Syntax Idea: p�ISSN: 2684-6853 e-ISSN: 2684-883X�����
Vol. 3, No. 4, April 2021
ANALISIS PENERIMAAN APLIKASI INDRIVER DENGAN MENGGUNAKAN
PENDEKATAN MODIFIED TECHNOLOGY ACCEPTANCE MODEL
Bonny Hendrawan, Tomi Hartanto dan Sendy Wulansari
Universitas Budi Luhur Jakarta, Indonesia
Email:
[email protected], [email protected] dan
[email protected]
Abstract
This research is based on testing whether the price that can not be done,
the card, the numbered reading power and usefulness are bernyimat and intention
for the user of the system in the applicationdriver. The Indriver Application
System Acceptance analysis uses the exemplary Technology Acceptance click
model. The data is from user applications from 100 indrivers in South Jakarta
with a cavalier online questionnaire. The data analysis was conducted using the
Element-Partial Least Square (SEM-PLS) Compliant Model using SmartPLS3. The
results of the 2020 price price and positive effects and energy on the use of
indriver namedn. Easy pricing has a positive effect but not as low as indriver
price. Plant-based power may have a positive and energizing effect on the user
on the indriver. Its chewing uses are positive effects and energy on indriver
users. The service room has a positive effect and speaks to its obvious uses.
Room service services have a positive effect but not good on users in the year
indriver. User promo users have a positive effect and very intent intention to
driver on on. Located from the results of the study and above, it can be
concluded that the price is positive and wide spread perception perception
statistically.
Keywords: price flexibility; service quality;
perceived ease of use; perceived usefulness; user saisfaction; and
behavioral intention to use
Abstrak
Penelitian
ini bertujuan untuk menguji apakah fleksibilitas harga, kualitas layanan,
kemudahan penggunaan yang dirasakan dan kegunaan yang dirasakan mempengaruhi kepuasan
pengguna dan niat untuk menggunakan sistem aplikasi inDriver. Analisis
penerimaan sistem aplikasi InDriver menggunakan pendekatan Model Penerimaan teknologi yang dimodifikasi.
Data tersebut diperoleh dari 100 pengguna aplikasi indriver di Jakarta Selatan
dengan mendistribusikan kuesioner online. Analisis data dilakukan menggunakan model
persamaan struktural Partial Least Square (SEM-PLS) menggunakan
SmartPLS3. Hasil penelitian menunjukkan bahwa fleksibilitas harga memiliki efek
positif dan signifikan pada kemudahan penggunaan inDriver yang dirasakan.
Fleksibilitas harga memiliki efek positif tetapi tidak signifikan pada kepuasan
pengguna inDriver. Kemudahan penggunaan yang dirasakan memiliki efek positif dan
signifikan pada kepuasan pengguna inDriver. Kegunaan yang dirasakan memiliki efek
positif dan signifikan pada kepuasan pengguna inDriver. Kualitas layanan
memiliki efek positif dan signifikan pada kegunaan yang dirasakan. Kualitas
layanan memiliki efek positif tetapi tidak signifikan pada kepuasan pengguna inDriver.
Kepuasan pengguna memiliki efek positif dan signifikan pada niat perilaku untuk
digunakan pada driver. Berdasarkan hasil penelitian dan pembahasan
di atas, dapat disimpulkan bahwa fleksibilitas harga berpengaruh positif dan
signifikan terhadap persepsi kemudahan secara statistik diterima.
Kata Kunci: fleksibilitas harga; kualitas layanan; kemudahan penggunaan yang dirasakan; kegunaan perceived; tindakan atisf pengguna; niat perilaku untuk andase
Pendahuluan
Inovasi teknologi berkembang dengan pesat
hampir di semua sektor, tidak terkecuali pada sektor transportasi umum seperti
ojek dan taksi. Bukti inovasi dalam bidang bisnis transportasi ojek dan taksi
tersebut adalah dengan munculnya operator online
ride-sharing dengan mentransformasi layanan ojek dan taksi secara online (Magfiroh,
2019). �Hal ini juga sebagai bukti bahwa perintis
bisnis (start up) di Indonesia mampu
berinovasi dengan baik. Perubahan ini menjadi contoh bagaimana sistem sharing economy atau ekonomi berbagi
berbasis teknologi telah muncul dan mewabah di masyarakat. Sistem sharing economy memungkinkan seseorang
untuk meminjam ataupun menyewakan aset yang dimiliki, termasuk dalam hal ini
meminjamkan tenaga dan kendaraan dalam wujud jasa online ride-sharing (Hastuti
et al., 2020).
Fenomena munculnya jasa online ride-sharing mampu menciptakan
lapangan-lapangan kerja baru untuk masyarakat di kota besar seluruh dunia (Flores & Rayle, 2017) ditambah dengan
tawaran pendapatan yang menarik bagi yang berminat untuk menjadi mitra di
dalamnya (Dong, Wang, Li, & Zhang, 2018).
Tidak dapat dipungkiri bahwa munculnya jasa online
ride-sharing memunculkan lapangan-lapangan kerja baru untuk masyarakat di
kota besar seluruh dunia (Flores
& Rayle, 2017) ditambah dengan tawaran
pendapatan yang menarik bagi yang berminat untuk menjadi mitra di dalamnya (Dong
et al., 2018). Kemunculan operator
transportasi online ride-sharing ini sukses untuk menarik berbagai
kalangan, mulai tukang ojek pangkalan hingga pegawai swasta, untuk terlibat
dalam bisnis ini. Jasa transportasi online ride-sharing sangat menolong
bagi masyarakat, tidak hanya dari segi layanan yang memudahkan bagi pelanggan,
melainkan juga karena jasa transportasi online ride-sharing mampu
membuka lapangan kerja baru bagi masyarakat yang membutuhkan
Kemunculan operator transportasi online ride-sharing ini sukses menarik
perhatian mulai
dari tukang ojek pangkalan hingga pegawai swasta terlibat dalam bisnis ini.
Jasa transportasi online ride-sharing
sangat membantu masyarakat tidak hanya dari segi layanan yang memudahkan bagi
pelanggan, melainkan juga karena jasa transportasi online ride-sharing mampu membuka lapangan kerja baru bagi masyarakat
yang membutuhkan (Wibawa, Rahmawati, & Rainaldo, 2018).
Salah satu aplikasi ride sharing yang beroperasi di Indonesia adalah indriver, layanan ini baru
beroperasi tahun ini di Indonesia (Fatihah,
2020). InDriver sendiri
bukanlah perusahaan asli Indonesia, melainkan dari Rusia. InDriver bermula di
kota Yakutsk, Siberia. Pada tahun 2012, cuaca yang dingin mencapai -45� membuat
biaya tarif taksi
menjadi mahal hingga dua kali lipat. Untuk mensiasati tarif yang tinggi
tersebut, beberapa warga dan mahasiswa berinisiatif membuat grup
pengemudi independen di jejaring sosial Vkontakte. Dalam enam bulan, grup
tersebut telah diikuti sebanyak 60.000 orang dan terus berkembang denga pesat.
Hingga akhirnya terbentuklah indriver yang saat ini telah hadir di lebih dari 450
kota di 32 negara.
Sumber: https://kumparan.com/karjaid/mengenal-indriver-pesaing-baru-gojek- and-grab-1sCtgTXz3Nn/ full, diakses 27 Desember 2020
Gambar
1
�InDriver: 10 Besar
Aplikasi Ridesharing
Berdasarkan gambar di atas menunjukkan bahwa sistem aplikasi InDriver
memperoleh penerimaan yang luas di dunia. Mengingat sistem aplikasi InDriver relatif baru di Indonesia, maka perlu dilakukan analisis dan pengujian terkait dengan
penerimaan sistem aplikasi tersebut oleh penggunanya. Dimensi apa saja yang
menjadi keunggulan sistem aplikasi InDriver dibandingkan dengan pendahulunya seperti
Uber, Grab dan Gojek yang juga menawarkan jasa transportasi ride sharing
berbasis online. Salah satu fitur yang menonjol yang ditawarkan oleh InDriver
adalah fleksibilitas harga, dimana konsumen adalah penentu akhir layanan yang
dipilih.
Sebuah sistem aplikasi yang akan diimplementasikan
dan digunakan oleh pengguna akhir (user)
perlu diuji terkait dengan apakah sistem tersebut secara efektif dan efisien
dapat diterima oleh penggunanya (Budiman & Arza, 2013). Pengujian penerimaan (acceptance) terhadap sebuah teknologi informasi atau sistem dapat
menggunakan beberapa macam teori ditinjau dari sudut pandang yang berbeda.
Terdapat beberapa teori dan model telah diajukan selama bertahun-tahun untuk
menjelaskan perilaku penggunaan individu terhadap teknologi (Momani & Jamous, 2017). Dalam tiga dekade tarkhir, teori yang paling
mempengaruhi para peneliti sistem informasi adalah Theory of Acceptance Model (TAM1) yang dikembangkan oleh (Davis, 1989); TAM2 yang diperbaharui oleh (Venkatesh & Davis, 2000); Modified TAM oleh (Venkatesh, Morris, Davis, & Davis, 2003), (Ilmi, Liyundira, Rachmawati, Juliasari, &
Habsari, 2020).
Technology
Acceptance Model (TAM) bertujuan untuk
menjelaskan dan memperkirakan penerimaan (acceptance) pengguna dan
faktor-faktor yang mempenga-ruhi penerimaan terhadap suatu teknologi dalam
suatu organisasi. TAM juga menjelaskan hubungan sebab akibat antara keyakinan
dan perilaku, tujuan atau keperluan, serta penggunaan aktual dari pengguna suatu
sistem informasi. Pendapat dari (Davis, 1989) memberikan penjelasan mengenai dua konsep utama yang
dipercaya dalam penerimaan pengguna yaitu persepsi kemudaham (perceived ease
of use) dan persepsi
kegunaan (perceived usefulness).
Perceived ease of use didefinisikan sebagai tingkat kepercayaan
seseorang bahwa, penggunaan teknologi dan sistem informasi akan mudah dan tidak
membutuhkan usaha yang keras. Perceived usefulness didefinisikan sebagai
tingkat kepercayaan seseorang bahwa, penggunaan sistem informasi meningkatkan
kinerja dalam pekerjaannya. Dalam model TAM, terdapat dua faktor yang
dipertimbangkan yaitu kegunaan (usefulness)
dan kemudahan penggunaan (ease of use)
yang dianggap relevan dalam perilaku penggunaan komputer. Pendapat dari (Davis, 1989) mendefinisikan mengenai kegunaan yang dirasakan sebagai
kemungkinan subjektif calon pengguna bahwa menggunakan sistem aplikasi tertentu
akan meningkatkan pekerjaan atau kinerja hidupnya. Kemudahan penggunaan EOU (Eastern
Oregon University) dapat didefinisikan sebagai sejauh mana calon pengguna mengharapkan
sistem target bebas dari usaha. Menurut TAM, kemudahan penggunaan dan kegunaan
yang dirasakan adalah determinan terpenting dari penggunaan sistem yang
sebenarnya. Kedua faktor tersebut dipengaruhi oleh variabel eksternal.
Beberapa fitur unggulan inDriver
dibandingkan kompetitor antara lain: aplikasi inDriver hanya membutuhkan satu
aplikasi saja bagi para penggunanya. Aplikasi inDriver dapat digunakan bagi
mitra pengemudi maupun penumpang. Pengemudi tidak perlu menginstal aplikasi
khusus untuk para pengemudi. InDriver tidak melayani layanan antar menggunakan
motor, melainkan hanya untuk mobil saja. Untuk saat ini, inDriver pun tidak
memberikan pelayanan pengantaran barang ataupun pembelian makanan seperti Gojek
maupun Grab. Fleksibilitas harga, layanan inilah yang menjadi keunggulan InDriver.
Penumpang dapat memasang penawaran tarif antar untuk tujuan yang dituju. Kemudian,
beberapa pilihan pengemudi dengan kisaran tarif yang sesuai akan muncul.
Barulah penumpang akan memilih pengemudi yang akan mengantar. Beberapa fitur
inilah yang dipertimbangkan untuk dianalisis dalam konteks penerimaan (acceptance) sistem aplikasi dengan
pendekatan Modified Technology Acceptance
Model (M-TAM). Penelitian ini perlunya dilakukan supaya mampu mengukur hasil
dari penggunaan aplikasi InDriver dengan menggunakan pendekatan modified technology acceptance model.
Penelitian terdahulu
mengenai online ride-sharing pada aplikasi InDriver sama halnya dengan
penelitian yang dilakukan oleh (Wibawa et al.,
2018) mengenai industri online-ride sharing di Indonesia cukup menarik untuk dikembangkan di
masa depan karena jumlah pelanggan �yang
belum mencapai titik maksimal, terlebih industri ini dapat menawarkan
diferensiasi produk yang sangat bervariasi.
Berdasarkan fenomena dan latar belakang di atas,
tujuan dari penelitian ini adalah menguji apakah fleksibilitas harga (price flexibility), kualitas layanan (service quality), persepsi kemudahan (perceived ease of use) dan persepsi
kegunaan (perceived usefulness) berpengaruh terhadap kepuasan pengguna (customers satisfaction) dan niat untuk
menggunakan (behavioral intention to use)
sistem aplikasi Indriver.
Metode Penelitian
Data penelitian ini diperoleh dari 100 responden
pengguna aplikasi inDriver di wilayah Jakarta Selatan. Metode penentuan sampel
dengan menggunakan quota sampling untuk memenuhi kecukupan data dalam analisis.
Kuisioner dibagikan secara daring (online) kepada pengguna sistem
aplikasi indriver di
Jakarta Selatan. Pengukuran indikator untuk seluruh konstruks menggunakan 5
points Likert Scale. Indikator dan konstruk yang digunakan dalam
penelitian dapat dilihat pada Tabel 1.
Tabel 1
Konstruk,Indikator dan Acuan
|
Konstruk |
Indikator |
Sumber |
|
Fleksibilitas Harga |
1. Harga berdasarkan kesepakatan
pengguna dan driver 2. Harga termurah dibandingkan pesaing 3. Pengguna sebagai penentu akhir
harga yang dipilih |
Fitur utama inDriver |
|
Persepsi Kemudahan |
1. Mudah dipelajari |
(Davis,
1989); (Venkatesh
& Davis, 2000); (Venkatesh
et al., 2003) |
|
2. Mempermudah penggunaan |
||
|
3. Meningkatkan keterampilan |
||
|
4. Mudah dioperasikan |
||
|
Persepsi Kegunaan |
1. Bermanfaat |
(Davis, 1989); (Venkatesh
& Davis, 2000); (Venkatesh
et al., 2003) |
|
2. Efisien |
||
|
3. Masa tunggu sebentar |
||
|
4. Efektif |
||
|
Kualitas Layanan |
1. Bukti Fisik (Tangible) |
Service Quality (Parasuraman,
1998) |
|
2. Keandalan (Reliability) |
||
|
3. Ketanggapan (Responsiveness) |
||
|
4. Jaminan Kepastian (Assurance) |
||
|
5. Empathy (Empati) |
||
|
Kepuasan Pengguna |
1. Kecepatan mendapatkan pengemudi |
Kepuasan Pelanggan (Ciptono, 2014) |
|
2. Harga atau biaya yang wajar |
||
|
3. Sopan santun pengemudi |
||
|
4. Kemdahan penggunaan aplikasi |
||
|
Niat Perilaku Pengguna |
1. Minat Transaksional |
Niat pembelian ulang (Mahardika
2017) |
|
2. Minat Referensial |
||
|
3. Minat Preferensial |
||
|
4. Minat Exploratif |
||
|
5. Minat� berkaitan Kualitas |
Hasil dan Pembahasan
1.
Deskripsi
Responden
Berdasarkan data
yang diperoleh dan hasil analsisis statistik deskriptif, dibawah ini disajikan
karakteristik responden berdasarkan jenis kelamin, kelompok usia dan jenjang
pendidikan. Hasil selengkapnya dapat dilihat pada tabel-tabel di bawah ini:
Tabel 1
Karakteristik Responden Berdasarkan
Jenis Kelamin, Kelompok
Usia dan Jenjang Pendidikan
|
|
Frequency |
Percent |
Valid Percent |
Cumulative Percent (%) |
|
|
|
|||||
|
Valid |
Laki-laki |
56 |
56.0 |
56.0 |
56.0 |
|
Perempuan |
44 |
44.0 |
44.0 |
100.0 |
|
|
Total |
100 |
100.00 |
100.0 |
|
|
|
Kelompok Usia |
|||||
|
Valid |
<20 Tahun |
19 |
19.0 |
19.0 |
19.0 |
|
21 � 30 Tahun |
43 |
43.0 |
43.0 |
62.0 |
|
|
31 � 40 Tahun |
26 |
26.0 |
26.0 |
88.0 |
|
|
>40 Tahun |
18 |
12.0 |
12.0 |
100.0 |
|
|
Total |
100 |
100.0 |
100.0 |
|
|
|
Jenjang Pendidikan |
|||||
|
Valid |
SMA Sederajat |
20 |
20.0 |
20.0 |
20.0 |
|
Diploma |
32 |
32.0 |
32.0 |
52.0 |
|
|
S1 |
40 |
40.0 |
40.0 |
92.0 |
|
|
Pascasarjana |
8 |
8.0 |
8.0 |
100.0 |
|
|
Total |
100 |
100.0 |
100.0 |
|
|
Sumber: Data Penelitian 2021; Diolah dengan SPSS 25.0
2.
Pengujian
Model Struktural
Pengujian model
struktural dilakukan dengan menggunakan Structural
Equation Model-Partial Least Squares (SEM-PLS). Dalam
penelitian ini, seluruh hipotesis yang diajukan dalam penelitian diuji secara
simultan. Hasil uji SEM-PLS terhadap model struktural analisis penerimaan
sistem aplikasi inDriver: Pendekatan Modified
Technology Acceptance Model dapat dilihat pada Gambar 4 di bawah ini.
Gambar 2
Model Struktural Analisis Penerimaan Sistem Aplikasi indriver
Untuk penelitian
exploratory, suatu indikator dinyatakan valid jika mempunyai
loading� faktor di atas 0,5
terhadap konstruk yang dituju. Outer loading untuk masing-masing indikator
dalam setiap konstruk� dapat dilihat pada
tabel di bawah ini.
Tabel 2
Outer Loading Factor Konstruks Penelitian
|
|
Fleksibilitas Harga |
Persepsi Kemudahan |
Persepsi Kegunaan |
Kualitas Layanan |
Kepuasan Pengguna |
Niat Perilaku |
|
Flexi01 |
0.859 |
|
|
|
|
|
|
Flexi02 |
0.849 |
|
|
|
|
|
|
Flexi03 |
0.615 |
|
|
|
|
|
|
Mudah01 |
|
0.684 |
|
|
|
|
|
Mudah02 |
|
0.725 |
|
|
|
|
|
Mudah03 |
|
0.587 |
|
|
|
|
|
Mudah04 |
|
0.558 |
|
|
|
|
|
Guna01 |
|
|
0.783 |
|
|
|
|
Guna02 |
|
|
0.649 |
|
|
|
|
Guna03 |
|
|
0.717 |
|
|
|
|
Guna04 |
|
|
0.617 |
|
|
|
|
Kuali01 |
|
|
|
0.680 |
|
|
|
Kuali02 |
|
|
|
0.647 |
|
|
|
Kuali03 |
|
|
|
0.754 |
|
|
|
Kuali04 |
|
|
|
0.841 |
|
|
|
Kuali05 |
|
|
|
0.797 |
|
|
|
Puas01 |
|
|
|
|
0.708 |
|
|
Puas02 |
|
|
|
|
0.789 |
|
|
Puas03 |
|
|
|
|
0.816 |
|
|
Puas04 |
|
|
|
|
0.797 |
|
|
Niat01 |
|
|
|
|
|
0.762 |
|
Niat02 |
|
|
|
|
|
0.579 |
|
Niat03 |
|
|
|
|
|
0.783 |
|
Niat04 |
|
|
|
|
|
0.787 |
|
Niat05 |
|
|
|
|
|
0.775 |
Sumber: Data Penelitian 2021; Diolah dengan SPSS 25.0
Berdasarkan
tabel di atas, nilai loading factor untuk setiap indikator dalam konstruks
penelitian yang disarankan adalah diatas 0.7, untuk penelitian ekplanatory,
dan 0.6 untuk penelitian eksploratory. Berdasarkan hasil analisis di
atas model structural perlu dimodifikasi.
Gambar 3
T Statistik Model Struktural
Analisis Penerimaan
Sistem Aplikasi in Driver
setelah Modifikasi
Uji reliabilitas
dilakukan dengan melihat nilai composite reliability dari blok indikator
yang mengukur konstruk. Untuk keperluan confirmatory, model dianggap reliable
dan memuaskan jika nilai� composite
reliability� di atas 0,7. Uji
reliabilitas juga bisa diperkuat dengan Cronbach�s Alpha dengan nilai
yang disarankan adalah di atas 0,6. Metode lain untuk melihat validitas
konvergen (discriminant validity) adalah juga ditunjukkan dengan melihat
nilai Square Root of Average Variance
Extracted (AVE). Nilai yang disarankan adalah di atas 0,5.
Setelah model
yang diestimasi memenuhi kriteria Outer Model, berikutnya dilakukan pengujian
model structural (inner model). dapat dilihat dalam Tabel 2.
Tabel 3
Reliability & Average
Variance Extracted
|
Konstruks |
Cronbach�s Alpha |
Composite Reliability |
Average Variance Extracted (AVE) |
|
Fleksibilitas Harga |
0.820 |
0.917 |
0.847 |
|
Persepsi Kemudahan |
0.414 |
0.770 |
0.628 |
|
Persepsi Kegunaan |
0.566 |
0.820 |
0.695 |
|
Kualitas Layanan |
0.798 |
0.875 |
0.613 |
|
Kepuasan Pengguna |
0.785 |
0.860 |
0.607 |
|
Niat Perilaku Pengguna |
0.792 |
0.865 |
0.615 |
Sumber: Data Penelitian 2021; Diolah dengan SPSS 25.0
Besaran loading factor pengaruh satu konstruk
terhadap konstruk lainnya tercermin dari original sampel. Semakin besar nilai loading
factor menunjukkan semakin besar pula pengaruh satu konstruk terhadap
konstruk lainnya. Signifikansi hubungan antar konstruk tercermin dari nilai tstatistic
atau thitung dapat dilihat dalam tabel 3 di bawah ini.
Tabel 4
Inner Loading Factor
Hubungan Antar Konstruks
|
|
|
|
Original Sample (O) |
Sample Mean (M) |
Standard Deviation |
T Statistic |
P Values |
|
Fleksibilitas Harga |
-> |
Persepsi Kemudahan |
0.457 |
0.463 |
0.081 |
5.637 |
0.000 |
|
Fleksibilitas Harga |
-> |
Kepuasan Pengguna |
0.113 |
0.114 |
0.121 |
0.936 |
0.350 |
|
Persepsi Kemudahan |
-> |
Persepsi Kegunaan |
0.330 |
0.340 |
0.113 |
2.925 |
0.004 |
|
Persepsi Kemudahan |
-> |
Kepuasan Pengguna |
0.274 |
0.281 |
0.130 |
2.116 |
0.035 |
|
Kualitas Layanan |
-> |
Persepsi Kegunaan |
0.384 |
0.376 |
0.113 |
3.387 |
0.001 |
|
Kualitas Layanan |
-> |
Kepuasan Pengguna |
0.027 |
0.033 |
0.126 |
0.211 |
0.833 |
|
Persepsi Kegunaan |
-> |
Kepuasan Pengguna |
0.331 |
0.318 |
0.103 |
3.211 |
0.001 |
|
Kepuasan Pengguna |
-> |
Niat Perilaku Pengguna |
0.625 |
0.631 |
0.075 |
8.345 |
0.000 |
Sumber: Data Penelitian 2021; Diolah dengan SPSS 25.0
3.
Pengujian
Hipotesis
Pengujian
hipotesis dilakukan dengan membandingkan nilai TStatistic dan nilai Probability
(p) dari perhitungan Full Model Structural.
Batasan statistik yang disyaratkan untuk confidence
interval 95% atau alpha 5% untuk
masing nilai TStatistic adalah dibawah -1.96 atau nilai TStatistic
di atas 1.96 dan nilai p dibawah 0.05. Apabila hasil pengujian menunjukkan
nilai yang memenuhi batasan tersebut, maka hipotesis yang diajukan diterima.
Berdasarkan
hasil pengujian hipotesis sebagaimana dapat dilihat pada tabel 3 di atas,
pengujian hipotesis dalam penelitian dapat dijelaskan sebagai berikut:
Hipotesis 1
menyatakan bahwa fleksibilitas harga berpengaruh positif dan signifikan
terhadap persepsi kemudahan memiliki loading
factor sebesar 0.457 dengan nilai thitung sebesar 5.637 dengan pvalue sebesar 0.000. Dengan demikian
hipotesis 1 yang menyatakan bahwa fleksibilitas harga berpengaruh positif dan
signifikan terhadap persepsi kemudahan secara statistik diterima.
Hipotesis 2
menyatakan bahwa fleksibilitas harga berpengaruh positif dan signifikan
terhadap kepuasan pengguna memiliki loading
factor sebesar 0.113 dengan nilai thitung sebesar 0.936 dengan pvalue
sebesar 0.350. Dengan demikian hipotesis 2 yang menyatakan bahwa fleksibilitas
harga berpengaruh positif dan signifikan terhadap kepuasan pengguna secara
statistik ditolak.
Hipotesis 3
menyatakan bahwa persepsi kemudahan berpengaruh positif dan signifikan terhadap
persepsi kegunaan memiliki loading factor
sebesar 0.330 dengan nilai thitung sebesar 2.925 dengan pvalue
sebesar 0.004. Dengan demikian hipotesis 3 yang menyatakan bahwa persepsi
kemudahan berpengaruh positif dan signifikan terhadap persepsi kegunaan secara
statistik diterima.
Hipotesis 4
menyatakan bahwa persepsi kemudahan berpengaruh positif dan signifikan terhadap
kepuasan pengguna memiliki loading factor
sebesar 0.274 dengan nilai thitung sebesar 2.116 dengan pvalue
sebesar 0.035. Dengan demikian hipotesis 4 yang menyatakan bahwa persepsi
kemudahan berpengaruh positif dan signifikan terhadap kepuasan pengguna secara
statistik diterima.
Hipotesis 5
menyatakan bahwa kualitas layanan berpengaruh positif dan signifikan terhadap
persepsi kegunaan memiliki loading factor
sebesar 0.384 dengan nilai thitung sebesar 3.387 dengan pvalue
sebesar 0.001. Dengan demikian hipotesis 5 yang menyatakan bahwa kualitas
layanan berpengaruh positif dan signifikan terhadap persepsi kegunaan secara
statistik diterima.
Hipotesis 6
menyatakan bahwa kualitas layanan berpengaruh positif dan signifikan terhadap
kepuasan pengguna memiliki loading factor
sebesar 0.027 dengan nilai thitung sebesar 0.211 dengan pvalue
sebesar 0.833. Dengan demikian hipotesis 6 yang menyatakan bahwa kualitas
layanan berpengaruh positif dan signifikan terhadap kepuasan pengguna secara
statistik ditolak.
Hipotesis 7
menyatakan bahwa persepsi kegunaan berpengaruh positif dan signifikan terhadap
kepuasan pengguna memiliki loading factor
sebesar 0.331 dengan nilai thitung sebesar 3.211 dengan pvalue
sebesar 0.001. Dengan demikian hipotesis 7 yang menyatakan bahwa persepsi
kegunaan berpengaruh positif dan signifikan terhadap kepuasan pengguna secara
statistik diterima.
Hipotesis 8 menyatakan
bahwa kepuasan pengguna berpengaruh positif dan signifikan terhadap niat perilaku
pengguna memiliki loading factor
sebesar 0.625 dengan nilai thitung sebesar 8.345 dengan pvalue
sebesar 0.000. Dengan demikian hipotesis 8 yang menyatakan bahwa kepuasan pengguna
berpengaruh positif dan signifikan terhadap niat perilaku pengguna secara
statistik diterima.
Secara ringkas
hasil pengujian dan pembuktian seluruh hipotesis yang diajukan dalam penelitian
ini dapat dilihat pada tabel di bawah ini.
Tabel 5
Ringkasan Pengujian
Hipotesis
|
Hipotesis |
|
|
|
Original Sample (O) |
Sample Mean (M) |
Standard Deviation |
T Statistic |
P Values |
Ket |
|
1 |
Fleksibilitas Harga |
> |
Persepsi Kemudahan |
0.457 |
0.463 |
0.081 |
5.637 |
0.000 |
Diterima |
|
2 |
Fleksibilitas Harga |
> |
Kepuasan Pengguna |
0.113 |
0.114 |
0.121 |
0.936 |
0.350 |
Ditolak |
|
3 |
Persepi Kemudahan |
> |
Persepsi Kegunaan |
0.330 |
0.340 |
0.113 |
2.925 |
0.004 |
Diterima |
|
4 |
Persepis Kemudahan |
> |
Kepuasan Pengguna |
0.274 |
0.281 |
0.130 |
2.116 |
0.035 |
Diterima |
|
5 |
Kualitas Layanan |
> |
Persepsi Kegunaan |
0.384 |
0.376 |
0.113 |
3.387 |
0.001 |
Diterima |
|
6 |
Kualitas Layanan |
> |
Kepuasan Pengguna |
0.027 |
0.033 |
0.126 |
0.211 |
0.833 |
Ditolak |
|
7 |
Persepsi Kegunaan |
> |
Kepuasan Pengguna |
0.331 |
0.318 |
0.103 |
3.211 |
0.001 |
Diterima |
|
8 |
Kepuasan Pengguna |
> |
Niat Perilaku Pengguna |
0.625 |
0.631 |
0.075 |
8.345 |
0.000 |
Diterima |
Fitur
fleksibilitas harga sebagai fitur unggulan dari inDriver perlu terus dikembangkan
dan dijadikan sebagai competitive advantage dibandingkan dengan
pendahulunya seperti Gojek dan Grab. Sebagai pendatang baru inDriver dituntut
untuk terus mengembangkan kualitas layanan sebagaimana diharapkan oleh pengguna
atau customer. Dalam industri jasa, termasuk layanan transportasi, kualitas
layanan merupakan faktor utama agar jasa yang diberikan dapat diterima dengan
baik oleh pengguna. Hasil penelitian ini mengkonfirmasi beberapa penelitian
terkait dengan layanan jasa transportasi ojek maupun taksi online (Agustin & Khuzaini, 2017); (Pribadi & Kusdibyo, 2019); (Rahman & Dewantara, 2017); (Rahayu, 2018); (Diop, Zhao, & Duy, 2019) bahwa sebagai pendatang
baru di indonesia, inDriver sebenarnya telah beroperasi di wilayah metropolitan
terbesar dengan tingkat persaingan tertinggi. Ini juga beroperasi di kota-kota
kecil dengan populasi antara tujuh hingga delapan ribu penduduk (yang
seringkali memiliki koneksi internet yang sangat lemah dan tidak ada peta). Oleh
karena itu, inDriver terbukti berhasil beradaptasi dengan kebutuhan masyarakat.
Saat ini, inDriver menjadi salah satu dari 5 layanan penumpang internasional
teratas di seluruh dunia. inDriver secara aktif melakukan ekspansi internasional,
memberikan kesempatan kepada banyak pengguna untuk menentukan persyaratan
perjalanan yang optimal dan melindungi mereka dari manipulasi harga.
Terdapat tiga
fitur utama yang merupakan value yang diberikan oleh layanan inDriver, sebagai
berikut:
1. Term yang
transparan, semua ketentuan perjalanan ditentukan selama transaksi instan
antara pengemudi dan penumpang. Ini dilakukan tanpa menggunakan algoritme
tertutup dan ambigu yang tunduk pada manipulasi harga.
2. Biaya selalu
lebih rendah, biaya perjalanan dengan inDriver selalu lebih rendah. Ini karena
model penawaran waktu nyata membantu inDrive menetapkan biaya optimal untuk
penumpang dan pengemudi setiap detik.
3. Pembayaran
langsung, penumpang membayar pengemudi secara langsung (dengan uang tunai atau
dengan kartu). Hal ini memungkinkan inDriver untuk mengurangi biaya dan
mempertahankan tarif yang lebih rendah dalam sistem.
Fleksibilitas harga
yang merupakan fitur unggulan dari inDriver memiliki pengaruh positif dan
signifikan terhadap persepsi kemudahan. Fleksibilitas harga berpengaruh positif
tetapi tidak signifikan terhadap kepuasan pengguna. Fitur fleksibilitas harga
sebagai fitur unggulan dari inDriver perlu terus dikembangkan dan dijadikan
sebagai competitive advantage dibandingkan dengan pendahulunya seperti Gojek
dan Grab.
Kualitas layanan
inDriver memiliki pengaruh positif dan signifikan terhadap persepsi kegunaan
sistem aplikasi ini. Kualitas layanan memiliki pengaruh positif tetapi tidak signifkan
terhadap kepuasan pengguna. Sebagai pendatang baru inDriver dituntut untuk
terus mengembangkan kualitas layanan sebagaimana diharapkan oleh pengguna atau
customer. Dalam industri jasa, termasuk layanan transportasi, kualitas layanan
merupakan faktor utama agar jasa yang diberikan dapat diterima dengan baik oleh
pengguna. Kepuasan pengguna merupakan prediktor utama agar sistem aplikasi
dapat diterima.
Kesimpulan
Berdasarkan hasil penelitian dan
pembahasan di atas, dapat disimpulkan beberapa hal sebagai berikut: Hipotesis 1
yang menyatakan bahwa fleksibilitas harga berpengaruh positif dan signifikan
terhadap persepsi kemudahan secara statistik diterima. 1) Hipotesis 2 yang
menyatakan bahwa fleksibilitas harga berpengaruh positif dan signifikan terhadap
kepuasan pengguna secara statistik ditolak. 2) Hipotesis 3 yang menyatakan
bahwa persepsi kemudahan berpengaruh positif dan signifikan terhadap persepsi
kegunaan secara statistik diterima. 3) Hipotesis 4 yang menyatakan bahwa
persepsi kemudahan berpengaruh positif dan signifikan terhadap kepuasan
pengguna secara statistik diterima. 4) Hipotesis 5 yang menyatakan bahwa
kualitas layanan berpengaruh positif dan signifikan terhadap persepsi kegunaan
secara statistik diterima. 5) Hipotesis 6 yang menyatakan bahwa kualitas
layanan berpengaruh positif dan signifikan terhadap kepuasan pengguna secara
statistik ditolak. 6) Hipotesis 7 yang menyatakan bahwa persepsi kegunaan
berpengaruh positif dan signifikan terhadap kepuasan pengguna secara statistik
diterima. 7) Hipotesis 8 yang menyatakan bahwa kepuasan pengguna berpengaruh
positif dan signifikan terhadap niat perilaku pengguna secara statistik
diterima. Berdasarkan hasil penelitian dan pangujian hipotesis, penelitian ini
memiliki beberapa keterbatasan sebagai berikut: a. Jumlah sampel yang digunakan
dalam penelitian ini relatif kecil (100) responden. Untuk menguji penerimaan sebuah
sistem atau aplikasi diperlukan lebih banyak data untuk mengkonfirmasi ulang
hasil penelitian dengan menggunakan data atau model yang lebih beragam.
Penelitian berikutnya disarankan dapat menggunakan lebih banyak sampel pengguna
aplikasi inDriver dengan cakupan wilayah yang lebih luas dan tidak hanya
terbatas di Jakarta Selatan. b. Model yang dikembangkan dalam penelitian ini
merupakan Modified Technology Acceptance Model dengan hanya menambahkan 2
variabel fleksibilitas harga yang merupakan fitur unggulan aplikasi in Driver
dan kualitas layanan mengingat aplikasi ini berkaitan dengan layanan ride-sharing. Penelitian berikutnya
diharapkan dapat lebih mengeksplorasi model TAM, misalnya dengan menggunakan
TAM3 atau model lain yang dirancang khusus terkait dengan penerimaan teknologi
pada perusahaan jasa khususnya terkait dengan jasa transportasi.
Agustin, Anis, & Khuzaini,
Khuzaini. (2017). Persepsi Masyarakat Terhadap Penggunaan Transportasi Online
(GO-JEK) Di Surabaya. Jurnal Ilmu dan Riset Manajemen
(JIRM), 6(9).Google Scholar
Budiman, Fuad, &
Arza, Fefri Indra. (2013). Pendekatan Technology Acceptance Model dalam
Kesuksesan Implementasi Sistem Informasi Manajamen Daerah. Wahana Riset
Akuntansi, 1(1), 87�110.Google Scholar
Davis, Fred D.
(1989). Perceived usefulness, perceived ease of use, and user acceptance of
information technology. MIS Quarterly, 319�340.Google Scholar
Diop, El Bachir,
Zhao, Shengchuan, & Duy, Tran Van. (2019). An extension of the technology
acceptance model for understanding travelers� adoption of variable message
signs. PLoS One, 14(4), e0216007.Google Scholar
Dong, Yongqi, Wang,
Shuofeng, Li, Li, & Zhang, Zuo. (2018). An empirical study on travel
patterns of internet based ride-sharing. Transportation Research Part C:
Emerging Technologies, 86, 1�22.Google Scholar
Fatihah, Aprilia
Nurul. (2020). TA: Analisis Penerimaan Pengguna Aplikasi Transportasi Online
GoRide dan Grabike Menggunakan Metode UTAUT di Kota Surabaya. Universitas
Dinamika.Google Scholar
Flores, Onesimo,
& Rayle, Lisa. (2017). How cities use regulation for innovation: the case
of Uber, Lyft and Sidecar in San Francisco. Transportation Research Procedia,
25, 3756�3768.Google Scholar
Hastuti, Puji,
Nurofik, Agus, Purnomo, Agung, Hasibuan, Abdurrozzaq, Aribowo, Handy, Faried,
Annisa Ilmi, Tasnim, Tasnim, Sudarso, Andriasan, Soetijono, Irwan Kurniawan,
& Saputra, Didin Hadi. (2020). Kewirausahaan dan UMKM. Yayasan Kita
Menulis.Google Scholar
Ilmi, Mainatul,
Liyundira, Fetri Setyo, Rachmawati, Afria, Juliasari, Deni, & Habsari, Palupi.
(2020). Perkembangan Dan Penerapan Theory Of Acceptance Model (TAM) Di
Indonesia. Relasi: Jurnal Ekonomi, 16(2), 436�458.Google Scholar
Magfiroh, Laila.
(2019). Prospek bisnis transportasi online dalam masyarakat industrial:
pendekatan islamic innovation disruptif. IAIN Palangka Raya.Google Scholar
Momani, Alaa M.,
& Jamous, Mamoun. (2017). The evolution of technology acceptance theories. International
Journal of Contemporary Computer Research (IJCCR), 1(1), 51�58.
Parasuraman,
Anantharanthan. (1998). Customer service in business‐to‐business
markets: an agenda for research. Journal of Business & Industrial
Marketing.Google Scholar
Pribadi, Rana
Maulana, & Kusdibyo, Lusianus. (2019). Analisis Pengaruh Kemudahan
Penggunaan dan Kegunaan Penggunaan terhadap Sikap Penggunaan: Studi Kasus Pada
Grab. Prosiding Industrial Research Workshop and National Seminar, 10(1),
629�636.Google Scholar
Rahayu, Rurie
Wiedya. (2018). Pengaruh Persepsi Manfaat, Persepsi Kemudahan, Persepsi
Risko, dan Inovasi Teknologi Terhadap Aplikasi Go Pay Dari PT. Gojek Indonesia.Google Scholar
Rahman, Abdul, &
Dewantara, Rizki Yudhi. (2017). Pengaruh Kemudahan Penggunaan dan Kemanfaatan
Teknologi Informasi terhadap Minat Menggunakan Situs Jual Beli Online�(Studi
Kasus pada Pengguna Situs Jual Beli �Z�). Jurnal Administrasi Bisnis, 52(1),
1�7.Google Scholar
Venkatesh,
Viswanath, & Davis, Fred D. (2000). A theoretical extension of the
technology acceptance model: Four longitudinal field studies. Management
Science, 46(2), 186�204.Google Scholar
Venkatesh,
Viswanath, Morris, Michael G., Davis, Gordon B., & Davis, Fred D. (2003).
User acceptance of information technology: Toward a unified view. MIS
Quarterly, 425�478.Google Scholar
Wibawa, Berto Mulia,
Rahmawati, Yani, & Rainaldo, Mathias. (2018). Analisis Industri Bisnis Jasa
Online Ride Sharing di Indonesia. Esensi: Jurnal Bisnis Dan Manajemen, 8(1),
9�20.Google Scholar
|
Bonny Hendrawan,
Tomi Hartanto dan Sendy Wulansari (2021) |
|
First publication right : Journal Syntax Idea |
|
This article is licensed under: |