Analisis Penerimaan Os Windows 10 Dengan Unified Theory of Acceptance and Use of Technology (UTAUT2)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 1, No. 6, Juni 2017, hlm. 514-523

e-ISSN: 2548-964X http://j-ptiik.ub.ac.id

Analisis Penerimaan Os Windows 10 Dengan Unified Theory of Acceptance and Use of Technology (UTAUT2) Mega Shero Gayatrie1, Ari Kusyanti2, Mochamad Chandra Saputra3 1,3

Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] 2

Abstrak Penelitian ini membahas penerimaan Windows 10 sebagai sistem operasi untuk perangkat desktop. Penelitian ini dilakukan berdasarkan tujuh konstruk Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) dari model Venkatesh et al. (2012) tanpa konstruk moderator yang diolah dengan metode analisis Structural Equation Model (SEM). Responden penelitian merupakan pengguna mahasiswa di Indonesia.Hasil menunjukkan bahwa kemudahan, kondisi fasilitas dan harga tidak berpengaruh positif terhadap niat pengguna sedangkan manfaat, lingkungan sekitar, motivasi kesenangan serta kebiasaan memiliki pengaruh positif yang signifikan terhadap niat pengguna. Disisi lain, faktor kondisi fasilitas dan kebiasaan memengaruhi perilaku pengguna sedangkan niat tidak berdampak positif terhadap perilaku pengguna untuk menggunakan Windows 10. Kata kunci: Windows 10, model UTAUT2, SEM Abstract This study discusses the acceptance of Windows 10 as operating system for desktop. This study is based on the seven constructs of the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) from Venkatesh et al. (2012) without moderate constructs who processed with Structural Equation Model (SEM). The respondents were teenage users in Indonesia. The result showed that effort expectancy, facilitating condition and price value do not have a significant positive impact on behavioral intentions while performance expectancy, social influence, hedonic motivation and habit had a significant positive effect on behavior intention. On the other hand, facilitating condition and habit factors influence use behavior while behavior intention do not have a positive impact on use behaviour to use Windows 10. Keywords: Windows 10, UTAUT2 model, SEM ini semenjak dirilis bulan juli 2015. Berdasarkan data tersebut, Microsoft menyatakan tingkat adopsi Windows 10 merupakan yang tercepat dibandingkan Windows 7 dengan persentase penerimaan mencapai 115% (Amalia, 2016). Windows 10 juga saat ini berada diposisi kedua dengan persentase 17,3% sebagai sistem operasi versi desktop yang paling banyak digunakan di dunia namun di negara Indonesia sistem operasi ini hanya berhasil menempati urutan keempat dengan 8,69% (Globalstats, 2016).

1. PENDAHULUAN Teknologi baik disisi perangkat keras maupun perangkat lunak berkembang dengan pesat, berbagai usaha dilakukan untuk menciptakan teknologi yang dapat memenuhi harapan pengguna.OS Windows 10 merupakan salah satu pengembangan perangkat lunak terbaru untuk mengatasi kekurangan pada sistem operasi sebelumnya dan sekaligus menjadi sistem operasi versi terakhir keluaran Microsoft (Myerson, 2016).Lebih dari 400 juta perangkat beralih menggunakan sistem operasi Fakultas Ilmu Komputer Universitas Brawijaya

514

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Hal tersebut mendasari penelitian ini untuk menganalisis penyebab yang memengaruhi penerimaan pengguna terhadap OS Windows 10. Sistem operasi ini juga didukung dengan enam edisi untuk berbagai kriteria pengguna.Salah satu kriteria pengguna yang ditargetkan adalah kalangan pelajar dan mahasiswa (Nabila, 2015). Indonesia sebagai negara yang akan diteliti mengkategorikan mahasiswa kedalam rentang usia 19 sampai 24 tahun (Harsono, 2014). Sehingga, pengguna mahasiswa dengan rentang usia 19 sampai 24 tahun dipilih dalam penelitian ini untuk merepresentasikan pengguna Windows 10 di Indonesia. Sehingga dapat dilakukan analisis mengenai faktor-faktor yang memengaruhi maupun tidak memengaruhi penerimaan pengguna Windows 10 di Indonesia. Penelitian ini menganalisis penerimaan Windows 10 dengan model Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) yang diusulkan oleh Venkatesh et al. (2012) tanpa moderator yang mengacu pada penelitian Xiuyan Shao & Mikko Siponen (2011). Data sampel penelitian ini didapat melalui penyebaran kuisioner secara online dan dianalisis menggunakan metode Structural Equation Model (SEM) untuk dapat memahami keterkaitan hubungan antar konstruk yang dimodelkan. 2. DASAR TEORI 2.1Windows 10 Sistem operasi terbaru sekaligus keluaran terakhir perusahaanMicrosoft ini dirilis pada 29 Juli 2015 untuk mengatasi kekurangan pada sistem operasi sebelumnya dengan menambahkan berbagai fitur termasuk tampilan menu start yang ada pada Windows 7. Sistem operasi ini juga memiliki fitur untuk melakukan pembaharuan terhadap sistem yang dilakukan secara otomatis dengan tampilan yang lebih baik dan modern (Myerson, 2015). Sistem operasi ini dibagi menjadi beberapa edisi yaitu home untuk pengguna rumah tangga, pro untuk pengguna dengan usaha kecil menengah, enterprise untuk koorporasi, serta education untuk kalangan pelajar dan mahasiswa (Nabila, 2015). Beberapa fitur yang ada pada Windows Fakultas Ilmu Komputer, Universitas Brawijaya

515

10 (Myerson, 2015), yaitu: a. Windows hello Fitur ini menggantikan fungsi password dengan deteksi wajah atau sidik jari dengan otentikasi lebih aman yang mendukung seumur hidup. b. Microsoft edge Microsoft edge adalah browser yang dibangun modern dan lebih bersifat pribadi serta responsif. c. Windows Ink Fitur ini memungkinkan ide-ide didalam pikiran dituliskan dengan pena khusus untuk kemudian ditangkap kedalam gambar dan diolah. d. Cortana Fitur ini layaknya seperti asisten pribadi yang memungkinkan pengguna dapat menyelesaikan tugas, mengatur pengingat dan bekerja dengan perangkat secara lebih produktif. e. Xbox Play Anywhere Fitur ini memungkinkan pengguna terhubung dengan komunitas game dimanapun untuk bermain dengan performa yang baik. f. Continuum Fitur ini memungkinkan perangkat untuk dapat digunakan kedalam mode 2-in-1 yang berjalan sesuai mode yang diinginkan. 2.2Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) Unified Theory of Acceptance and Use of Technology 2 (UTAUT2)merupakan sebuah model penerimaan teknologi dari Venkatesh et al. (2012).Model ini menjelaskan penerimaan suatu teknologi berdasarkan sisi pengguna lebih baik dengan persentase perbaikan dari 56% menjadi 74% untuk penerimaan berupa niat perilaku penggunaan dan perbaikan pada penerimaan berupa perilaku penggunaan dengan persentase dari 40% menjadi 52% (Venkatesh et al., 2012). Model ini menjelaskan bagaimana niat dan perilaku pengguna terhadap penerimaan suatu teknologi yang dipengaruhi oleh beberapa faktor seperti performance expectancy, effort expectancy, social influence, facilitating condition, price value, hedonic motivation dan habit (Raman et al., 2014).


Performance expectancy (PE) digunakan untuk menjelaskan sejauh mana pengguna mendapatkan manfaat dalam menggunakan suatu sistem atau teknologi (Venkatesh et al., 2012). Effort Expectany (EE) menjelaskan sejauh mana suatu sistem atau teknologi mudah untuk digunakan (Jambulingam, 2013). Social Influence (SI)menjelaskan seseorang menggunakan suatu teknologi karena adanya dorongan dari orang-orang sekitar (Harsono, 2014). Facilitating Conditiion (FC) menjelaskan persepsi seseorang bahwa infrastruktur berupa perangkat atau pengetahuan mendukung penggunaan suatu sistem atau teknologi (Raman et al., 2014). Hedonic Motivation (HM) merupakan motivasi kesenangan yang diperoleh dari penggunaan suatu sistem atau teknologi (Venkatesh et al., 2012). Price Value (PV) adalah trade-off antara biaya yang dibayar dengan manfaat yang didapatkan dari penggunaan teknologi (Venkatesh et al., 2012). Habit (H) menjelaskan bagaimana seseorang menggunakan suatu sistem dalam kesehariannya (Harsono, 2014). Pada penelitian ini digunakan model asli UTAUT2 yang disarankan oleh Venkatesh et al. (2012) tanpa moderator yang merujuk pada penelitian Xiuyan Shao & Mikko Siponen (2011).Model penelitian dapat dilihat dalam Gambar 1.

Gambar 1. Model Penelitian Fakultas Ilmu Komputer, Universitas Brawijaya

516

Berdasarkan gambar tersebut, terdapat sembilan konstruk yaitu performance expectancy (PE), effort expectancy (EE), social influence (SI), facilitating condition (FC), hedonic motivation (HM), price value (PV), habit (H), behaviour intention (BI) dan use behaviour (UB) dengan 10 hipotesis, yaitu: Terdapat hubungan positif antara H1. persepsi manfaat (PE) dengan niat (BI). Terdapat hubungan positif antara H2. persepsi kemudahan (EE) dengan niat (BI). Terdapat hubungan positif antara H3. lingkungan sekitar (SI) dengan niat (BI). Terdapat hubungan positif antara H4. kondisi fasilitas (FC) dengan niat (BI). Terdapat hubungan positif antara H5. kondisi fasilitas (FC) dengan perilaku (UB). Terdapat hubungan positif antara H6. motivasi kesenangan (HM) dengan niat (BI). Terdapat hubungan positif antara harga H7. (PV) dengan niat (BI). Terdapat hubungan positif antara H8. kebiasaan (H) dengan niat (BI). Terdapat hubungan positif antara H9. kebiasaan (H) dengan perilaku (UB). H10. Terdapat hubungan positif antara niat (BI) dengan perilaku (UB). 3. METODOLOGI Penelitian ini mengadopsi item-item kuisioner berdasarkan model UTAUT2 dari Venkatesh et al. (2012) yang diterjemahkan dan di sesuaikan dengan penelitian. Kuisioner juga dilakukan pengujian untuk mengetahui keandalannya dengan melakukan pilot study. Kuisioner terdiri dari 33 pertanyaan meliputi tiga pertanyaan demografi responden dan tiga puluh pertanyaan berdasarkan variabel-variabel yang diteliti yaitu empat pertanyaan mengenai performance expectancy (PE), empat pertanyaan mengenai effort expectancy (EE), tiga pertanyaan mengenai social influence (SI), empat pertanyaan mengenai facilitating condition (FC), tiga pertanyaan mengenai hedonic motivation (HM), tiga pertanyaan mengenai price value (PV), empat


517

pertanyaanmengenai habit (H), tiga pertanyaan mengenai behaviour intention (BI) dan dua pertanyaan mengenai use behaviour (UB). Kuisioner penelitian menggunakan google form secara online dan di distribusikan kepada responden penelitian yang merupakan pengguna OS Windows 10 mahasiswa di Indonesia dengan rentang usia 19 sampai 24 tahun untuk mengetahui faktor-faktor yang memengaruhi penerimaan sistem operasi ini. Data hasil kuisioner dianalisis dengan metode Structural Equation Model (SEM) untuk mengetahui keterkaitan antar variabel apakah hipotesis dapat diterima atau ditolak berdasarkan hasil dari analisis data yang dilakukan menggunakan software statistik (Oruc et al., 2016).

Berdasarkan Tabel 1, dapat disimpulkan bahwa semua indikator telah reliable sehingga kuisioner dapat digunakan untuk mengambil data responden. Data yang berhasil dikumpulkan sebanyak 260 data.Karakteristik responden dapat dilihat dalam Tabel 2.

4. ANALISIS DATA

4.1Little MCAR Test

Pada penelitian ini, kuisioner yang digunakan mengacu pada Venkatesh et al. (2012) yang diterjemahkan dan diubah menurut pendapat ahli.Pilot study dilakukan untuk menguji keandalan kuisioner yang akan dibagikan kepada responden yang mewakili sampel penelitian sebelum full scale study. Uji reliabilitas digunakan untuk mengukur konsistensi jawaban responden (Simon, 2011).Ukuran yang digunakan untuk menentukan suatu indikator dapat dinyatakan reliabel dinamakan cronbach alpha. Kriterianilai dari cronbach alpha dibagi menjadi tiga, yaitu dapat dikatakan baik bila (>0,7), dapat diterima bila (>0,6) dan ditolak apabila (<0,5) (Bhatnagar et al., 2014). Hasil pengujian dapat dilihat dalam Tabel 1. Tabel 1. Nilai Croanbach Alpha Variabel Performance Expectancy (PE) Effort Expectancy (EE) Social Influence (SI) Facilitating Condition (FC) Hedonic Motivation (HM) Price Value (PV) Habit (H) Behavioural Intention (BI) Use Behaviour (UB)

Croanbach Alpha (>0,6) 0,773 0,873 0,821 0,694 0,888 0,824 0,866 0,913 0,664

Fakultas Ilmu Komputer, Universitas Brawijaya

Tabel 2. Karakteristik Responden Kategori Jenis Kelamin Usia Pengalaman

Tipe Laki-Laki Perempuan 19-24 tahun 1-5 bulan 6-12 bulan >12 bulan

Jumlah 152 108 260

Persentase 58,46% 41,54% 100%

100 91 69

38,46% 35% 26,54%

Missing data merupakan masalah yang sering di temukan dalam analisis statistik.Little MCAR test digunakan pada penelitian ini untuk mencari missing value pada data. Pada penelitian ini, dikarenakan penggunaan kuisioner secara online dengan sistem required untuk setiap pertanyaan maka tidak terdapat missing data atau data yang tidak lengkap. Hal ini juga didukung dengan nilai pengujian little MCAR untuk setiap indikator bernilai 0 (Sig. 0) atau tidak terdapat missing data (Chandio, 2011).Sehingga berdasarkan hasil pengujian data tersebut, data yang dipergunakan berjumlah 260 data. 4.2Uji Outlier Outlier adalah kondisi pengamatan dari suatu data yang memiliki karakteristik unik yang jauh berbeda dari pengamatan lainnya dan muncul dalam bentuk nilai yang ekstrim (Ghozali, 2008 disitasi dalam Lestari, 2016).Jarak mahalanobis digunakan sebagai perhitungan jarak dari titik pusat suatu data. Perhitungan mahalanobis mengikuti distribusi chi-square dengan menggunakan derajat kebebasan (Arriyani,Raupong& Annisa, 2008 disitasi dalam Haq, 2016). Pengujian dilakukan dengan taraf signifikasi 0,01 dengan nilai mahalanobis distance sebesar 50,892 sehingga untuk data yang memiliki nilai diatas batas dihapus dimana pada penelitian terdapat 22 data outlier sehingga jumlah data yang akan dipergunakan yaitu sebanyak 238 data.


518

correlation masing-masing variabeldapat dilihat dalam Tabel 4.

4.3Kolmogorof-Smirnov Test Pengujian normalitas menggunakan kolmogorof-smirnov test untuk memastikan bahwa data yang digunakan memiliki distribusi yang normal. Dari hasil pengujian dinyatakan bahwa 238 data memiliki distribusi yang normal dengan nilai signifikasi 0,091 (Sig. >0,05) (Field, 2009).

Tabel 4. Nilai Pearson Correlation Pearson Correlation Variabel laten

Indikator

Performance

PE1

0,797**

Expectancy (PE)

PE2

0,855**

PE3

0,770**

PE4

0,827**

EE1

0,894**

EE2

0,902**

EE3

0,904**

EE4

0,881**

SI1

0,896**

SI2

0,877**

SI3

0,808**

Facilitating Condition

FC1

0,806**

(FC)

FC2

0,749**

FC3

0,771**

FC4

0,721**

Hedonic Motivation

HM1

0,927**

(HM)

HM2

0,928**

HM3

0,894**

PV1

0,895**

PV2

0,914**

PV3

0,829**

H1

0,906**

H2

0,923**

H3

0,924**

H4

0,908**

Behaviour Intention

BI1

0,925**

(BI)

BI2

0,949**

BI3

0,955**

UB1

0,805**

UB2

0,834**

*(signifikan pada 0,05)

4.4Levene’s Test Pengujian homogenitas menggunakan levene’s test untuk memastikan bahwa data berasal dari varians yang sama. Dari hasil pengujian dinyatakan bahwa 238 data homogen dengan mayoritas nilai setiap indikator (>0,05) (Field, 2009).

Effort Expectancy (EE)

Social Influence (SI)

4.5Kaiser-Mayer-Olkin and Bartlett Test Pengujian dilakukan untuk memastikan jumlah sampel data yang digunakan telah memenuhi kecukupan data. Metode KMO andBartlett test digunakan untuk menguji kecukupan data sebanyak 238 data yang telah terkumpul. Hasil pengujian menunjukkan bahwa data telah memenuhi kecukupan data.Hasil dapat dilihat dalam Tabel 3.

Price Value (PV)

Tabel 3. Nilai KMO and Bartlett Test Indeks KaiserMeyerOlkin

Bartlett’s Test

Nilai 0,930

0,000

Kriteria <0,5 not acceptable 0,5 – 0,7 mediocre 0,7 – 0,8 good 0,8 – 0,9 great >0,9 superb

Referensi Field (2009)

<0,001

**(signifikan pada 0,01)

Habit (H)

Use Behaviour

4.6Uji Validitas Pengujian ini dilakukan dengan perhitungan pearson product moment untuk memastikan setiap indikator telah merepresentasikan variabel latennya. Hasil dari perhitungan pearson correlation menunjukkan bahwa masing-masing indicator kemudian dapat merepresentasikan variabel latennya sehingga 238 data dapat dinyatakan valid, nilai pearson Fakultas Ilmu Komputer, Universitas Brawijaya

Berdasarkan Tabel 4, dapat dilihat untuk nilai dari setiap indikator yang dipergunakan pada penelitian menunjukkan nilai untuk keseluruhan indikator berada pada taraf signifikasi 0,01 (Teturan dan Wati, 2014) sehingga setiap indikator dinyatakan dapat menjelaskan konstruk yang diteliti di dalam penelitian ini.


4.7Uji Overall Model Fit Pada tahap uji kecocokan seluruh model dilakukan uji kecocokan antara model yang digunakan dengan data yang diperoleh dengan menggunakan kriteria GOFI (Goodness Of Fit Indices) (Wijanto, 2008). Model pengujian dapat dilihat dalam Gambar 2 dan hasil dari analisis GOFI dapat dilihat dalam Tabel 5.

519

antar variabel laten digambarkan dengan panah dua arah sebagai langkah untuk mengukur kesesuaian suatu model. Sedangkan pada Tabel 5, dapat dilihat bahwa nilai dari setiap indeks telah memenuhi kriteria sehingga model dapat dinyatakan bahwa telah sesuai dengan data (fit). 4.8Uji Measurement Model Fit Pengujian ini dilakukan untuk mengetahui kecocokan antara indikator dan variabel laten. Metode yang digunakan adalah Confirmatory Factor Analysis yang digunakan untuk mengonfirmasi bahwa pertanyaan yang digunakan dapat menjelaskan variabel latennya (Santoso, 2015 disitasi dalam Haq, 2016).Hasil pengujian dapat dilihat dalam Tabel 6. Tabel 6. Hasil uji measurement model fit Item Kriteria

PE

EE

SI

FC

HM

PV

Gambar 2. Overall Model Fit Tabel 5. Nilai Goodness Of Fit Indices Indeks x2/df GFI AGFI RMSEA CFI

Batas <3 >0,8 >0,8 <0,08 >0,9

Nilai 1,809 0,859 0,822 0,056 0,942

Keterangan Fit Fit Fit Fit Fit

Referensi Oruҫ & Tatar (2016)

Berdasarkan Gambar 2, model digambarkan dengan variabel laten yang memiliki indikator dan error dimana untuk Fakultas Ilmu Komputer, Universitas Brawijaya

H

BI

UB

PE1 PE2 PE3 PE4 EE1 EE2 EE3 EE4 SI1 SI2 SI3 FC1 FC2 FC3 FC4 HM1 HM2 HM3 PV1 PV2 PV3 H1 H2 H3 H4 BI1 BI2 BI3 UB1 UB2

Loading Factor >0,5

t-value

p-value

>1,96

0,771 0,733 0,587 0,808 0,855 0,864 0,853 0,788 0,781 0,757 0,724 0,688 0,655 0,666 0,592 0,900 0,915 0,806 0,755 0,839 0,767 0,869 0,889 0,864 0,836 0,875 0,916 0,925 0,682 0,502

12,991 12,239 9,458

<0,5* <0,01** <0,001*** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** *** -

15,260 15,482 15,229 10,921 10,682 8,295 8,110 8,124 17,243 17,596 11,659 12,630 17,577 18,253 14,413 21,939 24,561 4,280

Berdasarkan data tersebut, setiap indikator telah sesuai untuk mengukur variabel latennya.


520

4.9Uji StructuralModel Fit Pengujian ini dilakukan menggunakan metode path analysis untuk menganalisis hubungan sebab akibat antar variabel laten yang dihipotesiskan diawal pada model yang digunakan. Hipotesis yang diusulkan dapat diterima apabila memiliki nilai yang signifikan (t-value>1,96; p-value<0,05). Sedangkan kekuatan hubungan dilihat berdasarkan nilai standardized regression weights (β) (β >0,3) (Hoe, 2008). Gambar pengujian model dapat dilihat dalam Gambar 3 dan hasil dari uji hipotesis dapat dilihat pada Tabel 7.

Berdasarkan Tabel 7, terdapat 6 hipotesis yang memiliki hubungan yang signifikan dan 4 hipotesis yang memiliki hubungan tidak signifikan. Hipotesis dengan nilai yang signifikan dapat dinyatakan diterima diantaranya adalah hubungan antara kemanfaatan, lingkungan sekitar, kesenangan serta kebiasaan dengan niat pengguna dan hubungan antara kondisi fasilitas dan kebiasaan dengan perilaku penggunaan.Sedangkan, hipotesis dengan nilai yang tidak signifikan dapat dinyatakan ditolak diantaranya adalah hubungan antara kemudahan, harga dan kondisi fasilitas dengan niat pengguna dan niat penggunaan dengan perilaku pengguna. 5. PEMBAHASAN H1 : Responden merasa mendapatkan manfaat apabila menggunakan OS Windows 10. Menurut responden dengan menggunakan OS Windows 10akan membawa dampak positif, sehingga manfaat yang diharapkan dalam menggunakan sistem operasi ini berhubungan erat dengan niat responden untuk menggunakan Windows 10. Dengan nilai t-value 5,191 ( >1,96) dan nilai p-value 0,001 atau (***) (<0,05), hal ini menunjukkan bahwa dalam penelitian ini manfaat yang diharapkan (PE) sangat memengaruhi niat responden (BI) untuk menggunakan OS Windows 10. Oleh karena itu dalam penelitian ini hipotesis 1 diterima.

Gambar 3 Structural Model Fit Tabel 7. Hasil uji structural model fit Indikator

Β

t-value

p-value

Keterangan

(>1,96)

(<0,05)

BI < - - PE

0,288

5,191

***

Diterima

BI < - - EE

-0,051

-1,004

0,315

Ditolak

BI < - - FC

0,099

1,768

0,077

DItolak

BI < - - H

0,653

11,024

***

Diterima

BI < - - SI

0,116

2,145

0,032

Diterima

BI < - - HM

0,149

2,931

0,003

Diterima

BI < - - PV

0,021

0,413

0,679

Ditolak

UB < - - FC

0,258

2,281

0,023

Diterima

UB < - - H

0,424

2,773

0,006

Diterima

UB < - - BI

-0,059

-0,499

0,624

Ditolak


H2 : Responden tidak merasa kemudahan dalam menggunakan OS Windows 10 menjadi salah satu faktor pendorong munculnya niat untuk menggunakan sistem operasi ini. Cara kerja maupun interaksi dengan pengguna yang mudah dipahami pada sistem operasi ini dirasa tidak memengaruhi niat responden untuk menggunakan OS Windows 10.Oleh karena itu dalam penelitian ini hipotesis 2 ditolak. Hasil ini serupa dengan penelitian sebelumnya yang dilakukan oleh Arumugam Raman et al. (2014) yang menyatakan bahwa faktor persepsi kemudahan tidak memengaruhi niat responden untuk menjadikan Facebook sebagai media komunikasi untuk pembelajaran sehingga hubungan antara kemudahan (EE) dengan niat responden (BI) ditolak.


H3 : Responden merasa lingkungan disekitar membuat responden berfikir dengan menggunakan OS Windows 10 akan memberikan dampak positif baginya. Berdasarkan nilai dari t-value 2,145 ( >1,96) dan nilai p-value 0,032 (<0,05), hal ini menunjukkan bahwa dalam penelitian ini lingkungan sekitar (SI) memiliki hubungan erat yang memengaruhi niat responden (BI) untuk menggunakan OS Windows 10. Oleh karena itu dalam penelitian ini hipotesis 3 diterima. H4 : Responden merasa infrastruktur tidak mendukung untuk menggunakan OS Windows 10. Kondisi seperti perangkat maupun pengetahuan yang dibutuhkan untuk menggunakan sistem operasi ini dianggap tidak dijadikan alasan untuk seseorang akhirnya berniat menggunakan (BI) Windows 10 sebagai sistem operasinya.Oleh karena itu dalam penelitian ini hipotesis 4 ditolak. Hasil ini juga serupa dengan penelitian yang dilakukan oleh Adelyn Kuan Lai Kit et al. (2014) mengenai hubungan kondisi fasilitas dengan niat seseorang untuk mengadopsi aplikasi mobile yang menyatakan bahwa kondisi fasilitas tidak memengaruhi niat responden untuk mengadopsi aplikasi mobile. H5 : Responden merasa infrastruktur mendukung penggunaan OS Windows 10. Perangkat maupun pengetahuan mengenai sistem operasi ini berdampak pada perilaku penggunaan (UB) yang diperlihatkan dari lamanya waktu penggunaan OS Windows 10. Didukung pula dengan nilai t-value 2,281 ( >1,96) dan nilai p-value 0,023 (<0,05) sehingga dalam penelitian ini hipotesis 5 diterima. H6 : Responden memiliki motivasi kesenangan untuk menggunakan OS Windows 10. Responden merasa sistem operasi ini menyenangkan maupun menghibur sehingga motivasi kesenangan (HM) memiliki pengaruh terhadap niat responden (BI) untuk menggunakan OS Windows 10 . Didukung dengan nilai t-value 2,931 ( >1,96) dan nilai pvalue 0,003 (<0,05) sehingga dalam penelitian ini hipotesis 5 diterima. H7 : Responden merasa nilai yang didapatkan tidak sebanding dengan biaya yang dikeluarkan untuk menggunakan OS Windows 10. Fitur-fitur yang ditawarkan dirasa memiliki nilai yang sesuai dengan harga sistem operasi ini sehingga faktor tersebut tidak memengaruhi niat Fakultas Ilmu Komputer, Universitas Brawijaya

521

responden untuk menggunakan OS Windows 10.Hal ini menunjukkan bahwa dalam penelitian ini biaya yang dikeluarkan (PV) tidak memengaruhi niat responden (BI) untuk menggunakan OS Windows 10.Oleh karena itu dalam penelitian ini hipotesis 6 ditolak. Hasil ini serupa dengan penelitian yang dilakukan oleh Listyo Dwi H. dan Lisandy Arinta S (2014) mengenai perilaku mahasiswa di Bandung untuk mengadopsi aplikasi LINE yang menyatakan bahwa harga tidak memengaruhi niat untuk menggunakan LINE. H8 : Responden terbiasa menggunakan Windows 10. Menurut responden, menggunakan OS Windows 10 merupakan kebiasaan yang dilakukan secara terus menerus dan telah menjadi bagian dari hidupannya, didukung dengan nilai t-value 11,024 ( >1,96) dan nilai p-value 0,001 atau (***) (<0,05), hal ini menunjukkan bahwa dalam penelitian ini kebiasaan (H) sangat memengaruhi niat responden (BI) sehingga hipotesis 8 diterima. H9 : Responden terbiasa menggunakan OS Windows 10. Menurut responden, menggunakan OS Windows 10 merupakan kebiasaan yang telah menjadi bagian dari kehidupannya, didukung dengan nilai t-value 2,773 ( >1,96) dan nilai p-value 0,006 (<0,05), hal ini menunjukkan bahwa dalam penelitian ini kebiasaan (H) memengaruhi perilaku responden (UB) dalam menggunakan OS Windows 10. Oleh karena itu dalam penelitian ini hipotesis 9 diterima. H10 : Responden tidak mempengaruhi perilaku penggunaan OS Windows 10. Niat responden baik kecil maupun besar untuk menggunakan sistem operasi ini dirasa tidak memengaruhi perilaku responden seperti intensitas waktu penggunaan dalam menggunakan OS Windows 10.Oleh karena itu dalam penelitian ini hipotesis 8 ditolak. Hasil ini serupa dengan penelitian sebelumnya dilakukan oleh Ayankunle Adegbit Taiwo & Alan G. Downe, 2013 yang menganalisis berbagai temuan empiris mengenai keterkaitan hubungan niat perilaku dengan perilaku penggunaan dan menyatakan bahwa niat perilaku responden tidak memengaruhi perilaku penggunaan responden.


6. KESIMPULAN Berdasarkan hasil dari penelitian ini dapat disimpulkan bahwa terdapat 6 faktor yang memengaruhi penerimaan seseorang terhadap OS Windows 10 di Indonesia yang dapat dilihat kedalam dua bentuk penerimaan yaitu niat dan perilaku penggunaan. Penerimaan dalam bentuk niat untuk menggunakan Windows 10 pada mahasiswa di Indonesia dipengaruhi oleh beberapa faktor seperti manfaat yang didapat, pengaruh lingkungan sekitar, motivasi kesenangan serta kebiasaan. Sedangkan, responden tidak berniat untuk menggunakan sistem operasi ini karenadirasa tidak mudah untuk digunakan, harga yang tidak sebanding dengan nilai yang didapatkan serta tidak memiliki fasilitas yang mendukung penggunaan. Disisi lain, penerimaan berupa perilaku penggunaan dipengaruhi oleh kondisi fasilitas yang kemudian memungkinkan pengguna dapat menggunakan sistem operasi ini serta kebiasaan pengguna dalam menggunakan sistem operasi ini. Sedangkan untuk menggunakan sistem operasi ini, pengguna merasa tidak memerlukan niat terlebih dahulu. Penelitian ini dilakukan dengan menggunakan responden mahasiswa dengan rentang usia 19 sampai 24 tahun di Indonesia. Hasil dari penelitian dapat berbeda jika dilakukan pada responden dengan kategori lainnya.Model penelitian juga dapat diperluas menggunakan moderator maupun digabungkan dengan model lainnya mengingat cakupan penelitian yang luas. 7. DAFTAR PUSTAKA Abdillah, Willy, and Jogiyanto. Partial Least Square (PLS), Alternatif Structural Equation Modeling (SEM) Dalam Penelitian Bisnis. Yogyakarta: Andi Publisher, 2015. Amalia, Ellavie Ichlasa. Metro TV. September 27, 2016. http://teknologi.metrotvnews.com/read/ 2016/09/27/589065/sudah-ada-400juta-pengguna-windows-10 (accessed Oktober 18, 2016). Badan Pusat Statistik. Badan Pusat Statistik. Maret 03, 2017. Fakultas Ilmu Komputer, Universitas Brawijaya

522

https://www.bps.go.id/linkTabelStatis/v iew/id/1533 (accessed Maret 05, 2017). Bhatnagar, Ruchi, Jihye Kim, and Joyce E. Many. "Candidate Surveys on Program Evaluation: Examining Instrument Reliability, Validity and Program Effectiveness." American Journal of Educational Research, 2014: 683-690. Chandio, Fida Hussain. Studying Acceptance Of Online Banking Information System: A Structural Equation Model. PhD Thesis, London: Brunel University West London, 2011. Field, Andy. Discovering Statistic Using SPSS. SAGE, 2009. Gagne, Silberschatz Galvin. Operating System Concept. United States of America: John Wiley & Sons, Inc., 2005. Garland, Ron. "The Mid-Point on a Rating Scale: Is it Desirable?" Marketing Bulletin, 1991: 66-70. Globalstats. gs.statcounter.com. Oktober 2016. http://gs.statcounter.com/os-versionmarketshare/windows/desktop/indonesia/ (accessed November 09, 2016). Haq, One Safitri Waddinil. Analisis FaktorFaktor yang Memengaruhi Publikasi Foto Pribadi Pengguna Pada Instagram Dengan Menggunakan Structural Equation Modeling (SEM). Strata 1, Malang: Universitas Brawijaya, 2016. Hariri, Abdulrahman, and Paul Roberts. "Adoption of Innovation within Universities: Proposing and Testing an Initial Model." Creative Education (Scientific Research Publishing), 2015: 186-203. Harsono, Listyo Dwi, and Lisandy Arinta Suryana. "Factors Affecting the Use Behavior of Social Media Using UTAUT 2." AP14 Singapore Conference. Singapore: Global Business Research, 2014. S471. Hoe, Siu Loon. "Issues and Procedures in Adopting Structural Equation Modeling." Quantitative Methods Inquires, 2008: 78-83. Jambulingam, Manimekalai. "Behavioural Intention to Adopt Mobile Technology among Tertiary Students." World


Applied Sciences Journal, 2013: 12621271. Kit, Adelyn Kuan Lai, Ann Hui Ni, Emeilee Nur Freida Binti Mohd Badri, and Tang Kia Yee. UTAUT2 Influencing The Behavioural. Bachelor, Malaysia: University Tunku Abdul Rahman, 2014. Lestari, Sumini Wiji. Analisis Penerimaan Teknologi Wi-Fi Menggunakan Metode Technology Acceptance Model (TAM) Pada SMK Negeri 1 Ngawi. Strata 1, Malang: Universitas Brawijaya, 2016. Liang, WU. "An Empirical Research on Poor Rural Agricultural." International Workshop on Information and Electronics Engineering (IWIEE). GuiYang: Elsevier Ltd., 2012. 1578 – 1583. Madigan, Ruth, et al. "Acceptance of Automated Road Transport Systems (ARTS):an adaptation of the UTAUT model." Transport Research Arena. United Kingdom: Elsevier B.V., 2016. 2217 – 2226. Myerson, Terry. Microsoft. June 1, 2015. https://blogs.windows.com/windowsex perience/2015/06/01/hello-worldwindows-10-available-on-july29/#gX3xkzXfpYFcRjvc.97 (accessed September 25, 2017). Oruç, Ozlem Ege, and Çigdem Tatar. "An investigation of factors that affect internet banking usage based on structural equation modeling." Computers in Human Behavior (Elsevier Ltd.), 2016: 232-235. Prophet, Tony. Microsoft. May 13, 2015. https://blogs.windows.com/windowsex perience/2015/05/13/introducingwindows-10editions/#ApIcvZfVLXshF8Ux.97 (accessed February 03, 2017). Raman, Arumugam, Ruuhina Mohd Sani, and Paramjit Kaur. "Facebook as a Collaborative and Communication Tool: A Study of Secondary School Students in Malaysia." The


523

International Conference on Communication and Media. Malaysia: Elsevier Ltd., 2014. 141 – 146. Santos-Feliscuzoa, Larmie T., and Celbert M. Himang. "Library Periodical Indexing Software Evaluation using." International Conference on Asia Pacific Business Innovation & Technology Management. Phillipines: Elsevier Ltd., 2011. 104 – 114. Sarjono, Haryadi, and Winda Julianita. Structural Equation Modeling (SEM). 1. Jakarta: Salemba Empat, 2015. Shao, Xiuyan, and Mikko Siponen. "Consumer Acceptance and Use of Information Technology: Adding consumption theory to UTAUT2." SIGSVC Workshop. Finland: All Sprouts Content, 2011. 11-157. Simon, Marilyn K. Dissertation and Scholarly research: recipes for success. Master Disseration, Seattle: Dissertationrecipes, 2011. Taiwo, Ayankunle Adegbite, and Alan G. Downe. "The Theory Of User Acceptance And Use Of Technology (UTAUT): A Meta-Analytic Review Of Empirical Findings." Journal of Theoretical and Applied Information Technology, 2013: 48-58. Venkatesh, Viswanath, James Y. L. Thong, and Xin Xu. "Consumer Acceptance And Use Of Information Technology: Extending The Unified Theory Of Acceptance And Use Of Technology." MIS Quarterly (MIS Quarterly), 2012: 157-178. Venkatesh, Viswanath, Michael G. Morris, Gordon B. Davis, and Fred D. Davis. "User Acceptance of Information Technology: Toward A Unified View." MIS Quarterly, 2003: 425-478. Wijanto, Setyo Hari. Structural Equation Modeling dengan Lisrel 8.8. 1. Yogyakarta: Graha Ilmu, 2008.

Analisis Penerimaan Os Windows 10 Dengan Unified Theory of Acceptance and Use of Technology (UTAUT2)

Recommend Documents