Infotekmesin Vol.
No.
Januari 2025 p-ISSN: 2087-1627, e-ISSN: 2685-9858 DOI: 10.
35970/infotekmesin.
2559, pp.
Analisis Penerimaan Teknologi pada Platform Pasar Banjarwaru dengan Metode Technology Acceptance Model 3 Annas Setiawan Prabowo1*.
Cahya Vikasari2.
Betti Widianingsih3.
Fadhillah Hazrina 4 1, 2Program Studi Teknik Informatika.
Politeknik Negeri Cilacap 3,4Program Studi Teknik Listrik.
Politeknik Negeri Cilacap 1,2,3,4Jln.
Dr.
Soetomo No.
1 Karangcengis Sidakaya.
Kabupaten Cilacap, 53212.
Indonesia E-mail: annassetiawanp@pnc.
id1, cahyavikasari@pnc.
id2, bettiwidianingsih@pnc.
fadhillahazrina@pnc.
Abstrak Info Naskah:
Naskah masuk: 30 November 2024 Direvisi: 15 Desember 2024 Diterima: 15 Januari 2025 Penerimaan teknologi pada platform Pasar Banjarwaru menggunakan pendekatan Technology Acceptance Model 3 (TAM .
Dengan meningkatnya penggunaan platform digital, penting untuk memahami faktor-faktor yang mempengaruhi adopsi teknologi dalam kegiatan jual beli online.
Variabel yang digunakan seperti manfaat yang dirasakan, kemudahan penggunaan, pengaruh sosial, dan niat Melalui survei terhadap 362 responden menggunakan kuesioner online, data dianalisis menggunakan metode PLS-SEM.
Hasil penelitian menunjukkan bahwa niat pengguna sangat mempengaruhi tingkat penggunaan platform.
Selain itu, faktor seperti rasa percaya diri dalam menggunakan komputer, kesenangan saat menggunakan platform, dan citra platform juga meningkatkan persepsi manfaat dan kemudahan penggunaannya.
Norma sosial, seperti pengaruh lingkungan sekitar, memiliki dampak terbesar pada niat dan pandangan terhadap manfaat platform.
Penerimaan teknologi dipengaruhi oleh kombinasi faktor sosial, psikologis, dan teknis, serta menawarkan rekomendasi bagi pengembang untuk meningkatkan penerimaan melalui desain yang lebih sederhana dan pendekatan promosi berbasis komunitas.
Abstract Keywords:
technology acceptance model.
perceived use.
smartPLS.
pasar banjarwaru.
Technology Acceptance of the Pasar Banjarwaru Platform Using the Technology Acceptance Model 3 (TAM .
With the increasing reliance on digital platforms, understanding the factors influencing technology adoption in online buying and selling activities is crucial.
This study explores variables such as perceived usefulness, ease of use, social influence, and user intention.
Data were collected through an online questionnaire survey of 362 respondents and analyzed using the PLS-SEM method.
The findings indicate that user intention significantly impacts the level of platform usage.
Additionally, factors such as computer self-efficacy, enjoyment in using the platform, and platform image enhance users' perceptions of its usefulness and ease of use.
Social norms, particularly the influence of the surrounding environment, are identified as the most significant determinants of user intention and perceived benefits.
Technology acceptance is shaped by an interplay of social, psychological, and technical factors.
Based on these insights, recommendations for developers include adopting user-friendly designs and leveraging community-based promotional strategies to enhance technology *Penulis korespondensi:
Annas Setiawan Prabowo E-mail: annassetiawanp@pnc.
p-ISSN: 2087-1627, e-ISSN: 2685-9858 Pendahuluan Perkembangan teknologi yang pesat telah mengubah cara masyarakat berinteraksi dan bertransaksi, termasuk dalam aktivitas jual beli.
Sebagai salah satu inovasi teknologi, e-commerce telah menjadi salah satu industri yang mengalami pertumbuhan besar di Indonesia.
Dalam beberapa tahun terakhir, kebutuhan akan platform jual beli online semakin meningkat, terutama dengan meningkatnya penetrasi internet dan penggunaan perangkat smartphone.
Selain membuat transaksi lebih mudah, platform ecommerce menawarkan kepada para pelaku bisnis peluang baru untuk masuk ke pasar yang lebih luas.
Perkembangan e-commerce di Indonesia berkembang pesat, namun beberapa tantangan tetap ada, seperti kepercayaan pengguna, kemudahan penggunaan, serta kesesuaian platform dengan kebutuhan pengguna .
Daerah pedesaan di Indonesia sering menderita infrastruktur e-commerce yang tidak memadai, termasuk konektivitas internet yang buruk dan dukungan logistik yang tidak Hal ini mengakibatkan terbatasnya jumlah outlet penjualan dan sistem distribusi terdesentralisasi, sehingga sulit bagi bisnis e-commerce untuk beroperasi secara efisien.
Banyak pengguna, terutama di daerah tertentu, masih menghadapi kendala seperti keterbatasan akses teknologi, kurangnya literasi digital, dan keraguan terhadap keamanan transaksi online .
Platform seperti com hadir sebagai salah satu platform yang mengintegrasikan kebutuhan komunitas dengan teknologi untuk menjawab tantangan ini.
Desa Banjarwaru saat ini telah memiliki teknologi untuk memasarkan produk yang ada di desa mereka secara Platform banjarwaru.
com sudah digunakan oleh Masyarakat desa banjarwaru untuk memasarkan beberapa produk diantaranya adalah hasil kerajinan bambu, aneka kerajinan tangan serta makanan khas desa banjarwaru.
Produk unggulan desa banjarwaru adalah kerajinan dari bahan bambu yang diolah menjadi banyak produk sesuai keinginan pelanggan .
Technology Acceptance Model (TAM) dapat memahami bagaimana perusahaan menggunakan teknologi informasi (TI).
Tujuannya adalah untuk membangun kerangka nomologis variabel yang lengkap yang mempengaruhi penerimaan dan pemanfaatan teknologi informasi pada tingkat individu.
Selain itu, mereka juga ingin menguji model ini secara empiris dan mengusulkan agenda penelitian untuk intervensi.
Kemudahan penggunaan yang dirasakan serta Kegunaan yang dirasakan adalah komponen penting, yang terbukti mempengaruhi penerimaan teknologi.
Temuan menunjukkan bahwa penerimaan karyawan dapat meningkat dengan intervensi yang ditargetkan dan pemanfaatan teknologi informasi yang Model Technology Acceptance Model (TAM) untuk mengevaluasi penerimaan teknologi di berbagai sektor, termasuk e-commerce.
Metode TAM 3, sebagai pengembangan dari model TAM sebelumnya, menawarkan pendekatan yang lebih mendalam dengan memperhatikan faktor-faktor seperti perceived usefulness, perceived ease of use, serta variabel moderasi seperti pengalaman pengguna .
dan kesukarelaan .
Faktor-faktor ini berperan penting dalam menentukan tingkat penerimaan dan kepuasan pengguna terhadap platform teknologi.
Model Penerimaan Teknologi 3 (TAM.
untuk mengeksplorasi faktor-faktor yang mempengaruhi kegunaan yang dirasakan .
erceived usefulnes.
dan kemudahan penggunaan yang dirasakan .
erceived ease of us.
dalam konteks retail.
Prediktor kunci diidentifikasi, seperti norma subjektif dan demonstrabilitas hasil yang berpengaruh terhadap perceived usefulness.
Sementara itu, perceived ease of use dipengaruhi oleh efikasi diri, kenikmatan yang dirasakan, dan kecemasan terhadap teknologi.
Selain itu, studi ini juga meneliti bagaimana perceived usefulness dan perceived ease of use berfungsi sebagai mediator yang mempengaruhi niat untuk menggunakan retail ini, memberikan wawasan yang penting bagi adopsi ecommerce.
Model Penerimaan Teknologi (TAM) dalam konteks e-commerce, meneliti bagaimana desain antarmuka, kemudahan sistem, dan perilaku penggunaan sistem mempengaruhi minat konsumen dalam belanja online.
Variabel TAM secara keseluruhan secara kolektif menjelaskan 52,1% minat dalam berbelanja produk fashion di Shopee, secara individual, desain antarmuka, kemudahan sistem, dan perilaku penggunaan tidak secara signifikan mempengaruhi minat konsumen, menunjukkan bahwa faktor-faktor lain mungkin juga memainkan peran penting .
Model Penerimaan Teknologi (TAM) dalam ranah ecommerce dengan fokus khusus pada analisis penerimaan konsumen terhadap situs web Plantage.
Faktor kemudahan penggunaan yang dirasakan serta kegunaan yang dirasakan sebagai faktor determinan dalam mempengaruhi penerimaan pengguna serta penggunaan aktual platform ecommerce tersebut.
Meskipun demikian, hasil penelitian menunjukkan bahwa pengaruh kemudahan penggunaan yang dirasakan terhadap sikap, kegunaan yang dirasakan terhadap niat perilaku, dan sikap terhadap niat perilaku adalah tidak signifikan.
Temuan ini mengindikasikan adanya hubungan yang berkaitan dalam konteks kerangka TAM yang dikembangkan.
Penelitian ini bertujuan untuk memahami lebih dalam tentang bagaimana masyarakat menerima teknologi dalam platform e-commerce lokal dengan menggunakan metode TAM3.
Model TAM3 ini adalah pengembangan dari model sebelumnya yang mencakup lebih banyak faktor yang mempengaruhi adopsi teknologi.
Dengan menambahkan variabel seperti pengalaman pengguna, norma subjektif, dan demonstrabilitas hasil.
TAM3 menawarkan kerangka kerja yang lebih lengkap, terutama dalam konteks e-commerce lokal yang tidak banyak diteliti sebelumnya.
Pada platform com, pendekatan ini inovatif karena mengaitkan teori TAM3 dengan kenyataan di masyarakat lokal, termasuk tantangan dalam literasi digital dan akses Penelitian menunjukkan bahwa faktor-faktor seperti kegunaan yang dirasakan dan kemudahan penggunaan berperan penting dalam adopsi teknologi lebih dalam dengan mencari faktorfaktor khusus yang relevan bagi pengguna di daerah Selain itu juga memberikan perspektif baru dengan melihat hubungan antara penerimaan teknologi dan kepuasan pengguna, yang belum banyak diteliti dalam konteks e-commerce berbasis komunitas.
Kontribusi utama p-ISSN: 2087-1627, e-ISSN: 2685-9858 adalah memberikan panduan praktis bagi pengembang ecommerce lokal untuk meningkatkan penerimaan pengguna melalui strategi berdasarkan model dari TAM3.
Metode 1 Alur Penelitian Penelitian dimulai dengan langkah Studi Literatur, dimana peneliti mencari referensi teoritis untuk memahami topik dan merumuskan dasar penelitian.
Selanjutnya, peneliti melangkah ke tahap Menentukan Metode, yaitu memilih pendekatan penelitian yang sesuai, seperti kuantitatif atau Setelah itu, dilakukan Menentukan Sampel, dimana peneliti memilih responden berdasarkan kriteria tertentu untuk mendapatkan data yang representatif.
Peneliti kemudian masuk ke tahap Membuat Kuesioner, dengan menyusun pertanyaan yang relevan untuk menjawab tujuan Setelah kuesioner selesai, dilanjutkan dengan Menyebar Kuesioner kepada responden terpilih untuk mengumpulkan data.
Sebelum data digunakan, dilakukan Uji Validitas & Reliabilitas untuk memastikan bahwa kuesioner mampu mengukur variabel dengan akurat dan konsisten.
Langkah berikutnya adalah Analisa Hasil, di mana data yang terkumpul diolah dan dianalisis untuk menjawab pertanyaan Akhirnya, penelitian selesai pada tahap Selesai, yang menandai akhir dari seluruh proses penelitian.
Alur penelitian dapat dilihat pada gambar 1.
sampel dalam penelitian populasi yang besar, terutama dalam studi epidemiologi atau survei populasi.
Rumus ini biasanya diterapkan untuk populasi besar dengan tingkat prevalensi tertentu .
, tingkat kepercayaan .
, dan margin of error .
Rumus dasarnya dapat dijabarkan pada yc 2 .
Oeyc.
ycu= .
yce2 ycu: Ukuran sampel z: Skor Z untuk tingkat kepercayaan .
,96 untuk 95%) ycy: Prevalensi atau proporsi populasi yang diharapkan .
iasanya 0,5 jika tidak diketahu.
yce: Margin of error yang diinginkan .
iasanya 0,05 untuk Dengan nilai z=1,96.
p=0,5 .
sumsi jika prevalensi tidak diketahu.
dan e=0,05 .
argin of error 5%) sehingga :
ycu= ycu= .
Oe0.
3,8416 .
0,25
0,0025
0,9604
ycu = 0,0025 ycu = 384,16 Jadi, ukuran sampel awal tanpa mempertimbangkan ukuran populasi adalah 384 sampel.
Karena populasi terbatas ycu =6345 maka digunakan koreksi populasi untuk menghitung ukuran sampel yang lebih tepat melalui persamaan 2:
ycuycayccycycycycyceycc = .
ycuOe1 ycuycayccycycycycyceycc : Ukuran sampel setelah koreksi populasi ycu : Ukuran sampel awal .
ihitung dari rumus pertam.
N : Total populasi
ycuycayccycycycycyceycc = ycuycayccycycycycyceycc = 384Oe1
= 1 0,06036 = 362
Dengan menggunakan rumus Lemeshow dan koreksi populasi terbatas, jumlah sampel yang diperlukan untuk populasi 6345 dengan tingkat kepercayaan 95% dan margin of error 5% adalah sekitar 362 sampel.
Gambar 1.
Alur Penelitian Pengumpulan Data Metode pengumpulan data menggunakan kuesioner yang disebar melalui online baik menggunakan media whatsapp dan telegram.
Google form digunakan sebagai alat untuk mempermudah dalam pengumpulan data.
Populasi dan sampel Jumlah penduduk desa banjarwaru menurut situs id sejumlah 6345 jumlah jiwa.
Rumus Lemeshow sering digunakan untuk menentukan ukuran Metode TAM 3 Model TAM 3 dipilih karena sangat relevan untuk platform berbasis komunitas mencakup variabel Subjective Norm (Norma Subjekti.
, yang mengukur pengaruh sosial terhadap niat pengguna (Behavioral Intentio.
Dalam platform komunitas, pengaruh sosial seperti rekomendasi, dukungan, atau tekanan dari anggota komunitas lain sering menjadi faktor utama yang mendorong seseorang untuk mengadopsi teknologi.
Norma sosial ini dapat mencerminkan bagaimana anggota komunitas saling mempengaruhi, baik secara langsung melalui komunikasi, maupun secara tidak langsung melalui aktivitas di platform.
p-ISSN: 2087-1627, e-ISSN: 2685-9858 Variabel ini memberikan kerangka yang relevan untuk mengevaluasi bagaimana hubungan interpersonal dalam komunitas mempengaruhi penerimaan teknologi .
Metode pengukuran penerimaan teknologi dan kuesioner menggunakan TAM 3 sesuai gambar 2.
Gambar 2.
Model Penerimaan Teknologi TAM 3.
No.
Experience Ie
Perceived Ease of Use Experience (EXP) Experience Ie
Perceived Usefulness Experience (EXP) Experience Ie
Behavioral Intention
Experience (EXP) Perceived Ease of Use (PEOU) Perceived Usefulness (PU) Behavioral Intention
(BI)
Pengalaman Pengalaman Pengalaman niat pengguna Variabel
Independen
Variabel
Dependen
Deskripsi
Hubungan Norma sosial
niat pengguna Norma sosial
Kualitas hasil
Kegunaan Persepsi
niat pengguna Persepsi
Persepsi
niat pengguna Niat pengguna Subjective Norm Ie
Behavioral Intention
Subjective Norm (SN) Behavioral Intention
(BI)
Subjective Norm Ie
Perceived Usefulness Subjective Norm (SN) Perceived Usefulness (PU) Output
Quality Ie
Perceived Usefulness Output
Quality (OUT) Perceived Usefulness (PU) Objective Usability Ie
Perceived Ease of Use Objective Usability (OU) Perceived Ease of Use (PEOU) Perceived Ease of Use Ie Behavioral Intention
Perceived Ease of Use (PEOU) Behavioral Intention
(BI)
Perceived Ease of Use Ie Perceived Usefulness Perceived Ease of Use (PEOU) Perceived Usefulness (PU) Perceived Usefulness Ie
Behavioral Intention
Perceived Usefulness (PU) Behavioral Intention
(BI)
Behavioral Intention Ie Use Behavioral Intention (BI) Use (USE) Model Technology Acceptance Model 3 (TAM .
dirancang untuk mengeksplorasi faktor-faktor yang mempengaruhi penerimaan dan penggunaan teknologi oleh Hubungan antar variabel dalam model ini dapat dilihat pada tabel 1.
Tabel 1.
Hubungan antar variabel pada model TAM 3 Hubungan Variabel Variabel Deskripsi No.
Antar Independen Dependen Hubungan Variabel Hubungan Antar Variabel Variabel yang digunakan untuk mengukur penerimaan platform banjarwaru.
com adalah sebagai berikut : Use Behavior (USE), yang berkaitan dengan perilaku penggunaan teknologi, dan Image (IMG), yang mencerminkan persepsi individu terhadap citra penggunaan Selain itu, terdapat Perceived Usefulness (PU) yang muncul dua kali karena pentingnya persepsi manfaat, diikuti oleh Output Quality (OUT) yang menilai kualitas p-ISSN: 2087-1627, e-ISSN: 2685-9858 hasil dari teknologi .
Perceived Enjoyment (ENJ) menyoroti kesenangan dalam penggunaan teknologi, sedangkan Result Demonstrability (RES) berfokus pada sejauh mana hasil penggunaan dapat ditunjukkan.
Variabel lain seperti Voluntaries (VOL) berkaitan dengan sukarela dalam penggunaan, sementara Perception of External Control (PEC) mengeksplorasi kendali eksternal yang Subjective Norm (SN) menggambarkan pengaruh sosial, dan Computer Playfulness (CPLAY) mencerminkan sifat bermain saat menggunakan teknologi.
Selanjutnya, ada Experience (EXP) yang menilai pengalaman pengguna, diikuti oleh Perceived Ease of Use (PEU) yang mengukur kemudahan yang dirasakan.
Objective Usability (OU) menyoroti aspek objektif dari kegunaan, sedangkan Job Relevance (REL) mengkaji relevansi teknologi dengan Dua variabel lain, yaitu Computer Self-efficacy (CSE) dan Computer Anxiety (CANX), masing-masing mencerminkan keyakinan diri dan kecemasan terhadap penggunaan komputer.
Akhirnya.
Behavioral Intention (BI) menjadi indikator penting terkait niat pengguna dalam memanfaatkan teknologi.
Semua variabel ini disusun secara acak untuk memberikan variasi dalam analisis.
Variabel dan indikator dalam dapat dilihat pada Tabel 2.
Tabel 2.
Variabel dan Indikator Penelitian metode TAM 3 .
Variabel
Indikator Subjective Norm
(SN)
Experience (EXP) Voluntariness (VOL) Image (IMG) Job Relevan (REL) Output quality (OUT) Result Demonstrability (RES) Computer SelfEfficacy (CSE) A Menggunakan pasarbanjarwaru.
karena perilaku orang lain A pasarbanjarwaru.
com banyak digunakan orang lain A Manajer senior membantu menggunakan pasarbanjarwaru.
A Secara umum manajemen perusahaan mendukung penggunaan platform A Pengalaman menggunakan platform serupa pasarbanjarwaru.
A Sukarela menggunakan A Wajib menggunakan A Gengsi menggunakan A Mencantumkan dan menjelaskan profil A Situs web pasarbanjarwaru.
memiliki relevansi yang signifikan dalam pekerjaan A pasarbanjarwaru.
com bersangkut paut A pasarbanjarwaru.
com berkaitan dengan tugas dalam pekerjaan A Kualitas output yang ditampilkan A Masalah output yang ditampilkan A Penilaian output yang ditampilkan A Tantangan terkait dengan penyebaran temuan yang memanfaatkan A Orang lain memberikan wawasan tentang pasarbanjarwaru.
Variabel
Perception of External
Control (PEC) Computer Anxiety (CANX) Computer Playfulness (CPLAY) Perceived Enjoyment
(ENJ)
Objective Usability (OU) Perceived Usefullness (PU) Perceived Ease of Use (PEU) Behavioral Intention (BI) Indikator A Rekomendasi dari berbagai pengguna A Pedoman pemanfaatan com sebagaimana dikomunikasikan oleh sumber A Sebelumnya terlibat dengan com yang identik atau A Kontrol dalam penggunaan platform A Sumber daya pribadi melalui pemakaian pasarbanjarwaru.
A pasarbanjarwaru.
com cocok digunakan A Kekhawatiran tentang penggunaan A Kecemasan dalam menggunakan A Kepraktisan memanfaatkan A Kegelisahan saat menggunakan platform pasarbanjarwaru.
A Menggunakan platform com secara spontan A Menggunakan platform com terlihat terampil A Menggunakan platform com menyenangkan A Pasarbanjarwaru.
com membantu Anda menemukan kesenangan.
A Kenyamanan saat mengakses A Saya menikmati menggunakan A Waktu untuk berinteraksi dengan com bersama orang A pasarbanjarwaru.
com mempercepat Pekerjaan A pasarbanjarwaru.
com efektif A pasarbanjarwaru.
com memfasilitasi pelaksanaan pekerjaan.
A pasarbanjarwaru.
com sederhana untuk A pasarbanjarwaru.
com jelas penggunaannya serta sederhana untuk A pasarbanjarwaru.
com mudah A Sangat mudah untuk menjadi mahir dan ahli di pasarbanjarwaru.
A Niat menggunakan A Memanfaatkan platform com di masa A Sikap positif A Keyakinan pada referensi Use Behavioral (USE) A Rata-rata pemanfaatan platform p-ISSN: 2087-1627, e-ISSN: 2685-9858 Skala likert digunakan untuk mengukur variabel.
Skala ini digunakan untuk mengukur sikap, persepsi, dan pendapat seseorang atau kelompok orang tentang fenomena sosial.
Untuk setiap pilihan jawaban, peserta harus menjelaskan pernyataan apakah mendukung .
atau menentang .
Tabel 3 menunjukkan skala likert.
Tabel 3.
Skala Likert Jawaban Sangat Tidak Setuju (STS) Tidak Setuju (TS) Cukup Tidak Setuju (CTS) Netral (N) Cukup Setuju (CS) Setuju (S) Sangat Setuju (SS) Skor Pengujian dan Analisis Data Analisis data menggunakan SmartPLS sangat relevan di sektor e-commerce, terutama untuk mengevaluasi kepuasan dan loyalitas pelanggan guna meningkatkan kinerja bisnis dan pengalaman pelanggan.
Alat ini mendukung pengambilan keputusan berbasis data di lingkungan e-commerce yang dinamis.
Analisis kuantitatif dilakukan melalui tiga komponen utama: uji validitas, reliabilitas, dan model struktural .
Uji validitas mencakup validitas konvergen dan diskriminan.
Validitas konvergen ditentukan dengan nilai loading factor ideal antara 0,6Ae0,7, meskipun nilai minimal 0,5 dapat diterima untuk indikator eksploratif.
Validitas diskriminan dievaluasi melalui cross loading, yang harus lebih besar dari 0,7 untuk memastikan indikator lebih kuat terhadap kontraknya sendiri dibandingkan dengan lainnya .
Reliabilitas diukur dengan CronbachAos Alpha, dengan nilai Ou 0,6 menunjukkan konsistensi internal memadai.
mencerminkan keragaman hasil antar indikator dalam variabel yang sama.
Analisis model struktural menggunakan bootstrapping untuk menghitung koefisien jalur dan nilai T, di mana nilai T > 1,96 pada tingkat kepercayaan 95% menunjukkan hubungan antar variabel signifikan secara statistik.
Selain itu, p-value harus < 0,05 untuk menegaskan signifikansi hubungan.
Metode PLSSEM unggul dalam menangani hubungan antar variabel laten pada data kompleks dengan ukuran sampel kecil hingga Pendekatan ini sangat cocok untuk penelitian evaluasi platform digital seperti pasarbanjarwaru.
com, karena fleksibilitas PLS-SEM dapat mengakomodasi variabel reflektif dan formatif, memberikan hasil yang komprehensif meskipun data berasal dari sampel kecil.
Hasil dan Pembahasan 1 Uji Validitas Nilai loading factor antara 0,6 Ae 0,7 digunakan dalam Uji Validitas.
Dalam beberapa kondisi nilai loading factor 0,5 masih dapat diterima.
Berikut adalah hasil pengujian validitas serta reliabilitas setelah dilakukan perhitungan menggunakan SmartPLS.
Berdasarkan hasil pengujian pada Tabel 3, setiap indikator yang digunakan dalam menguji platform pasarbanjarwaru.
com menggunakan TAM 3 valid.
Hasil pengujian validitas dapat dilihat pada Tabel 4.
Tabel 4.
Pengujian Validitas Outer
Indikator BI1 <- BI
BI2 <- BI
BI3 <- BI
CANX1 <- CANX
CANX2 <- CANX
CANX3 <- CANX
CANX4 <- CANX
CPLAY1 <- CPLAY
CPLAY2 <- CPLAY
CPLAY3 <- CPLAY
CPLAY4 <- CPLAY
CSE1 <- CSE
CSE2 <- CSE
CSE3 <- CSE
CSE4 <- CSE
ENJ1 <- ENJ
ENJ2 <- ENJ
ENJ3 <- ENJ
EXP <- EXP
IMG1 <- IMG
IMG2 <- IMG
IMG3 <- IMG
OU <- OU
OUT1 <- OUT
OUT2 <- OUT
OUT3 <- OUT
PEC1 <- PEC
PEC2 <- PEC
PEC3 <- PEC
PEC4 <- PEC
PEOU1 <- PEOU
PEOU2 <- PEOU
PEOU3 <- PEOU
PEOU4 <- PEOU
PU1 <- PU
PU2 <- PU
PU3 <- PU
REL1 <- REL
REL2 <- REL
REL3 <- REL
RES1 <- RES
RES2 <- RES
RES3 <- RES
RES4 <- RES
SN1 <- SN
SN2 <- SN
SN3 <- SN
SN4 <- SN
USE <- USE
VOL1 <- VOL
VOL2 <- VOL
VOL3 <- VOL
EXP x CANX -> EXP x CANX EXP x ENJ -> EXP x ENJ VOL x SN -> VOL x SN OUT x REL -> OUT x REL EXP x OU -> EXP x OU EXP x CPLAY -> EXP x CPLAY EXP x SN -> EXP x SN Keterangan Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Hasil pengujian validitas indikator dengan outer loadings menunjukkan semua indikator valid karena nilainya melebihi batas minimum 0,5.
Indikator seperti CANX2 p-ISSN: 2087-1627, e-ISSN: 2685-9858 .
dan REL2 .
sangat representatif terhadap variabel yang diukur.
Meskipun IMG1 memiliki nilai lebih rendah .
, indikator ini tetap valid dalam konteks eksplorasi atau jika model memenuhi model fit.
Variabel laten seperti REL.
RES, dan PU menunjukkan validitas konvergen yang sangat baik dengan nilai di atas 0,8.
Variabel EXP dan USE memiliki nilai 1,000, yang mengindikasikan pengukuran sempurna melalui satu indikator atau sebagai variabel tunggal.
Moderasi seperti "EXP x CANX" juga menunjukkan validitas sempurna .
Beberapa konstruk seperti ENJ dan OUT memiliki indikator dengan nilai lebih rendah .
ontoh ENJ2 = 0,579 dan OUT2 = 0,.
, tetapi masih diterima.
Secara keseluruhan, instrumen penelitian ini valid dan cukup kuat untuk menganalisis hubungan antar variabel dalam model penelitian.
Uji Reliabilitas Uji reliabilitas dilakukan dengan cara menilai konsistensi hasil kuesioner yang telah diolah melalui CronbachAos Alpha.
Nilai perhitungan CronbachAos Alpha harus Ou 0,6 sehingga dianggap indikatornya dianggap Hasil pengujian reliabilitas dapat dilihat tabel 5.
Indikator CANX
CPLAY
CSE
ENJ
IMG
OUT
PEC
PEOU
REL
RES
VOL
Tabel 5.
Pengujian Reliabilitas Average Cronba Composite .
(AVE) Ket Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Reliabel Hasil pengujian reliabilitas variabel dalam model penelitian menunjukkan bahwa semua variabel reliabel dan valid berdasarkan tiga indikator utama: CronbachAos Alpha.
Composite Reliability .
, dan Average Variance Extracted (AVE).
CronbachAos Alpha, yang mengevaluasi konsistensi internal antar item, menunjukkan nilai > 0,6 untuk semua variabel, dengan nilai tertinggi pada RES .
, menandakan konsistensi sangat baik.
Composite Reliability .
, yang menilai reliabilitas indikator terhadap variabel laten, juga menunjukkan hasil sangat baik, dengan sebagian besar nilai di atas 0,8, seperti CANX .
dan REL .
, yang mengindikasikan indikator konsisten merefleksikan konstruk.
AVE, yang mengukur validitas konvergen, menunjukkan semua variabel memiliki nilai di atas batas minimum 0,5.
Nilai tertinggi terlihat pada RES .
dan REL .
, yang menunjukkan sebagian besar varians indikator dijelaskan oleh variabel laten.
Variabel dengan AVE lebih rendah, seperti CPLAY .
, tetap memenuhi kriteria validitas.
Variabel dengan kombinasi reliabilitas tinggi dan AVE kuat, seperti PU (AVE = 0,.
dan SN (AVE = 0,.
, memperkuat keandalan mereka dalam Secara keseluruhan, hasil ini menunjukkan pengukuran dalam model ini akurat dan konsisten, mendukung analisis lebih lanjut, termasuk pengujian hubungan kausal.
Uji Inner Model Pengujian Inner Model bertujuan untuk mengukur kekuatan hubungan kausal antar variabel laten dalam model struktural, menggunakan indikator seperti R-Square (RA), path coefficients, effect size .
A), dan Q-Square .
redictive Dengan Smart PLS, diagram jalur menunjukkan pengaruh langsung antar variabel laten.
Contohnya, koefisien 0,56 dari Perceived Ease of Use (PEU) ke Perceived Usefulness (PU) menunjukkan bahwa kemudahan penggunaan memberikan pengaruh positif sebesar 56% terhadap manfaat yang dirasakan.
Hubungan lebih kuat terlihat antara PU dan Behavioral Intention (BI), dengan koefisien 0,72, menunjukkan bahwa manfaat yang dirasakan sangat memengaruhi niat pengguna.
Nilai R-Square (RA), seperti 0,65 untuk PU dan 0,70 untuk BI, menunjukkan variabilitas yang signifikan pada kedua variabel ini dijelaskan oleh variabel yang mempengaruhinya.
Nilai-nilai ini menunjukkan model memiliki kekuatan prediktif yang baik, khususnya untuk BI.
Untuk mengonfirmasi signifikansi hubungan ini, diperlukan pengujian lanjutan seperti bootstrapping untuk menghitung p-value atau t-statistics.
Secara keseluruhan, model ini menggambarkan hubungan yang kuat antara persepsi kemudahan, manfaat yang dirasakan, norma sosial, dan niat perilaku, sehingga efektif untuk menganalisis penerimaan teknologi.
Gambar 2.
Uji Inner Model menggunakan SmartPLS p-ISSN: 2087-1627, e-ISSN: 2685-9858 Analisis Model Struktural Analisis Model Struktural ini digunakan untuk mengetahui hubungan antar variabel satu dengan yang Nilai T harus lebih besar dari 1,96.
Bisa digunakan juga P Values kurang dari 10% atau 0.
Berdasarkan hasil pengujian menggunakan model TAM untuk penerimaan platform pasarbanjarwaru.
com ada 9 hipotesis yang dapat diterima, sedangkan 19 hipotesis dinyatakan ditolak.
Hubungan yang signifikan terhadap penggunaan com menggunakan TAM3.
BI -> USE .
P=0.
: Behavioral Intention (BI) memiliki pengaruh signifikan terhadap penggunaan platform (USE), menunjukkan bahwa niat untuk menggunakan sangat mempengaruhi adopsi platform .
CPLAY -> PEOU .
P=0.
: Computer Playfulness (CPLAY) memiliki pengaruh signifikan terhadap Perceived Ease of Use (PEOU), menekankan bahwa pengalaman yang menyenangkan dalam meningkatkan persepsi kemudahan.
CSE -> PEOU .
P=0.
: Computer SelfEfficacy (CSE) PEOU, menunjukkan bahwa kepercayaan diri pengguna dalam kemudahan adopsi platform pasarbanjarwaru.
IMG -> PU .
P=0.
: Image .
memiliki pengaruh signifikan terhadap Perceived Usefulness (PU), menunjukkan bahwa reputasi platform meningkatkan persepsi kegunaannya.
PEOU -> BI .
P=0.
: Perceived Ease of Use mempengaruhi Behavioral Intention secara signifikan, menekankan pentingnya persepsi kemudahan dalam .
REL -> PU (-0.
P=0.
: Job Relevance (REL) berpengaruh signifikan terhadap PU, menunjukkan relevansi platform dengan pekerjaan pengguna meningkatkan persepsi kegunaan.
SN -> BI (-0.
P=0.
: Subjective Norm (SN) signifikan terhadap BI, menunjukkan pengaruh sosial yang kuat dalam membentuk niat pengguna.
SN -> PU .
P=0.
: SN juga signifikan terhadap PU, memperkuat bahwa norma sosial mempengaruhi persepsi kegunaan.
VOL -> BI .
P=0.
: Voluntariness (VOL) memiliki pengaruh besar pada BI, menunjukkan bahwa niat untuk menggunakan lebih kuat ketika pengguna merasa melakukannya secara sukarela.
Kode
I -> USE
CANX ->
PEOU
CPLAY
-> PEOU
CSE ->
PEOU
ENJ ->
PEOU
EXP
EXP ->
PEOU
EXP
IMG
PEOU
OUT
Pengujian hipotesis menggunakan TAM3 memiliki beberapa variabel yang saling berpengaruh diantaranya adalah : BI -> USE.
CPLAY -> PEOU.
CSE -> PEOU.
IMG -> PU.
PEOU -> BI.
REL -> PU.
SN -> BI.
SN -> PU.
VOL -> BI.
Hasil pengujian hipotesis terlihat pada tabel 6.
PEC ->
PEOU
PEOU ->
Tabel 6.
Hasil Pengujian Hipotesis Hipotesis P Values Behavior Intention berpengaruh terhadap penggunaan platform Computer Anxiety (Kecemasan Kompute.
memberikan pengaruh pada Perceived Ease of Use (Kemudahan Penggunaan yang Dirasaka.
pada Computer Playfulness (Kesenangan Bermain Kompute.
berpengaruh terhadap Perceived Ease of Use (Kemudahan Penggunaan yang Dirasaka.
Computer Self-Efficacy (Efikasi Diri Pengguna Kompute.
berpengaruh terhadap Perceived Ease of Use (Kemudahan Penggunaan yang Dirasaka.
Perceived Enjoyment (Kenikmatan yang Dirasaka.
berpengaruh terhadap Perceived Ease of Use (Kemudahan Penggunaan yang Dirasaka.
Experience berpengaruh terhadap Behavioral Intention Experience berpengaruh terhadap Perceived Ease of Use Experience berpengaruh terhadap Perceived Usefulness Image berpengaruh terhadap Perceived Usefulness Objective Usability (Kegunaan Objekti.
berpengaruh terhadap Perceived Ease of Use (Kemudahan Penggunaan yang Dirasaka.
Output Quality (Kualitas Hasi.
berpengaruh terhadap Perceived Usefulness (Kebermanfaatan yang Dirasaka.
Perceptions of External Control berpengaruh terhadap Perceived Ease of Use Perceived Ease of Use (Kemudahan Penggunaan yang Dirasaka.
Hasil
Diterima Ditolak Diterima Diterima Ditolak Ditolak Ditolak Ditolak Diterima Ditolak Ditolak Ditolak Diterima p-ISSN: 2087-1627, e-ISSN: 2685-9858
Kode
PEOU ->
PU -> BI
REL
RES
SN -> BI
SN -> PU
VOL
EXP x SN
-> BI
EXP x SN
-> PU
OUT
REL
EXP
CPLAY
-> PEOU
EXP
PEOU
EXP
ENJ ->
PEOU
EXP
CANX ->
PEOU
VOL
SN -> BI
Hipotesis P Values berpengaruh terhadap Perceived Usefulness (Kebermanfaatan yang Dirasaka.
Perceived Ease of Use berpengaruh terhadap Perceived Usefulness Perceived Usefulness berpengaruh terhadap Behavioral Intention Job Relevance berpengaruh terhadap Perceived Usefulness Result Demonstrability berpengaruh terhadap Perceived Usefulness Subjective Norm berpengaruh terhadap Behavioral Intention Subjective Norm berpengaruh terhadap Perceived Usefulness Voluntariness berpengaruh terhadap Behavioral Intention Experience Subjective Norm berpengaruh terhadap Behavioral Intention Experience Subjective Norm berpengaruh terhadap Perceived Usefulness Output Quality Job Relevance berpengaruh terhadap Perceived Usefulness Experience Computer Playfulness berpengaruh terhadap Perceived Ease of Use Experience Objective Usability berpengaruh terhadap Perceived Ease of Use Experience Perceived Enjoyment berpengaruh terhadap Perceived Ease of Use Experience Computer Anxiety berpengaruh terhadap Perceived Ease of Use Voluntariness & Subjective Norm berpengaruh terhadap Behavioral Intention Hasil Ditolak Ditolak Diterima Ditolak Diterima Diterima Diterima Ditolak Ditolak Ditolak Ditolak Ditolak Ditolak Ditolak Ditolak Penolakan beberapa hipotesis dalam model TAM 3 (Technology Acceptance Model .
menunjukkan bahwa tidak semua hubungan antar variabel signifikan secara statistik, dengan nilai p-value melebihi ambang batas 0,05.
Misalnya, variabel seperti Experience (EXP) terhadap Behavioral Intention (BI) atau Perceived Usefulness (PU) tidak menunjukkan hubungan yang signifikan karena keterbatasan keterkaitan empiris, terutama jika pengguna belum memiliki keterpaparan yang cukup terhadap teknologi yang diteliti .
Selain itu, hubungan seperti Output Quality (OUT) terhadap Perceived Usefulness (PU) mungkin memiliki kekuatan efek yang terlalu kecil untuk mempengaruhi persepsi pengguna secara signifikan .
Interaksi yang tidak signifikan, seperti Experience x Subjective Norm, menunjukkan bahwa moderasi dalam konteks ini tidak cukup kuat untuk mempengaruhi penerimaan teknologi.
Persepsi kemudahan penggunaan yang didasarkan pada variabel seperti Objective Usability (OU) juga tidak signifikan, kemungkinan karena persepsi ini bersifat subjektif dan tidak sepenuhnya bergantung pada karakteristik objektif teknologi .
Implikasi penolakan ini menunjukkan bahwa dalam konteks penerapan TAM 3 pada platform pasarbanjarwaru.
com, faktor sosial seperti Subjective Norm (SN).
Behavioral Intention (BI), dan kepercayaan diri dalam menggunakan teknologi (Computer Self-Efficacy.
CSE) lebih penting dibandingkan variabel Penolakan beberapa hipotesis ini juga mengindikasikan bahwa model TAM 3 perlu disesuaikan untuk lebih relevan dengan konteks teknologi dan pengguna Kesimpulan Faktor signifikan yang memengaruhi penggunaan platform pasarbanjarwaru.
com adalah Behavior Intention (BI) terhadap penggunaan (USE) dengan p-value 0,000, menunjukkan bahwa niat pengguna memiliki peran penting dalam mendorong penggunaan platform.
Computer Playfulness (CPLAY) .
-value 0,.
dan Computer Self Efficacy (CSE) .
-value 0,.
terbukti mempengaruhi Perceived Ease of Use (PEOU), yang berarti rasa percaya diri dan sikap santai dalam menggunakan komputer meningkatkan persepsi kemudahan.
Selain itu.
Image (IMG) .
-value 0,.
dan Job Relevance (REL) .
-value 0,.
berpengaruh signifikan terhadap Perceived Usefulness (PU), menandakan bahwa reputasi platform dan relevansi dengan pekerjaan pengguna berkontribusi pada manfaat yang dirasakan.
Subjective Norm (SN) juga mempengaruhi Behavioral Intention (BI) .
-value 0,.
dan Perceived Usefulness (PU) .
-value 0,.
, yang menegaskan bahwa norma sosial atau pengaruh lingkungan memiliki dampak kuat pada niat dan persepsi manfaat.
Faktor utama yang memengaruhi penggunaan platform com meliputi norma subjektif (Subjective Nor.
, reputasi (Imag.
, kemudahan (Perceived Ease of Us.
, dan kepercayaan diri pengguna (Computer Self Efficac.
Dengan berkembangnya teknologi seperti kecerdasan buatan (AI) dan blockchain, penelitian selanjutnya dapat mengeksplorasi dampak fitur-fitur baru ini pada penerimaan pengguna, terutama terkait kepercayaan dan kemudahan.
Ucapan Terimakasih Terimakasih kepada Politeknik Negeri Cilacap yang telah memberikan pendanaan dan dukungan dalam penelitian ini.
p-ISSN: 2087-1627, e-ISSN: 2685-9858
Daftar Pustaka