skripsi analisis komparatif penerimaan aplikasi
TRANSCRIPT
i
SKRIPSI
ANALISIS KOMPARATIF PENERIMAAN APLIKASI VIDEO ON
DEMAND MENGGUNAKAN TECHNOLOGY ACCEPTANCE MODEL
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh:
NATASYA AURORA YASMIN
11160930000019
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA
2021 M / 1442 H
ii
LEMBAR PENGESAHAN SKRIPSI
ANALISIS KOMPARATIF PENERIMAAN APLIKASI VIDEO
ON DEMAND MENGGUNAKAN TECHNOLOGY
ACCEPTANCE MODEL
Disusun Oleh :
NATASYA AURORA YASMIN
11160930000019
Menyetujui,
Pembimbing I Pembimbing II
Meinarini Catur Utami, ST., M.T. Elvi Fetrina, B.Sc., M.IT
NIP. 197805052011012009 NIP. 197406252009012005
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatulah Jakarta
A'ang Subiyakto, S.Kom., M.Kom., Ph.D
NIP. 197602192007101002
iii
LEMBAR PENGESAHAN UJIAN
Skripsi yang berjudul Analisis Komparatif Penerimaan Aplikasi Video on Demand
Menggunakan Technology Acceptance Model yang ditulis oleh Natasya Aurora
Yasmin, NIM 11160930000019 telah diuji dan dinyatakan lulus dalam sidang
Munaqosah Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif
Hidayatullah Jakarta pada hari Kamis, 29 April 2021. Skripsi ini telah diterima
sebagai salah satu syarat gelar Sarjana Strata Satu (S1) Program Studi Sistem
Informasi.
Menyetujui,
Penguji I Penguji II
Pembimbing I Pembimbing II
Meinarini Catur Utami, ST., M.T. Elvi Fetrina, B.Sc., M.IT
NIP. 197805052011012009 NIP.197406252009012005
Mengetahui,
Dekan Fakultas Sains dan Teknologi Ketua Program Studi Sistem Informasi
Nashrul Hakiem, S.Si., M.T., Ph.D A'ang Subiyakto, S.Kom., M.Kom.,Ph.D
NIP. 197106082005011005 NIP. 197602192007101002
Evy Nurmiati, S.Kom., M.MSI
NIP. 197802152014112003
v
vi
ABSTRAK
Natasya Aurora Yasmin – 11160930000019, Analisis Komparatif Penerimaan
Aplikasi Video on Demand menggunakan Technology Acceptance Model di
bawah bimbingan Meinarini Catur Utami dan Elvi Fetrina
Penggunaan internet sudah berkembang ke berbagai macam industri, salah
satunya industri hiburan, tingginya tingkat penggunaan internet melalui perangkat
mobile, berdampak pada kecenderungan masyarakat dalam menikmati konten
hiburan. Salah satunya terjadi peningkatan pada sektor layanan Video on Demand.
Menurut data dari Similar web tahun 2019 Viu dan Iflix adalah layanan Video on
Demand yang memiliki pengguna harian aktif paling banyak di Indonesia.
Padahal kedua layanan ini masih terbilang baru sehingga belum ada yang meneliti
detail tentang minat dan ketertarikan dari masyarakat terhadap kedua aplikasi ini.
Dalam hal ini, peneliti tertarik untuk melakukan analisis penerimaan aplikasi
Video on Demand Iflix dan Viu menggunakan Technology Acceptance Model
(TAM) yang dikembangkan oleh Zarmpou (2012). Tujuan penelitian ini untuk
mengetahui faktor-faktor yang memengaruhi penerimaan layanan aplikasi Video
on Demand Iflix dan Viu di Indonesia. Penyebaran kuesioner dilakukan secara
online dengan teknik simple random sampling. Selanjutnya data yang diperoleh
dianalisis dengan menggunakan Ms. Excel 2016 dan dengan pendekatan PLS-
SEM menggunakan SmartPLS 3.0. Hasil dari penelitian ini adalah faktor – faktor
yang berpengaruh terhadap penerimaan layanan Iflix yaitu Perceived Ease of Use
(PEOU), Perceived Usefulness (PU), Innovativeness (INN), Functionality (F) dan
yang terakhir Relationship Drivers (RD). Sedangkan faktor - faktor yang
memengaruhi penerimaan layanan Viu yaitu Perceived Ease of Use (PEOU),
Innovativeness (INN) dan Relationship Drivers (RD). Hasil dari penelitian ini
diharapkan dapat menjadi salah satu bahan pertimbangan pengambilan keputusan
bagi penyedia layanan Video on Demand.
Kata Kunci : Video on Demand, Iflix, Viu, Analisis Penerimaan, Technology
Acceptance Model, PLS-SEM, Smart PLS
BAB I - V + 148 Halaman + xvii Halaman + 17 Gambar + 34 Tabel + Daftar
Pustaka + Lampiran
Pustaka Acuan (75, 1989-2020)
vii
viii
KATA PENGANTAR
Alhamdulillah, segala puji dan syukur penulis panjatkan kepada Allah
SWT karena atas limpahan rahmat dan hidayah-Nya penulis dapat menyelesaikan
skripsi yang berjudul “Analisis Komparatif Penerimaan Aplikasi Video on
Demand Menggunakan Technology Acceptance Model” Dalam penyusunan
skripsi ini, penulis banyak mendapatkan bantuan, saran, dorongan, bimbingan,
dan keterangan dari berbagai pihak yang merupakan salah satu bentuk
pengalaman yang tidak dapat diukur dengan materi. Oleh karena itu, dengan
segala hormat dan kerendahan hati, perkenankanlah penulis mengucapkan terima
kasih kepada
1. Bapak Nashrul Hakiem, S.Si., M.T., Ph.D 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 UIN Syarif Hidayatullah Jakarta
dan Bapak Nuryasin, S.Kom., M.Kom. selaku Sekretaris Program Studi
Sistem Informasi, Fakultas Sains dan Teknologi UIN Syarif Hidayatullah
Jakarta.
3. Ibu Meinarini Catur Utami, MT sebagai Dosen Pembimbing I dan Ibu Elvi
Fetrina, B.Sc., M.IT sebagai Dosen Pembimbing II yang telah
memberikan ilmu dan pengetahuannya dalam membimbing penulis
sehingga laporan ini dapat terselesaikan.
ix
4. Seluruh Dosen Program Studi Sistem Informasi yang telah memberikan
ilmu kepada penulis selama perkuliahan.
5. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak
membantu penulis dalam perkuliahan, terutama dalam menyelesaikan
administrasi yang berkaitan dengan skripsi.
6. Kedua orang tua penulis yang selalu berjuang sekuat tenaga agar penulis
dapat menjadi orang yang sukses dan berpendidikan tinggi. Terima kasih
atas segala do’a, nasihat, dan dukungan yang sangat berarti, berharap agar
peneliti dapat menjadi seseorang yang lebih baik lagi, dan kuat dalam
menjalani kehidupan serta dapat menjadi anak yang dapat dibanggakan.
Terima kasih telah menyayangiku dengan segala kekurangan yang ada.
7. Teman – teman terdekat penulis, yaitu Bachtiar, Nia, Besty, Fathur, Putri,
serta teman-teman yang tidak bisa disebutkan satu persatu. Terimakasih
atas bantuan dan semangatnya.
8. Teman-teman Sistem Informasi angkatan 2016, khususnya Sistem
Informasi A yang selalu saling mendukung dan berjuang bersama.
9. Senior-senior yang telah bersedia memberikan info dan ilmu tambahan
dalam menyusun laporan ini.
10. Responden penelitian yaitu pengguna aplikasi mobile Video on Demand
Iflix dan Viu serta teman-teman yang membantu menyebarluaskan
informasi pengisian kuesioner
11. Semua pihak yang tidak dapat disebutkan satu per satu yang telah
membantu hingga laporan ini terselesaikan.
x
Dalam penyusunan skripsi ini, penulis menyadari bahwa masih
terdapatbanyak kekurangan yang disebabkan keterbatasan ilmu pengetahuan,
wawasan, dan pengalaman yang penulis miliki. Untuk itu penulis memohon maaf
atas segala kekurangan tersebut dan tidak menutup diri terhadap segala bentuk
saran dan kritik yang bersifat membangun bagi penulis dapat dikirimkan melalui
email [email protected].
Akhir kata, semoga skripsi ini dan apa yang telah penulis kerjakan dapat
bermanfaat bagi pembaca dan penulis sendiri.
Jakarta, 25 Maret 2021
Natasya Aurora Yasmin
11160930000019
xi
xii
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ................................................................. ii
LEMBAR PENGESAHAN UJIAN .................................................................... iii
LEMBAR PERNYATAAN ................................................................................. iii
ABSTRAK ............................................................................................................ vi
KATA PENGANTAR ........................................................................................ viii
DAFTAR ISI ........................................................................................................ xii
DAFTAR GAMBAR ........................................................................................... xv
DAFTAR TABEL .............................................................................................. xvi
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Rumusan Masalah ....................................................................................... 8
1.3 Batasan Masalah .......................................................................................... 8
1.4 Tujuan penelitian ........................................................................................ 8
1.5 Manfaat penelitian ...................................................................................... 9
1.6 Metode Penelitian ........................................................................................ 9
1.6.1 Metode Pengumpulan Data ................................................................. 9
1.6.2 Metode Analisis Penerimaan ............................................................. 10
1.7 Sistematika Penulisan ............................................................................... 10
BAB II LANDASAN TEORI ............................................................................. 13
2.1 Analisis Komparatif .................................................................................. 13
2.2 Mobile Device ............................................................................................. 14
2.3 E-Commerce ............................................................................................... 14
2.4 Streaming .................................................................................................... 15
2.5 Video on Demand (VoD) ............................................................................ 16
2.6 Definisi Pengukuran .................................................................................. 17
2.7 Definisi Penerimaan Pengguna ................................................................ 18
2.8 Technolgy Acceptance Model (TAM) ....................................................... 19
2.8.1 Perceived usefulness ............................................................................ 24
xiii
2.8.2 Perceived Ease of Use .......................................................................... 25
2.8.3 Trust...................................................................................................... 26
2.8.4 Innovativeness ...................................................................................... 26
2.8.5 Functionality ........................................................................................ 27
2.8.6 Relationship Drivers ............................................................................ 27
2.8.7 Behavioural Intention .......................................................................... 28
2.9 Penelitian Kuantitatif ................................................................................ 29
2.10 Populasi dan Sampel ............................................................................... 30
2.10.1 Pengertian Populasi .......................................................................... 30
2.10.2 Pengertian Sampel ............................................................................ 31
2.10.3 Jenis-jenis metode pengambilan sampel ......................................... 31
2.11 Rumus Slovin ........................................................................................... 34
2.12 Skala Likert .............................................................................................. 35
2.13 Structural Equation Modeling (SEM) ..................................................... 36
2.14 Partial Least Squares (PLS) .................................................................... 36
2.14.1 Evaluasi Model PLS.......................................................................... 37
2.15 Smart PLS ................................................................................................ 40
BAB III METODOLOGI PENELITIAN ......................................................... 43
3.1 Pendekatan penelitian ............................................................................... 43
3.2. Populasi dan Sampel Penelitian .............................................................. 43
3.3 Metode Pengumpulan Data ...................................................................... 44
3.3.1 Observasi ............................................................................................. 44
3.3.2 Survei .................................................................................................. 44
3.3.3 Studi Literatur ................................................................................... 44
3.4 Metode Analisis Data ................................................................................ 60
3.4.1 Model Penelitian dan Hipotesis Penelitian ....................................... 60
3.4.2 Indikator Penelitian ............................................................................ 64
3.4.4 Pembuatan Kuesioner ........................................................................ 66
3.5 Kerangka Penelitian .................................................................................. 73
BAB IV HASIL ANALISIS DAN INTERPRETASI ....................................... 76
4.1 Gambaran Umum Perusahaan ................................................................ 76
xiv
4.1.1 Profil Iflix............................................................................................. 76
4.1.2 Profil Viu ............................................................................................. 77
4.2 Analisis Demografi .................................................................................... 78
4.2.1 Hasil Analisis Demografi .................................................................... 78
4.2.2 Interpretasi dan Diskusi Hasil Analisis Demografi ......................... 79
4.3 Hasil Analisis Pengukuran Model (Outer Model ) .................................. 87
4.3.1 Outer Model Iflix ................................................................................ 87
4.3.2 Outer Model Viu ................................................................................. 94
4.4 Hasil Analisis Pengukuran Model (Inner Model) ................................. 101
4.4.1 Inner Model Iflix................................................................................ 102
4.4.2 Inner Model Viu ................................................................................ 109
4.5 Interpretasi dan Diskusi Hasil Analisis ................................................. 116
4.5.1 Interpretasi dan Diskusi Model Pengukuran (Outer Model ) ....... 116
4.5.2 Interpretasi dan Diskusi Model Struktural (Inner Model) ........... 118
BAB V PENUTUP ............................................................................................. 126
5.1 Kesimpulan .............................................................................................. 126
5.2 Saran ......................................................................................................... 127
DAFTAR PUSTAKA ........................................................................................ 130
LAMPIRAN 1 KUESIONER ........................................................................... 138
LAMPIRAN 2 DATA RESPONDEN .............................................................. 148
xv
DAFTAR GAMBAR
Gambar 1. 1 Pengguna harian aktif VoD (Similar web, 2020) ............................... 3
Gambar 1.2 Keluhan Pengguna Iflix di Google Play Store (Google Play
Store,2020) .................................................................................... 4
Gambar 1.3 Keluhan Pengguna Viu di Google Play Store (Google Play
Store,2020) .................................................................................... 5
Gambar 2. 1 Konsep Video Streaming (Arsam, 2014)......................................... 16
Gambar 2. 2 Model Awal Technology Acceptance Model (Davis, 1989) ............ 19
Gambar 2.3 Model Technology Acceptance Model (TAM) versi Final (Davis,
1996) .............................................................................................. 20
Gambar 3. 1 Model Penelitian (Zarmpou et al., 2011) ......................................... 61
Gambar 3. 2 Kerangka Penelitian ......................................................................... 74
Gambar 4. 1 Jenis Kelamin Responden ................................................................ 80
Gambar 4. 2 Diagram Rentang Usia ..................................................................... 81
Gambar 4. 3 Diagram Pendidikan Terakhir .......................................................... 82
Gambar 4. 4 Diagram Pekerjaan ........................................................................... 83
Gambar 4. 5 Diagram Pendapatan perbulan ......................................................... 84
Gambar 4. 6 Diagram pengalaman menggunakan Video on Demand .................. 86
Gambar 4. 7 Tingkat Penerimaan Aplikasi VoD Menurut Penggunanya ............. 86
Gambar 4. 8 Hasil Analisis Outer Model Iflix ..................................................... 93
Gambar 4. 9 Hasil Analisis Outer Model Viu .................................................... 101
xvi
DAFTAR TABEL
Tabel 2. 1 Perbedaan TAM dengan Model Penerimaan Lain ............................... 22
Tabel 3. 1 Literatur Sejenis ................................................................................... 46
Tabel 3. 2 indikator penelitian .............................................................................. 64
Tabel 3. 3 Skala Likert dan Penjelasannya ........................................................... 67
Tabel 3. 4 Daftar Kuesioner .................................................................................. 68
Tabel 4. 1 Hasil Analisis Demografis ................................................................... 78
Tabel 4. 2 Hasil Awal Uji Loading Factor Iflix ................................................... 87
Tabel 4. 3 Hasil Uji Loading Factor Iflix Setelah Penghapusan Indikator .......... 89
Tabel 4. 4 Hasil Uji Composite Reliability Iflix ................................................... 90
Tabel 4. 5 Hasil Average Variance Extracted Iflix ............................................... 90
Tabel 4. 6 Hasil Cross Loading Iflix ..................................................................... 91
Tabel 4. 7 Nilai Fornell-Larcker Criterion Iflix ................................................... 92
Tabel 4. 8 Hasil Awal Uji Loading Factor Viu .................................................... 94
Tabel 4. 9 Hasil Uji Loading Factor Viu Setelah Penghapusan Indikator ........... 95
Tabel 4. 10 Hasil Akhir Uji Loading Factor Viu Setelah Penghapusan Indikator 96
Tabel 4. 11 Hasil Uji Composite Reliability Viu .................................................. 98
Tabel 4. 12 Hasil Average Variance Extracted Viu .............................................. 98
Tabel 4. 13 Hasil Cross Loading Viu.................................................................... 99
Tabel 4. 14 Nilai Fornell-Larcker Criterion Viu ................................................ 100
Tabel 4. 15 Hasil Uji Path Coeficient Iflix ......................................................... 102
Tabel 4. 16 Hasil Uji Coefficient of Determinant Iflix ....................................... 103
Tabel 4. 17 Hasil Uji T-test Iflix ......................................................................... 104
xvii
Tabel 4. 18 Hasil Analisis Effect Size Iflix ......................................................... 104
Tabel 4. 19 Hasil Uji Predictive Relevance Iflix ............................................... 106
Tabel 4. 20 Hasil Uji Relative Impact Iflix ......................................................... 106
Tabel 4. 21 Ringkasan Analisis Model Struktural (Inner Model) Iflix ............... 108
Tabel 4. 22 Hasil Uji Path Coeficient Viu .......................................................... 109
Tabel 4. 23 Hasil Uji Coefficient of Determinant Viu ........................................ 110
Tabel 4. 24 Hasil Uji T-test Viu .......................................................................... 111
Tabel 4. 25 Hasil Analisis Effect Size Viu .......................................................... 112
Tabel 4. 26 Hasil Uji Predictive Relevance Viu ................................................ 113
Tabel 4. 27 Hasil Uji Relative Impact Viu .......................................................... 113
Tabel 4. 28 Ringkasan Analisis Model Struktural (Inner Model) Viu ................ 115
Tabel 4. 29 Ringkasan Penggunaan Indikator untuk Iflix dan Viu ..................... 116
xviii
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Seiring dengan berkembangnya waktu, internet mengalami
perkembangan yang cukup signifikan. Penggunaan teknologi internet di
dunia selalu meningkat setiap tahunnya dan saat ini internet sudah menjadi
kebutuhan. Berdasarkan Digital 2020 terungkap bahwa pengguna internet di
seluruh dunia telah mencapai angka 4,5 milyar orang, meningkat 7 persen
(298 juta pengguna baru) dibandingkan dengan Januari 2019 (We Are Social,
2020). Angka ini menunjukkan bahwa pengguna internet telah mencapai
lebih dari 60 persen penduduk dunia atau lebih dari separuh populasi bumi.
Begitu pula di Indonesia, hingga 2020 pengguna internet di Indonesia
mencapai 175,4 juta. Dibandingkan tahun sebelumnya, ada kenaikan 17%
atau 25 juta pengguna internet di negeri ini. Berdasarkan total populasi
Indonesia yang berjumlah 272,1 juta jiwa, maka itu artinya 64% setengah
penduduk RI telah merasakan akses ke dunia maya.
Penggunaan internet sudah berkembang ke berbagai macam industri,
internet digunakan untuk mencari informasi, berkomunikasi, mencari berita,
transaksi jual beli dan sebagai sarana media hiburan online, seperti bermain
game, mendengarkan musik , dan menonton film. Perangkat yang digunakan
untuk mengakses internet pun juga semakin beragam, mulai dari komputer,
hingga perangkat mobile seperti laptop, smartphone, tablet komputer, dan
masih banyak lagi. Penggunaan perangkat mobile untuk mengakses internet
juga semakin banyak, jika dilihat dari segi persentase perangkat yang
digunakan untuk mengakses internet, sebesar 44,16% dari total populasi
pengguna internet di Indonesia menggunakan smartphone, 4,49%
menggunakan perangkat komputer/laptop pribadi, 39,28% menggunakan
kedua perangkat (smartphone dan komputer/laptop pribadi), serta 12,07%
menggunakan perangkat selain dari yang peneliti sebutkan (Asosiasi
Penyelenggara Jasa Internet Indonesia, 2017). Sementara itu, data dari
2
Statista pada awal tahun 2018 menunjukan bahwa persentase pengguna
mobile dari seluruh populasi pengguna internet per negara, menunjukan
bahwa pengguna internet melalui perangkat mobile di Indonesia mencapai
angka 72% dari keseluruhan pengguna internet. Angka ini terbilang cukup
tinggi, dimana Indonesia menempati peringkat ke-6 dalam hal persentase lalu
lintas internet melalui perangkat mobile (Statista.com 2018).
Tingginya tingkat penggunaan internet melalui perangkat mobile,
berdampak pula pada kecenderungan masyarakat dalam menikmati konten
hiburan. Salah satu layanan yang dikenal saat ini adalah layanan streaming
video atau biasa disebut Video on Demand (VoD). Video on Demand (VoD)
adalah suatu layanan yang berisi berbagai konten acara TV, film dengan
berbagai genre, dan serial TV yang bisa diakses pengguna menggunakan
jaringan internet. Tidak seperti televisi pada umumnya, dimana kita harus
menunggu konten sesuai jadwal tayang, Video on Demand memungkinkan
kita untuk menikmati, mengunduh, dan memilih konten yang kita inginkan
kapanpun dan melalui perangkat apapun (Yusuf & Indrawati, 2019).
Indonesia merupakan salah satu negara dengan potensi pertumbuhan
layanan hiburan VoD yang sangat besar, Ketua Umum Asosiasi Produser
Film Indonesia (APROFI) Fauzan Zidni juga menilai adanya aplikasi VoD
memberikan potensi besar bagi industri film tanpa meninggalkan fokus utama
di bioskop. Produser yang memanfaatkan aplikasi dapat menerima tambahan
pendapatan dari hasil penjualan lisensi penayangan film.
Banyak penyedia layanan hiburan VoD yang mulai menyediakan
servisnya di Indonesia seperti Vidio, HOOQ, Genflix, UseeTV, dan
FirstMedia X. Kelima penyedia jasa ini memang sudah muncul terlebih
dahulu tetapi belum merebut perhatian masyarakat Indonesia, bahkan sejak
tanggal 30 April 2020 layanan Video on Demand HOOQ resmi mengajukan
likuidasi atau pembubaran perusahaan. Minimnya promosi dan inovasi dari
teknologi membuat keempat nama ini masih sulit untuk bersaing di pasar
Indonesia terlebih lagi dengan munculnya dua pendatang baru dari penyedia
3
jasa VoD yang langsung mencuri perhatian masyarakat, mereka adalah Viu
dan Iflix.
Gambar 1. 1 Pengguna harian aktif VoD (Similar web, 2020)
Berdasarkan data yang dihimpun melalui Similar web, dalam
periode Oktober 2019 hingga Desember 2019, Viu menduduki peringkat
pertama disusul dengan Iflix diperingkat kedua dan HOOQ berada di
peringkat ketiga dimana pertanggal 30 April 2020 layanan HOOQ telah
melakukan likuidasi, di peringkat empat pengguna harian aktif yaitu
Netflix dan kemudian Genflix diperingkat terakhir.
Iflix paling banyak diunduh melalui Play Store di android
sebanyak rata-rata 4,4 juta akun. Namun untuk pengguna aktif harian
(unique daily active users), Viu lebih unggul dengan rata-rata 406.434 dari
2,8 juta akun yang telah mengunduh Viu. Viu memiliki jumlah pengguna
aktif hingga 41,4 juta setiap bulan atau monthly active user (MAU) pada
akhir 2019, yang merupakan peningkatan 35% dari 2018, Keunggulan Viu
juga tampak dari banyaknya pengguna aktif Viu membuka aplikasi dan
menghabiskan waktu rata-rata 1 jam 12 menit per hari (Medcom, 2020).
4
Gambar 1. 2 Keluhan Pengguna Iflix di Google Play Store (Google
Play Store,2020)
5
Gambar 1. 3 Keluhan Pengguna Viu di Google Play Store
(Google Play Store,2020)
6
Berdasarkan penilaian yang ada di Google Playstore, Iflix dan Viu
sering mengalami error dan ini menjadi kendala bagi pengguna untuk
mengakses aplikasi. Keluhan yang sering disampaikan oleh pengguna Iflix
diantaranya adalah film tidak bisa diputar ketika sudah di download,
konten film yang kurang update dan terjadinya gangguan seperti
menghilangya akun pengguna. Sedangkan pada Viu keluhan yang sering
disampaikan yaitu terlalu banyak iklan sehingga pengguna merasa
terganggu. Berdasarkan hal-hal tersebut di atas, maka dari itu perlu diukur
sejauh apa penerimaan pengguna Iflix dan Viu sebagai media hiburan.
Dalam menerima suatu layanan yang berbasis teknologi informasi
yang baru diluncurkan, tidak semua masyarakat mampu dengan mudah
untuk memahami dan menerima layanan baru tersebut. Oleh karena itu
diperlukannya pengukuran tingkat penerimaan dan pemahaman dalam
menggunakan layanan dengan mengukur perilaku dari penggunanya.
Aplikasi Iflix dan Viu dipilih menjadi objek penelitian karena kedua
aplikasi ini yang paling ramai digunakan oleh masyarakat Indonesia, dan
karena waktu launching mereka yang terbilang baru yaitu pada tahun 2016
sehingga memiliki pengguna baru yang terus bertambah banyak dengan
waktu yang cepat mereka dapat diterima masyarakat dan semakin populer
tetapi belum ada yang meneliti detail tentang minat dari masyarakat
terhadap aplikasi tersebut, dan masih belum ditelitinya ketertarikan apa
yang membuat masyarakat mau menggunakan aplikasi tersebut.
Penelitian akan menggunakan teori TAM, Davis mendefinisikan
TAM (Technology Acceptance Model) adalah sebagai suatu model yang
dirancang untuk memprediksi penerimaan teknologi informasi yang akan
digunakan oleh pengguna (R. N. Rahmawati & Narsa, 2019). Sehingga
dengan menggunakan model TAM, dapat diperkirakan faktor-faktor yang
memengaruhi diterimanya suatu teknologi oleh pengguna (Hanifa, 2017).
Menurut Gefen (2003) sampai saat ini TAM merupakan model yang
paling banyak digunakan dalam memprediksi penerimaan teknologi
informasi. Lee et al, (2003) menjelaskan bahwa dalam kurun waktu 18
7
tahun terakhir TAM merupakan model yang popular dan banyak
digunakan dalam berbagai penelitian mengenai proses adopsi teknologi
informasi.
Banyak penelitian yang telah dilakukan untuk mengetahui faktor –
faktor dari penerimaan teknologi, seperti yang dilakukan oleh Wahyu
Aprianto dan Kencana Sari (2014) dalam penelitiannya mengenai analisis
penerimaan pengguna terhadap kaskus.co.id dengan model teori TAM
yang menyimpulkan bahwa masing-masing subvariabel mempunyai
pengaruh yang signifikan kepada variabel lainnya, dan Perceived Ease of
Use mempunyai pengaruh yang lebih signifikan dibandingkan Perceived
Usefulness. Srividya & Kalaiarasi (2012) mengenai faktor-faktor yang
menganalisis dan memahami sikap konsumen saat melakukan belanja
secara online untuk menerima penggunaan teknologi adalah persepsi
kemudahan pengunaan dan persepsi manfaat. Penelitian sebelumnya yang
dilakukan Christina, Suhud, & Rizan (2018) tentang penerimaan dan
penggunaan teknologi ojek online, berdasarkan hasil pengolahan data
dan analisis terhadap keseluruhan data penelitian bahwa model
penelitian secara keseluruhan telah berhasil menunjukkan adanya
faktor-faktor yang memengaruhi seseorang dalam penerimaan dan
penggunaan teknologi. Harris (2017) melakukan analisis TAM terhadap
tingkat penerimaan e-learning pada kalangan mahasiswa, dalam
penelitiannya dikatakan bahwa tidak seluruh faktor eksternal dari model
TAM memiliki peranan yang signifikan terhadap variabel Intention to Use
(IU). Ini artinya perilaku pengguna (attitude) pada sebuah sistem e-
learning berpengaruh lebih signifikan terhadap keinginan penggunanya.
Berdasarkan uraian yang telah dijelaskan di atas, maka perlu
dilakukan penelitian yang berjudul “Analisis Komparatif Penerimaan
Aplikasi Video on Demand Menggunakan Technology Acceptance Model
”.
8
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah tersebut maka perumusan
masalah yang akan dikaji dalam penelitian ini adalah : “ Apa saja faktor-
faktor yang memengaruhi penerimaan aplikasi Video on Demand Iflix dan
Viu menggunakan Technology Acceptance Model?”
1.3 Batasan Masalah
Adapun ruang lingkup dan batasan dalam penelitian ini adalah
sebagai berikut :
1. Penelitian dilakukan kepada masyarakat yang menggunakan layanan
aplikasi Video on Demand (VoD) Iflix dan Viu melalui perangkat mobile.
2. Penelitian ini mengadopsi model TAM yang dikembangkan oleh
Zarmpou, et al (2012) yang terdiri dari tujuh variabel yaitu Perceived
Usefulness, Perceived Ease of Use, Trust, Innovativeness, Functionality,
Relationship drivers dan Behavioural Intention.
3. Penelitian ini menggunakan metode kuantitatif.
4. Pengumpulan data dilakukan dengan cara survei menggunakan
penyebaran kuesioner melalui media daring (online).
5. Analisis data pada penelitian ini menggunakan PLS-SEM dengan tools
SmartPLS versi 3.0
1.4 Tujuan penelitian
Adapun tujuan dilaksanakannya penelitian ini adalah sebagai
berikut:
1. Mengetahui faktor-faktor yang memengaruhi penerimaan pengguna
layanan Video on Demand Iflix dan Viu.
2. Memberikan usulan atau rekomendasi sebagai bahan pertimbangan
kepada penyedia layanan Video on Demand dari hasil penelitian ini.
3. Mengetahui siapa saja yang mendominasi dalam menggunakan
layanan Video on Demand.
9
1.5 Manfaat penelitian
Adapun manfaat dari penelitian ini adalah sebagai berikut:
1. Dapat memberikan peneliti ilmu baru dalam pemecahan masalah secara
terstruktur.
2. Dapat mengetahui hasil dari pengukuran penerimaan pengguna terhadap
Aplikasi Video on Demand Iflix dan Viu.
3. Dapat memberikan rekomendasi terhadap penyedia layanan Video on
Demand sebagai bahan pertimbangan untuk pengambilan keputusan.
4. Dapat memberikan referensi bagi peneliti selanjutnya dalam hal
penerimaan pengguna menggunakan Technology Acceptance Model
(TAM).
1.6 Metode Penelitian
1.6.1 Metode Pengumpulan Data
Metode pengumpulan data yang dilakukan dalam penelitian ini
adalah sebagai berikut:
a. Metode Observasi
Metode ini dilaksanakan untuk mengumpulkan data dan informasi
dengan cara meninjau dan mengamati secara langsung bagaimana layanan
Iflix dan Viu.
b. Kuesioner
Kuesioner merupakan teknik pengumpulan data tertulis dengan
cara memberikan seperangkat pertanyaan tertulis kepada responden.
c. Studi Literatur
Studi pustaka dan literatur dilakukan dengan membaca buku-buku
maupun jurnal yang terkait dengan pokok permasalahan dalam penelitian
ini.
10
1.6.2 Metode Analisis Penerimaan
Model yang digunakan dalam penelitian ini adalah Technology
Acceptance Model (TAM) yang dikembangkan oleh (Zarmpou et al.,
2011) dengan tujuh variabel yaitu Perceived Usefulness (PU), Perceived
Ease of Use (PEOU), Trust (TR), Innovativeness (INN), Functionality (F),
Relationship Drivers (RD) dan Behavioral intention (BI).
1.7 Sistematika Penulisan
Dalam penyusunan laporan terdiri dari lima bab, yang secara singkat
akan diuraikan sebagai berikut:
BAB I PENDAHULUAN
Pada bab ini berisi penjelasan mengenai latar belakang masalah,
identifikasi masalah, rumusan masalah, batasan masalah, tujuan penelitian,
metodologi penelitian, manfaat penelitian, dan sistematika penulisan.
BAB II LANDASAN TEORI
Pada bab ini akan diuraikan teori-teori yang mendukung penelitian ini
tentang penerimaan aplikasi Video on Demand (VoD) Iflix dan Viu.
BAB III METODOLOGI PENELITIAN
Pada bab ini akan diuraikan mengenai metodologi maupun model
yang digunakan di dalam penelitian ini
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini peneliti membahas hasil pengukuran tingkat penerimaan
pada pengguna layanan Video on Demand (VoD) Iflix dan Viu.
BAB V PENUTUP
Pada bab ini berisi tentang kesimpulan atas hasil penelitian serta saran
yang dapat digunakan sebagai dasar dalam penelitian selanjutnya
11
DAFTAR PUSTAKA
12
13
BAB II
LANDASAN TEORI
2.1 Analisis Komparatif
Menurut Silalahi Ulber dalam Akbar (2019) analisis komparatif adalah
penelitian yang membandingkan dua gejala atau lebih. Penelitian komparatif
dapat berupa komparatif deskriptif (descriptive comparative) maupun komparatif
korelasional (correlation comparative). Komparatif deskriptif membandingkan
variabel yang sama untuk sampel yang berbeda. Selanjutnya analisis komparasi
atau perbandingan adalah prosedur statistik guna menguji perbedaan diantara dua
kelompok data (variabel) atau lebih. Uji ini bergantung pada jenis data (nominal,
ordinal, interval/rasio) dan kelompok sampel yang diuji. Komparasi antara dua
sampel yang saling lepas (independen) yaitu sampel-sampel tersebut satu sama
lain terpisah secara tegas dimana anggota sampel yang satu tidak menjadi anggota
sampel lainnya.
Pada analisis komparatif data yang diperoleh peneliti biasanya berupa data
kuantitatif, baik yang diperoleh dari hasil pengukuran maupun dari nilai suatu
yang diperoleh dengan jalan mengubah data kualitatif ke dalam data kuantitatif.
Analisis komparasi dapat menemukan persamaan-persamaan dan perbedaan-
perbedaan tentang benda-benda, tentang orang, prosedur kerja, ide-ide, kritik
terhadap orang, kelompok, terhadap suatu ide atau prosedur kerja. Dapat juga
membandingkan kesamaan pandangan dan perubahan-perubahan pandangan
orang, grup atau negara, terhadap kasus, terhadap orang, peristiwa atau terhadap
ide-ide.
Ciri-ciri Metode Komparatif :
1) Merupakan dua atau lebih objek yang berbeda
2) Masing-masing berdiri sendiri dan bersifat terpisah
3) Memiliki kesamaan pola atau cara kerja tertentu
14
4) Objek yang diperbandingkan jelas dan spesifik
5) Memakai standar dan ukuran perbandingan berbeda dari objek yang
sama. (Muliawan, 2014:86).
2.2 Mobile Device
Secara umum mobile dapat ditafsirkan sebagai sesuatu yang bergerak atau
berpindah, mobile device memiliki pengertian bahwa perangkat yang dapat
digunakan meskipun pengguna dalam sistuasi yang sering bergerak dari satu
tempat ke tempat lain. Pada sistem program pada mobile device tidak banyak
berbeda dengan sistem program yang ada pada perangkat komputer pada
umumnya. Karakteristik dalam perangkat bergerak sering memengaruhi arsitektur
dan implementasi dari program perangkat tersebut. Dalam pemrograman
perangkat bergerak berbagai aspek tehnis perangkat lebih menonjol karena
memiliki banyak keterbatasan dibandingkan komputer konvensional atau personal
computers seperti seperti keyboard dan mouse sebagai alat bantu penggunaan
dalam komputer (Hidayat, 2017).
2.3 E-Commerce
E-commerce merupakan proses membeli, menjual, atau
memperdagangkan data, barang, atau jasa melalui internet (Malau, 2014). E-
commerce didefinisikan sebagai transaksi komersial yang melibatkan pertukaran
nilai yang dilakukan melalui atau menggunakan teknologi digital antara individu.
Media e-commerce melibatkan penggunaan internet, world wide web, dan aplikasi
atau browser pada perangkat selular atau mobile untuk bertransaksi bisnis.
Platform mobile adalah pengembangan terbaru dalam infrastruktur internet dari
berbagai perangkat mobile seperti smartphone dan tablet melalui jaringan
nirkabel (wifi) atau layanan telepon seluler. Pada awal berkembangnya e-
commerce, satu-satunya media digital adalah web browser, namun saat ini media
yang lebih banyak digunakan adalah melalui aplikasi mobile (Laudon & Traver,
2018).
15
Menurut Shely Cashman dalam Aco & Endang (2017). E-commerce atau
kependekan dari elektronik commerce (perdagangan secara elektronik),
merupakan transaksi bisnis yang terjadi dalam jaringan elektronik, seperti
internet. Siapapun yang dapat mengakses komputer, memiliki sambungan ke
internet, dan memiliki cara untuk membayar barang-barang atau jasa yang mereka
beli, dapat berpartisipasi dalam e-commerce.
Berdasarkan pengertian di atas dapat disimpulkan bahwa e-commerce
adalah suatu proses membeli dan menjual produk-produk secara elektronik oleh
konsumen dan dari perusahaan ke perusahaan dengan komputer sebagai perantara
transaksi bisnis. E-commerce juga telah dikembangkan untuk membuat bisnis
tradisional lebih efisien, mudah dan lebih cepat.
2.4 Streaming
Streaming adalah suatu teknologi untuk memainkan file audio atau video
secara langsung maupun dengan prerecord dari sebuah mesin server (web server).
File audio atau video yang terletak pada sebuah server dapat secara langsung
dijalankan pada komputer client sesaat setelah ada permintaan dari pengguna
sehingga proses download file tersebut yang menghabiskan waktu cukup lama
dapat dihindari. Saat file tersebut di-stream maka akan terbentuk sebuah buffer di
komputer client dan data audio atau video tersebut akan mulai di-download ke
dalam buffer yang telah terbentuk pada mesin client. Setelah buffer terisi dalam
waktu hitungan detik, maka secara otomatis file video ataupun audio akan di
jalankan oleh sistem. Sistem akan membaca informasi dari buffer sambil tetap
melakukan proses download file sehingga proses streaming tetap berlangsung ke
mesin client (Arsam, 2014)
16
Gambar 2. 1 Konsep Video Streaming (Arsam, 2014)
Berdasarkan gambar 2.1 konsep Video Streaming terdiri dari beberapa
komponen yaitu encoder, media server, dan web server. Sebuah file video yang
akan ditampilkan di user dapat menggunakan dua metode transfer file. Pertama,
dengan men-download file video tersebut dan yang kedua dengan melakukan
proses streaming (Arsam, 2014). Beberapa faktor yang memengaruhi konektivitas
aplikasi streaming antara lain video, audio dan bandwidth (Setyawan & Marzuki,
2018). Kedua metode ini memiliki keunggulan dan kekurangannya masing-
masing.
Berdasarkan definisi tersebut di atas, maka dapat disimpulkan bahwa
streaming merupakan suatu metode dalam penyaluran konten multimedia
menggunakan internet yang dapat dinikmati melalui perangkat portable secara
real-time, terus menerus dan berkelanjutan, dan dapat ditampilkan tanpa harus
menunggu konten tersebut diunduh hingga selesai.
2.5 Video on Demand (VoD)
Video-on-demand sebagai layanan ada sejak tahun sembilan puluhan dan
mengacu pada teknik yang menawarkan pemirsa untuk menonton apa yang
mereka inginkan, ketika mereka menginginkannya dan salah satu layanan yang
17
memungkinkan orang untuk mengubah waktu, atau dengan kata lain, untuk
melepaskan diri dari jadwal siaran yang ada (Broeck, Pierson, & Lievens, 2010).
Video on Demand (VoD) adalah layanan untuk end-user dengan
berdasarkan permintaan user, yang memungkinkan user untuk memilih dan
melihat konten video yang ingin disaksikan, dimana end-user dapat mengontrol
permintaan sementara dari konten video yang disaksikan, seperti melakukan
pause, fastforward, slow forward, rewind, dan lain-lain (Jatikusumo, Chandra, &
Mantoro, 2013).
Konsep dasar dari VoD adalah menyimpan program/konten dan kemudian
dikirimkan ke penonton ketika diminta oleh penonton tersebut. Penyimpanannya
berupa server tersentralisasi yang menggunakan perangkat untuk mengirimkan
pemrograman secara simultan ke ratusan penonton, atau dapat pula menggunakan
penyimpanan lain yang terdistribusi ke seluruh jaringan. Untuk membatasinya,
perangkat penyimpanan individu untuk tiap penonton dapat diletakkan di masing-
masing set top box (Hamidi, Ismail, & Jalaludin, 2018).
Berdasarkan definisi tersebut di atas, maka dapat disimpulkan bahwa
Video on Demand merupakan suatu sistem e-commerce business-to consumer
(B2C) untuk menikmati layanan konten video seperti film, serial televisi,
dokumenter, dan media lainnya yang membutuhkan biaya berlangganan per bulan
dan dapat diakses di mana pun dan kapan pun selama pengguna terhubung ke
internet.
2.6 Definisi Pengukuran
Pengukuran merupakan suatu kegiatan yang bertujuan untuk mencari data
dan menghasilkan informasi secara kuantitatif. Hasil dari pengukuran dapat
berupa infromasi yang memuat data dan dinyatakan dalam bentuk angka maupun
uraian yang bermanfaat dalam proses pengambilan keputusan, oleh sebab itu mutu
informasi haruslah akurat. Kuantitas dan kualitas hasil pengukuran sangat
dipengaruhi pada jenis dan mutu alat ukur yang digunakan pula.
Menurut Cangelosi (1995) yang dimaksud dengan pengukuran adalah
suatu proses pengumpulan data melalui pengamatan empiris untuk
18
mengumpulkan informasi yang relevan dengan tujuan yang telah ditentukan.
Menurut Umar (1991) pengukuran adalah suatu kegiatan untuk mendapatkan
informasi data secara kuantitatif. Hasil dari pengukuran dapat berupa informasi-
informasi atau data yang dinyatakan dalam bentuk angka ataupun uraian yang
sangat berguna dalam pengambilan keputusan, oleh karena itu mutu informasi
haruslah akurat
Sehingga dapat disimpulkan bahwa pengukuran adalah suatu prosedur
yang sistematis untuk memperoleh informasi data kuantitatif baik data yang
dinyatakan dalam bentuk angka maupun uraian yang akurat, relevan, dan dapat
dipercaya terhadap atribut yang diukur dengan alat ukur yang baik dan prosedur
pengukuran yang jelas dan benar.
2.7 Definisi Penerimaan Pengguna
Penerimaan pengguna (User Acceptance) merupakan faktor penting yang
memengaruhi keberhasilan implementasi dari suatu teknologi. Penerimaan
pengguna dapat didenisikan sebagai keinginan sebuah grup user atau pengguna
dalam memanfaatkan teknologi informasi (TI) yang didesain untuk membantu
pekerjaan mereka Nasir (2013).
Morris & Dillon (1997) mendefinisikan Penerimaan pengguna sebagai
kemauan dari sekelompok pengguna dalam menggunakan teknologi informasi
untuk mendukung pekerjaannya. Kurangnya penerimaan pengguna adalah
hambatan yang signifikan bagi keberhasilan penerapan suatu sistem informasi
baru. Bahkan pengguna sering tidak mau menggunakan sistem informasi yang
telah disediakan, padahal bila pengguna tersebut mau menggunakan akan
menghasilkan keuntungan bagi pengguna tersebut. Oleh karena itu penerimaan
pengguna telah dipandang sebagai salah satu faktor penting dalam menentukan
keberhasilan atau kegagalan suatu proyek sistem informasi.
Berdasarkan definisi di atas, dapat disimpulkan bahwa penerimaan
pengguna merupakan kemauan dari sekelompok pengguna dalam menggunakan
teknologi yang dirancang untuk dapat mendukung kegiatan pekerjaannya.
19
2.8 Technology Acceptance Model (TAM)
Technology Acceptance Model (TAM) atau Model Penerimaan Teknologi
merupakan salah satu teori tentang penggunaan sistem teknologi informasi yang
dianggap sangat berpengaruh dan umumnya digunakan untuk menjelaskan
penerimaan individual terhadap penggunaan sistem teknologi informasi (R. N.
Rahmawati & Narsa, 2019).
Gambar 2. 2 Model Awal Technolgy Acceptance Model (Davis, 1989)
Gambar 2.2 menunjukkan model awal Technology Acceptance Model,
teori ini pertama kali di kenalkan oleh Davis (1986) yang dikembangkan dari
suatu Theory of Reasoned Action (TRA) oleh Ajzen dan Feishbein (1980).
Technology Acceptance Model (TAM) ini merupakan salah satu teori yang paling
sering digunakan dalam mengukur tingkat penerimaan dan pemahaman pengguna
dalam menggunakan suatu layanan yang baru saja diluncurkan. Sebenarnya
model TAM tersebut diadopsi dari model TRA yaitu berupa teori tindakan yang
beralasan dengan asumsi bahwa persepsi dan reaksi seseorang terhadap sesuatu,
akan mampu menentukan sikap dan perilaku seseorang tersebut. Persepsi dan
reaksi pengguna teknologi informasi akan dapat memengaruhi sikap seseorang
dalam menerima teknologi informasi (Hanifa, 2017).
Davis, Bagozzi dan Warshaw (1989) menggunakan model diatas untuk
melakukan penelitian longitudinal dengan 107 responden untuk mengukur minat
mereka dalam menggunakan suatu sistem setelah selama 1 jam mempergunakan
20
sistem tersebut dan kemudian diukur lagi setelah 14 minggu menggunakan sistem
Analisis faktor-faktor tersebut. Dalam kedua kasus tersebut, hasilnya memberikan
indikasi bahwa persepsi kegunaan memberikan pengaruh yang paling besar
terhadap minat perilaku pengguna. Persepsi kemudahan penggunaan disimpulkan
mempunyai dampak yang kecil tetapi signifikan pada minat perilaku. Hasil
penelitian yang utama adalah bahwa persepsi kegunaan dan kemudahan
penggunaan mempunyai pengaruh langsung terhadap minat perilaku sehingga
dapat menghilangkan konstruk sikap (attitude) pada model sehingga menjadi
model yang terlihat pada gambar 2.3
Gambar 2. 3 Model Technology Acceptance Model (TAM) versi Final (Davis,
1996)
Gambar 2.3 menunjukkan modifikasi model penelitian dalam TAM,
penerimaan pengguna dalam penggunaan sistem informasi dipengaruhi oleh dua
konstruk, yaitu kegunaan (Perceived Usefulness) dan kemudahan penggunaan
(Perceived Ease of Use). Dari kedua variabel tersebut dapat menjelaskan aspek
keperilakuan pengguna. Sehingga dengan melihat kemudahan dan manfaat
penggunaan teknologi informasi dapat dijadikan alasan seseorang dalam
berperilaku atau bertindak sebagai tolak ukur dalam menerima suatu teknologi
informasi. Semakin mudah penggunaan teknologi informasi menandakan bahwa
lebih sedikit usaha yang harus dilakukan dalam meningkatkan kinerjanya
menggunakan teknologi informasi. Begitu pula semakin banyak manfaat yang
dirasakan pengguna, akan memberikan pengaruh lebih besar dalam menggunakan
teknologi informasi.
Teori TAM terus mengalami modifikasi sampai dengan tiga kali. Pada
tahun 2000 TAM 2 dipublikasikan, dengan menghilangkan konstruk attitude
21
towards usage, dimana konstruk Perceived Usefulness dan Perceived Ease of Use
langsung memberikan pengaruh terhadap behavioral intention to use.
Perkembangan selanjutnya TAM dimodifikasi lagi di tahun 2008 yang dinamai
TAM 3. Pada perkembangan terakhir TAM 3 menambahkan dimensi baru pada
Perceived Ease of Use (PEOU). Pengembangan TAM tersebut bertujuan untuk
membentuk asumsi dasar yang mampu memprediksi, dan menjelaskan perilaku
yang mendorong penggunaan teknologi yang terus berkembang. Selain adanya
pembaharuan yang didasarkan kepada perkembangan yang ada, teori TAM juga
selalu menjadi dasar pengembangan studi empiris mengenai kesiapan
pemanfaatan teknologi. Sampai saat ini TAM merupakan teori yang dianggap
paling relevan dalam memprediksi keinginan serta kesiapan untuk mengadopsi
teknologi (Chuttur, 2009).
Menurut Van den Bosch dalam Kurniawan, Semuel, & Japarianto (2013)
dikatakan bahwa penerimaan konsumen akan layanan baru berbasis teknologi
dapat dilihat dari sikap positif pengguna terhadap layanan dan perilaku yang
sesungguhnya dalam menggunakan layanan. Semakin positif sikap yang
ditunjukkan pengguna terhadap layanan baru tersebut, dan semakin seringnya
pengguna dalam penggunaan yang sebenarnya maka hal tersebut dapat
menunjukkan semakin baiknya pengguna dalam menerima layanan baru tersebut.
Dengan demikian, apabila sikap dan penggunaan aktualnya tinggi maka
diharapkan akan berdampak pada kenaikan penggunaan layanan.
Menurut (Jogiyanto, 2007) menyebutkan beberapa kelebihan yang dimiliki
oleh teori Technology Acceptance Model yaitu :
1. TAM adalah model keperilakuan yang bermanfaat dalam menjawab
pertanyaan mengapa banyak sistem teknologi informasi yang gagal diterapkan
karena pemakainya tidak mempunyai keinginan untuk menggunakannya.
2. TAM dibangun dengan teori dasar yang kuat.
3. TAM telah diuji oleh sebagian besar peneliti yang menghasilkan bahwa
sebagian besar mendukung dan dapat disimpulkan bahwa TAM adalah model
yang baik.
22
Beberapa riset telah dilakukan untuk menguji model TAM ini sebagai alat
untuk memprediksi perilaku menggunakan IT (Information Technology). TAM
telah menjadi sangat populer karena memiliki ciri-ciri teori yang baik, sederhana
(parsimony) dan didukung oleh data (verifiability) serta dapat diterapkan dalam
memprediksi penerimaan dan penggunaan sebuah hasil inovasi dalam berbagai
bidang (generalibility), namun teori TAM memiliki kelemahan, seperti:
1. TAM tidak mengakomodasi peranan orang lain disekitarnya dalam
mempengaruhi sikap dan perilaku individu
2. Adanya perbedaan individu dalam berperilaku (individual differences).
Perbedaan itu dapat berasal dari perbedaan kemampuan kognitif, sifat kepribadian
dan tata nilai yang dianutnya.
3. TAM tidak mempertimbangkan peranan dari kemampuan orang untuk
merealisasikan setiap keinginannya.TAM lebih unggul 47 % dibandingkan TRA
32% dalam minat pengguna, serta 70% minat pengguna dibandingkan dengan
TPB 62%(Venkatesh et al., 2003).
Tabel 2. 1 Perbedaan TAM dengan Model Penerimaan Lain
No. Nama Teori Peneliti Pengertian
1. Theory of
Reasoned Action
(TRA)
Fishbein & Azjen
(1975)
Teori untuk memprediksi
perilaku manusia yaitu dengan
cara menganalisis hubungna
antara berbagai kriteria kinerja
dan sikap seseorang, niat, dan
norma subyektif.
2. Theory of
Planned Behavior
(TPB)
Azjen (1988) Teori yang digunakan untuk
memenuhi keadaan ketika
perilaku seseorang tidak
sukarela dengan memasukkan
prediktor niat dan perilaku
23
yang mengacu pada keyakinan
tentang adanya faktor yang
dapat memfasilitasi atau
menghalangi kinerja suatu
perilaku
3. Technology
Acceptance
Model (TAM)
Davis (1989) Technology Acceptance Model
(TAM) Davis (1989)
Mengindentifikasi reaksi dan
persepsi seseorang terhadap
suatu yang menentukan sikap
dan perilaku orang tersebut
dengan cara membuat model
perilaku seseorang sebagai
suatu fungsi dari tujuan
perilaku ditentukan oleh sikap
perilaku tersebut.
4. Model of PC
Utilization
(MPCU)
Thompson, et al.,
(1991)
Menilai pengaruh dari kondisi-
kondisi yang mempengaruhi
dan memfasilitasi, faktor
sosial, kompleksitas,
kesesuaian tugas dan
konsekuensi jangka panjang
terhadap pemanfaatan PC
5. Social Cognitive
Theory (SCT)
Bandura (1977) Mengindentifikasi perilaku
manusia sebagai interaksi dari
faktor pribadi, perilaku, dan
lingkungan yang bertujuan
memberikan kerangka untuk
memahami, memprediksi, dan
mengubah perilaku manusia.
24
Model Technology Acceptance Model yang dikembangkan oleh Zarmpou
(2012) merupakan model yang digunakan untuk menganalisis faktor-faktor yang
memengaruhi penerimaan pengguna aplikasi mobile yang merupakan
pengembangan dari peneliitian sebelumnya. Menurut Zarmpou (2012) , faktor-
faktor yang berpengaruh besar terhadap penerimaan pengguna terhadap teknologi
layanan mobile terdiri dari tujuh faktor yaitu Perceived Usefulness (PU),
Perceived Ease of Use (PEOU), Trust (TR), Innovativeness (INN), Functionality
(F), Relationship Drivers (RD) dan Behavioral intention (BI).
2.8.1 Perceived usefulness
Menurut Wallace et al., (2014) Persepsi kegunaan menjelaskan tingkat
keyakinan seseorang terhadap penggunaan suatu teknologi yang mana teknologi
tersebut dapat memaksimalkan pekerjaan mereka. Persepsi kemudahan dalam
penggunaan menjelaskan tingkat keyakinan seseorang terhadap penggunaan suatu
teknologi dapat mengurangi beban mental dan fisik mereka. TAM mengklaim
bahwa apabila suatu teknologi atau inovasi memaksimalkan peforma seseorang
dan tidak memengaruhi usaha seseorang untuk melakukan suatu fungsi, maka
teknologi tersebut berguna dan mudah digunakan, dan individu akan lebih
memilih untuk mengadopi teknologi, servis, atau tindakan tersebut.
Davis (1989) mendefinisikan persepsi mengenai kegunaan ini berdasarkan
definisi diri kata useful yaitu capable of being used advantageously, atau dapat
digunakan untuk tujuan yang diyakini individu dapat diperolehnya apabila
menggunakan teknologi informasi.
Menurut Chin dan Todd (1995) dalam Marlina (2018) kemanfaatan dibagi
menjadi dua kategori yaitu kemanfaatan dan efektifitas, dengan dimensi masing-
masing yang dikelompokkan sebagai berikut:
1. Kemanfaatan meliputi dimensi:
a. Menjadikan pekerjaan lebih mudah (makes job easier)
b. Bermanfaat (Usefull)
25
c. Menambah produktifitas (Increase productivty)
2. Efektifitas meliputi dimensi:
a. Mempertinggi efektifitas (enchance effectiveness),
b. Mengembangkan kinerja pekerjaan (improve job performance)
2.8.2 Perceived Ease of Use
Davis, (1989) mendefinisikan kemudahan penggunaan (ease of use)
adalah: “Refers to the degree to which person believes that using a particular
system would he free of effort”. Hal tersebut dapat diartikan sebagai suatu
tingkatan dimana seseorang percaya bahwa penggunaan sistem tertentu dapat
mengurangi usaha seseorang dalam mengerjakan sesuatu. Menurut Goodwin,
1987; Silver , 1998 dalam Jamidan ( 2016) intensitas penggunaan dan interaksi
antara pemakai dengan sistem juga dapat menunjukkan kemudahan penggunaan.
Sistem yang lebih sering digunakan menunjukkan bahwa sistem tersebut lebih
dikenal, lebih mudah dioperasikan dan lebih mudah digunakan oleh pemakainya.
Menurut Davis (1989) pengertian persepsi kemudahan penggunaan,
didefinisikan sebagai tingkat dimana seseorang menyakini bahwa penggunaan
teknologi informasi merupakan hal yang mudah dan tidak memerlukan usaha
keras dari pemakainya. Konsep ini mencakup kejelasan tujuan penggunaan TI dan
kemudahan penggunaan sistem untuk tujuan sesuai dengan keinginan pemakai.
Dalam TAM, faktor persepsi terhadap kemudahan untuk menggunakan teknologi
dan persepsi terhadap daya guna sebuah teknologi berhubungan dengan sikap
seseorang pada penggunaan teknologi tersebut. Sikap pada penggunaan sesuatu
adalah sikap suka atau tidak suka terhadap penggunaan suatu produk. Sikap suka
atau tidak suka terhadap suatu produk ini dapat digunakan untuk memprediksi
perilaku niat seseorang untuk menggunakan suatu produk atau tidak
menggunakannya (Aulina, 2018).
Lee & Wan, (2015) menjelaskan beberapa indikator Perceived Ease of Use
antara lain meliputi:
26
1. Teknologi informasi sangat mudah dipelajari
2. Mudah terampil dalam penggunaan teknologi informasi
3. Teknologi informasi sangat mudah untuk dioperasikan.
2.8.3 Trust
Kepercayaan adalah sesuatu yang berhubungan dengan sebagian besar
interaksi sosial dan ekonomi dimana terdapat ketidakpastian di dalamnya.
Konstruk ini banyak terdapat di berbagai domain penelitian. Mayer et al., (2011)
mendefinisikan kepercayaan sebagai kepercayaan terhadap orang/pihak lain akan
berperilaku bertanggung jawab secara sosial sehingga akan menggunakan
kepercayaan tersebut tanpa mengambil keuntungan dari kesempatan yang ada.
Kepercayaan konsumen juga diartikan sebagai ekspektasi yang dipegang oleh
konsumen bahwa penyedia layanan dapat diandalkan dan dapat diandalkan untuk
memenuhi janjinya (Singh, 2015). Risiko terhadap penggunaan suatu layanan dan
kepercayaan yang dirasakan adalah konsep yang saling terkait dan
diidentifikasikan sebagai hambatan utama penggunaan layanan khususnya
layanan berbasis daring.
2.8.4 Innovativeness
Innovativeness merupakan variabel dalam penerimaan teknologi yang
berarti kesediaan individu untuk mencoba teknologi baru. Flynn (1993) dalam
Zarmpou (2011) menyatakan bahwa Inovasi dalam TI adalah “ kesediaan individu
untuk mencoba teknologi informasi baru ”. Interpretasi di bidang penerimaan
teknologi, inovasi mengacu pada tingkat minat mencoba yang baru, konsep baru,
atau produk atau layanan inovatif (Zarmpou et al., 2011).
Disimpulkan juga bahwa inovasi memiliki dampak positif pada
kemudahan penggunaan yang dirasakan dan dampak negatif pada kegunaan yang
dirasakan tentang proses adopsi TI dari karyawan layanan oleh (Walczuch et al.,
2007). Kuo & Yen (2009) juga meneliti hubungan inovasi dengan kemudahan
penggunaan dan persepsi yang dirasakan kegunaan. Studi mereka menunjukkan
inovasi itu memengaruhi secara positif persepsi kemudahan penggunaan seluler,
27
sedangkan pengaruhnya terhadap persepsi kegunaan dari layanan nilai tambah
seluler 3G ini tidak signifikan.
Chen dan Tong dalam Zarmpou et al., (2012) membahas pentingnya
inovasi untuk industri telekomunikasi seluler, serta Sulaiman et al., (2007)
menunjukkan bahwa inovasi pribadi mencerminkan niat adopsi mobile banking di
Malaysia. Lu (2016) menunjukkan bahwa Innovativeness memiliki efek positif
pada persepsi kemudahan penggunaan dan niat berkelanjutan untuk menggunakan
m-commerce.
2.8.5 Functionality
Functionality merupakan fungsi atau fasilitas yang disediakan oleh
layanan mobile (Prastanti et al., 2017). Faktor Functionality meliputi kecepatan
transaksi, kecepatan network, interface dan ketersediaan infrastruktur (Zarmpou et
al., 2012). Diantara kebutuhan pengguna m-commerce yang signifikan, kebutuhan
akan antarmuka yang dapat dipahami, yang memandu pengguna aplikasi seluler
menggunakan layanan. Teknis juga memengaruhi Nilai Persepsi individu dari
layanan, yang akhirnya memengaruhi niat adopsi. Oleh karena itu, teknis
memiliki pengaruh tidak langsung pada niat adopsi. Teknis termasuk dalam
konsep konektivitas, sebagai koneksi instan dan langsung, dan efisiensi, sebagai
pemuatan cepat dan waktu respons singkat (Zarmpou et al., 2012).
2.8.6 Relationship Drivers
Relationship drivers merupakan faktor yang sangat berpengaruh terhadap
penerimaan suatu teknologi. Relationship drivers pada layanan mobile
memungkinkan layanan beradaptasi dengan profil pengguna. Para ahli di bidang
pemasaran menunjukkan bahwa membangun hubungan antara pelanggan dan
layanan direkomendasikan untuk mendapatkan loyalitas pelanggan, sehingga
meningkatkan pembelian minat untuk produk. Salah satu cara perusahaan untuk
membangun hubungan yang sukses dengan pelanggannya adalah memiliki
kompetensi yang berbeda. Di antara sumber potensial lain dari kompetensi
tersebut, Lacey mengacu pada layanan yang disesuaikan, yang dapat
mencerminkan nilai superior atau manfaat psikologis bagi pelanggan (Zarmpou et
28
al., 2012). Lebih tepatnya, penelitiannya menyimpulkan fakta bahwa perlakuan
istimewa, sebagai variabel penggerak memiliki pengaruh positif langsung
terhadap komitmen pelanggan kepada perusahaan, yang akhirnya mengarah pada
peningkatan niat membeli.
2.8.7 Behavioural Intention
Menurut Kotler (2012), minat adalah sesuatu yang timbul setelah
menerima rangsangan dari produk yang dilihatnya, kemudian timbul ketertarikan
untuk mencoba produk teresebut dan akhirnya timbul keinginan untuk membeli
dan dapat memiliki produk tersebut. Menurut Ajzen (2011), minat adalah suatu
keadaan dalam diri seseorang pada dimensi kemungkinan subyektif yang meliputi
hubungan antara orang itu sendiri dengan beberapa tindakan.
Minat Perilaku (Behavioral intention) adalah kecenderungan perilaku
untuk tetap menggunakan suatu teknologi (Davis, 1989). Niat berperilaku
(behavioral intention) adalah suatu keinginan seseorang untuk melakukan suatu
perilaku tertentu atau kecenderungan seseorang untuk tetap menggunakan
teknologi tertentu. Tingkat penerimaan sebuah teknologi komputer pada
seseorang dapat diprediksi dari sikap perhatian pengguna terhadap teknologi
tersebut, misalnya motivasi untuk tetap menggunakan, serta keinginan untuk
memotivasi pengguna lain. Arief Hermawan (2008) dalam Juni et al., (2020)
mendefinisikan minat perilaku menggunakan teknologi (behavioral intention)
sebagai minat (keinginan) seseorang untuk melakukan perilaku tertentu.
Faktor Behavioural Intention telah banyak digunakan dalam memprediksi
penerimaan teknologi, dari beberapa pendapat tentang behavioural intention maka
dapat disimpulkan bahwa variabel behavioural intention merupakan tujuan akhir.
Salah satu hal dari behavioural intention yang menguntungkan adalah adanya
sikap posistif tentang suatu produk atau penyedia jasa. Sikap positif ini dapat
berupa word of mouth yang posistif, dan ini meruapakan promosi yang berbiaya
murah dan memepunyai efek yang luar biasa terhadap kelangsungan hidup
perusahaan. Apabila konsumen kita menyebarkan berita bagus kepada orang alain
atau teman –teman nya maka akan mendorong terjadinya pembelian. Behavioural
29
intention yang posistif juga mempunyai manfaat yang banyak bagi perusahaan.
Salah satunya adalah konsumen menjadi loyal terhadap produk atau jasa yang
digunakan. Loyalitas merupakan hal yang menjadi tujuan dari perusahaan akan
produk atau jasa. Banyak sekali perusahaan menggunakan segala cara agar
konsumen menjadi loyal terhadap brand atau produk mereka.
2.9 Penelitian Kuantitatif
Penelitian kuantitatif merupakan penelitian yang banyak menuntut angka
pengguanaan angka, mulai dari pengumpulan data, penafsiran data tersebut serta
penampilan dari hasilnya (Siyoto & Sodik, 2015). Penelitian dengan
menggunakan pendekatan kuantitatif menggunakan analisis data yang berbentuk
angka atau numerik yang memungkinkan peneliti untuk menguji hipotesis atau
teori tertentu. Tujuan penelitian kuantitatif adalah mengembangkan dan
menggunakan model-model matematis, teori-teori dan/atau hipotesis yang
berkaitan dengan fenomena alam.
Metode penelitian kuantitatif dapat difenisikan sebagai metode penelitian
yang berlandaskan pada filsafat positivisme dan digunakan untuk meneliti pada
populasi atau sampel tertentu dimana teknik pengambilan sampel pada umumnya
dilakukan secara random, pengumpulan data menggunakan instrumen penelitian
analisis data bersifat kuantitatif/statistik dengan tujuan untuk menguji hipotesis
yang telah ditetapkan. Metode ini berlandaskan pada filsafat positivisme yang
memandang realitas/ gejala/ fenomena dapat diklasifikasikan, relatif tetap,
konkrit, teramati, terukur, dan hubungan gejala bersifat sebab akibat (Sugiyono,
2013).
Beberapa metode penelitian kuantitatif yang cukup sering digunakan yaitu
survei dan eksperimen (Siyoto & Sodik, 2015) dengan penjelasan sebagai berikut
:
1. Metode Survei
Metode Survei merupakan metode penelitian yang menggunakan
kuesioner sebagai instrument utama untuk mengumpulkan data. Penelitian
30
survei dengan kuesioner ini memerlukan responden dalam jumlah yang
cukup agar validitas temuan dapat dicapai dengan baik.
2. Metode Eksperimen
Metode eksperimen merupakan metode penelitian yang bertujuan
untuk menjelaskan hubungan sebab-akibat (kausalitas) antara satu variabel
dengan lainnya (variabel X dan variabel Y). Untuk menjelaskan hubungan
kausalitas ini, peneliti harus melakukan kontrol dan pengukuran yang
sangat cermat terhadap variabel-variabel penelitiannya.
2.10 Populasi dan Sampel
2.10.1 Pengertian Populasi
Populasi adalah merupakan wilayah generalisasi yang terdiri dari
obyek/subyek yang memiliki kuantitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya (Siyoto & Sodik, 2015). Populasi bukan hanya orang,
tetapi juga obyek dan benda-benda alam yang lain. Populasi juga bukan
sekedar jumlah yang ada pada obyek atau subyek penelitian, akan tetapi
meliputi seluruh karakteristik atau ciri-ciri yang dimiliki oleh subyek atau
obyek itu (Wiyono, 2011). Menurut (Hernawati, 2017) Populasi
digolongkan menjadi dua jenis, yaitu:
1) Populasi terbatas (definite) yaitu objek penelitiannya dapat dihitung,
seperti luas sawah, jumlah ternak, jumlah murid, dan jumlah mahasiswa.
2) Populasi tak terbatas (infinite) yaitu objek penelitian yang mempunyai
jumlah yang tak terbatas, atau sulit dihitung jumlahnya; seperti pasir di
pantai. Disamping itu persoalan populasi bagi suatu penelitian harus
dibedakan ke dalam sifat berikut ini:
1) Populasi yang bersifat homogen, yakni populasi yang
unsurunsurnya memiliki sifat yang sama, sehingga tidak perlu
dipersoalkan jumlahnya secara kuantitatif. Misalnya seorang dokter yang
31
akan melihat golongan darah seseorang, maka ia cukup mengambil setetes
darah saja.
2) Populasi yang bersifat heterogen, yakni populasi uang
unsurunsurnya memiliki sifat atau keadaan yang bervariasi, sehingga perlu
ditetapkan batas-batasnya, baik secara kualitatif maupun kuantitatif.
Dengan demikian dapat disimpulkan bahwa populasi merupakan
wilayah generalisasi yang terdiri dari obyek atau subyek yang memiliki
kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya.
2.10.2 Pengertian Sampel
Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki
oleh populasi tersebut, ataupun bagian kecil dari anggota populasi yang
diambil menurut prosedur tertentu sehingga dapat mewakili populasinya.
Jika populasi besar, dan peneliti tidak mungkin mempelajari seluruh yang
ada di populasi, hal seperti ini dikarenakan adanya keterbatasan dana atau
biaya, tenaga dan waktu, maka oleh sebab itu peneliti dapat memakai
sampel yang diambil dari populasi. Sampel yang akan diambil dari
populasi tersebut harus betul-betul representatif atau dapat mewakili
(Siyoto & Sodik, 2015).
Dari pengertian tersebut dapat disimpulkan bahwa sampel
merupakan bagian kecil dari anggota populasi yang diambil menurut
prosedur tertentu yang dapat mewakili populasinya. Sampel digunakan
jika populasi yang di teliti besar, dan peneliti tidak mungkin mempelajari
seluruh populasi.
2.10.3 Jenis-jenis metode pengambilan sampel
Metode pengambilan sampel pada dasarnya dikelompokan menjadi
dua yaitu Probability Sampling dan Non Probability sampling. Pada
Probability Sampling, semua anggota populasi mempunyai kesempatan
32
yang besar untuk dimasukkan ke dalam sampel. Kesempatan untuk
dimasukkan ke dalam sampel tidak sama, tetapi semua orang mempunyai
probabilitas yang dikenal untuk dimasukkan ke dalam sampel. Sedangkan
Non Probability sampling adalah teknik pengambilan sampel yang tidak
memberikan peluang atau kesempatan sama bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel (Hernawati, 2017).
1) Probability Sampling
Probability sampling adalah teknik pengambilan sampel
yang memberikan peluang yang sama bagi setiap unsur (anggota)
populasi dipilih untuk menjadi anggota sampel. Teknik ini meliputi
(Sugiyono, 2013) :
a) Simple Random Sampling
Dikatakan simple (sederhana) karena pengambilan anggota
sampel dari populasi dilakukan secara acak tanpa memperhatikan
strata yang ada salam populasi itu. Cara demikian dilakukan bila
anggota populasi dianggap homogen.
b) Proportionate Stratified random sampling
Teknik ini digunakan bila populasi mempunyai
anggota/unsur yang tidak homogen dan berstrata secara
proporsional.
c) Disproportionate Stratified Random Sampling.
Teknik ini digunakan untuk menentukan jumlah sampel,
bila populasi berstrata tetapi kurang proporsional.
d) Cluster Sampling (Area Sampling)
Sampling daerah digunakan untuk menentukan sampel bila
objek yang akan diteliti atau sumber data sangat luas, missal
penduduk suatu negara, provinsi atau kabupaten. Untuk
menentukan penduduk mana yang akan dijadikan sumber data,
33
maka pengambilan sampelnya berdasarkan daerah populasi yang
telah ditetapkan.
2) Nonprobability Sampling
Nonprobability sampling adalah teknik pengambilan
sampel yang tidak memberikan peluang atau kesempatan sama
bagi setiap unsur atau anggota populasi untuk dipilih menjadi
sampel. Teknik sampel ini meliputi (Sugiyono, 2013) :
a) Sampling Sistematis
Sampling sistematis adalah teknik pengambilan sambil
berdasarkan urutan dari anggota populasi yang telah diberi nomor
urut. Misalnya anggota populasi yang terdiri dari 100 orang, dari
semua anggota itu diberi nomot urut yaitu nomor 1 sampai dengan
nomor 100. Pengambilan sampel dapat dilakukan dengan nomor
ganjil saja, genap saja, atau kelipatan dari bilangan tertentu,
misalnya kelipatan dari bilangan lima.
b) Sampling Kuota
Sampling kuota adalah teknik untuk menentukan sampel
dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah
(kuota) yang diinginkan. Sebagai contoh, akan melakukan
penelitian tentang pendapat masyarakat terhadap pelayanan
masyarakat dalam urusan izin mendirikan bangunan. Jumlah
sampel yang ditentukan 500 orang. Lalu pengumpulan data belum
didasarkan pada 500 orang tersebut, maka penelitian dipandang
belum selesai, karena belum memenuhi kuota yang ditentukan.
c) Sampling Insidental
Sampling insidental adalah teknik penentuan sampel
berdasarkan kebetulan, yaitu siapa saja yang secara
kebetulan/incidental bertemu dengan peneliti dapat digunakan
sebagai sampel, bila dipandang orang yang kebetulan ditemui itu
cocok sebagai sumber data.
34
d) Sampling Purposive
Sampling purposive adalah teknik penentuan sampel
dengan pertimbangan tertentu. Misalnya akan melakukan
penelitian tentang kualitas makanan, maka sampel sumber datanya
adalah orang yang ahli makanan. Sampel ini lebih cocok digunakan
pada penelitian kualitatif.
e) Sampling Jenuh
Sampling jenuh adalah teknik penentuan sampel bila semua
anggota populasi digunakan sebagai sampel. Hal ini sering
dilakukan bila populasi yang relative kecil, kurang dari 30 orang,
atau penelitian yang ingin membuat generalisasi dengan kesalahan
yang sangat kecil. Istilah lain sampel jenuh adalah sensus, dimana
semua anggota populasi dijadikan sampel.
f) Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang
mula-mula jumlahnya kecil, kemudian membesar. Ibarat bola salju
yang menggelinding yang lama-lama menjadi besar. Dalam
penentuan sampel, pertama-tama dipilih satu atau dua orang tetapi
dengan dua orang ini belim merasa lengkap terhadap data yang
diberikan maka peneliti mencari orang yang lebih tahu dan dapat
melengkapi data yang diberikan oleh dua orang sebelumnya.
Penelitian kualitatif banyak menggunakan purposive dan snowball.
2.11 Rumus Slovin
Rumus Slovin merupakan sebuah rumus untuk menghitung jumlah sampel
minimal yang dikembangkan oleh Slovin (1960). Rumus ini digunakan dalam
penelitian yang jumlah populasi yang sangat besar dan dibutuhkan sebuah
formula untuk mendapatkan sampel yang sedikit dan mewakili keseluruhan
populasi (Sugiyono, 2013). Untuk menentukan jumlah minimal sampel yang
dibutuhkan jika ukuran populasinya diketahui dapat digunakan rumus :
35
n =
... (1)
Keterangan :
n = Sampel
N = Populasi
e = Tingkat kesalahan
2.12 Skala Likert
Pada penelitian kuantitatif, salah satu alat pengukuran yang digunakan
adalah skala Likert. Skala Likert digunakan untuk mengukur sikap, pendapat, dan
persepsi suatu individu atau kelompok terhadap suatu fenomena sosial (Sugiyono,
2013).
Skala Likert menurut Djaali dalam Suwandi, Imansyah, & Dasril (2018)
ialah skala yang dapat dipergunakan untuk mengukur sikap, pendapat, dan
persepsi seseorang atau sekelompok orang tentang suatu gejala atau fenomena
pendidikan. Skala Likert adalah suatu skala psikometrik yang umum digunakan
dalam kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset
berupa survei. Nama skala ini diambil dari nama Rensis Likert, pendidik dan ahli
psikolog Amerika Serikat. Rensis Likert telah mengembangkan sebuah skala
untuk mengukur sikap masyarakat di tahun 1932. Skala Likert digunakan untuk
mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang
fenomena sosial. Dengan Skala Likert, variabel yang akan diukur dijabarkan
menjadi indikator variabel.
Sewaktu menanggapi pertanyaan dalam skala likert, responden
menentukan tingkat persetujuan mereka terhadap suatu pertanyaan dengan
memilih salah satu dari pilihan yang tersedia. Biasanya disediakan lima pilihan
skala dengan format seperti ini : [1] Sangat tidak setuju , [2] Tidak setuju , [3]
Kurang setuju , [4] Setuju, [5] Sangat setuju.
36
2.13 Structural Equation Modeling (SEM)
SEM merupakan teknik statistik yang digunakan untuk membangun dan
menguji model statistik yang biasanya dalam bentuk model-model sebab akibat.
SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan
(confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap
sebagai kasus khusus dalam SEM (Sarwono, 2010). Terdapat beberapa alternatif
teknik SEM, antara lain adalah PLS yang dikembangkan dengan berbagai aplikasi
perangkat lunak atau software seperti untuk SEM yang berbasis kovarian yaitu
Lisrel, AMOS, dan EQS. Sedangkan software SEM berbasis varian adalah
XLSTAT PLS-PM, PLS Graph, SmartPLS, Visual PLS, dan sebagainya (Yamin
& Kurniawan, 2011).
2.14 Partial Least Squares (PLS)
Partial Least Square atau disingkat PLS adalah model persamaan
Structural Equation Modelling (SEM) yang berbasis komponen atau varian. PLS
ini pertama kali diperkenalkan secara umum oleh Herman Wold pada tahun 1974.
Menurut Ghozali dalam (Prasetyo, 2019), PLS merupakan pendekatan alternatif
yang bergeser dari pendekatan SEM berbasis kovarian menjadi berbasis varian.
SEM yang berbasis kovarian umumnya menguji model kausalitas atau teori,
sedangkan PLS lebih bersifat predictive model. PLS merupakan metode analisis
yang powerfull karena tidak didasarkan pada banyak asumsi misalnya data tidak
harus berdistribusi normal, sampel tidak harus besar. PLS juga dapat digunakan
untuk menjelaskan ada tidaknya hubungan antar variabel laten. PLS dapat
menganalisis sekaligus konstruk yang dibentuk dengan indikator refleksif dan
formatif. Menurut Talbot dalam (Prasetyo, 2019) PLS pun memiliki tujuan yaitu
untuk memprediksi pengaruh variabel X terhadap Y dan menjelaskan hubungan
teoritis di antara kedua variabel.
37
2.14.1 Evaluasi Model PLS
Evaluasi model dalam PLS meliputi dua tahap, yaitu evaluasi pada
model pengukuran dan evaluasi terhadap model struktural (Hair, Ringle, &
Sarstedt, 2013).
1. Evaluasi Model Pengukuran (Outer Model )
Measurement model atau model pengukuran merupakan bagian
dari model SEM yang menggambarkan hubungan antara variabel laten
dengan indikator-indikatornya. Anak panah lurus menunjukan hubungan
dari variabel-variabel laten kearah masing-masing indikator. Selain itu,
terdapat pula anak panah lurus dari faktor kesalahan dan gangguan (error
and disturbance terms) kearah variabel-variabel masing-masing, maupun
tidak ada pengaruh langsung atau anak panah lurus yang menghubungkan
dengan variabel-variabel laten. Model pengukuran dievaluasi sebagaimana
model SEM lainnya dengan menggunakan pengukuran uji keselarasan.
Proses analisis hanya dapat dilanjutkan jika model pengukuran valid (Alfa,
2017).
Model ini terdiri dari pemeriksaan individual item reliability,
internal consistency, Average Variance Extracted dan discriminant
validity. Evaluasi model pengukuran dilakukan kriteria sebagai berikut.
Pemeriksaan individual indicator reliability, dapat melihat dari
nilai outer loading. Nilai ini menggambarkan besarnya korelasi antara
setiap indikator dengan variabelnya. Nilai outer loading di atas 0,7 dapat
dikatakan ideal (Yamin & Kurniawan, 2011). Jika nilai outer loading
antara 0,5 s.d 0,6 dikatakan cukup (Ghozali, 2013). Indikator dengan nilai
outer loading yang lemah biasanya dieliminasi atau dihapus. Nilai outer
loading 0,4 s.d 0,7 sebaiknya dipertimbangkan terlebih dahulu sebelum
dihapus jika nilai Composite Reliability atau Average Variance Extracted
masih memenuhi syarat. Namun pada akhirnya indikator yang mempunyai
nilai outer loading di bawah 0,4 biasanya dihapus (Hair et al., 2013)
38
Selanjutnya melihat internal consistency reability yang dapat
dihitung melalui nilai Composite Reliability. Composite Reliability lebih
baik dalam mengukur internal consistency dibandingkan dengan
cronbach’s alpha dalam model SEM dikarenakan Composite Reliability
tidak mengasumsikan kesamaan boot dari setiap indikator. Cronbach’s
alpha cenderung menaksir lebih rendah construct reliability dibandingkan
Composite Reliability. Nilai Composite Reliability 0,6 s.d 0,7 dikatakan
dapat diterima sedangkan nilai 0,7 s.d 0,9 dikatakan sangat memuaskan
(Hair et al., 2013)
Rumus untuk menghitung Composite Reliability
CR = ∑
𝟐
∑ 𝟐 ∑
... (2)
Selanjutnya menguji nilai Average Variance Extracted (AVE).
Nilai ini menggambarkan besaran varian atau keragaman variabel manifes
yang dapat dikandung oleh konstruk laten. Nilai AVE minimal adalah 0,5
menunjukkan ukuran convergent validity yang baik (Hair et al., 2013;
Yamin & Kurniawan, 2011). Ini berarti bahwa variabel laten dapat
menjelaskan rata-rata lebih dari setengah variance dari indikator-
indikatornya. Nilai ini diperoleh dari penjumlahan kuadrat outer loading
dibagi dengan error.
Rumus dari Average Variance Extracted (AVE)
AVE = ∑
𝟐
∑ 𝟐 ∑
... (3)
Setelah itu mengevaluasi discriminant validity dengan
membandingkan nilai akar AVE harus lebih tinggi daripada korelasi antar
konstruk atau nilai AVE lebih tinggi dari kuadrat korelasi antar konstruk
(Salamah, 2015).
2. Evaluasi Model struktural (Inner Model)
39
Structural model merupakan bagian dari model SEM yang
menggambarkan hubungan antar variabel-variabel laten atau antar variabel
eksogen dengan variabel endogen. Structural model ini adalah seperangkat
variabel eksogen dan endogen dalam suatu model, bersamaan dengan efek
langsung atau ditunjukkan dengan arah anak panah langsung yang
menghubungkannya serta faktor gangguan untuk semua variabel tersebut
(Alfa, 2017).
Dalam evaluasi model struktural ada beberapa tahap. Pertama yaitu
melihat signifikansi hubungan antara konstruk. Hal ini dilihat dari
koefisien jalur (path coefficient) yang menunjukkan tingkat signifikansi
dalam pengujian hipotesis atau menggambarkan kekuatan hubungan antara
konstruk. Path coefficient (β) diuji dengan nilai ambang batas di atas 0,1
untuk menyatakan bahwa jalur (path) yang dimaksud mempunya pengaruh
dalam model.
Dilanjutkan dengan mengevaluasi nilai dari R2. Nilai R2
digunakan untuk mengukur tingkat variasi perubahan variabel independen
terhadap variabel dependen (Mustakini & Jogiyanto, 2015). Menurut
Yamin & Kurniawan (2011) terdapat tiga klasifikasi batasan nilai R2 yaitu
0.67 sebagai substansial, 0.33 sebagai moderat, dan 0.19 sebagai sebagai
tingkat varian yang lemah.
Tahap ketiga dilakukan dengan melihat nilai t-test dengan metode
bootstrapping menggunakan uji one-tailed dengan nilai tingkat
signifikansi. Besar tingkat signifikansi yang akhir-akhir ini dipakai untuk
uji two-tailed adalah 1,65 (tingkat signifikan 10%), 1,96 (tingkat
signifikan 5%), dan 2,57 (signifikan 1%) (Hair et al., 2013). Nilai t-test ini
untuk menguji hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar
dari tingkat signifikansi yang digunakan, maka hipotesis penelitian yang
diajukan dapat diterima.
Selain itu, banyak juga peneliti menggunakan nilai p value untuk
menilai tingkat signifikansi (Hair et al., 2013). Bila ingin mengasumsikan
tingkat signifikan 5%, maka nilai p value harus lebih kecil dari 0,05 untuk
40
menyimpulkan bahwa hipotesis tersebut memilki tingkat signifikan 5%.
Begitu juga dengan 10% (p value < 0.1) dan 1% (p value < 0,01).
Langkah keempat yaitu melakukan pengujian f2 (effect size).
Pengujian ini dilakukan untuk memprediksi pengaruh variabel tertentu
terhadap variabel lainnya dalam struktur model dengan nilai ambang batas
sekitar 0,02 untuk pengaruh kecil, 0,15 untuk pengaruh menengah, dan
0,35 untuk pengaruh yang besar, sementara nilai Effect Size di bawah 0,02
mengindikasikan tidak memiliki pengaruh struktur model (Yamin &
Kurniawan, 2011).
Rumus f2 (effect size) :
... (4)
Kelima yaitu pengujian Q2 (predictive relevance) dengan
menggunakan metode blindfolding agar dapat memberikan bukti bahwa
variabel tertentu yang digunakan pada model yang dibuat mempunyai
keterkaitan prediktif (predictive relevance) dengan variabel lainnya pada
model tersebut dengan nilai ambang batas pengukuran di atas nol.
Tahap keenam yaitu melakukan pengujian q2 (relative impact)
dengan menggunakan metode yang sama yaitu blindfolding agar dapat
mengukur relatif dari pengaruh sebuah keterkaitan antara prediktif sebuah
variabel tertentu dengan variabel lainnya yang memiliki nilai sebesar 0.02
untuk pengaruh kecil, 0.15 untuk pengaruh sedang dan 0.35 untuk
pengaruh besar (Hair et al., 2013).
2.15 Smart PLS
SmartPLS atau smart partial least square merupakan software statistik
yang telah dikembangkan oleh institute of Hamburg Jerman, dimana memiliki
tujuan yang sama dengan Lisrel dan Amos yaitu untuk menguji hubungan antara
variabel, baik sesama variabel laten maupun dengan variabel indikator atau
manifest. Penggunaan smartPLS sangat diajurkan ketika peneliti memiliki
41
keterbatasan jumlah sampel sementara model yang dibangun kompleks, hal ini
tidak dapat dilakukan ketika peneliti menggunakan Lisrel dan Amos karena
software tersebut membutuhkan kecukupan sampel (Prasetyo, 2019).
Adapun kelebihan lainnya dari smartPLS yaitu kemampuannya dalam
mengolah data yang baik untuk model SEM formatif ataupun reflektif. Model
SEM formatif memiliki ciri-ciri diantaranya yaitu variabel laten atau konstruk
yang dibangun variabel indikator, dimana panah mengarah dari variabel konstruk
ke variabel indikator. Model SEM reflektif merupakan model SEM dimana
variabel konstruk merupakan refleksi dari variabel indikator, sehingga panahnya
mengarah dari variabel indikator ke variabel laten. Secara statistik,
konsekuensinya adalah tidak akan ada nilai error pada variabel indikator
(Prasetyo, 2019).
42
43
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan penelitian
Penelitian ini merupakan jenis analisis komparatif, yang bertujuan untuk
membandingkan penerimaan Ifix dan Viu dengan Model TAM. Penelitian ini
menggunakan pendekatan kuantitatif karena dalam penelitian ini melakukan
pengukuran dalam bentuk angka dan perhitungan statistik serta strategi penelitian
yang berurutan sesuai dengan tujuannya yaitu mengetahui penerimaan pengguna
aplikasi Video on Demand antara Iflix dan Viu dan menguji sejumlah hipotesis
terkait hubungan antara penerimaan pengguna aplikasi Video on Demand Iflix dan
Viu dan faktor - faktor yang memengaruhinya.
Penelitian dilakukan dengan pengumpulan informasi yang diajukan
kepada responden yang merupakan pengguna Iflix dan Viu, berupa survei atau
kuesioner. Selanjutnya, analisis data secara statistik menggunakan beberapa tools,
yaitu Word 2013 untuk penulisan laporan, Excel 2013 untuk pengolahan data
demografi, Smart PLS 3.0, untuk pengolahan data hasil penyebaran kuesioner,
diagram editor online untuk pembuatan gambar yang mendukung laporan
penelitian, dan Mendeley Dekstop 1.19.3 untuk penulisan skripsi dan referensi
yang digunakan peneliti sebagai acuan dalam penulisan laporan.
3.2. Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah seluruh pengguna aplikasi Iflix dan
Viu di Indonesia. Mengacu pada data jumlah pengguna aktif Iflix dan Viu yang
terdaftar dan berasal dari Indonesia pada tahun 2018, diprediksi terdapat
14.200.000 pengguna aktif yang berlangganan Iflix dan Viu pada tahun 2018
(Akurat.co, 2018; Daily Social, 2018).
Oleh karena itu, populasi pada penelitian ini ditetapkan sebanyak
14.200.000 pengguna. Teknik pengambilan sampel yang digunakan dalam
penelitian ini adalah simple random sampling yang pengambilan sampel
44
dilakukan secara acak dari setiap anggota populasi. Selanjutnya, dalam
menentukan jumlah sampel, peneliti menggunakan metode Slovin dengan
toleransi error 10% maka didapatkan jumlah target sampel yang dibutuhkan pada
penelitian ini berjumlah 100. Selain menggunakan rumus slovin untuk
memperkuat landasan dalam menentukan jumlah sampel, peneliti pada teori yang
digunakan dalam PLS-SEM, dimana menurut (Hair et al., 2013) minimal sampel
yang digunakan dalam PLS-SEM adalah 10 kali dari jumlah panah yang
diarahkan pada variabel laten. Dengan kata lain, 10 kali dari jumlah hipotesis
yang ada dalam model yang digunakan. Pada model yang digunakan terdapat 13
hipotesis yang diajukan pada penelitian ini. Jadi, minimal sampel yang diperlukan
berdasarkan teori (Hair et al., 2013) adalah sebanyak 130 sampel, dengan begitu
300 sampel yang didapatkan dalam penelitian ini dapat dikatakan telah memenuhi
syarat, dengan minimal 150 responden di masing-masing layanan VoD.
3.3 Metode Pengumpulan Data
3.3.1 Observasi
Observasi ini dilakukan sebagai studi pendahuluan, peneliti mengamati
langsung Video on Demand Iflix dan Viu dengan melihat ulasan aplikasi di
Google Play, memasang aplikasi, dan menjadi pengguna layanan VoD Iflix dan
Viu.
3.3.2 Survei
Dalam penelitian ini, kuesioner disebarkan secara tidak langsung.
penyebaran kuesioner secara tidak langsung dilakukan melalui sosial media
seperti email, Instagram, Twitter, Whatsapp, Line, dan sejenisnya dengan bantuan
Google Form untuk pengisian kuesioner. Kuesioner yang digunakan
menggunakan lima tingkatan skala Likert mulai dari sangat setuju, setuju, netral,
tidak setuju, dan sangat tidak setuju.
3.3.3 Studi Literatur
Metode ini dilakukan dengan membaca dan mempelajari beberapa literatur
yang berhubungan dengan penelitian ini. Diantaranya artikel dan jurnal-jurnal
45
penelitian seputar penerimaan pengguna, Video on Demand, metode penelitian
kuantitatif, Technology Acceptance Model (TAM), Smart PLS untuk mengolah
data. Tujuannya adalah sebagai sumber informasi dan juga sebagai referensi
untuk mengetahui kelebihan dan kekurangan yang terdapat dalam penelitian
sebelumnya. Berikut beberapa jurnal penelitian sejenis yang telah dilakukan
sebelumnya akan dijelaskan dalam tabel 3.1.
46
Tabel 3. 1 Literatur Sejenis
No. Peneliti (tahun
penelitian)
judul variabel Tujuan penelitian Hasil penelitian Kelebihan Kekurangan
1. (Zarmpou et
al., 2012)
Modeling users’
acceptance of
mobile services
Perceived
Usefulness (PU),
Perceived Ease of
Use (PEOU), Trust
(TR),
Innovativeness
(INN),
Functionality (F),
Relationship
Drivers (RD) dan
Behavioral
intention (BI)
Penelitian ini
bertujuan untuk
mengatahui
faktor-faktor yang
memengaruhi
penerimaan
mobile service
penerimaan
pengguna
berdasarkan seluruh
variabel konstruk
mobile Technology
Acceptance Model
berada pada
kategori baik dan
sangat baik. Selain
variabel Trust,
Terdapat perbedaan
penerimaan
pengguna terhadap
variabel konstruk
mobile Technology
Menggunaka
n referensi
yang lengkap
Penjelasan
variabel dan
data hasil
analisis
kurang
mendetail.
47
Acceptance Model
2 Venni
Ariestya
Hasan (2017)
Analisis Faktor-
Faktor yang
Memengaruhi
Willingness to
Subscribe:
Telaah pada
Layanan Video
on Demand
Netflix
Interactivity,
Content Richness,
Perceived
Usefulness,
Perceived Ease of
Use, Perceived
Price, Free
Alternatives, dan
Willingness to
Subscribe
Mengetahui
faktor-faktor yang
memengaruhi
kesediaan
subscribe pada
Netflix
1. Interactivity
tidak memiliki
pengaruh signifikan
terhadap perceived
usefulness.
2. Content Richness
memiliki pengaruh
positif terhadap
perceived
usefulness
3. Perceived
Usefulness dan
Perceived Ease of
Use memiliki
pengaruh positif
terhadap
Willingness to
Subscribe.
4. Perceived Price
dan Free
Alternatives
memiliki pengaruh
Penjelasan
variabel,
definisi tiap
indikator,
hipotesis,
penjabaran
data,
pembahasan
hasil dan
detail
kuesioner
terbilang
lengkap.
Detail
variabel pada
kuesioner
tidak
dijelaskan.
48
negatif terhadap
Willingness to
Subscribe.
5. Perceived Price
memiliki pengaruh
terhadap
Willingness to
Subscribe, dimana
pengaruhnya
merupakan
pengaruh negatif.
6. Free alternatives
memiliki pengaruh
terhadap
Willingness to
Subscribe, dimana
pengaruhnya
merupakan
pengaruh negatif.
3 Rahmadi Analisis Performance Mengetahui Seluruh hubungan Penjelasan Teks kurang
49
Prabowo
(2019)
Loyalitas
Pengguna
Layanan Video
on Demand
Berlangganan
Netflix
Menggunakan
Extended
Unified Theory
Of Acceptance
And Use Of
Technology 2
(Utaut2)
Expectancy,
Facilitating
Conditions ,
Hedonic
Motivation , Price
Value , Habit,
Content, Morals
and Ethics,
Satisfaction dan
Continuance
Intention.
faktor-faktor yang
memengaruhi
loyalitas
pengguna Netflix
di Indonesia
untuk
melanjutkan
berlangganan di
bulan-bulan
berikutnya.
antar variabel yang
digunakan pada
penelitian ini
terbukti secara
statistik
berpengaruh positif
dan signifikan
dalam pengukuran
tingkat loyalitas
pengguna Netflix
untuk tetap
menggunakan serta
melanjutkan
berlangganan
Netflix pada bulan-
bulan berikutnya.
dan
pembuktian
hipotesis
terbilang
lengkap.
tertata dengan
rapi
4. Jib, Park, &
Joon (2014)
What drives
successful
Perceived
Usefulness,
Mengetahui
perbandingan
perceived
usefulness
Membanding
kan dua
Penjelasan
hipotesis
50
social
networking
services? A
comparative
analysis of user
acceptance of
Facebook and
Attitude, Perceived
connectedness,
System and service
quality, Perceived
security, Perceived
mobility, Flow
experience,
Intention to Use
faktor-faktor yang
memengaruhi
penerimaan
facebook dan
berpengaruh
terhadap intention
to use. Hal ini juga
berlaku sama
dengan perceived
ease of use, dimana
perceived ease of
use juga memiliki
pengaruh terhadap
intention to use.
Penelitian
objek yang
berbeda dan
penjelasan
variabel,
hipotesis,
penjabaran
data,
pembahasan
hasil
terbilang
lengkap.
kurang
mendetail.
5. Nurfiyah,
Nissa Almira
Mayangky, Sri
Hadianti,
Dwiza Riana
(2019)
Analisis
Technology
Acceptance
Model pada
Aplikasi
Platform
Perdagangan
Perceived
Usefulness,
Perceived Ease of
Use, Attitude, dan
Intention to use
Mengetahui
faktor-faktor yang
memengaruhi
penerimaan
aplikasi platform
perdagangan
elektronik
Hasil penelitian
menunjukkan
bahwa faktor
Perceived
usefulness,
Perceived ease of
use, Attitude, dan
Menggunaka
n referensi
yang lengkap
Penjelasan
hipotesis
kurang
mendetail.
51
Elektronik di
Kalangan
Mahasiswa
Intention to use
semua berpengaruh
signifikan pada
penerimaan
penggunaan
aplikasi Shopee
dikalangan
Mahasiswa
6. Sri Hartini
(2011)
Pengembangan
model TAM :
expertice dan
Innovativeness
sebagai variabel
moderator studi
pada
Penggunaan e-
banking
Perceived
Usefulness,
Perceived Ease of
Use,Innovativeness,
Expertise, Attitude
Mengembangkan
model TAM
untuk penerimaan
penggunaan e-
banking
Menunjukkan
bahwa Faktor
Perceived
usefulness and
Perceived ease of
use dirasakan
positif dan
signifikan
berpengaruh pada
pembayaran seluler
Penelitian ini
menggunaka
n TAM yang
di modifikasi
dengan
penambahan
Innovativenes
s, Expertise
Penjelasan
hasil analisis
yang kurang
mendetail
52
7. Melaning & I
Gst Ayu Kt.
Giantari
(2019)
Technology
Acceptance
Application
Model on
Internet
Banking Service
in BRI Bank
Denpasar
Indonesia
Perceived
Usefulness,
Perceived Ease of
Use, Attitude
toward Using and
Behavioral
intention of Use
Mengetahui
faktor-faktor pada
TAM dalam
penerimaan
Internet Banking
Service in BRI
Bank Denpasar
Indonesia
Hasil penelitian
menunjukkan
bahwa (1) attitude
toward using
berpengaruh positif
dan signifikan
terhadap
Behavioral
intention of Use (2)
perceived ease of
use berpengaruh
positif dan
signifikan terhadap
sikap terhadap
Attitude toward
Using (3)
perceived
usefulness
berpengaruh positif
dan signifikan.
berpengaruh pada
Behavioral
intention of Use. (4)
Perceived ease of
Penelitian
ditulis secara
sistematis
dan mudah
dimengerti.
penjelasan
variabel dan
data hasil
analisis
kurang
mendetail.
53
use berpengaruh
positif dan
signifikan terhadap
Behavioral
intention of Use (5)
perceived
usefulness
berpengaruh positif
dan signifikan
terhadap Attitude
toward Using. (6)
sikap Attitude
toward Using dapat
memediasi
hubungan antara
perceived
usefulness dengan
behavioral
intention of use.
(7) sikap Attitude
toward Using dapat
memediasi
hubungan antara
perceived ease of
54
use dengan
behavioral
intention of use
8. Ni Nyoman
Kerti Yasa,
Ratnaningrum,
&
Sukaatmadja
(2014)
The Application
Of Technology
Acceptance
Model On
Internet
Banking Users
In The City Of
Denpasar
Perceived
Usefulness ,
Perceived Ease of
Use, Attitude
toward Using and
actual usage
Bertujuan untuk
mengetahui faktor
penerimaan
Internet Banking
Users In The City
Of Denpasar
Hasil dari
penelitian ini,
variabel perceived
ease of use dan
perceived
usefulness memiliki
hubungan
positif dan
signifikan secara
langsung tehadap
attitude toward
using. Perceived
ease of use dan
perceived
usefulness juga
memiliki pengaruh
positif dan
Penelitian
ditulis secara
sistematis
dan mudah
dimengerti.
Pembahasan
hasil analisis
terlalu banyak
teks
dibandingkan
tabel.
55
signifikan secara
langsung terhadap
actual usage.
Attitude toward
using memiliki
hubungan positif
dan signifikan
secara langsung
terhadap actual
usage.
9. Aditya &
Wardhana
(2016)
Pengaruh
Perceived
Usefulness dan
Perceived Ease
of Use Terhadap
Behavioral
intention
dengan
Perceived
Usefulness,
Perceived Ease of
Use dan Behavioral
intention
Mengetahui
pengaruh
Perceived
Usefulness dan
Perceived Ease of
Use Terhadap
Behavioral
intention pada
Hasil penelitian
menunjukan bahwa
perceived
usefulness berada
pada posisi angka
75,81% dengan
kategori tinggi,
perceived ease of
Referensi
yang
digunakan
lengkap
Detail
variabel pada
kuesioner
tidak
dijelaskan.
56
Pendekatan
Technology
Acceptance
Model (Tam)
pada Pengguna
Instant
Messaging Line
di Indonesia
Pengguna Instant
Messaging Line
di Indonesia
use berada pada
posisi angka
81,43% dengan
kategori tinggi,
behavioral
intention berada
pada posisi 79,52%
dengan kategori
tinggi, perceived
usefulness
berpengaruh
signifikan terhadap
behavioral
intention sebesar
18,83%, perveived
ease of use
berpengaruh
signifikan terhadap
behavioral
57
intention sebesar
36,84% serta
perceived
usefulness dan
perceived ease of
use berpengaruh
signifikan terhadap
behavioral inteniton
sebesar 55,7%.
10. Riyan
Latifahul
Hasanah,
Fanny Fatma
Wati dan
Dwiza Riana
(2019)
TAM Analysis
on The Factors
Affecting
Admission of
Students for
Ruangguru
Application
Perceived
Usefulness,
Perceived Ease of
Use, Attitude
Toward Using,
Actual System Use,
dan Behavioral
intention of Use.
Bertujuan untuk
mengetahui faktor
pada minat siswa
menggunakan
aplikasi
Ruangguru
Hasil penelitian
menunjukkan
bahwa Attitude
Towards Using
tidak berpengaruh
signifikan terhadap
Behavioral
intention of Use,
artinya sikap siswa
Penelitian
ditulis secara
sistematis
dan mudah
dimengerti.
Penjelasan
hipotesis
kurang
mendetail.
58
terhadap
penggunaan tidak
berpengaruh
terhadap niat siswa
dalam
menggunakan
aplikasi Ruangguru.
Sedangkan
hubungan
Perceived Ease of
Use dengan
Perceived
Usefulness
merupakan
pengaruh yang
paling signifikan
dimana kemudahan
dalam
menggunakan
59
aplikasi Ruangguru
membuat pengguna
merasa bahwa
aplikasi Ruangguru
bermanfaat.
60
Berdasarkan penelitian diatas maka peneliti menyimpulkan bahwa model
penerimaan TAM yang dikombinasikan dengan variabel lainnya terbukti dapat
digunakan dalam mengetahui faktor-faktor apa saja yang dapat memengaruhi
penerimaan sebuah SI/TI, pengujian tersebut menggunakan variabel-variabel yang
seperti model asli ataupun ditambah dengan variabel eksternal lainnya. Namun
dari beberapa penelitian diatas terdapat kekurangan yaitu kebanyakan penelitian
hanya membahas satu objek penelitian saja, jarang penelitian yang
membandingkan mengenai faktor-faktor penerimaan pada layanan Video on
Demand.
Penelitian ini diharapkan dapat menutupi kekurangan pada hasil
penelitian-penelitian sebelumnya seperti mengukur tingkat penerimaan pengguna
Video on Demand pada Iflix dan Viu, membandingkan dua objek dalam
memprediksi bagaimana niat seseorang dalam menggunakan teknologi.
3.4 Metode Analisis Data
3.4.1 Model Penelitian dan Hipotesis Penelitian
Penelitian ini bertujuan untuk mengetahui bagaimana penerimaan
pengguna terhadap suatu produk. Produk dalam hal ini yang dimaksud adalah
Video on Demand Iflix dan Viu. Untuk mengetahui hal tersebut maka akan
dilakukan pengukuran tingkat penerimaan pengguna Iflix dan Viu. Dalam
menerima suatu layanan yang berbasis teknologi informasi yang baru diluncurkan,
tidak semua masyarakat mampu dengan mudah untuk memahami dan menerima
layanan baru tersebut. Oleh karena itu diperlukannya pengukuran tingkat
penerimaan dan pemahaman dalam menggunakan layanan dengan mengukur
perilaku dari penggunanya. Tingkat penerimaan teknologi pada seseorang dapat
dilihat dari minat perilaku menggunakan teknologi (Behavioral intention)
misalnya motivasi untuk tetap menggunakan, serta keinginan untuk memotivasi
pengguna lain. Salah satu hal dari behavioural intention yang menguntungkan
adalah adanya sikap posistif tentang suatu produk atau penyedia jasa. Sikap positif
ini dapat berupa word of mouth yang positif, dan ini merupakan promosi yang
berbiaya murah dan mempunyai efek yang luar biasa terhadap kelangsungan
61
hidup perusahaan. Apabila konsumen kita menyebarkan berita bagus kepada
orang lain maka akan mendorong terjadinya pembelian.
Selain itu, peneliti menggunakan TAM yang telah dikembangkan oleh
(Zarmpou et al., 2011) dimana pada penelitiannya tersebut membahas mengenai
penerimaan pengguna dalam m-services. Pada penelitian tersebut tedapat tujuh
variabel yang dipakai yaitu Perceived Usefulness, Perceived Ease of Use, Trust,
Innovativeness, Functionality, Relationship Drivers dan Behavioural Intention.
Gambar 3. 1 Model Penelitian (Zarmpou et al., 2011)
Berikut adalah penjelasan dari variabel-variabel yang membentuk model
penelitian.
1. Perceived usefulness
Perceived Usefulness mempunyai signifikansi yang kuat dalam
menjelaskan perilaku penerimaan teknologi (Larsen & Lee, 2017) karena secara
logis diungkapkan bahwa seorang pengguna teknologi akan menggunakan
teknologi jika teknologi tersebut akan memberikan manfaat atau berguna untuk
dirinya (Davis, 1989; Sun, 2006). Keutamaan Perceived Usefulness dalam
memprediksi behavioral intention telah didukung oleh studi-studi terdahulu
62
dengan konteks teknologi yang luas. Berdasarkan hal tersebut, peneliti mengambil
hipotesis sebagai berikut:
H1: Perceived Usefulness berpengaruh positif pada behavioral intention
2. Perceived Ease of Use
Pada studi longitudinal dapat diketahui bahwa efek Perceived Ease of Use
pada Perceived Usefulness meningkat seiring berjalannya waktu (Davis et al.,
1989). Walaupun dengan objek penelitian yang bervariasi namun hubungan kedua
variabel ini sangat signifikan karena diindikasikan produk teknologi yang mudah
digunakan akan meningkatkan kualitas kerja serta memberikan manfaat
(Venkatesh dan Davis, 2000). Pengaruh Perceived Ease of Use pada behavioral
intention merupakan modifikasi dari TAM awal yang dipelopori oleh Davis et al.
(1989), dan kemudian didukung luas oleh studi-studi terdahulu. Sehingga
hipotesis yang dapat dirumuskan adalah:
H2: Perceived Ease of Use berpengaruh positif pada Perceived Usefulness
H3: Perceived Ease of Use berpengaruh positif pada behavioral intention
3. Trust
Pengaruh positif Trust terhadap behavioral intention juga didukung oleh
beberapa penelitian terdahulu yang dilakukan oleh Indrawati & Putri (2018) dan
Nag & Gilitwala (2019) bahwa Trust memiliki pengaruh positif dan signifikan
terhadap behavioral intention. Sehingga hipotesis yang dapat dirumuskan adalah:
H4: Trust berpengaruh positif pada Perceived Ease of Use
H5: Trust berpengaruh positif pada behavioral intention
H6: Trust berpengaruh positif pada Perceived Usefulness
4. Innovativeness
Chen & Tong membahas pentingnya inovasi untuk industri
telekomunikasi seluler serta, Sulaiman, Jaafar, & Mohezar (2007) Menunjukkan
63
bahwa inovasi mencerminkan niat adopsi dari mobile banking di Malaysia.
Sehingga hipotesis yang dapat dirumuskan adalah:
H7: Innovativeness berpengaruh positif pada Perceived Ease of Use
H8: Innovativeness berpengaruh positif pada behavioral intention
H9: Innovativeness berpengaruh positif pada Perceived Usefulness
5. Functionality
Pada penelitian yang dilakukan oleh Prastanti et al., (2017) bahwa
Functionality berpengaruh positif terhadap Perceived Usefulness (PU). Sejalan
dengan penelitian yang dilakukan oleh Chung dan Chun (2011) juga meunjukkan
bahwa Functionality adalah salah satu faktor yang memengaruhi Perceived
Usefulness dan Behavioural Intention. Berdasarkan uraian di atas, baik teori dan
beberapa penelitian terdahulu tentang pengaruh nilai harga terhadap niat
pemanfaatan sistem informasi, maka hipotesis sepuluh dinyatakan sebagai
berikut:
H10: Functionality berpengaruh positif pada behavioral intention
H11: Functionality berpengaruh positif pada perceived usefulness
6. Relationship Drivers
Pada penelitian yang dilakukan oleh (Zarmpou et al., 2012) tentang m-
services bahwa relationship drivers berpengaruh positif terhadap Perceived
Usefulness dan Behavioural Intention (BI). Setelah suatu hubungan berkembang
antara konsumen dan layanan seluler, maka diasumsikan bahwa individu dapat
melihat layanan seluler sebagai bagian terintegrasi dalam kehidupan mereka
seperti yang mereka lakukan dengan telepon seluler. Mereka diharapkan terikat
secara emosional ke layanan seluler sehinga meningkatkan penggunaanya.
Melalui penggunaan yang semakin meningkat, orang semakin terbiasa melakukan
transaksi seluler dan akhirnya merasa lebih bermanfaat. Sehingga hipotesis yang
dapat dirumuskan adalah :
64
H12: Relationship drivers berpengaruh positif pada behavioral intention
H13: Relationship drivers berpengaruh positif pada perceived usefulness
7. Behavioural Intention
Behavioural Intention dapat diartikan sebagai kecenderungan individu
atau seseorang dalam menggunakan suatu teknologi (Davis et al., 1989). Sudah
dijelaskan sebelumnya bahwa keinginan atau minat pengguna dalam
menggunakan sebuah sistem dapat dipengaruhi oleh dua faktor yaitu Perceived
Usefulness dan Perceived Ease of Use (Davis et al., 1989) begitu pula dengan
subjective norm (Chen et al., 2009).
3.4.2 Indikator Penelitian
Tabel 3. 2 indikator penelitian
Variabel Indikator Kode
Perceived
Usefulness(PU)
memudahkan
pengguna
Davis, 1989
meningkatkan
produktivitas
pengguna
efektif
efisien
Perceived Ease
of Use (PEOU)
mudah
digunakan
mudah
dipelajari
Sistem
bermanfaat
65
dalam
penggunaan
Davis, 1989
Trust (TR)
aman Zarmpou et
al., 2011 melindungi data
pribadi
Kebijakan
Innovativeness
(INN)
Pengguna
bersedia
menggunakan
teknologi baru
(Zarmpou et
al., 2011)
Pengguna ingin
mempelajari
teknologi baru
Teman dan
tetangga sering
datang ke saya
untuk minta
nasihat
teknologi dan
inovasi baru
Relationship
Drivers (RD)
Kustom profil Zarmpou et
al., 2011 Kustom playlist
Kontrol
transaksi
Functionality
Kecepatan
koneksi
(Zarmpou et
al., 2012)
Kecepatan
transaksi
66
(F) interface
Akes kapan saja
dan dimana saja
Behavioral
intention (BI)
Berniat
menggunakan
dalam waktu
dekat
Zarmpou et
al., 2011
minat akan
meningkat
berniat untuk
menggunakan
sesering
mungkin
merekomendas
ikan orang lain
3.4.4 Pembuatan Kuesioner
A. Profil Responden
Jawablah pertanyaan berikut ini dengan mengisi data diri dan memberikan tanda
centang (√) pada salah satu jawaban yang tersedia.
1. Nama : ....................................................
2. No. Telp : ....................................................
3. Jenis Kelamin : O Laki-laki O Perempuan
4. Usia : O 15 – 20 Tahun O 26 – 30 Tahun
O 21 – 25 Tahun O > 31 Tahun
5. Pendidikan Terakhir : O SMA/SMK/sederajat
67
O S1
O S2
O S3
6. Pekerjaan : O Pelajar/Mahasiswa
O PNS/TNI/POLRI
O Wiraswasta
O Karyawan
O Guru/Dosen
O Yang lain ......
7. Pendapatan perbulan : O Pelajar/Mahasiswa
O PNS/TNI/POLRI
O Wiraswasta
O Karyawan
B. Pertanyaan Umum
1. Apakah Anda sudah pernah mencoba / sedang berlangganan Video on Demand
O Pernah O Belum pernah
2. Sudah berapa lama Anda menggunakan Video on Demand?
O < 1 tahun O 2-4 tahun O > 4 tahun
C. Variabel Kuesioner
Dalam pengisian kuesioner di bawah ini, peneliti menggunakan skala
Likert dengan skala penilaian 1 sampai 5. Jawablah pertanyaan dibawah ini
dengan memberikan tanda centang (√) pada salah satu kolom jawaban yang
tersedia.
Tabel 3. 3 Skala Likert dan Penjelasannya
68
Jawaban Singkatan Skala
Sangat Tidak Setuju STS 1
Tidak Setuju TS 2
Netral N 3
Setuju S 4
Sangat Setuju SS 5
Tabel 3. 4 Daftar Kuesioner
NO. Pernyataan Penilaian
STS TS N S SS
Perceived Usefulness(PU)
1 Penggunaan
Video on
Demand
memungkinkan
saya untuk
menonton dan
mencari film
yang saya
inginkan dengan
mudah
2 Penggunaan
Video on
Demand
meningkatkan
produktivitas
saya dalam
69
menonton
3 Penggunaan
Video on
Demand lebih
efektif dibanding
media lain (TV,
CD dan Kaset)
4 Penggunaan
Video on
Demand lebih
efisien dibanding
media lain (TV,
CD dan Kaset)
Perceived Ease of Use (PEOU)
5 Penggunaan
Video on
Demand mudah
untuk digunakan
6 Penggunaan
Video on
Demand mudah
dipelajari
7 Penggunaan
Video on
Demand
memudahkan
saya
mendapatkan
film yang saya
cari
70
Trust (T)
8 Pengunaan Video
on Demand aman
dalam transaksi
untuk
berlangganan
(VIP)
9 Data pribadi
pengguna Video
on Demand
terlindungi
dengan aman
10 Pengunaan Video
on Demand
menerapkan
kebijakan yang
ketat
Innovativeness (INN)
11 Saya bersedia
menggunakan
teknologi baru
yang diterapkan
Video on
Demand
12 Saya tertarik
untuk
mempelajari
teknologi baru
yang diterapkan
Video on
71
Demand
13 Teman dan
kerabat saya
sering datang ke
saya untuk minta
nasihatteknologi
dan inovasi baru
Relationship Drivers (RD)
14 Penggunaan
Video on
Demand dapat
diatur sesuai
dengan profil
saya
15 Penggunaan
Video on
Demand dapat
diatur sesuai
dengan playlist
yang saya
inginkan
16 menggunakan
layanan VoD
memberi saya
kesempatan
untuk
mengontrol
mulai,
kelanjutan, dan
akhir
72
penggunaan saya
Functionally (F)
17 Video on
Demand
mempunyai
kecepatan
koneksi yang
cukup tinggi
18 Video on
Demand
mempunyai
kecepatan
konfirmasi
transaksi (VIP)
yang cukup
tinggi
19 Video on
Demand
mempunyai
antarmuka
(interface) yang
mudah dipahami
20 Video on
Demand dapat
diakses kapan
saja dan dimana
saja
Behavioral intention (BI)
21 Saya berniat
untuk
73
menggunakan
layanan Video on
Demand dalam
waktu dekat
22 Saya percaya
minat terhadap
layanan Video on
Demand akan
meningkat
23 Saya berniat
untuk
menggunakan
layanan Video on
Demand sesering
mungkin
24 Saya akan
merekomendasik
an orang lain
untuk
menggunakan
layanan VoD
3.5 Kerangka Penelitian
Berikut ini adalah kerangka penelitian yang menjadi acuan untuk melakukan
penelitian
74
Gambar 3. 2 Kerangka Penelitian
75
76
BAB IV
HASIL ANALISIS DAN INTERPRETASI
4.1 Gambaran Umum Perusahaan
4.1.1 Profil Iflix
Iflix merupakan sebuah perusahaan penyedia layanan Video Streaming
berupa video permintaan berlangganan Video on Demand (VoD) berbayar yang
berfokus pada pasar negara berkembang. Iflix memiliki ribuan konten serial TV
maupun film baik itu mancanegara maupun lokal yang dapat ditonton streaming
ataupun offline. Pada tanggal 15 Juni 2016, Iflix resmi meluncurkan produknya
untuk Indonesia. Sebagai layanan VOD, Iflix menawarkan film digital tanpa
iklan, dengan biaya langganan Rp 39.000 perbulan, Rp 9.900 perhari dan Rp
374.400 pertahun untuk tayangan premium. Iflix juga memberikan free streaming
untuk beberapa film tertentu (Iflix, 2016). Iflix dapat diakses di melalui
smartphone, tablet, dan laptop.
Gambar 4.1 Logo (Iflix, 2019)
Perusahaan ini didirikan pada tahun 2014 di Kuala Lumpur, Malaysia oleh
Patrick Grove. Layanan Iflix saat ini tersedia di 25 Negara di Asia, Timur Tengah,
dan Afrika. Negara yang mencangkup Iflix yaitu Malaysia, Indonesia Filipina,
Thailand, Sri Lanka, Brunei, Maldives, Pakistan, Vietnam, Myanmar, Saudi
Arabia, Jordania, Irak, Kuwait, Bahrain, Lebanon, Mesir, Sudan, Cambodia,
Nigeria, Kenya, Ghana, Nepal, Bangladesh, dan Zimbabwe.
77
4.1.2 Profil Viu
Viu adalah layanan streaming video online yang menyediakan berbagai
macam konten hiburan on-demand secara berlangganan. Sehingga konsumen bisa
mendapatkan pengalaman nonton film yang sangat praktis dan mudah. Viu
memberikan kebebasan dalam berlangganan karena dapat diakses dimanapun dan
kapanpun sesuai dengan yang konsumen inginkan.
Gambar 4.2 Logo (Viu, 2018)
Viu menawarkan tidak hanya film-film layar lebar dari Hollywood saja, tapi
juga streaming ribuan tontonan dari penjuru Asia hingga ke Negara India. Viu
menyediakan film & drama Korea (K-drama), India (Bollywood), Taiwan,
Hongkong, Jepang (J-Drama), hingga macam-macam film dan serial televisi
Indonesia. Tidak hanya itu saja, juga dapat menonton berbagai pilihan streaming
KShow terbaru di Viu Korean Drama. Konsumen juga bebas menonton berbagai
pilihan streaming sesuai dengan variasi genre dari Horror & Thriller, Romantic
Comedy, Drama dan lain-lain. Tidak hanya itu saja, konsumen juga bisa
menikmati berbagai pilihan drama dan film layar lebar dengan subtitle Bahasa
Indonesia yang sudah tersedia.
78
4.2 Analisis Demografi
4.2.1 Hasil Analisis Demografi
Pada tahap ini peneliti menganalisis jawaban responden pada bagian profil
responden untuk mengetahui karakteristik responden yang dibedakan menjadi
jenis kelamin, rentang usia, pendidikan terakhir, pekerjaan, dan pengeluaran
perbulan. Peneliti berhasil mengumpulkan data responden dalam kurang dari 1
bulan (18 November 2020 – 09 Desember 2020), sebanyak 200 data valid.
Informasi demografis yang dihasilkan meliputi usia, jenis kelamin, tingkat
pendidikan terakhir, pekerjaan dan pengeluaran perbulan. Berikut disajikan hasil
analisis demografis:
Tabel 4. 1 Hasil Analisis Demografis
Iflix Viu
Jenis Kelamin
Perempuan 118 (78,67%) 134 (89,33%)
Laki-laki 32 (21,33%) 16 (10,67%)
Usia
15 - 20 Tahun 77 (51,33%) 69 (46%)
21 - 25 Tahun 65 (43,33%) 67 (44,67%)
26 - 30 Tahun 4 (2,67%) 12 (8%)
> 31 Tahun 4 (2,67%) 2 (1,33%)
Pekerjaan
Pelajar/Mahasiswa 123 (82%) 109 (72,67%)
Pegawai Negeri Sipil (PNS) 3 (2%) 2 (1,33%)
Pegawai Swasta 12 (8%) 17 ( 11,33%)
Wirausaha 5 (3,33%) 9 (6%)
Dan lain-lain 7 (4,67%) 13 (8,67%)
Pendidikan
SMA 87 (66,67%) 100 (58%)
D3 4 (2,67%) 4 (2,67%)
S1 58 (28,67) 43 (38,67%)
79
Pasca Sarjana (S2/S3) 1 (2%) 3 (0,67%)
Pendapatan perbulan
< Rp 1.000.000,- 76 (51,01%) 109 (72,67%)
Rp 1.000.000,- s/d Rp
3.000.000,- 48 (32,21% 30 (20%)
Rp 3.000.000,- s/d Rp
5.000.000,- 19 (12,75%) 6 (4%)
Rp 5.000.000,- s/d Rp
7.000.000,- 2 (1,34%) 3 (2%)
> Rp 7.000.000,- 4 (2,68%) 2 (1,33%)
Pengalaman menggunakan
Video on Demand
< 1 Tahun 63 (42,00%) 62 (41,33%)
2 – 4 Tahun 67 (44,67%) 70 (46,67%)
>5 Tahun 20 (13,33%) 18 (12,00%)
Tingkat Penerimaan
Menerima 70 (46,67%) 68 (45,33%)
Netral 54 (36%) 45 (30%)
Sangat Menerima 26 (17,33%) 37 (24,67%)
4.2.2 Interpretasi dan Diskusi Hasil Analisis Demografi
Berdasarkan hasil analisis informasi demografis profil responden
dilakukan interpretasi dan pembahasan mengenai hasil analisisnya sebagai
berikut.
a. Jenis Kelamin
Data pengguna layanan Vod yang dihimpun
memperlihatkan bahwa dari 300 responden pada penelitian ini,
dapat kita lihat bahwa untuk pengguna wanita terbanyak dimiliki
oleh Viu. Sedangkan untuk pengguna laki-laki terbanyak dimiliki
80
oleh Iflix. Berikut ini penulis lampirkan Gambar 4.1 jenis kelamin
responden pengguna Vod Iflix dan Viu.
Gambar 4. 1 Jenis Kelamin Responden
Berdasarkan pada Gambar 4.1 diketahui bahwa hasil demografis
responden untuk jenis kelamin mendapatkan hasil yang berbeda-beda.
Pada Iflix responden didominasi oleh perempuan, yaitu sebanyak 118
(78,67%) dan 32 (21,33%) untuk laki-laki. Dan pada Viu responden juga
didominasi oleh perempuan, yaitu sebanyak 134 (89,33%) dan 16
(10,67%) untuk pengguna laki-laki.
Berdasarkan data tersebut, secara keseluruhan responden
perempuan pengguna layanan Vod lebih banyak daripada responden
pengguna layanan VoD laki-laki. Hal ini sesuai dengan penelitian
Prabowo (2019) yang menyatakan kebiasaan menonton yang dimiliki oleh
kebanyakan perempuan menjadi penyebab perempuan lebih banyak
menggunakan layanan VoD dibandingkan laki-laki.
b. Rentang Usia
Dari 300 data responden yang valid, Usia yang
mendominasi lebih banyak adalah usia antara 15 – 20 tahun, lalu
78.67%
89.33%
21.33%
10.67%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
Iflix Viu
Jenis Kelamin
Perempuan Laki-laki
81
disusul usia 21 – 25 tahun , kemudian rentang usia 26 – 30 tahun,
dan terakhir usia >31.
Gambar 4. 2 Diagram Rentang Usia
Berdasarkan Gambar 4.2 diketahui bahwa hasil demografis
untuk usia pengguna layanan VoD Iflix dan Viu berbeda-beda.
Berdasarkan data yang didapatkan dari responden berbagai usia,
berikut ini presentase untuk layanan Iflix, yaitu rentang usia 15 –
20 tahun terdapat 77 orang (51,33%), 21 – 25 tahun ada 65 orang
(43,33%), 26 – 30 tahun ada 4 orang (2,67%), dan > 31 tahun ada 4
orang (2,67%). Hasil presentase yang didapat untuk layanan Viu
yaitu, 15 – 20 tahun ada 69 orang (46%), rentang usia 21 – 25
tahun terdapat 67 orang (44,67%), rentang usia 26 – 30 tahun ada
12 (8%), dan > 31 tahun ada 2 orang (1,33%).
Berdasarkan data yang diringkas di atas, dapat kita
simpulkan bahwa mayoritas pengguna layanan Video on Demand
berada di kisaran 15 – 20 tahun atau Generasi Z. Hal ini terjadi
karena menurut (Prasetyo, 2019) usia produktif seseorang dalam
menggunakan sebuah teknologi adalah kisaran usia 15-25 tahun.
77
69 65 67
4 12 4 2 0
10
20
30
40
50
60
70
80
90
Iflix Viu
Rentang Usia
15 - 20 Tahun 21 - 25 Tahun 26 - 30 Tahun > 31 Tahun
82
c. Pendidikan Terakhir
Berdasarkan pendidikan terakhir dapat diketahui bahwa
jumlah responden yang merupakan lulusan SMA/SMK/sederajat
menjadi yang paling dominan.
Gambar 4. 3 Diagram Pendidikan Terakhir
Berdasarkan pada Gambar 4.3 diketahui bahwa hasil
demografis untuk pendidikan terakhir mendapatkan hasil yang
beragam. Hal ini tentunya sesuai dengan segmentasi pasar dari
setiap layanan VoD ataupun faktor yang lainnya. Berdasarkan data
responden yang berhasil dihimpun untuk Iflix mendapatkan SMA
sebanyak 87 orang (58%), pendidikan D3 sebanyak 4 orang
(2,67%) S1 ada 58 orang (38,67%), dan Pasca Sarjana sebanyak 1
orang (0,67%). Hasil presentase yang didapat untuk layanan Viu
yaitu, pendidikan SMA sebanyak 100 orang (66,67%), pendidikan
D3 sebanyak 4 orang (2,67%) S1 ada 43 orang (28,67%), dan
Pasca Sarjana sebanyak 3 orang (2%).
Berdasarkan data di atas, hasil presentase didominasi oleh
pengguna yang berlatar belakang pendidikan terakhir SMA
sederajat. Hal ini terjadi dikarenakan usia yang mendominasi
87
100
4 4
58
43
1 3 0
20
40
60
80
100
120
Iflix Viu
Pendidikan
SMA D3 S1 Pasca Sarjana (S2/S3)
83
adalah sekitar 15 – 20 tahun, dimana di usia tersebut kebanyakan
sedang menjalani pendidikan SMA ataupun belum lulus S1.
d. Pekerjaan
Dari 300 data responden yang valid dapat diketahui
responden paling mendominasi adalah mahasiswa atau pelajar,
kemudian pegawai swasta, lalu pekerjaan lain yang umum di
Indonesia, kemudian wirausaha, dan terakhir adalah pegawai
negeri sipil (PNS).
Gambar 4. 4 Diagram Pekerjaan
Berdasarkan pada Gambar 4.4 diketahui bahwa hasil
demografis untuk status pekerjaan mendapatkan hasil yang
beragam. Berdasarkan data responden yang berhasil dihimpun
untuk Iflix mendapatkan responden pelajar/mahasiswa sebanyak
123 orang (82%), Pegawai Negeri Sipil (PNS) sebanyak 3 orang
(2%), Wirausaha ada 5 orang (3,33%), Pegawai swasta sebanyak
12 orang (8%), dan pekerjaan umum lainnya yang ada di
Indonesia sebanyak 7 orang (4,67%). Hasil presentase yang didapat
untuk layanan Viu yaitu, responden pelajar/mahasiswa sebanyak
109 orang (72,67%), Pegawai Negeri Sipil (PNS) sebanyak 2 orang
123
109
3 2 12 17 5 9 7 13 0
20
40
60
80
100
120
140
Iflix Viu
Pekerjaan
Pelajar/Mahasiswa Pegawai Negeri Sipil (PNS) Pegawai Swasta
Wirausaha Dan lain-lain
84
(1,33%), Wirausaha ada 9 orang (6%), Pegawai swasta sebanyak
17 orang (11,33%), dan pekerjaan umum lainnya yang ada di
Indonesia sebanyak 13 orang (8,67%).
Berdasarkan data tersebut, hasil presentase didominasi oleh
pengguna yang berstatus pekerjaan Pelajar/mahasiswa. Hal
tersebut terjadi karena status pekerjaan peneliti yaitu sebagai
mahasiswa sehingga mempunyai relasi lebih banyak terhadap
mahasiswa atau pelajar, dengan begitu responden didominasi oleh
pelajar atau mahasiswa.
e. Pendapatan / Uang Saku Perbulan
Dari 300 data responden yang valid dapat diketahui
responden yang mendominasi adalah responden yang memiliki
pendapatan kurang dari Rp.1.000.000, kemudian responden dengan
pendapatan perbulan sekitar Rp.1.000.000 sampai dengan
Rp.3.000.000, lalu 7% responden memiliki pendapatan sekitar
Rp.3.000.000 sampai dengan Rp.5.000.000, kemudian 3%
responden berpendapatan sekitar Rp.5.000.000 sampai dengan
Rp.7.000.000, dan terakhir sisanya yaitu 1% responden memiliki
pendapatan atau uang saku lebih dari Rp.7.000.000.
Gambar 4. 5 Diagram Pendapatan perbulan
76
109
48
30 19 6 2 3 4 2 0
20
40
60
80
100
120
Iflix Viu
Pendapatan Perbulan
< Rp 1.000.000,- Rp 1.000.000,- s/d Rp 3.000.000,-
Rp 3.000.000,- s/d Rp 5.000.000,- Rp 5.000.000,- s/d Rp 7.000.000,-
> Rp 7.000.000,-
85
Berdasarkan pada Gambar 4.5 diketahui bahwa hasil
demografis untuk pendapatan responden perbulan mendapatkan
hasil yang beragam. Berdasarkan data responden yang berhasil
dihimpun untuk Iflix mendapatkan responden pendapatan perbulan
< Rp 1.000.000 sebanyak 76 orang (51,01%), Rp 1.000.000 – Rp
3.000.000 sebanyak 48 orang (32,21%), Rp 3.000.000 – Rp
5.000.000 ada 19 orang (12,57%), Rp 5.000.000 – Rp 7.000.000
sebanyak 2 orang (1,34%), dan > Rp 7.000.000 sebanyak 4 orang
(2,68%). Hasil presentase yang didapat untuk layanan Viu yaitu,
pendapatan perbulan < Rp 1.000.000 sebanyak 109 orang
(72,67%), Rp 1.000.000 – Rp 3.000.000 sebanyak 30 orang (20%),
Rp 3.000.000 – Rp 5.000.000 ada 6 orang (4%), Rp 5.000.000 –
Rp 7.000.000 sebanyak 3 orang (2%), dan > Rp 7.000.000
sebanyak 2 orang (1,33%).
Berdasarkan data diatas, hasil presentase didominasi oleh
pengguna yang mempunyai pendapatan perbulan kurang dari Rp
1.000.000. Hal tersebut terjadi karena status responden didominasi
oleh mahasiswa atau pelajar, yang memungkinkan mereka hanya
mendapatkan pendapatan atau uang saku perbulan yang diberikan
oleh orang tua mereka dengan kisaran pendapatan uang saku
kurang dari Rp.1.000.000.
f. Pengalaman menggunakan Video on Demand
Dari 300 data responden yang valid dapat diketahui
pengalaman responden menggunakan layanan Video on Demand,
paling banyak responden menggunakan Vod kurang dari satu tahun
sekitar 41,33% untuk Viu dan 42,00% pada Iflix, kemudian
responden menggunakan layanan VoD dua sampai empat tahun
sekitar 46,67% responden pada Viu dan 44,67% pada Iflix, sekitar
12,00% responden menggunakan Viu lebih dari 4 tahun sedangkan
pada Iflix sekitar 13,33%. Hal tersebut terjadi karena layanan
86
Video on Demand mulai banyak digunakan oleh masyarakat
Indonesia sejak tahun 2017 yang berarti empat tahun yang lalu.
Gambar 4. 6 Diagram pengalaman menggunakan Video on Demand
g. Tingkat Penerimaan
Dari 300 data responden yang valid dapat diketahui
responden terbanyak yang menganggap “Diterima” dimiliki oleh
Iflix
Gambar 4. 7 Tingkat Penerimaan Aplikasi VoD Menurut Penggunanya
Berdasarkan pada Gambar 4.6 untuk aplikasi Iflix menerima
sebanyak 70 orang, netral sebanyak 54 orang dan sangat menerima
63 67
20
62
70
18
0
10
20
30
40
50
60
70
80
< 1 tahun 2 - 4 tahun > 4 tahun
Pengalaman menggunakan Video on Demand
iflix viu
70
54
26
68
45
37
0
10
20
30
40
50
60
70
80
menerima netral sangat menerima
iflix viu
87
sebanyak 26 orang. Pada layanan Viu yaitu, menerima sebanyak 68 orang,
netral 45 orang dan sangat menerima sebanyak 37 orang. Berdasarkan data
diatas dapat kita simpulkan bahwa mayoritas responden menjawab
“menerima” dan “netral”. Berdasarkan perbandingan dari kedua aplikasi
Video on Demand tersebut, Viu adalah yang paling banyak mendapat
respon “menerima” dan “Sangat menerima”.
4.3 Hasil Analisis Pengukuran Model (Outer Model )
Pada tahap ini, peneliti melakukan analisis pengukuran model yang
terdiri dari empat tahap pengujian yaitu individual item reliability, internal
consistency reliability, convergent validity, dan discriminant validity.
Berikut penjelasan hasil analisis model dalam empat tahap yang akan
dijelaskan per layanan VoD.
4.3.1 Outer Model Iflix
1. Uji individual item reliability
Pengujian ini dilakukan dengan melihat nilai outer loading yang
menggambarkan besarnya korelasi antara setiap indikator dengan variabelnya.
Outer loading dengan nilai di atas 0,7 dikatakan ideal. Setelah melakukan
perhitungan pada model penelitian Iflix, maka diperoleh nilai outer loading
yang dapat dilihat pada tabel 4.2. Dari nilai outer loading tersebut, terdapat
empat indikator yang dihapus, yaitu F1, F2, PU2 dan RD3 karena memiliki
nilai dibawah 0,7.
Tabel 4. 2 Hasil Awal Uji Loading Factor Iflix
BI F INN PEOU PU RD T
BI1 0,869
BI2 0,742
BI3 0,820
BI4 0,832
88
F1 0,650
F2 0,685
F3 0,822
F4 0,756
INN1 0,895
INN2 0,869
INN3 0,771
PEOU1 0,794
PEOU2 0,840
PEOU3 0,786
PU1 0,738
PU2 0,695
PU3 0,829
PU4 0,814
RD1 0,863
RD2 0,834
RD3 0,627
T1 0,863
T2 0,859
T3 0,797
Selanjutnya pada tabel 4.3 menunjukkan hasil outer loading setelah
dilakukan penghapusan terhadap empat indikator yang memiliki nilai di
bawah ambang batas 0,7. Setelah penghapusan empat indikator tersebut
menyebabkan perubahan nilai outer loading pada indikator lain yang tidak
dihapus namun masih dalam satu variabel yang sama. Selain itu, setelah
penghapusan empat indikator tersebut semua nilai outer loading di atas 0,7
89
sehingga hasil uji Loading Factor sudah valid dan dapat dilanjutkan
pengujian selanjutnya.
Tabel 4. 3 Hasil Uji Loading Factor Iflix Setelah Penghapusan Indikator
BI F INN PEOU PU RD T
BI1 0,869
BI2 0,744
BI3 0,818
BI4 0,832
F1*
F2*
F3 0,905
F4 0,890
INN1 0,896
INN2 0,869
INN3 0,770
PEOU1 0,796
PEOU2 0,838
PEOU3 0,786
PU1 0,720
PU2*
PU3 0,875
PU4 0,882
RD1 0,897
RD2 0,888
RD3*
T1 0,862
T2 0,860
90
T3 0,797
Keterangan : * dihapus
2. Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat hasil nilai Composite
Reliability (CR). Hasil uji ini menunjukan nilai konsistensi dari masing-
masing indikator dalam mengukur konstruknya dengan batas ambang yang
diharapkan di atas 0,7. Hasilnya dapat dilihat pada Tabel 4.4 bahwa nilai
CR dari semua variabel di atas 0,7 sehingga memenuhi syarat dan valid
untuk digunakan dalam model penelitian ini.
Tabel 4. 4 Hasil Uji Composite Reliability Iflix
Variabel Composite Reliability
Behavioural Intention 0,889
Functionality 0,892
Innovativeness 0,883
Perceived Ease of Use 0,849
Perceived usefulness 0,867
Relationship Drivers 0,887
Trust 0,878
3. Uji Average Variance Extracted (AVE)
Pengujian selanjutnya dilakukan dengan melihat nilai Average
Variance Extracted (AVE), dimana nilai AVE menggambarkan besaran
varian atau keragaman variabel manifes (indikator) yang dapat dikandung
oleh variabel laten (konstruk). Nilai AVE minimal 0,5 menunjukan ukuran
convergent validity yang baik. Artinya, variabel laten (konstruk) dapat
menjelaskan rata-rata lebih dari setengah variance dari indikator-
indikatornya.
Tabel 4. 5 Hasil Average Variance Extracted Iflix
91
Variabel Average Variance Extracted (AVE)
Behavioural Intention 0,667
Functionality 0,806
Innovativeness 0,717
Perceived Ease of Use 0,651
Perceived usefulness 0,687
Relationship Drivers 0,796
Trust 0,706
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan
memeriksa Cross Loading, pertama dilakukan dengan membandingkan
nilai outer loading indikator dengan variabelnya dan variabel pada blok
lainnya. Nilai indikator dengan variabelnya harus lebih tinggi dari korelasi
dengan variabel blok lainnya. Nilai Cross Loading pada penelitian ini
dapat dilihat pada tabel 4.6. Berdasarkan tabel tersebut dapat dilihat bahwa
nilai Cross Loading pada indikator terhadap variabelnya lebih tinggi jika
dibandingkan dengan nilai Cross Loading pada variabel lainnya.
Tabel 4. 6 Hasil Cross Loading Iflix
BI F INN PEOU PU RD T
BI1 0,869 0,428 0,577 0,504 0,518 0,556 0,364
BI2 0,744 0,436 0,402 0,471 0,527 0,459 0,321
BI3 0,818 0,237 0,452 0,300 0,359 0,488 0,296
BI4 0,832 0,403 0,559 0,405 0,371 0,474 0,444
F3 0,396 0,905 0,313 0,514 0,539 0,294 0,235
F4 0,445 0,890 0,321 0,415 0,435 0,271 0,231
INN1 0,563 0,328 0,896 0,453 0,398 0,557 0,477
INN2 0,513 0,381 0,869 0,367 0,281 0,477 0,392
92
INN3 0,482 0,181 0,770 0,338 0,308 0,647 0,426
PEOU1 0,444 0,313 0,327 0,796 0,539 0,310 0,195
PEOU2 0,421 0,488 0,430 0,838 0,513 0,336 0,249
PEOU3 0,399 0,454 0,356 0,786 0,573 0,427 0,286
PU1 0,492 0,308 0,466 0,585 0,720 0,485 0,306
PU3 0,462 0,530 0,244 0,522 0,875 0,301 0,175
PU4 0,400 0,514 0,256 0,553 0,882 0,241 0,194
RD1 0,539 0,342 0,591 0,452 0,400 0,897 0,400
RD2 0,545 0,218 0,584 0,338 0,346 0,888 0,473
T1 0,441 0,316 0,497 0,269 0,248 0,451 0,862
T2 0,356 0,161 0,368 0,236 0,186 0,359 0,860
T3 0,293 0,155 0,412 0,253 0,254 0,414 0,797
Pendekatan kedua yaitu Fornell-Lacrker criterion dimana membandingkan
nilai AVE dengan kuadrat nilai korelasi antar variabel. Nilai akar AVE harus
lebih tinggi daripada korelasi antara variabel dengan variabel lainnya atau nilai
AVE lebih tinggi dari kuadrat korelasi antara variabel. Nilai Fornell-Larcker pada
penelitian dapat dilihat pada tabel 4.7.
Tabel 4. 7 Nilai Fornell-Larcker Criterion Iflix
BI F INN PEOU PU RD T
BI 0,817
F 0,467 0,898
INN 0,615 0,353 0,847
PEOU 0,522 0,519 0,460 0,807
PU 0,549 0,544 0,393 0,672 0,829
RD 0,607 0,315 0,658 0,444 0,419 0,892
T 0,439 0,260 0,512 0,302 0,274 0,489 0,840
93
Berdasarkan tabel tersebut diketahui bahwa nilai AVE lebih tinggi
daripada korelasi antara variabel dengan variabel lainnya. Sehingga berdasarkan
hasil pemeriksaan dua tahap Cross Loading dapat disimpulkan bahwa sudah tidak
ditemukan masalah dalam pengujian dicriminant validity.
Gambar 4. 8 Hasil Analisis Outer Model Iflix
Gambar 4.6 menunjukan hasil analisis setelah melalui analisis Outer
Model . Berdasarkan empat tahap yang telah dilakukan pada analisis pengukuran
model (Outer Model ) sebelumnya, dapat diketahui bahwa model yang diajukan
dalam penelitian ini sudah memiliki karakteristik yang baik secara statistik, sesuai
dengan syarat pada masing-masing tahapan yang ada pada pengukuran model
(individual item reliability, internal consistency reliability, average variance
extracted, dan discriminant validity). Sehingga dapat diambil kesimpulan dari
94
hasil analisis pengukuran model bahwa model tersebut memenuhi syarat untuk
dilanjutkan ke tahap pengujian model struktural (Inner Model).
4.3.2 Outer Model Viu
1. Uji individual item reliability
Pengujian ini dilakukan dengan melihat nilai outer loading yang
menggambarkan besarnya korelasi antara setiap indikator dengan variabelnya.
Outer loading dengan nilai di atas 0,7 dikatakan ideal. Setelah melakukan
perhitungan pada model penelitian Viu, maka diperoleh nilai outer loading
yang dapat dilihat pada tabel 4.8. Dari nilai outer loading tersebut, terdapat
lima indikator yang dihapus, yaitu F3, F4, INN3, PU1 dan PU2 karena
memiliki nilai dibawah 0,7.
Tabel 4. 8 Hasil Awal Uji Loading Factor Viu
BI F INN PEOU PU RD T
BI1 0,776
BI2 0,745
BI3 0,756
BI4 0,760
F1 0,800
F2 0,780
F3 0,539
F4 0,470
INN1 0,858
INN2 0,882
INN3 0,275
PEOU1 0,799
PEOU2 0,803
PEOU3 0,702
95
PU1 0,561
PU2 0,618
PU3 0,774
PU4 0,757
RD1 0,763
RD2 0,787
RD3 0,714
T1 0,830
T2 0,798
T3 0,706
Selanjutnya pada tabel 4.9 menunjukkan hasil outer loading setelah
dilakukan penghapusan terhadap lima indikator yang memiliki nilai di
bawah ambang batas 0,7. Setelah penghapusan lima indikator tersebut
menyebabkan perubahan nilai outer loading pada indikator lain yang tidak
dihapus namun masih dalam satu variabel yang sama. Setelah
penghapusan empat indikator tersebut masih ada tiga indikator yang
memiliki nilai dibawah ambang batas 0,7 yaitu indikator PEOU3, RD3 ,
dan T3.
Tabel 4. 9 Hasil Uji Loading Factor Viu Setelah Penghapusan Indikator
BI F INN PEOU PU RD T
BI1 0,772
BI2 0,744
BI3 0,757
BI4 0,763
F1 0,907
F2 0,810
96
F3*
F4*
INN1 0,875
INN2 0,897
INN3*
PEOU1 0,806
PEOU2 0,811
PEOU3 0,684
PU1*
PU2*
PU3 0,929
PU4 0,935
RD1 0,763
RD2 0,804
RD3 0,693
T1 0,840
T2 0,792
T3 0,695
Keterangan : * dihapus
Setelah penghapusan tiga indikator tersebut maka diuji kembali dan
didapat nilai outer loading seperti di tabel 4.10.
Tabel 4. 10 Hasil Akhir Uji Loading Factor Viu Setelah Penghapusan Indikator
BI F INN PEOU PU RD T
BI1 0,778
BI2 0,741
BI3 0,761
BI4 0,758
97
F1 0,907
F2 0,810
F3*
F4*
INN1 0,879
INN2 0,893
INN3*
PEOU1 0,892
PEOU2 0,824
PEOU3*
PU1*
PU2*
PU3 0,929
PU4 0,935
RD1 0,813
RD2 0,869
RD3*
T1 0,935
T2 0,740
T3*
Keterangan : * dihapus
Tabel 4.10 menunjukan hasil uji Loading Factor setelah
penghapusan delapan indikator yang telah dijelaskan sebelumnya. Setelah
penghapusan semua nilai outer loading diatas 0,7 sehingga hasil uji
Loading Factor sudah valid dan dapat dilanjutkan untuk pengujian
selanjutnya.
2. Uji Internal Consistency Reliability
98
Pengujian ini dilakukan dengan melihat hasil nilai Composite
Reliability (CR). Hasil uji ini menunjukan nilai konsistensi dari masing-
masing indikator dalam mengukur konstruknya dengan batas ambang yang
diharapkan di atas 0,7. Hasilnya dapat dilihat pada Tabel 4.11 bahwa nilai
CR dari semua variabel di atas 0,7 sehingga memenuhi syarat dan valid
untuk digunakan dalam model penelitian ini.
Tabel 4. 11 Hasil Uji Composite Reliability Viu
Variabel Composite Reliability
Behavioural Intention 0,845
Functionality 0,850
Innovativeness 0,879
Perceived Ease of Use 0,848
Perceived usefulness 0,929
Relationship Drivers 0,829
Trust 0,830
3. Uji Average Variance Extracted (AVE)
Pengujian selanjutnya dilakukan dengan melihat nilai Average
Variance Extracted (AVE), dimana nilai AVE menggambarkan besaran
varian atau keragaman variabel manifes (indikator) yang dapat dikandung
oleh variabel laten (konstruk). Nilai AVE minimal 0,5 menunjukan ukuran
convergent validity yang baik. Artinya, variabel laten (konstruk) dapat
menjelaskan rata-rata lebih dari setengah variance dari indikator-
indikatornya.
Tabel 4. 12 Hasil Average Variance Extracted Viu
Variabel Average Variance Extracted (AVE)
Behavioural Intention 0,577
Functionality 0,740
Innovativeness 0,785
Perceived Ease of Use 0,737
Perceived usefulness 0,868
99
Relationship Drivers 0,709
Trust 0,712
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan
memeriksa Cross Loading, pertama dilakukan dengan membandingkan
nilai outer loading indikator dengan variabelnya dan variabel pada blok
lainnya. Nilai indikator dengan variabelnya harus lebih tinggi dari korelasi
dengan variabel blok lainnya. Nilai Cross Loading pada penelitian ini
dapat dilihat pada tabel 4.13. Berdasarkan tabel tersebut dapat dilihat
bahwa nilai Cross Loading pada indikator terhadap variabelnya lebih
tinggi jika dibandingkan dengan nilai Cross Loading pada variabel
lainnya.
Tabel 4. 13 Hasil Cross Loading Viu
BI F INN PEOU PU RD T
BI1 0,778 0,265 0,316 0,358 0,242 0,197 0,237
BI2 0,741 0,321 0,297 0,438 0,228 0,349 0,310
BI3 0,761 0,247 0,374 0,382 0,199 0,331 0,160
BI4 0,758 0,321 0,316 0,371 0,248 0,399 0,211
F1 0,376 0,907 0,347 0,414 0,190 0,455 0,349
F2 0,270 0,810 0,392 0,296 0,134 0,310 0,502
INN1 0,373 0,426 0,879 0,369 0,146 0,265 0,427
INN2 0,387 0,325 0,893 0,404 0,148 0,353 0,296
PEOU1 0,493 0,422 0,460 0,892 0,331 0,433 0,292
PEOU2 0,377 0,288 0,271 0,824 0,374 0,251 0,237
PU3 0,303 0,184 0,169 0,363 0,929 0,177 0,163
PU4 0,261 0,174 0,141 0,393 0,935 0,230 0,014
RD1 0,315 0,390 0,307 0,308 0,194 0,813 0,207
RD2 0,398 0,378 0,285 0,376 0,176 0,869 0,216
100
T1 0,320 0,431 0,409 0,317 0,103 0,215 0,935
T2 0,158 0,380 0,244 0,181 0,039 0,223 0,740
Pendekatan kedua yaitu Fornell-Lacrker criterion dimana membandingkan
nilai AVE dengan kuadrat nilai korelasi antar variabel. Nilai akar AVE harus
lebih tinggi daripada korelasi antara variabel dengan variabel lainnya atau nilai
AVE lebih tinggi dari kuadrat korelasi antara variabel. Nilai Fornell-Larcker pada
penelitian dapat dilihat pada tabel 4.14.
Tabel 4. 14 Nilai Fornell-Larcker Criterion Viu
BI F INN PEOU PU RD T
BI 0,760
F 0,383 0,860
INN 0,429 0,422 0,886
PEOU 0,513 0,421 0,437 0,858
PU 0,302 0,192 0,166 0,406 0,932
RD 0,427 0,455 0,350 0,409 0,219 0,842
T 0,304 0,476 0,406 0,311 0,093 0,251 0,844
Berdasarkan tabel tersebut diketahui bahwa nilai AVE lebih tinggi
daripada korelasi antara variabel dengan variabel lainnya. Sehingga berdasarkan
hasil pemeriksaan dua tahap Cross Loading dapat disimpulkan bahwa sudah tidak
ditemukan masalah dalam pengujian dicriminant validity.
101
Gambar 4. 9 Hasil Analisis Outer Model Viu
Gambar 4.7 menunjukan hasil analisis Viu setelah melalui analisis Outer
Model . Berdasarkan empat tahap yang telah dilakukan pada analisis pengukuran
model (Outer Model ) sebelumnya, dapat diketahui bahwa model yang diajukan
dalam penelitian ini sudah memiliki karakteristik yang baik secara statistik, sesuai
dengan syarat pada masing-masing tahapan yang ada pada pengukuran model
(individual item reliability, internal consistency reliability, average variance
extracted, dan discriminant validity). Sehingga dapat diambil kesimpulan dari
hasil analisis pengukuran model bahwa model tersebut memenuhi syarat untuk
dilanjutkan ke tahap pengujian model struktural (Inner Model).
4.4 Hasil Analisis Pengukuran Model (Inner Model)
Pada tahap analisis model struktural ini dilakukan enam tahap pengujian,
yang terdiri dari pengujian path coefficient (β), coefficient of determination (R²),
T-test menggunakan metode bootstraping, Effect Size ( ), Predictive Relevance
( ), dan relative impact (q²).
102
4.4.1 Inner Model Iflix
1. Uji Path Coefficient (β)
Uji path coefficient dilakukan dengan melihat signifikansi
hubungan antar konstruk. Hal ini dapat dilihat dari koefisien jalur (path
coefficient) yang menggambarkan kekuatan hubungan antara konstruk.
Pengujian ini dilakukan dengan melihat nilai ambang batas yaitu di atas
0,1, dimana jalur (path) dinyatakan memiliki pengaruh dalam model jika
hasil nilai uji path coefficient berada diatas 0,1.
Tabel 4. 15 Hasil Uji Path Coeficient Iflix
Hubungan Antar Variabel β
F → BI 0,133
F → PU 0,254
INN → BI 0,257
INN → PU -0,003
INN → PEOU 0,414
PEOU → BI 0,062
PEOU → PU 0,485
PU → BI 0,211
RD → BI 0,242
RD → PU 0,124
T → BI 0,078
T → PU 0,002
T → PEOU 0,090
Berdasarkan tabel 4.15 dapat diketahui bahwa nilai path coefficient
dari 13 jalur, terdapat lima jalur yang memiliki nilai yang di bawah 0,1
yaitu INN PU (-0,003) , PEOU BI (0,062) , T BI (0,078), T
PU (0,002), dan jalur T PEOU (0,090) yang berarti kelima jalur ini
memiliki pengaruh negatif yang signifikan.
103
2. Coefficient of Determination (R2)
Pada tahap pengujian ini, nilai dari R2 digunakan untuk mengukur
tingkat variasi perubahan variabel independen terhadap variabel dependen.
Terdapat tiga klasifikasi batasan nilai R2
yaitu 0.67 sebagai substansial,
0.33 sebagai moderat, dan 0,19 sebagai sebagai tingkat varian yang lemah.
Nilai R2
pada penelitian ini dapat dilihat pada tabel 4.16 berikut.
Tabel 4. 16 Hasil Uji Coefficient of Determinant Iflix
R Square Keterangan
BI 0,550 Moderat
PEOU 0,218 Lemah
PU 0,515 Moderat
Berdasarkan tabel 4.16, diketahui bahwa dua variabel
diklasifikasikan sebagai moderat yaitu BI (0,550) dan PU (0,515), yang
berarti bahwa Perceived Usefulness (PU), Perceived Ease of Use (PEOU),
Trust (T), Functionality (F), Relationship Drivers (RD), dan
Innovativeness (INN) menjelaskan secara moderat yaitu 55% dari variabel
Behavioural Intention (BI). Sedangkan Perceived Ease of Use (PEOU),
Trust (T), Functionality (F), Relationship Drivers (RD), dan
Innovativeness (INN) menjelaskan secara moderat yaitu 51,5% dari
variabel Perceived usefulness (PU).
Variabel PEOU diklasifikasikan sebagai tingkat varian lemah yaitu
21,8%% yang berarti bahwa Trust (T), dan Innovativeness (INN)
menjelaskan secara lemah dar variabel PEOU.
3. T-test atau T-Statistic
Dalam pengujian t-test ini dilakukan dengan mode bootstraping
menggunakan uji two-tailed dengan tingkat signifikan yang digunakan
adalah 5% dimana nilai t-test harus lebih besar dari 1,96.
104
Tabel 4. 17 Hasil Uji T-test Iflix
Hubungan Antar Variabel T Statistics (|O/STDEV|)
F -> BI 1,757
F -> PU 3,166
INN -> BI 2,806
INN -> PEOU 5,217
INN -> PU 0,036
PEOU -> BI 0,635
PEOU -> PU 7,293
PU -> BI 2,138
RD -> BI 2,476
RD -> PU 1,481
T -> BI 1,017
T -> PEOU 1,072
T -> PU 0,040
Pada tabel 4.17 dapat dilihat hasil uji t-test, bawa terdapat tujuh
jalur atau hipotesis yang ditolak karena memiliki nilai t-test di bawah 1,96
yaitu F -> BI (1,757) , INN -> PU (0,036), PEOU -> BI (0,635), dan RD
-> PU (1,481), T -> BI (1,017), T -> PEOU (1,072), dan T -> PU (0,040).
4. Effect Size ( )
Dalam pengujian ini, menghitung nilai Effect Size untuk
memprediksi pengaruh variabel tertentu terhadap variabel lainnya dalam
struktur model. Nilai Effect Size memiliki ambang batas sekitar 0,02 untuk
pengaruh kecil, 0,15 untuk pengaruh menengah, dan 0,45 untuk pengaruh
besar. Untuk perhitungan Effect Size dapat dilihat pada tabel 4.18.
Tabel 4. 18 Hasil Analisis Effect Size Iflix
Hipotesis f2
Analisis f2
Hip Jalur R2- R
2-ex ∑ f
2
105
in
H1 PU -> BI 0,550 0,530 0,041 kecil
H2 PEOU -> PU 0,515 0,369 0,232 menengah
H3 PEOU -> BI 0,550 0,548 0,004 kecil
H4 T -> PEOU 0,218 0,212 0,008 kecil
H5 T -> BI 0,550 0,546 0,009 kecil
H6 T -> PU 0,515 0,515 0,000 kecil
H7 INN -> PEOU 0,218 0,091 0,139 kecil
H8 INN -> BI 0,550 0,519 0,063 kecil
H9 INN -> PU 0,515 0,517 -0,002 kecil
H10 F -> BI 0,550 0,537 0,028 kecil
H11 F -> PU 0,515 0,478 0,072 kecil
H12 RD -> BI 0,550 0,522 0,059 kecil
H13 RD -> PU 0,515 0,507 0,017 kecil
Berdasarkan tabel 4.18 dapat diketahui bahwa terdapat satu
hipotesis yang memiliki pengaruh menengah terhadap struktur model,
yaitu PEOU PU (0,232), sedangkan dua belas hipotesis lainnya yaitu
PU BI (0,041), PEOU BI (0,004), T PEOU (0,008), T BI
(0,009), T PU (0,000), INN PEOU (0,139) , INN BI (0,063) ,
INN PU (-0,002), F BI (0,028), F PU (0,072), RD BI (0,059)
dan RD PU (0,017) memiliki pengaruh kecil terhadap struktur model.
5. Uji Predictive Relevance ( )
Tahap ini dilakukan pengujian dengan metode blindfolding untuk
memberikan bukti bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif (predictive relevance) dengan
variabel lainnya dalam model dengan ambang batas pengukuran di atas
nol.
106
Tabel 4. 19 Hasil Uji Predictive Relevance Iflix
Variabel Q² (=1-SSE/SSO)
Behavioural
Intention 0,345
Perceived
Ease of Use 0,135
Perceived
usefulness 0,321
Berdasarkan hasil uji Predictive Relevance pada tabel 4.19
diketahui bahwa ketiga variabel dependen memiliki nilai di atas nol,
sehingga dapat disimpulkan bahwa seluruh nilai yang dihasilkan telah
memenuhi ambang batas yang ditentukan.
6. Relative Impact ( )
Pada pengujian ini, dilakukan dengan metode blindfolding untuk
dapat mengukur yang menggambarkan relatif pengaruh sebuah
keterkaitan antara prediktif sebuah variabel tertentu dengan variabel
lainnya yang memiliki nilai ambang batas 0,02 untuk pengaruh kecil, 0,15
untuk pengaruh sedang dan 0,35 untuk pengaruh besar. Untuk hasil uji
relative impact dapat dilihat pada tabel berikut ini
Tabel 4. 20 Hasil Uji Relative Impact Iflix
Hipotesis q2 Analisis
q2 Hip Jalur Q
2-in Q
2-ex ∑ q
2
H1 PU -> BI 0,345 0,337 0 kecil
H2 PEOU -> PU 0,321 0,226 0,123 kecil
H3 PEOU -> BI 0,345 0,345 0,001 kecil
H4 T -> PEOU 0,135 0,135 0,001 kecil
107
H5 T -> BI 0,345 0,344 0,001 kecil
H6 T -> PU 0,321 0,324 -0,004 kecil
H7 INN -> PEOU 0,135 0,056 0,084 kecil
H8 INN -> BI 0,345 0,326 0,029 kecil
H9 INN -> PU 0,321 0,325 -0,005 kecil
H10 F -> BI 0,345 0,341 0,007 kecil
H11 F -> PU 0,321 0,292 0,042 kecil
H12 RD -> BI 0,345 0,325 0,030 kecil
H13 RD -> PU 0,321 0,319 0,004 kecil
Terlihat pada Tabel 4.20, hasil dari pengujian q² terhadap 13 jalur
pada penelitian ini menunjukan bahwa seluruh hipotesis di penelitian ini
memiliki pengaruh kecil terhadap struktur model.
108
Tabel 4. 21 Ringkasan Analisis Model Struktural (Inner Model) Iflix
Keterangan
(β) : Path Coefficient L : Lemah m : Menengah f2 : Effect Size PR : Predictive Relevan
M : Moderat k : kecil Sign : Signifikan Insign : Tidak Signifikan Q2 : Predictive Relevance
q2 : Relative Impact R
2 : Coefficient of Determinant
Hipotesis β t-test R2
f2 Q2
q2 Analisis
Hip Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2 β t-test R2 f2 Q2 q2
H1 PU -> BI 0,211 2,138 0,550 0,550 0,530 0,041 0,345 0,345 0,337 0 Sign Diterima M k PR k
H2 PEOU -> PU 0,485 7,293 0,515 0,515 0,369 0,232 0,321 0,321 0,226 0,123 Sign Diterima M m PR k
H3 PEOU -> BI 0,062 0,635 0,550 0,550 0,548 0,004 0,345 0,345 0,345 0,001 Insign Ditolak M k PR k
H4 T -> PEOU 0,090 1,072 0,218 0,218 0,212 0,008 0,135 0,135 0,135 0,001 Insign Ditolak L k PR k
H5 T -> BI 0,078 1,017 0,550 0,550 0,546 0,009 0,345 0,345 0,344 0,001 Insign Ditolak M k PR k
H6 T -> PU 0,002 0,040 0,515 0,515 0,515 0,000 0,321 0,321 0,324 -0,004 Insign Ditolak M k PR k
H7 INN -> PEOU 0,414 5,217 0,218 0,218 0,091 0,139 0,135 0,135 0,056 0,084 Sign Diterima L k PR k
H8 INN -> BI 0,257 2,806 0,550 0,550 0,519 0,063 0,345 0,345 0,326 0,029 Sign Diterima M k PR k
H9 INN -> PU -0,003 0,036 0,515 0,515 0,517 -0,002 0,321 0,321 0,325 -0,005 Insign Ditolak M k PR k
H10 F -> BI 0,133 1,757 0,550 0,550 0,537 0,028 0,345 0,345 0,341 0,007 Sign Ditolak M k PR k
H11 F -> PU 0,254 3,166 0,515 0,515 0,478 0,072 0,321 0,321 0,292 0,042 Sign Diterima M k PR k
H12 RD -> BI 0,242 2,476 0,550 0,550 0,522 0,059 0,345 0,345 0,325 0,030 Sign Diterima M k PR k
H13 RD -> PU 0,124 1,481 0,515 0,515 0,507 0,017 0,321 0,321 0,319 0,004 Sign Ditolak M k PR k
109
4.4.2 Inner Model Viu
1. Uji Path Coefficient (β)
Uji path coefficient dilakukan dengan melihat signifikansi
hubungan antar konstruk. Hal ini dapat dilihat dari koefisien jalur (path
coefficient) yang menggambarkan kekuatan hubungan antara konstruk.
Pengujian ini dilakukan dengan melihat nilai ambang batas yaitu di atas
0,1, dimana jalur (path) dinyatakan memiliki pengaruh dalam model jika
hasil nilai uji path coefficient berada diatas 0,1.
Tabel 4. 22 Hasil Uji Path Coeficient Viu
Hubungan Antar Variabel β
F → BI 0,057
F → PU 0,031
INN → BI 0,177
INN → PU -0,020
INN → PEOU 0,372
PEOU → BI 0,272
PEOU → PU 0,391
PU → BI 0,104
RD → BI 0,189
RD → PU 0,065
T → BI 0,063
T → PU -0,051
T → PEOU 0,160
110
Berdasarkan tabel 4.21 dapat diketahui bahwa nilai path coefficient
dari 13 jalur, terdapat enam jalur yang memiliki nilai yang di bawah 0,1
yaitu F BI (0,057) , F PU (0,031), INN PU (-0,020) , RD PU
(0,065) , T BI (0,063), dan jalur T PU (-0,051) yang berarti keenam
jalur ini memiliki pengaruh negatif yang signifikan. Dan tujuh jalur
lainnya memiliki nilai Path Coeficient diatas 0,1 yang berarti tujuh jalur
tersebut memiliki pengaruh yang signifikan .
2. Coefficient of Determination (R2)
Pada tahap pengujian ini, nilai dari R2 digunakan untuk mengukur
tingkat variasi perubahan variabel independen terhadap variabel dependen.
Terdapat tiga klasifikasi batasan nilai R2
yaitu 0.67 sebagai substansial,
0.33 sebagai moderat, dan 0,19 sebagai sebagai tingkat varian yang lemah.
Nilai R2
pada penelitian ini dapat dilihat pada tabel 4.16 berikut.
Tabel 4. 23 Hasil Uji Coefficient of Determinant Viu
R Square Keterangan
BI 0,369 Moderat
PEOU 0,212 Lemah
PU 0,171 Lemah
Berdasarkan tabel 4.22, diketahui bahwa dua variabel
diklasifikasikan sebagai varian yang lemah yaitu PEOU (0,212) dan PU
(0,171), yang berarti bahwa Trust (T), dan Innovativeness (INN)
menjelaskan secara lemah yaitu 21,2 % dari PEOU. Sedangkan Perceived
Ease of Use (PEOU), Trust (T), Functionality (F), Relationship Drivers
(RD), dan Innovativeness (INN) menjelaskan secara lemah yaitu 17,1%
dari variabel Perceived usefulness (PU).
Sedangkan variabel BI diklasifikasikan sebagai varian moderat
yaitu 0,369 yang berarti bahwa Perceived Usefulness (PU), Perceived
Ease of Use (PEOU), Trust (T), Functionality (F), Relationship Drivers
111
(RD), dan Innovativeness (INN) menjelaskan secara moderat yaitu 36,9%
dari variabel Behavioural Intention (BI).
3. T-test atau T-Statistic
Dalam pengujian t-test ini dilakukan dengan mode bootstraping
menggunakan uji two-tailed dengan tingkat signifikan yang digunakan
adalah 5% dimana nilai t-test harus lebih besar dari 1,96.
Tabel 4. 24 Hasil Uji T-test Viu
Hubungan Antar Variabel T Statistics (|O/STDEV|)
F -> BI 0,553
F -> PU 0,342
INN -> BI 1,949
INN -> PEOU 4,630
INN -> PU 0,160
PEOU -> BI 3,055
PEOU -> PU 3,903
PU -> BI 1,388
RD -> BI 2,547
RD -> PU 0,641
T -> BI 0,858
T -> PEOU 1,785
T -> PU 0,558
Pada tabel 4.23 dapat dilihat hasil uji t-test, bawa terdapat sembilan
jalur atau hipotesis yang ditolak karena memiliki nilai t-test di bawah 1,96
yaitu F -> BI (0,553) , F -> PU (0,342) , INN -> BI (1,949) , INN -> PU
(0,160), PU -> BI (1,388) , RD -> PU (0,641), T -> BI (0,858), T ->
PEOU (1,785), dan T -> PEOU (0,558). Sedangkan terdapat 4 hipotesis
112
yang diterima yaitu INN -> PEOU (4,630), PEOU -> BI (3,055), PEOU ->
PU (3,903), dan RD -> BI (2,547).
4. Effect Size ( )
Dalam pengujian ini, menghitung nilai Effect Size untuk
memprediksi pengaruh variabel tertentu terhadap variabel lainnya dalam
struktur model. Nilai Effect Size memiliki ambang batas sekitar 0,02 untuk
pengaruh kecil, 0,15 untuk pengaruh menengah, dan 0,45 untuk pengaruh
besar. Untuk perhitungan Effect Size dapat dilihat pada tabel 4.18.
Tabel 4. 25 Hasil Analisis Effect Size Viu
Hipotesis f2
Analisis f2
Hip Jalur R2-in R
2-ex ∑ f
2
H1 PU -> BI 0,369 0,361 0,012 Kecil
H2 PEOU -> PU 0,171 0,063 0,115 kecil
H3 PEOU -> BI 0,369 0,324 0,067 Kecil
H4 T -> PEOU 0,212 0,191 0,026 Kecil
H5 T -> BI 0,369 0,366 0,004 Kecil
H6 T -> PU 0,171 0,169 0,003 Kecil
H7 INN -> PEOU 0,212 0,096 0,128 kecil
H8 INN -> BI 0,369 0,349 0,031 Kecil
H9 INN -> PU 0,171 0,172 -0,002 Kecil
H10 F -> BI 0,369 0,367 0,003 Kecil
H11 F -> PU 0,171 0,170 0,001 Kecil
H12 RD -> BI 0,369 0,342 0,041 Kecil
H13 RD -> PU 0,171 0,168 0,004 Kecil
113
Berdasarkan tabel 4.24 dapat diketahui bahwa terdapat dua
hipotesis yang memiliki penaruh kecil terhadap struktur model, yaitu
PEOU PU (0,115) dan INN PEOU (0,128). Sedangkan sebelas
hipotesis lainnya tidak memiliki pengaruh terhadap struktur model.
5. Uji Predictive Relevance ( )
Tahap ini dilakukan pengujian dengan metode blindfolding untuk
memberikan bukti bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif (predictive relevance) dengan
variabel lainnya dalam model dengan ambang batas pengukuran di atas
nol.
Tabel 4. 26 Hasil Uji Predictive Relevance Viu
Variabel Q² (=1-
SSE/SSO)
Behavioural Intention 0,194
Perceived Ease of Use 0,139
Perceived usefulness 0,131
Berdasarkan hasil uji Predictive Relevance pada tabel 4.25
diketahui bahwa ketiga variabel dependen memiliki nilai di atas nol,
sehingga dapat disimpulkan bahwa seluruh nilai yang dihasilkan telah
memenuhi ambang batas yang ditentukan.
6. Relative Impact ( )
Pada pengujian ini, dilakukan dengan metode blindfolding untuk
dapat mengukur yang menggambarkan relatif pengaruh sebuah
keterkaitan antara prediktif sebuah variabel tertentu dengan variabel
lainnya yang memiliki nilai ambang batas 0,02 untuk pengaruh kecil, 0,15
untuk pengaruh sedang dan 0,35 untuk pengaruh besar. Untuk hasil uji
relatif impact dapat dilihat pada tabel berikut ini
Tabel 4. 27 Hasil Uji Relative Impact Viu
114
Hipotesis q2 Analisis
q2 Hip Jalur Q
2-in Q
2-ex ∑ q
2
H1 PU -> BI 0,194 0,190 0 kecil
H2 PEOU -> PU 0,131 0,043 0,092 kecil
H3 PEOU -> BI 0,194 0,169 0,030 kecil
H4 T -> PEOU 0,139 0,130 0,010 kecil
H5 T -> BI 0,194 0,194 0,000 kecil
H6 T -> PU 0,131 0,130 0,001 kecil
H7 INN -> PEOU 0,139 0,063 0,081 kecil
H8 INN -> BI 0,194 0,185 0,011 kecil
H9 INN -> PU 0,131 0,134 -0,003 kecil
H10 F -> BI 0,194 0,195 -0,001 kecil
H11 F -> PU 0,131 0,131 0,000 kecil
H12 RD -> BI 0,194 0,182 0,015 kecil
H13 RD -> PU 0,131 0,134 -0,004 kecil
Terlihat pada Tabel 4.26, hasil dari pengujian q² terhadap 13 jalur
pada penelitian ini menunjukan bahwa seluruh hipotesis di penelitian ini
memiliki pengaruh kecil terhadap struktur model.
115
Tabel 4. 28 Ringkasan Analisis Model Struktural (Inner Model) Viu
Keterangan
(β) : Path Coefficient L : Lemah m : Menengah f2 : Effect Size PR : Predictive Relevan
M : Moderat k : kecil Sign : Signifikan Insign : Tidak Signifikan Q2 : Predictive Relevance
q2 : Relative Impact R
2 : Coefficient of Determinant
Hipotesis β t-test R2
f2 Q2
q2 Analisis
Hip Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2 β t-test R2 f2 Q2 q2
H1 PU -> BI 0,104 1,388 0,369 0,369 0,361 0,012 0,194 0,194 0,190 0 Sign Ditolak M k PR k
H2 PEOU -> PU 0,391 3,903 0,171 0,171 0,063 0,115 0,131 0,131 0,043 0,092 Sign Diterima L k PR k
H3 PEOU -> BI 0,272 3,055 0,369 0,369 0,324 0,067 0,194 0,194 0,169 0,030 Sign Diterima M k PR k
H4 T -> PEOU 0,160 1,785 0,212 0,212 0,191 0,026 0,139 0,139 0,130 0,010 Sign Ditolak L k PR k
H5 T -> BI 0,063 0,858 0,369 0,369 0,366 0,004 0,194 0,194 0,194 0,000 Insign Ditolak M k PR k
H6 T -> PU -0,051 0,558 0,171 0,171 0,169 0,003 0,131 0,131 0,130 0,001 Insign Ditolak L k PR k
H7 INN -> PEOU 0,372 4,630 0,212 0,212 0,096 0,128 0,139 0,139 0,063 0,081 Sign Diterima L k PR k
H8 INN -> BI 0,177 1,949 0,369 0,369 0,349 0,031 0,194 0,194 0,185 0,011 Sign Ditolak M k PR k
H9 INN -> PU -0,020 0,160 0,171 0,171 0,172 -0,002 0,131 0,131 0,134 -0,003 Insign Ditolak L k PR k
H10 F -> BI 0,057 0,553 0,369 0,369 0,367 0,003 0,194 0,194 0,195 -0,001 Insign Ditolak M k PR k
H11 F -> PU 0,031 0,342 0,171 0,171 0,170 0,001 0,131 0,131 0,131 0,000 Insign Ditolak L k PR k
H12 RD -> BI 0,189 2,547 0,369 0,369 0,342 0,041 0,194 0,194 0,182 0,015 Sign Diterima M k PR k
H13 RD -> PU 0,065 0,641 0,171 0,171 0,168 0,004 0,131 0,131 0,134 -0,004 Insign Ditolak L k PR k
116
4.5 Interpretasi dan Diskusi Hasil Analisis
4.5.1 Interpretasi dan Diskusi Model Pengukuran (Outer Model )
Dari hasil analisis model pengukuran yang telah dilakukan,
terdapat dua hal penting yang harus diperhatikan, yaitu sebagai berikut :
1. Pada analisis model pengukuran didapatkan hasil akhir yang
menunjukkan bahwa model penelitian ini sudah memenuhi syarat dan
memiliki karakteristik yang baik sehingga dapat dilanjutkan ke tahap
analisis berikutnya yaitu analisis struktural model (uji Inner Model).
2. Secara keseluruhan terdapat beberapa indikator yang harus dihapus
untuk layanan Video on Demand. Untuk lebih jelasnya dirujuk Tabel 4.29
perbandingan indikator-indikator yang dihapus untuk Iflix dan Viu dan
indikator yang cocok untuk kedua layanan VoD.
Tabel 4. 29 Ringkasan Penggunaan Indikator untuk Iflix dan Viu
Indikator Iflix Viu
BI1 √ √
BI2 √ √
BI3 √ √
BI4 √ √
F1 - √
F2 - √
F3 √ -
F4 √ -
INN1 √ √
INN2 √ √
INN3 √ -
PEOU1 √ √
PEOU2 √ √
117
PEOU3 √ -
PU1 √ -
PU2 - -
PU3 √ √
PU4 √ √
RD1 √ √
RD2 √ √
RD3 - -
T1 √ √
T2 √ √
T3 √ -
Berdasarkan data diatas, dapat kita simpulkan bahwa untuk Iflix
dan Viu mendapatkan hasil yang berbeda-beda untuk setiap indikator yang
harus dihapus. Penghapusan beberapa indikator yang terjadi dikarenakan
belum memenuhi standar nilai outer loading. Berdasarkan dua poin
tersebut, model yang diajukan peneliti memang sudah memenuhi syarat
namun masih adanya penghapusan indikator. Penghapusan indikator
tersebut mungkin disebabkan karena pada saat proses pengumpulan data,
peneliti tidak mendampingi langsung responden ketika hendak mengisi
kuesioner sehingga memungkinkan terjadinya kesalahan pemahaman
pertanyaan yang diajukan kepada responden.
Untuk menanggapi hal tersebut, perlu dilakukan peninjauan
kembali atau dengan dilakukan pengembangan lebih lanjut terkait
instrumen yang digunakan dalam penelitian ini, terutama untuk indikator
yang dihapus. Meskipun peneliti telah berusaha melakukan dengan sebaik-
baiknya, tentu masih terdapat banyak hal yang berada di luar kendali
peneliti ketika pelaksanaannya di lapangan
118
4.5.2 Interpretasi dan Diskusi Model Struktural (Inner Model)
Dalam subbab dipaparkan mengenai interpretasi dan diskusi yang
didasarkan pada hasil dari 6 (enam) tahapan analisis struktur model yang telah
dilakukan. Keenam tahapan tersebut adalah path coefficient (β), coefficient of
determinant (R2), t-test menggunakan bootstrapping, Effect Size ( 2
), Predictive
Relevance ( 2), dan relative impact ( 2
).
H1: Apakah Perceived usefulness berpengaruh positif pada behavioral
intention ?
Berdasarkan analisis Inner Model yang telah dilakukan, hasil yang
didapatkan pada pengujian struktur model pengujian t-test menunjukkan bahwa
H1 diterima pada Iflix yang berarti PU memiliki pengaruh terhadap BI, sedangkan
pada layanan Viu H1 ditolak. Hal ini didukung oleh nilai path coefficient pada
Tabel Iflix yaitu 0,211 yang berarti bahwa hipotesis yang menghubungkan PU ->
BI memiliki pengaruh yang signifikan secara positif, sejalan dengan penelitian
yang dilakukan oleh Zarmpou et al., (2012) dimana PU berpengaruh secara
signifikan terhadap BI. Pada penelitian ini penggunaan layanan Iflix dapat
membantu dan mempermudah pengguna dalam menonton kapanpun dan
dimanapun sehingga berpengaruh kepada niat pengguna untuk menggunakan
Iflix.
Sedangkan pada Viu, menunjukkan bahwa PU tidak memiliki pengaruh
positif terhadap BI, akan tetapi berdasarkan hasil nilai path coefficient (β) 0,104
yang berarti PU juga berpengaruh secara signifikan terhadap BI. Ditolaknya t-test
namun adanya nilai yang signifikan (β) menandai bahwa secara statistika t-test
belum memenuhi syarat nilai ketentuan. Selanjutnya juga pada hasil dari
pengujian terhadap 13 jalur yang ada pada penelitian ini. Dimana PU→BI
memiliki pengaruh yang kecil. Hal ini juga didukung dari pengamatan langsung
oleh peneliti khususnya pada indikator PU3, karena jika kita lihat Berdasarkan
pada tabel 4.13 nilai Cross Loading indikator yang diberi blok kuning pada setiap
variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk blok lainnya.
119
Namun antara PU3 dan PU4, PU3 mendapatkan nilai yang paling kecil sebesar
0,929 sedangkan PU4 sebesar 0,935. Dan jika kita lihat isi dari pertanyaan pada
indikator PU3 itu Penggunaan Video on Demand lebih efektif dibanding media
lain (TV, CD dan Kaset).
H2: Perceived Ease of Use berpengaruh positif pada Perceived usefulness
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H2 diterima pada Iflix dan Viu, yang
berarti PEOU memiliki pengaruh terhadap PU. Hal ini didukung oleh nilai path
coefficient pada Iflix (0,485) dan Viu (0,391) yang berarti bahwa hipotesis yang
menghubungkan PEOU -> PU memiliki pengaruh yang signifikan secara positif.
Untuk pengujian f2 variabel PEOU terhadap PU mendapatkan hasil
berpengaruh kecil untuk layanan Viu, dan berpengaruh menengah untuk Iflix.
Dengan penjelasan hasil perbandingan tersebut, maka dapat disimpulkan H2
untuk kedua layanan diterima dan berpengaruh. Hasil hipotesis ini sejalan dengan
penelitian yang dilakukan oleh beberapa peneliti yang menyimpulkan bahwa
PEOU memberikan pengaruh terhadap PU yang menunjukkan bahwa semakin
tinggi kemudahan penggunaan yang dirasakan pada layanan maka semakin tinggi
manfaat yang dirasakan oleh pengguna (Prasetyo, 2019).
H3: Perceived Ease of Use berpengaruh positif pada behavioral intention
Berdasarkan analisis Inner Model yang telah dilakukan, hasil yang
didapatkan pada pengujian struktur model pengujian t-test menunjukkan bahwa
H3 diterima pada Viu yang berarti PEOU memiliki pengaruh terhadap BI,
sedangkan pada layanan Iflix H1 ditolak. Hal ini didukung oleh nilai path
coefficient pada Viu yaitu 0,272 yang berarti bahwa hipotesis yang
menghubungkan PEOU -> BI memiliki pengaruh yang signifikan secara positif,
sejalan dengan penelitian yang dilakukan oleh Zarmpou et al., (2012) dimana
PEOU berpengaruh secara signifikan terhadap BI. Pada penelitian ini kemudahan
120
dalam menggunakan layanan Viu dalam menonton berpengaruh kepada niat
pengguna untuk menggunakan Viu.
Sedangkan pada Iflix, menunjukkan bahwa hubungan PEOU tidak
memiliki pengaruh positif terhadap BI, dan juga berdasarkan hasil nilai path
coefficient (β) yang menunjukkan PU tidak berpengaruh secara signifikan
terhadap BI.
H4: Trust berpengaruh positif pada Perceived Ease of Use
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H4 ditolak untuk Iflix maupun Viu.
Berdasarkan nilai path coefficient Iflix (0,090) variabel T tidak memiliki pengaruh
yang signifikan terhadap PEOU, sedangkan nilai path coefficient pada Viu (0,160)
memiliki pengaruh yang signifikan . Untuk pengujian f2 variabel T terhadap
PEOU seluruhnya mendapatkan hasil berpengaruh kecil, sehingga dapat
disimpulkan bahwa kepercayaan tidak memengaruhi kemudahan penggunaan
yang dirasakan. Hal ini sejalan dengan penelitian yang dilakukan (Saprikis,
Markos, Zarmpou, & Vlachopoulou, 2018) bahwa T tidak memiliki pengaruh
terhadap PEOU.
H5: Trust berpengaruh positif pada behavioral intention
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H5 ditolak untuk Iflix maupun Viu. Berdasarkan
nilai path coefficient Iflix (0,078) dan Viu (0,063) variabel T tidak memiliki
pengaruh yang signifikan terhadap BI. Untuk pengujian f2 variabel T terhadap BI
seluruhnya mendapatkan hasil berpengaruh kecil, sehingga dapat disimpulkan
bahwa kepercayaan tidak memengaruhi niat pengguna untuk menggunakan
layanan. Hasil hipotesis ini sejalan dengan penelitian yang dilakukan oleh
Zarmpou et al., (2012) yang menyimpulkan bahwa T tidak memberikan pengaruh
terhadap BI.
121
H6: Trust berpengaruh positif pada Perceived Usefulness
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H6 ditolak untuk Iflix maupun Viu.
Berdasarkan nilai path coefficient Iflix (0,002) dan Viu (-0,051) variabel T tidak
memiliki pengaruh yang signifikan terhadap PU. Untuk pengujian f2 variabel T
terhadap PU seluruhnya mendapatkan hasil berpengaruh kecil, sehingga dapat
disimpulkan bahwa kepercayaan tidak memengaruhi manfaat yang dirasakan oleh
pengguna. Hal ini sejalan dengan penelitian (Muchran, 2015) dimana T tidak
memiliki pengaruh terhadap PU. Hal ini terbukti manfaatnya layanan VoD tidak
dipengaruhi oleh kepercayaan seseorang terhadap VoD. Dengan kata lain, belum
tentu seseorang akan menganggap VoD berguna meskipun memiliki kepercayaan
pada layanan VoD.
H7: Innovativeness berpengaruh positif pada Perceived Ease of Use
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H7 diterima pada Iflix dan Viu, yang
berarti INN memiliki pengaruh terhadap PEOU. Hal ini didukung oleh nilai path
coefficient pada Iflix (0,414) dan Viu (0,372) yang berarti bahwa hipotesis yang
menghubungkan INN -> PEOU memiliki pengaruh yang signifikan secara positif.
Untuk pengujian f2 variabel INN terhadap PEOU mendapatkan hasil
berpengaruh kecil untuk layanan Iflix dan Viu. Maka dapat disimpulkan H7 untuk
kedua layanan diterima dan berpengaruh, sehingga dapat disimpulkan bahwa
orang yang inovatif merasa lebih mudah menggunakan suatu sistem. Hipotesis ini
sejalan dengan penelitian sebelumnya yang menyatakan bahwa Innovativeness
memiliki pengaruh terhadap Perceived Ease of Use (PEOU) (Aisyah, et al,. 2014).
H8: Innovativeness berpengaruh positif pada behavioral intention
Berdasarkan analisis Inner Model yang telah dilakukan, hasil yang
didapatkan pada pengujian struktur model pengujian t-test menunjukkan bahwa
122
H8 diterima pada Iflix yang berarti INN memiliki pengaruh terhadap BI,
sedangkan pada layanan Viu H8 ditolak. Hal ini didukung oleh nilai path
coefficient pada Iflix yaitu 0,257 yang berarti bahwa hipotesis yang
menghubungkan INN -> BI memiliki pengaruh yang signifikan secara positif.
Sejalan dengan penelitian yang dilakukan oleh Zarmpou et al., (2012) dimana
INN berpengaruh secara signifikan terhadap BI. Dalam hal ini, keinovatifan
seseorang sangat mungkin dapat memengaruhi minat menggunakan pengguna
aplikasi layanan Iflix.
Sedangkan pada Viu, menunjukkan bahwa hubungan INN tidak memiliki
pengaruh positif terhadap BI, dan juga berdasarkan hasil nilai path coefficient (β)
yang menunjukkan PU tidak berpengaruh secara signifikan terhadap BI. Hal ini
dimungkinkan terjadi karena pengguna sering mengalami kesulitan saat mendaftar
menjadi fitur premium, meskipun mudah dipahami proses transaksi dan mudah
operasionalnya. Hal itu menjadi salah satu penyebab meskipun konsumen
mempunyai keinovasian yang tinggi namun tidak berdampak pada niat pengguna
dalam penggunaan Viu.
H9: Innovativeness berpengaruh positif pada Perceived usefulness
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H9 ditolak untuk Iflix maupun Viu.
Berdasarkan nilai path coefficient Iflix (-0,003) dan Viu (-0,020) variabel INN
tidak memiliki pengaruh yang signifikan terhadap PU. Untuk pengujian f2
variabel INN terhadap PU seluruhnya mendapatkan hasil berpengaruh kecil,
sehingga dapat disimpulkan bahwa kesediaan seseorang untuk mencoba setiap
teknologi informasi baru tidak memengaruhi manfaat yang dirasakan oleh
pengguna. Hal ini sejalan dengan penelitian sebelumnya yang menyatakan bahwa
berarti keinovatifan seseorang tidak berpengaruh terhadap persepsi kegunaan
yang dirasakan oleh pengguna (Aisyah et al., 2014).
H10: Functionality berpengaruh positif pada behavioral intention
123
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H10 ditolak untuk Iflix maupun Viu.
Berdasarkan nilai path coefficient Iflix (0,133) dan Viu (0,057) variabel F tidak
memiliki pengaruh yang signifikan terhadap BI. Untuk pengujian f2 variabel F
terhadap BI seluruhnya mendapatkan hasil berpengaruh kecil, sehingga dapat
disimpulkan bahwa fasilitas yang disediakan oleh layanan mobile tidak
memengaruhi niat pengguna untuk menggunakan layanan. Hal ini sejalan dengan
penelitian (Zarmpou et al., 2012) dimana hipotesis F BI juga ditolak.
H11: Functionality berpengaruh positif pada perceived usefulness
Berdasarkan analisis Inner Model yang telah dilakukan, hasil yang
didapatkan pada pengujian struktur model pengujian t-test menunjukkan bahwa
H11 diterima pada Iflix yang berarti F memiliki pengaruh terhadap PU,
sedangkan pada layanan Viu H11 ditolak. Hal ini didukung oleh nilai path
coefficient pada Iflix yaitu 0,254 yang berarti bahwa hipotesis yang
menghubungkan F -> PU memiliki pengaruh yang signifikan secara positif. Untuk
pengujian f2 variabel F terhadap PU mendapatkan hasil berpengaruh kecil.
Sehingga dapat disimpulkan bahwa semakin tinggi fasilitas yang disediakan oleh
layanan mobile Iflix maka semakin tinggi manfaat yang dirasakan oleh pengguna.
Hal ini sejalan dengan penelitian (Cho, Cheng, & Lai, 2009; Zarmpou et al.,
2012) dimana hipotesis F PU juga dierima. Sedangkan pada Viu,
menunjukkan bahwa hubungan F tidak memiliki pengaruh positif terhadap PU.
H12: Relationship drivers berpengaruh positif pada behavioral intention
Berdasarkan analisis Inner Model yang telah dilakukan, hasil yang
didapatkan pada pengujian struktur model pengujian t-test menunjukkan bahwa
H12 diterima pada Iflix dan Viu yang berarti RD memiliki pengaruh terhadap BI.
Hal ini didukung oleh nilai path coefficient pada Iflix yaitu (0,242) dan Viu
(0,189) yang berarti bahwa hipotesis yang menghubungkan RD -> BI memiliki
pengaruh yang signifikan secara positif. Hal ini sejalan dengan penelitian
124
(Zarmpou et al., 2012) dimana hipotesis RD BI juga diterima bahwa semakin
tinggi layanan mobile beradaptasi dengan profil pengguna layanan VoD maka
semakin tinggi niat pengguna untuk menggunakan layanan. Hipotesis pendorong
hubungan merupakan konsep yang dipinjam dari bidang pemasaran dan
merupakan perspektif baru dalam survei TAM. Ini menunjukkan bahwa layanan
VoD, membutuhkan perspektif marketing agar berhasil diterima oleh pengguna.
H13: Relationship drivers berpengaruh positif pada perceived usefulness
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil
yang didapatkan menunjukkan bahwa H13 ditolak untuk Iflix maupun Viu.
Berdasarkan nilai path coefficient Iflix memiliki pengaruh yang signifikan yaitu
0,124 dan Viu (0,065) yang berarti variabel RD memiliki pengaruh yang tidak
signifikan terhadap PU. Untuk pengujian f2 variabel RD terhadap PU seluruhnya
mendapatkan hasil berpengaruh kecil, sehingga dapat disimpulkan bahwa layanan
mobile beradaptasi dengan profil pengguna tidak memengaruhi manfaat yang
dirasakan oleh pengguna. Hal ini tidak sejalan dengan penelitian (Zarmpou et al.,
2012) bahwa Relationship Drivers memengaruhi Perceived Usefulness. Hal ini
menunjukkan bahwa relationship drivers tidak dapat meningkatkan atau
memengaruhi kemanfaatan bagi penggunanya.
125
126
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil temuan dari penelitian yang telah dilakukan, kesimpulan
dari penelitian ini adalah sebagai berikut:
1. Faktor – faktor yang paling memengaruhi penerimaan Iflix yaitu
Perceived Ease of Use (PEOU), Perceived Usefulness (PU),
Innovativeness (INN), Functionality (F) dan yang terakhir Relationship
Drivers (RD).
2. Perceived Ease of Use (PEOU), Innovativeness (INN) dan
Relationship Drivers (RD) merupakan faktor - faktor yang memiliki
pengaruh paling besar pada penerimaan Viu.
3. Perceived Ease of Use Perceived Usefulness, Innovativeness
Perceived Ease of Use dan Relationship Drivers Behavioural
Intention adalah hipotesis yang dapat diterima untuk kedua layanan ,
yaitu Iflix dan Viu.
4. Hipotesis pengaruh T PEOU, pengaruh T PU, pengaruh T BI,
pengaruh INN PU, pengaruh F BI, dan pengaruh RD PU
adalah hipotesis yang ditolak di layanan VoD Iflix maupun Viu.
5. Perempuan merupakan jenis kelamin yang mendominasi dalam
penggunaan layanan Video on Demand pada penelitian ini. Kemudian
rentang umum pengguna layanan Video on Demand yang
mendominasi pada usia 15 sampai dengan 20 tahun. Lalu pekerjaan
yang mendominasi menjadi responden pengguna layanan Video on
Demand pada penelitian ini yaitu mahasiswa/pelajar, dan pendapatan
perbulan responden yang mendominasi < Rp 1.000.000.
127
5.2 Saran
Berdasarkan penelitian yang telah dilakukan, peneliti memberikan saran
bagi para peneliti selanjutnya dan perusahaan terkait, yaitu sebagai berikut :
1. Bagi peneliti selanjutnya, khususnya yang tertarik pada kajian sejenis
diharapkan dapat mempertimbangkan, meninjau kembali, dan
memperbaiki hal-hal sebagai berikut :
a. Menambah jumlah sampel sehingga tingkat sampling error semakin
kecil.
b. Meninjau kembali indikator-indikator yang digunakan, dapat berupa
penambahan ataupun pemilihan indikator yang lebih tepat agar
penelitian lebih akurat dan mendalam.
c. Sebelum dilakukan penyebaran kuesioner pada sampel besar
hendaknya dilakukan pretest pada sampel kecil terlebih dahulu
sehingga apabila diketahui terdapat item pertanyaan yang tidak valid
dan reliabel dapat dikeluarkan sejak awal.
d. Penelitian selanjutnya disarankan untuk menggunakan metode analisis
data yang lain seperti regression analysis, ANOVA, confirmatory
factor analysis, dan sebagainya.
e. Penelitian selanjutnya disarankan untuk menggunakan variabel-
variabel lain yang sudah terbukti memiliki pengaruh yang signifikan.
f. Menggunakan metode kualitatif dengan responden para expert dipihak
layanan Video on Demand.
2. Bagi Iflix dan Viu serta penyedia layanan Video on Demand untuk
meningkatkan penerimaan pengguna diharapkan dapat memperhatikan hal
berikut :
a. Innovativeness pada penelitian ini paling memengaruhi niat
menggunakan (Behavioural Intention) layanan Iflix. Oleh karena itu
pihak Iflix harus terus menciptakan hal baru, konsep baru, atau produk
atau layanan inovatif untuk pengguna agar tetap menggunakan
layanan Iflix.
128
b. Perceived Ease of Use pada penelitian ini paling memengaruhi niat
menggunakan (Behavioural Intention) layanan Viu. Oleh karena itu
pihak Viu harus memberikan kemudahan bagi pengguna aplikasi dalam
menunjang pengguna menonton film, seperti dengan membuat aplikasi
yang mudah dalam melakukan pemutaran film, dan memperhatikan
update aplikasi sebelum dikeluarkan ke konsumen. Hal ini bertujuan
untuk menghindari masalah ketika konsumen menggunakan aplikasi.
129
c. Bagi penyedia layanan Video on Demand, untuk meningkatkan
penerimaan pengguna agar melakukan perbaikan pada variabel
kemudahan pengguna, Innovativeness dan relationship drivers.
130
DAFTAR PUSTAKA
Aco, A., & Endang, A. H. (2017). Analisis Bisnis E-Commerce pada Mahasiswa
Universitas Islam Negeri Alauddin Makassar.
Aditya, R., & Wardhana, A. (2016). PENGARUH PERCEIVED USEFULNESS
DAN PERCEIVED EASE OF USE TERHADAP BEHAVIORAL
INTENTION DENGAN PENDEKATAN TECHNOLOGY ACCEPTANCE
MODEL ( TAM ) PADA PENGGUNA INSTANT MESSAGING LINE DI
INDONESIA. Jurnal Siasat Bisnis, 20(1).
Aisyah, M. N., Nugroho, M. A., & Sagoro, E. M. (2014). PENGARUH
TECHNOLOGY READINESS TERHADAP PENERIMAAN TEKNOLOGI
KOMPUTER PADA UMKM DI YOGYAKARTA. Journal Economia,
10(2), 105–119.
Akbar, A. (2019). ANALISA PERBANDINGAN TRANSAKSI DENGAN
MENGGUNAKAN UANG ELEKTRONIK (E-MONEY) DAN DENGAN
MENGGUNAKAN KARTU KREDIT ( STUDI KASUS PADA BANK
BUMN ) PERIODE 2010-2015. Jurnal Akuntansi, Keuangan, Dan
Perpajakan Indonesia, 6(2), 135–146.
Akurat.co. (2018). Di Indonesia, Pengguna Viu Capai Angka 8 Jutaan.
Alfa, A. A. G. (2017). ANALISIS PENGARUH FAKTOR KEPUTUSAN
KONSUMEN DENGAN STRUCTURAL EQUATION MODELING PARTIAL
LEAST SQUARE. Universitas Pendidikan Indonesia.
Arsam, A. (2014). Pembangunan Aplikasi Video Streaming Berbasis Android di
STV Bandung. Ilmiah Komputer Dan Informatika.
Asosiasi Penyelenggara Jasa Internet Indonesia. (2017). Penetrasi & perilaku
pengguna internet indonesia.
Aulina, R. (2018). Pengaruh technologi acceptance model (tam) pada intention to
use internet banking perbankan syariah dengan attitude toward using
sebagai variabel intervening studi pada mahasiswa pelaku usaha di kota
malang. Universitas islam negeri maulana malik ibrahim malang.
Broeck, W. Van Den, Pierson, J., & Lievens, B. (2007). Video - On - Demand :
Towards New Viewing Practices ?, 3, 23–44.
Cangelosi, J. S. (1995). Merancang Tes Untuk Menilai Prestasi Siswa.
131
Cho, V., Cheng, T. C. E., & Lai, W. M. J. (2009). The role of perceived user-
interface design in continued usage intention of self-paced e-learning tools
Computers & Education The role of perceived user-interface design in
continued usage intention of self-paced e-learning tools. Computers &
Education, 53(2), 216–227. https://doi.org/10.1016/j.compedu.2009.01.014
Christina, H., Suhud, U., & Rizan, M. (2018). Analisis Penerimaan dan
Penggunaan Teknologi Ojek Online. Pendidikan Ekonomi & Bisnis, 6(1),
34–44.
Chuttur, M. (2009). AIS Electronic Library ( AISeL ) Overview of the
Technology Acceptance Model : Origins , Developments and Future
Directions, (January 2009).
Daily Social. (2018, October 19). iflix Bidik Total Pengguna di Indonesia Capai
25 Juta Tahun Ini. Retrieved from https://dailysocial.id/post/iflix-indonesia-
2018
Davis, F. D. (1989). User Acceptance of Computer Technology : A Comparison
of Two Theoretical Models. Managament Science, 35(8).
Edvardsson, B., & Strandvik, T. (1999). Criticality of Criticallncidents in
Customer Relationships Ba Edvardsson and Tore Strandvik. In P. Kunst, J.
Lemmink, & B. Stauss (Eds.) (pp. 427–445).
Feb, M. (2018). ANALISIS KUALITAS WEBSITE VIU.COM MENGGUNAKAN
WEBQUAL 4.0 DAN IMPORTANCE PERFORMANCE ANALYSIS (IPA).
Universitas Telkom.
Ghozali, I. (2013). Aplikasi Analisis Multivariate Dengan Program IBM SPSS 21
Update PLS Regresi (7th ed.). Badan Penerbit Universitas Diponegoro.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2013). Editorial Partial Least Squares
Structural Equation Modeling : Rigorous Applications , Better Results and
Higher Acceptance, 46, 1–12. https://doi.org/10.1016/j.lrp.2013.01.001
Hamidi, E. A. Z., Ismail, N., & Jalaludin, R. (2018). Prototipe Layanan Video on
Demand ( VoD ) Pada Jaringan OpenFlow. TEKNIKA, 7(1), 21–27.
Hanifa, A. (2017). Analisis Technology Acceptance Model (TAM) Terhadap
Penggunaan Layanan Internet Banking Studi di Bank Rakyat Indonesia
Syariah Cabang Surakarta.
Harris, I. (2017). Analisis Technology Acceptance Model (TAM) Terhadap
Tingkat Penerimaan E-learning pada Kalangan mahasiswa. Universitas
Universal.
132
Hernawati, S. (2017). Metodologi Penelitian dalam Bidang Kesehatan Kuantitatif
& Kualitatif. (C. Dr. Heru Santoso Wahito Nugroho, M.M.Kes., Ed.).
Ponorogo: Forum Ilmiah Kesehatan (FORIKES).
Hidayat, S. (2017). Analisis Aplikasi Streaming Musik “Joox Music” dan
“Spotify” dengan Indikator Technology Acceptance Model (TAM). Telkom
University.
Iflix. (2019). Iflix. Retrieved September 21, 2020, from
https://www.iflix.com/id/en/browse
Indrawati, I., & Putri, M. D. (2018). Analyzing Factors Influencing Continuance
Intention of E-Payment Adoption Using Modified UTAUT 2 Model, (May).
https://doi.org/10.1109/ICoICT.2018.8528748
Jamidan, S. (2016). FAKTOR-FAKTOR YANG MEMPENGARUHI MINAT
MAHASISWA UII MENGGUNAKAN INTERNET BANKING, 1–21.
Jatikusumo, D., Chandra, R., & Mantoro, T. (2013). Penyediaan Layanan
Pembelajaran Jarak Jauh dengan VOD Menggunakan Algoritma Pyramid
Broadcasting. TICOM, 1(3), 1–11.
Jib, S., Park, E., & Joon, K. (2014). What drives successful social networking
services ? A comparative analysis of user acceptance of Facebook and
Twitter. The Social Science Journal, 51(4), 534–544.
https://doi.org/10.1016/j.soscij.2014.04.005
Jogiyanto. (2007). Sistem Informasi Keperilakuan (2 ed.). Yogyakarta: Andi
Publisher.
Juni, E. V., Wowor, H. F., & Paturusi, S. D. E. (2020). Analisis Tingkat
Pengalaman Pengguna Terhadap Aplikasi Online Shopping di Area Urban
Fringe. Teknik Informatika, 15(3), 209–216.
Kuo, Y., & Yen, S. (2009). Computers in Human Behavior Towards an
understanding of the behavioral intention to use 3G mobile value-added
services. Computers in Human Behavior, 25(1), 103–110.
https://doi.org/10.1016/j.chb.2008.07.007
Kurniawan, D., Semuel, P. H., & Japarianto, E. (2013). Analisis Penerimaan
Nasabah Terhadap Layanan Mobile Banking Dengan Menggunakan
Pendekatan Technology Acceptance Model Dan Theory Of Reasoned Action.
Jurnal Manajemen Pemasaran, 1(1), 1–13.
Lacey, R. (2007). Relationship Drivers of Customer Commitment. The Journal of
Marketing Theory and Practice, 15, 315–333.
133
https://doi.org/10.2753/MTP1069-6679150403
Larsen, K. R., & Lee, Y. (2017). The Technology Acceptance Model : Past ,
Present , and Future, (March 2016). https://doi.org/10.17705/1CAIS.01250
Laudon, K. C., & Traver, C. (2018). E-Commerce 2014, 10th Edition. Pearson.
Lee, C. B. P., & Wan, G. (2015). Including Subjective Norm and Technology
Trust in the Technology Acceptance Model : A Case of E-Ticketing in China,
(November 2010). https://doi.org/10.1145/1899639.1899642
Lu, J. (2014). Are personal innovativeness and social influence critical to continue
with mobile commerce?, 24(January 2014).
Malau, Y. (2014). PEMANFAATAN E-TAILING UNTUK MENINGKATKAN
PENJUALAN. Paradigma, XVI(2), 21–31.
Marlina, E. (2018). Implementasi Technology Acceptance Model Dalam Aktivitas
Berbelanja Online Melalui Situs Lazada.Co.Id, 5, 1–15.
Mayer, R. C., Davis, J. H., Schoorman, F. D., Mayer, R. C., & Davis, J. H. (2011).
AN INTEGRATIVE MODEL OF ORGANIZATIONAL TRUST, 20(3),
709–734.
Medcom. (2020). Rayuan Manis Layanan Streaming di Indonesia.
Melaning, A., & I Gst Ayu Kt. Giantari. (2019). Technology Acceptance
Application Model on Internet Banking Service in BRI Bank Denpasar
Indonesia. InternationalResearch Journal of Management, IT & Social
Sciences, 6(4).
Morris, M. G., & Dillon, A. (1997). How user perceptions influence software use,
14(4).
Muchran, M. (2015). Acceptance of Banking Information Technology in PT BNI
of Makassar. Journal of Economics and Behavioral Studies, 7(2), 124–130.
Mustakini, W. A., & Jogiyanto. (2015). Partial Least Square (PLS), Alternatif
Structural Equation Modeling. Yogyakarta: Andi Publisher.
Nag, A. K., & Gilitwala, B. (2019). E-Wallet- Factors Affecting Its Intention to
Use. International Journal of Recent Technology and Engineering (IJRTE),
8(4), 3411–3415. https://doi.org/10.35940/ijrte.D6756.118419
Nasir, M. (2013). Evaluasi Penerimaan Teknologi Informasi Mahasiswa di
Palembang Menggunakan Model UTAUT, (12), 36–40.
134
Novianti, Febianti, A., Pani, & Nana. (2013). EKSPERIMEN PERBANDINGAN
PENGUKURAN DENGAN MENGGUNAKAN NERACA OHAUSS DAN
NERACA DIGITAL.
Prabowo, R. (2019). Analisis Loyalitas Pengguna Layanan Video on Demand
Berlangganan Netflix Menggunakan Extended Unified Theory Of Acceptance
And Use Of Technology 2 (UTAUT2).
Prasetyo, D. A. (2019). PENGUKURAN PENERIMAAN PENGGUNA DALAM
PEMBAYARAN PARKIR PADA SKY PARKING MENGGUNAKAN MOBILE
WALLET OVO. Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Prastanti, N. D., Kusyanti, A., & Perdanakusuma, A. R. (2017). Analisis Faktor -
Faktor Yang Memengaruhi Penggunaan Smartphone Dengan Menggunakan
Metode Structural Equation Modeling ( SEM ). Jurnal Pengembangan
Teknologi Informasi Dan Ilmu Komputer, 1(10), 1152–1161.
Rahmawati, F. (2018). FAKTOR-FAKTOR YANG MEMPENGARUHI
PENERIMAAN SISTEM TIKET ELEKTRONIK PT TRANSJAKARTA.
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA.
Rahmawati, R. N., & Narsa, I. M. (2019). Intention to Use e-Learning : Aplikasi
Technology Acceptance Model ( TAM ). Akuntansi, 3(2), 261.
https://doi.org/10.33395/owner.v3i2.151
Salamah, E. U. N. S. M. (2015). Structural Equation Modeling-Partial Least
Square untuk Pemodelan Derajat Kesehatan Kabupaten/Kota di Jawa Timur
(Studi Kasus Data Indeks Pembangunan Kesehatan Masyarakat Jawa Timur
2013). JURNAL SAINS DAN SENI ITS, 4(2), 4–9.
Saprikis, V., Markos, A., Zarmpou, T., & Vlachopoulou, M. (2018). Mobile
Shopping Consumers’ Behavior: An Exploratory Study and Review. Journal
of Theoretical and Applied Electronic Commerce Research, 13(1).
https://doi.org/http://dx.doi.org/10.4067/S0718-18762018000100105
Sarwono, J. (2010). PENGERTIAN DASAR STRUCTURAL EQUATION
MODELING ( SEM ). Jurnal Ilmiah Manajemen Bisnis, 10(3), 173–182.
Setyawan, R. A., & Marzuki, Y. (2018). SURVEI APLIKASI VIDEO LIVE
STREAMING DAN CHAT DI KALANGAN PELAJAR, 185–191.
Singh, J. (2015). Consumer Trust , Value , and Loyalty in Relational Exchanges,
(January 2002). https://doi.org/10.1509/jmkg.66.1.15.18449
Siyoto, S., & Sodik, M. A. (2015). DASAR METODOLOGI PENELITIAN. (Ayup,
Ed.). Yogyakarta: Literasi Media Publishing.
135
Sugiyono. (2013). METODE PENELITIAN PENDIDIKAN PENDEKATAN
KUANTITATIF, KUALITATIF DAN R&D. Bandung: CV Alfabeta.
Sulaiman, A., Jaafar, N. I., & Mohezar, S. (2007). An overview of mobile banking
adoption among the urban communit, 5(2).
Sun, H. (2006). Causal Relationships between Perceived Enjoyment and
Perceived Ease of Use : An Alternative Approach, 7(9), 618–645.
Suwandi, E., Imansyah, H. F., & Dasril, H. (2018). ANALISIS TINGKAT
KEPUASAN MENGGUNAKAN SKALA LIKERT PADA LAYANAN
SPEEDY YANG BERMIGRASI KE INDIHOME.
Viu. (2018). VIU Indonesia. Retrieved September 21, 2020, from
https://www.viu.com/ott/id/id/all?redirected=true&session_id=48006781b26
61--6d-b54104fe61c449bc-
a49bf0309421a3&msisdn=63bb9da44969483af745fc13ba5048203a9dbf7ec8
25e677804416cc92485b3b&partnerId=4&error_message=he-
successful×tamp=1600670145484&chargingPlatform=frontend_deskto
p
Walczuch, R., Lemmink, J., & Streukens, S. (2007). The effect of service
employees ’ technology readiness on technology acceptance, 44, 206–215.
https://doi.org/10.1016/j.im.2006.12.005
Wallace, L., Sheetz, S., Wallace, L. G., & Sheetz, S. D. (2014). The Adoption of
Software Measures :, A Technology Acceptance Model ( TAM ) Perspective
Information & Management The adoption of software measures : A
Technology Acceptance Model ( TAM ) perspective. Information &
Management, 51(2), 249–259. https://doi.org/10.1016/j.im.2013.12.003
We Are Social. (2020). Digital 2020 : 3.8 billion people use social media.
Retrieved March 24, 2020, from
https://wearesocial.com/blog/2020/01/digital-2020-3-8-billion-people-use-
social-media
Wiyono, G. (2011). Merancang penelitian bisnis dengan alat analisis SPSS 17.0
& SmartPLS 2.0. Yogyakarta: UPP STIM YKPN.
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian
dng Partial Least Square Path Modeling.
Yasa, N. N. K., Ratnaningrum, L. P. R. A., & Sukaatmadja, P. G. (2014). THE
APPLICATION OF TECHNOLOGY ACCEPTANCE MODEL ON, 16(2),
93–102. https://doi.org/10.9744/jmk.16.2.93
136
Yusuf, N. A., & Indrawati. (2019). Analisis Faktor yang Memengaruhi
Pembentukan Minat Berlangganan di Industri Video-On-Demand Di
Indonesia. Manajemen Dan Bisnis, 3(1).
Zarmpou, T., Saprikis, V., Markos, A., & Vlachopoulou, M. (2012). Modeling
users ’ acceptance of mobile services, (May). https://doi.org/10.1007/s10660-
012-9092-x
Zarmpou, T., Saprikis, V., & Vlachopoulou, M. (2011). Investigating the
Influential Factors towards Mobile Services Adoption in Greece,
(September).
137
138
LAMPIRAN 1
KUESIONER
139
Kuesioner Penelitian Penerimaan Aplikasi Video on
Demand Iflix dan Viu
Saya Natasya Aurora Yasmin, mahasiswi tingkat akhir Fakultas Sains dan
Teknologi, jurusan Sistem Informasi UIN Syarif Hidayatullah Jakarta. Saat ini
saya sedang melakukan penelitian berjudul: "Analisis penerimaan aplikasi Video
on Demand iflix dan viu menggunakan metode TAM"
Dengan ini saya meminta kesediaan Anda untuk menjadi partisipan dalam
pengisian kuisioner ini yang kurang lebih membutuhkan waktu 5 menit.
Keseluruhan data pada kuesioner ini akan terjaga kerahasiaannya dan hanya akan
digunakan untuk penelitian tugas akhir saya.
𝐉𝐚𝐰𝐚𝐛𝐚𝐧 𝐀𝐧𝐝𝐚 𝐝𝐚𝐥𝐚𝐦 𝐤𝐮𝐞𝐬𝐢𝐨𝐧𝐞𝐫 𝐢𝐧𝐢 𝐬𝐚𝐦𝐚 𝐝𝐞𝐧𝐠𝐚𝐧 𝐛𝐞𝐫𝐩𝐚𝐫𝐭𝐢𝐬𝐢𝐩𝐚𝐬𝐢 𝐝𝐚𝐥𝐚𝐦 𝐦𝐞𝐦𝐛𝐞𝐫𝐢𝐤𝐚𝐧 𝐝𝐨𝐧𝐚𝐬𝐢 𝐬𝐞𝐛𝐞𝐬𝐚𝐫 𝐑𝐩 𝟏𝟎𝟎𝟎,- 𝐲𝐚𝐧𝐠 𝐧𝐚𝐧𝐭𝐢𝐧𝐲𝐚 𝐚𝐤𝐚𝐧
𝐩𝐞𝐧𝐞𝐥𝐢𝐭𝐢 𝐬𝐚𝐥𝐮𝐫𝐤𝐚𝐧 𝐦𝐞𝐥𝐚𝐥𝐮𝐢 𝐩𝐥𝐚𝐭𝐟𝐨𝐫𝐦 𝐤𝐢𝐭𝐚𝐛𝐢𝐬𝐚.𝐜𝐨𝐦.
𝐓𝐞𝐫𝐝𝐚𝐩𝐚𝐭 𝐣𝐮𝐠𝐚 𝐤𝐞𝐬𝐞𝐦𝐩𝐚𝐭𝐚𝐧 𝐦𝐞𝐦𝐞𝐧𝐚𝐧𝐠𝐤𝐚𝐧 𝐆𝐨𝐏𝐚𝐲 𝐝𝐞𝐧𝐠𝐚𝐧 𝐧𝐢𝐥𝐚𝐢 𝐭𝐨𝐭𝐚𝐥 𝐬𝐞𝐛𝐞𝐬𝐚𝐫 𝐑𝐩 𝟐𝟎𝟎.𝟎𝟎𝟎,- 𝐤𝐞𝐩𝐚𝐝𝐚 𝟏𝟎 𝐨𝐫𝐚𝐧𝐠 𝐩𝐞𝐧𝐠𝐢𝐬𝐢.
Jika ada pertanyaan mengenai kuesioner ini, Anda dapat menghubungi :
Atas bantuan serta partisipasi Anda dalam mengisi kuesioner ini, saya ucapkan
terima kasih.
Hormat Saya,
Peneliti
Natasya Aurora Yasmin
140
A. Profil Responden
No. Pertanyaan Pilihan Jawaban
1 Jenis kelamin O Laki-laki O Perempuan
2 Umur O 15 – 20 Tahun O 26 – 30 Tahun
O 21 – 25 Tahun O > 31 Tahun
3 Domisili
4 Pendidikan Terakhir O SMA O D3 O S1 O Pasca sarjana
5 Pekerjaan saat ini O Pelajar/Mahasiswa
O PNS/TNI/POLRI
O Wiraswasta
O Karyawan
O Guru/Dosen
O Yang lain ......
6 Apakah Anda menggunakan
layanan Iflix atau Viu di
perangkat mobile ( HP,
laptop, tablet) ?
O Ya
O Tidak ( Silahkan berhenti disini)
7 Aplikasi VoD yang Anda
gunakan
O Iflix O Viu
8 Berapa lama Anda sudah
menggunakan layanan
tersebut?
O < 1 Tahun O 2 – 4 Tahun O > 4
Tahun
9 Secara keseluruhan
bagiamana tingkat
penerimaan Anda terhadap
layanan Video on Demand
O Sangat Tidak Menerima
O Tidak Menerima
O Netral
O Menerima
141
Iflix / Viu di Indonesia ? O Sangat Menerima
142
B. Pertanyaan Pada Kuesioner
Untuk pertanyaan berikutnya, Anda dimohon untuk memberikan penilaian sesuai
dengan pendapat Anda mengacu pada Aplikasi VOD yang Anda pilih pada
pertanyaan sebelumnya.
Perceived Usefulness(PU)
1 Penggunaan
Video on
Demand
memungkinkan
saya untuk
menonton dan
mencari film
yang saya
inginkan dengan
mudah
2 Penggunaan
Video on
Demand
meningkatkan
produktivitas
saya dalam
menonton
3 Penggunaan
Video on
Demand lebih
efektif dibanding
media lain (TV,
CD dan Kaset)
143
4 Penggunaan
Video on
Demand lebih
efisien dibanding
media lain (TV,
CD dan Kaset)
Perceived Ease of Use (PEOU)
5 Penggunaan
Video on
Demand mudah
untuk digunakan
6 Penggunaan
Video on
Demand mudah
dipelajari
7 Penggunaan
Video on
Demand
memudahkan
saya
mendapatkan
film yang saya
cari
Trust (T)
8 Pengunaan Video
on Demand aman
dalam transaksi
untuk
144
berlangganan
(VIP)
9 Data pribadi
pengguna Video
on Demand
terlindungi
dengan aman
10 Pengunaan Video
on Demand
menerapkan
kebijakan yang
ketat
Innovativeness (INN)
11 Saya bersedia
menggunakan
teknologi baru
yang diterapkan
Video on
Demand
12 Saya tertarik
untuk
mempelajari
teknologi baru
yang diterapkan
Video on
Demand
13 Teman dan
kerabat saya
sering datang ke
145
saya untuk minta
nasihat
teknologi dan
inovasi baru
Relationship Drivers (RD)
14 Penggunaan
Video on
Demand dapat
diatur sesuai
dengan profil
saya
15 Penggunaan
Video on
Demand dapat
diatur sesuai
dengan playlist
yang saya
inginkan
16 menggunakan
layanan VoD
memberi saya
kesempatan
untuk
mengontrol
mulai,
kelanjutan, dan
akhir
penggunaan saya
Functionally (F)
146
17 Video on
Demand
mempunyai
kecepatan
koneksi yang
cukup tinggi
18 Video on
Demand
mempunyai
kecepatan
konfirmasi
transaksi (VIP)
yang cukup
tinggi
19 Video on
Demand
mempunyai
antarmuka
(interface) yang
mudah dipahami
20 Video on
Demand dapat
diakses kapan
saja dan dimana
saja
Behavioral intention (BI)
21 Saya berniat
untuk
menggunakan
147
layanan Video on
Demand dalam
waktu dekat
22 Saya percaya
minat terhadap
layanan Video on
Demand akan
meningkat
23 Saya berniat
untuk
menggunakan
layanan Video on
Demand sesering
mungkin
24 Saya akan
merekomendasik
an orang lain
untuk
menggunakan
layanan Video on
Demand
148
LAMPIRAN 2
DATA RESPONDEN
149
Data Responden Iflix
no. PU1 PU2 PU3 PU4 PEOU1 PEOU2 PEOU3 T1 T2 T3 INN1 INN2 INN3 RD1 RD2 RD3 F1 F2 F3 F4 BI1 BI2 BI3 BI4
1 2 2 1 2 3 2 1 2 2 3 2 2 3 2 3 2 2 2 1 1 2 1 3 2
2 5 5 5 5 4 5 5 4 4 4 5 5 5 5 5 5 4 5 5 5 5 5 4 5
3 5 5 3 3 4 5 4 5 5 5 4 5 5 5 5 4 5 5 4 1 5 5 4 5
4 5 5 5 5 5 5 4 4 4 3 3 3 4 5 4 3 3 4 5 5 5 5 3 5
5 5 4 5 5 4 5 4 4 3 4 4 4 3 5 5 3 3 4 4 4 4 5 4 3
6 3 4 5 3 4 3 2 3 3 4 2 3 2 2 4 2 3 2 5 3 3 5 4 4
7 5 4 5 5 5 5 3 5 3 3 5 5 4 3 4 5 5 5 5 5 5 5 5 5
8 5 5 5 5 5 5 5 3 3 3 4 4 4 5 3 4 3 5 5 5 5 5 5 5
9 5 5 5 5 5 5 4 5 3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4
10 5 4 5 5 4 4 4 4 3 3 4 4 4 4 3 4 4 3 5 3 3 4 3 3
11 3 3 4 4 3 3 3 3 3 4 3 4 3 4 3 4 4 3 4 4 3 4 2 3
12 4 5 5 4 3 4 4 5 5 5 4 4 4 5 4 4 3 3 5 5 4 5 3 4
13 4 3 5 4 3 5 5 4 4 4 4 5 4 4 4 4 4 4 5 5 4 5 4 4
14 5 4 4 4 3 4 5 3 3 3 3 3 3 3 3 3 3 3 4 4 3 3 3 3
15 4 5 5 5 5 5 4 5 2 3 5 5 4 4 3 5 3 3 5 5 4 4 2 5
16 4 5 5 5 4 5 3 4 3 2 4 4 3 2 4 4 4 5 5 5 4 5 2 3
17 3 5 5 5 5 5 5 2 3 3 3 4 3 5 1 2 2 4 4 4 3 5 3 4
18 5 5 4 4 4 5 5 4 4 3 4 5 4 4 4 4 4 5 5 3 5 5 4 3
19 5 5 4 4 4 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 4 5 4 5
20 5 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5
21 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 3 3 4 4 4 4 4 3 4
22 3 4 5 3 5 4 2 5 4 3 5 3 3 5 5 2 5 5 3 3 4 5 3 5
23 5 4 5 5 5 5 5 4 4 4 3 3 4 4 4 3 4 4 4 4 4 4 3 3
24 5 4 5 5 5 5 5 4 4 3 4 3 3 4 4 4 4 4 4 4 5 5 4 4
25 2 2 3 2 4 4 2 2 2 3 4 4 2 2 2 3 3 3 4 4 2 4 1 2
26 3 4 5 5 5 5 4 4 4 3 3 3 2 2 3 4 5 4 5 5 4 4 3 3
27 2 3 3 2 3 4 1 5 4 2 3 4 4 4 3 4 5 5 4 5 3 3 3 4
28 4 4 4 4 5 5 5 4 3 4 4 4 4 4 3 4 3 4 5 5 4 5 3 4
29 5 5 5 5 5 5 5 3 3 3 4 4 3 4 4 4 4 4 5 4 4 4 4 3
30 5 5 5 5 5 5 5 1 1 1 5 5 3 5 5 3 3 3 5 5 5 5 5 5
31 4 5 5 5 5 5 5 3 1 5 3 3 4 5 4 5 5 5 5 1 1 5 1 1
32 5 4 5 5 5 5 5 4 4 4 4 5 5 5 5 4 4 5 5 5 5 5 5 5
33 5 4 4 4 4 4 5 4 4 4 4 3 4 5 4 4 4 4 5 5 5 4 4 4
34 4 4 4 4 4 4 4 4 3 4 5 4 4 4 4 4 4 4 5 5 4 4 4 4
35 3 3 4 4 4 4 4 3 5 3 3 4 3 4 4 3 4 4 5 4 3 3 3 4
36 5 4 5 5 4 4 5 4 3 4 4 4 4 4 4 4 5 5 5 5 4 5 3 4
37 5 3 2 2 3 4 5 4 3 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4
38 4 4 5 4 3 4 3 3 2 3 3 2 4 4 4 4 3 4 3 3 4 5 3 2
39 4 4 5 5 4 4 4 4 3 3 4 4 4 4 4 3 4 3 4 4 4 4 4 4
40 5 5 5 5 4 5 4 5 4 5 4 4 3 3 4 3 3 4 5 5 4 4 4 4
41 4 4 5 5 5 5 4 5 5 4 5 5 4 3 4 5 3 5 5 5 4 5 3 4
42 4 4 3 4 4 5 5 4 4 4 3 4 3 3 3 3 3 4 5 4 3 4 1 2
43 5 5 5 5 5 5 5 5 4 3 5 5 4 5 5 5 5 5 5 5 5 5 5 5
44 5 5 5 5 5 5 5 4 4 4 5 5 4 4 4 5 4 4 5 5 5 5 5 5
45 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
46 4 4 5 5 4 4 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 5 5
47 5 5 5 5 5 5 4 5 3 5 5 4 5 5 4 5 4 2 3 3 5 5 4 5
48 3 2 5 5 5 5 5 4 2 2 3 3 3 4 3 2 3 3 5 5 4 5 3 3
49 3 4 2 2 4 5 3 3 3 3 4 4 4 4 3 3 3 4 4 4 2 2 2 2
50 4 5 5 5 4 5 4 3 4 3 4 3 3 4 3 4 3 5 4 4 4 5 5 4
150
41 4 4 5 5 5 5 4 5 5 4 5 5 4 3 4 5 3 5 5 5 4 5 3 4
42 4 4 3 4 4 5 5 4 4 4 3 4 3 3 3 3 3 4 5 4 3 4 1 2
43 5 5 5 5 5 5 5 5 4 3 5 5 4 5 5 5 5 5 5 5 5 5 5 5
44 5 5 5 5 5 5 5 4 4 4 5 5 4 4 4 5 4 4 5 5 5 5 5 5
45 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
46 4 4 5 5 4 4 5 5 5 5 5 5 5 5 4 4 4 4 4 4 4 4 5 5
47 5 5 5 5 5 5 4 5 3 5 5 4 5 5 4 5 4 2 3 3 5 5 4 5
48 3 2 5 5 5 5 5 4 2 2 3 3 3 4 3 2 3 3 5 5 4 5 3 3
49 3 4 2 2 4 5 3 3 3 3 4 4 4 4 3 3 3 4 4 4 2 2 2 2
50 4 5 5 5 4 5 4 3 4 3 4 3 3 4 3 4 3 5 4 4 4 5 5 4
51 3 3 5 5 3 4 3 4 3 3 4 4 4 5 5 3 3 5 5 5 5 5 5 5
52 3 3 5 5 4 4 3 4 4 4 3 3 3 3 4 3 3 3 4 4 3 5 3 3
53 5 4 5 5 5 5 5 3 4 5 3 4 3 4 5 4 3 4 5 4 3 4 2 3
54 4 5 4 5 5 5 5 5 3 2 5 5 2 5 5 4 4 5 5 5 5 5 3 3
55 4 4 4 4 4 4 5 3 3 4 4 4 4 4 4 4 4 4 5 5 4 4 3 4
56 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
57 4 3 4 4 4 4 4 4 4 3 4 5 4 4 4 4 4 4 4 3 5 4 4 3
58 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
59 4 4 4 4 3 4 4 3 3 2 3 3 3 4 3 3 3 4 5 5 3 3 3 3
60 5 5 5 5 5 5 5 4 4 4 4 3 4 4 3 5 5 4 5 5 4 4 3 4
61 4 4 4 4 4 4 4 3 4 4 3 3 4 4 4 3 3 4 3 4 4 3 4 3
62 3 4 3 3 4 5 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 3 3 4
63 3 1 3 4 4 3 2 4 3 3 3 2 2 3 3 4 3 3 5 1 1 4 2 1
64 4 4 4 4 5 5 4 4 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4
65 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5
66 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3
67 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
68 5 5 5 5 5 5 4 4 3 4 5 5 4 4 3 5 4 3 5 4 4 5 5 5
69 4 4 5 5 4 4 4 4 3 3 4 4 3 5 5 4 4 5 5 5 5 5 3 2
70 5 4 5 5 4 4 5 4 5 5 5 5 4 5 5 3 3 4 4 4 5 5 4 3
71 5 4 5 4 5 4 5 4 3 3 2 3 5 5 4 4 5 3 5 5 5 5 5 5
72 4 3 5 5 4 5 5 3 3 3 3 3 3 3 2 5 5 3 5 5 2 3 2 3
73 5 4 5 4 5 4 4 3 4 4 4 3 4 3 4 3 4 4 4 3 3 4 3 4
74 4 4 4 4 4 5 5 4 5 4 3 3 3 4 4 4 3 4 4 4 4 4 3 4
75 4 3 4 5 3 4 4 2 1 2 3 3 3 2 2 2 3 3 4 4 2 4 2 2
76 5 4 5 5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 5 5 4 4 2 4
77 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
78 5 5 4 4 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5
79 4 4 5 5 4 4 4 4 3 3 3 4 4 4 4 3 3 3 5 5 5 4 5 5
80 4 4 5 4 5 5 3 4 4 4 5 5 3 4 4 3 4 5 5 3 5 5 4 5
81 4 3 4 4 3 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 3 5 2 4
82 4 2 5 5 4 5 4 4 5 5 4 4 4 5 5 5 5 5 5 5 4 4 2 4
83 5 3 4 4 5 4 5 4 5 5 4 4 4 4 4 5 4 4 5 5 4 5 4 4
84 5 4 5 5 5 5 4 3 3 4 4 4 4 4 4 4 4 3 4 4 5 5 4 4
85 5 3 5 5 5 5 5 3 3 3 5 5 5 5 5 4 4 5 5 5 5 2 2 3
86 5 4 5 5 5 5 4 4 3 5 5 3 5 5 4 5 4 5 5 5 5 4 3 4
87 4 5 4 4 5 5 5 4 4 4 5 4 5 5 5 4 4 3 4 5 5 5 5 5
88 4 5 5 5 5 5 5 4 4 5 4 5 3 4 5 4 4 5 5 5 5 5 5 4
89 4 2 3 4 3 4 2 2 3 2 4 4 4 2 3 3 2 2 2 2 3 3 2 3
90 4 3 5 5 4 4 4 3 3 4 4 4 3 4 3 4 3 4 5 5 5 5 4 4
91 3 5 5 5 5 5 4 5 5 5 4 4 2 3 3 4 4 5 5 5 5 5 3 5
92 5 5 5 5 5 5 4 3 3 3 4 4 3 4 3 4 3 4 5 5 3 4 3 4
93 5 5 5 5 4 4 5 4 4 4 5 5 4 4 4 4 4 4 5 5 5 5 5 5
94 4 5 5 3 4 4 4 2 2 3 4 4 4 4 4 3 2 5 5 2 4 4 3 3
95 5 4 5 5 5 5 5 3 3 3 4 4 3 4 4 5 5 4 5 5 4 4 4 4
96 5 4 4 3 5 4 5 3 2 4 3 5 5 5 4 3 4 4 4 5 4 5 3 4
97 4 4 4 4 4 4 4 4 5 4 4 5 4 4 4 3 4 4 4 3 3 4 3 3
98 5 4 5 5 4 5 4 5 5 5 5 5 5 5 5 3 4 5 5 5 5 5 4 5
99 5 5 5 5 4 5 4 3 3 3 3 3 3 4 3 4 3 4 5 5 3 4 2 2
100 4 4 5 4 4 4 4 3 3 3 4 4 3 4 4 3 3 3 4 4 2 3 3 3
151
101 5 4 5 5 5 5 5 5 5 4 5 5 4 4 4 4 4 5 5 5 4 5 3 4
102 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
103 4 4 5 5 5 4 3 3 4 4 4 4 3 2 4 4 4 4 4 4 4 4 4 4
104 4 4 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 4 5 4 5
105 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
106 3 4 5 5 4 5 3 3 3 3 4 4 3 4 3 3 3 2 4 4 5 5 2 2
107 3 4 5 5 4 5 4 3 2 2 3 3 4 4 3 4 2 3 5 5 3 5 2 3
108 4 3 5 4 5 3 3 4 3 3 4 4 3 4 4 3 4 3 4 5 3 3 3 5
109 4 4 5 5 5 5 5 4 4 4 5 5 5 5 4 4 4 5 5 5 5 5 5 5
110 5 5 5 5 4 5 5 5 4 5 5 5 5 5 5 3 5 5 5 5 5 5 3 5
111 5 3 5 5 4 5 4 4 3 4 4 4 4 4 5 3 4 4 5 5 4 5 4 4
112 5 4 5 4 4 5 4 4 4 5 5 5 5 5 4 5 5 4 5 5 5 5 3 3
113 4 4 2 2 3 4 3 4 4 3 4 3 3 4 4 5 4 4 3 3 3 3 3 3
114 5 5 5 5 4 5 4 5 5 5 5 5 5 5 4 3 4 5 5 5 4 4 5 5
115 5 5 5 5 4 5 5 5 4 5 5 5 5 5 5 4 5 5 5 5 5 5 4 5
116 3 3 4 4 4 4 4 4 2 4 3 3 2 3 3 3 4 3 5 5 4 4 3 4
117 4 5 5 5 5 5 4 4 4 4 5 5 4 4 3 4 3 3 5 5 5 5 3 3
118 4 4 4 5 4 5 3 5 4 4 4 5 4 5 4 3 4 4 5 5 4 5 4 5
119 5 4 4 4 5 5 4 5 3 3 4 5 4 4 3 4 4 4 4 4 4 4 3 4
120 5 4 5 5 4 4 3 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 5
121 4 5 5 5 5 5 3 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 3 3
122 4 4 5 5 4 4 4 4 2 3 4 4 4 4 4 4 4 4 5 4 4 5 3 3
123 4 3 4 4 4 4 4 5 5 5 4 5 5 4 4 4 4 5 4 4 4 4 4 5
124 4 3 4 3 3 5 4 3 2 3 4 4 3 4 3 3 3 4 5 5 4 4 4 4
125 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 5 5 4 4 4 4 4 4
126 5 4 5 5 5 5 4 4 4 4 5 5 4 4 4 4 4 3 5 4 5 4 3 5
127 4 4 4 5 4 4 4 3 4 5 3 3 4 4 3 4 3 4 4 4 4 4 3 3
128 5 4 5 5 5 5 5 3 3 5 4 4 3 4 3 4 3 3 5 5 5 5 3 5
129 4 1 4 5 4 5 3 4 3 5 5 5 5 5 4 5 4 5 5 5 5 5 3 4
130 4 4 5 5 4 4 4 4 4 5 4 5 4 5 4 4 4 4 5 5 4 4 3 3
131 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 4 5
132 4 5 5 5 3 4 4 4 3 4 3 3 2 3 2 3 3 4 5 5 3 2 2 2
133 5 4 5 5 5 5 5 5 4 5 5 4 5 5 5 4 4 5 5 5 5 5 4 4
134 4 3 4 4 3 3 4 4 3 3 2 4 3 4 3 4 3 3 4 5 2 4 3 4
135 5 4 4 4 4 4 4 4 3 3 4 4 3 4 4 3 3 4 4 4 3 4 4 4
136 5 4 5 5 5 4 5 4 4 4 4 4 4 5 4 5 4 4 5 4 5 5 5 4
137 3 3 5 5 4 3 3 4 5 5 5 5 3 5 4 4 3 3 5 5 4 5 4 4
138 5 4 5 5 5 5 5 4 4 3 5 5 5 5 4 5 5 5 5 5 5 5 5 5
139 4 3 4 4 4 4 3 4 4 3 3 3 3 4 3 4 4 3 5 5 4 5 3 4
140 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5
141 2 3 5 5 4 5 3 3 3 2 4 5 3 3 3 4 4 3 5 5 4 4 3 3
142 4 4 4 4 4 4 4 4 3 3 5 5 4 3 3 4 4 4 4 4 4 4 3 4
143 5 3 5 5 5 5 5 5 5 2 4 4 3 4 3 4 4 3 5 5 5 5 4 5
144 3 5 4 4 4 4 3 4 2 3 4 5 5 4 4 3 4 4 5 5 3 4 3 4
145 4 5 4 5 3 5 4 4 3 4 4 5 3 3 4 3 5 3 5 4 5 5 3 4
146 4 4 4 4 4 3 4 3 4 2 4 4 4 4 3 4 4 3 4 3 4 4 3 3
147 5 4 4 4 4 5 5 4 3 2 4 4 4 5 5 4 4 4 5 5 5 5 5 5
148 5 5 5 5 5 5 4 1 1 2 4 5 5 5 5 4 4 4 5 5 5 5 5 5
149 5 4 5 5 4 4 4 4 4 4 3 3 4 4 3 4 4 4 4 4 4 4 3 3
150 3 4 5 5 5 5 4 2 3 3 3 3 2 3 3 4 3 4 4 4 4 4 4 4
152
Data Responden Viu
no. PU1 PU2 PU3 PU4 PEOU1 PEOU2 PEOU3 T1 T2 T3 INN1 INN2 INN3 RD1 RD2 RD3 F1 F2 F3 F4 BI1 BI2 BI3 BI4
1 5 4 4 3 4 3 4 3 5 5 3 5 5 4 3 5 5 3 2 5 4 4 5 3
2 5 5 5 5 5 5 5 5 4 4 4 4 5 4 5 4 5 4 5 5 5 5 4 5
3 4 3 5 5 4 5 5 5 4 4 4 4 3 4 2 4 3 4 4 3 4 4 3 3
4 4 4 5 5 5 5 3 4 3 3 3 4 5 4 5 3 4 4 3 5 5 5 3 5
5 4 4 5 5 3 4 4 3 3 3 4 4 5 4 4 3 4 4 3 5 4 4 4 3
6 5 2 5 5 4 5 5 5 4 4 5 5 5 5 4 3 4 4 4 5 5 5 5 5
7 5 4 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 4 5 5 4 4 4 4
8 5 5 5 5 5 5 5 5 4 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5
9 5 4 5 4 5 5 4 5 5 5 4 3 5 4 4 4 4 4 5 4 5 5 4 3
10 4 3 4 4 5 5 4 5 4 4 5 5 5 4 3 4 4 4 3 5 5 5 5 5
11 4 4 5 5 4 4 5 5 3 3 4 4 5 4 3 4 4 4 4 5 4 4 3 5
12 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 2 4 4 4 4 4 2 4
13 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
14 5 5 5 5 5 5 5 4 4 4 3 5 5 5 5 4 4 4 3 5 2 5 2 4
15 5 4 4 5 3 5 5 4 4 4 3 4 4 3 5 4 3 4 4 5 4 5 3 3
16 4 4 4 4 5 5 5 3 3 3 5 5 4 3 4 4 3 3 4 4 5 5 5 5
17 5 5 4 4 4 5 5 5 3 4 5 5 4 4 4 5 4 5 5 4 5 5 3 4
18 4 4 5 5 5 5 5 4 3 3 4 4 5 4 3 3 3 3 2 5 3 3 2 3
19 5 5 5 5 5 5 5 5 3 5 5 3 5 5 5 5 5 3 3 5 5 5 5 3
20 5 4 4 4 5 5 4 5 4 4 5 5 5 3 4 4 4 4 4 5 5 5 4 3
21 5 5 5 5 4 5 5 4 4 4 3 3 5 3 4 4 4 4 4 5 5 5 4 4
22 5 5 5 5 5 5 5 4 3 4 4 4 5 4 5 4 4 3 5 5 5 5 5 5
23 4 5 5 5 4 4 4 3 4 4 5 4 4 4 3 5 3 3 4 4 4 5 4 4
24 4 5 4 4 4 4 3 4 4 4 4 4 5 4 4 4 3 4 4 5 5 5 5 5
25 4 5 5 5 4 5 4 5 4 2 5 5 5 2 2 5 2 4 5 5 5 5 5 2
26 4 4 4 4 4 4 4 4 5 4 5 4 4 4 4 4 3 4 4 5 4 5 3 4
27 5 5 5 5 4 4 5 4 4 3 4 4 5 3 3 3 4 5 4 5 5 5 3 3
28 4 4 5 5 4 5 5 4 3 4 4 4 5 3 3 3 4 4 4 5 4 4 3 3
29 5 5 5 5 4 4 5 4 4 4 5 5 5 5 5 5 4 4 3 5 5 5 5 5
30 4 5 5 5 5 5 4 5 5 5 5 5 5 4 4 5 5 5 4 5 5 5 4 5
31 5 4 5 5 5 4 4 5 5 4 5 4 5 5 4 5 5 5 4 4 4 5 4 5
32 5 5 5 5 5 5 5 4 3 4 5 5 5 4 5 4 3 4 5 2 5 5 5 5
33 4 4 5 5 5 4 4 4 4 4 5 5 5 5 5 4 4 3 5 5 5 5 5 5
34 5 5 5 5 5 5 5 4 5 4 5 4 5 4 4 4 5 5 5 5 5 5 4 3
35 5 5 5 5 5 5 5 4 3 4 5 5 5 4 4 4 4 4 5 5 4 5 4 4
36 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
37 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
38 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 4 4 4 5 4 5 4 4
39 5 5 5 5 4 5 5 5 4 5 4 4 5 3 5 5 4 5 5 5 5 5 5 5
40 5 5 5 5 5 5 5 2 2 4 5 5 2 5 5 5 5 4 2 2 5 5 5 5
153
41 4 4 5 5 4 5 3 5 4 3 5 4 5 4 4 5 4 5 4 5 4 5 3 5
42 5 5 5 5 5 5 5 5 4 3 5 3 3 3 5 4 5 3 3 5 5 5 5 5
43 5 3 4 4 3 5 5 4 3 4 4 5 5 4 4 4 4 4 3 5 4 5 3 3
44 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4
45 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
46 5 4 3 3 4 4 5 5 4 4 5 5 5 4 5 4 4 5 4 4 4 4 3 4
47 4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
48 5 4 3 4 4 3 2 3 1 5 5 4 1 3 3 5 1 3 2 3 4 2 5 1
49 4 5 5 5 5 5 5 4 3 4 5 5 5 4 4 4 4 4 5 5 4 5 5 5
50 3 4 3 3 3 5 4 4 3 3 5 4 4 5 5 5 4 3 5 4 3 5 4 4
51 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 5 2 5 4 5
52 4 5 5 5 4 5 4 4 3 3 4 4 4 3 3 2 3 3 4 4 4 4 4 4
53 4 4 4 4 3 4 4 4 4 3 3 4 3 4 4 3 3 3 4 4 4 5 3 3
54 5 4 5 5 4 4 4 5 3 5 5 3 3 5 4 5 4 5 3 5 5 5 4 4
55 5 5 5 4 5 5 5 5 3 5 5 3 3 3 5 5 4 3 5 2 5 5 5 5
56 4 4 5 5 4 4 4 4 3 4 4 4 4 4 5 5 4 4 4 5 4 5 4 4
57 5 5 3 4 5 5 5 5 3 5 4 4 5 5 5 5 5 5 4 5 5 5 5 5
58 4 4 5 5 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5
59 4 4 5 5 3 5 4 3 3 4 3 3 3 3 5 3 3 3 5 5 5 5 5 5
60 5 5 4 4 3 5 5 4 4 2 3 4 2 5 2 5 2 5 5 2 5 5 4 5
61 3 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 3 4 3 4 4 4 4 4
62 3 5 3 3 5 4 5 5 5 5 5 5 5 2 5 5 4 5 5 5 3 5 3 3
63 5 4 4 4 4 5 4 4 3 4 4 4 5 4 3 3 4 4 4 5 4 4 3 4
64 5 4 5 5 5 5 5 4 3 3 4 4 3 3 3 4 4 4 4 5 5 5 5 5
65 5 4 5 4 2 4 5 4 4 5 3 4 2 3 2 4 2 4 4 4 4 4 2 4
66 5 4 4 4 3 4 4 4 3 2 3 3 5 3 4 4 2 3 3 4 4 4 3 4
67 5 5 5 5 5 5 5 5 2 1 5 5 5 3 5 5 5 5 5 5 5 4 5 5
68 5 5 4 4 4 4 4 4 4 3 4 3 5 4 4 4 4 4 4 5 4 5 4 4
69 4 4 5 4 3 4 4 5 3 2 5 3 5 3 4 4 4 4 3 5 5 4 4 4
70 4 4 5 4 4 3 5 5 3 3 4 3 5 4 5 4 4 3 3 4 4 5 4 3
71 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
72 4 4 5 5 4 4 5 4 3 4 4 4 5 3 3 4 4 4 4 5 5 5 5 5
73 5 4 4 5 3 5 5 5 4 3 4 3 4 3 4 3 4 5 4 4 3 5 3 3
74 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5
75 4 4 4 5 4 4 3 3 3 3 4 3 5 3 2 5 4 4 4 5 3 4 3 4
76 3 4 5 5 5 5 3 3 3 3 4 4 5 5 4 3 4 4 4 5 5 5 5 3
77 4 5 5 5 5 5 4 4 3 3 4 5 4 4 5 3 4 4 2 4 5 5 5 5
78 5 5 3 4 5 5 5 4 3 2 5 5 3 3 4 4 4 4 4 5 4 5 4 5
79 5 3 5 5 4 4 5 3 3 5 3 2 5 3 4 3 3 4 5 4 3 4 2 3
80 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
81 5 5 4 5 5 5 5 5 5 5 4 4 4 5 5 5 5 4 3 5 5 5 5 4
82 5 5 5 5 4 4 4 4 3 3 5 5 5 4 4 5 3 3 5 5 5 4 3 4
83 5 5 5 5 3 4 4 5 3 4 4 3 5 4 4 4 3 3 4 5 4 5 3 4
84 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5
85 3 3 4 5 3 4 4 3 3 3 3 3 5 4 4 3 3 3 4 5 4 4 4 4
86 4 4 3 3 3 4 4 3 3 3 4 4 4 2 3 4 5 3 4 4 4 5 4 3
87 5 5 5 5 4 5 5 3 3 3 3 4 4 4 4 3 3 3 5 4 4 5 2 4
88 5 4 5 5 5 5 4 3 3 3 3 4 5 4 4 3 3 3 3 5 5 5 4 5
89 4 3 5 5 5 5 3 5 3 3 4 4 5 4 5 4 5 4 3 5 4 5 3 3
90 4 4 5 5 4 5 4 3 3 4 3 4 5 5 5 4 2 3 2 5 4 5 3 3
91 5 4 5 5 5 4 5 5 4 4 4 4 5 4 4 4 4 4 4 5 4 4 4 4
92 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 4 4 4 3 5 5 5 5
93 5 4 5 5 5 5 4 5 4 4 5 3 5 4 4 5 5 5 5 5 4 5 4 5
94 5 3 3 4 4 4 4 5 4 4 5 5 5 3 4 4 3 4 4 5 5 4 3 5
95 4 3 5 5 5 5 5 4 4 4 4 4 5 4 4 4 2 4 5 5 4 5 4 5
96 4 3 5 5 4 5 5 4 4 3 3 3 5 2 3 3 3 3 4 5 5 5 3 5
97 5 5 5 5 5 5 5 5 5 5 4 4 5 2 3 3 3 3 4 5 5 5 5 3
98 4 4 4 4 4 5 4 5 3 3 4 4 4 3 4 4 4 4 3 5 4 5 3 4
99 5 4 5 5 4 5 5 4 4 4 4 4 5 3 4 4 4 4 4 5 4 5 3 3
100 5 5 4 5 5 5 5 3 2 4 4 4 5 4 4 4 4 4 3 5 5 5 5 5
154
99 5 4 5 5 4 5 5 4 4 4 4 4 5 3 4 4 4 4 4 5 4 5 3 3
100 5 5 4 5 5 5 5 3 2 4 4 4 5 4 4 4 4 4 3 5 5 5 5 5
101 5 5 5 5 5 5 5 5 5 3 5 5 5 4 5 3 5 5 3 5 5 5 5 5
102 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 5
103 4 5 4 4 4 5 3 3 2 3 4 3 4 4 4 3 3 3 4 4 4 4 3 4
104 4 3 5 5 4 4 4 3 3 3 4 4 5 4 4 5 4 5 4 5 3 4 2 4
105 3 5 5 3 4 4 3 5 4 5 3 4 5 5 4 4 4 5 3 5 4 5 4 4
106 5 4 4 5 4 4 4 4 4 4 4 4 5 4 5 4 4 4 4 5 4 4 4 4
107 4 4 3 4 4 4 4 3 4 4 4 4 5 5 4 4 4 3 3 4 4 4 4 4
108 3 5 5 5 5 5 4 4 4 4 5 5 5 4 5 4 5 5 5 5 5 5 4 5
109 4 3 4 5 4 5 4 4 2 3 3 4 5 4 4 3 4 3 4 4 4 5 3 4
110 4 5 5 5 5 5 4 5 4 5 3 4 5 5 5 5 3 4 5 5 4 4 4 4
111 4 4 4 5 5 5 4 3 4 3 3 4 5 4 4 3 3 3 4 5 4 4 4 3
112 4 5 5 5 4 4 4 5 3 4 4 4 3 4 3 4 4 4 4 4 5 5 5 5
113 5 4 5 5 4 5 5 4 4 4 5 5 5 4 4 3 4 5 4 5 4 4 3 3
114 4 3 4 4 4 5 4 4 4 4 3 3 3 4 4 4 3 4 4 3 4 4 4 4
115 4 4 4 4 4 5 4 5 5 5 5 3 5 4 3 5 5 5 4 5 5 4 2 3
116 4 4 4 4 4 4 4 5 3 3 4 4 4 4 4 4 3 3 4 4 4 4 5 4
117 5 5 5 5 5 5 5 4 2 4 5 5 5 5 5 5 5 5 5 5 5 5 4 5
118 5 5 5 5 5 5 5 5 3 2 5 5 5 5 5 5 5 5 5 5 5 5 5 5
119 5 4 5 5 5 5 5 5 3 4 5 5 5 3 5 5 5 5 5 5 5 5 4 4
120 4 5 5 5 5 5 5 4 4 5 4 5 5 5 5 5 4 5 4 5 5 5 4 5
121 5 3 5 5 5 5 5 5 3 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
122 4 3 4 5 3 4 4 3 2 3 3 4 5 4 5 4 3 3 4 5 5 5 3 4
123 5 5 5 5 5 5 5 3 3 3 4 4 3 5 5 5 4 4 4 5 4 5 5 5
124 5 5 4 5 5 5 5 5 5 5 5 5 3 5 5 5 5 5 5 3 5 5 5 5
125 5 5 5 5 5 5 5 3 3 4 5 5 5 5 5 5 5 4 5 5 5 5 5 5
126 5 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
127 4 4 5 5 4 5 5 4 3 4 4 4 5 3 4 4 3 4 5 5 4 4 3 5
128 3 3 5 5 5 5 5 5 2 2 5 5 2 2 5 5 3 3 5 2 5 5 5 5
129 5 4 5 5 5 5 4 4 3 3 4 4 4 3 4 5 4 4 5 5 5 4 4 4
130 5 5 4 4 4 5 5 5 5 5 5 5 3 4 5 4 3 3 5 4 4 4 3 5
131 4 4 4 4 4 4 4 3 3 3 3 3 4 4 3 3 4 4 4 4 4 3 3 3
132 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 4
133 4 4 5 5 5 5 4 5 5 5 5 5 5 5 4 4 5 4 5 5 5 5 4 4
134 5 4 5 5 3 5 5 5 5 5 5 5 5 4 5 5 5 5 3 5 5 5 2 5
135 4 3 4 4 4 4 4 4 4 4 4 5 4 4 4 4 3 5 4 5 5 5 5 5
136 4 5 5 5 5 5 4 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5
137 4 4 5 5 3 4 4 4 3 4 4 4 3 4 4 4 3 4 4 4 5 4 4 5
138 4 5 5 5 5 5 4 4 3 4 3 3 5 4 5 4 4 4 4 5 5 5 5 5
139 4 4 3 4 4 3 4 4 3 4 4 3 5 4 5 4 4 4 4 4 4 5 4 4
140 5 5 5 5 4 4 5 5 5 5 5 5 5 3 4 5 3 4 4 5 5 5 5 5
141 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
142 5 5 5 5 5 4 4 4 3 3 5 4 4 4 3 4 4 3 3 4 4 4 4 4
143 5 5 5 5 5 5 5 5 5 5 5 5 3 5 5 5 3 5 5 5 5 5 3 4
144 3 3 4 4 3 4 4 3 3 3 3 3 4 2 4 4 3 3 4 4 3 3 2 2
145 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 5 5 5 5 4
146 5 4 3 3 5 5 5 5 5 5 3 3 5 4 4 4 4 5 3 5 5 5 3 5
147 4 5 5 5 5 5 5 4 3 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5
148 5 3 4 5 3 4 4 3 4 3 3 3 4 3 4 3 5 4 4 4 3 2 3 3
149 5 5 5 4 4 5 5 5 2 2 5 5 5 4 2 4 3 4 5 5 4 5 3 4
150 4 5 5 5 4 5 5 4 5 5 4 4 3 4 4 4 4 4 4 4 4 4 4 4
155