salah satu bentuk teknik penelitian

dimana informasi dikumpukan dari sejumlah sampel berupa orang

melalui pertanyaan-pertanyaan.

Metode Ex Post Facto

Metode ex post facto adalah metode yang digunakan dalam

penelitian yang meneliti hubungan sebab akibat yang tidak

dimanipulasi oleh peneliti. Adanya hubungan sebab akibat didasarkan

33

atas kajian teoritis, bahwa suatu variabel tertentu mengkaitkan

variabel tertentu.

Metode True Experiment

Dikatakan true experiment atau eksperimen yang sebenarnya/betul-

betul karena dalam desain ini peneliti dapat mengontrol semua

variabel luar yang mempengaruhi jalannya eksperimen.

Metode Quasi Experiment

Bentuk metode yang eksperimen ini merupakan pembaruan dari true

experimental design, yang sulit dilaksanakan. Design ini mempunyai

kelompok kontrol, tetapi tidak dapat berfungsi sepenuhnya untuk

mengontrol variabel-variabel luar yang mempengaruhi pelaksanaan

eksperimen.

Metode Subjek Tunggal

Metodi subjek tunggal adalah metodeyang dilakukan terhadap

subjek tunggal.

Menurut (Sarwono, 2013) proses riset dengan menggunakan pendekatan

kuantitatif yang meliputi kegiatan berikut :

Mengidentifikasi dan merumuskan masalah yang akan diteliti

Membuat hipotesis yang akan diuji

Melakukan kajian yang relevan

Mengidentifikasi dan memberi nama variabel

Membuat definisi operasional

34

Menyusun desain riset

Mengidentifikasi dan menyusun alat observasi dan pengukuran

Membuat kuesioner

Melakukan analisis statistik

Menulis laporan hasil riset

2.8 Skala Likert

Skala likert adalah skala yang dapat digunakan untuk mengukur perilaku,

pendapat, dan persepsi seseorang atau sekelompok orang tentang suatu objek

atau fenomena tertentu (Siregar, 2013). Skala likert pertama kali dikembangakn

oleh Rrensist Likert di tahun 1932, merupakan seorang sosiolog dari University

of Michigan melalui artikel “A Technique for Measurement of Attitudes” yang

dipublikasikan oleh the Archives of Psychology.

Bentuk pertama skala likert yaitu lima pilihan jawaban dari sangat tidak

setuju sampai dengan sangat setuju yang merupakan sikap atau persepsi

seseorang atas suatu kejadian atau pernyataan yang diberikan dalam bentuk

kuesioner. Dalam perkembangan terkini, skala likert telah banyak dimodifikasi

seperti skala 4 titik (dengan menghilangkan pilihan jawaban netral), atau

menggunakan skala 7 sampai 9 titik (Suryani & Hendryadi, 2016) . Skala likert

dapat disusun dalam bentuk pertanyaan atau pernyataan, dan bentuk pilihan

ganda atau tabel ceklis.

Menurut Suryani dan Hendryadi (2016), skala likert 5 titik (versi asli dari

Dr. Rensist Likert) :

35

1 : Strongly Disagree

2 : Disagree

3 : Neither agree or disagree

4 : Agree

5 : Strongly Agree

2.9 Metode Pengumpulan Data

Pengumpulan data dilakukan dengan berbagai metode yaitu :

Observasi

Observasi merupakan suatu cara yang sangat bermanfaat,

sistematik dan selektif dalam mengamati dan mendengarkan interaksi atau

fenomena yang terjadi (Widi, 2010). Observasi atau pengamatan secara

langsung merupakan suatu kegiatan pencarian dan pengumpulan data

terhadap kondisi lingkungan objek penelitian yang mendukung kegiatan

penelitian (Siregar, 2013)

Wawancara

Wawancara (Interview) adalah suatu kejadian atau suatu proses

interaksi antara pewawancara (Interviewer) dan sumber informasi atau

orang yang diwawancara (Interviewee) melalui komunikasi langsung.

Dapat pula dikatakan bahwa wawancara merupakan tatap muka (face to

face) antara pewawancara dengan sumber informasi, dimana pewawancara

bertanya langsung tentang suatu objek yang diteliti dan telah dirancang

sebelumnya (Yusuf, 2014).

36

Wawancara adalah proses memperoleh keterangan atau data untuk

tujuan penelitian dengan cara tanya jawab sambil bertatap muka antara

pewawancara dengan responden dengan menggunakan alat yang

dinamakan panduan wawancara (Siregar, 2013).

Kuesioner

Kuesioner berasal dari bahasa Latin : Questionnaire, yang berarti

suatu rangkaian pertanyaan yang berhubungan dengan topik tertentu

diberikan kepada sekelompok individu dengan maksud untuk memperoleh

data (Yusuf, 2014).

Kuesioner adalah suatu kegiatan pencarian dan mengumpulkan

informasi yang dapat dianalis agar dapat mempelajari tindakan,

kepercayaan, perilaku dan karakteristik responden di dalam organisasi atau

perusahaan yang bisa berdampak untuk sistem yang dapat diberikan

rekomendasi untuk sistem (Siregar, 2013).

2.10 Populasi dan Sampel

2.10.1. Populasi

Populasi adalah sekelompok subjek atau data dengan karakteristik tertentu

(Firdaus & Zamzam, 2018). Populasi juga dapat disebut universe yang artinya

jumlah keseluruhan dari unit analisis yang ciri-cirinya akan diduga (Effendi

& Tukiran, 2012). Populasi bisa berupa orang, benda, objek, peristiwa atau

apa pun yang menjadi objek dari survei. Populasi ditentukan oleh topik atau

tujuan survei. Populasi juga harus relevan dengan tujuan atau topik survei.

37

Populasi merupakan semua bagian atau anggota dari objek yang akan diamati

(Eriyanto, 2007).

Menurut Supriyadi (2014) populasi adalah wilayah generalisasi berupa

subjek atau objek yang diteliti untuk dipelajari dan dapat diambil

kesimpulannya. Populasi dapat dibedakan menjadi dua kategori, yaitu

populasi target (target population) dan populasi terjangkau (accessible

population, source population). Populasi target ditentukan oleh karakteristik

klinis dari demografis. Sedangkan populasi terjangkau adalah populasi target

yang dibatasi oleh tempat dan waktu (Firdaus & Zamzam, 2018).

Dari definisi diatas dapat disimpulkan bahwa populasi adalah semua

bagian dari subjek atau objek yang akan diamati sehingga mendapatkan

kesimpulan dari penelitian tersebut.

2.10.2. Sampel

Sampel merupakan sebagian atau tindakan sebagai perwakilan dari

populasi sehingga hasil penelitian yang berhasil diperoleh dari sampel dapat

digeneralisasikan pada populasi (Supriyadi, 2014). Sampel yang baik

merupakan sampel yang akurat dan tepat. Sampel yang tidak akurat dan tidak

tepat akan memberikan kesimpulan yang tidak diharapkan atau dapat

menghasilkan kesimpulan riset yang tidak diharapkan atau dapat

menghasilkan kesimpulan yang menyesatkan (Jogiyanto, 2008).

Menurut Jogiyanto (2008), sampel yang adalah akurat tidak bias.

Sedangkan sampel yang tepat adalah sampel yang mempunyai persisi

38

(precision) yang tinggi yang mempunyai kesalahan pengambilan sampel

(sampling error) yang rendah. Jogiyanto (2008) menjelaskan bahwa

kesalahan pengambilan sampel (sampling error) adalah seberapa jauh sampel

berbeda dari yang dijelaskan oleh populasinya. Sedangkan persisi adalah

tingkat ketepatan yang ditentukan oleh perbedaan hasil yang diperoleh dari

sampel dibandingkan dengan hasil yang diperoleh dari catatan.

Menurut Firdaus dan Zamzam (2018), secara umum tujuan perkiraan

sampel minimal adalah :

Agar kesimpulan penelitian mempunyai tingkat kepercayaan yang

dikehendaki

Apabila menggunakan uji hipotesis, agar kemaknaan statistik juga berarti

kemaknaan secara klinis

Untuk menggambarkan refresentasi objek penelitian

Memudahkan untuk membuat generalisasi hasil penelitian.

2.11 Teknik Sampling

Menurut Jogiyanto (2008) sampel yang adalah akurat tidak bias. Supaya

sampel yang diambil akurat dan tidak terjadi bias di dalam proses pengambilan

sampelnya, diperlukan metode pengambilan sampel yang sesuai. Ada dua

metode pengambilan sampel, yaitu pengambilan sampel berbasis pada

probabilitas (pemilihan secara random) atau pengambilan sampel secara non

probabilitas (pemilihan nonrandom).

39

1) Sampel Probabilitas (Probability Sampling)

Sampel probabilitas merupakan unsur dari populasi mempunyai

kesempatan yang sama untuk dipilih sebagai sampel. Menuru Supriyadi

(2014) probability sampling adalah teknik pengambilan sampel yang

memberikan peluang yang sama kepada setiap anggota populasi untuk

menjadi sampel. Berdasarkan suatu sampel probabilitas, maka penelitian

dalam batas-batas tertentu dapat menarik kesimpulan yang belaku bagi

seluruh populasi. Dengan demikian, pengambilan sampel probabilitas

lebih ditujukan untuk memperkecil kesalahan generalisasi dari sampel ke

populasi (Effendi & Tukiran, 2012).

Secara probabilitas, metode-metode yang dapat digunakan adalah :

a Random Sederhana (Simple Random)

Pengambilan sampel secara random sederhana (simple random)

dilakukan dengan mengambil secara langsung dari populasinya

secara random. Secara random dipilih dapat didapatkan pada angka

random (Jogiyanto, 2008).

Menurut Supriyadi (2014) Simple random sampling adalah

teknik yang paling sederhana (simple). Pada populasi, sampel

diambil secara acak tanpa melihat tingkatan. Setiap unit sampling

sebagai unsur populasi yang terkecil dan memperoleh peluang yang

sama untuk menjadi sampel atau mewakili populasi. Simple random

sampling merupakan sebuah sampel yang diambil sedemikian rupa

sehingga tiap unit penelitian atau satuan elementer dari populasi

40

mempunyai kesempatan yang sama untuk dipilih sebagai sampel

(Effendi & Tukiran, 2012).

Menurut Payadnya dan Jayantika (2018) Cara pengambilan

sampel dengan simple random sampling dapat dilakukan dengan

metode undian, ordinal, maupun tabel bilangan random. Untuk

penentuan sampel dengan cara ini cukup sederhana, tetapi dalam

praktiknya akan menyita waktu. Apalagi jika jumlahnya besar,

sampelnya besar.

b Random Komplek (Complex Random)

Selain random sampling, terdapat random komplek yang

menawarkan cara yang lebih menantang dan kadang-kadang lebih

efisien dari sampling acak sederhana. Berikut beberapa metode

Complex Random Sampling yaitu:

Systematic Random Sampling

Systematic Random Sampling adalah teknik pengambilan

sampel ketika sampel unsur pertama yang dipilih secara acak,

sedangkan unsur selanjutnya dipilih secara sistematis sesuai

dengan pola yang ditntukan (Effendi & Tukiran, 2012).

Menurut Supriyadi (2014) Systematic Random Sampling

adalah teknik sampling yang mengunakan nomor urutan dari

populasi baik yang berdasarkan nomor yang ditetapkan sendiri

oleh peneliti maupun nomor identitas tertentu, ruang dengan

urutan yang seragam atau pertimbangan sistematic lainnya.

41

Pengambilan secara random sistematik (systematic random

sampling) dilakukan dengan membagi populasi sebanyak n

bagian dan mengambil sebuah sampel pada masing-masing

bagian dimulai dari bagian pertama secara random (Jogiyanto,

2008). Caranya dengan menentukan interval sampel yang didapat

dari jumlah populasi dibagi jumlah sampel. Selanjutnya

dilakukan pengocokan untuk memilih sampel pertama dari daftar

sampel, sampel berikutnya sesuai dengan interval yang didapat.

Cluster Sampling

Cluster Sampling atau sampling area digunakan jika sumber

data atau populasi sangat luas misalnya penduduk suatu provinsi,

kabupaten, atau karyawan perusahaan yang tersebar di seluruh

provinsi (Supriyadi, 2014).

Menurut Jogiyanto (2008) pengambilan sampel secara kluster

(cluster sampling) dilakukan dengan membagi populasi menjadi

beberapa grup bagian. Grup bagian ini disebut dengan kluster.

Dipilih beberapa kluster secara acak dari semua kluster yang ada.

Item-item data yang berbeda di dalam kluster yang terpilih

marupakan sampelnya. Pengambilan kluster baik untuk sampel

homogen antara kluster-klusternya dan heterogen antara item-

item di dalam klusternya.

Dalam buku Jaya (2019) menurut Masri singarimbun

keuntungan dalam menggunakan teknik sampling ini yaitu:

42

(1) Semua ciri-ciri populasi yang heterogen dapat terwakili,

(2) Kemungkinan bagi peneliti untuk hubungan antara satu lapisan

dan lapisan yang lain, begitu juga membandingkannya.

Stratified Sampling

Metode sampel acak bertingkat ini memisahkan tingkatan

dari data, yang diikuti dengan mengambil elemen tiap tingkatan

secara acak. Menggunakan sampel acak bertingkat (stratified

random sampling) dapat dikumpulkan dengan tujuan untuk

mendapatkan tingkat pelatihan yang dibutuhkan oleh tiap tingkat

managerial (Supriyadi, 2014).

Pengambilan sampel secara strataan dilakukan dengan

membagi populasi menjadi subpopulasi atau strata dan kemudian

pengambilan sampel random sederhana dapat dilakukan di dalam

masing-masing strata. Strata dapat berupa karakteristik tertentu

(Jogiyanto, 2008).

Menurut Arifin (2017) teknik stratified random sampling

terdiri dari :

a. Propotional stratified random sampling, jumlah sampel diperoleh

berdasarkan besar sampel dibagi proporsisi stratifikasi yang ada

b. Simple stratified random sampling, stratifikasi berdasarkan

variabel studi. Pemilihan sampel didasarkan pada besar sampel

dibagi berdasarkan stratifikasi yang ada dengan bantuan tabel

acak.

43

Double Sampling

Double sampling atau sequential sampling atau multhiphase

sampling merupakan metode sampling yang mengumpulkan

sampel dengan dasar sampel yang ada dan dari informasi yang

diperoleh digunakan untuk mengambil sampel berikutnya

(Jogiyanto, 2008).

Double sampling atau sampel kembar adalah jumlah sampel

yang memang sengaja diambil sebanyak dua kali lipat dari sampel

yang seharusnya. Double sample bertujuan untuk memenuhi data

yang mungkin tidak masuk dari sampel pertama dan menawarkan

informasi yang lebih detail (Wibisono, 2013).

Multistage Random Sampling

Multistage random sampling atau teknik penarikan acak

bertingkat adalah pengembangan dari acak klaster. Teknik ini

dipakai pada populasi yang luas dan heterogen (Eriyanto, 2007).

Multistage random sampling merupakan metode pengambilan

sampel yang dilakukan berdasarkan wilayah secara bertahap jika

populasi terdiri dari bermacam-macam tingkat wilayah.

Sequential Sampling

Sequential sampling adalah cara pengambilan sampelnya

dimulai dengan pengambilan sampel yang kecil, kemudian

dianalisis. Jika hasilnya masih diragukan, maka dapat dimbil

sampel yang lebih besar lagi (Effendi & Tukiran, 2012).

44

2) Sampel Nonprobabilitas (Nonprobability Sampling)

Sampel nonprobabilitas mempunyai maksud setiap unsur dari

populasi tidak memiliki kesempatan yang sama untuk dipilih sebagai

sampel. Metode nonprobabilitas ini dapat digunakan apabila tidak

bertujuan untuk melakukan generalisasi atas dasar satu sampel. Peneliti

semata-mata hanya ingin mendapatkan kesan mengenai hal-hal tertentu


Pengambilan sampel secara non-probabilitas dapat dilakukan metoda-

metoda sebagai berikut ini :

a. Convenience Sampling

Convenience sampling atau sampling sewaktu-waktu merupakan

metode yang mendapatkan informasi dari anggota populasi yang

sewaktu-waktu tersedia untuk memberikan informasi yang

dibutuhkan (Wibisono, 2013). Menurut Effendi dan Tukiran (2012)

Sampel sembarang (convenience sampling) adalah teknik penarikan

sampel yang dilakukan tanpa mekanisme tertentu. Siapa pun bisa

diwawancarai, kapan dan dimana saja. Pengambilan sampel secara

convenience sampling dilakukan dengan memilih sampel bebas .

b. Puposive Sampling

Purposive sampling adalah metode pengambilan sampel dengan

pertimbangan tertentu yang dianggap relevan atau dapat mewakili

45

objek yang akan diteliti (Effendi & Tukiran, 2012). Purposive

sampling merupakan teknik penentuan sampel dengan pertimbangan

khusus sehingga layak dijadikan sampel (Supriyadi, 2014).

Purposive Sampling atau Pengambilan sampel bertujuan

dilakukan dengan mengambil sampel dari populasi berdasarkan suatu

kriteria tertentu. Kriteria yang digunakan dapat berdasarkan

pertimbangan (judgement) tertentu atau jatah (quota) tertentu

(Jogiyanto, 2008).

Purposive sampling terdiri dari :

Judgement Sampling

Judgement Sampling adalah purposive sampling dengan kriteria

berupa suatu pertimbangan tertentu (Jogiyanto, 2008).

Quota Sampling

Quota Sampling adalah purposive sampling yang mengambil

persentasi sampelnya sesuai dengan persentase jumlah di

populasinya. Quota sampling merupakan teknik sampling yang

menentukan jumlah sampel dari populasi yang memiliki ciri tertentu

samapi jumlah kuota (jatah) yang diinginkan (Jogiyanto, 2008).

c. Accidental Sampling

Accidental Sampling atau Sampel aksidental adalah metode

penentuan sampel yang didasarkan secara kebetulan, tanpa ada

pertimbangan apa pun. Yang dimaksud dengan unsur kebetulan

adalah siapa saja yang secara kebetulan dapat ditemui. Aspek

46

kebetulan disini adalah yang bersangkutan memenuhi persyaratan

atau sesuai sebagai sumer data yang diperlukan dalam penelitian


d. Snowball Sampling

Sampel bola salju merupakan metode penentuan sampel

yang pada awalnya sangat kecil jumlahnya karena keterbatasan

informasi (Effendi & Tukiran, 2012). Snowball sampling adalah

teknik penentuan jumlah sampel yang semula kecil kemudian terus

membesar ibarat bola salju (Supriyadi, 2014).

Pengambilan sampel secara bola salju (snowball sampling)

dilakukan dengan mengumpulkan sampel dari responden yang

berasal dari referensi suatu jaringan, misalnya lewat newsgroup di

internet (Jogiyanto, 2008).

2.12 Pretest

Pretest secara umum didefinisikan sebagai pengujian terhadap

serangkaian pertanyaan atau kuesioner survei. Menurut Reynolds et al.

(1993) Pretesting adalah tahap pengembangan kuesioner yang menentukan

potensi efektivitas kuesioner. Pretest dilakukan sebelum distribusi akhir

kuesioner kapada populasi target. Pretesting digunakan untuk memperbaiki

desin kuesioner dan mengidentifikasi kesalahan dalam kuesioner yang

mungkin hanya jelas bagi populasi terkait.

47

Pretesting kuesioner memungkinkan kita untuk mengidetifikasi istilah

yang tidak pantas dalam kata-kata pertanyaan, urutan tidak tepat, kesalahan

dalam kuesioner terkait dengan tata letak dan instruksi, serta masalah yang

disbabkan oleh ketidakmampuan atau penolakan responden untuk menjawab

pertanyaan-pertanyaan tertentu (Babonea & Voicu, 2011). Pretesting adalah

satu-satunya teknik untuk mengevaluasi terlebih dahulu apakah kuesioner

menimbulkan masalah untuk pewawancara atau responden (M. Ikart, 2019).

Setelah melakukan penyebaran kuesioner untuk pretest, maka perlu

dilakukan pengujian pada kuesioner tersebut. Menurut Debbie (2003) pretest

harus diuji untuk memastikan pretest sudah memenuhi tujuan dengan

memastikan hasil yang valid dan reliabiel. Maka diperlukan analisis uji

validitas dan reliabilitas pada kuesioner untuk pretest. Untuk pengujian

validitas dan reliabilitas dapat menggunakan tools yang diperlukan.

Melakukan uji validitas untuk mengukur data sesuai dengan

pengukuran yang ada. Sedangkan uji reliabilitas mengukur data yang

didapatkan untuk mengukur data variabel yang dapat diandalkan (reliabel)

atau tidak (M. Ikart, 2019).

Menurut V Perneger et al. (2014) penentuan sample pada pretest yang

ideal adalah sebanyak 30 sample karena ukuran sample 30 akan mencapai

daya tinggi yang baik untuk mendeteksi masalah pada kuesioner. Sample

sebanyak 30 untuk melakukan pretest dapat mewakilkan penentuan pretest

untuk menguji validitas dan reliabilitas (Debbie, 2003; M. Ikart, 2019).

48

2.13 SEM (Structural Equation Modelling)

SEM mempunyai karakteristik untuk lebih menegaskan (confirm)

daripada untuk menerangkan. Maksudnya, seorang peneliti lebih cenderung

menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau

tidak daripada menggunakannya untuk menemukan apakah suatu model

tertentu cocok atau tidak, meskipun analisis SEM juga sering mencakup

elemen-elemen yang digunakan untuk menerangkan (Sarwono, 2013).

Dalam buku Willy (2018) SEM adalah suatu teknik statistik untuk

menguji dan mengestimasi hubungan kausal dengan mengintegrasi analisis

faktor dan analisis jalur.

Dalam buku Haryono dan Wardoyo (2012), Ghozali menjelaskan

Model persamaan struktural (Structural Equation Modeling) adalah teknik

analisis multivariat agar peneliti dapat menguji hubungan antar variabel yang

komplek baik untuk memperoleh gambaran yang lengkapmengenai

keseluruhan model.

SEM adalah suatu teknik modeling statistik yang bersifat segat cross-

sectional, linear dan umum, termasuk di dalamnya factor analysis, path

analysis dan regression digunakan untuk menguji model statistik dalam

bentuk model sebab akibat (Bahri & Zamzam, 2015)

Menurut Widarjono (2015) Analisis multivariat merupakan salah satu

analisis statistika yang berkaitan dengan banyak variabel.

49

Menurut Hair et al. (2010), SEM ditandai dengan tiga karakteristik

utama yaitu:

Estimasi hubungan dependensi jamak dan saling terkait

Kemampuan untuk menghadirkan konsep-konsep yang tidak terobservasi

dalam hubungan serta untuk mempertimbangkan kesalahan pengukuran

dalam proses estimasi

Mendefinisikan suatu model untuk menerangkan seluruh perangkat

hubungan.

Menurut Sarwono (2013) SEM mempunyai persyaratan umum yaitu :

Variabel : menggunakan variabel metrik (kuantitatif/numerik). Terdapat

variabel yang diobservasi/manifest/indikator/referensi dan variabel yang

tidak terobservasi secara langsung/variabel laten/konstruk/faktor/gejala

abstrak.

Hubungan antara variabel : terdapat variabel yang memengaruhi (variabel

eksogenus) dan variabel yang dipengaruhi (variabel endogenus).

Ukuran sampel : sampel harus besar karena SEM bergantung pada

pengujian-pengujian yang sensitif terhadap ukuran sampel dan kekuatan

perbedaan-perbedaan matriks kovarians.

Pada saat ini, terdapat banyak program aplikasi yang dapat digunakan

untuk menganalisis SEM seperti AMOS, LISREL, SMARTPLS, dan lain-

lain. SEM yang menggunakan program aplikasi AMOS, LISREL, dll

merupakan analisis datanya yang disebut dengan istilah covariance based

50

SEM karena menggunakan input berupa matriks kovarian. Covariance Based

SEM atau CB-SEM digunakan untuk menguji sebuah teori, bukan untuk

membuat teori baru. CB-SEM dikembangkan oleh Joreskog pada tahun 1978.

Pada pengujian model dengan pendekatan SEM, dilakukan dua tahapan

pengujian berikut :

a. Measurement Model

Measurement Model adalah menggambarkan hubungan antara variabel

laten (variabel penelitian/konstruk) dengan indikator-indikatornya (alat

ukur/vaiabel manifes). Measurement model bertujuan untuk mengukur

seberapa tepat indikator-indikator yang digunakan dalam mengukur

variabel laten yang diukurnya.

b. Structural Model

Structural model adalah menggambarkan hubungan antara variabel-

variabel yang ada pada model tersebut. Structural model bertujuan untuk

mengetahui apakah yang ada pada variabel-variabel yang membangun

model.

Untuk menganalisa data dengan menggunakan teknik SEM terdapat

beberapa langkah yang harus dilakukan menurut Hair et al. (2010), antara

lain:

1. Membuat sebuah model SEM

Membuat sebuah model berdasarkan teori yang dijelaskan

2. Menentukan variabel

51

a. Variabel Eksogen

Variabel eksogen adalah variabel independen yang

memengaruhi variabel dependen. Variabel eksogen dianggap

sebagai variabel laten yang mempengaruhi terhadap variabel yang

lain (Santoso, 2018).

b. Variabel Endogen

Variabel endogen adalah variabel dependen yang dipengaruhi

oleh variabel indipenden. Variabel endogen dianggap sebagai

variabel laten yang dipengaruhi oleh satu atau beberapa variabel

lainnya (Santoso, 2018).

c. Indikator

Indikator adalah alat ukur pada setiap variabel eksogen atau

variabel endogen.

3. Membuat Path Diagram

Pada tahap ini, model SEM yang dibuat kemudian ditampilkan

dalam bentuk path diagram. Path diagram akan mempermudah dalam

melihat hubungan variabel-variabel yang ada pada model.

4. Mengevaluasi validitas model pengukuran / Measurement model

Validitas model pengukuran dengan melakukan uji validitas

konstruk dan menilai fit model atau goodness of fit. Syarat model fit

dalam analisis SEM dalam tabel berikut (Ferdinand, 2002):

52

Tabel 2. 2 Kriteria Fit Index

Jenis Fit Index Nilai yang Diterima Kriteria

Diuji

Keterangan

Chi-Square (X2) Nilai yang kecil

p > 0,05

Good Fit Chi-Square digunakan

untuk menguji seberapa

dekat kecocokan antara

matrik kovarian sampel

dengan matrik kovarian

model

RMSEA

(Root Mean Square

Error of

Approximation)

RMSEA ≤ 0,08 Good Fit RMSEA ditujukkan untuk

memperbaiki indeks fit

statistic chi-square yang

cenderung menolak model

yang mempunyai indikator

yang banyak dan ukuran

sampel yang besar (Hair et

al., 2014)

0,08 ≤ RMSEA ≤ 0,01 Marginal Fit

RMSEA ≥ 0,01 Poor Fit

GFI (Goodness-of-Fit

Index )

GFI ≥ 0,90 Good Fit GFI ditujukkan untuk

menguji kesesuaian yang

dipergunakan untuk

meghitung proporsi

tertimbang dari suatu

varian pada matrik

kovarian sampel.

0,80 ≤ GFI ≤ 0,90 Marginal Fit

GFI ≤ 0,80 Poor Fit

AGFI (Adjusted

Goodness-of-Fit Index

)

AGFI ≥ 0,90 Good Fit AGFI merupakan

pengembangan dari GFI

yang dapat disesuaikan

dengan degress of freedom

yang tersedia untuk

menguji diterima tidaknya

model



TLI (Tucker-Lewis

Index)

AGFI ≥ 0,90 Good Fit TLI digunakan untuk

secara matematis

membandingkan model

hipotesis yang diajukan

dengan model nol



CFI (Comperative Fit

Index)

AGFI ≥ 0,90 Good Fit CFI mempunyai

keunggulan yaitu besarnya

indeks tidak dipengaruhi



53

oleh ukuran sampel karena

sangat baik untuk

mengukur tingkat

penerimaan sebuah model.

Kemudian, pada measurement model melakukan uji validitas

konstruk dengan melihat Regression Weight pada setiap konstruk.

Dikatakan signifikan jika indikator pada setiap konstruk memiliki nilai

P signifikan 0,05 dan ditunjukkan dengan tanda (***) dan nilai CR

diatas 1,96. Diartikan bahwa jika semua indikator memenuhi nilai yang

ditentukan maka setiap indikator pada setiap konstruk atau variabel

laten menunjukkan hasil yang baik dan memenuhi validitas konstruk

(Hair et al., 2014).

Selanjutnya pada nilai Loading Factor, setiap indikator pada

masing-masing konstruk menunjukkan hasil yang baik jika nilai

Loading Factor masing-masing indikator memiliki nilai lebih besar dari

0,5. Dapat diartikan bahwa indikator-indikator pada masing-masing

konstruk sudah menunjukkan hasil yang baik dan dapat mendukung

konstruk (Hair et al., 2014).

5. Mengevaluasi Estimasi Model

Mengevaluasi estimasi model dengan asumsi-asumsi sebagai berikut :

a. Asumsi Sampel

54

Jumlah sampel minimal yang diajurkan dalam menggunakan

teknik SEM dengan prosedur estimasi Maximum Likelihood

Estimation adalah 100-200 sampel.

b. Asumsi Normalitas

Untuk menguji kenormalan distribusi data dapat melihat critical

ratio (c.r) dimana normalitas univariat ditunjukkan dengan nilan c.r

skew dan c.r kurtosis ≤ 1,96 untuk α = 5% atau ≤ 2,58 untuk α = 1%.

Untuk normalitas multivariat dapat dilihat dari nilai c.r kurtosis

multivariat ≤ 1,96 untuk α = 5% atau ≤ 2,58 untuk α = 1%. Menurut

Blunch (2008) jika pada asumsi normalitas ini tidak memenuhi data

terdistribusi normal maka dapat melakukan uji Bootstrapping.

c. Uji Outlier

Outlier adalah kondisi observasi dari suatu daya yang memiliki

karakteristik unik yang terlihat sangat berbeda jauh dari observasi-

observasi lainnya, serta muncul dalam bentuk nilai yang ekstrim

(Ghozali, 2008). Nilai Mahalanobis distance digunakan untuk

mengetahui data manakah yang termasuk outliner. Uji outlier

multivariat dilakukan dengan kriteria jarak mahalanobis pada tingkat

p< 0,001 atau p<0,005.

6. Menetapkan model struktural

Pada tahap ini, membuat relasi atau hubungan dari suatu konstruk

ke konstruk lain berdasarkan model teoritis yang sudah dikembangkan.

55

Hubungan atau relasi ini merupakan hipotesis penelitian yang akan diuji

menggunakan data sampel.

7. Mengevaluasi validitas model strukturan

Pada tahap ini, mengevaluasi model struktural menggunakan indeks

fit atau goodness of fit.

8. Interpretasi hasil analisis dan mengambil kesimpulan

Pada tahap ini, menguji hipotesis mengenai relasi struktural antar

konstruk. Uji hipotesis ini dilakukan dengan menguji signifikansi

estimasi parameter model structural. Setelah uji hipotesis dilanjutkan

dengan interpretasi hasil analisisnya untuk mendapatkan kesimpulan

yang baik.

2.14 Bootstrapping

Bootstrapping adalah pendekatan untuk memvalidasi model

multivariat dengan pengambilan sampel ulang (subsample) dari sampel asli

dalam jumlah banyak dan mengestimasi model dari setiap subsample

tersebut (Hair et al., 2010). Kelebihan dari bootstrapping adalah

memungkinkan para peneliti untuk mengevaluasi stabilitas dari parameter-

parameter yang diestimasi dan akhirnya melaporkan hasil estimasinya

dengan tingkat akurasi yang lebih baik.

56

2.15 AMOS

Kemajuan teknologi informasi, khususnya dalam pengembangan

pembuatan software, telah mendorong munculnya software khusus untuk

perhitungan alat statstik dasar dari SEM, yakni analisis faktor dan analisis

regrasi berganda. Saat ini banyak software yaang khusus digunakan untuk

analisis model SEM seperti LISREL, AMOS, EQS, dan Mplus.

Namun sejak diakusisi (dibeli) oleh SPSS, Softare statistik paling populer

di dunia yaitu AMOS yang mulai populer digunakan, baik oleh kalangan

peneliti, akademisi, maupun para praktisi. Kelebihan software AMOS

terutama ada pada sifat software yang user friendly, sehingga dapat

digunakan bagi para pemula di bidang SEM sekalipun.

Terkait dengan akusisi software AMOS oleh SPSS, maka sejak saat itu

versi AMOS secara otomatis mengikuti versi dari SPSS. Dengan rilisnya

versi terbaru SPSS, maka AMOS juga merilis versi terbaru. AMOS

(Analysis of Moment Structure) merupakan program berbasis covariances

dikembangkan oleh L. James Arbucke 1994 (Bahri & Zamzam, 2015)

2.16 Pengembangan Model dan Hipotesis Penelitian

2.15.1. Pengembangan Model Penelitian

Penelitian ini menggunakan variabel yang ada pada model UTAUT

yang dikembangkan oleh Venkatesh et al. (2003) yaitu Performance

Expectancy, Effort Expectancy, Social Influence, Facilitating Condition,

Behavioral Intention, dan Use Behavior. Selain itu, peneliti

57

menambahkan variabel yaitu Trust dan Satisfaction. Berikut merupakan

definisi dari setiap variabel yang peneliti gunakan :

1. Performance Expectancy

Performance Expectancy berguna untuk mengukur sejauh mana

seseorang berfikir bahwa menggunakan suatu sistem akan

membantunya dalam kinerja pekerjaannya (Ting & Yanhong, 2012).

Performance Expectancy mencerminkan keuntungan pengguna dalam

menggunakan sebuah aplikasi berbasis mobile (Zhou, 2012).

Menyesuaikan Performance Expectancy dengan mobile dengan

menggunakan internet menyiratkan bahwa pengguna mobile akan

menganggap aplikasi mobile bermanfaat karena memungkinkan

pengguna untuk menyelesaikan pekerjaan sehari-hari mereka lebih

cepat dan dengan lebih banyak fleksibelitas atau bahkan membantu

meningkatkan produktivitas kerja pengguna (Wang & Wang, 2010)

2. Effort Expectancy

Effort Expectancy berguna untuk mengukur tingkat kemudahan

yang terkait dengan aplikasi yang dirasakan pengguna itu akan

memicu pengguna untuk bersedia menggunakan aplikasi (Ting &

Yanhong, 2012). Sebaliknya, jika proses operasi sulit dimengerti atau

rumit untuk dioperasikan, itu akan menyebabkan pengguna untuk

tidak menggunakan aplikasi penerimaan pengguna terhadap aplikasi

diperkirakan dapat tergantung dengan aksesbilitas sistem yang mudah

dan tanpa usaha (Wang & Wang, 2010).

58

3. Social Influence

Social Influence merupakan pengaruh sosial yang mencerminkan

pengaruh pendapat orang-orang penting pada pengguna sistem

(Venkatesh et al., 2003). Ketika orang-orang yang penting bagi

pengguna merekomendasikan pengguna aplikasi. Maka mereka dapat

menerima pendapat orang-orang tersebut dan menggunakan aplikasi

(Zhou, 2012). Menurut Venkatesh et al. (2003) Social Influence

merupakan faktor yang penting dalam membentuk niat pribadi untuk

menggunakan teknologi baru.

Social Influence juga dapat dipengaruhi oleh faktor eksternal

seperti sosial media dan media massa yang dapat mempengaruhi

keputusan penerimaan (Rao & Troshani, 2007). Orang-orang yang

penting atau internal pengguna seperti keluarga, teman, maupun

rekomendasi dari orang sekitar.

4. Facilitating Condition

Facilitating Condition mencerminkan bahwa pengguna memiliki

kemampuan dan sumber daya yang diperlukan untuk menggunakan

aplikasi (Zhou, 2012). Pengguna harus dilengkapi dengan

pengetahuan internet seluler untuk menggunakan aplikasi. Selain itu,

pengguna juga perlu membayar biaya layanan internet dan

mempunyai atau mendapatkan layanan internet wifi. Yang dan Farn

(2009) menyatakan bahwa Facilitating Condition mencerminkan

kemampuan pengguna untuk belajar dan menggunakan layanan

59

aplikasi. Ketika pengguna yakin dengan kemampuan mereka untuk

menggunakan teknologi, mereka akan lebih cenderung menggunakan

teknologi itu.

5. Trust

Trust mencerminkan kesediaan untuk pengguna berada dalam

kerentanan berdasarkan pada ekspektansi positif terhadap perilaku

pengguna di masa depan (Mayer et al., 1995; Zhou, 2012). Trust atau

kepercayaan sering mencakup tiga keyakinan yaitu kemampuan,

integritas, dan kebijakan (Kim et al., 2008). Trust dapat secara

langsung memfasilitasi niat pengguna karena memastikan bahwa

pengguna memperoleh hasil positif dimasa depan. Zhou (2012)

menyatakan ketika pengguna mengembangkan kepercayaan pada

penyedia layanan aplikasi mobile, maka pengguna percaya bahwa

penyedia layanan memiliki kemampuan dari masalah potensial.

6. Satisfaction

Satisfaction biasanya dipandang sebagai sikap yag dimiliki

seseorang yang akan mempengaruhi niat untuk menggunakan sistem

(Cheng et al., 2009). Mengukur kepuasan pengguna dalam

menggunakan teknologi dengan melihat kemudahan, keuntungan, dan

sosial (Chan et al., 2010). Kepuasan mengacu pada persetujuan atau

ketidak setujuan pengguna sistem secara kesuluruhan.

Satisfaction mencerminkan sejauh mana pegguna mendapat

perasaan positif dari penggunaan suatu produk atau layanan (Oliver,

60

1981). Sartisfaction mengukur seberapa baik suatu produk atau

layanan yang disediakan oleh penyedia memenuhi harapan pelanggan

(Saleem & Rashid, 2011).

7. Behavioral Intention

Behavioral Intention mengacu pada niat untuk menggunakan

sistem, ini merupakan penentu utama perilaku aktual (Nisha et al.,

2016). Kekuatan pada Behavioral Intention sangat berpengaruh pada

perilaku pengguna (Venkatesh & Zhang, 2010).

8. Use Behavior

Use Behavior melihat perilaku pengguna dengan menggunakan

suatu sistem (Venkatesh et al., 2003)

Gambar 2. 5 Model UTAUT yang dikembangkan

61

Dalam penelitian ini, peneliti tidak menggunakan variabel moderator seperti

age, gender, experience, dan voluntarines of use, karena menurut Salim (2012) dan

Hormati (2012) pada penelitiannya untuk variabel moderator tidak mempengaruhi

secara signifikan teknologi yang diteliti. Cotohnya pengaruh variabel moderator

pada jenis kelamin (gender) antara pria dan wanita tidak mempengaruhi sebagai

faktor penting dalam penggunaan atau pemanfaatan teknologi. Kemudian pengaruh

usia tidak ada perbedaan anatara usia yang lebih muda atau lebih tua. Untuk variabel

pengalaman tidak mempengaruhi niat untuk menggunakan teknologi. Sedangkan

kesukarelaan tidak mempengaruhi perilaku penggunaan teknologi.

2.15.2. Pengembangan Hipotesis Penelitian

Hipotesis perlu dikembangkan dengan menggunakan teori yang

benar atau dengan penjelasan-penjelasan jelas dan hasil-hasil penelitian

sebelumnya. Hipotesis dikembangkan dengan menggunakan teori karena

akan memverifikasi teori tersebut di fenomena yang ada. Hipotesis perlu

dikembangkan dengan penjelasan yang jelas agar tidak ada teori yang

dapat digunakan atau tujuan dari riset untuk menemukan teori yang baru,

hipotesisi digunakan dari hasil-hasil penelitian-penelitian sebelumnya

karena dari hasil penelitian dapat digunakan untuk menentukan tujuan

dari hipotesisnya. Hipotesis dikembangan untuk mengembangkan

penelitian dengan tujuan untuk menerima hipotesis dari riset dan

mencapai tujuan yang ditentukan (Jogiyanto, 2008).

62

Berdasarkan penelitian yang dilakukan (Abrahão et al., 2016;

Cheng et al., 2009; Sharma et al., 2018; Ting & Yanhong, 2012;

Venkatesh et al., 2003) telah membuktikan bahwa variabel Performance

Expectancy memberikan pengaruh signifikan terhadap niat pengguna.

(Cheng et al., 2009) membuktikan juga bahwa variabel Performance

Expectancy memberikan pengaruh signifikan terhadap kepuasan atau

Satisfaction, ini juga didukung oleh (Chan et al., 2010; C. Y. Lee et al.,

2015; Revels et al., 2010). Oleh karena itu, peneliti mengadopsi indikator

Performance Expectancy dari penelitian Venkatesh et al. (2003); Sharma

et al. (2018); Cheng et al. (2009); Chan et al. (2010) yaitu Efisien (PE1),

Kemudahan (PE2), Manfaat (PE3), dan Produktivitas (PE4) sehingga

menghipotesis bahwa:

H1 : Performance Expectancy berpengaruh secara signifikan terhadap

Behavioral Intention

H2 : Performance Expectancy berpengaruh secara signifikan terhadap

Satisfaction

Beberapa penelitian telah membuktikan bahwa variabel Effort

Expectancy memberikan pengaruh secara signifikan terhadap niat

pengguna (Abrahão et al., 2016; Ifinedo, 2012; Sharma et al., 2018; Ting

& Yanhong, 2012; Venkatesh et al., 2003) dan kepuasan (Chan et al.,

2010; C.-Y. Lee et al., 2015; Revels et al., 2010). Peneliti mengadopsi

indikator Effort Expectancy dalam penelitian Venkatesh et al. (2003);

63

Sharma et al. (2018); Cheng et al. (2009); Chan et al. (2010) yaitu mudah

dipahami (EE1), Terampil (EE2), Mudah digunakan (EE3), dan Mudah

dipelajari (EE4). Berikut hipotesis yang digunakan :

H3 : Effort Expectancy berpengaruh secara signifikan terhadap


H4 : Effort Expectancy berpengaruh secara signifikan terhadap

Satisfaction

Berdasarkan penelitian yang dilakukan (Abrahão et al., 2016;

Cheng et al., 2009; Ifinedo, 2012; Venkatesh et al., 2003) telah

membuktikan bahwa Social Influence memberikan pengaruh yang

signifikan terhadap niat pengguna. Pada penelitian Kaewkitipong et al.

(2016) bahwa pengaruh sosial juga memberikan pengaruh signifikan

terhadap kepuasan. Sehingga peneliti mengadopsi indikator Social

Influence dari penelitian Venkatesh et al. (2003); Sharma et al. (2018);

Cheng et al. (2009); dan Chan et al. (2010) yaitu pengaruh dari penyedia

(SI1), Dukungan dari penyedia (SI2), dan pengaruh dari sosial media

(SI4) sehingga menghipotesis bahwa:

H5 : Social Influence berpengaruh secara signifikan terhadap


H6 : Social Influence berpengaruh secara signifikan terhadap

Satisfaction

64

Pada penelitian yang dilakukan (Ifinedo, 2012; Suki & Suki, 2017)

telah membuktikan bahwa Facilitating Condition memberikan pengaruh

yang signifikan terhadap perilaku pengguna atau Behavioral Intention.

Pada penelitian Chan et al. (2010) membuktikan juga bahwa Facilitating

Condition mempunyai pengaruh signifikan dengan kepuasan. Oleh

karena itu, peneliti mengadopsi indikator dari penelitian Venkatesh et al.

(2003); Sharma et al. (2018); Cheng et al. (2009); dan Chan et al. (2010)

yaitu ketersediaan sumber daya (FC1), Memiliki Pengetahuan (FC2),

Ketersediaan petunjuk teknis (FC3), dan Ketersediaan bantuan (FC4).

Berikut merupakan hipotesis yang digunakan :

H7 : Facilitating Condition berpengaruh secara signifikan terhadap Use

Behavior Intention

H8 : Facilitating Condition berpengaruh secara signifikan terhadap

Satisfaction

Berdasarkan penelitian yang dilakukan Sharma et al. (2018) telah

membuktikan bahwa variabel Trust memberikan pengaruh yang

signifikan terhadap niat pengguna. Pada penelitian Suping dan Yizheng

(2010) dan Kaewkitipong et al. (2016) membuktikan bahwa Trust juga

mempunyai pengaruh signifikan dengan kepuasan. Sehingga peneliti

mengadopsi indikator Trust penelitian Sharma et al. (2018) dan Zhou

(2012) yaitu kepercayaan (TRU1), Menyediakan Layanan (TRU2),

65

Keaslian Layanan (TRU3), dan Keamanan Pengguna (TRU4) sehingga

menghipotesis bahwa :

H9 : Trust berpengaruh berpengaruh secara signifikan terhadap


H10 : Trust berpengaruh secara signifikan terhadap Satisfaction

Penelitian yang dilakukan Cheng et al. (2009) telah membuktikan

bahwa variabel Satisfaction berpangaruh signifikan tehadap niat

pengguna. Oleh karena itu, peneliti mengadopsi indikator Satisfaction

pada penelitian Cheng et al. (2009) dan (C. Y. Lee et al., 2015) yaitu

memenuhi kebutuhan (SAT1), kepuasan dalam pemakaian (SAT2),

Kepuasan kepada penyedia (SAT3), Harapan (SAT4), dan Kepuasan

Sistem (SAT5). Sehingga menghipotesis bahwa :

H11 : Satisfaction berpengaruh secata signifikan terhadap Behavioral

Intention

Berdasarkan penelitian (Ifinedo, 2012; Im et al., 2011; Suki &

Suki, 2017; Ting & Yanhong, 2012) membuktikan bahwa Behavioral

Intention memiliki pengaruh signifikan dengan Use Behavior. Peneliti

mengadopsi indikator Behavioral Intention pada penelitian Venkatesh et

al. (2003) dan Sharma et al. (2018) yaitu berniat menggunakan (BI1),

Berusaha menggunakan (BI2), berencana menggunakan (BI3),

rekomendasi pengguna (BI4). Sehingga menghipotesis bahwa :

66

H12 : Behavioral Intention berpengaruh secara signifikan terhadap Use

Behavior

Untuk indikator Use Behavior, peneliti mengadopsi indikator dalam

penelitian Venkatesh et al. (2003) yaitu Penggunaan (UB1), Perilau

(UB2), dan Pengaruh (UB3).

Tabel 2. 3 Daftar Hipotesis

No. Hipotesis

H1 Performance Expectancy berpengaruh secara signifikan terhadap Behavioral Intention

H2 Performance Expectancy berpengaruh secara signifikan terhadap Satisfaction

H3 Effort Expectancy berpengaruh secara signifikan terhadap Behavioral Intention

H4 Effort Expectancy berpengaruh secara signifikan terhadap Satisfaction

H5 Social Influence berpengaruh secara signifikan terhadap Behavioral Intention

H6 Social Influence berpengaruh secara signifikan terhadap Satisfaction

H7 Facilitating Condition berpengaruh secara signifikan terhadap Use Behavior Intention

H8 Facilitating Condition berpengaruh secara signifikan terhadap Satisfaction

H9 Trust berpengaruh berpengaruh secara signifikan terhadap Behavioral Intention

H10 Trust berpengaruh secara signifikan terhadap Satisfaction

H11 Satisfaction berpengaruh secata signifikan terhadap Behavioral Intention

H12 Behavioral Intention berpengaruh secara signifikan terhadap Use Behavior

67

Tabel 2. 4 Daftar Variabel dan Indikator Penelitian

Variabel Definisi Variabel Indikator Definisi Indikator Pertanyaan Sumber

Kode Nama Indikator

Performance

Expectancy

(Harapan

Kinerja)

Performance

Expectancy

didefinisikan sebagai

tingkat dimana

pengguna yakin akan

mendapatkan

keuntungan dan dapat

terbantu dalam

pekerjaannya apabila

menggunakan aplikasi

Mobile JKN

PE1 Efisien Tingkat keefisienan

dalam menggunakan

sistem

Aplikasi menghemat waktu dan usaha

saya dalam mendapatkan layanan

JKN

(Venkatesh et al.,

2003); (Sharma et al.,

2018); (Cheng et al.,

2009); (Chan et al.,

2010)

PE2 Kemudahan Kemudahan dalam

menggunakan sistem

Aplikasi memungkinkan saya untuk

mendapatkan layanan yang lebih

cepat

PE3 Manfaat Manfaat dalam

menggunakan sistem

Aplikasi bermanfaat dalam

mengakses layanan JKN

PE4 Produktivitas Tingkat

Produktivitas dalam

menggunakan sistem

Aplikasi meningkatkan produktivitas

layanan JKN

Effort

Expectancy

(Harapan

Usaha)

Effort Expectancy


tingkat kemudahan

pengguna dengan

mempelajari dan


Mobile JKN

EE1 Mudah dipahami Tingkat pemahaman

dalam menggunakan

sistem

Aplikasi mudah dimengerti dalam

pengguaannya

(Venkatesh et al.,




2010) EE2 Terampil Menjadi terampil

atau bisa

menggunakan sistem

Aplikasi tidak membutuhkan

keterampilan khusus dalam

penggunaannya

EE3 Mudah

Digunakan

Tingkat kemudahan

dalam menggunakan

sistem

Aplikasi mudah digunakan

EE4 Mudah

Dipelajari

Tingkat kemudahan

dalam mempelajari

sistem

Aplikasi mudah dipelajari

68

Social Influence

Social Influence didefinisikan sebagai

sejauh mana seseorang

individual

mempersepsikan

kepentingan yang

dipercaya oleh orang-

orang lain yang akan

mempengaruhinya

menggunakan sistem

baru

SI1 Pengaruh dari penyedia

Tingkat pengaruh dari penyedia sistem

untuk menggunakan

sistem

Saya menggunakan aplikasi karena pengaruh pihak BPJS

(Venkatesh et al., 2003); (Sharma et al.,



2010)

SI2 Dukungan dari

penyedia

Tingkat penyedia

dalam mendukung

penggunaan sistem

Saya menggunakan aplikasi dengan

dukungan dari penyedia (BPJS)

SI3 Pengaruh dari

Social Media

Tingkat sosial media

dalam

mempengaruhi

menggunakan sistem

Saya menggunakan aplikasi karena

pengaruh sosial media atau media

massa

Facilitating

Condition

Facilitating Condition


sejauh mana pengguna

percaya pada

infratruktur

organisasional dan

teknikan yang teredia

untuk mendukung

aplikasi Mobile JKN

FC1 Ketersediaan

Sumber Daya

Pengguna

mempunyai sumber

daya (jaringan dan

kemampuan) untuk

menggunakan sistem

Saya memiliki sumber daya yang

diperlukan untuk menggunakan

aplikasi

(Venkatesh et al.,




2010)

FC2 Memiliki

Pengetahuan

Tingkat pengetahuan

pengguna dalam

menggunakan sistem

Saya memiliki pengetahuan yang

diperlukan untuk menggunakan

aplikasi

FC3 Ketersediaan

Petunjuk Teknis

Adanya petunjuk

teknis dalam

menggunakan sistem

Saya menggunakan aplikasi sesuai

dengan petunjuk teknis yang

disediakan

FC4 Ketersediaan

Bantuan

Adanya bantuan dari

orang lain atau pihak

penyedia dalam

menggunakan sistem

Saya menggunakan aplikasi dengan

bantuan pihak BPJS dan orang lain

Trust Trust didefinisikan

sebagai harapan

pengguna bahwa

TRU1 Kepercayaan Tingkat kepercayaan

pengguna terhadap

sistem

Saya percaya layanan pada aplikasi (Sharma et al., 2018);

(Zhou, 2012)

69

penyedia jasa dapat dipercaya atau dapat

diandalkan dalam

memenuhi janjinya

TRU2 Menyediakan Layanan

Tingkat baik atau tidaknya layanan

pada sistem

Saya percaya aplikasi memberikan layanan yang baik

TRU3 Keaslian

Layanan

Tingkat asli atau

tidaknya layanan

pada sistem

Saya percaya aplikasi memberikan

layanan yang asli

TRU4 Kemanan

pengguna

Tingkat keamanan

pengguna dalam

sistem

Saya percaya aplikasi melindungi

privasi pengguna dengan baik

Satisfaction Satisfaction


harapan dan pengalam

pengguna


Mobile JKN

SAT1 Memenuhi

Kebutuhan

Tingkat sudah atau

belumnya pengguna

untuk memenuhi

kebutuhan pada

layanan di sistem

Saya dapat memenuhi kebutuhan

dengan menggunakan aplikasi

(Cheng et al., 2009);

(C.-Y. Lee et al.,

2015)

SAT2 Kepuasan dalam

Pemakaian

Tingkat kepuasan

pengguna setelah

menggunakan sistem

Saya merasa puas setelah


SAT3 Kepuasan

kepada Penyedia

Tingkat kepuasan

pengguna kepada

penyedia sistem

Saya merasa puas dengan Pihak BPJS

untuk menyediakan aplikasi

SAT4 Harapan Sesuainya harapan

pengguna pada

sistem

Saya mendapatkan layanan sesuai

dengan harapan

SAT5 Kepuasan dalam

Sistem

Kepuasan pengguna

terhadap

keseluruhan sistem

Saya merasa puas dengan layanan

aplikasi

Behavioral

Intention



ukuran kekuatan niat

pengguna untuk

BI1 Berniat

Menggunakan

Adanya niat

pengguna

menggunakan sistem

Saya berniat untuk terus

menggunakan aplikasi kedepannya

(Venkatesh et al.,


2018)

BI2 Berusaha

Menggunakan

Adanya usaha untuk

menggunakan sistem

Saya akan selalu mencoba untuk


70

melakukan perilaku tertentu

BI3 Berencana Menggunakan

Adanya rencana pengguna untuk

menggunakan sistem

Saya berencana untuk menggunakan aplikasi dibulan depan

BI4 Rekomendasi

Penggunaan

Adanya rekomendasi

penggunaan sistem

kepada orang lain

Saya merekomendasikan penggunaan

aplikasi kepada orang lain

Use

Behavior

Use Behavior


mengukur pengalaman

dalam menggunakan

aplikasi Mobile JKN

UB1 Penggunaan Pengguna

menggunakan sistem

Saya sering menggunakan aplikasi (Venkatesh et al.,

2003)

UB2 Perilaku Adanya rasa senang

menggunakan sistem

Saya senang menggunakan aplikasi

UB3 Pengaruh Adanya pengaruh

menggunakan sistem

Saya selalu menggunakan aplikasi

2.17 Penelitian Sejenis

Tabel 2. 5 Penelitian Sejenis

No. Peneliti Judul Model Tools Hasil

1. Sujeet Kumar Sharma, Ali

Al-Badi, Nripendra P.

Rana, dan Laila Al-Azizi

(2018)

Mobile Applications in

Government Services

(mG-App) from User’s

Perspective: A Predictive

Modelling Approach

UTAUT AMOS Dalam Penelitian ini, menghasilkan bahwa faktor-faktor seperti

harapan kinerja, harapan usaha, kondisi fasilitasi, kepercayaan,

dan kualitas informasi telah secara positif mempengaruhi niat

perilaku. Faktor-faktor ini sangat mempengaruhi keputusan untuk

menggunakan mG-App. Tetapi pada penelitian ini menunjukkan

bahwa Social Influence tidak mempengaruhi niat perilaku.

2. Norbayah Mohd Suki,

Norazah Mohd Suki

(2017)

Determining students

behavioural intention to

use animation and

storytelling applying the

UTAUT SmartPLS

Dalam penelitian ini, menghasilkan Performance Expectancy dan

Facilitating Condition berpengaruh signifikan terhadap niat

perilaku. Sedangkan Effort Expectancy dan Social Influence tidak

berpengaruh terhadap niat perilaku.

71

UTAUT model: the moderating roles of

gender and experience

level

3. Fran K.Y. Chan, James

Y.L Thong, Viswanath

Venkatesh, Susan A.

Brown, Paul Jen-Hwa Hu,

Kar Yan Tam (2010)

Modeling Citizen

Satisfaction with

Mandatory Adoption of

an E-Government

Technology

UTAUT SmartPLS Penelitian ini menghasilkan bahwa performance exectancy, Effort

Expectancy, dan Facilitating Condition mempunyai efek langsung

kepada kepuasan pengguna dalam menggunakan kartu pintar

teknologi e-government. Namun, untuk Social Influence tidak

memiliki efek langsung terhadap kepuasan pengguna.

4. Ricardo de Sma Abrahao,

Stella Naomi Moriguchi,

Darly Fernando Anrade

(2016)

Intention of Adoption of

Mobile Payment: An

Analysis in the light of

the Unified Theory of

Acceptance and Use of

Technology (UTAUT)

UTAUT SmartPLS Penelitian ini menghasilkan bahwa Performance Expectancy,

Effort Expectancy, Social Influence memiliki hubungan yang

positif terhadap Behavioral Intention mobile payment. Tetapi

perceived cost tidak memiliki hubungan positif terhadap

Behavioral Intention.

5. Laddawan Kaewkitipong,

Charlie C. Chen, Peter

Ractham (2016)

Using Social Media to

Enrich Information

Systems Field Trip

Experiences: Studemts’

Satisfaction and

Continuance Intentions

UTAUT SmartPLS Pada penelitian ini menghasilkan bahwa Trust memiliki pengaruh

yang positif kepada Satisfaction, begitu pula dengan Effort

Expectancy yang mempunyai pengaruh rendah terhadap kepada

Satisfaction. Untuk Social Influence mempunyai pengaruh yang

positif terhadap Satisfaction.

6. Janaeya Revels, Dewi

Tojib, Yelena Tsarenko

(2010)

Understanding Consumer

Intention to Use Mobile

Services

TAM AMOS Dalam penelitian ini menghasilkan bahwa perceived usefuless,

perceived ease of use, perceived enjoyment, perceived cost

mempunyai pengaruh signifikan terhadap Satisfaction sedangkan

perceived image tidak memiliki pengaruh signifikan terhadap

Satisfaction. Kemudian Satisfaction berpengaruh signifikan

terhadap usage intention.

7. Chen-Ying Lee, Chih-

Hsuan Tsao, Wan-Chuan

Chang (2015)

The relationship between

attitude toward using and

customer Satisfaction

with mobile application

services

TAM SPSS Dalam penelitian ini menghasilkan bahwa perceived usefulness,

perceived ease of use, perceived playfulness, compatibility

positively mempunyai pengaruh positif terhadap attitude toward

using. Untuk perceived usefulness, perceived ease of use, dan

72

attitude toward using mempunyai pengaruh yang positif terhadap astisfaction.

8. Dong Cheng, Gang Liu,

Cheng Qian, Yuan-Fang

Song (2009)

User Acceptance of

Internet Banking: an

Extension of the UTAUT

Model With Trut and

Quality Constructs

UTAUT LISREL Dalam penelitian ini menghasilkan bahwa Performance

Expectancy, Satisfaction, dan Social Influence mempunyai

pengaruh terhadap Behavioral Intention untuk menggunakan

internet banking. Namun pada penelitian ini, Effort Expectancy

tidak mempunyai pengaruh signifikan terhadap Behavioral

Intention.

9. Ting Gao dan Yanhong

Deng (2012)

A Study on User’s

Acceptance Behavior to

Mobile E-books

Application Based on

UTAUT Model

UTAUT AMOS Pada penelitian ini menghasilkan bahwa Performance Expectancy

dan Effort Expectancy mempunyai pengaruh signifikan positif

terhadap Behavioral Intention. Namun pada Social Influence,

perceived cost, dan Facilitating Condition tidak mempunyai

pengaruh terhadap Use Behavior. Untuk Behavioral Intention

memiliki pengaruh signifikan terhadap Use Behavior.

10. Princely Ifinedo (2012) Technology Acceptance

by Health Professionals

in Canada: An Analysis

with a Modified UTAUT

Model

UTAUT SmartPLS Pada penelitian ini menghasilkan bahwa Effort Expectancy dan

Social Influence mempunyai pengaruh terhadap Behavioral

Intention. namun untuk Performance Expectancy tidak

mempunyai pengaruh positif terhadap Behavioral Intention. untuk

Facilitating Condition mempunyai pengaruh terhadap Use

Behavior. Kemudian Behavioral Intention memiliki pengaruh

terhadap Use Behavioral.

73

BAB III

METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian

Penelitian ini secara umum dilakukan dengan pendekatan kuantitatif

sesuai tujuannya yaitu mengetahui status penerimaan pengguna terhadap

aplikasi Mobile JKN berdasarkan persepsi peserta BPJS yang menggunakan

aplikasi Mobile JKN dan mengetahui faktor-faktor yang mempengaruhi

penerimaan pengguna terhadap aplikasi Mobile JKN.

Berdasarkan pendekatan yang telah ditentukan, tahapan-tahapan yang

dilakukan pada penelitian ini menerapkan metode, teknik, dan alat secara

kuantitatif seperti ditunjukan oleh prosedur penelitian. Sebagai contoh teknik

pengumpulan data dilakukan dengan cara survei dengan instrumen kuesioner,

kemudian menganalisis data yang dilakukan secara statistik dengan perangkat

lunak yaitu AMOS 24.

3.2 Prosedur Penelitian

Prosedur pada penelitian ini dilakukan secara berurutan seperti gambar 3.1

yang meliputi : pengajuan masalah, kajian pustaka, pengembangan model,

perancangan penelitian, pembuatan instrumen, pengumpulan data, analisis

data, interpretasi data, dan pembuatan laporan. Prosedur penelitian ini

mengadopsi oleh penelitian Subiyakto et al. (2015).

74

3.3 Populasi dan Sampel Penelitian

Populasi dalam penelitian ini adalah Peserta BPJS yang sudah

menggunakan Mobile JKN yang berdomisili di JABODETABEK (Jakarta,

Gambar 3. 1 Prosedur Penelitian (Subiyakto et al 2015)

75

Bogor, Depok, Tangerang, dan Bekasi). Berdasarkan data yang diperoleh dari

bagian komunikasi publik dari pada bulan Januari 2019 sebanyak 1.027.233

peserta BPJS yang sudah menggunakan aplikasi Mobile JKN.

Penelitian ini melakukan pengambilan sampel dengan menggunakan

teknik multi-stage purposive sampling yang terdiri dari tahap pertama

purposive sampling dan tahap kedua dengan accidental sampling. Tahap

pertama melakukan purposive sampling yang dilakukan untuk memilih yang

memiliki pengalaman dalam menggunakan sistem. Selanjutnya tahap kedua

yaitu menggunakan teknik accidental sampling dengan memilih anggota

sampel yang respondennya yang kebetulan ada atau tanpa perancanaan saat

bertemu.

Menurut Hair et al. (2010), sampel yang diperlukan dalam SEM

(Structural Equation Model) berkisar antara 100 sampai 200 sampel. Dengan

mempertimbangkan jumlah populasi yang banyak, keterbatasan waktu dan

biaya, sejumlah 318 orang pengguna sistem menjadi sampel dalam penelitian

ini. Sehingga dapat dikatakan 318 orang sampel sudah cukup mewakili

populasi yang ada. Menurut Hair et al. (2010) tergantung pada jumlah

indikator yang digunakan dalam seluruh variabel laten. Jumlah sampel adalah

jumlah indikator dikali 5. Pada penelitian ini menggunakan 31 estimated

parameter (indikator). Jumlah sampel dalam penelitian ini adalah :

Sampel = Jumlah Indikator x 5

= 31 x 5

= 155 sampel

76

Sehingga dapat dikatakan 318 pengguna sistem ini sudah menjadi sampel

yang cukup pada penelitian ini.

3.4 Instrumen Penelitian

Instrumen dalam penelitian ini adalah kuesioner yang terdiri dari dua

bagian. Bagian pertama berupa surat permohanan dari peneliti untuk pengisian

kuesioner. Selanjutnya bagian kedua merupakan pertanyaan yang terdiri dari 7

profil responden, pertanyaan tentang Mobile JKN, dan 31 pertanyaan

pengujian. Pertanyaan pengujian terdiri dari kelompok yang mewakili setiap

variabel terdapat 8 Kelompok terdiri dari 4 pertanyaan Performance

Expectancy, 4 pertanyaan Effort Expectancy, 3 pertanyaan Social Influence, 4

pertanyaan Facilitating Condition, 4 pertanyaan Trust, 5 pertanyaan

Satisfaction, 4 pertanyaan Behavioral Iintention, dan 3 Pertanyaan Use

Behavior.

Berikut daftar indikator dan pertanyaan pengujian

Tabel 3. 1 Daftar Indikator dan Pertanyaan pengujian

Variabel Indikator Pertanyaan Kode

Performance

Expectancy

Efisien Aplikasi menghemat waktu

dan usaha saya dalam

mendapatkan layanan JKN

PE1

Kemudahan Aplikasi memungkinkan

saya untuk mendapatkan

layanan yang lebih cepat

PE2

77

Manfaat Aplikasi bermanfaat dalam

mengakses layanan JKN

PE3

Produktivitas Aplikasi meningkatkan

produktivitas layanan JKN

PE4

Effort

Expectancy

Mudah dipahami Aplikasi mudah dimengerti

dalam pengguaannya

EE1

Terampil Aplikasi tidak

membutuhkan keterampilan

khusus dalam

penggunaannya

EE2

Mudah

Digunakan

Aplikasi mudah digunakan EE3

Mudah

Dipelajari

Aplikasi mudah dipelajari EE4

Social

Influence

Pengaruh dari

penyedia

Saya menggunakan aplikasi

karena pengaruh pihak

BPJS

SI1

Dukungan dari

penyedia


dengan dukungan dari

penyedia (BPJS)

SI2

Pengaruh dari

Social Media


karena pengaruh sosial

media atau media massa

SI3

Facilitating

Condition

Ketersediaan

Sumber Daya

Saya memiliki sumber daya

yang diperlukan untuk


FC1

Memiliki

Pengetahuan

Saya memiliki pengetahuan

yang diperlukan untuk


FC2

78

Ketersediaan

Petunjuk Teknis


sesuai dengan petunjuk

teknis yang disediakan

FC3

Ketersediaan

Bantuan


dengan bantuan pihak BPJS

dan orang lain

FC4

Trust Kepercayaan Saya percaya layanan pada

aplikasi

TRU1

Menyediakan

Layanan

Saya percaya aplikasi

memberikan layanan yang

baik

TRU2

Keaslian

Layanan


memberikan layanan yang

asli

TRU3

Kemanan

pengguna


melindungi privasi

pengguna dengan baik

TRU4

Satisfaction Memenuhi

Kebutuhan

Saya dapat memenuhi

kebutuhan dengan


SAT1

Kepuasan dalam

Pemakaian

Saya merasa puas setelah


SAT2

Kepuasan

kepada Penyedia

Saya merasa puas dengan

Pihak BPJS untuk

menyediakan aplikasi

SAT3

Harapan Saya mendapatkan layanan

sesuai dengan harapan

SAT4

Kepuasan dalam

Sistem

Saya merasa puas dengan

layanan aplikasi

SAT5

79

Behavioral

Intention

Berniat

Menggunakan

Saya berniat untuk terus


kedepannya

BI1

Berusaha

Menggunakan

Saya akan selalu mencoba

untuk menggunakan

aplikasi

BI2

Berencana

Menggunakan

Saya berencana untuk


dibulan depan

BI3

Rekomendasi

Penggunaan

Saya merekomendasikan

penggunaan aplikasi kepada

orang lain

BI4

Use

Behavior

Penggunaan Saya sering menggunakan

aplikasi

UB1

Perilaku Saya senang menggunakan

aplikasi

UB2

Pengaruh Saya selalu menggunakan

aplikasi

UB3

Pada penelitian ini, peneliti menggunakan lima poin skala likert (Suryani

& Hendryadi, 2016). Dalam skala likert ini menggunakan lima alternatif

jawaban untuk setiap pertanyaan yaitu :

Poin 1 : Sangat Tidak Setuju

Poin 2 : Tidak Setuju

Poin 3 : Netral

Poin 4 : Setuju

Poin 5 : Sangat Setuju

80

Penelitian ini melakukan pengujian awal yaitu pretest. Tujuan dilakukan

pretest untuk mengidentifikasi dan mengatasi masalah yang mungkin dapat

timbul dalam pengolahan data sehingga kuesioner yang akan digunakan dalam

penelitian merupakan kuesioner yang lebih baik dan bebas error. Proses

evaluasi ini menguji validitas dan reliabilitas pada kuesioner. Hasil dari

evaluasi tersebut yaitu terdapat satu indikator yang dihapus yaitu Pengaruh dari

Orang terdekat karena tidak reliabel. Sehingga instrumen yang akan disebar

sebanya 31 instrumen kuesioner.

3.5 Pengumpulan dan Pemrosesan Data

a Wawancara

Peneliti melakukan wawancara dengan Ibu Upik Handayani Selaku

Deputi Bidang Pengendalian Mutu Pelayanan BPJS Kesehatan. Kegiatan

wawancara dilakukan pada tanggal 27 Februari 2018. Dari wawancara

yang dilakukan dapat mengetahui latar belakang dari aplikasi Mobile JKN.

Untuk melihat hasil wawancara secara keseluruhan, dapat dilihat pada

lampiran.

b Kuesioner

Proses pengumpulan data yang dilakukan pada penelitian ini dengan

menyebarkan kuesioner secara langsung dan tidak langsung kepada

responden. Teknik gabungan ini yang dilakukan dengan memberikan

informasi yang dalam dan luas, tingkat respon dari responden, kualitas

data, dan efisiensi dan efektifitas dalam pengumpulan data (Subiyakto et

81

al., 2016). Peneliti melakukan penyebaran kuesioner secara langsung di

Kantor BPJS Kesehatan Cabang Jakarta Selatan, BPJS Kesehatan Cabang

Depok, dan Rumah Sakit Jantung Harapan Kita. Kemudian untuk

penyebaran tidak langsung dilakukan dengan menyebarkan link kusioner

dengan google form melalui media sosial. Penyebaran kuesioner dilakukan

mulai tanggal 23 Maret 2019 sampai dengan 23 April 2019 untuk

mencapai jumlah sampel yang telah ditargetkan.

Pada pengumpulan data melalui kuesioner ini terlebih dahulu

dilakukan klasifikasi menggunakan perangkat lunak pengloah angka Ms.

Excel 2013. Dari hasil pengumpulan data kuesioner terdapat 318 data

kuesioner yang terkumpul diantaranya 58 responden penyebaran langsung

dan 260 responden penyebaran tidak langsung. Berdasarkan data

kuesioner yang terkumpul dikatakan valid karena tidak terdapat data

kuesioner ganda.

Tabel 3. 2 Data Kuesioner yang terkumpul

Metode Penyebaran Jumlah

Penyebaran Secara Langsung 58

Penyebaran Secara tidak langsung

langsung

260

Total 318

3.6 Analisa Data dan Interpretasi Hasilnya

Pada penelitian ini dilakukan tahapan-tahapan analisis. Pertama, peneliti

melakukan analisis data demografis dengan menggunakan perangkat lunak

pengolah angka Ms. Excel 2013 dan SPSS 24. Data responden dikelompokkan

82

berdasarkan jenis kelamin, Domisili BPJS, Usia, Pendidikan terakhir, Pekerjaan,

peran sistem, dan status penerimaan pengguna.

Kedua, peneliti melakukan analisis statistik menggunakan AMOS versi 24.

Peneliti melakukan analisis dengan tahap-tahap yaitu pengembangan model

teoritis, menentukan variabel, path diagram, analisis pengukuran model,

menetapkan model struktural, analisis model struktural, dan interpretasi dan

diskusi hasil (F. Hair et al., 2014; Hair et al., 2010).

Pada interpretasi hasil, peneliti mendiskusikan hasil analisis demografis

dengan kondisi lapangan yang berjalan dan juga menerjemahkan hasil analisis

model secara statistik kuantitatif dengan membandingkan dan

mempertimbangkan sejumlah literatur terkait sebelumnya. Sebelumnya, hasil

analisis dan interpretasi tersebut secara lengkap akan dijelaskan pada Bab IV.

83

BAB IV

HASIL ANALISIS DAN INTERPRETASI

4.1 Hasil Analisis

4.1.1 Analisis Hasil Data Wawancara

Pada penelitian ini melakukan wawancara untuk mengumpulkan

data dengan mewawancarai pihak BPJS Kesehatan. Peneliti melakukan

wawancara dengan Ibu Upik Handayani Selaku Deputi Bidang

Pengendalian Mutu Pelayanan BPJS Kesehatan pada tanggal 27 Februari

2018.

Aplikasi Mobile JKN dirancang untuk memberikan pelayanan

kepada peserta BPJS Kesehatan melalui smartphone sehingga peserta

BPJS Kesehatan tidak perlu lagi untuk datang ke kantor BPJS cabang

terdekat untuk mendapatkan layanan. Tujuan adanya aplikasi Mobile JKN

yaitu untuk meningkatkan kepuasan, menyederhanakan proses,

kemudahan dan kecepatan dalam mendapatkan pelayanan.

Keuntungan adanya Mobile JKN yairtu mendapatkan kebutuhan

pelayanan seperti pendaftaran, perubahan data, kemudahan dalam

menyampaikan pengaduan, mendapatkan informasi yang dapat diakses

melalui aplikasi Mobile JKN sehingga peserta BPJS Kesehatan tidak perlu

datang ke kantor cabang BPJS Kesehatan.

84

BPJS Kesehatan memberikan layanan melalui smartphone atau

sistem yang sudah berbentuk aplikasi sehinggan tidak perlu datang ke

kantor cabang sehingga dapat membantu peserta dalam mendapatkan

layanan. BPJS Kesehatan memiliki persepsi mengurus data dan

mendapatkan pelayanan lama dan mengantri di kantor cabang sehingga

BPJS Kesehatan memberikan inovasi yaitu aplikasi Mobile JKN.

Keluhan pengguna selama menggunakan aplikasi Mobile JKN yaitu

pada saat resgistrasi, pengguna Mobil JKN mengalami ketidak sesuaian

data yang diinput oleh pengguna Mobile JKN dengan data yang sudah ada

di BPJS Kesehatan. Kemudian perubahan data yan berupa administrasi

tidak semuanya bisa diubah di aplikasi Mobile JKN sehingga peserta perlu

datang ke kantor cabang BPJS Kesehatan terdekat.

Selama pengimplementasian Mobile JKN, aplikasi Mobiel JKN

mengalami kendala-kendala terutama untuk segmentasi sasaran. Jika

akssibilitas jaringan internet yang terbatas, maka peserta BPJS sulit untuk

menggunakan Mobile JKN. kemudian fitur-fitur pada palikasi Mobile JKN

yang masih mengalami kekurangan seperti pada perubahan data dari sisi

administrasi maish banyak yang harus dilakukan di kantor cabang BPJS

Kesehatan terdeka karena kebijakan dan regulasi dari BPJS Kesehatan.

Untuk pengembangan aplikasi Mobile JKN, BPJS Kesehatan belum

pernah mengevaluasi aplikasi Mobile JKN dari segi penerimaan pengguna

aplikasi Mobile JKN.

85

4.1.2 Analisis Data Tes Awal (Pretest)

Pertama dilakukan data tes awal (pretest) yang dilakukan kepada 30

responden. Pengolahan data pretest ini menggunakan SPSS 24.

a Hasil Analisis Demografi Pretest

Pada tahap ini menampilkan informasi demografis mengnai

karakteistik 30 responden pada pretest. Hasil menunjukkan bahwa

responden didominasi oleh responden perempuan (67%). Kemudian

responden yang berdomisili Jakarta (36%) dan didominasi responden

bekerja sebagai karyawan swasta (30%). Selain itu, hasil ini juga

menunjukkan bahwa sebanyak 50% responden menerima adanya


Tabel 4. 1 Hasil Analisis Demografis Pretest

Kategori Item %

Jenis Kelamin Perempuan 67

Laki-laki 33

Domisili BPJS Jakarta 36

Bogor 3

Depok 27

Tangerang 17

Bekasi 17

Usia 20-30 Tahun 50

31-40 Tahun 20

41-50 Tahun 23

51-60 Tahun 7

Pendidikan

Terakhir

SLTA 40

Diploma 17

S1 40

S2 3

S3 0

Pekerjaan Pelajar/Mahasiswa 27

PNS/TNI/POLRI 3

Karyawan Swasta 30

Wiraswasta 23

86

Lainnya 17

Peran Sistem Sangat Membantu 37

Membantu 50

Tidak Tahu 13

Tidak Membantu 0

Sangat Tidak Membantu 0

Pengguna Status

Penerimaan

Sangat Menerima 30

Menerima 50

Tidak Tahu 17

Tidak Menerima 0

Sangat Tidak Menerima 0

b Hasil Analisis pengukuran Model Pretest

Analisis pengukuran model dilakukan melalui dua tahap pengujian

yaitu uji validitas dan uji reliabilitas. Pada uji validitas ini, dengan n=30

maka nilai r tabel adalah 0,3610. Adapun nilai r tabel di dapat dari degree

of freedom (df) = n-2, dalam hal ini n adalah jumlah sampel. Pada

penelitian ini jumlah sampe adalah 30 dan besarnya df dapat dihitung :

(df) = n – 2

= 30 – 2

= 28

Selanjutnya dengan df = 28 pada tingkat signifikan 0,05 maka r tabel

adalah 0,3610. Hasilnya dapat dilihat pada tabel 5 sampai dengan tabel.

Tabel 4. 2 Hasil Uji Validitas Pretest

Indikator Pearson

Correlation

rtabel 5%

(df=28)

Sig.(2-tiled) Keterangan

PE1 0,779 0,3610 0,000 Valid

PE2 0,874 0,3610 0,000 Valid

87

PE3 0,731 0,3610 0,000 Valid

PE4 0,905 0,3610 0,000 Valid

EE1 0,849 0,3610 0,000 Valid

EE2 0,893 0,3610 0,000 Valid

EE3 0,924 0,3610 0,000 Valid

EE4 0,946 0,3610 0,000 Valid

SI1 0,582 0,3610 0,000 Valid

SI2 0,692 0,3610 0,000 Valid

SI3 0,672 0,3610 0,000 Valid

SI4 0,704 0,3610 0,000 Valid

FC1 0,807 0,3610 0,000 Valid

FC2 0,690 0,3610 0,000 Valid

FC3 0,844 0,3610 0,000 Valid

FC4 0,690 0,3610 0,000 Valid

TRU1 0,939 0,3610 0,000 Valid

TRU2 0,886 0,3610 0,000 Valid

TRU3 0,936 0,3610 0,000 Valid

TRU4 0,909 0,3610 0,000 Valid

SAT1 0,899 0,3610 0,000 Valid

SAT2 0,933 0,3610 0,000 Valid

SAT3 0,903 0,3610 0,000 Valid

SAT4 0,852 0,3610 0,000 Valid

SAT5 0,925 0,3610 0,000 Valid

BI1 0,873 0,3610 0,000 Valid

BI2 0,905 0,3610 0,000 Valid

BI3 0,834 0,3610 0,000 Valid

BI4 0,835 0,3610 0,000 Valid

88

UB1 0,907 0,3610 0,000 Valid

UB2 0,820 0,3610 0,000 Valid

UB3 0,943 0,3610 0,000 Valid

Tabel diatas menunjukkan bahwa seluruh variabel Performance

Expectancy, Effort Expectancy, Social Influence, Facilitating Condition, Trust,

Satisfaction, Behavior Intention, dan Use Behavior tersebut valid karena nilai r

hitung > r tabel yaitu 0,3610 pada taraf kesalahan 5%. Pada Sig.(2-tiled) memiliki

korelasi yang signifikan < 0,05 = valid.

Pada uji reliabilitas ini dilakukan pengujian instrumen pertanyaan yang

menunjukkan hasil yang konsisten atau stabil dari waktu ke waktu. Dilakukan

pengukuran dengan menghitung Cronbach’s Alpha untuk setiap variabel yang

diukur dari penelitian ini menunjukkan hasil sebagai berikut :

Tabel 4. 3 Hasil Uji Reliabilitas Pretest

Variabel Jumlah Item

Pertanyaan

Cronbach’s

Alpha

Keterangan

Performance Expectance (PE) 4 0,829 Reliabel

Effort Expectancy (EE) 4 0,924 Reliabel

Social Influence (SI) 4 0,529 Tidak Reliabel

Facilitating Condition (FC) 4 0,742 Reliabel

Trust (TRU) 4 0,937 Reliabel

Satisfaction (SAT) 5 0,940 Reliabel

Behavior Intention (BI) 4 0,884 Reliabel

Use Behavior (UB) 3 0,863 Reliabel

Berdasarkan hasil perhitungan analisis SPSS pada tabel VI, terdapat 7

variabel yang memiliki nilai Cronbach’s Alpha lebih besar dari standar yang

89

ditentukan yaitu 0,70 sehingga dapat dikatakan bahwa 7 variabel tersebut

merupakan instrumen yang reliabilitas. Tetapi terdapat 1 variabel yang

memiliki niai cronbach’s Alpha dibawah nilai standar. Sehingga variabel Social

Influence tersebut tidak reliabel. Sebelum itu, dapat dilihat indikator dari Social

Influence di dalam tabel item-Total Statistics.

Tabel 4. 4 Hasil Uji Reliabilitas Variabel Social Iinfluence Pretest

Indikator Corrected Item-Total

Correlation

Cronbach’s Alpha if item

Deleted

SI1 0,232 0,593

SI2 0,383 0,471

SI3 0,423 0,452

SI4 0,391 0,464

Untuk menghilangkan salah satu dari indikator dalam variabel Social

Influence yaitu dengan melihat indikator yang memiliki nilai Cronbach’s Alpha

If Item Deleted yang terbesar. Menurut Field (2013) Cronbach’s Alpha if item

deleted memberi tahu apakah item yang dihapus akan meningkatkan reliabilitas

dengan menghapus item yang memiliki nilai lebih besar dari reliabilitas

keseluruhan. Sehingga untuk indikator SI1 dihilangkan karena memiliki nilai

Cronbach’s Aplha If Item Deleted yang terbesar. Dalam uji validitas semua

variabel dikatakan valid tetapi dalam uji reliabilitas terdapat variabel Social

Influence yang memiliki indikator yang tidak reliabel. Indikator tersebut adalah

indikator SI1 yaitu pengaruh terhadap orang terdekat.

90

Pada penelitian (Chan et al. (2010); Cheng et al. (2009); Sharma et al.

(2018)) menunjukkan bahwa SI1 adalah item yang valid dan reliabel namun

sebaliknya, pada penelitian ini item tersebut tidak reliabel. Dalam pertimbangan

juga pada indikator SI1 dan SI2 terdapat makna sama dan pertanyaan yang

berbeda sehingga responden tidak konsisten dalam menjawab pertanyaan

tersebut. Hal ini dapat mendukung bahwa indikator SI1 untuk dihilangkan

karena memiliki Cronbach’s Alpha If item deleted yang terbesar dan memiliki

pertanyaan yang tidak konsisten. Dengan adanya pretest pada penelitian ini,

maka dihilangkan indikator SI1 yaitu pengaruh dari orang terdekat.

Tabel 4. 5 Indikator Variabel Social Influence Pretest

Setelah dilakukannya pretest yang menghasilkan penghapusan indikator

pada Social Influence yaitu pengaruh dari orang terdekat, maka pada penelitian

ini untuk variabel Social Influence menggunakan tiga indikator.

Kode Nama Indikator Definisi

SI1 Pengaruh dari orang

terdekat

Tingkat pengaruh dari orang terdekat

(teman atau keluarga) untuk

menggunakan sistem

SI2 Pengaruh dari

penyedia


untuk menggunakan sistem

SI3 Dukungan dari

penyedia

Tingkat penyedia dalam mendukung

penggunaan sistem

SI4 Pengaruh dari social

media

Tingkat sosial media dalam

mempengaruhi menggunakan sistem

91

Tabel 4. 6 Indikator Variabel Social Influence Penelitian

Kode Nama Indikator Definisi

SI1 Pengaruh dari

penyedia


untuk menggunakan sistem

SI2 Dukungan dari

penyedia

Tingkat penyedia dalam mendukung

penggunaan sistem

SI3 Pengaruh dari Social

Media

Tingkat sosial media dalam

mempengaruhi menggunakan sistem

4.1.3 Analisis Demografis

Pada tahapan analisis ini, dilakukan analisis jawaban responden

terhadap pertanyaan yang sudah diberikan khususnya pada bagian profil

responden dan Mobile JKN dalam kuesioner. Tujuannya yaitu

menampilkan data karakteristik responden terdiri dari jenis kelamin,

domisili BPJS, usia, pendidikan terakhir, pekerjaan, serta peran sistem dan

status penerimaan pengguna terhadap aplikasi Mobile JKN. Data responden

yang sudah diperoleh peneliti dalam waktu 31 hari (23 Maret 2018 sampai

23 April 2018) adalah sebanyak 318 responden. Berikut merupakan hasil

analisisnya.

a. Jenis Kelamin

Berdasarkan gambar 4.1 menunjukkan bahwa dari 318 responden yang

didapatkan pada penelitian ini, sebagian besar didominasi oleh

responden yang berjenis kelamin perempuan yaitu sebanyak 193 orang

(61%) dan sisanya laki-laki sebanyak 125 orang (39%).

92

Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden

b. Domisili BPJS

Berdasarkan gambar 4.2 menunjukkan bahwa dari 318 reponden pada

penelitian ini, sebagian besar didominasi oleh responden yang

berdomisili di Jakarta yaitu sebanyak 128 orang (40%) sedangkan yang

lainnya yaitu responden berdomisili Bogor sebanyak 19 orang (6%),

responden berdomisili Depok sebanyak 63 orang (20%), responden

berdomisili Tangerang sebanyak 75 orang (24%), dan responden

berdomisili Bekasi sebanyak 33 orang (10%).

39%

61%

JENIS KELAMIN

Laki-laki

Perempuan

93

Gambar 4. 2 Diagram Lingkaran Domisili BPJS Responden

c. Usia

Berdasarkan gambar 4.3 diketahui bahwa responden yang dominan

berusia 20-30 Tahun sebanyak 235 orang (74%) selanjutnya berusia 31-

40 tahun sebanyak 41 orang (13%). Untuk responden yang berusia 41-

50 tahun sebanyak 33 orang (10%). Pada penelitian ini, responden yang

paling sedikit dari usia 51-60 Tahun sebanyak 9 orang (3%).

40%

6%20%

24%

10%

DOMISILI BPJS

Jakarta

Bogor

Depok

Tangerang

Bekasi

94

Gambar 4. 3 Diagram Lingkaran Usia Responden

d. Pendidikan Terakhir

Berdasarkan gambar 4.4 ditunjukkan bahwa dominan responden yang

memiliki pendidikan terakhir S1 sebanyak 142 orang (45%).

Sedangkan untuk responden yang memiliki pendidikan terakhir SLTA

sebanyak 125 orang (39%). Selain itu responden yang memiliki

pendidikan terakhir yaitu Diploma sebanyak 40 orang (13%). Untuk

pendidikan terakhir S2 sebanyak 10 orang (3%). Pada penelitian ini,

responden yang memiliki pendidikan terakhir S3 paling rendah

sebanyak 1 orang.

74%

13%

10% 3%

USIA

20-30 Tahun

31-40 Tahun

41-50 Tahun

51-60 Tahun

95

Gambar 4. 4 Diagram Lingkaran Pendidikan Terakhir

Responden

e. Pekerjaan

Berdasarkan gambar 4.5 menampilkan bahwa dari 318 responden pada

penelitian ini, responden yang mendominasi yaitu responden yang

bekerja sebagai Karyawan sebanyak 120 orang (38%). Untuk

responden pelajar/mahasiswa sebanyak 102 orang (32%). Selanjutnya

responden yang bekerja sebagai wiraswasta sebanyak 33 orang (10%).

Pada penelitian ini, responden yang memiliki pekerja selain optional

yang diberikan peneliti sebanyak 44 orang (14%). Responden yang

memilih lainnya memiliki macam pekerjaan seperti ibu rumah tangga,

freelancer, guru, perawat, dokter, musisi, dan instruktur senam.

Responden yang memiliki terendah pekerjaan sebagai

PNS/TNI/POLRI sebanyak 19 orang (6%).

39%

13%

45%

3%

0,3%

PENDIDIKAN TERAKHIR

SLTA

DIPLOMA

S1

S2

S3

96

Gambar 4. 5 Diagram Lingkaran Pekerjaan Responden

f. Peranan Sistem

Berdasarkan gambar 4.6 menampilkan bahwa responden yang terbantu

dengan adanya Mobile JKN sebanyak 158 orang (50%) dan responden

yang sangat terbantu dengan adanya Mobile JKN ini sebanyak 116

orang (36%). Pada penelitian ini terdapat 14 responden (4%) yang tidak

terbantu dengan adanya Mobile JKN dan terdapat 3 responden (1%)

yang merasa sangat tidak terbantu.

32%

6%

38%

10%

14%

PEKERJAAN

Pelajar/Mahasiswa

PNS/TNI/POLRI

Karyawan

Wiraswasta

Lainnya

97

Gambar 4. 6 Diagram Lingkaran Peran Sistem

g. Status Penerimaan Pengguna

Berdasarkan gambar 4.7 menampilkan bahwa sebagian besar

responden menyatakan menerima adanya aplikasi Mobile JKN sebesar

182 orang (57%) dan bahkan terdapat 96 responden (30%) menyatakan

sangat menerima. Terdapat 12 responden (4%) yang menyatakan tidak

menerima dan 3 responden (1%) menyatakan sangat tidak menerima

dengan adanya aplikasi Mobile JKN.

36%

50%

9%4%

1%

PERANAN SISTEM

Sangat Membantu

Membantu

Tidak Tahu

Tidak Membantu

Sangat Tidak Membantu

98

Gambar 4. 7 Diagram Lingkaran Status Penerimaan Pengguna

4.1.4 Analisis Pengukuran Model

Analisis pengukuran model (Measurement Model) ini bertujuan untuk

menyelidiki unidimensionalitas dari indikator-indikator yang menjelaskan

sebuah faktor atau sebuah vairabel. Lebih sederhananya measurement

model merupakan pengujian hubungan antara indikator dengan variabel

laten.

Measurement model ini menggunakan Confirmatory Factor Anlysis.

Confirmatory Factor Analysis merupakan tahap pengukuran terhadap

dimensi-dimensi yang membentuk variabel laten dalam model penelitian.

Confirmatory Factor Analysis akan dilakukan terhadap setiap variabel laten

maupun untuk konstruk variabel eksogen dan endogen. Hasil perhitungan

Confirmatory Factor Analysis menggunakan program AMOS 24.

30%

57%

8%4%

1%

Status Penerimaan Pengguna

Sangat Menerima

Menerima

Tidak Tahu

Tidak Menerima

Sangat Tidak Menerima

99

Pada analisis ini akan diuraikan pengukuran modelnya untuk setiap

konstruk yaitu Performance Expectancy, Effort Expectancy, Social

Influence, Facilitating Condition, Trust, Satisfaction, Behavioral Intention,

dan Use Behavior. Menilai uji validitas dengan melihat nilai regression

weights. Pada uji validitas untuk nilai P signifikan 0,05 (***) dan Critical

Ratio (CR) lebih besar dari 1,96. Kemudian menilai Loading Factor dengan

Loading Factor lebih besar 0,5 (Hair et al., 2010)

Analisis atas indikator yang digunakan memberi makna atas label yang

diberikan pada variabel laten yang dikonfirmasi. Berikut merupakan analisis

setiap konstruk :

4.1.2.1. Confirmatory Factor Analysis Konstruk Performance Expectancy

Berikut merupakan confirmatory factory untuk konstruk Performance

Expectancy :

Gambar 4. 8 Confirmatory Factor Analysis Konstruk Performance Expectancy

100

Ringkasan pengukuran model yang dibangun dengan persyaratan yang

ditetapkan

Tabel 4. 7 Goodness-of-Fit Index Konstruk Performance Expectancy

Goodness of FIT

Index

Cut-off Value Hasil Model Keterangan

Chi-Square Diharapkan kecil 2,259

Probability ≥ 0,05 0,323 Good fit

RMSEA ≤ 0,08 0,20 Marginal

GFI ≥ 0,90 0,996 Good fit

AGFI ≥ 0,90 0,982 Good fit

TLI ≥ 0,90 0,999 Good fit

CFI ≥ 0,90 1,000 Good fit

Hasil pengolahan data konstruk Performance Expectancy pada tabel 4.7

menunjukkan bahwa model telah fit walaupun pada RMSEA menghasilkan

marginal. Langkah selanjutnya yang dilakukan adalah melihat niali signifikansi

dari estimasi parameter Uji Validitas seperti tabel dibawah ini.

Tabel 4. 8 Uji Validitas Konstruk Performance Expectancy

Estimate S.E. C.R. P

PE1 <--- Performance_Expectancy 1.000

PE2 <--- Performance_Expectancy 1.039 .053 19.511 ***

PE3 <--- Performance_Expectancy .790 .043 18.210 ***

PE4 <--- Performance_Expectancy .939 .050 18.805 ***

Berdasarkan tabel 4.8 menunjukkan bahwa semua indikator konstruk

Performance Expectancy signifikan pada 0,05 dengan ditunjukkan dengan

tanda (***). Kemudian nilai Critical Rasio (CR) pada semua indikator

konstruk lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada

konstruk Performance Expectancy memenuhi syarat validitas konstruk.

101

Berikut merupakan nilai Loading Factor setiap indikator konstruk

Performance Expectancy.

Tabel 4. 9 Loading Factor Konstruk Perfromance Expectancy

Estimate

PE1 <--- Performance_Expectancy .865




Berdasarkan tabel 4.9 tidak ada indikator dari konstruk Performance

Expectancy yang memiliki Loading Factor di bawah 0,5. Maka dapat

disimpulkan bahwa semua indikator pada Performance Expectancy merupakan

indikator yang mampu menjelaskan dan mendefinisikan konstruk Performance

Expectancy.

4.1.2.2. Confirmatory Factor Analysis konstruk Effort Expectancy

Berikut merupakan confirmatory factory untuk konstruk Effort

Expectancy

Gambar 4. 9 Confirmatory Factor Analysis Konstruk Effort Expectancy

102

Ringkasan pengukuran model yang dibangun dengan persyaratan

yang ditetapkan

Tabel 4. 10 Goodness-of-Fit Index Konstruk Effort Expetancy

Goodness of FIT

Index



Probability ≥ 0,05 0,009 Marginal






Hasil pengolahan data konstruk Effort Expectancy pada tabel 4.10

menunjukkan bahwa model telah fit walaupun pada Probability dan RMSEA

menghasilkan marginal. Langkah selanjutnya yang dilakukan adalah melihat

nilai signifikansi dari estimasi parameter Uji Validitas seperti tabel dibawah

ini.

Tabel 4. 11 Uji Validitas Konstruk Effort Expectancy


EE1 <--- Effort_Expectancy 1.000

EE2 <--- Effort_Expectancy 1.058 .082 12.905 ***



Berdasarkan tabel 4.11 menunjukkan bahwa semua indikator

konstruk Effort Expectancy signifikan pada 0,05 dengan ditunjukkan dengan



103

konstruk Effort Expectancy memenuhi syarat validitas konstruk. Berikut

merupakan nilai Loading Factor setiap indikator konstruk Effort Expectancy.

Tabel 4. 12 Loading Factor Konstruk Effort Expectancy

Berdasarkan tabel 4.12 tidak ada indikator dari konstruk Effort

Expectancy yang memiliki Loading Factor di bawah 0,5. Maka dapat

disimpulkan bahwa semua indikator pada Effort Expectancy merupakan

indikator yang mempu menjelaskan dan mendefinisikan konstruk Effort

Expectancy.

4.1.2.3. Confirmatory Factor Analysis konstruk Social Influence

Berikut merupakan confirmatory factory untuk konstruk Social Influence

Estimate

EE1 <--- Effort_Expectancy .742




Gambar 4. 10 Confirmatory Factor Analysis Konstruk Social Influence

104


yang ditetapkan.

Tabel 4. 13 Goodness-of-Fit Index Konstruk Social Influence

Goodness of FIT

Index



Probability ≥ 0,05 \p Good fit

RMSEA ≤ 0,08 \rmsea Good fit


AGFI ≥ 0,90 \agfi Good fit

TLI ≥ 0,90 \tli Good fit

CFI ≥ 0,90 \cfi Good fit

Hasil pengolahan data konstruk Social Influence pada tabel 4.13

menunjukkan bahwa model telah fit. Langkah selanjutnya yang dilakukan

adalah melihat nilai signifikansi dari estimasi parameter Uji Validitas

seperti tabel dibawah ini.

Tabel 4. 14 Uji Validitas Konstruk Social Influence


SI1 <--- Social_Influence 1.000

SI2 <--- Social_Influence 2.395 1.584 1.512 .131

SI3 <--- Social_Influence .255 .080 3.172 .002

Berdasarkan tabel 4.14 menunjukkan SI1 indikator konstruk Social

Influence signifikan pada 0,05 kecuali untuk SI2 dan SI3 tidak memiliki

nilai signifikan pada 0,05. Pada SI2 tidak memiliki nilai critical ratio lebih

besar 1,96. Maka pada SI2 dan SI3 perlu dipertimbangkan pada penilaian

105

Loading Factor. Berikut merupakan nilai Loading Factor setiap indikator

konstruk Social Influence.

Tabel 4. 15 Loading Factor Konstruk Social Influence

Estimate

SI1 <--- Social_Influence .509



Berdasarkan tabel 4.15 diatas menunjukkan bahwa indikator SI3

memiliki nilai Loading Factor di bawah 0,5 dan harus dieliminasi dari

analisis sedangkan untuk SI2 tidak dieleminasi karena nilai Loading Factor

memiliki nilai lebih besar dari 0,5. Sehingga pada Social Influence hanya

terdapat dua indikator dan dapat langsung ke analisis selanjutnya.

4.1.2.4. Confirmatory Factor Analysis konstruk Facilitating Condition

Berikut merupakan confirmatory factory untuk konstruk


Gambar 4. 11 Confirmatory Factor Analysis Konstruk Facilitating Condition

106


yang ditetapkan.

Tabel 4. 16 Goodness-of-Fit Index Konstruk Facilitating Condition

Goodness of FIT

Index









Hasil pengolahan data konstruk Facilitating Condition pada tabel 4.16

menunjukkan bahwa model telah fit. Sedangkan kriteria Probability dan

RMSEA menghasilkan marginal. Menurut pendapat Hair (yang dikutip oleh

(Irianto et al., 2015)), menyatakan bahwa jika terdapat satu atau dua kriteria

goodness-of-fit yang telah memenuhi, model dapat dikatakan baik. Langkah

selanjutnya yang dilakukan adalah melihat nilai signifikansi dari estimasi

parameter Uji Validitas seperti dalam tabel sebagai berikut:

Tabel 4. 17 Uji Validitas Konstruk Facilitating Condition


FC1 <--- Facilitating_Condition 1.000

FC2 <--- Facilitating_Condition 1.084 .083 13.052 ***

FC3 <--- Facilitating_Condition .918 .074 12.490 ***

FC4 <--- Facilitating_Condition .190 .116 1.640 .101

Tabel 4.17 menunjukkan bahwa semua indikator konstruk

Faciltating Condition signifikan pada 0,05 yaitu FC1, FC2, FC3 dengan

ditunjukkan dengan tanda (***) sementara FC4 tidak signifikan. Kemudian,

107

pada nilai critical ratio menunjukkan bahwa FC4 tidak memiliki nilai lebih

besar 1,96. Selanjutnya, model fit suatu konstruk yang dianalisis dengan

AMOS dipersyaratkan memenuhi nilai Loading Factor yaitu indikator

dengan faktor loading diatas 0,05.

Tabel 4. 18 Loading Factor Konstruk Facilitating Condition

Estimate

FC1 <--- Facilitating_Condition .784




Tabel 4.18 menunjukkan bahwa indikator FC4 memiliki nilai

Loading Factor di bawah 0,5. Indikator dengan faktor loading dibawah

0,05 dinyatakan tidak valid sebagai konstruk variabel Facilitating

Condition dan harus dieliminasi dari analisis (Ghozali, 2008). Sehingga

untuk indikator FC4 harus dieliminasi dari analisis. Modifikasi model

dapat dilihat pada gambar sebagai berikut:

Gambar 4. 12 Modifikasi Confirmatory Factor Analysis Konstruk


108

Berikut ringkasan pengukuran model yang dibangun dengan

Tabel 4. 19 Modifikasi Goodness-of-Fit Index Konstruk Facilitating

Condition

Goodness of FIT

Index


Chi-Square Diharapkan kecil 0,000 Good fit







Berdasarkan tabel 4.19, nilai Chi-Square = 0,000 dengan

probabilitas =\p, GFI=\gfi, AGFI=\agfi, TLI=\tli, dan RMSEA=\rmsea,

menunujukan bahwa model tersebut adalah fit. Langkah selanjutnya melihat

nilai signifikansi dari estimasi parameter Uji Validitas seperti yang ada

dalam tabel sebagai berikut:

Tabel 4. 20 Uji Validitas Modifikasi Konstruk Facilitating Condition




FC3 <--- Facilitating_Condition .916 .074 12.429 ***

Pada tabel 4.20 menunjukkan bahwa semua indikator konstruk

Facilitating Condition signifikan pada 0,05 dengan ditunjukkan dengan



konstruk Facilitating Condition memenuhi syarat validitas konstruk.

109

Berikut merupakan nilai Loading Factor setiap indikator konstruk

Facilitating Condition.

Tabel 4. 21 Loading Factor Modifikasi Konstruk Facilitating Condition

Estimate




Berdasarkan tabel 4.21 tidak ada indikator dari konstruk Facilitating

Condition yang memiliki Loading Factor di bawah 0,5. Maka dapat

disimpulkan bahwa semua indikator pada Facilitating Condition merupakan

indikator yang mempu menjelaskan dan mendefinisikan konstruk

Facilitating Condition.

4.1.2.5. Confirmatory Factor Analysis konstruk Trust

Berikut merupakan confirmatory factory analysis untuk konstruk Trust

Gambar 4. 13 Confirmatory Factor Analysis Konstruk Trust

110


yang ditetapkan

Tabel 4. 22 Goodness-of-Fit Index Konstruk Trust

Goodness of FIT

Index

Cut-off Value Hasil

Model

Keterangan








Berdasakan tabel 4.22 menunjukkan bahwa model telah Fit walaupun

pada Probability dan RMSEA marginal. Langkah selanjutnya yang

dilakukan adalah melihat nilai signifikansi dari estimasi parameter Uji

Validitasseperti tabel dibawah ini

Tabel 4. 23 Uji Validitas Konstruk Trust


TRU1 <--- Trust 1.000

TRU2 <--- Trust 1.011 .045 22.295 ***

TRU3 <--- Trust 1.045 .047 22.192 ***

TRU4 <--- Trust .952 .058 16.484 ***

Tabel 4.23 menunjukkan bahwa semua indikator konstruk Trust

signifikan pada 0,05 dengan ditunjukkan dengan tanda (***). Kemudian

nilai Critical Rasio (CR) pada semua indikator konstruk lebih dari 1,96.

Dapat diartikan bahwa seluruh indikator pada konstruk Trust memenuhi

111

syarat validitas konstruk. Berikut merupakan nilai Loading Factor setiap

indikator konstruk Trust.

Tabel 4. 24 Loading Factor Konstruk Trust

Estimate

TRU1 <--- Trust .886




Berdasarkan tabel 4.24 tidak ada indikator dari konstruk Trust yang

memiliki Loading Factor di bawah 0,5. Maka dapat disimpulkan bahwa

semua indikator pada Trust merupakan indikator yang mempu menjelaskan

dan mendefinisikan konstruk Trust.

4.1.2.6. Confirmatory Factor Analysis konstruk Satisfaction

Berikut merupakan confirmatory factory analysis untuk konstruk

Satisfaction

Gambar 4. 14 Confirmatory Factor Analysis Konstruk Satisfaction

112

Ringkasan pengukuran model yang dibangun dengan persyaratan yang

ditetapkan

Tabel 4. 25 Goodness-of-Fit Index Konstruk Satisfaction

Goodness of FIT

Index









Berdasakan tabel 4.25, menunjukkan bahwa model telah Fit walaupun

pada RMSEA marginal. Langkah selanjutnya yang dilakukan adalah

melihat nilai signifikansi dari estimasi parameter Uji Validitas seperti tabel

dibawah ini

Tabel 4. 26 Uji ValiditasKonstruk Satisfaction


konstruk Satisfaction signifikan pada 0,05 dengan ditunjukkan dengan




SAT1 <--- Satisfaction 1.000

SAT2 <--- Satisfaction 1.175 .066 17.866 ***




113

konstruk Satisfaction memenuhi syarat validitas konstruk. Berikut

merupakan nilai Loading Factor setiap indikator konstruk Satisfaction.

Tabel 4. 27 Loading Factor Konstruk Satisfaction

Estimate

SAT1 <--- Satisfaction .784





Berdasarkan tabel 4.27 tidak ada indikator dari konstruk Satisfaction

yang memiliki Loading Factor di bawah 0,5. Maka dapat disimpulkan

bahwa semua indikator pada Satiscfaction merupakan indikator yang

mempu menjelaskan dan mendefinisikan konstruk Satisfaction.

4.1.2.7. Confirmatory Factor Analysis Konstruk Behavioral Intention

Berikut merupakan confirmatory factory analysis untuk konstruk

Behavior Intention

Gambar 4. 15 Confirmatory Factor Analysis Konstruk Behavioral Intention

114


yang ditetapkan

Tabel 4. 28 Goodness-of-Fit Index Konstruk Behavioral Intention

Goodness of FIT

Index









Berdasakan tabel 4.28 menunjukkan bahwa model telah Fit

walaupun pada RMSEA marginal. Langkah selanjutnya yang dilakukan

adalah melihat nilai signifikan dari estimasi parameter Uji Validitas seperti

tabel dibawah ini

Tabel 4. 29 Uji Validitas Konstruk Behavioral Intention


BI1 <--- Behavioral_Intention 1.000

BI2 <--- Behavioral_Intention 1.016 .044 23.023 ***

BI3 <--- Behavioral_Intention .732 .058 12.518 ***


Tabel 4.29 menunjukkan bahwa semua indikator konstruk

Behavioral Intention signifikan pada 0,05 dengan ditunjukkan dengan tanda

(***). Kemudian nilai Critical Rasio (CR) pada semua indikator konstruk

lebih dari 1,96. Dapat diartikan bahwa seluruh indikator pada konstruk

Behavioral Intention memenuhi syarat validitas konstruk. Berikut

115

merupakan nilai Loading Factor setiap indikator konstruk Behavioral

Intention.

Tabel 4. 30 Loading Factor Konstruk Behavioral Intention

Estimate

BI1 <--- Behavioral_Intention .890




Berdasarkan tabel 4.30 tidak ada indikator dari konstruk Behavioral

Intention yang memiliki Loading Factor di bawah 0,5. Maka dapat

disimpulkan bahwa semua indikator pada Behavioral Intention merupakan

indikator yang mempu menjelaskan dan mendefinisikan konstruk


4.1.2.8. Confirmatory Factor Analysis konstruk Use Behavior

Berikut merupakan confirmatory factory untuk konstruk Use Behavior

Gambar 4. 16 Confirmatory Factor Analysis Konstruk Use Behavior

116


yang ditetapkan

Tabel 4. 31 Goodness-of-Fit Index Konstruk Use Behavior

Goodness of FIT

Index


Chi-Square Diharapkan kecil 0,000 Good fit







Berdasarkan tabel 4.31 menunjukkan nilai Chi-Square = 0,000

dengan probabilitas =\p, GFI=\gfi, AGFI=\agfi, TLI=\tli, dan

RMSEA=\rmsea, menunujukan bahwa model tersebut adalah fit. Langkah

selanjutnya melihat nilai signifikansi dari estimasi parameter Uji

Validitasseperti yang ada dalam tabel sebagai berikut:

Tabel 4. 32 Uji Validitas Konstruk Use Behavior


UB1 <--- Use_Behavior 1.000

UB2 <--- Use_Behavior .915 .057 16.133 ***

UB3 <--- Use_Behavior 1.164 .068 17.041 ***


konstruk Use Behavior signifikan pada 0,05 dengan ditunjukkan dengan



117

konstruk Use Bbehavior memenuhi syarat validitas konstruk. Berikut

merupakan nilai Loading Factor setiap indikator konstruk Use Behavior.

Tabel 4. 33 Loading Factor Konstruk Use Behavior

Estimate

UB1 <--- Use_Behavior .803



Berdasarkan tabel 4.33 tidak ada indikator dari konstruk Use

Behavior yang memiliki Loading Factor di bawah 0,5. Maka dapat

disimpulkan bahwa semua indikator pada Use Behavior merupakan

indikator yang mempu menjelaskan dan mendefinisikan konstruk Use

Behavior.

4.1.2.9. Confirmatory Factor Analysis Variabel Eksogen

Variabel-variabel laten yang termasuk konstruk eksogen terdiri dari

5 variabel laten dan terdiri dari 17 dimensi. Hasil pengolahan data untuk

analisis faktor konfirmatori konstruk eksogen adalah sebagai berikut :

118

Untuk dapat mengetahui apakah model yang dibangun secara

statistik dapat didukung dan sesuai dengan model fit yang ditetapkan.

Berikut ini merupakan ringkasan perbandingan model yang dibangun

dengan persyaratan yang ditetapkan, seperti yang nampak dalam tabel

sebagai berikut.

Tabel 4. 34 Goodness-of-Fit Index Variabel Eksogen

Goodness of FIT

Index



Probability ≥ 0,05 0,000 marginal

RMSEA ≤ 0,08 0,054 Good fit


Gambar 4. 17 Confirmatory Factor Analysis Variabel Eksogen

119




Berdasarkan tabel 4.34 hasil analisis pengolahan data terlihat bahwa

semua konstruk yang digunakan untuk membentuk sebuah model

penelitian, pada proses analisis faktor konfirmatori telah memenuhi kriteria

goodness of fit yang telah ditetapkan. Hasil pengujian terhadap nilai-nilai

untuk uji validitas untuk masing-masing indikator diperoleh sebagai

berikut:

Tabel 4. 35 Uji Validitas Variabel Eksogen


PE1 <--- Performance_Expectation 1.000

PE2 <--- Performance_Expectation 1.010 .052 19.567 ***

PE3 <--- Performance_Expectation .787 .042 18.938 ***

PE4 <--- Performance_Expectation .929 .048 19.359 ***

EE1 <--- Effort_Expectation 1.000

EE2 <--- Effort_Expectation 1.025 .078 13.171 ***




SI2 <--- Social_Influence 1.228 .125 9.783 ***




TRU1 <--- Trust 1.000

TRU2 <--- Trust 1.012 .045 22.298 ***

TRU3 <--- Trust 1.050 .047 22.384 ***

TRU4 <--- Trust .971 .057 16.924 ***

Dari pengolahan data pada tabel 4.35 dapat juga terlihat, bahwa

setiap indikator atau dimensi pembentuk masing-masing variabel laten

menunjukkan hasil yang baik, yaitu nilai CR diatas 1,96. Semua nilai

120

indikator signifikan 0,05 yang ditandai dengan (***). Dengan hasil ini,

maka dapat dikatakan bahwa indikator-indikator pembentuk variabel laten

konstruk telah menunjukkan sebagai indikator yang kuat dalam pengukuran

varibel laten. Selanjutnya berdasarkan analisis faktor konformatori ini,

maka model penelitian ini dapat digunakan untuk analisis selanjutnya tanpa

modifikasi atau penyesuaian-penyesuaian.

Tabel 4. 36 Loading Factor Variabel Eksogen

Estimate

PE1 <--- Performance_Expectation .874




EE1 <--- Effort_Expectation .760













Berdasarkan tabel 4.36 tidak ada indikator dari semua konstruk yang

memiliki Loading Factor di bawah 0,5. Maka dapat disimpulkan bahwa

semua indikator masing-masing variabel merupakan indikator yang mempu

menjelaskan dan mendefinisikan konstruk variabel itu sendiri.

121

4.1.2.10. Confirmatory Factor Analysis Variabel Endogen

Variabel endogen ini terdiri dari 3 variabel laten dan terdiri dari 12

dimensi. Hasil pengolahan data untuk analisis faktor konfirmatori

konstruk endogen adalah sebagai berikut :

Untuk dapat mengetahui apakah model yang dibangun secara statistik

dapat didukung dan sesuai dengan model fit yang ditetapkan. Berikut ini

merupakan ringkasan perbandingan model yang dibangun dengan persyaratan

yang ditetapkan, seperti yang nampak dalam tabel sebagai berikut

Tabel 4. 37 Goodness-of-Fit Index Variabel Endogen

Goodness of FIT

Index






AGFI ≥ 0,90 0,851 Marginal

TLI ≥ 0,90 0,939 Good Fit

Gambar 4. 18 Confirmatory Factor Analysis Variabel Endogen

122


Pada tabel 4.37 hasil analisis pengolahan data terlihat bahwa semua

konstruk yang digunakan untuk membentuk sebuah model penelitian, pada

proses analisis faktor konfirmatori telah memenuhi kriteria goodness of fit

yang telah ditetapkan.

Hasil pengujian terhadap uji validitas untuk masing-masing indikator

diperoleh sebagai berikut

Tabel 4. 38 Uji Validitas Variabel Endogen


SAT1 <--- Satisfaction 1.000





BI1 <--- Behavioral_Intention 1.000




UB1 <--- Use_Behavior 1.000

UB2 <--- Use_Behavior .974 .057 16.975 ***

UB3 <--- Use_Behavior 1.132 .066 17.269 ***

Dari pengolahan data pada tabel 4.38 dapat juga terlihat, bahwa setiap

indikator atau dimensi pembentuk masing-masing variabel laten

menunjukkan hasil yang baik, yaitu nilai CR diatas 1,96 (Hair et al., 2010).

Semua nilai indikator signifikan 0,05 yang ditandai dengan (***). Dengan

hasil ini, maka dapat dikatakan bahwa indikator-indikator pembentuk

variabel laten konstruk telah menunjukkan sebagai indikator yang kuat dalam

123

pengukuran varibel laten. Selanjutnya berdasarkan analisis faktor

konfirmatori ini, maka model penelitian ini dapat digunakan untuk analisis

selanjutnya tanpa modifikasi atau penyesuaian-penyesuaian

Tabel 4. 39 Loading Factor Variabel Endogen

Estimate













Berdasarkan tabel 4.39 tidak ada indikator dari semua konstruk yang

memiliki Loading Factor di bawah 0,5. Maka dapat disimpulkan bahwa semua

indikator masing-masing variabel merupakan indikator yang mempu

menjelaskan dan mendefinisikan konstruk variabel itu sendiri.

4.1.5 Asumsi SEM

Pada analisis asumsi SEM, terdapat tiga tahapan asumsi adalah sebagai

berikut :

4.1.3.1. Asumsi Sampel

Sampel yang harus dipenuhi dalam pemodelan ini berjumlah

minimal 5 dikali jumlah parameter yang akan diestimasi (Hair et al., 2010).

Menurut Hair at al (2010) untuk penggunaan metode estimasi Maximum

124

Likelihood (ML) disarankan ukuran sampel antara 100 hingga 200 sampel.

Berdasarkan penjelasan ini, maka dalam penelitian ini digunakan teknik

Maximum Likelihood Estimation (ML) maka sampel minimumnya adalah

100. Pada penelitian ini menggunakan sampel sebanyak 318 responden,

sehingga asumsi untuk sampel ini telah terpenuhi.

4.1.3.2. Asumsi Normalitas

Terdapat dua macam asumsi normalitas yaitu normalitas univariat

dan normalitas multivariat. Untuk menguji kenormalan distribusi data

digunakan ukuran skewness (kemencengan) dan kurtosis (kelancipan)

distribusi. Menentukan normal atau tidaknya dilihat dari critical ration (c.r)

dimana normalitas univariat ditunjukkan dengan nilan c.r skew dan c.r

kurtosis ≤ 1,96 untuk α = 5% atau ≤ 2,58 untuk α = 1%. Untuk normalitas

multivariat dapat dilihat dari nilai c.r kurtosis multivariat ≤ 1,96 untuk α =

5% atau ≤ 2,58 untuk α = 1%. Perhitungan dilakukan dengan AMOS 24

yang hasilnya ditampilkan pada tabel dibawah ini.

Tabel 4. 40 Normalitas

Variable min max skew c.r. kurtosis c.r.

UB3 1.000 5.000 -.202 -1.470 -.550 -2.004

UB2 1.000 5.000 -.314 -2.286 -.102 -.372

UB1 1.000 5.000 -.109 -.792 -.555 -2.019

BI4 1.000 5.000 -.581 -4.232 -.065 -.236

BI3 1.000 5.000 -.371 -2.699 -.176 -.640

125

Variable min max skew c.r. kurtosis c.r.

BI2 1.000 5.000 -.698 -5.083 .525 1.910

BI1 1.000 5.000 -.504 -3.670 .021 .077

SAT5 1.000 5.000 -.505 -3.674 .115 .417

SAT4 1.000 5.000 -.518 -3.770 -.012 -.044

SAT3 1.000 5.000 -.896 -6.522 .807 2.937

SAT2 1.000 5.000 -.572 -4.165 .169 .614

SAT1 1.000 5.000 -.820 -5.970 .756 2.751

TRU4 1.000 5.000 -.518 -3.768 -.230 -.838

TRU3 1.000 5.000 -.724 -5.271 .608 2.215

TRU2 1.000 5.000 -.472 -3.437 -.006 -.022

TRU1 1.000 5.000 -.503 -3.660 .207 .753

FC3 1.000 5.000 -.611 -4.450 .500 1.820

FC2 1.000 5.000 -.683 -4.969 .669 2.436

FC1 1.000 5.000 -.626 -4.559 .616 2.241

SI2 1.000 5.000 -.313 -2.277 -.622 -2.265

SI1 1.000 5.000 -.209 -1.523 -.942 -3.428

EE4 1.000 5.000 -.738 -5.373 .500 1.821

EE3 1.000 5.000 -.785 -5.714 .628 2.285

EE2 1.000 5.000 -.566 -4.118 -.168 -.612

EE1 1.000 5.000 -.677 -4.930 .262 .954

PE4 1.000 5.000 -.591 -4.304 -.093 -.339

PE3 1.000 5.000 -.736 -5.357 .530 1.929

PE2 1.000 5.000 -.518 -3.770 -.472 -1.719

PE1 1.000 5.000 -.833 -6.064 .343 1.247

Multivariate 255.654 53.758

126

Untuk penelitian ini, peneliti menetapkan nilai α yang digunakan adalah

5%. Berdasarkan output tabel tersebut diketahui bahwa data tidak

memenuhi normalitas univariat karena nilai c.r skew dan c.r kurtosis

keseluruhan indikator tidak lebih kecil dari nilai 1,96. Sedangkan untuk

normalitas multaviriat, dapat dilihat bahwa nilai c.r kurtosis multavariat =

53,758 jauh lebih besar dari 1,96, sehingga dapat dikatakan data tidak

memenuhi asumsi normalitas multivariat. Sehubungan dengan terjadinya

data tidak normal maka perlu dilakukan uji Bootsrapping (Blunch, 2008).

4.1.3.3. Uji Outlier

Outlier adalah kondisi observasi dari suatu daya yang memiliki

karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi

lainnya, serta muncul dalam bentuk nilai yang ekstrim (Hair et al., 2014)

Uji outlier multivariat dilakukan dengan kriteria jarak mahalanobis

pada tingkat p<0,001 (Ghozali, 2013). Jarak mahanolobis (Mahanolobis

Distance) ini dievaluasi dengan menggunakan χ2 pada derajat bebas sebesar

jumlah indikator variabel yang digunakan dalam penelitian. Dalam

penelitian ini, ada 29 variabel indikator. Oleh karena itu, semua kasus yang

mempunyai Mahalanobis Distance lebih besar χ2 (0,001;29) yaitu 58,30

untuk alpha 0,001 sedangkan untuk alpha 0,005 mahalanobis distance χ2

(0,005;29) yaitu 52.336.

127

Tabel 4. 41 Outlier

Observation number Mahalanobis d-squared p1 p2

11 92.595 .000 .000

151 84.556 .000 .000

160 82.861 .000 .000

250 80.270 .000 .000

238 79.221 .000 .000

297 75.545 .000 .000

20 75.132 .000 .000

104 73.745 .000 .000

41 73.096 .000 .000

268 72.076 .000 .000

218 69.766 .000 .000

129 69.764 .000 .000

254 69.110 .000 .000

195 68.681 .000 .000

299 66.668 .000 .000

1 64.133 .000 .000

56 63.116 .000 .000

261 61.228 .000 .000

300 60.529 .001 .000

201 59.680 .001 .000

84 58.562 .001 .000

236 58.356 .001 .000

98 58.351 .001 .000

14 57.883 .001 .000

18 57.504 .001 .000

35 56.396 .002 .000

128


194 55.485 .002 .000

36 55.173 .002 .000

103 54.901 .003 .000

273 54.441 .003 .000

172 54.400 .003 .000

46 53.388 .004 .000

22 52.481 .005 .000

Berdasarkan tabel 4.41 dapat dilihat bahwa terdapat kasus yang

dikategorikan sebagai outlier karena memiliki nilai mahalanobis > 52.336,

namun kasus tersebut tidak perlu dikeluarkan. Menurut Hair et al. (2014)

jika terdapatnya outlier, maka tidak perlu dihapus jika ingin menggunakan

populasi sampel yang didapat tetap original dan jika dihapus maka akan

terus adanya outlier. Hal ini dikarenakan dalam analisis penelitian, apabila

tidak terdapat alasan khusus untuk mengeluarkan kasus yang

mengindikasikan adanya outlier, maka kasus tersebut harus tetap

diikutsertakan dalam analisis selanjutnya (Ferdinand, 2002), dengan

demikian jumlah sampel yang akan digunakan tetap sebanyak 318 sampel.

Tabel 4. 42 Data tidak Outlier


234 51.507 .006 .000

278 50.667 .008 .000

174 50.431 .008 .000

169 50.323 .008 .000

129

21 50.116 .009 .000

142 49.751 .010 .000

79 49.550 .010 .000

249 49.514 .010 .000

208 49.499 .010 .000

117 49.246 .011 .000

65 49.236 .011 .000

263 48.846 .012 .000

204 48.419 .013 .000

159 47.140 .018 .000

274 46.993 .019 .000

185 46.858 .019 .000

38 45.935 .024 .000

189 45.821 .024 .000

60 45.208 .028 .000

306 44.964 .030 .000

270 44.802 .031 .000

37 44.583 .032 .000

108 44.437 .033 .000

51 44.254 .035 .000

252 43.781 .038 .000

157 43.385 .042 .000

182 42.760 .048 .000

233 42.706 .048 .000

187 42.603 .050 .000

64 42.186 .054 .000

317 41.772 .059 .000

285 41.769 .059 .000

130

286 41.614 .061 .000

173 41.070 .068 .000

39 40.769 .072 .000

7 40.481 .076 .000

247 40.029 .083 .000

162 40.008 .084 .000

8 39.768 .088 .000

43 39.678 .089 .000

110 39.162 .099 .000

124 39.140 .099 .000

280 39.072 .100 .000

244 38.295 .116 .000

290 38.098 .120 .000

176 37.986 .123 .000

149 37.720 .129 .000

266 37.706 .129 .000

226 37.436 .135 .000

276 37.303 .139 .000

81 37.135 .143 .000

52 36.937 .148 .000

312 36.829 .151 .000

33 36.600 .157 .000

255 36.026 .173 .000

42 35.912 .176 .000

303 35.497 .189 .000

145 35.479 .189 .000

239 35.352 .193 .000

296 34.989 .205 .000

131

94 34.367 .226 .002

49 34.301 .228 .002

231 34.301 .228 .002

58 34.196 .232 .002

78 33.808 .246 .007

314 33.660 .252 .010

237 33.505 .258 .014

Pada tabel 4.2 merupakan data yang tidak outlier, karena memiliki

nilai mahalanobis > 52.336 dan memenuhi asumsi pada uji outlier.

4.1.6 Proses Bootstrapping

Sebelum melakukan validitas full structural model, perlu melakukan

langkah-langkah bootstrapping yang ada pada program AMOS. Jumlah

sampel bootstrapping harus besar tetapi harus paling sedikit sama

jumlahnya dengan jumlah sampel yang valid dalam data set (Hair et al

2010). Sebelumnya ditetapkan bahwa jumlah data yang resample sebanyak

500 sampel dan tingkat kepercayaan 95%.

Uji Chi Square

Kriteria pada uji chi square yaitu p-value < α

Model NPAR CMIN DF P CMIN/DF

Default model 80 708.205 355 .000 1.995

Saturated model 435 .000 0

Independence

model 29 7796.923 406 .000 19.204

132

Berdasarkan output diatas diperoleh angka Chi-Square sebesar

708,205 dengan derajat kebebasan (df) 355 dengan p-value 0,000.

Dengan mengambil tingkat signifikan (α) 0,05. Sehingga dapat dikatakan

model diterima.

Nilai Estimasi

Hasil estimasi parameter dari ouput AMOS untuk Regression

Weights dan Bootstrap standard Error diperoleh sebagai berikut :

Tabel 4. 43 Hasil Estimasi Parameter dan Standard Error

Parameter Estimasi SE ML SE

Bootstrap

Satisfaction <--- Performance_Expectancy .251 .044 .055

Satisfaction <--- Effort_Expectancy .205 .063 .082

Satisfaction <--- Social_Influence .023 .032 .043

Satisfaction <--- Facilitating_Condition -.053 .069 .082

Satisfaction <--- Trust .535 .058 .076

Behavioral_Intention <--- Trust .200 .105 .124

Behavioral_Intention <--- Performance_Expectancy .007 .068 .095

Behavioral_Intention <--- Effort_Expectancy -.016 .077 .111

Behavioral_Intention <--- Social_Influence -.011 .045 .059

Behavioral_Intention <--- Satisfaction .723 .139 .173

Use_Behavior <--- Facilitating_Condition .124 .071 .105

Use_Behavior <--- Behavioral_Intention .761 .065 .096

Hasil dari nilai standard error di atas harus dibandingkan, jika SE

Bootstrap mengalami kenaikan maka dilanjutkan tahap berikutnya. Untuk

variabel laten sebagai berikut :

a. Performance Expectancy Satisfaction : antara original sample

dengan bootstrap sample ada perbedaan sebesar (0,055-0,044) =

133

0,011 yang berarti terdapat kenaikan Standard error dari bootstrap

dibandingkan dengan standard error dari original sample.

b. Effort Expectancy Satisfaction : antara original sample dengan

bootstrap sample ada perbedaan sebesar 0,082-0,063 = 0,019 yang

berarti kenaikan standard error dari bootstrap dibandingkan dengan

standard error dari original sample.

c. Social Influence Satisfaction : antara original sample dengan


berarti terdapat kenaikan Standard error dari bootstrap dibandingkan

dengan standard error dari origanal sample.

d. Facilitating Condition Satisfaction : antara orignial sample

dengan bootstrap sample ada perbedaan sebesar 0,082-0,069= 0,013

yang berarti terdapat kenaikan standard error dari bootstrap

dibandingkan dengan standard error dari original sample.

e. Trust Satisfaction : antara original sample dengan bootstrap

sample ada perbedaan sebesar 0,076-0,058 = 0,018 yang berarti

terdapat kenaikan Standard error dari bootstrap dibandingkan

dengan standard error dari origanal sample

f. Trust Behavioral Intention : antara original sample dengan




134

g. Performance Expectancy Behavioral Intention : antara original

sample dengan bootstrap sample ada perbedaan sebesar 0,095-0,068

= 0,027 yang berarti terdapat kenaikan Standard error dari bootstrap

dibandingkan dengan standard error dari origanal sample.

h. Effort Expectancy Behavioral Intention : antara original sample

dengan bootstrap sample ada perbedaan sebesar 0,111-0,077 = 0,034

yang berarti terdapat kenaikan Standard error dari bootstrap


i. Social Influence Behavioral Intention : antara original sample




j. Satisfaction Behavioral Intention : antara original sample dengan




k. Facilitating Condition Use Behavior : antara original sample




l. Behavioral Intention Use Behavior : antara original sample


135



Tabel 4. 44 Bootstrap Standard Error

Keterangan hasil bootstrapping (Arbuckle, 2012):

Kolom pertama yaitu label S.E : merupakan nilai estimasi boostrap dari

standard error. Nilai ini dibandingan dengan nilai SE yang dihasilkan oleh

Maximum Likelihood (ML), hasil perbandingan dapat dilihat dalam tabel

4.37.

Kolom kedua yaitu SE-SE : merupakan perkiraan standar error atau

approximate standard error dari nilai estimasi bootstrap itu sendiri.

Parameter SE SE-SE Mean Bias SE-Bias

Satisfaction <--- Performance_Expectancy .055 .002 .249 -.002 .002

Satisfaction <--- Effort_Expectancy .082 .003 .201 -.004 .004

Satisfaction <--- Social_Influence .043 .001 .025 .002 .002

Satisfaction <--- Facilitating_Condition .082 .003 -.052 .001 .004

Satisfaction <--- Trust .076 .002 .535 .001 .003

Behavioral_Intention <--- Trust .124 .004 .198 -.002 .006

Behavioral_Intention <--- Performance_Expectancy .095 .003 -.001 -.007 .004

Behavioral_Intention <--- Effort_Expectancy .111 .003 -.022 -.006 .005

Behavioral_Intention <--- Social_Influence .059 .002 -.009 .002 .003

Behavioral_Intention <--- Satisfaction .173 .005 .739 .015 .008

Use_Behavior <--- Facilitating_Condition .105 .003 .120 -.004 .005

Use_Behavior <--- Behavioral_Intention .096 .003 .761 .000 .004

136

Kolom ketiga yaitu Mean : merupakan niali rata-rata estimasi parameter

yang dikalkulasi dari sampel bootstrap dan nilai ini tidak harus identik

besarnya dengan nilai estimasi aslinya.

Kolom empat yaitu label Bias : merupakan penggambaran perbedaan nilai

rata-rata estimasi boostrap atau mean bootstrap dengan nilai estimasi asli

atau mean original sample

Kolom kelima yaitu S.E Bias : merupakan perkiraan standar error atau

approximate standard error dari bias estimate.

4.1.7 Analisis Full Structural Equation Model

Analisis hasil pengolahan data pada tahap full model SEM dilakukan

dengan melakukan uji kesesuaian. Hasil pengolahan data untuk analisis full

structural model SEM ditampilkan pada Gambar 4.19

137

Untuk dapat mengetahui apakah model yang dibangun secara statistik

dapat didukung dan sesuai dengan model fit yang ditetapkan. Berikut ini

merupakan ringkasan perbandingan model yang dibangun dengan persyaratan

yang ditetapkan, seperti yang nampak dalam tabel sebagai berikut.

Gambar 4. 19 Confirmatory Factor Analysis Full Structural Equation Model

138

Tabel 4. 45 Hasil Bootstrapping Goodness-of-Fit Index Full Structural Equation

Model

Goodness of FIT

Index




RMSEA ≤ 0,08 0,056 Good fit

GFI ≥ 0,90 0,868 Marginal

AGFI ≥ 0,90 0,839 Marginal


CFI ≥ 0,90 0,952 Good Fit

Berdasakan tabel diatas, menunjukkan bahwa model diterima.

Sedangkan kriteria Probability, GFI, dan AGFI menunjukkan model tersebut

marginal. Menurut pendapat Hair (yang dikutip oleh (Irianto et al., 2015)),

menyatakan bahwa jika terdapat satu atau dua kriteria goodness-of-fit yang

telah memenuhi, model dapat dikatakan baik.

Tabel 4. 46 Hasil Bootstrapping Full Model Struktural

Indikator Loading

Factor

Validitas

PE1 .876 Valid

PE2 .844 Valid

PE3 .832 Valid

PE4 .842 Valid

EE1 .760 Valid

EE2 .718 Valid

EE3 .906 Valid

EE4 .899 Valid

SI1 .711 Valid

SI2 .995 Valid

FC1 .765 Valid

FC2 .805 Valid

FC3 .793 Valid

TRU1 .891 Valid

TRU2 .893 Valid

139

TRU3 .876 Valid

TRU4 .759 Valid

SAT1 .805 Valid

SAT2 .875 Valid

SAT3 .861 Valid

SAT4 .810 Valid

SAT5 .844 Valid

BI1 .880 Valid

BI2 .913 Valid

BI3 .629 Valid

BI4 .796 Valid

UB1 .788 Valid

UB2 .872 Valid

UB3 .876 Valid

Setelah dilakukan estimasi, dihasilkan nilai-nilai seperti pada tabel. Nilai

Loading Factor >0,5 (Hair et al., 2010) dan (Hair et al., 2014). Dan diketahui

bahwa seluruh nilai loading > 0,5. Dapat disimpulkan bahwa indikator-

indikator yang ada dalam model penelitian ini valid sebagai pengukuran dan

secara signifikan saat menjelaskan konstuk-konstruk yang terkait dengannya

sebagai faktor-faktor yang dihipotesiskan mempengaruhi penerimaan

pengguna terhadap Aplikasi Mobile JKN.

140

4.1.8 Pengujian Reliabilitas dan Variance Extract

4.1.5.1. Pengujian Composite (Construct) Realiability

Berikut merupakan perhitungan Composite (Construct) Reliability

𝐶𝑜𝑛𝑐𝑡𝑟𝑢𝑐𝑡 𝑅𝑒𝑙𝑖𝑎𝑏𝑖𝑙𝑖𝑡𝑦 = (ΣStandard Loading)2

(ΣStandard Loading)2 + Σ𝜀𝐽

Keterangan :

Standard Loading = nilai dari Standardized Loading untuk tiap-tiap

indikator

𝜀𝐽 = measurement error dari tiap-tiap indikator. Measurement error = 1-

Standardized Loading setiap indikator yang dianalisis.

Perhitungan dari composite (construct) reliability dapat dilihat dari tabel

dibawah ini.

Tabel 4. 47 Perhitungan Composite (Construct) Rreliability

Indikator SL SL2 1-SL2 (ΣSL) (ΣSL)2 Σ(1-

(SL)2)

CR

PE1 0.876 0.767376 0.232624

3.394 11.51924 1.1191 0.911 PE2 0.844 0.712336 0.287664

PE3 0.832 0.692224 0.307776

PE4 0.842 0.708964 0.291036

EE1 0.76 0.5776 0.4224

3.283 10.77809 1.277839 0.894 EE2 0.718 0.515524 0.484476

EE3 0.906 0.820836 0.179164

EE4 0.899 0.808201 0.191799

SI1 0.711 0.505521 0.494479 1.706 2.910436 0.504454 0.852

SI2 0.995 0.990025 0.009975

FC1 0.765 0.585225 0.414775

2.363 5.583769 1.137901 0.831 FC2 0.805 0.648025 0.351975

FC3 0.793 0.628849 0.371151

TRU1 0.891 0.793881 0.206119

3.419 11.68956 1.065213 0.916 TRU2 0.893 0.797449 0.202551

TRU3 0.876 0.767376 0.232624

TRU4 0.759 0.576081 0.423919

SAT1 0.805 0.648025 0.351975 4.195 17.59803 1.476593 0.923

SAT2 0.875 0.765625 0.234375

141

SAT3 0.861 0.741321 0.258679

SAT4 0.81 0.6561 0.3439

SAT5 0.844 0.712336 0.287664

BI1 0.88 0.7744 0.2256

3.218 10.35552 1.362774 0.884 BI2 0.913 0.833569 0.166431

BI3 0.629 0.395641 0.604359

BI4 0.796 0.633616 0.366384

UB1 0.788 0.620944 0.379056

2.536 6.431296 0.851296 0.883 UB2 0.872 0.760384 0.239616

UB3 0.876 0.767376 0.232624

Dari hasil perhitungan didapatkan bahwa nilai composite (Construct) Reliability

masing-masing konstruk yaitu :

PE = 0,911

EE = 0,894

SI = 0,852

FC = 0,831

TRU = 0,916

SAT = 0,923

BI = 0,884

UB = 0,883

Nilai cut-off lebih besar 0,7 (Hair et al., 2010). Dari hasil tersebut dapat dilihat

bahwa reliabilitas semua konstruk di atas nilai cut-off yaitu 0,70. Hal ini

menunjukkan bahwa semua konstruk yang ada dalam full model adalah reliabel.

4.1.5.2. Pengujian Variance Extracted

Variance Extracted memperlihatkan jumlah varians dari indikator

yang diektraksi oleh variabel bentukan yang dikembangkan. Nilai variance

142

extracted yang tinggi menunjukkan bahwa indikator-indikator telah

mewakili secara baik variabel bentukan yang dikembangkan (Ghozali,

2008).

Rumus yang digunakan untuk menghitung reliabilitas konstruk adalah

sebagai berikut:

𝑉𝑎𝑟𝑖𝑎𝑛𝑐𝑒 𝐸𝑥𝑡𝑟𝑎𝑐𝑡𝑒𝑑 = ΣStandard Loading2

ΣStandard Loading2 + Σ𝜀𝐽

Keterangan :

Standard Loading = nilai dari Standardized Loading untuk tiap-tiap

indikator

𝜀𝐽 = measurement error dari tiap-tiap indikator. Measurement error

= 1-Standardized Loading setiap indikator yang dianalisis.

Perhitungan variance extracted dapat dilihat pada tabel dibawah ini

Tabel 4. 48 Perhitungan Variance Extracted

Indikator SL SL2 1-SL2 ΣSL2 Σ(1-(SL)2) VE

PE1 0.876 0.767376 0.232624

2.8809 1.1191 0.720 PE2 0.844 0.712336 0.287664

PE3 0.832 0.692224 0.307776

PE4 0.842 0.708964 0.291036

EE1 0.76 0.5776 0.4224

2.722161 1.277839 0.681 EE2 0.718 0.515524 0.484476

EE3 0.906 0.820836 0.179164

EE4 0.899 0.808201 0.191799

SI1 0.711 0.505521 0.494479 1.495546 0.504454 0.748

SI2 0.995 0.990025 0.009975

FC1 0.765 0.585225 0.414775

1.862099 1.137901 0.621 FC2 0.805 0.648025 0.351975

FC3 0.793 0.628849 0.371151

TRU1 0.891 0.793881 0.206119 2.934787 1.065213 0.734

143

TRU2 0.893 0.797449 0.202551

TRU3 0.876 0.767376 0.232624

TRU4 0.759 0.576081 0.423919

SAT1 0.805 0.648025 0.351975

3.523407 1.476593 0.705

SAT2 0.875 0.765625 0.234375

SAT3 0.861 0.741321 0.258679

SAT4 0.81 0.6561 0.3439

SAT5 0.844 0.712336 0.287664

BI1 0.88 0.7744 0.2256

2.637226 1.362774 0.659 BI2 0.913 0.833569 0.166431

BI3 0.629 0.395641 0.604359

BI4 0.796 0.633616 0.366384

UB1 0.788 0.620944 0.379056

2.148704 0.851296 0.716 UB2 0.872 0.760384 0.239616

UB3 0.876 0.767376 0.232624

Dari hasil perhitungan didapatkan bahwa nilai variance extracted

masing-masing konstruk yaitu:

PE = 0,720

EE = 0,681

SI = 0,748

FC = 0,621

TRU = 0,734

SAT = 0,705

BI = 0,659

UB = 0,716

Berdasarkan hasil diatas dapat dilihat bahwa variance extracted semua

konstruk di atas nilai yaitu sebesar 0,5. Hal ini berarti bahwa semua

indikator telah mewakili variabel yang ada dalam full model.

144

4.1.9 Pengujian Hipotesis

Berikut ini adalah tabel pengujian hipotesis penelitian dengan

menggunakan alat uji AMOS 24 dalam bentuk regression weight dalam

tabel dibawah ini.

Tabel 4. 49 Standarisasi Regression Weight Full Model


Satisfaction <--- Performance_Expectancy .249 .055 4.527 .004

Satisfaction <--- Effort_Expectancy .201 .082 2.451 .003

Satisfaction <--- Social_Influence .025 .043 0.581 .638

Satisfaction <--- Facilitating_Condition -.052 .082 -0.634 .441

Satisfaction <--- Trust .535 .076 7.039 .004

Behavioral_Intention <--- Trust .198 .124 1.597 .089

Behavioral_Intention <--- Performance_Expectancy -.001 .095 -0.011 .888

Behavioral_Intention <--- Effort_Expectancy -.022 .111 -0.198 .858

Behavioral_Intention <--- Social_Influence -.009 .059 -0.153 .837

Behavioral_Intention <--- Satisfaction .739 .173 4.272 .005

Use_Behavior <--- Facilitating_Condition .120 .105 1.143 .206

Use_Behavior <--- Behavioral_Intention .761 .096 7.927 .004

Untuk mendapatkan nilai CR atau nilai rasio kritis berdasarkan hasil

bootstrap dapat menggunakan bootstrap Mean dan kolom SE. Adapun kriteria

pengujian hipotesis (Ghozali, 2008; Hair et al., 2010, 2014) adalah sebagai

berikut :

Nilai CR (Critical Ratio) > 1,96 dengan tingkat signifikasi < 0,05 berarti

variabel eksogen berpengaruh pada variabel endogen.

145

Nilai CR (Critical Ratio) < 1,96 dengan tingkat signifikasi > 0,05 berarti

variabel eksigen tidak berpengaruh pada variabel endogen.

Berikut ini analisa terhadap pengujian hipotesis yang telah ditetapkan:

Pengujian Hipotesis 1

H1 = Performance Expectancy (PE) berpengaruh secara signifikan terhadap

Behavioral Intention (BI)

Berdasarkan tabel diatas diperoleh bahwa nilai CR sebesar -0,011 ,

berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 yaitu

sebesar 0,88 . Dengan demikian H1 ditolak karena nilai CR dan

probabilitasnya tidak memenuhi persyaratan. H1 ditolak dengan

menunjukkan Performance Expectancy tidak berpengaruh terhadap



H2 = Performance Expectancy (PE) berpengaruh secara signifikan terhadap

Satisfaction (SAT)

Berdasarkan tabel diatas diperoleh bahwa nilai CR sebesar 4,527

berarti nilai CR > 1,96. Sedangkan nilai probabilitasnya < 0,05 sebesar

0,004. Dengan demikian H2 diterima karena nilai CR dan probabilitasnya

memenuhi persyaratan. H2 diterima dengan menunjukkan bahwa

Performance Expectancy berpengaruh terhadap Satisfaction.


H3 = Effort Expectancy (EE) berpengaruh secara signifikan terhadap


146

Berdasarkan tabel diatas diperoleh bahwa nilai CR sebesar -0,198,

berarti nilai CR < 1,96. Sedangkan nilai probibalitasnya > 0,05 sebesar

0,858. Dengan demikian H3 ditolak karena nilai CR dan probabilitasnya

tidak memenuhi persyaratan. H3 ditolak dengan menunjukkan Effort

Expectancy tidak berpengaruh terhadap Behavioral Intention.


H4 = Effort Expectancy (EE) berpengaruh secara signifikan terhadap

Satisfaction (SAT)

Berdasarkan tabel diatas diperoleh bahwa nilai CR sebesar 2,451

berarti nilai CR > 1,96. Sedangkan nilai probabilitasnya < 0,05 sebesar


memenuhi persyaratan. H4 diterima dengan menunjukkan bahwa Effort

Expectancy berpengaruh terhadap Satisfaction.


H5 = Social Influence (SI) berpengaruh secara signifikan terhadap





tidak memenuhi persyaratan. H5 ditolak dengan menunjukkan Social

Influence tidak berpengaruh terhadap Behavioral Intention.

147


H6 = Social Influence (SI) berpengaruh secara signifikan terhadap

Satisfaction (SAT)

Berdasarkan tabel diatas diperoleh bahwa nilai CR sebesar 0,581,



tidak memenuhi persyaratan. H6 ditolak dengan menunjukkan Social

Influence tidak berpengaruh terhadap Satisfaction.


H7 = Facilitating Condition (FC) berpengaruh secara signifikan terhadap

Use Behavior (UB)




tidak memenuhi persyaratan. H7 ditolak dengan menunjukkan Facilitating

Condition tidak berpengaruh terhadap Use Behavior.


H8 = Facilitating Condition (FC) berpengaruh secara signifikan terhadap

Satisfaction (SAT)




148

tidak memenuhi persyaratan. H8 ditolak dengan menunjukkan Facilitating

Condition tidak berpengaruh terhadap Satisfaction.


H9 = Trust (TRU) berpengaruh berpengaruh secara signifikan terhadap





tidak memenuhi persyaratan. H9 ditolak dengan menunjukkan Trust tidak

berpengaruh terhadap Behavioral Intention.


H10 = Trust (TRU) berpengaruh secara signifikan terhadap Satisfaction

(SAT)


berarti nilai CR > 1,96. Sedangkan nilai probibalitasnya < 0,05 sebanyak


memenuhi persyaratan. H10 diterima dengan menunjukkan Trust tidak

berpengaruh terhadap Satisfaction.


H11 = Satisfaction (SAT) berpengaruh secata signifikan terhadap



berarti nilai CR > 1,96. Sedangkan nilai probibalitasnya < 0,05. Dengan

149

demikian H11 diterima karena nilai CR dan probabilitasnya memenuhi

persyaratan. H11 diterima dengan menunjukkan Satisfaction tidak

berpengaruh terhadap Behavioral Intention.


H12 = Behavioral Intention (BI) berpengaruh secara signifikan terhadap

Use Behavior (UB)


berarti nilai CR > 1,96. Sedangkan nilai probibalitasnya < 0,05 sebesar


memenuhi persyaratan. H12 diterima dengan menunjukkan Behavioral

Intention tidak berpengaruh terhadap Use Behavior.

Tabel 4. 50 Uji Hipotesis

No Hipotesis Hasil

H1 Performance ExpectancyBehavioral Intention Ditolak

H2 Performance Expectancy Satisfaction Diterima

H3 Effort Expectancy Behavioral Intention Ditolak

H4 Effort Expectancy Satisfaction Diterima

H5 Social Influence Behavioral Intention Ditolak

H6 Social Influence Satisfaction Ditolak

H7 Facilitating Condition Use Behavior Ditolak

H8 Facilitating Condition Satisfaction Ditolak

H9 Trust Behavioral Intention Ditolak

H10 Trust Satisfaction Diterima

H11 Satisfaction Behavioral Intention Diterima

H12 Behavioral Intention Use Behavior Diterima

150

4.2 Interpretasi dan Diskusi Hasil Analisis

4.2.1 Interpretasi dan diskusi hasil analisis data demografis

Berdasarkan hasil analisis informasi demografis responden, peneliti

melakukan interpretasi dan mendiskusikan hasil analisis sebagai berikut :

1) Jenis Kelamin

Seperti hasil demografis responden berdasarkan jenis

kelamin yang terdapat pada gambar 4.1 dapat diketahui bahwa dari

318 responden sebagian besar didominasi oleh responden berjenis

kelamin perempuan yaitu sebanyak 193 responden (61%) dan sisanya

Gambar 4. 20 Uji Hipotesis Model

151

berasal dari responden laki-laki yaitu sebanyak 125 orang (39%). Hal

ini disebabkan karena saat peneliti melakukan penyebaran kuesioner,

responden perempuan cenderung lebih banyak yang ingin mengisi

kuesioner dibandingkan laki-laki.

2) Domisili BPJS

Berdasarkan gambar 4.2 yang merupakan hasil demografis

responden berdasarkan domisili BPJS, terdapat 128 responden (40%)

yang berdomisili di Jakarta yang mendominasi penelitian ini.

Kemudian responden yang berdomisili di Tangerang sebanyak 75

responden (24%). Sedangkan terdapat 63 responden (20%)

berdomisili di Depok. Untuk responden yang berdomisili di Bekasi

sebanyak 33 responden (10%). Jumlah responden yang paling sedikit

yaitu berdomisili di Bogor yaitu sebanyak 19 responden (6%). Hal ini

terjadi karena saat peneliti melakukan penyebaran kuesioner, peneliti

cenderung lebih banyak menyebarkan kuesioner di daerah Jakarta.

Dan dilihat dari data pengguna Mobile JKN pada tahun 2019,

diketahui jumlah pengguna Mobile JKN terbanyak yaitu di Jakarta

berjumlah 439.705.

3) Usia

Seperti yang ditujukkan pada gambar 4.3 bahwa responden

yang mendominasi pada penelitian ini yaitu usia 20-30 tahun yaitu

sebanyak 235 repsonden (74%). Kemudian responden yang berusia

31-40 tahun sebanyak 41 responden (13%). Sedangkan terdapat 33

152

responden (10%) yang berusia 41-50 tahun. Jumlah responden yang

paling sedikit yaitu berusia 5-60 tahun sebanyak 9 tahun (3%). Dalam

hal ini peneliti beranggapan bahwa pada usia 20-30 lebih familiar

dengan sistem pelayanan berbasis aplikasi yang dapat memudahkan

mendapatkan pelayanan.

4) Pendidikan terakhir

Berdasarkan gambar 4.4 yang merupakan hasil demografis

responden berdasarkan pendidikan terakhir, terdapat 142 responden

(45%) yang memiliki pendidikan terakhir S1 yang mendominasi

penelitian ini. kemudian responden yang memiliki pendidikan terakhir

SLTA sebanyak 125 responden (39%). Sedangkan terdapat 40

responden (13%) yang memiliki pendidikan terakhir Diploma.

Responden yang memiliki pendidikan terakhir yaitu S2 yaitu

sebanyak 10 responden (3%) Untuk jumlah responden yang paling

sedikit yaitu responden yang memiliki pendidikan terakhir S3

sebanyak 1 orang.

5) Pekerjaan

Seperti yang ditunjukkan pada gambar 4.5 bahwa responden

yang mendominasi pada penelitian ini yaitu responden yang bekerja

sebagai karyawan sebanyak 120 orang (38%). Kemudian

respoonden pelajar/mahasiswa sebanyak 102 orag (10%). Untuk

responden yang bekerja sebagai wiraswasta sebanyak 33 orang

(10%). Jumlah responden yang paling sedikit yaitu bekerja sebagai

153

PNS/TNI/POLRI sebanyak 19 orang (6%). Pada penelitin ini,

terdapat responden yang memilih lainnya pada optional kuesioner

sebagai pekerjaan yaitu sebanyak 44 orang (14%). Responden yang

memilih lainnya pada kuesioner pekerjaan memiliki berbagai

macam pekerjaan seperti ibu rumah tangga, freelancer, guru,

perawa, dokter, musisi, dan instruktur senam. Dengan demikian

dapat disimpulkan bahwa responden yang mendomoinasi pada

penelitian ini adalah responden yang bekerja sebagai karyawan dan

menggunakan aplikasi Mobile JKN.

6) Peranan Sistem

Berdasarkan gambar 4.6 menunjukkan bahwa responden

terbantu dengan dengan adanya Mobile JKN sebanyak 158 orang

(50%) dan bahkan sangat terbantu sebanyak 116 orang (36%).

Sehingga responden merasa terbantu dengan adanya Mobile JKN.

7) Status Penerimaan Pengguna

Berdasarkan gambar 4.7 menunjukkan bahwa responden

menerima adanya aplikasi Mobile JKN sebesar 182 orang (57%) dan

bahkan terdapat 96 responden (30%) yang menyatakan sangat

menerima. Sehingga responden menerima dengan adanya Mobile

JKN.

154

4.2.2 Interpretasi dan diskusi hasil pengukuran model

Hasil model pengukuran, yang harus diperhatikan yaitu sebagai berikut:

1. Dalam analisis ini menunjukkan bahwa data tidak normal sehingga

perlu dilakukannya bootstrapping. Sehingga akhir analisis ini

menunjukkan bahwa pengujian model dari model penelitian ini

memenuhi syarat dalam melakukan bootstrapping dan dapat

dilanjutkan ke tahap analisis full struktur model.

2. Dihapusnya dua indikator yaitu SI3 dan FC4 dalam model

penelitian ini karena memiliki tidak memiliki nilai signifikansi

0,05 dan tidak memiliki nilai Loading Factor diatas 0,5

Peneliti beranggapan bahwa penghapusan dua indikator ini karena

sebagian besar hasil kuesioner didapatkan secara online (82%) dan sisanya

didapatkan secara langsung. Hal ini memugkinkan terjadinya penafsiran

yang bias oleh responden. Kemudian pemilihan dan penggunaan item

indikator yang kurang tepat dalam kuesioner.

4.2.3 Interpretasi dan diskusi hasil struktural model

Hasil pengujian terhadap hipotesis-hipotesis yang diajukan pada

penelitian akan dibahas pada bagian ini

1. Pengaruh Performance Expectancy terhadap Behavioral Intention

Berdasarkan hasil penelitian yang telah diuji pada Hipotesis 1

menunjukan bahwa Performance Expectancy tidak berpengaruh

signifikan terhadap Behavioral Intention. Hal ini menunjukkan bahwa

155

keuntungan pengguna dari Mobile JKN tidak mempengaruhi niat

pengguna untuk penggunaan Mobile JKN. Hasil ini tidak sesuai dengan

hasil penelitian awal yang dilakukan oleh Venkatesh et al. (2003), hal ini

juga tidak sejalan dengan penelitian sejenis lainnya (Abrahão et al., 2016;

Cheng et al., 2009; Sharma et al., 2018; Ting & Yanhong, 2012) yang

menyatakan bahwa harapan kinerja menentukan niat pengguna untuk

menggunakan sistem. Pada penelitian ini, pengguna Mobile JKN

mendapatkan keuntungan dalam mendapatkan layanan tetapi tidak

mempengaruhi kepada niat pengguna untuk menggunakan aplikasi

Mobile JKN.

2. Pengaruh Performance Expectancy terhadap Satisfaction


menunjukkan bahwa Performance Expectancy berpengaruh signifikan

terhadap Satisfaction. Hal ini menunjukkan bahwa keuntungan pengguna

dari Mobile JKN mempengaruhi kepuasan pengguna dalam

menggunakan Mobile JKN. Hasil ini sesuai dengan hasil penelitian yang

dilakukan oleh(Chan et al., 2010; Cheng et al., 2009; C. Y. Lee et al.,

2015; Revels et al., 2010) yang menyatakan bahwa harapan kinerja

menentukan kepuasan pengguna dalam menggunakan sistem. Ketika

pengguna mendapatkan keuntungan menggunakan sistem, kepuasan

pengguna terhadap sistem akan lebih besar. Pada penelitian ini, pengguna

Mobile JKN merasa puas menggunakan Mobile JKN dengan keuntungan

156

yang didapatkan walaupun tidak mempengaruhi niat pengguna untuk

menggunakan Mobile JKN.

3. Pengaruh Effort Expectancy terhadap Behavioral Intention


menunjukkan bahwa Effort Expectancy tidak berpengaruh signifikan

terhadap Behavioral Intention. Hal ini menunjukkan bahwa kemudahan

pengguna dalam menggunakan Mobile JKN tidak mempengaruhi niat

pengguna untuk menggunakan Mobile JKN. Hasil ini sesuai dengan hasil

yang dilakukan oleh Cheng et al. (2009) yang menyatakan bahwa

harapan usaha tidak menentukan niat pengguna untuk menggunakan

sistem.

Namun, Hasil ini tidak sesuai dengan hasil yang dilakukan oleh

(Abrahão et al., 2016; Ifinedo, 2012; Sharma et al., 2018; Ting &

Yanhong, 2012; Venkatesh et al., 2003) yang menyatakan bahwa harapan

usaha menentukan niat pengguna untuk menggunakan sistem. Pada

penelitian ini, pengguna Mobile JKN merasakan kemudahan

menggunakan sistem tetapi tidak mempengaruhi kepada niat pengguna

untuk menggunakan Mobile JKN.

4. Pengaruh Effort Expectancy terhadap Satisfaction


menunjukkan bahwa Effort Expectancy berpengaruh signifikan terhadap

Satisfaction. Hal ini menunjukkan bahwa kemudahan pengguna dalam

157

menggunakan Mobile JKN mempengaruhi kepuasan pengguna dalam

menggunakan Mobile JKN. Hasil ini sesuai dengan hasil penelitian yang

dilakukan oleh (Chan et al., 2010; C.-Y. Lee et al., 2015; Revels et al.,

2010) yang menyatakan bahwa harapan usaha menentukan kepuasan

pengguna dalam menggunakan sistem. Ketika penguna mengganggap

sistem mudah digunakan, kepuasan penguna terhadap sistem akan lebih

besar. Pada penelitian ini, pengguna Mobile JKN merasakan kemudahan

dalam menggunakan aplikasi ini, sehingga pengguna merasa puas

menggunakan aplikasi walaupun tidak mempengaruhi niatnya untuk

menggunakan Mobile JKN.

5. Pengaruh Social Influence terhadap Behavioral Intention


menunjukkan bahwa Social Influence tidak berpengaruh signifikan

terhadap Behavioral Intention. Hal ini menunjukkan bahwa pengaruh

orang kepada pengguna untuk menggunakan Mobile JKN tidak

mempengaruhi niat pengguna untuk menggunakan Mobile JKN. Hasil ini

sesuai dengan hasil penelitian yang dilakukan oleh (Sharma et al., 2018;

Ting & Yanhong, 2012) yang menyatakan pengaruh sosial tidak

menentuan niat pengguna dalam menggunakan sistem.

Namun, Hasil ini tidak sesuai dengan hasil dengan hasil yang

dilakukan oleh (Abrahão et al., 2016; Cheng et al., 2009; Ifinedo, 2012;

Venkatesh et al., 2003) yang menyatakan bahwa pengaruh sosial

menentukan niat pengguna untuk menggunakan sistem. Berdasarkan

158

pengamatan langsung yang dilakukan oleh peneliti yaitu alasan pengguna

menggunakan Aplikasi Mobile JKN karena dianjurkan oleh pihak BPJS

agar mendapatkan layanan yang lebih mudah. Peneliti beranggapan

bahwa penyebab ditolaknya Hipotesis 5 dikarenakan pengguna merasa

lebih percaya dengan mendapatkan pelayanan secara langsung

dibandingkan melalui aplikasi.

6. Pengaruh Social Influence terhadap Satisfaction


menunjukkan bahwa Social Influence tidak berpengaruh signifikan

terhadap Satisfaction. Hal ini menunjukkan bahwa pengaruh orang

kepada pengguna untuk menggunakan Mobile JKN tidak mempengaruhi

kepuasan pengguna dalam menggunakan Mobile JKN. Hasil ini tidak

sesuai dengan hasil penelitian yang dilakukan oleh Kaewkitipong et al.

(2016) yang menyatakan bahwa pengaruh sosial menentukan kepuasan

pengguna dalam menggunakan sistem. Pada penelitian ini, pengguna

Mobile JKN dianjurkan oleh pihak BPJS untuk menggunakan aplikasi

ini agar mendapatkan pelayanan yang efektif dan efisien, tetapi pengguna

tidak merasa puas dan tidak mempengaruhi niatnya untuk menggunakan

aplikasi.

7. Pengaruh Facilitating Condition terhadap Use Behavior


menunjukkan bahwa Facilitating Condition tidak berpengaruh

signifikan terhadap Use Behavior. Hal ini menunjukkan bahwa kondisi

159

fasilitas tidak mempengaruhi perilaku pengguna dalam menggunakan

Mobile JKN. Hasil ini sesuai dengan hasil yang dilakukan oleh (Ting

& Yanhong, 2012) yang menyatakan bahwa kondisi fasilitas tidak

menentukan perilaku pengguna untuk menggunakan sistem

Namun, hasil ini tidak sesuai dengan hasil penelitian yang dilakukan

oleh (Ifinedo, 2012; Suki & Suki, 2017) yang menyatakan bahwa

kondisi faslitas menentukan perilaku pengguna dalam menggunakan

sistem. Pada penelitian ini, kondisi fasilitas yang dimiliki pengguna

atau yang disediakan oleh pihak BPJS tidak mempengaruhi niat

pengguna untuk menggunakan aplikasi Mobile JKN.

8. Pengaruh Facilitating Condition terhadap Satisfaction

Berdasarkan hasil penelitian yang telah diuji pada hipotesis 8

menunjukkan bahwa Facilitating Condition tidak berpengaruh signifikan

terhadap Satisfaction. Hal ini menunjukkan bahwa kondisi fasilitas tidak

mempengaruhi kepuasan pengguna dalam menggunakan Mobile JKN.

Hasil ini tidak sesuai dengan hasil penelitian yang dilakukan oleh (Chan

et al., 2010) yang menyatakan bahwa kondisi fasilitas menentukan

kepuasan pengguna dalam menggunakan sistem. Pada penelitian ini,

kondisi fasilitas yang dimiliki pengguna atau yang disediakan oleh pihak

BPJS tidak mempengaruhi kepuasan pengguna untuk menggunakan


160

9. Pengaruh Trust terhadap Behavioral Intention


menunjukkan bahwa Trust tidak berpengaruh signifikan terhadap

behavior intention. Hal ini menunjukkan bahwa kepercayaan pengguna

tidak mempengaruhi niat pengguna untuk menggunakan sistem. Hal ini

tidak sesuai dengan hasil penelitian yang dilakukan oleh (Sharma et al.,

2018) yang menyatakan bahwa kepercayaan pengguna menentukan niat

pengguna dalam menggunakan sistem. Pada penelitian ini, kepercayaan

pengguna terdahap Mobile JKN tidak mempengaruhi niatnya untuk

menggunakan aplikasi.

10. Pengaruh Trust terhadap Satisfaction


menunjukan bahwa Trust berpengaruh signifikan terhadap Satisfaction.

Hal ini menunjukkan bahwa kepercayaan pengguna mempengaruhi niat

pengguna untuk menggunakan sistem. Hal ini sesuai dengan penelitian

yang dilakukan oleh (Kaewkitipong et al., 2016; Sharma et al., 2018;

Suping & Yizheng, 2010) yang menyatakan bahwa kepercayaan

pengguna menentukan kepuasan pengguna dalam menggunakan

sistem. Ketika pengguna percaya kepada pelayanan, kepuasan

pengguna semakin besar. Pada penelitian ini, pengguna merasa percaya

dengan Mobile JKN sehingga merasa puas dengan adanya aplikasi

161

walaupun kepercayaan ini tidak mempengaruhi niat pengguna untuk

menggunakan aplikasi.

11. Pengaruh Satisfaction terhadap Behavioral Intention


menunjukkan bahwa satisfacion berpengaruh signifikan terhadap

Behavioral Intention. hal ini menunjukkan bahwa kepuasan pengguna

mempengaruhi niat pengguna untuk menggunakan sistem. Hal ini

sesuai dengan penelitian yang dilakukan oleh (Cheng et al., 2009) yang

menyatakan bahwa kepuasan pengguna menentukan niat pengguna

dalam menggunakan sistem. Ketika pengguna puas dengan sistem yang

digunakan maka niat pengguna untuk menggunakan sistem akan

semakin besar. Pada penelitian ini, pengguna merasa puas dengan

Mobile JKN sehingga mempengaruhi niatannya untuk menggunakan

aplikasi.

12. Pengaruh Behavioral Intention terhadap Use Behavioral


menunjukkan bahwa Behavioral Intention berpengaruh signifikan

terhadap Use Behavioral. Hal ini menunjukkan bahwa niat pengguna

dalam menggunakan sistem mempengaruhi perilaku pengguna untuk

menggunakan sistem. Hal ini sesuai dengan penelitian awal oleh

Venkatesh et al. (2003) didukung dengan penelitian yang dilakukan

oleh (Ifinedo, 2012; Im et al., 2011; Suki & Suki, 2017; Ting &

Yanhong, 2012) yang menyatakan bahwa niat perilaku perngguna

162

menentukan perilaku pengguna dalam menggunakan sistem. Pada

penelitian ini, peilaku pengguna dipengaruhi oleh niat atau minat

pengguna. Sehingga dengan adanya hubungan perilaku penggua dalam

minat pengguna dapat menumbuhkan rasa pengguna untuk

menggunakan aplikasi dikemudian hari.

163

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan, kesimpulan yang didapatkan

dari penelitian ini sebagai berikut :

1) Dari hasil pengolahan data didapatkan bahwa sebanyak 50% responden

merasa terbantu dengan adanya aplikasi Mobile JKN. Kemudian, terdapat

57% responden yang menerima. Sehingga dapat disimpulkan bahwa

aplikasi Mobile KKN dapat membantu responden dalam mendapatkan

layanan dari BPJS Kesehatan dan pengguna aplikasi BPJS Kesehatan

menerima dengan adanya aplikasi Mobile JKN.

2) Pada penelitian ini, terdapat 2 dari 31 indikator yaitu SI3 dan FC4 dihapus.

Terjadinya penghapusan indikator tersebut peneliti beranggapan bahwa

penggunaan indikator yang kurang tepat. Selain itu, karena sebagian besar

responden diperoleh secara online sebanyak 260 responden (82%), sehingga

memungkinkan terjadinya kesalahan pemahaman pertanyaan bagi

responden karena tidak ada pendampingan secara langsung.

3) Pada penelitian ini, terdapat 7 hipotesis yang ditolak dari 12 hipotesis yang

ada. Berdasarkan uji hipotesis, 7 hipotesis yang ditolak yaitu PEBI,

EEBI, SIBI, SISAT, FCUB, FCSAT, dan TRUBI tidak

memiliki pengaruh yang signifikan. Sehingga ditolaknya hipotesis tersebut

menunjukkan perbedaan hasil dengan penelitian sebelumnya. Perbedaan

164

hasil tersebut peneliti menganggap wajar karena adanya perbedaan objek

penelitian, sampel, dan keterbatasan saat penelitian sehingga menjadi faktor

yang mempengaruhi hasil dari penelitian

4) Terdapat 5 hipotesis yang diterima dari 12 hipotesis yang ada. 5 hipotesis

tersebut yaitu PE SAT, EESAT, TRUSAT, SAT BI, dan BI

UB. Sehingga faktor-faktor yang mempengaruhi penerimaan pengguna

sebagai berikut :

a. Performance Expectancy berpengaruh signifikan terhadap kepuasan

pengguna.

b. Effort Expectancy berpengaruh seignifikan terhadap kepuasan

pengguna

c. Trust berpengaruh signifikan terhadap kepuasan pengguna

d. Satisfaction berpengaruh terhadap penerimaan pengguna

e. Behavioral Intention berpengaruh signifikan terhadap penerimaan

pengguna

Berdasarkan hasil penelitian ini, juga dapat disimpulkan bahwa penelitian ini

telah memberikan kontribusi yaitu :

1) Secara teori, Penelitian ini telah mengembangkan model evaluasi

penerimaan pengguna dengan model UTAUT dengan menambahkan

variabel kepercayaan (Trust) dan kepuasan (Satisfaction). Berdasarkan

penelitian Zou (2012) menyatakan ketika pengguna mempunyai

kepercayaan pada penyedia layanan aplikasi mobile, maka pengguna

percaya bahwa penyedia layanan memiliki kemampuan untuk

165

menyelesaikan masalah. Menurut Cheng et al (2009) Satisfaction biasanya

dipandang sebagai sikap yang dimiliki seseorang yang akan

mempengaruhi niat untuk menggunakan sistem.

2) Secara metodologi, penelitian ini berperan dalam mendorong pemanfaatan

pada penelitian kuantitatif dalam penyusunan skripsi di Program Studi

Sistem Informasi UIN Syarif Hidayatullah Jakarta

3) Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan bagi

pihak BPJS Kesehatan dalam rencana pengembangan aplikasi Mobile

JKN.

Selain itu, penelitian ini memiliki keterbatasan yang berpengaruh terhadap

hasil penelitian, dimana penelitian ini kurang optimal. Berikut merupakan

keterbatasan pada penelitian ini :

a. Penelitian ini menggunakan kuantitatif, menghasilkan temuan berupa

angka statistik yang selanjutnya diinterpretasikan menjadi kata-kata.

Kata-kata ini merupakan asumsi atau tanggapan terhadap apa yang

terjadi dalam penelitian ini

b. Pada penelitian ini lebih banyak mendapatkan data melalui online

dibandingkan secara langsung, sehingga terjadi kesalahpehaman

pertanyaan yang dijawab oleh responden karena tidak didampingi secara

langsung.

5.2 Saran

Berdasarkan hasil dari penelitian yang telah dilakukan, adapun saran yang

diberikan yaitu sebagai berikut :

166

1) Bagi penelitian selanjunya diharapkan dapat mempertimbangkan

beberapa hal sebagai berikut :

a. Dalam penyebaran kuesioner lebih baik dilakukan secara langsung

dibandingkan secara online. Sehingga dapat menjelaskan langsung

maksud dari setiap pertanyaan dari kuesioner yang ada sehingga

responden mengerti maksud dari pertanyaan tersebut.

b. Pengambilan data pada penelitian ini hanya terbatas pada

JABODETABEK (Jakarta, Bogor, Depok, Tangerang, dan Bekasi)

karena data pengguna yang peneliti dapatkan dari pihak BPJS bahwa

wilayah JABODETABEK memiliki pengguna terbanyak. Sehingga

untuk peneliti selanjutnya agar mendapatkan data yang lebih banyak

dan mencakup wilayah di Indonesia untuk mendapatkan hasil yang

lebih baik.

c. Melakukan pengajian indikator yang akan digunakan agar

mengurangi penghapusan indikator

d. Melakukan peninjauan kembali terhadap variabel PE, EE, SI, FC,

dan TRU terhadap Behavioral Intention. Karena berdasarkan

analisis penelitian ini, keempat variabel tersebut tidak berpengaruh

terhadap Behavioral Intention.

2) Bagi pihak BPJS Kesehatan sebagai pihak penyedia aplikasi Mobile

JKN, agar dapat terus mengembangkan aplikasi Mobile JKN sesuai

dengan kebutuhan peserta BPJS. Pihak BPJS memberikan kemudahan

dan keuntungan untuk pengguna dalam aplikasi Mobile JKN.

167

Meningkatkan fasilitas yaitu fitur yang mudah dipahami oleh pengguna

dalam menggunakan Mobile JKN. Sehingga pengguna mengerti dengan

fitur-fitur yang ada. Hal ini dapat dilakukan dengan selalu melakukan

perawatan dan meng-update sistem. Sesuai dengan penelitian ini, saran

yang perlu diperhatikan oleh pihak BPJS adalah sebagai berikut :

a. Melihat dari faktor-faktor yang mempengaruhi penerimaan yang

dihasilkan oleh Performance Expectancy, Effort Expectancy, Trust,

Satisfaction, dan Behavioral Intention.

Pada faktor Performance Expectancy perlu dilakukan

peningkatan pelayanan seperti memberikan fitur untuk scanning

berkas data diri kepersetaan BPJS jika ingin melakukan

pengumbahan data diri kepesertaan melalui Mobile JKN sehingga

tidak perlu adanya konfirmasi data langsung ke kantor BPJS. Pada

faktor Effort Expectancy yaitu memberikan kemudahan dalam

mengoperasikan aplikasi Mobile JKN sehingga dapat membuat

pengguna merasa nyaman untuk mengoperasikannya. Pada faktor

Trust yaitu memberikan informasi pelayanan yang akurat sehingga

adanya kesamaan informasi yang ada di aplikasi maupun informasi

pelayanan secara manual. Pada faktor Satisfaction perlu dilakukan

peningkatan kualitas pelayanan seperti pada faktor Performance

Expectancy dan peningkatan informasi layanan seperti pada faktor

Trust. Pada faktor Behavioral Intention perlu dilakukan peningkatan

manfaat atau keuntungan serta kemudahan dalam mendapatkan

168

layanan dengan menggunakan aplikasi Mobile JKN. Hal ini dapat

dilakukan dengan selalu melakukan perawatan dan meng-update

sistem.

b. Memberikan sosialisasi dan dukungan kepada peserta BPJS untuk

menggunakan Mobile JKN. Sehingga semua peserta BPJS

mengetahui adanya Aplikasi Mobile JKN untuk memudahkan

peserta BPJS dalam mendapatkan layanan.

169

DAFTAR PUSTAKA

Abrahão, R. d. S., Moriguchi, S. N., & Andrade, D. F. (2016). Intention of adoption

of mobile payment: An analysis in the light of the Unified Theory of

Acceptance and Use of Technology (UTAUT). RAI Revista de

Administração e Inovação, 13(3), 221-230. doi:

https://doi.org/10.1016/j.rai.2016.06.003

Adell, E. (2009). Acceptance of Driver Support Systems. Proceedings of the

European Conference on Human Centred Design for Intelligent Transport

Systems, 475-486.

Al-Busaidi, K. A., & Alshihi, H. (2010). Instructors' Acceptance of Learning

Management Systems: A Theoretical Framework. Communications of the

IBIMA. doi: 10.5171/2010.862128

Alwahaishi, S., & Snasel, V. (2013). Consumers’ Acceptance and Use of

Information and Communications Technology: A UTAUT and Flow Based

Theoretical Model (Vol. 8).

Anggraeni, E. Y., & Irvani, R. (2017). Pengantar Sistem Informasi. Yogyakarta:

Andi.

Antasari, K. C., & Yaniartha, S. P. D. (2015). Pengaruh Efektivitas Sistem

Informasi Akuntasi dan Penggunaan Teknologi Informasi pada Kinerja

Individual dengan Kepuasan Kerja Variabel Pemoderasi. E-Jurnal

Akuntansi, 354-369%@ 2302-8556.

Arifin, J. (2017). SPSS 24 untuk penelitian dan skripsi. Jakarta: Elex Media

Komputindo.

Babonea, A.-M., & Voicu, M.-C. (2011). Questionnaires Pretesting in Marketing

Research. Challenges of the Knowledge Society, vol 1, 1323-1330.

Bahri, S., & Zamzam, F. (2015). Model Penelitian Kuantitatif Berbasis SEM-

AMOS. Yogyakarta: Deepublish.

170

Bankosegger, D. (2010, 2010//). COOPERS: Driver Acceptance Assessment of

Cooperative Services. Paper presented at the Data and Mobility, Berlin,

Heidelberg.

Blunch, N. J. (2008). introduction to structural equation modelling using SPSS and

AMOS. London, England: SAGE Publications.

Chan, F., Thong, J., Venkatesh, V., A. Brown, S., Jen-Hwa Hu, P., & Tam, K.

(2010). Modeling Citizen Satisfaction with Mandatory Adoption of an E-

Government Technology. Journal of the Association for Information

Systems, 11, 519-549. doi: 10.17705/1jais.00239

Cheng, D., Liu, G., Qian, C., & Fang Song, Y. (2009). User acceptance of internet

banking: An extension of the UTAUT model with trust and quality

constructs. International Journal of Services Operations and Informatics -

Int J Serv Oper Informat, 4. doi: 10.1504/IJSOI.2009.029186

Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User

Acceptance of Information Technology. Mis Quarterly, 13(3), 319-340. doi:

10.2307/249008

Davis, F. D. (1993). User acceptance of information technology: system

characteristics, user perceptions and behavioral impacts. International

Journal of Man-Machine Studies, 38(3), 475-487. doi:

https://doi.org/10.1006/imms.1993.1022

Debbie, C. (2003). Pretesting Survey Instruments: An Overview of Cognitive

Methods. Quality of Life Research, 12(3), 229-238.

Dillon, A., & G. Morris, M. (1996). User Acceptance of Information Technology:

Theories and Models (Vol. 31).

Effendi, S., & Tukiran. (2012). Metode Penelitian Survei. Jakarta: LP3ES.

Eriyanto. (2007). Teknik Sampling Analisis Opini Publik. Yogyakarta: LKiS.

F. Hair, J., Gabriel, M., & Patel, V. (2014). AMOS Covariance-Based Structural

Equation Modeling (CB-SEM): Guidelines on its Application as a

Marketing Research Tool. Revista Brasileira de Marketing, 13, 44-55. doi:

10.5585/remark.v13i2.2718

171

Ferdinand, A. (2002). Metode Penelitian Manajemen : Pedoman penelitian untuk

Skripsi, Tesis, dan Desertasi Ilmu Manajemen. Semarang: BP Undip.

Field, A. (2013). Discovering statistics using IBM SPSS statistics: SAGE.

Firdaus, & Zamzam, F. (2018). Aplikasi Metodologi Penelitian. Yogyakarta:

Deepublish.

Ghozali, I. (2008). Structural Equation Modeling, Teori, Konsep dan Aplikasi

dengan program LISREL 8.80. Semarang: Badan Penerbit Universitas

Diponegoro.

Hair, J. F., Black, W. C., Bbabin, B. J., & Anderson, R. E. (2010). Multivariate

Data Analysis, 7th Edition. New Jersey: Pearson Prentice Hall.

Hair, J. F., Black, W. C., Bbabin, B. J., & Anderson, R. E. (2014). Multivariate

Data Analysis, Pearson New International Edition, 7th Edition. USA:

Pearson

Haryono, S., & Wardoyo, P. (2012). Structural Equation Modeling untuk Penelitian

Menajemen Menggunakan AMOS 18.00. Bekasi: Badan Penerbit PT.

Intermedia Personalia Utama.

Hilario, A. L., Oruga, J. D. H., Turqueza, M. P. B., & Hilario, D. V. (2018).

Utilization of clinical pathway on open appendectomy: A quality

improvement initiative in a private hospital in the Philippines. International

journal of health sciences, 12(2), 43-49.

Hormati, A. (2012). Pengujian Model Unified Theory of Acceptance and Use of

Technology dalam Pemanfaatan Sistem Informasi Keuangan Daerah.

Jurnal Akuntansi Multiparadigma. doi: 10.18202/jamal.2012.04.7140

Hutahaean, J. (2014). Konsep Sistem Informasi. Yogyakarta: Deepublish.

Ifinedo, P. (2012, 4-7 Jan. 2012). Technology Acceptance by Health Professionals

in Canada: An Analysis with a Modified UTAUT Model. Paper presented at

the 2012 45th Hawaii International Conference on System Sciences.

Igbaria, M. (1993). User acceptance of microcomputer technology: An empirical

test. Omega, 21(1), 73-90. doi: https://doi.org/10.1016/0305-

0483(93)90040-R

172

Im, I., Hong, S., & Soo Kang, M. (2011). An international comparison of

technology adoption: Testing the UTAUT model. Information &

Management, 48(1), 1-8.

Irianto, A. B. P., Pramono, S. H., & Winarno, W. W. (2015). Evaluasi Model

Pemanfaatan Teknologi Informasi dalam Menunjang Kinerja di PT

Dirgantara Indonesia (Persero). Media Teknika Jurnal Teknologi, 10 No.2.

Jaya, I. (2019). Penerapan Statistik Untuk Penelitian Pendidikan. Jakarta:

Prenadamedia Group.

Jogiyanto. (2008). Metoologi Penelitian Sistem Informasi. Yogyakarta: Andi.

Kaewkitipong, L., Chen, C. C., & Ractham, P. (2016). Using social media to enrich

information systems field trip experiences: Students’ satisfaction and

continuance intentions. Computers in Human Behavior, 63, 256-263. doi:

https://doi.org/10.1016/j.chb.2016.05.030

Kim, D. J., Ferrin, D. L., & Rao, H. R. (2008). A trust-based consumer decision-

making model in electronic commerce: The role of trust, perceived risk, and

their antecedents. Decision Support Systems, 44(2), 544-564. doi:

https://doi.org/10.1016/j.dss.2007.07.001

Komputer, W. (2014). Membangun Aplikasi Mobile Cross Platform dengan

Phonegap. Jakarta: PT Elex Media Komputindo.

Kusumawardani, I. W., Wahyuni, E. D., & Suharso, W. (2018). Analisis

Penerimaan dan Penggunaan Aplikasi Work Order Android Menggunakan

Metode UTAUT Pada PDAM Kota Malang. 1, 82. doi:

10.25273/doubleclick.v1i2.2127

Laudon, K. C., & Laudon, J. P. (2014). Management Information Systems

Managing the Digital Firm Thirteenth edition: Pearson.

Lee, C.-Y., Tsao, C.-H., & Chang, W.-C. (2015). The relationship between attitude

toward using and customer satisfaction with mobile application services: An

empirical study from the life insurance industry. Journal of Enterprise

Information Management, 28(5), 680-697. doi: doi:10.1108/JEIM-07-2014-

0077

173

Lee, C. Y., Tsao, C. H., & Chang, W. C. (2015). The relationship between attitude

toward using and customer satisfaction with mobile application services: An

empirical study from the life insurance industry. Journal of Enterprise

Information Management, 28(5), 680-697. doi: doi:10.1108/JEIM-07-2014-

0077

Lee, D. Y., & Lehto, M. R. (2013). User acceptance of YouTube for procedural

learning: An extension of the Technology Acceptance Model. Computers &

Education, 61, 193-208. doi:

https://doi.org/10.1016/j.compedu.2012.10.001

Lee, Y.-H., Hsieh, Y.-C., & Hsu, C.-N. (2011). Adding Innovation Diffusion Theory

to the Technology Acceptance Model: Supporting Employees' Intentions to

use E-Learning Systems (Vol. 14).

Ling, L. W., Downe, A. G., Ahmad, W. F. W., & Lai, T. T. (2011, 19-20 Sept.

2011). Determinants of computer usage among educators: A comparison

between the UTAUT and TAM models. Paper presented at the 2011 National

Postgraduate Conference.

Loewenstein, G., Friedman, J. Y., McGill, B., Ahmad, S., Linck, S., Sinkula, S., . .

. Volpp, K. G. (2013). Consumers’ misunderstanding of health insurance.

Journal of Health Economics, 32(5), 850-862. doi:

https://doi.org/10.1016/j.jhealeco.2013.04.004

M. Ikart, E. (2019). Survey Questionnaire Survey Pretesting Method: An

Evaluation of Survey Questionnaire via Expert Reviews Technique. Asian

Journal of Social Science Studies, 4, 1. doi: 10.20849/ajsss.v4i2.565

Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An Integrative Model of

Organizational Trust. The Academy of Management Review, 20(3), 709-

734. doi: 10.2307/258792

Moon, B. C., & Chang, H. (2014). Technology acceptance and adoption of

innovative smartphone uses among hospital employees. Healthcare

informatics research, 20(4), 304-312.

174

Nasir, M. (2013). Evaluasi penerimaan teknologi informasi mahasiswa di

Palembang menggunakan model UTAUT. Paper presented at the Seminar

Nasional Aplikasi Teknologi Informasi 2013.

Nisha, N., Iqbal, M., Rifat, A., & Idrish, S. (2016). Exploring the Role of Service

Quality and Knowledge for Mobile Health Services. International Journal

of E-Business Research, 12, 45-64. doi: 10.4018/IJEBR.2016040104

Oliver, R. L. (1981). Measurement and evaluation of satisfaction processes in retail

settings. Journal of Retailing, 57(3), 25-48.

Payadnya, I. P. A. A., & Jayantika, I. G. A. N. T. (2018). Panduan Penelitian

Eksperimen beserta Analisis Statistik dengan SPSS. Yogyakarta:

Deepublish.

Pramana, H. (2005). Aplikasi Penjualan berbasis Access. Jakarta: Elex Media

Komputindo.

Rachmadi, D. G., Sunarto, D., & Mastan, I. A. (2016). Measurement Acceptance

of UWKS Academic Smart Mobile Applications Using UTAUT (Unified

Theory of Acceptance and Use of Technology). Jurnal Sistem Informasi dan

Komputer Akuntansi, 5, No. 11.

Rao, S., & Troshani, I. (2007). A conceptual framework and propositions for the

acceptance of mobile services. J. Theor. Appl. Electron. Commer. Res., 2(2),

61-73.

Revels, J., Tojib, D., & Tsarenko, Y. (2010). Understanding consumer intention to

use mobile services. Australasian Marketing Journal (AMJ), 18(2), 74-80.

Reynolds, N., Diamantopoulos, A., & Schlegelmilch, B. (1993). Pre-Testing in

Questionnaire Design: A Review of the Literature and Suggestions for

Further Research. Market Research Society. Journal., 35(2), 1-11. doi:

10.1177/147078539303500202

RI, K. K. (2013). Buku Saku FAQ (Frequently Asked Questions) BPJS Kesehatan

(JKN-KIS). Jakarta: Kementerian Kesehatan RI.

Rogers, E. M. (1983). Diffusion of innovations. New York; London: Free Press ;

Collier Macmillan.

175

Saleem, Z., & Rashid, K. (2011). Relationship between Customer Satisfaction and

Mobile Banking Adoption in Pakistan. 2, 537-544. doi:

10.7763/IJTEF.2011.V2.162

Salim, B. (2012). An Application of UTAUT Model for Acceptance of Social

Media in Egypt: A Statistical Study. International Journal of Information

Science, 2, 92-105. doi: 10.5923/j.ijis.20120206.05

Samaradiwakara, G. D. M., & Chandra, G. (2014). Comparison of existing

technology acceptance theories and models to suggest a well improved

theory/model (Vol. 1).

Santoso, S. (2018). Konsep Dasar dan Aplikasi SEM dengan Amos 24. Jakarta: Elex

Media Komputindo.

Saputra, E. (2014). Analisis Penerimaan Sistem Informasi Manajemen Rumah Sakit

Umum Daerah Bankinang Menggunakan Metode Technology Acceptance

Model (TAM). 2014, 10(2), 7.

Sarja, N. (2015). Analisis Penerimaan Sistem Informasi Dosen Menggunakan

Technology Acceptance Model (TAM). Seminar Nasional Informatika.

Sarwono, J. (2013). Statistik Multivariat Aplikasi untuk Riset Skripsi. Yogyakarta:

Andi.

Sharma, S. K., Al-Badi, A., Rana, N. P., & Al-Azizi, L. (2018). Mobile applications

in government services (mG-App) from user's perspectives: A predictive

modelling approach. Government Information Quarterly, 35(4), 557-568.

doi: https://doi.org/10.1016/j.giq.2018.07.002

Siregar, S. (2013). Metode Penelitian Kuantitatif: Dilengkapi dengan

Perbandingan Perhitungan Manual & SPSS Edisi Pertama. Jakarta:

Penerbit Kencana.

Subiyakto, A. 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. IJBIS, 23 No. 2, 229-247. doi:

10.1504/IJBIS.2016.078908

Subiyakto, A. a., Ahlan, A. R., Kartiwi, M., & Sukmana, H. (2015). Measurement

of Information System Project Success Based on Perceptions of the Internal

176

Stakeholders. International Journal of Electrical and Computer

Engineering (IJECE), 5 No.2, 271-279.

Suharsono, & Retnonigsih, A. (2012). Kamus Besar Bahasa Indonesia Edisi Lux.

Semarang: Widya Karya.

Suki, N. M., & Suki, N. M. (2017). Determining students’ behavioural intention to

use animation and storytelling applying the UTAUT model: The moderating

roles of gender and experience level. The International Journal of

Management Education, 15(3), 528-538. doi:

https://doi.org/10.1016/j.ijme.2017.10.002

Suping, H., & Yizheng, S. (2010). Factors influencing user acceptance of Online

Banking. International Conference on Logistics Systems and Intelligent

Management (ICLSIM), 1, 315-318. doi: 10.1109/ICLSIM.2010.5461412

Supriyadi, E. (2014). SPSS+AMOS Statistical Data Analysis. Jakarta: In Media.

Suryani, & Hendryadi. (2016). Metode Riset Kuantitatif : Teori dan Aplikasi Pada

Penelitian Bidang Manajemen dan Ekonomi Islam. Jakarta: Prenadamdia

Group.

Suzanto, B., & Sidharta, I. M. T. (2015). Pengukuran End-User Computing

Satisfaction Atas Penggunaan Sistem Informasi Akademik. Jurnal

Ekonomi, Bisnis & Enterpreneurship, 9 No.1, 16-28.

Swanson, W. B. (1988). Information System Implementation: Bridging the Gap

Between Design and Utilization Homewood: IRWIN,Inc.

Taherdoost, H. (2018). A review of technology acceptance and adoption models

and theories. Procedia Manufacturing, 22, 960-967. doi:

https://doi.org/10.1016/j.promfg.2018.03.137

Ting, G., & Yanhong, D. (2012, 22-24 June 2012). A study on users' acceptance

behavior to mobile e-books application based on UTAUT model. Paper

presented at the 2012 IEEE International Conference on Computer Science

and Automation Engineering.

V Perneger, T., Courvoisier, D., Hudelson, P., & Gayet-Ageron, A. (2014). Sample

size for pre-tests of questionnaires. Quality of life research : an

177

international journal of quality of life aspects of treatment, care and

rehabilitation, 24. doi: 10.1007/s11136-014-0752-2

Venkatesh, V., G Morris, M., B Davis, G., & Davis, F. (2003). User Acceptance of

Information Technology: Toward a Unified View. Mis Quarterly, 27, 425-

478. doi: 10.2307/30036540

Venkatesh, V., Thong, J., & Xu, X. (2016). Unified Theory of Acceptance and Use

of Technology: A Synthesis and the Road Ahead. Journal of the Association

for Information Systems, 17, 328–376. doi: 10.17705/1jais.00428

Venkatesh, V., & Zhang, X. (2010). Unified Theory of Acceptance and Use of

Technology: U.S. Vs. China. Journal of Global Information Technology

Management, 13(1), 5-27. doi: 10.1080/1097198X.2010.10856507

Wang, H.-Y., & Wang, S.-H. (2010). User acceptance of mobile internet based on

the unified theory of acceptance and use of technology: Investigating the

determinants and gender differences. Social Behavior and Personality: An

International Journal, 38(3), 415-426. doi: 10.2224/sbp.2010.38.3.415

Wibisono, D. (2013). Riset BisnisPanduan bagi Praktisi dan Akademisi. Jakarta:

Gramedia Pustaka Utama.

Widarjono, A. (2015). Analisis Multivariat Terapan dengan SPSS, AMOS, dan

SMARTPLS. Yogyakarta: UPP STI YKPN.

Widi, R. K. (2010). Asas Metodologi Penelitian. Jakarta: Graha Ilmu.

Widiani, Y. N., & Abdullah, A. (2018). Kualitas Pelayanan E-Government Melalui

Aplikasi E-Filing Kantor Pelayanan Pajak Pratama Bandung Cibeunying

Terhadap Kepuasan Pengguna Aplikasi. Jurnal Riset Bisnis dan

Manajemen, 11(2), 88-96. doi: 10.23969/jrbm.v11i2.721

Widyapraba, E., Susanto, T. D., & Herdiyanti, A. (2016). Analisis Faktor-Faktor

yang Mempengaruhi Niat Pengguna untuk Menggunakan Aplikasi Daftar

Online Rumah Sakit (Studi Kasus : RSUD Gambiran Kediri. Seminar

Nasional Sistem Informasi, 163-172.

Willy, A. (2018). Metode Penelitian Terpadu Sistem Informasi Pemodelan Teoritis,

Pengukuran, dan Pengujian Statistis. Yogyakarta: Andi.

178

Yang, S.-C., & Farn, C.-K. (2009). Social capital, behavioural control, and tacit

knowledge sharing—A multi-informant design. International Journal of

Information Management, 29(3), 210-218. doi:

https://doi.org/10.1016/j.ijinfomgt.2008.09.002

Yoep, M. A., & Noh, N. M. (2016). Blended Learning: Literature Review on The

Acceptance Factors of the Teachers Based on Acceptance Models. Journal

of Research, Policy & Practice of Teachers & Teacher Education, 6 No.1,

67-85.

Yusuf, A. M. (2014). Metode Penelitian : Kuantitatif, Kualitatif, dan Penelitian

Gabungan

Jakarta: Kencana.

Zhou, T. (2012). Examining location-based services usage from the perspectives of

unified theory of acceptance and use of technolog and privacy risk. Journal

of Electronic Commerce Research, 13, 135-144.

LAMPIRAN

LAMPIRAN 1

KUESIONER PENELITIAN

Kepada Yth.

Bapak/Ibu/Sudara/i

Pengguna Aplikasi Mobile JKN

JABODETABEK

di- Tempat

Assalamua’laikum Wr. Wb.

Dengan hormat,

Saya Pratiwi Hanjani Putri, salah satu mahasiswa di Program Studi

Sistem Informasi, Universitas Islam Negeri Syarif Hidayatullah

Jakarta yang sedang melaksanakan penelitian skripsi yang berjudul

: “Analisis Penerimaan Pengguna terhadap Aplikasi Mobile JKN

Badan Penyelenggaran Jaminan Sosial Kesehatan dengan Metode

Unified Theory of Acceptance and Use of Technology”.

Sehubungan dengan pelaksanaan penelitian tersebut, mohon

bantuan partisipasi Bapak/Ibu/Saudara untuk mengisi kuesioner

penelitian sekitar 5-10 menit. Saya menjamin bahwa data penelitian

ini dirahasiakan dan hanya akan digunakan untuk tujuan penelitian

tersebut.

Demikian, besar harapan saya Bapak/Ibu/Saudara bersedia

membantu untuk mengisi kuesioner tersebut. Atas bantuan dan

kerjasamanya saya ucapkan terima kasih.

Wassalamu’alaikum Wr.Wb.

Mengetahui Jakarta, Maret 2019

a.n Dosen Pembimbing I Peneliti

Dosen Pembimbing II

A’ang Subiyakto, M.Kom, PhD Pratiwi Hanjani Putri

NIP. 19760219 200710 1 002 NIM. 11150930000025

No. _____

KUESIONER PENELITIAN

A. PROFIL RESPONDEN

Jawablah dengan memberikan tanda (✓) pada salah satu jawaban yang tersedia.

1. Nama : ____________________________

2. Email/ No.Telp : ____________________________

3. Jenis Kelamin : Laki-laki Perempuan

4. Domisili BPJS : Jakarta Bogor Depok Tangerang Bekasi

5. Usia : 20-30 tahun 31-40 tahun 41-50 tahun 51-60 tahun

6. Pendidikan Terakhir : SLTA Diploma S1 S2 S3

7. Pekerjaan : 7. Pelajar / Mahasiswa

PNS/TNI/POLRI

Karyawan

Wiraswasta

Lainnya ______________

8. Secara keseluruhan, apakah dengan adanya aplikasi mobile JKN dapat membantu dalam

mendapatkan layanan?

Sangat membantu

Membantu

Tidak tahu

Tidak membantu

Sangat tidak membantu

9. Secara umum, apakah anda menerima aplikasi mobile JKN?

Sangat Menerima

Menerima

Tidak tahu

Tidak menerima

Sangat Tidak Menerima

B. PENERIMAAN PENGGUNA PADA APLIKASI MOBILE JKN

Nyatakan pendapat anda dengan memberikan tanda (✓) pada salah satu skala berikut

Skala Keterangan Singkatan

1 Sangat Tidak Setuju STS

2 Tidak Setuju TS

3 Netral N

4 Setuju S

5 Sangat Setuju SS

B.1 Performance Expectancy (Harapan Kinerja)

Sejauh mana penggunaan Aplikasi Mobile JKN dalam membantu Kinerja dalam mendapatkan layanan

No. Pertanyaan 1 2 3 4 5

STS TS N S SS

10. Aplikasi menghemat waktu dan usaha saya dalam mendapatkan layanan JKN

11. Aplikasi memungkinkan saya untuk mendapatkan layanan yang lebih cepat

12. Aplikasi bermanfaat dalam mengakses layanan JKN

13. Aplikasi meningkatkan produktivitas layanan JKN

B.2 Effort Expectancy (Harapan Usaha)

Sejauh mana penggunaan Aplikasi Mobile JKN dapat memberikan kemudahan pengguna dalam

mendapatkan layanan


STS TS N S SS

14. Aplikasi mudah dimengerti dalam pengguaannya

15. Aplikasi tidak membutuhkan keterampilan khusus dalam penggunaannya

16. Aplikasi mudah digunakan

17. Aplikasi mudah dipelajari

B.3 Social Influence (Pengaruh Sosial)

Sejauh mana pengaruh sosial untuk menggunakan Aplikasi Mobile JKN


STS TS N S SS

18. Saya menggunakan aplikasi karena pengaruh pihak BPJS

19. Saya menggunakan aplikasi dengan dukungan dari penyedia (BPJS)

20. Saya menggunakan aplikasi karena pengaruh sosial media atau media massa

B.4 Facilitating Condition (Kondisi Memfasilitasi)

Sejauh mana pengaruh kondisi memfasilitasi dalam menggunakan Aplikasi Mobile JKN


STS TS N S SS

21. Saya memiliki sumber daya yang diperlukan untuk menggunakan aplikasi

22. Saya memiliki pengetahuan yang diperlukan untuk menggunakan aplikasi

23. Saya menggunakan aplikasi sesuai dengan petunjuk teknis yang disediakan

24. Saya menggunakan aplikasi dengan bantuan pihak BPJS dan orang lain

B.5 Trust (Kepercayaan)

Sejauh mana Kepercayaan pengguna dalam menyediakan layanan di Aplikasi Mobile JKN


STS TS N S SS

25. Saya percaya layanan pada aplikasi

26. Saya percaya aplikasi memberikan layanan yang baik

27. Saya percaya aplikasi memberikan layanan yang asli

28. Saya percaya aplikasi melindungi privasi pengguna dengan baik

B.6 Satisfaction (Kepuasan)

Sejauh mana harapan dan pengalaman pengguna dalam menggunakan aplikasi Mobile JKN


STS TS N S SS

29. Saya dapat memenuhi kebutuhan dengan menggunakan aplikasi

30. Saya merasa puas setelah menggunakan aplikasi

31. Saya merasa puas dengan Pihak BPJS untuk menyediakan aplikasi

32. Saya mendapatkan layanan sesuai dengan harapan

33. Saya merasa puas dengan layanan aplikasi

B.7 Behavioral Intention (Niat Perilaku)

Sejauh mana niat pengguna untuk menggunakan Aplikasi Mobile JKN


STS TS N S SS

34. Saya berniat untuk terus menggunakan aplikasi kedepannya

35. Saya akan selalu mencoba untuk menggunakan aplikasi

36. Saya berencana untuk menggunakan aplikasi dibulan depan

37. Saya merekomendasikan penggunaan aplikasi kepada orang lain

B.8 Use Behavior (Perilaku Penggunaan)

Sejauh mana perilaku pengguna dalam menggunakan Aplikasi Mobile JKN


STS TS N S SS

38. Saya sering menggunakan aplikasi

39. Saya senang menggunakan aplikasi

40. Saya selalu menggunakan aplikasi

LAMPIRAN 2

TRANSKRIP WAWANCARA

Transkrip Wawancara

Narasuber : Ibu Upik Handayani

Jabatan : Deputi Bidang Pengendalian Mutu Pelayanan BPJS Kesehatan

Pewawancara : Pratiwi Hanjani Putri

Tanggal : 27 Februari 2018

Tempat : BPJS Kesehatan Kantor Pusat

Bagaimana latar belakang dirancanganya Mobile JKN?

Jawab :

Latar belakang dirancangnya Mobile JKN untuk memberikan layanan tetapi melalui

smartphone jadi peserta tidak perlu datang ke kantor cabang terdekat untuk

mendapatkan layanan

Apa kelebihan adanya Mobile JKN?

Jawab :

Kelebihan adanya mobile JKN yaitu peserta mendapatkan kebutuhan pelayanan seperti

pendaftaran, perubahan data, kemudahan dalam menyampaikan pengaduan,

mendapatkan informasi dapat diakses melalui Mobile JKN yang tidak perlu datang ke

kantor.

Apa tujuan adanya Mobile JKN?

Jawab :

Meningkatkan kepuasan, menyederhanakan proses, kemudahan dan kecepatan dalam

mendapatkan layanan

Apakah menurut Ibu selama ini Mobile JKN berjalan dengan baik?

Jawab :

So far sih, sudah sangat banyak membantu kepada peserta, jadi balik lagi untuk

memberikan layanan melalui digital sehingga semuanya tidak perlu datang ke kantor

cabang. Karena image BPJS yang katanya mengurus data atau mendapatkan pelayanan

itu lama dan ngantri di kantor cabang jadinya peserta dapat mengakses Mobile JKN

Apakah aplikasi ini masih mempunyai kekurangan?

Jawab :

Fitur-fitur aplikasi mobile JKN tidak bisa diganti data setiap hari. Misalkan untuk

mengganti Faskes tidak bisa diganti setiap hari seperti mobil banking yang setiap hari

bisa melakukan transaksi setiap harinya. Sehingga fitur apa yang meningkatkan

kebermanfaatan aplikasi mobile JKN.

Apakah selama ini ada keluhan dari pengguna aplikasi terhadap Aplikasi Mobile JKN?

Jawab :

Untuk keluhan sendiri pada saat registrasi pengguna Mobile JKN yang datanya tidak

sama dengan data yang di BPJS, karena kemungkinan itu terjadi kesalahan pada awal

pembuatan BPJS. Kemudian perubahan data yang berupa administrasi tidak semuanya

bisa diubah di Aplikasi Mobile jkn sehingga peserta perlu datang ke kantor BPJS.

Apakah selama ini aplikasi Mobile JKN pernah dievaluasi pada sisi penerimaan

pengguna?

Jawab :

Untuk evaluasi dalam sisi penerimaan pengguna belum pernah

Selama diimplementasikan, apakah aplikasi ini mempunyai kendala-kendala?

Jawab :

Kendala pada segmentasi sasaran. Biasanya tergantung juga dengan aksesibilitas

jaringan internet. Kalo masalah jaringan internet itu bukan masalah internalnya BPJS,

misalkan wilayah yang jauh dan susah signal merupakan kendala pertama. Aplikasi ini

peruntukannya tidak terlalu optimal jika didaerah yang jaringannya sulit. Yang kedua

spesifikasi smartphonenya dari peserta. Yang terakhir merangkul kebermanfaatan

aplikasi pada pengguna atau konsistensinya. Kemudian fitur-fitur yang harus

dikembangkan lagi biasanya seperti perubahan data dari sisi administrasi masih banyak

yang harus dilakukan di kantor cabang karena kebijakan dan regulasi bagaimana

caranya itu dapat dilakukan di Mobile JKN.

Apakah ada sosialisasi Mobile JKN?

Jawab:

Itu merupakan program rutin, jadi setiap event atau acar dengan stakeholder lain

sehingga kita sekaligus mensosialisasikan Mobile JKN.

Ada apa saja selain Mobile JKN disini?

Jawab :

Untuk aplikasi platform itu Mobile JKN untuk channel pelayanan Call Care Center

1400500

Dokumentasi Wawancara

LAMPIRAN 3

DATA PENGGUNA MOBILE JKN

Data Responden Mobile JKN JABODETABEK per 2 Jjanuari 2019

Data Responden Mobile JKN per 2 Jjanuari 2019

LAMPIRAN 4

DATA 318 RESPONDEN

Data 318 Responden

PE

1

PE

2

PE

3

PE

4

EE

1

EE

2

EE

3

EE

4

SI

1

SI

2

SI

3

FC

1

FC

2

FC

3

FC

4

4 5 5 4 5 4 5 5 3 5 5 5 5 5 1

4 4 5 5 5 4 4 5 4 4 5 4 3 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 5 3 4 4 4 4 4

2 3 2 3 3 4 3 3 4 3 3 2 2 2 2

4 4 4 4 4 4 5 5 2 3 5 3 3 3 3

4 3 3 3 3 4 5 5 4 4 4 2 4 4 2

3 4 3 4 2 4 3 4 1 3 1 4 4 4 1

2 2 3 2 4 4 4 4 1 2 3 4 4 4 1

4 4 4 4 3 3 3 3 4 3 3 4 3 3 4

5 2 3 3 5 5 5 5 5 5 1 3 5 3 1

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 4 4 4 4 3 4 4 2 3 4 4 4 4 2

3 4 5 4 3 2 3 3 1 1 4 4 4 3 3

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 3 3 3 3 3 3 4 4 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 5 4 4 4 4 5 5 2 4 4 4 4 4 1

4 4 4 4 4 3 3 3 3 3 4 4 4 4 2

1 5 5 3 3 3 3 3 3 3 3 3 3 3 3

2 2 4 3 2 3 4 3 4 4 2 3 2 4 4

2 2 4 2 4 3 4 3 4 4 1 3 3 4 2

4 5 4 4 4 4 4 4 4 5 5 4 4 5 4

5 5 4 5 4 5 5 5 5 5 2 5 4 5 5

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 2 2 2 4 4 4 4

4 5 4 4 5 5 5 4 1 4 5 4 4 4 2

4 5 4 4 5 5 5 4 1 4 5 4 4 4 2

4 4 3 4 5 4 3 4 3 4 4 4 4 5 3

4 5 4 5 5 5 4 4 3 4 4 4 4 5 1

4 4 4 4 4 5 4 5 4 4 2 5 5 5 2

4 4 4 4 4 5 4 4 4 3 2 4 5 5 1

4 4 3 5 5 4 4 3 4 4 2 3 4 4 2

5 4 4 4 4 4 4 4 4 4 2 4 4 4 3

5 4 4 4 5 5 5 5 5 4 1 4 5 5 4

2 2 3 2 3 4 4 3 4 2 2 5 3 3 2

2 2 3 2 4 5 4 3 4 3 2 4 4 4 1

2 2 3 2 4 4 3 4 3 2 4 3 3 4 4

4 4 4 4 4 4 5 5 4 5 2 4 4 5 1

4 5 4 4 4 4 5 5 4 5 2 4 5 5 2

2 2 3 4 3 3 4 4 1 3 5 4 4 4 5

2 2 2 2 4 4 4 4 4 4 3 3 4 4 2

4 4 4 4 5 4 4 4 5 4 1 4 3 3 2

4 4 5 5 4 4 4 4 4 4 2 4 3 3 2

4 4 5 5 4 4 5 5 4 4 2 5 4 4 1

5 4 4 4 5 5 4 5 4 4 2 5 4 4 2

5 4 4 4 5 5 5 5 4 4 3 4 4 4 2

5 4 4 4 4 5 5 4 5 5 1 4 3 4 3

4 4 4 4 5 5 4 4 4 4 4 5 5 5 2

4 4 4 4 5 4 5 5 4 5 4 4 4 4 4

4 5 4 4 5 4 5 5 5 4 2 4 4 5 4

4 5 4 4 5 5 4 4 2 2 5 3 5 4 4

2 2 3 3 4 4 4 4 2 2 4 3 4 3 4

4 5 4 4 5 5 5 5 4 4 3 4 4 4 4

4 4 4 4 5 5 4 4 4 4 2 4 4 4 2

2 2 2 3 4 4 3 4 2 1 2 4 4 3 1

4 3 3 4 3 3 4 4 3 4 4 4 4 4 3

5 5 5 5 2 2 2 3 2 2 4 4 4 4 2

4 4 4 4 4 4 4 4 4 4 2 2 2 4 2

5 4 4 5 5 5 5 5 3 2 2 5 5 2 2

3 2 4 2 5 4 5 5 2 3 4 5 5 5 2

5 4 4 5 4 4 5 5 4 5 4 4 5 5 5

4 4 4 4 4 4 4 4 4 4 5 4 4 5 4

4 4 4 4 4 4 4 4 2 2 4 4 2 4 2

4 4 5 5 5 4 5 5 3 3 3 3 4 5 4

3 2 4 4 2 2 4 4 2 3 3 3 4 3 3

4 3 4 3 4 3 4 4 2 2 4 4 4 4 2

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 3 3 3 3 3 3 3 3 3 3 3

4 4 4 3 4 3 4 3 2 2 2 3 3 3 2

5 5 5 5 5 3 5 5 5 5 4 5 5 5 4

4 5 5 3 4 4 4 4 2 2 2 4 4 4 3

4 4 4 4 4 4 4 4 2 4 2 4 4 4 2

4 4 4 4 3 3 4 4 3 4 4 4 4 4 4

4 5 4 4 4 4 4 3 4 3 5 4 4 4 4

2 2 3 2 2 2 2 3 2 2 2 4 4 4 2

4 4 4 4 4 3 3 3 4 4 3 4 3 4 3

4 3 3 4 4 4 4 4 2 2 4 4 2 4 2

5 4 5 4 5 4 4 4 5 4 2 4 5 2 1

4 4 4 4 4 4 4 4 2 4 4 4 4 4 3

4 3 4 4 4 5 4 5 2 2 4 5 5 4 2

4 4 4 4 4 4 4 4 4 4 4 3 4 4 2

4 5 5 5 5 4 5 4 5 5 5 4 5 5 4

3 2 3 3 4 4 4 4 3 3 4 4 4 4 3

4 3 4 3 4 4 4 4 2 2 4 3 4 3 2

5 5 5 5 5 4 5 5 3 5 5 5 5 5 5

4 4 4 4 4 3 4 4 4 4 3 3 4 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

5 4 4 4 4 4 4 4 3 3 4 4 5 5 2

4 3 4 3 3 3 3 3 2 2 3 4 4 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 3 3 4 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 3 5 4 4 3 3 4 4 3 3 4

3 4 4 3 2 3 3 3 3 3 4 2 4 2 3

3 3 3 3 3 3 4 4 3 3 3 3 3 3 3

4 5 4 5 4 4 4 4 4 4 4 4 3 4 4

3 3 3 3 3 3 3 3 4 4 4 3 3 3 3

5 5 5 5 4 4 5 5 5 5 5 4 4 5 3

4 2 2 2 4 4 4 4 2 2 4 5 5 5 2

4 3 4 3 3 5 4 3 4 3 4 5 5 4 1

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 5 5 4 5 4 5 4 4 5 3 3 4 4

3 3 4 4 4 4 4 4 2 2 3 3 3 3 2

3 4 3 4 3 4 3 2 2 3 4 4 4 4 2

3 3 4 4 4 4 4 4 4 4 3 4 4 4 4

4 5 5 4 4 3 4 4 2 2 3 4 4 4 2

4 4 4 4 4 4 4 4 4 4 4 4 4 4 3

4 4 4 4 4 3 4 3 2 4 3 2 3 4 2

5 5 5 5 5 5 5 5 3 3 5 5 5 5 3

4 4 4 4 3 4 4 3 4 4 4 3 3 4 4

4 4 4 4 4 4 4 4 4 3 2 4 4 4 3

5 5 5 4 5 5 5 5 4 4 5 4 4 5 5

3 3 4 4 3 3 4 3 4 4 4 4 4 5 4

3 3 4 4 3 4 3 3 3 4 4 4 5 4 4

4 4 4 4 4 2 4 4 4 4 2 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 3 4 4 4 3 3 4 3 4 3 3 3 4 4

4 4 4 4 4 4 3 3 4 3 3 3 4 4 2

5 5 5 4 4 4 5 5 4 4 4 4 4 4 4

4 4 3 2 4 3 4 4 4 3 2 3 3 4 2

4 4 4 4 3 3 3 3 3 4 3 3 3 4 4

3 3 3 3 4 4 4 4 2 2 4 3 3 4 3

3 2 4 2 3 3 3 3 3 4 4 4 3 3 3

5 5 5 5 4 3 4 4 5 5 5 5 5 5 2

3 3 5 4 4 5 4 2 1 2 4 4 5 4 2

3 3 3 3 3 3 3 3 2 2 2 2 3 3 3

5 5 5 5 4 5 5 5 4 4 4 4 4 4 4

4 4 4 3 4 2 3 3 4 3 3 4 4 3 2

4 4 4 3 4 2 3 3 4 3 3 4 4 3 2

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 5 5 5 4 4 4 4

5 5 5 5 4 5 5 5 4 4 3 4 5 5 3

5 5 5 5 4 5 5 5 4 4 3 4 5 5 3

4 3 4 3 4 5 4 4 1 2 4 4 5 5 1

2 2 4 2 4 4 4 4 2 4 4 4 4 4 2

4 4 4 3 3 4 4 3 3 2 3 4 3 3 2

5 5 5 4 5 5 5 5 5 5 3 5 5 5 5

5 5 5 5 5 5 5 5 5 5 1 5 5 5 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 3 3 4 4 4 4 5 5 1 5 5 4 3

4 3 4 4 3 3 3 2 4 4 1 3 3 3 2

3 3 4 4 4 4 4 4 2 3 5 4 4 4 2

4 4 4 3 3 3 3 4 2 4 3 3 3 4 4

4 3 4 3 4 4 5 4 3 3 4 4 4 4 3

5 5 5 5 4 3 4 4 4 4 2 4 4 3 4

5 5 5 5 5 5 5 4 5 5 2 4 5 4 4

5 2 4 4 4 2 2 4 2 4 1 4 5 5 2

3 3 5 4 5 5 5 5 5 5 2 5 5 5 2

4 4 4 4 4 4 4 4 3 3 3 4 4 4 3

4 4 4 3 3 4 4 4 3 3 3 3 4 3 2

4 4 4 3 3 4 4 4 3 3 3 3 4 3 2

3 3 4 4 2 3 4 4 4 3 4 3 4 4 3

3 2 2 2 5 5 5 5 4 4 2 4 4 4 2

4 2 3 2 4 3 4 4 1 3 4 4 4 4 1

3 5 4 3 3 3 3 4 4 4 2 4 4 4 3

1 2 2 2 1 3 5 5 3 3 4 5 5 3 5

5 5 5 5 5 5 5 5 3 3 1 5 5 5 3

4 3 5 4 4 3 5 5 4 5 5 4 5 5 4

4 4 4 4 4 3 4 4 2 3 3 4 4 4 1

5 5 4 5 5 5 5 5 5 5 5 5 5 5 5

5 4 5 5 5 5 4 5 3 3 4 5 5 5 2

4 3 4 4 4 4 5 5 3 4 4 4 5 4 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 3 4 4 4 4 4 4 2 2 2 4 4 4 2

5 5 5 5 5 3 4 4 2 2 2 4 5 5 2

4 3 5 4 4 4 4 4 3 4 2 4 4 4 2

3 3 4 3 4 4 4 4 5 5 3 4 4 4 1

4 3 4 3 4 2 4 3 4 4 1 5 5 3 2

3 3 4 3 5 5 5 5 3 2 2 5 5 5 1

5 5 4 5 3 4 5 3 3 3 2 4 4 4 3

4 4 4 4 4 4 4 4 5 4 4 4 5 5 4

4 5 4 4 4 5 4 4 4 5 4 5 5 4 5

4 3 4 3 3 4 3 4 4 3 3 3 4 4 2

5 4 4 4 4 5 5 5 3 4 3 5 5 5 1

5 5 5 5 5 5 5 5 1 5 1 5 5 5 1

5 4 4 4 4 2 4 4 2 4 4 4 4 4 4

1 2 2 2 2 3 2 3 1 2 4 2 2 2 1

5 5 5 5 4 3 5 5 5 5 3 4 5 5 5

4 4 4 3 3 2 4 3 3 3 4 4 3 4 3

5 5 5 4 4 5 5 5 5 4 2 5 5 5 5

4 5 4 4 4 4 3 4 4 5 4 2 3 4 4

5 5 5 5 5 5 5 5 5 5 5 5 4 5 5

4 4 4 4 4 5 5 5 5 4 5 4 4 4 4

4 4 4 4 4 4 5 5 4 4 3 4 4 4 4

2 2 3 2 3 4 4 3 2 3 1 4 5 3 1

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 4 3 4 2 2 4 2 2 2 3 3 3 4

3 3 3 3 5 5 5 5 4 5 1 5 5 5 1

4 4 4 4 4 4 4 4 3 4 3 4 4 4 3

5 5 5 5 5 5 5 5 5 5 5 5 5 5 1

2 2 4 4 4 4 4 4 3 3 2 4 4 3 2

4 4 4 3 4 4 4 4 3 4 4 4 4 4 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 4 4 4 4 3 3 4 3 4 4 3

4 3 5 3 5 5 5 5 4 4 4 3 4 4 4

2 2 2 2 3 3 3 3 1 1 2 2 2 2 2

4 3 5 5 3 3 5 4 1 1 3 3 3 3 2

4 4 4 4 4 4 4 4 2 2 2 3 3 3 3

5 5 4 4 5 5 5 5 2 3 4 3 4 4 1

2 2 2 3 4 4 5 5 2 3 2 3 4 4 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 3 4 3 2 4 4 4 2 2 4 4 4 4 4

5 5 5 5 4 4 5 5 4 4 4 4 4 4 4

5 5 5 5 5 1 5 5 1 3 3 4 4 4 3

2 3 3 3 3 4 4 4 2 3 4 3 4 4 2

5 5 5 5 4 4 4 4 4 4 1 4 4 4 1

3 1 3 2 4 4 4 4 4 2 2 2 3 4 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

5 5 5 5 5 5 5 5 4 4 3 4 4 4 2

4 4 5 4 5 5 4 5 3 4 5 5 4 4 3

5 4 5 4 5 5 5 5 4 3 4 5 5 5 1

5 5 5 5 4 3 4 4 3 4 3 5 5 5 3

4 4 4 4 4 3 4 4 3 5 1 5 5 4 2

2 3 3 1 3 5 4 4 2 2 2 4 5 4 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

4 4 4 4 4 4 4 4 3 3 3 4 4 4 4

3 4 4 4 4 4 4 4 3 3 3 4 4 4 3

5 5 5 5 4 4 4 4 2 2 2 4 4 4 1

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 5 5 5 4 4 4 4 4 4 4 4 4 4 1

4 4 4 4 5 5 5 4 2 3 4 4 3 4 2

4 4 4 4 4 3 4 3 1 2 3 4 4 4 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 4 4 5 4 5 5 3 4 4 5 5 5 5

2 2 2 2 4 4 4 4 2 2 3 4 4 4 4

5 5 5 5 5 5 5 5 2 4 2 3 4 3 3

3 2 4 2 3 4 3 4 2 2 3 3 4 4 2

4 4 4 4 4 4 5 5 3 4 4 4 4 4 4

3 3 4 4 4 4 4 4 4 3 4 4 3 3 3

4 3 5 5 4 4 5 5 3 3 3 3 3 3 2

5 4 4 4 4 4 5 5 2 4 2 4 5 4 1

5 3 4 4 3 4 4 4 4 4 1 5 4 5 2

4 4 4 4 5 2 3 3 1 1 3 4 4 3 1

1 1 4 1 5 5 5 5 2 4 1 5 5 5 1

4 4 4 2 5 5 4 4 2 2 2 5 5 5 2

4 4 4 4 4 4 4 4 1 3 4 4 4 4 1

3 3 3 2 3 3 3 3 1 3 3 3 3 3 2

4 3 5 4 5 5 5 5 2 2 4 5 5 5 2

3 2 3 3 5 5 5 5 1 1 1 5 5 5 1

5 4 5 5 3 4 4 4 5 5 3 5 3 5 1

4 4 4 4 3 4 3 3 5 4 1 4 3 3 3

2 2 3 2 4 3 3 3 2 2 3 3 3 3 2

3 3 3 3 4 3 3 3 5 5 1 5 4 4 3

5 4 5 3 5 3 4 4 3 3 3 4 4 4 4

2 2 4 4 4 4 4 4 5 5 4 4 4 4 2

1 1 2 1 4 3 4 4 1 1 1 3 5 3 1

4 5 5 5 5 5 5 5 3 4 3 5 4 5 3

2 2 3 3 2 3 3 2 2 2 2 1 3 3 2

4 4 4 4 4 4 4 4 2 2 2 4 4 2 2

5 4 4 3 2 2 2 2 2 2 5 5 4 4 2

4 4 4 3 5 5 5 5 3 3 5 3 3 5 1

4 4 4 2 4 4 4 4 2 4 4 4 4 4 4

3 2 2 3 2 3 2 2 2 2 2 3 4 3 1

4 3 4 4 5 3 4 4 3 3 5 4 4 4 3

5 5 5 4 4 5 5 4 5 5 3 5 4 4 5

4 2 4 4 4 3 3 3 4 4 2 4 4 4 2

2 2 2 2 2 3 1 2 3 3 3 4 4 4 2

4 3 4 4 4 4 4 4 2 4 4 4 4 4 3

4 3 5 4 5 5 5 5 1 3 3 5 5 5 3

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 5 5 5 4 2 3 4 5 5 5 4

5 5 5 5 5 5 5 5 4 4 1 5 5 5 1

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 2 4 2 5 5 1 1 1 4 4 5 2

4 4 4 4 4 4 5 5 4 4 3 4 4 4 2

4 4 5 4 5 5 5 5 3 3 4 2 5 5 3

5 5 5 5 4 4 5 5 4 5 3 5 5 5 4

4 4 4 3 4 2 4 4 2 2 2 4 4 4 2

5 5 5 5 5 5 5 5 5 4 3 5 5 4 5

4 4 4 4 2 2 2 4 2 2 2 5 5 4 1

4 4 5 4 4 3 4 3 3 3 4 5 4 3 3

5 4 5 5 5 4 5 5 3 3 3 4 5 3 2

5 5 5 5 5 5 5 5 4 4 4 5 5 5 2

4 5 4 4 4 4 4 4 1 1 1 4 4 4 4

4 4 4 3 5 3 4 4 4 4 1 5 5 5 1

2 2 3 4 4 4 4 4 5 4 3 4 4 4 2

5 5 5 5 5 5 5 5 3 3 4 5 5 5 4

5 4 5 5 5 5 5 5 1 2 4 3 5 5 5

3 3 3 3 3 5 4 4 3 3 3 3 3 4 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 4 4 4 5 5 5 5 1 5 3 4 4 4 4

5 4 5 5 5 5 3 4 4 4 1 3 3 4 3

4 3 4 3 4 3 3 4 2 4 4 4 4 4 3

5 5 5 4 5 5 5 5 5 5 4 5 5 5 4

2 2 3 2 3 2 3 2 5 5 2 3 3 4 3

5 4 5 3 4 4 4 5 5 4 3 5 5 5 2

5 3 5 4 3 3 3 3 4 4 4 4 4 4 5

5 5 5 5 5 5 5 5 5 5 2 5 5 3 3

4 4 4 3 3 4 3 3 3 3 3 3 3 4 3

3 3 3 3 2 2 2 2 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 2 2 4 4 4 2

3 3 4 3 5 5 4 4 4 4 4 3 3 3 3

1 1 2 3 3 1 1 1 5 3 1 3 4 3 1

2 2 2 2 3 3 3 3 2 2 2 3 3 3 3

4 4 4 3 4 3 3 3 4 3 1 4 1 3 5

2 2 2 2 2 3 3 1 1 1 1 1 1 1 5

4 4 4 4 3 3 4 4 4 4 2 4 4 4 4

5 4 4 5 5 5 5 5 2 4 2 4 5 5 5

4 2 4 3 4 4 4 4 4 3 4 4 4 4 2

4 4 5 5 4 4 4 5 3 3 4 3 4 4 3

4 5 4 4 3 3 3 3 3 3 4 3 3 3 3

4 4 4 4 2 2 3 3 4 2 2 4 2 2 4

3 3 3 3 4 4 4 4 2 2 2 3 3 4 2

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 3 4 3 4 5 5 5 4 4 4 4 4 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 3 4 4 4 5 5 4 4 3 4 4 4 4

3 3 4 2 4 4 4 4 3 2 4 4 4 2 1

5 4 4 4 4 4 4 4 3 3 3 3 3 3 3

4 4 4 4 3 2 2 2 4 4 4 4 4 4 4

5 5 5 5 5 5 5 5 5 5 1 4 4 5 3

5 4 4 5 5 5 5 5 2 4 2 5 5 5 2

3 4 4 4 4 4 4 4 2 3 4 4 4 4 2

4 4 5 4 4 2 3 3 4 5 4 4 4 4 5

Data 318 Responden

TR

U1

TR

U2

TR

U3

TR

U4

SA

T1

SA

T2

SA

T3

SA

T4

SA

T5

B

I1

B

I2

B

I3

B

I4

U

B1

U

B2

U

B3

4 4 5 5 5 4 5 5 4 1 1 3 3 3 3 3

4 4 4 4 4 4 4 5 4 3 3 3 3 3 4 3

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 3 3 3 3 3 3 3 3 2 3 3 3 1 3 3

2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3

4 5 4 3 4 4 4 4 4 4 4 4 5 4 4 4

4 4 5 5 4 3 4 3 3 4 4 3 4 3 3 3

3 3 4 4 3 3 3 3 3 3 2 2 3 2 2 1

2 2 3 2 1 2 2 2 2 2 2 3 2 1 2 1

3 3 4 4 3 3 3 3 3 3 3 3 3 2 3 3

5 3 5 5 3 4 5 1 5 4 4 4 5 5 3 4

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 3 4 4 4 3 4 4 3 4 4 4 3 3

4 3 3 4 4 2 2 2 3 3 4 2 4 5 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 2 4 4 4

4 4 4 4 2 4 4 2 2 2 4 4 4 2 4 2

4 4 4 4 3 3 4 4 4 4 4 3 3 3 3 3

1 1 1 1 1 1 1 1 1 3 3 3 3 3 3 3

5 5 4 3 4 3 4 3 3 4 4 4 4 3 4 4

4 2 4 3 4 4 4 2 3 3 4 3 3 2 4 3

5 4 5 4 5 5 4 5 5 5 4 4 5 3 4 4

5 4 4 4 4 4 4 5 4 4 5 5 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 5 4 4 5 4 3 4 3 4 3

4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4

4 4 4 5 4 4 4 4 4 4 3 3 4 4 4 4

3 3 3 3 3 3 3 4 3 3 3 3 3 3 3 3

5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4

5 4 4 4 4 4 5 4 5 5 5 5 5 5 5 5

4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4

5 5 5 5 4 5 5 4 2 2 3 3 4 2 4 5

5 5 5 5 5 4 3 4 5 5 5 5 5 5 5 5

5 5 5 5 5 5 4 5 3 3 3 3 3 3 3 3

3 3 3 3 4 4 5 4 4 4 4 4 4 4 2 4

4 5 5 5 4 4 4 4 4 2 2 2 4 4 4 2

4 4 4 4 5 4 5 5 4 4 4 4 4 3 3 3

3 3 3 3 5 4 4 4 1 1 1 3 3 3 3 3

4 4 4 5 4 4 4 2 4 3 3 4 4 4 4 3

4 5 4 4 4 5 4 5 4 2 3 3 4 3 3 2

4 5 4 4 4 4 4 4 4 5 5 5 4 4 5 3

5 5 5 5 4 5 4 5 5 5 5 5 5 4 4 4

3 3 3 4 4 5 5 4 3 3 5 5 5 4 4 4

4 4 5 5 4 4 5 4 4 4 4 4 4 4 4 4

4 4 4 5 5 5 4 4 5 5 4 4 5 4 4 4

5 4 5 5 5 4 4 5 3 3 5 4 4 4 4 4

4 4 4 4 5 4 5 4 4 4 5 5 5 4 4 4

5 5 4 5 4 4 4 3 4 2 4 4 4 4 4 4

4 4 4 4 4 5 5 5 3 3 4 4 4 4 4 4

4 3 4 4 4 4 4 4 3 3 3 3 3 3 3 3

4 3 4 4 5 4 3 3 4 4 4 4 4 4 5 4

4 4 4 4 4 5 4 4 4 3 4 4 4 4 4 4

2 2 2 2 1 1 2 2 4 4 2 2 2 2 2 2

3 4 4 4 4 3 3 2 3 4 4 3 4 4 4 4

2 3 3 3 3 3 3 3 3 4 4 4 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 2 4 4 4 4

5 5 5 5 5 5 5 5 5 4 4 4 4 3 4 3

4 4 4 4 4 4 4 4 4 3 4 3 3 2 4 2

5 4 5 4 4 5 5 5 4 4 4 5 5 4 5 4

4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4

2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4

5 5 5 5 5 3 5 4 4 3 5 3 5 3 5 3

3 3 3 3 3 3 4 3 3 3 3 3 3 3 4 3

4 4 4 3 4 4 4 4 5 5 4 4 4 4 4 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 3 3 4 4 4 4 4 3 5 3 3 3

5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5

4 3 3 3 4 3 4 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 3 4 4 4 4 4 4 3 4 3 3 3 4 4

4 5 5 4 4 4 4 4 5 4 4 4 4 4 4 4

2 2 2 3 2 2 2 2 2 2 2 2 2 2 2 2

4 3 3 3 4 4 4 3 4 3 4 4 4 3 4 4

4 4 4 4 4 3 3 3 3 4 4 3 3 2 3 2

5 4 4 4 4 4 5 4 4 5 5 5 5 4 5 3

3 2 2 2 3 3 2 2 2 2 2 2 2 2 2 2

4 3 4 3 4 4 4 4 4 4 4 2 5 5 5 5

4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3

4 5 4 5 5 4 5 4 5 5 5 4 5 5 5 4

5 2 4 4 3 2 3 3 3 2 3 3 2 4 3 2

3 4 4 3 3 3 3 3 3 3 3 3 3 2 3 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 3 3 4 3 4 3 3 4 4 4 4 3 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 3 3 3 3 3 3 3 3 3 3 4 3 4 3 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3

4 4 4 4 4 4 4 3 4 3 3 3 3 2 3 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 4 3 3 3 3 5 3 5 4 4 4 4 3 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3

3 3 4 4 4 3 3 3 3 3 3 3 4 3 3 3

3 3 4 2 2 3 2 3 2 3 4 3 4 3 3 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3

5 5 5 5 5 4 4 5 4 5 5 5 5 5 4 4

4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 5 5 5 5 5 5 5 4 4 5 5 5

2 2 2 2 2 2 1 2 2 2 2 1 2 2 2 2

3 3 2 1 4 3 3 4 2 3 1 2 3 2 3 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

5 5 5 5 5 5 5 4 5 4 4 4 5 4 4 4

3 3 3 3 3 3 3 4 3 3 2 3 3 1 2 1

3 4 5 5 3 3 3 3 4 3 3 2 3 2 2 1

4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4

3 4 4 4 3 4 2 3 2 2 2 2 2 2 3 2

4 4 4 4 4 4 4 4 4 4 4 3 5 3 3 2

3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 3 4 4 4 4 4 5 4 4 4 4 4 4 4

4 4 3 4 4 3 4 4 4 4 4 4 4 3 4 3

4 4 4 3 4 5 5 5 5 4 4 3 5 2 2 2

4 3 4 4 4 3 4 4 3 3 4 2 2 1 1 1

3 4 3 2 3 3 3 4 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 3 3 3 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4

4 4 4 4 4 3 3 3 4 4 4 4 4 5 5 4

3 4 3 3 4 2 3 4 3 3 4 3 3 2 3 3

5 5 5 5 5 5 5 4 4 5 4 4 5 4 4 5

3 2 3 3 3 3 4 3 3 3 3 3 4 2 2 2

3 3 3 3 4 3 4 3 3 3 3 3 3 3 3 3

3 3 3 4 3 3 3 3 3 2 3 3 2 3 3 2

3 3 3 3 4 4 4 4 4 3 3 3 3 3 3 3

4 4 4 4 4 4 4 3 4 4 4 4 4 3 3 3

3 3 3 3 4 2 4 3 3 3 4 3 4 1 4 1

3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3

4 4 4 2 4 3 3 4 4 4 4 4 4 2 3 3

4 4 4 2 4 3 3 4 4 4 4 4 4 2 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4

3 3 3 3 5 5 5 5 5 4 4 4 4 3 3 3

3 4 4 5 4 4 4 4 4 4 4 4 4 4 5 3

3 4 4 5 4 4 4 4 4 4 4 4 4 4 5 3

4 5 5 4 4 4 4 4 4 3 3 3 3 2 2 2

4 4 4 4 4 4 4 4 4 4 4 3 5 2 4 3

3 3 4 3 3 3 3 3 3 2 3 2 3 2 3 3

5 5 5 4 5 5 5 5 5 4 5 4 4 3 4 4

5 5 5 5 5 5 5 5 5 5 5 1 5 1 5 5

4 4 4 4 4 4 4 4 4 4 4 4 4 2 2 2

4 4 4 4 4 4 4 4 4 4 4 4 4 2 4 2

3 3 4 2 2 3 4 3 4 3 3 2 4 1 2 1

3 3 4 4 3 3 4 3 3 3 3 3 4 3 3 3

4 4 4 5 4 4 4 4 4 4 4 3 3 3 3 2

4 5 5 5 4 4 4 4 4 4 4 4 4 3 4 3

5 5 3 3 4 5 5 4 4 3 3 3 4 4 4 3

4 4 5 4 4 4 5 4 4 3 3 3 5 2 3 2

4 3 5 4 4 3 5 1 3 4 5 3 4 2 3 1

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 4 3 3 3 4 4 4 3 3 3 3 3 3 3 2

3 4 3 3 3 4 4 4 3 3 3 3 3 3 3 2

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 5 5 3 3 4 3 4 5 4 5 3 2 3 3

4 4 4 2 4 3 4 3 3 4 4 4 4 3 4 3

3 3 3 4 4 3 4 4 3 4 4 2 4 4 3 2

4 3 4 4 3 4 4 3 3 3 4 4 4 3 5 5

5 5 5 5 5 4 4 5 5 4 4 4 4 4 4 4

4 4 5 4 4 4 5 5 4 5 5 4 4 3 5 3

4 4 4 3 4 4 4 3 4 4 4 4 5 4 4 3

5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 4 4 5 4 5 5 5 5 5 4 4 4

4 3 4 3 4 3 4 4 4 3 4 5 3 3 4 4

5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5

4 4 4 3 4 4 4 4 4 4 4 4 5 4 3 3

4 4 5 5 4 2 2 3 3 4 4 4 2 4 4 4

4 4 4 2 4 4 4 4 4 4 4 4 4 2 4 4

2 2 2 2 3 3 3 2 3 4 4 4 4 4 3 4

4 4 4 3 2 3 4 3 3 5 4 2 4 4 3 4

5 4 5 2 4 3 4 3 3 4 4 4 4 3 3 3

4 4 5 5 5 5 5 5 4 4 5 4 5 2 3 2

4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5

4 3 3 3 3 4 5 3 4 3 4 3 4 4 5 4

4 4 4 4 3 3 3 4 3 4 4 4 3 3 3 3

4 4 4 5 4 4 4 4 4 3 3 3 4 2 3 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 4 4 4 4 4 4 4 4 4 2 3 3

2 2 2 2 2 2 1 2 2 3 2 2 2 2 2 2

5 4 5 5 5 5 5 5 5 4 5 1 5 5 5 5

3 4 3 3 3 4 4 3 3 4 4 3 3 3 4 3

5 5 5 5 5 4 5 5 5 5 5 5 5 5 3 5

4 4 3 5 4 3 4 3 3 4 5 4 5 4 4 5

5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5

4 4 4 5 5 4 4 3 4 4 4 3 1 3 4 4

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 2 3 4 2 2 3 2 3 2 3 3 4 2 3 3

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3

4 4 4 4 3 4 4 4 4 5 5 5 5 4 4 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

5 5 5 5 5 5 5 2 2 2 3 3 3 3 4 2

2 4 2 4 4 2 4 2 2 4 4 4 4 3 4 3

4 4 4 4 4 2 2 3 2 3 4 3 2 4 4 4

5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5

4 4 4 4 4 4 4 4 4 4 4 3 3 3 3 3

4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3

2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2

3 4 3 3 3 5 5 3 3 5 4 4 5 5 5 5

4 4 4 4 4 4 4 4 4 3 3 3 3 3 3 3

4 5 5 5 4 5 5 4 4 5 5 4 4 4 4 4

4 5 5 5 5 3 3 4 4 4 4 3 4 5 4 5

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4

5 5 5 4 4 5 4 4 4 4 4 5 5 5 5 4

5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 3

3 3 3 3 3 2 2 2 2 3 3 3 3 3 2 2

3 4 4 5 5 5 4 3 5 4 4 4 5 5 5 5

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5

4 4 4 4 4 4 5 4 4 5 5 5 4 4 4 4

4 4 4 5 5 4 4 4 4 5 5 5 3 3 3 3

5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5

5 5 5 5 4 5 5 5 5 4 5 5 5 5 4 4

4 4 4 4 5 4 4 4 4 4 4 4 3 3 3 2

1 2 1 3 3 1 1 2 1 1 3 3 1 2 1 1

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 3 4 3 3 3 3 4 3 3 3 3 3 3 3 2

4 4 4 4 4 4 4 4 4 4 4 4 4 2 4 4

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

5 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4

5 4 4 4 5 5 5 4 4 5 4 4 4 4 4 4

2 3 4 4 2 2 3 3 3 4 4 4 4 3 3 3

5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5

3 3 3 4 4 4 4 3 4 4 4 2 4 4 3 4

3 3 3 3 2 2 2 2 2 3 3 4 3 2 3 3

4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 3

3 3 3 3 4 3 2 3 3 2 2 3 2 2 2 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 3 4 4 3 3 4 4 3 4 4 1 5 4 4 4

4 5 4 3 5 4 4 3 5 4 5 3 5 3 4 3

4 4 4 4 4 5 4 4 4 4 4 3 5 3 4 3

5 5 5 3 3 4 5 3 4 5 5 1 5 4 5 5

4 4 4 4 4 4 4 4 4 5 5 5 5 5 5 5

4 4 4 2 5 4 3 1 2 4 4 5 4 3 3 3

4 4 4 4 4 4 5 4 4 4 4 3 4 2 4 2

4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4

3 3 2 3 2 3 3 3 3 2 2 2 3 3 3 2

5 4 4 4 4 4 5 4 4 4 4 5 5 4 4 3

3 3 3 3 4 4 4 4 4 4 4 4 4 2 3 3

5 5 5 5 4 4 4 4 4 5 4 4 5 4 5 5

3 3 4 3 3 3 3 3 3 3 3 4 3 1 3 1

3 3 3 3 3 3 2 2 2 3 3 2 3 3 3 2

4 3 5 4 3 3 3 2 3 3 3 2 1 1 2 2

5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4

2 2 3 3 2 2 4 2 4 4 4 3 2 3 3 3

4 3 1 3 1 4 4 3 3 4 4 3 4 3 3 3

5 5 5 5 5 5 5 5 5 5 5 3 5 2 5 5

2 2 2 2 3 3 2 2 3 3 2 2 3 3 2 3

4 4 4 4 4 4 4 3 3 4 4 3 3 3 3 3

4 3 3 3 3 2 4 3 2 5 5 5 5 5 5 5

4 4 4 5 5 5 5 5 5 5 5 3 5 4 5 3

4 4 4 4 4 3 4 4 4 4 4 4 3 2 4 3

3 3 3 3 2 2 2 2 3 3 4 3 4 3 3 3

3 4 4 5 4 4 4 3 4 4 4 4 4 4 4 4

5 5 5 5 4 5 5 5 4 5 5 3 5 5 5 5

4 4 4 4 4 4 4 3 4 3 4 2 4 2 3 3

4 4 4 2 2 1 1 1 1 2 2 4 2 2 1 1

4 4 4 4 4 4 4 3 4 4 4 3 4 3 4 3

4 4 5 4 5 4 5 5 5 5 5 2 5 5 3 4

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 4 3 4 4 4 3 3 4 4 4 2 2 3 2

5 4 5 5 5 5 5 5 5 5 5 2 5 1 5 3

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 5 5 5 5 4 2 2 4 5 5 5 5 5 5 5

4 4 4 4 4 4 4 4 4 4 4 3 4 3 3 4

4 5 5 5 4 4 4 5 5 4 5 4 5 3 4 3

5 5 5 5 5 4 5 4 4 4 4 5 5 3 4 4

3 3 4 4 4 3 3 2 3 3 3 3 3 2 3 2

4 3 5 5 5 5 3 3 3 3 3 3 3 3 5 5

4 4 4 4 4 4 4 4 4 4 4 4 5 3 4 5

4 4 4 4 4 4 5 4 4 4 4 4 4 3 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 5

5 5 5 5 5 5 5 5 5 5 5 1 5 5 5 5

4 4 4 2 5 5 4 4 4 5 5 5 5 2 4 2

4 4 3 3 4 4 4 4 4 4 5 4 5 4 3 3

4 4 4 5 3 3 3 3 3 4 4 4 2 2 2 2

4 4 4 3 4 4 5 5 4 4 4 4 4 5 4 4

5 5 5 5 5 5 5 5 5 4 4 5 5 4 5 4

3 3 3 3 3 3 3 3 3 3 3 2 3 2 3 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 5 3 4 4 4 4 4 5 3 3 4 2

4 4 3 3 4 3 4 3 4 3 3 2 3 2 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 2 3 4

5 5 5 4 5 5 5 5 5 5 5 4 5 5 5 5

3 3 3 3 2 2 3 2 3 3 3 3 2 2 3 3

5 4 4 2 4 4 4 4 4 4 4 3 5 4 5 4

5 5 5 5 4 4 4 4 4 4 4 3 4 3 3 2

5 5 5 5 5 5 5 4 5 5 5 5 5 3 4 3

3 3 3 4 4 4 4 3 3 4 4 3 3 2 3 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

4 4 4 4 4 3 3 4 2 3 4 4 4 3 3 3

3 3 3 3 1 3 3 3 3 5 5 5 5 3 3 3

3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2

3 3 4 3 4 1 1 3 3 3 3 2 3 1 1 1

3 2 1 1 2 2 1 3 2 1 1 1 1 1 1 1

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 3 4 2 4 3 4 2 3 3 3 4 4 4 4 4

4 4 4 4 3 4 4 4 3 3 3 3 4 3 3 3

4 4 4 4 5 5 5 5 5 4 4 4 4 3 4 4

3 3 4 3 4 4 4 3 4 4 4 3 3 3 3 2

3 3 3 3 2 3 3 3 3 3 3 2 3 2 3 2

3 4 3 4 3 3 4 4 3 3 3 3 5 4 3 3

5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 4 3 4 4 4 4 4 4 5 3 4 4

4 4 4 2 4 4 3 4 4 3 3 3 4 3 3 2

3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 4 4 4 4 4 4 4 4 2 2 2 4 2 2 2

5 5 5 5 5 5 5 5 5 5 5 3 5 3 5 5

5 5 5 5 5 5 5 5 5 5 5 3 5 3 5 4

3 4 5 2 4 4 4 4 4 5 4 4 3 3 3 3

4 4 4 5 4 5 5 5 5 5 5 3 5 3 4 4

LAMPIRAN 5

SURAT-SURAT PENDUKUNG

PENELITIAN

analisis penerimaan pengguna terhadap aplikasi...

Documents