Berikut adalah contoh penyusunan Bab 3 Metodologi penelitian menggunakan Structural Equation Modeling (SEM). Tulisan ini disarikan dari tulisan Zati Woro (2017).

Karakteristik Penelitian 

Berdasarkan metode di dalam penelitian, penelitian ini menggunakan metode penelitian kuantitatif. Cooper dan Schindler (2011) dalam bukunya menyebutkan metode kuantitatif adalah metode penelitian yang mencoba melakukan pengukuran yang akurat terhadap perilaku, pengetahuan, opini, atau sikap (dalam Indrawati, 2015:184). Sedangkan menurut pendapat Chew (2007) dan Indrawati (2012), metode kuantitatif banyak digunakan dalam berbagai penelitian karena kecocokan untuk menguji model atau hipotesis, dengan tujuan adalah untuk menentukan secara tepat apakah hipotesis nol (null hypothesis) dapat diterima dan hipotesis alternatif dapat ditolak atau sebaliknya (dalam Indrawati, 2015:184).

Tujuan penelitian berdasarkan desain penelitian ini bersifat deskriptif. Penelitian ini biasanya dilakukan saat peneliti sudah mengetahui faktor atau variabel untuk mengukur suatu objek atau bidang, tetapi belum mengetahui hubungan antara faktor atau variabel tersebut (Indrawati, 2015:115). Sedangkan Sekaran (2007:159) menyatakan tujuan dari studi deskriptif adalah memberikan peneliti sebuah riwayat atau penggambaran aspek-aspek yang relevan dengan fenomena perhatian dari perspektif seseorang, organisasi, industri, atau lainnya.

Tipe penyelidikan pada desain penelitian ini ialah kausal. Penelitian Kausal adalah penelitian yang dilakukan apabila peneliti ingin menggambarkan penyebab (cause) dari suatu masalah, baik dilaksanakan dengan melalui eksperimen mau pun non eskperimen (Indrawati, 2015:117). Dalam penelitian ini, keterlibatan peneliti dibatasi dengan tidak mengintervensi data. Artinya peneliti tidak memberikan intervensi apa-apa akan variabel yang akan diukur, peneliti langsung mengumpulkan data dan mengukur variabel-variabel independen terhadap variabel dependen (Indrawati, 2015:118).

Unit analisis mengacu pada tingkat satuan data yang dikumpulkan selama tahap data analisis (Sekaran, 2007:173). Dalam hal ini, unit analisis adalah individu. Waktu pelaksanaan penelitian untuk melakukan pengumpulan data dilakukan dalam satu periode, kemudian data itu diolah, dianalisis lalu ditarik kesimpulan, maka dari itu penelitian ini menggunakan metode cross sectional (Indrawati, 2015:118).

Dari uraian-uraian di atas, maka rangkuman karakteristik penelitian dapat dilihat pada Tabel 3.1.

Tabel 3.1 Karakteristik Penelitian

No. Karakteristik Penelitian Jenis
1. Berdasarkan Metode Kuantitatif
2. Berdasarkan Tujuan Deskriptif
3. Berdasarkan Tipe Penyelidikan Kausal
4. Berdasarkan Keterlibatan Peneliti Tidak mengintervesi data
5. Berdasarkan Unit Analisis Individu
6. Berdasarkan Waktu Pelaksanaan Cross Sectional

Sumber: Hasil Olahan Peneliti

Alat Pengumpulan Data

Operasional Variabel

Menurut Indrawati (2015:124), variabel merupakan suatu gambaran keadaan objek penelitian secara abstrak, oleh karena itu, dalam suatu penelitian perlu dijabarkan sehingga variabel yang abstrak tersebut menjadi suatu yang dapat diukur atau measurable dalam suatu proses yang biasa disebut operasional variabel.

Sebagaimana hubungan antar variabel yang telah digambarkan dalam kerangka konseptual berdasarkan modifikasi dari model UTAUT 2,  maka dalam penelitian ini terdapat empat jenis variabel yang digunakan oleh peneliti yaitu:

  • Variabel Laten Eksogenous (Independen)

Merupakan variabel yang mempengaruhi atau variabel yang menjadi sebab perubahannya atau timbulnya kontruk lain (Hair, 2014:12. Dalam bahasa Indonesia disebut dengan variabel bebas, adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel terikat (dependen).

  • Variabel Laten Endogenous (Dependen)

Merupakan variabel yang dipengaruhi atau menjadi akibat, karena adanya variabel laten eksogenous (Hair, 2014:12). Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas.

  • Variabel Moderator

Variabel ini adalah variabel yang mempengaruhi (memperkuat atau memperlemah) hubungan antara variabel independen dan dependen (Sugiyono, 2016:36).

  • Variabel Intervening

Variabel intervening adalah variabel yang secara teoritis mempengaruhi hubungan antara variabel independen dan dependen menjadi tidak langsung dan tidak dapat diamati dan diukur. Variabel ini merupakan variabel penyela/antara yang terletak diantara variabel independen dan dependen, sehingga variabel dependen tidak langsung mempengaruhi berubahnya atau timbulnya variabel dependen. Sehingga variabel intervening juga disebut sebagai variabel independen kedua (Sugiyono, 2016:36).

Variabel independen pada penelitian ini terdiri dari Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Condition, Hedonic Motivation, Price Value, dan Habit. Sedangkan variabel dependen ialah Use Behavior. Variabel Behavioral Intention termasuk ke dalam variabel dependen kedua, yaitu variabel intervening. Dan variabel Age dan Gender merupakan variabel moderator.

Operasional variabel adalah suatu proses menurunkan variabel-variabel yang terkandung di dalam masalah penelitian menjadi bagian-bagian terkecil sehingga dapat diketahui klasifikasi ukurannya, sehingga mempermudah mendapatkan data yang diperlukan bagi penilaian masalah penelitian (Indrawati, 2015:124). Operasionalisasi variabel pada penelitian ini disajikan dalam Tabel 3.2.

Tabel 3.2 Operasional Variabel

Social Influence Sejauh mana seseorang mempersepsikan bahwa orang-orang yang penting di sekitarnya percaya bahwa ia harus menggunakan teknologi tertentu. Persepsi seseorang bahwa orang yang berada di lingkungan sosialnya mempengaruhi perilakunya untuk menggunakan website SIP Bdg Juara. Pengaruh orang-orang penting tentang penggunaan website SIP Bdg Juara. SI1 Venkatesh et al. (2003), Venkatesh et al. (2012), Yu (2012), Foon dan Fah (2011), Indrawati dan Haryoto (2015)
Pengaruh orang-orang terdekat tentang penggunaan website SIP Bdg Juara.. SI2
Pengaruh orang-orang yang pendapatnya dihargai tentang penggunaan website SIP Bdg Juara. SI3
Facilitating Conditions Seberapa jauh seseorang percaya akan faktor-faktor seperti ketersediaan perangkat, pengetahuan, petunjuk,

(..Sambungan)

dan orang lain dari kelompok sosialnya tersebut ada untuk mendukung penggunaan dari suatu sistem.

Seberapa jauh seseorang percaya akan faktor-faktor seperti ketersediaan perangkat, pengetahuan, petunjuk, dan orang lain dari kelompok sosialnya tersebut ada untuk mendukung penggunaan dari website SIP Bdg Juara. Kepemilikan fasilitas (laptop, smartphone, dll) untuk menggunakan website SIP Bdg Juara. FC1 Venkatesh et al. (2003), Venkatesh et al. (2012), Indrawati dan Haryoto (2015)
Kepemilikan koneksi internet untuk mengakses website SIP Bdg Juara. FC2
Bantuan terkait kendala akses dari penyedia website SIP Bdg Juara. FC3
Hedonic Motivation Kesenangan dan kenyamanan yang dirasakan dari penggunaan suatu teknologi, di mana hal tersebut menunjukkan peranan penting dalam menentukan penerimaan dan penggunaan teknologi. Kesenangan dan kenyamanan yang dirasakan dari penggunaan suatu teknologi, di mana hal tersebut menunjukkan peranan penting dalam menentukan penerimaan dan penggunaan teknologi website SIP Bdg Juara. Kesenangan dalam menggunakan website SIP Bdg Juara. HM1 Venkatesh et al. (2012), Indrawati dan Haryoto (2015)
Kenyamanan dalam menggunakan website SIP Bdg Juara. HM2
Kesan prestise dalam menggunakan website SIP Bdg Juara. HM3
Price Value Manfaat yang dipersepsikan
pengguna atas biaya finansial
yang telah dikeluarkan untuk
menggunakan suatu teknologi.
Manfaat yang dipersepsikan
pengguna atas biaya finansial
yang telah dikeluarkan untuk
menggunakan suatu teknologi.
Persepsi manfaat  oleh pengguna atas biaya finansial yang telah dikeluarkan untuk menggunakan website SIP Bdg Juara. Biaya untuk menggunakan website SIP Bdg Juara. PV1 Venkatesh et al. (2012), Indrawati dan Haryoto (2015)
Perbandingan biaya dengan manfaat penggunaan website SIP Bdg Juara PV2
Persepsi atas biaya dari penggunaan website SIP Bdg Juara baik. PV3

 

Habit Sejauh mana seseorang cenderung untuk menggunakan sistem informasi secara otomatis berdasarkan pembelajaran yang mereka dapatkan. Seberapa jauh seseorang cenderung untuk menggunakan website SIP Bdg Juara secara otomatis berdasarkan pembelajaran. Kebiasaan menggunakan website SIP Bdg Juara. HA1 Venkatesh et al. (2012), Pahnila Siponen dan Zheng (2011)
Penggunaan website SIP Bdg Juara tanpa berpikir panjang. HA2
Behavioral Intention Niat merupakan salah satu faktor motivasi yang mempengaruhi perilaku Niat merupakan salah satu faktor motivasi yang mempengaruhi perilaku seseorang dalam penggunaan website SIP Bdg Juara. Niat penggunaan website SIP Bdg Juara di masa yang akan datang. BI1 Ajzen (1991), Indrawati dan Marhaeni (2015), Foon dan Fah (2011)
Perkiraan pengunaan website SIP Bdg Juara di masa yang akan datang. BI2
Rencana penggunaan website SIP Bdg JuaraR di masa yang akan datang. BI3
Use Behavior Perilaku penggunaan diukur dari frekuensi penggunaan aktual teknologi tertentu. Perilaku penggunaan seseorang yang diukur dari frekuensi penggunaan mereka atas website SIP Bdg Juara. Intensitas penggunaan website SIP Bdg Juara UB1 Venkatesh et al. (2003), Al-Gahtani et al. (2007)
UB2

Foon dan Fah (2011), Al-Gahtani et al. (2007), Pahnila et al. (2011), Indrawati dan Haryoto (2015), Yu (2012)Sumber: Ajzen (1991),  Venkatesh et al. (2003); Venkatesh et al. (2012), Marhaeni dan Indrawati (2015),

Skala Pengukuran

Menurut Sekaran dan Bougie (2010, dalam Indrawati, 2015:129), skala adalah suatu alat ataupun suatu mekanisme yang dipakai untuk membedakan variabel satu dengan yang lainnya dalam suatu penelitian. Ada empat skala utama yang digunakan untuk mengukur, yaitu nominal, ordinal, interval, dan rasio. Sedangkan skala penelitian yang digunakan dalam penelitian ini adalah skala interval.

Fungsi bilangan pada skala pengkuran interval adalah pertama, sebagai simbol untuk membedakan sebuah keadaan dengan keadaan lainnya. Kedua, untuk mengurutkan kualitas karakteristik, dan ketiga adalah untuk memperlihatkan jarak/interval (Indrawati, 2015:131). Dalam penelitian ini, penggunaan skala interval ditujukan pada pemilihan skala Likert. Pilihan yang biasa dipakai dalam skala tersebut ialah sangat tidak setuju, tidak setuju, netral, setuju dan sangat setuju. Namun, pertimbangan banyaknya pilihan biasanya adalah pertimbangan atas jumlah responden yang akan mengisi kuesioner (Indrawati, 2015:131).

Seperti dalam penelitian Susanti (2012, dalam Indrawati, 2015:131) yang hanya menggunakan empat pilihan dengan menghilangkan pilihan netral dengan alasan akan memberikan hasil yang lebih reliabel. Namun demikian, Indrawati (2015:131) menyebutkan penggunaan empat pilihan skala Likert perlu diwaspadai karena hal ini akan memberikan dampak diperlukan banyaknyajumlah sampe yang yang sangat banyak agar meberikan hasil yang kuat dalam proses pengolahan data, khususnya jika akan diproses menggunakan Structural Equation Modeling (SEM dalam hal ini Lisrel atau Amos) seperti pada penelitian ini.

Tahapan Penelitian

Setiap kegiatan penelitian selalu mengikuti suatu proses yang bertahap. Penelitian ini menggunakan tahapan-tahapan penelitian dari Sekaran (2007) yang terdiri dari sebelas tahapan, yaitu: (1) Observation, dimana mengidentifikasi minat bidang penelitian yang luas; (2) Preliminary Data Gathering, pengumpulan data awal melalui suvey literatur dan lainnya (3) Problem Definition, dimana menentukan masalah penelitian; (4) Theoritical Framework, proses identifikasi dan menguraikan variabel dengan jelas; (5) Generation of Hypotheses; (6) Scientific research design; (7) Data collection, Analysis, and Interpretation; (8) Deduction, penentuan apakah hipotesis diterima dan apakah pertanyaan penelitian terjawab; (9) Report Writing; (10) Report Presentation; (11) Managerial Desicion Making.

Namun dikarenakan objek penelitian berhubungan dengan aplikasi yang dimiliki oleh pemerintah kota Bandung, maka tahap pengambilan keputusan dikembalikan pada pihak yang berwenang. Tahapan Penelitian menurut Uma Sekaran (2007) disajikan pada Gambar 3.1 berikut:

Gambar 3. 1 Tahapan Penelitian

Sumber: Sekaran (2007)

Populasi dan Sampel

  • Populasi

Menurut Indarawati (2015: 164), populasi adalah keselurahan kelompok orang, kejadian, benda-benda yang menarik peneliti untuk ditelaah. Populasi yang dipilih untuk peneliti untuk ditelaah akan menjadi pembatas dari hasil penelitian yang diperoleh. Artinya penelitian hanya akan berlaku pada populasi yang dipilih. Seseorang peneliti hanya dapat menyimpulkan hasil penelitiannya untuk populasi yang telah dipilihnya. Pada penelitian tentang kecenderungan masyarakat Bandung akan menggunakan website SIP Bdg Juara, maka populasi penelitian ini adalah masyarakat yang berdomisili di Bandung.

  • Sampel

Menurut Sugiyono (2016:81), sampel merupakan bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua ang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi tersebut. Sedangkan menurut Indrawati (2015:164), sampel adalah anggota-anggota populasi yang terpilih untuk dilibatkan dalam penelitian, baik untuk diamati, diberi perlakuan, maupun dimintai pendapat tentang yang sedang diteliti.

Lohelin dalam Latan (2012:45) merekomendasikan jika model penelitian yang dibangun memiliki 2-4 variabel, maka sampel yang dibutuhkan antara 100-200. Selanjutnya Bryne dalam Latan (2012:45) merekomendasikan sampel minimal yang dapat diterima untuk estimasi SEM adalah 100, sedangkan Kline dalam Latan (2012:45) mensyaratkan jumlah sampel yang cocok untuk estimasi SEM adalah lebih dari 200 untuk model yang kompleks. Lebih lanjut disebutkan oleh Hair, Jr., Black, Babin, dan Anderson (2010:661), secara umum SEM membutuhkan jumlah sampel yang lebih besar dibandingkan dengan analisis multivariat lainnya. Bahkan beberapa algoritma statistik yang digunkana oleh program SEM dinilai kurang reliable dengan jumlah sampel yang kecil.

Penelitian ini menggunakan tujuh variabel independen dan dua variabel dependen dengan melibatkan dua variabel moderator sehingga model yang digunakan cukup kompleks. Oleh karena itu, penelitian ini menggunakan jumlah sampel sesuai pendapat dari Kline, yaitu menggunakan lebih dari 200 sampel. Dengan melibatkan dua variabel moderator, maka akan ditinjau pengaruh dari masing-masing variabel independen terhadap variabel dependen berdasarkan dua kategori Age, yaitu Young dan Old dan dua kategori Gender, yaitu Laki-Laki dan Perempuan.

  • Teknik Sampling

Menurut Indrawati (2015:166), mengelompokkan alternatif teknik sampling menjadi dua kategori utama, yaitu probability sampling dan non probability sampling. Probability Sampling adalah teknik sampling yang memungkinkan anggota-anggota dalam populasi mempunyai peluang atau probabilitas yang sama untuk dipilih sebagai sampel. Sedangkan non probability sampling adalah teknik sampling yang tidak memungkinkan anggota-anggota dalam populasi mempunyai peluang yang sama untuk dipilih sebagai sampel atau tidak diketahui apakah mempunyai peluang yang sama atau tidak.

Dalam penelitian ini, peneliti menggunakan non probability sampling karena peneliti tidak mengetahui jumlah pasti dari populasi yang berhubungan dengan penambahan jumlah penggunaan website SIP Bdg Juara setiap harinya, maka dari itu peluang dari anggota-anggota dalam populasi tidak diketahui sama atau tidaknya. Lebih spesifik lagi, jenis dari teknik non probability sampling yang digunakan dalam penelitian ini adalah purposive sampling. Menurut Zikmund, Babin, Carr, dan Grifin (2010:396), judgement (purposive) sampling adalah teknik nonprobability sampling dimana individu-individu tertentu dipilih sebagai sampel berdasarkan pertimbangan kesesuaian karakteristik yang dibutuhkan. Karakteristik atau kriteria yang ditetapkan oleh penulis untuk sampel penelitian ini, antara lain:

  • Masyarakat yang berdomisili di Kota Bandung; dan
  • Berusia antara 15 hingga 60 tahun.

Penelitian ini menggunakan variabel moderator usia, yang mana nantinya akan dibedakan menjadi dua kategori, yaitu young (usia muda) dan old (usia tua). Menurut Perserikatan Bangsa-Bangsa (PBB), kategori usia muda diwakili oleh usia 15-24 tahun, sedangkan usia di atas 24 tahun tergolong kategori usia tua. Oleh karena itu, penelitian ini menggunakan usia 15 tahun sebagai batas bawah dan usia 24 tahun sebagai batas atas untuk kategori usia muda, sedangkan usia di atas 24 tahun dikategorikan sebagai usia tua.

Untuk menentukan jumlah sampel pada penelitian ini dikarenakan ukuran populasi yang ada tidak dapat diketahui dengan pasti, maka dipilihlah penggunaan rumus Bernoulli:

n= (Z_(α/2)^2.p.q)/e^2  …. (3.1)

Keterangan:

n        : Jumlah sampel;

Z2α/2    : Standard error dikaitkan dengan level of confidence yang dipilih;

p        : Perkiraan proporsi keberhasilan;

q        : 1 – p, perkiraan proporsi kegagalan;

e        : Tingkat kesalahan yang dapat diterima.

Pada penelitian ini, menggunakan tingkat kepercayaan 95% yang bernilai 1,96 di dalam Tabel Z dan perkiraan proporsi keberhasilan dan kegagalan sebesar 0,5. Sedangkan tingkat kesalahan yang digunakan adalah sebesar 5%. Berikut adalah bentuk perhitungan jumlah sampel:

n= (〖1,96〗^2 .0,5 .0,5)/〖0,05〗^2

n= 0,9604/0.0025

n= 384,16 ≈385

Dari uraian di atas, oleh karena penelitian ini menggunakan model yang cukup kompleks, maka penentuan jumlah sampel disesuaikan dengan pendapat dari Kline, yaitu menggunakan lebih dari 200 sampel. Lebih lanjut berdasarkan perhitungan jumlah sampel dari rumus Bernoulli, jumlah minimum sampel yang digunakan dalam penelitian ini adalah 384,16 yang dibulatkan menjadi 385 responden, maka peneliti menggenapkan total sampel yang digunakan pada penelitian ini sejumlah 400 orang baik yang telah mau pun yang belum menggunakan wesbite  SIP Bdg Juara.

  • Pengumpulan Data dan Sumber Data

Indrawati (2015:117) menyebutkan bahwa desain penelitian berdasarkan study setting dapat dibedakan menjadi dua, yaitu contrived setting dan non contrived setting. Penelitian ini termasuk ke dalam non contrived setting, yang artinya adalah penelitian yang dilakukan dalam lingkungan yang normal, yang biasa terjadi atau disebut juga alamiah (Indrawati, 2015:117). Misalnya, penelitian studi lapangan. Lebih lanjut oleh penulis, dalam penelitian non contrived setting, peneliti tidak melakukan manipulasi (intervensi) apapun.

Metode pengumpulan data yang digunakan pada penelitian ini antara lain dengan data primer dan data sekunder. Menurut Sekaran dan Bougie (2010:180), data primer mengacu pada informasi yang diperoleh dari tangan pertama oleh peneliti yang berkaitan dengan variabel minat untuk tujuan spesifik studi. Metode pengumpulan data primer yang digunakan adalah melalui penyebaran kuesioner. Menurut Sujarweni (2015:94), kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan yang akan dijawab. Lebih lanjut Sujarweni, kuesioner merupakan instrumen pengumpulan data yang efisien bila peneliti tau dengan pasti variabel yang akan diukur dan tau apa yang bisa diharapkan dari responden.

Pengumpulan data primer dilakukan selama bulan April 2017. Pengumpulan data primer dilakukan melalui dua cara, yaitu penyebaran kuesioner secara online (dengan fasilitas googledocs) dan offline (print-out). Penyebaran kuesioner secara online dilakukan dengan cara menyebarkan kuesioner pada pengguna aplikasi instan dan sosial media secara berantai pada masyarakat yang berdomisili di kota Bandung. Sedangkan Penyebaran kuesioner secara offline dilakukan dengan mendatangi lokasi yang berpotensi menjadi tempat berkumpulnya calon responden, seperti alun-alun mau pun taman kota.

Metode pengumpulan data selanjutnya yaitu data sekunder. Data sekunder adalah data yang mengacu pada informasi yang dikumpulkan dari sumber yang telah ada (Sekaran dan Bougie, 2010:180). Dalam penelitian ini, data sekunder diperoleh melalui studi literatur, jurnal, hasil riset, artikel, internet, dan media informasi lain yang berkaitan dengan topik penelitian.

Validitas dan Reliabilitas

  • Uji Validitas

Salah satu alat pengumpul data dan sekaligus alat ukur yang sering digunakan dalam penelitian adalah kuesioner. Butir-butir pernyataan dalam kuesioner merupakan instrumen (alat) ukur yang harus mengukur apa yang menjadi tujuan penelitian. Karena itu tiap butir pernyataan dalam kuesioner harus diukur validitasnya (Indrawati, 2015:146).

Menurut Sekaran dan Bougie (2010:157), validitas merupakan uji untuk mengetahui seberapa baik sebuah instrumen yang dikembangkan mengukur konsep yang akan diukur. Dengan demikian, Indrawati (2015:146-147) menyebutkan bahwa validitas menunjukkan sejauh mana suatu alat pengukur dapat mengukur apa yang ingin diukur, sehingga dapat dikatakan bahwa semakin tinggi validitas suatu alat pengukur, maka alat pengukur tersebut semakin mengena sasarannya, atau semakin menunjukkan apa yang seharusnya diukur.

Dalam penelitian ini dilakukan tiga tahap uji validitas, yang meliputi face validity, content validity, dan construct validity. Face validity  yaitu, bagaimana kelihatannya suatu alat ukur benar-benar mengukur apa yang hendak diukur (Indrawati, 2015:147). Sedangkan content validity digunakan untuk memastikan pengukuran yang dilakukan telah sesuai dan mewakili sekumpulan item yang terdapat dalam konsep (Sekaran dan Bougie, 2010:158) . Dalam hal content validity, penelitian ini dilakukan dengan me-review literatur (jurnal) yang membahas tentang penerimaan teknologi menggunakan model UTAUT 2 untuk memperoleh item-item pernyataan yang tepat digunakan dalam alat pengumpulan data (kuesioner).

Dalam penelitian ini, face validity dan content validity dilakukan dengan melibatkan ahli sebanyak 2 orang. Menurut Sekaran dan Bougie (2010:160), construct validity dilakukan untuk mengetahui seberapa baik hasil yang nantinya diperoleh dari penggunaan instrumen pengukuran dapat sesuai dengan teori yang digunakan. Dalam penelitian ini, construct validity dilakukan dengan menggunakan korelasi Pearson product moment, sebagai berikut:

r= (n∑▒〖XY- ∑▒〖X∑▒Y〗〗)/(√(n∑▒〖X^2- 〖(∑▒X)〗^2 〗).√(n∑▒〖Y^2- 〖(∑▒Y)〗^2 〗))……(3.2)

Keterangan:

r          : Koefisien validitas pertanyaan

n          : Jumlah responden

X         : Skor yang diperoleh subjek dari seluruh item

Y         : Skor total yang diperoleh dari seluruh item

ΣX       : Jumlah skor dalam distribusi X

ΣY       : Jumlah skor dalam distribusi Y

ΣX2     : Jumlah kuadrat masing-masing X

ΣY2     : Jumlah kuadrat masing-masing Y

Untuk membantu perhitungan validitas yang lebih akurat, dalam penelitian ini digunakan software SPSS 24.0 for Windows. Dengan tingkat kesalahan yang dapat diterima sebesar 0.05 dan jumlah observasi sebanyak 50 orang dngan pengujian satu arah, maka diperoleh nilai r Tabel sebesar 0,2353. Maka tiap item pernyataan akan dinyatakan valid jika nilai Pearson Correlation > 0,2353. Berikut hasil uji validitas yang terangkum dalam Tabel 3.3.

Tabel 3.3 Hasil Uji Validitas

No. Item Pearson Correlation Uji Validitas
(Nilai > R Tabel)
PE1 0,610 Valid
PE2 0,316 Valid
PE3 0,539 Valid
EE1 0,660 Valid
EE2 0,619 Valid
EE3 0,625 Valid
SI1 0,573 Valid
SI2 0,437 Valid
SI3 0,535 Valid
FC1 0,397 Valid
FC2 0,359 Valid
FC3 0,355 Valid
HM1 0,600 Valid
HM2 0,601 Valid
HM3 0,612 Valid
PV1 0,272 Valid
PV2 0,541 Valid
PV3 0,663 Valid
HA1 0,654 Valid
HA2 0,740 Valid
BI1 0,735 Valid
BI2 0,725 Valid
BI3 0,664 Valid
UB1 0,381 Valid
UB2 0,495 Valid

Sumber: Hasil Olahan Peneliti

  • Uji Reliabilitas

Dalam sebuah penelitian, setiap item pertanyaan pada kuesioner haruslah reliabel. Dalam Sekaran dan Bougie (2010:161), Reliabilitas menunjukkan sejauh mana pengukuran tersebut dipastikan konsisten sepanjang waktu dan dalam berbagai item dalam instrumen tanpa memiliki bias (error free). Sedangkan menurut Indrawati (2015:155) Reliabilitas adalah menyangkut tingkat kepercayaan, keterandalan, konsistensi, atau kestabilan hasil suatu pengukuran. Realiabilitas merupakan salah satu ciri bahwa suatu instrumen pengukur baik. Dengan kata lain, sejauh mana hasil pengukuran dapat dipercaya atau dengan perkataan lain sejauh mana skor hasil pengukuran terbebas dari kekeliruan pengukuran (measurement error).

Teknik perhitungan koefisien reliabilitas yang digunakan adalah koefisien reliabilitas Cronbach’s Alpha dengan rumus:

r_11= [k/(k-1)]-[1-∑▒ab^2/〖at〗^2 ] …….(3.3)

Keterangan:

r11          : Reliabilitas instrumen;

k             : Jumlah butir pertanyaan;

ab2      : Jumlah butir varians;

At2         : Total varians

Untuk meminimalisasi kesalahan pengolahan data, pengujian reliabilitas dilakukan dengan program SPSS 24.0 for Windows. Pada penelitian ini, uji reliabilitas menggunakan tingkat kesalahan 5%, sehingga nilai r Tabel yang digunakan sebesar 0,2353. Maka tiap item pernyataan akan dinyatakan reliabel jika nilai Cronbach’s Alpha > 0,2353. Berikut hasil uji reliabilitas yang terdapat dalam Tabel 3.4.

Tabel 3.4 Hasil Uji Reliabel

Reliability Statistics
Cronbach’s Alpha N of Items
,744 26

Sumber: Hasil Olahan Peneliti

Teknik Analisis Data dan Pengujian Hipotesis

  • Teknik Analisis Data

Penilitian ini menggunakan teknik analisis multivariat yang merupakan metode analisis statistik kuantitatif yang memungkinkan peneliti melakukan pengujian terhadap lebih dari dua variabel secara bersamaan (Indrawati, 2015:186). Dengan menggunakan teknik analisis ini maka peneliti dapat menganalisis hubungan beberapa variabel dalam waktu bersamaan. Dachlan (2014:1-2) mendefiniskan model persamaan struktural (Structural Equation Modeling) sebagai salah satu teknik multivariat yang digunakan untuk menguji teori mengenai sekumpulan relasi antar sejumlah variabel secara simultan, dengan maksud relasi antara satu atau beberapa variabel independen denga satu atau beberapa variabel dependen. Dalam relasi yang kompleks, beberapa variabel dependen menjadi variabel independen dalam relasi lanjutannya.

Menurut Latan (2012:6), apabila suatu model penelitian menggunakan beberapa variabel independen dan variabel dependen serta menambahkan variabel moderating maupun intervening ke dalam model, maka persoalannya akan menjadi rumit karena harus menggunakan beberapa persamaan regresi untuk menyelesaikannya, sehingga dibutuhkan teknik analisis lain yang lebih komprehensif. Untuk menjawab persoalan tersebut, maka teknik analisis yang dimaksud adalah model persamaan struktural (Structural Equation Modeling/SEM). Lebih lanjut penulis menyebutkan bahwa SEM memampukan peneliti untuk:

  • Membangun model penelitian dengan banyak variabel;
  • Dapat meneliti variabel atau Variabel yang tidak teramati atau tidak dapat diukur secara langsung (unobserved variables);
  • Menguji kesalahan pengukuran (measurement error) untuk variabel atau Variabel yang teramati (observed variables);
  • Mengkonfirmasi teori sesuai dengan data penelitian (Confirmatory Factor Analysis).

Menurut Wiyono (2011:395), Partial Least Square (PLS) adalah salah satu teknik Structural Equation Modeling (SEM) yang dapat digunakan untuk menganalisis variabel laten, variabel indikator, variabel moderator dan kesalahan pengukuran secara langsung. PLS merupakan metode analisis yang dapat diterapkan pada semua skala data, tidak banyak membutuhkan asumsi, serta sampel yang dibutuhkan tidak harus besar. Selain dapat digunakan untuk konfirmasi teori, PLS juga dapat digunakan untuk membangun hubungan yang belum ada landasan teorinya atau untuk pengujian proposisi.

Tujuan PLS adalah membantu peneliti untuk melakukan prediksi. Menurut Ghozali (2006) teradapat tiga kategori estimasi parameter yang didapat dengan PLS. Pertama, weight estimate yang digunakan untuk menciptakan skor variabel laten. Kedua, untuk mencerminkan estimasi jalur (path estimate) yang menghubungkan variabel laten dan antar variabel laten dan indikatornya (loading). Ketiga, Means dan lokasi parameter (nilai konstanta regresi) untuk indikator dan variabel laten. Untuk memperoleh ketiga estimasi ini, PLS menggunakan proses iterasi 3 tahap dan setiap tahap iterasi menghasilkan estimasi untuk inner model dan outer model, dan tahap ketiga menghasilkan estimasi means dan lokasi. Di dalam PLS terdapat dua model yaitu outer model dan inner model.

Penelitian ini menggunakan model indikator reflektif yang berarti bahwa arah kausalitas dari variabel menuju indikator penelitian, sehingga variabel menjelaskan varian pengukurannya (Abdillah dan Hartono, 2015:20). Model pendekatan reflektif memiliki dua fokus, yaitu model pengukuran atau outer model dan model structural ata innrer model (Hair, 2014:96). Menurut Ghozali (2006) Outer model atau disebut juga model pengukuran dapat digunakan sebagai penguji sejauh mana indikator tersebut dapat menjelaskan variabel latennya. Outer model digunakan untuk mengevaluasi validitas dan reliabilitas penelitian. Terdapat empat tahapan dalam pendekatan reflektif yaitu Indicator Reliability, Internal Consistency (Composite Reliability), Convergent Validity (Average Variance Extracted (AVE)) dan Discriminant Validity (Hair, 2014:97).

Sedangkan inner model pada prinsipnya bertujuan untuk menguji bagaimana pengaruh antara satu variabel laten dengan variabel laten lainnya (Hair, 2014:116). Dalam penelitian ini dilakukan pengujian inner model dengan cara memperlihatkan nilai R² atau Confficient Of Determinant pada variabel laten endogen dan Predictive Relevance (Q²). Berikut kriteria yang digunakan sebagai batasan dalam outer model dan inner model pada penelitian ini.

Outer Model (Uji Indikator)

  • Indicator Reliability

Garson (2016:60) menjelaskan bahwa untuk pengukuran model yang baik, path loading atau outer loading  harus berada di atas 0,7.

  • Internal Consistency (Composite Reliability)

Tahap ini digunakan untuk mengukur reliabilitas variabel. Kriteria pada evaluasi ini yaitu nilai composite reliability > 0,70 sehingga suatu variabel dapat dikatakan reliabel (Hair et al., 2014:102).

  • Convergent Validity

Pada tahap convergent validity, diukur dengan nilai Average Vriance Extracted (AVE) dengan kriteria apabila nilai AVE > 0,50 maka variabel memenuhi kriteria atau dapat menjelaskan lebih dari setengah varians indikatornya (Hair et al., 2014:103)

  • Discriminant Validity

Pada tahap pengujian ini, nilai akar kuadrat AVE masing-masing variabel harus lebih besar dari nilai AVE variabel tersebut sehingga dapat dinyatakan valid (Hair et al., 2014:105).

Inner Model (Uji Hipotesis)

  • R2adj untuk variabel laten endogen

Nilai yang digunakan adalah R²adj yang didapat setelah melalui proses bootstrapping dengan rekomendasi 5000 subsampel. Hair (2014:176) mengatakan penggunaan R²adj dilakukan untuk menghundari bias akibat penggunaan model yang kompleks.

  • Koefisien parameter (path coefficient) dan t-statistics

Menurut Hair et al., nilai path coefficient pada inner model menunjukkan tingkat signifikansi dalam pengujian hipotesis. Skor t-statistics pada path coefficient harus berada di atas nilai 1,96 untuk hipotesis two-tailed dan di atas 1,65 untuk hipotesis one-tailed dengan nilai alpha 5% (Abdillah dan Jogiyanto, 2015:197).

  • Pengujian Hipotesis

Pengujian hipotesis merupakan suatu prosedur berdasarkan bukti sampel dan teori probabilitas untuk menentukan apakah suatu hipotesis merupakan pernyataan yang masuk akal (Lind, Maretal, dan Wathen, 2007:377). Menurut Abdillah dan Hartono (2015), nilai path coefficient menununjukkan tingkat signifikansi dalam pengujian hipotesis. Lebih lanjut oleh penulis bahwa nilai path coefficient  yang ditunjukkan oleh nilai t-statistics, harus di atas 1,96 untuk hipotesis two-tailed dan di atas 1,645 untuk hipotesis one-teiled. Pengujian hipotesis dalam penelitian ini tergolong pengujian hipotesis one-tailed test dan menggunakan right-tailed test karena berdasarkan studi literatur dan penelitian terdahulu, pengujian hipotesis untuk variabel-variabel UTAUT 2 memiliki arah positif. Pada penelitan ini besarnya taraf signifikansi yang digunakan (α) adalah 5%, yang artinya peneliti percaya bahwa 95% dari keputusan adalah benar. Gambar 3.2 disajikan untuk menunjukkan daerah penolakan H0 dengan one-tailed test untuk nilai α 0.05:

Gambar 3. 2 Daerah Penolakan H0 pada One-Tailed Test

Sumber: Hasil Olahan Peneliti

Pada Gambar 3.2 terdapat wilayah arsiran yang menandakan wilayah penolakan H0 dengan nilai kritis 1.645 (dibulatkan menjadi 1.645). Artinya, jika nilai t-statistics atau t-value penelitian > 1.645 maka H0 akan ditolak. Namun jika nilai t-value penelitian ≤ 1.645, maka H0 akan diterima. Tingkat signifikansi yang dipenuhi oleh t-value variabel penelitian ini dilihat dari nilai maksimal yang mampu dicapai t-value variabel tersebut. Berikut adalah pengujian hipotesis pada penelitian ini:

H0 diterima jika nilai t ≤ 1.645 (H0: t ≤ 1.645)

H1 diterima jika nilai t > 1.645 (H1: t > 1.645)

Pengujian Hipotesis 1

H0   : Performance Expectancy tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H1   : Performance Expectancy berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 1a

H0   : Pengaruh Performance Expectancy terhadap Behavioral Intention tidak dimoderasi oleh Age

H1   : Pengaruh Performance Expectancy terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 1b

H0   : Pengaruh Performance Expectancy terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Performance Expectancy terhadap Behavioral Intention dimoderasi oleh Gender

Pengujian Hipotesis 2

H0   : Effort Expectancy tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H1   : Effort Expectancy berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 2a

H0   : Pengaruh Effort Expectancy terhadap Behavioral Intention tidak dimoderasi oleh Age

H1   : Pengaruh Effort Expectancy terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 2b

H0 : Pengaruh Effort Expectancy terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Effort Expectancy terhadap Behavioral Intention dimoderasi Gender

Pengujian Hipotesis 3

H0   : Social Influence tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H1 : Social Influence berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 3a

H0   : Pengaruh Social Influence terhadap Behavioral Intention tidak dimoderasi oleh Age

H1   : Pengaruh Social Influence terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 3b

H0   : Pengaruh Social Influence terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Social Influence terhadap Behavioral Intention dimoderasi oleh Gender

Pengujian Hipotesis 4

H0   : Facilitating Conditions tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H0   : Facilitating Conditions berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 4a

H0   : Pengaruh Facilitating Conditions terhadap Behavioral Intention tidak dimoderasi oleh Age

H1   : Pengaruh Facilitating Conditions terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 4b

H0   : Pengaruh Facilitating Conditions terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Facilitating Conditions terhadap Behavioral Intention dimoderasi oleh Gender

Pengujian Hipotesis 5

H0   : Hedonic Motivation tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H1   : Hedonic Motivation berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 5a

H0   : Pengaruh Hedonic Motivation terhadap Behavioral Intention tidak dimoderasi oleh Age

H1 : Pengaruh Hedonic Motivation terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 5b

H0   : Pengaruh Hedonic Motivation terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Hedonic Motivation terhadap Behavioral Intention dimoderasi oleh Gender

Pengujian Hipotesis 6

H0   : Price Value tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H1   : Price Value berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 6a

H0   : Pengaruh Price Value terhadap Behavioral Intention tidak dimoderasi oleh Age

H1   : Pengaruh Price Value terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 6b

H0   : Pengaruh Price Value terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Price Value terhadap Behavioral Intention dimoderasi oleh Gender

Pengujian Hipotesis 7

H0   : Habit tidak berpengaruh positif dan signifikan terhadap Behavioral Intention

H1   : Habit berpengaruh positif dan signifikan terhadap Behavioral Intention

Pengujian Hipotesis 7a

H0   : Pengaruh Habit terhadap Behavioral Intention tidak dimoderasi oleh Age

H1   : Pengaruh Habit terhadap Behavioral Intention dimoderasi oleh Age

Pengujian Hipotesis 7b

H0   : Pengaruh Habit terhadap Behavioral Intention tidak dimoderasi oleh Gender

H1   : Pengaruh Habit terhadap Behavioral Intention dimoderasi oleh Gender

Pengujian Hipotesis 8

H0   : Facilitating Conditions tidak berpengaruh positif dan signifikan terhadap Use Behavior

H1   : Facilitating Conditions berpengaruh positif dan signifikan terhadap Use Behavior

Pengujian Hipotesis 8a

H0   : Pengaruh Facilitating Conditions terhadap Use Behavior tidak dimoderasi oleh Age

H1   : Pengaruh Facilitating Conditions terhadap Use Behavior dimoderasi oleh Age

Pengujian Hipotesis 9

H0   : Habit tidak berpengaruh positif dan signifikan terhadap Use Behavior

H1   : Habit berpengaruh positif dan signifikan terhadap Use Behavior

Pengujian Hipotesis 9a

H0 : Pengaruh Habit terhadap Use Behavior tidak dimoderasi oleh Age

H1 : Pengaruh Habit terhadap Use Behavior dimoderasi oleh Age

Pengujian Hipotesis 9b

H0   : Pengaruh Habit terhadap Use Behavior tidak dimoderasi oleh Gender

H1   : Pengaruh Habit terhadap Use Behavior dimoderasi oleh Gender

Pengujian Hipotesis 10

H0   : Behavioral Intention tidak berpengaruh positif dan signifikan terhadap Use Behavior

H1   : Behavioral Intention berpengaruh positif dan signifikan terhadap Use Behavior

Contoh ringkasan jurnal dari riset Zati woro bisa di akses di:

Technological Adoption For The Online System Of Public Aspirations And Complaints Service (Lapor) In Bandung City

Adoption Of Technology On The Assessment Information System Application Of Bandung Juara (Sip Bdg Juara) Using Modified UTAUT 2 Model