BAB IV HASIL DAN PEMBAHASAN
4.1
Penyusunan Kuesioner dan Penentuan Variabel Kuesioner disusun berdasarkan penelitian yang telah dilakukan olehWadie
Nasri dan Lanouar Charfeddine (2012) mengangkat faktor minat perilaku nasabah yang menggunakan internet banking dengan model integrasi TAM dan TPB. Bedasarkan teori tersebut, peneliti melakukan pengujian model integrasi TAM dan TPB pada nasabah bank yang menggunakan internet banking di Surabaya. Kuesioner ini terdirin dari sepuluh variabel yaitu perceived of use, perceived ease of use, security and privacy, self efficacy, government support dan technology supportyang merupakan variabel eksogen, sedangkanattitude, subjective norm dan perceived behavioral control merupakan variabel endogen. Lembar kuesioner yang digunakan dapat dilihat pada lampiran 1. 4.1.1 Perceived Usefulness Perceived
usefulnessbertujuan
untuk
mengukur
tingkatkepercayaan
seseorangterhadap penggunaan internet banking. Variabel perceived usefulness disusun
dari
beberapa
indikator
yaitu
menyelesaikan
tugas
dengan
cepat,mengerjakan tugas dengan cepat, berguna, dan menguntungkan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.1.
44
45
Tabel 4.1 Kuesioner perceived usefulness No. Kuesioner
Indikator
Kode
Pernyataan
1.
menyelesaikan tugas dengan cepat.
PU1
Penggunaan IB dapat menyelesaikan tugas-tugas lebih cepat
2.
mengerjakan tugas dengan cepat
PU2
Penggunaan IB dapat memudahkan dalam melaksanakan tugas-tugas .
3.
berguna
PU3
Internet bankingberguna.
4.
menguntungkan.
PU4
Penggunaan IB menguntungkan.
4.1.2 Perceived Ease of Use Perceived ease of use bertujuan untuk mengukur tingkat percaya bahwa sistem dapat dengan mudah dipahami dan digunakan oleh responden dalam penggunaan internet banking. Variabel perceived ease of use disusun dari beberapa indikator yaitu mudah dipelajari, interaksi mudah, dan mudah transaksi. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.2. Tabel 4.2 Kuesioner perceived ease of use
No. Kuesioner
Indikator
Kode
Pernyataan
5.
mudah dipelajari
PEU 1
Penggunaan IB mudah dipelajari.
6.
mudah interaksi
PEU 2
Mudah berinteraksi dengan IB.
7.
mudah transaksi
PEU 3
IB dapat memudahkan transaksi perbankan.
46
4.1.3 Security and Privacy Security and privacy bertujuan untuk mengendalikan dan menciptakan situasi, kondisi, atau peristiwa yang berpotensi dalam bentuk kerusakan, pengungkapan, modifikasi data, penolakan layanan dan / atau penipuan, dan penyalahgunaan. Variabel security and privacydisusun dari beberapa indikator yaitu dapat dipercaya, melindungi data pribadi, sama dengan bank konvensional, aman secara finansial, kekhawatiran, dan aspek keamanan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.3. Tabel 4.3 Kuesioner security and privacy
No. Kuesioner
Indikator
Kode
Pernyataan
8.
dapat dipercaya
SP 1
Teknologi IB dapat dipercaya
9.
melindungi data pribadi
SP 2
Teknologi IB dapat melindungi data pribadi.
10.
sama dengan bank konvensional
SP 3
Transaksi IB sama dengan transaksi bank konvensional.
11.
aman secara finansial
SP4
Penggunaan IB aman secara finansial.
12.
kekhawatiran
SP 5
Tidak ada kekhawatiran dalam penggunaan IB.
SP 6
Aspek keamanan tidak mempengaruhi dalam penggunaan IB
13.
aspek keamanan
4.1.4 Attitude Attitude bertujuan untuk mengevaluasi kepercayaan dari seseorang untuk melakukan perilaku yang akan ditentukan. Variabel attitude disusun dari beberapa indikator yaitu ide yang baik, ide yang bijaksana, IB menyenangkan, dan tanpa
47
paksaan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.4.
Tabel 4.4 Kuesioner attitude
No. Kuesioner 14.
Indikator ide yang baik
Kode
Pernyataan
ATT 1
Penggunaan IB merupakan ide yang baik.
15.
ide yang bijaksana
ATT 2
Penggunaan IB untuk transaksi keuangan merupakan ide yang bijaksana.
16.
IB menyenangkan
ATT 3
Penggunaan IB menyenangkan.
17.
tanpa paksaan
ATT 4
Penggunaan paksaan
IB
tanpa
ada
4.1.5 Subjective Norm Subjective norm bertujuan untuk mengetahui persepsi tekanan sosial yang mempengaruhi atau tidak mempengaruhi perilaku seseorang. Variabel subjective norm disusun dari beberapa indikator yaitu orang terpenting, orang lain mempengaruhi, dan orang lain berpendapat. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.5. Tabel 4.5 Kuesioner subjective norm No. Kuesioner
Indikator
Kode
Pernyataan
18.
orang terpenting
SN 1
Orang terpenting di sekitar saya akan menyarankan untuk menggunakan IB.
19.
orang lain mempengaruhi
SN 2
Orang lain di sekitar saya mempengaruhi untuk menggunakan IB.
20.
orang lain berpendapat
SN 3
Orang lain di sekitar saya berpendapat untuk menggunakan IB.
48
4.1.6 Self Efficacy Self efficacy bertujuan untuk penilaian kemampuan seseorang untuk menggunakan suatu system. Variabel self efficacy disusun dari beberapa indikator yaitu tanpa bantuan orang lain, tidak pernah menggunakan, bantuan manual atau online, melihat cara menggunakan, menelepon untuk membantu, telah dibantu, punya banyak waktu, fasilitas bantuan, telah dicontohkan, dan sistem yang sama sebelumnya. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.6 4.1.7 Goverment Support Goverment support bertujuan untuk memainkan peran intervensi dan kepemimpinandalam mengukur persepsi individu mengenai tingkat dukungan. Variabel goverment support disusun dari beberapa indikator yaitu mendukung, aktif mendirikan fasilitas, dan promosi untuk e-commerce. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.7. Tabel 4.6 Kuesioner goverment support
No. Kuesioner
Indikator
Kode
Pernyataan
31.
mendukung
GS 1
Pemerintah mendukung penggunaan IB.
32.
aktif mendirikan fasilitas
GS 2
Pemerintah aktif dalam mendirikan fasilitas untuk penggunaan IB.
33.
promosi untuk ecommerce
GS 3
Pemerintah mempromosikan penggunaan internet untuk ecommerce.
49
Tabel 4.7 Kuesioner self efficacy No. Kuesioner
Indikator
Kode
Pernyataan
SE 1
Saya dapat menyelesaikan transaksi bank menggunakan IB, walaupun tanpa bantuan orang lain.
SE 2
Saya dapat menyelesaikan transaksi bank menggunakan IB,walaupun tidak pernah menggunakan sebelumnya
SE 3
Saya dapat menyelesaikan transaksi bank menggunakan IB, walaupun hanya dengan bantuan manual maupun online
SE 4
Saya dapat menyelesaikan transaksi bank menggunakan IB, hanya melihat orang lain menggunakannya.
25.
menelepon untuk membantu
SE 5
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika terjebak akan menelepon seseorang untuk membantu
26.
telah dibantu
SE 6
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika seseorang telah membantu menggunakannya
27.
punya banyak waktu
SE 7
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika punya banyak waktu untuk menyelesaikan pekerjaan.
28.
fasilitas bantuan.
SE 8
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika telah dibangun fasilitas bantuan.
29.
telah dicontohkan
SE 9
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika ada seseorang yang mencontohkan
SE 10
Saya dapat menyelesaikan transaksi bank menggunakan IB, jika telah menggunakan sistem yang sama sebelumnya
21.
tanpa bantuan orang lain
22.
tidak pernah menggunakan
23.
bantuan manual atau online
24.
melihat cara menggunakan
30.
sistem yang sama sebelumnya
50
4.1.8 Technology Support Technology support bertujuan untuk teknologi menjadi mudah dan tersedia sebagai aplikasi e-commerce seperti layanan internet banking menjadi lebih layak. Variabel technology support disusun dari beberapa indikator yaitu keamanan internet, kecepatan akses, dan teknologi internet. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.8 Tabel 4.8 Kuesioner technology support
No. Kuesioner
Indikator
Kode
Pernyataan
34.
keamanan internet
TS 1
Kemajuan teknologi telah menyediakan keamanan internet untuk penggunaan IB.
35.
kecepatan akses
TS 2
Kecepatan akses internet penting untuk IB.
36.
teknologi internet
TS 3
Teknologi internet, seperti WiFi, membuat IB lebih layak.
4.1.9 Perceived Behavioral Control Perceived behavioral control bertujuan untuk memberikan sumber daya dan kesempatan yang mengarahkan seseorang pada kemungkinan perilaku yang diharapkan. Variabel perceived behavioral control disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.9.
51
Tabel 4.9 Kuesioner perceived behavioral control
No. Kuesioner
Indikator
Kode
Pernyataan
37.
transaksi keuangan
PBC 1
Saya dapat menggunakan IB dengan baik untuk transaksi keuangan.
38.
mengontrol
PBC 2
Saya dapat mengontrol penggunaan IB.
39.
sumber daya, pengetahuan, dan kemampuan
PBC 3
Sayamemiliki sumber daya, pengetahuan, dan kemampuan untuk menggunakan internet banking.
4.1.10 Intention to Use IB Intention to use IBbertujuan untuk mengetahui niat dan keinginan untuk menggunakan internet banking. Variabel intention to use IB disusun dari beberapa indikator yaitu transaksi keuangan, mengontrol, dan sumber daya, pengetahuan, dan kemampuan. Pernyataan dari setiap indikator pada kuesioner dijabarkan pada Tabel 4.10. Tabel 4.10 Kuesioner intention to use internet banking
No. Kuesioner
Indikator
Kode
Pernyataan
40.
kebutuhan perbankan
INT 1
Saya akan menggunakan internet banking untuk kebutuhan perbankan .
41.
transaksi keuangan
INT 2
Saya akan menggunakan internet banking untuk menangani transaksi keuangan.
INT 3
Saya akan menggunakan internet banking untuk menangani transaksi perbankan.
42.
transaksi perbankan
52
4.2
Penyebaran dan Pengumpulan Kuesioner Data responden penelitian diperoleh melalui pengisian kuesioner yang telah
disebarkan kepada responden baik melalui online maupun offline. Penyebaran kuesioner dilakukan pada tangal 10 Juli sampai 4 September 2015. Data yang telah diperoleh sebanyak 168 responden. Pengumpulan kuesioner dilakukan secara online maupun offline, dengan rincian online sebanyak 151, sedangkan offline sebanyak 17. Pengumpulan online, dilakukan menggunakan google form yang telah disebar melalui media sosial, sedangkan pengumpulan offline disebar di Fakultas Sains dan Teknologi Universitas Airlangga. 4.3
Karakteristik Responden Karakteristik responden meliputi domisili tinggal, jenis kelamin, usia,
jenjang pendidikan terakhir, bank yang digunakan, dan frekuensi penggunaan dalam sebulan. 4.3.1 Karakteristik Responden Bedasarkan Jenis Kelamin Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenis kelamin laki-laki dan perempuan dimana hasil analisis karateristik responden dapat dilihat pada Gambar 4.1.
Laki-laki 29% Laki-laki Perempuan
Perempuan 71%
Gambar 4.1 Data responden berdasarkan jenis kelamin
53
Pada Gambar 4.1 terlihat bahwa respondenperempuan yaitu sebesar 71% atau sebanyak 120 orang memiliki frekuensi lebih tinggi dibanding responden laki-laki yang hanya 29% atau sebanyak 48 orang. 4.3.2 Karakteristik Responden Berdasarkan Usia Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan rentang usia dimana hasil analisis karateristik responden dapat dilihat pada Gambar 4.2. Pada Gambar 4.2 terlihat bahwa responden yang memiliki frekuensi yaitu responden dengan usia <25 tahun sebesar 85% atau sebanyak 143 orang dan usia ≥25 tahun sebesar 15% atau sebanyak 25 orang ≥25 tahun 15%
0%
<25 tahun ≥25 tahun
<25 tahun 85%
Gambar 4.2 Data responden berdasarkan usia
4.3.3
Karakteristik Responden Bedasarkan Jenjang Pendidikan Terakhir
Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan jenjang pendidikan terakhir yaitu SMA, D3, S1, S2, dan S3 dimana hasil analisis karateristik responden disajikan dalam Gambar 4.3.
54
Pada Gambar 4.3 dapat terlihat bahwa responden yang tertinggi adalah responden dengan jenjang pendidikan terakhir S1 memiliki presentase yang sama yaitu sebesar 69% atau sebanyak 116 orang.
S2 S3 4% 0%
SMA
SMA 27%
D3 S1 S2
D3 0%
S3
S1 69%
Gambar 4.3 Data responden berdasarkan jenjang pendidikan terakhir
4.3.4 Karakteristik Responden Bedasarkan Bank yang Digunakan Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan bank yang digunakan, yaitu Mandiri, BCA, BNI, BRI, dan lainnya dimana hasil analisis karateristik responden disajikan dalam Gambar 4.4. Pada Gambar 4.4 terlihat bahwa bank yang digunakan oleh pengguna internet bankingyang mempunyai jumlah responden terbanyak adalah pengguna Mandiri mempunyai frekuensi terbesar yaitu 41,4% atau sebanyak 70 orang.
BRI 21% BNI 14%
Lainnya 5%
Mandiri BCA Mandiri 42% BNI BRI
BCA 18%
Lainnya
Gambar 4.4 Data responden berdasarkan bank yang digunakan
55
4.3.5 Karakteristik Responden Bedasarkan Frekuensi Penggunaan dalam Sebulan Data hasil pengisian kuesioner kemudian ditabulasi dan dikelompokkan bedasarkan frekuensi penggunaan dalam sebulan, yaitu 1-5, 6-10, dan >10dimana hasil analisis karateristik responden disajikan pada Gambar 4.5. Pada Gambar 4.5 terlihat bahwa responden jarang membuka internet bankingnya dimana frekuensi penggunaan internet banking dalam sebulan paling banyak adalah 1 sampai 5 kali mempunyai frekuensi terbesar yaitu 63,7% atau sebanyak 107 orang.
>10 14% 6 sampai 10 22%
1 sampai 5 1 sampai 5 64%
6 sampai 10 >10
Gambar 4.5 Data responden berdasarkan frekuensi penggunaan dalam sebulan
4.4
Analisis Statistik Deskriptif Variabel Analisis statistik deskriptif variabel digunakan untuk mengetahui
kecenderungan jawaban pada kuesioner. Terdapat lima kategori pilihan jawab an pada kuesioner yaitu Sangat Setuju (SS) yang berskala 1, Setuju (S) yang berskala 2, Tidak Setuju (TS) yang berskala 3, dan Sangat Tidak Setuju (SS) yang berskala 4. Data yang terkumpul kemudian ditabulasi untuk mengetahui distribusi jawaban responden dari masing-masing indikator pada setiap variabel.
56
4.4.1
Frekuensi Jawaban Variabel Perceived Usefulness Frekuensi jawaban responden pada variabel perceived usefulness disajikan
pada Tabel 4.11. Dari tabel 4.11dapat dilihat bahwa distribusi frekuensi variabel perceived usefulness terdiri dari empat indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PE1, PE2, PE3, dan PE4 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking dapat menyelesaikan tugas lebih cepat dan merasa bahwa penggunaan internet banking memudahkan dalam mengerjakan tugas, selain itu responden juga merasa penggunaan internet banking berguna dan menguntungkan. Tabel 4.11 Analisis statistik perceived usefulness Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
PU1
0
0
8
5
91
54
69
41
3
PU2
0
0
4
2
99
59
65
39
3
PU3
0
0
0
0
87
52
81
48
3
PU4
0
0
5
3
86
51
77
46
3
4.4.2 Frekuensi Jawaban Variabel Perceived Ease Of Use Frekuensi jawaban responden pada variabel perceived ease of use disajikan pada Tabel 4.12. Dari tabel 4.12 dapat dilihat bahwa distribusi frekuensi variabel perceived ease of use terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PEU1, PEU2, dan PEU3 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking mudah
57
untuk dipelajari dan mudah berinteraksi, responden jugasetuju bahwa penggunaan internet banking memudahkan transaksi perbankan. Tabel 4.12 Analisis statistik perceived ease of use Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
PEU1
0
0
12
7
122
73
34
20
3
PEU2
0
0
6
3
117
70
45
27
3
PEU3
0
0
3
2
96
57
69
41
3
4.4.3 Frekuensi Jawaban Variabel Security and Privacy Frekuensi jawaban responden pada variabel security and privacy disajikan pada tabel 4.13. Dari tabel 4.13 dapat dilihat bahwa distribusi frekuensi variabel security and privacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SP1, SP2, SP3, SP4, SP5, dan SE6 adalah setuju, hal ini menunjukkan bahwa responden merasa teknologi internet banking dapat dipercaya dan melindungi data pribadi, selain itu responden juga setuju bahwa transaksi internet bankingsama dengan bank konvensional, aman secara finansial, tidak ada kekhawatiran dalam penggunaannya, dan tidak dipengaruhi aspek keamanan. Tabel 4.13 Analisis statistik security and privacy
Indikator
Skala Pengukuran 2 3 (TS) (S)
1 (STS)
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
SP1
0
0
11
7
132
78
25
15
3
SP2
1
1
21
12
115
69
31
18
3
SP3
1
1
37
22
102
61
28
16
3
SP4
1
1
19
11
119
71
29
17
3
SP5
4
2
50
30
88
52
26
16
3
SP6
8
5
55
33
80
47
25
15
3
58
4.4.4
Frekuensi Jawaban Variabel Attitude Frekuensi jawaban responden pada variabel security and privacy disajikan
pada tabel 4.14. Dari tabel 4.14 dapat dilihat bahwa distribusi frekuensi variabel attitude terdiri dari empat indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator ATT1, ATT2, ATT3, dan ATT4 adalah setuju, hal ini menunjukkan bahwa responden merasa penggunaan internet banking ide yang baik, bijaksana, dan menyenangkan, selain itu responden dalam menggunakan internet banking tanpa ada paksaan. Tabel 4.14 Analisis statistik attitude
Indikator
Skala Pengukuran 2 3 (TS) (S)
1 (STS)
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
ATT1
0
0
3
2
115
68
50
30
3
ATT2
0
0
10
6
112
67
46
27
3
ATT3
0
0
8
5
109
65
51
30
3
ATT4
0
0
4
3
91
54
73
43
3
4.4.5 Frekuensi Jawaban Variabel Subjective Norm Frekuensi jawaban responden pada variabel subjective norm disajikan pada Tabel 4.15. Dari tabel 4.15 dapat dilihat bahwa distribusi frekuensi variabel subjective norm jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SN1, SN2, dan SN3 adalah setuju, hal ini menunjukkan bahwa responden merasa disarankan dan dipengaruhi menggunakan internet banking oleh orang terpenting dan orang lain disekitarnya, selain itu orang lain yang berada disekitar responden juga berpendapat untuk menggunakan internet banking.
59
Tabel 4.15 Analisis statistik subjective norm Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
SN1
1
1
38
22
106
63
23
14
3
SN2
6
4
46
27
90
54
26
15
3
SN3
3
2
30
18
111
66
24
14
3
4.4.6 Frekuensi Jawaban Variabel Self Efficacy Frekuensi jawaban responden pada variabel self efficacy disajikan pada Tabel 4.16. Dari tabel 4.16 dapat dilihat bahwa distribusi frekuensi variabel self efficacy jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator SE1, SE2, SE3 dan SE4 adalah setuju, hal ini menunjukkan bahwa responden merasa dapat menyelesaikan transaksi bank menggunakan internet banking walaupun tanpa bantuan orang lain, tidak pernah menggunakan sebelumnya, hanya dengan bantuan manual/online, dan melihat orang lain menggunakannya. Pada indikator SE5, SE6, SE7, SE8, SE9, dan SE10 pilihan jawaban terbanyak adalah setuju. Tabel 4.16 Analisis statistik self efficacy Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
SE1
0
0
17
10
99
59
52
31
3
SE2
1
1
27
16
101
60
39
23
3
SE3
1
1
5
1
114
68
44
26
3
SE4
1
1
41
24
25
57
31
18
3
SE5
3
2
24
14
116
69
25
15
3
SE6
4
2
49
29
94
56
21
13
3
SE7
3
2
34
20
106
63
25
15
3
SE8
6
4
40
24
103
61
19
11
3
SE9
4
2
48
29
93
55
23
14
3
SE10
4
2
29
18
111
66
24
14
3
60
4.4.7 Frekuensi Jawaban Variabel Goverment Support Frekuensi jawaban responden pada variabel goverment support disajikan pada Tabel 4.17. Dari tabel 4.17 dapat dilihat bahwa distribusi frekuensi variabel goverment support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator GS1, GS2, dan GS3 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa pemerintah mendukung dan memberikan fasilitas dalam penggunaan internet banking, selain itu responden juga merasa bahwa pemerintah mempromosikan internet untuk e-commerce. Tabel 4.17 Analisis statistik goverment support Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
GS1
0
0
14
8
108
64
46
28
GS2
2
1
25
15
102
61
39
23
GS3
3
2
34
20
97
58
34
20
3 3 3
4.4.8 Frekuensi Jawaban Variabel Technology Support Frekuensi jawaban responden pada variabel technology support disajikan pada Tabel 4.18. Dari tabel 4.18dapat dilihat bahwa distribusi frekuensi variabel technology support jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator GS1 adalah setuju, hal ini menunjukkan bahwa responden merasa bahwa kemajuan teknologi telah menyediakan keamanan internet dalam penggunaan internet banking. Berbeda pada indikator GS2 pilihan jawaban terbanyak adalah sangat setuju, dimana responden merasa sangat setuju jika Kecepatan akses internet penting untuk penggunaan internet banking.Sedangkan pada indikator
61
GS3 pilihan terbanyak adalah sangat setuju dan setuju, dimana responden merasa teknologi internet membuat internet banking lebih layak. Tabel 4.18 Analisis statistik technology support
Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
TS1
1
1
17
10
91
54
59
35
3
TS2
1
1
5
3
80
47
82
49
4
TS3
3
2
5
3
80
48
80
47
3 dan 4
4.4.9 Frekuensi Jawaban Variabel Perceived Behavioral Control Frekuensi jawaban responden pada variabel perceived behavioral control disajikan pada Tabel 4.19.Dari tabel 4.19 dapat dilihat bahwa distribusi frekuensi variabel perceived behavioral control terdiri dari tiga indikator, dimana responden tidak ada yang memilih jawaban sangat tidak setuju. Jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator PBC1, PBC2, dan PBC3 adalah setuju, hal ini menunjukkan bahwa responden merasa dapat menggunakan dan mengontrol penggunaan internet banking dengan baik untuk transaksi keuangan, selain itu responden juga merasa memiliki sumber daya, pengetahuan, dan kemampuan untuk menggunakan internet banking. Tabel 4.19 Analisis statistik perceived behavioral control
Indikator
Skala Pengukuran 2 3 (TS) (S)
1 (STS)
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
PBC1
0
0
5
3
110
65
53
32
3
PBC2
0
0
13
8
110
65
45
27
3
PBC3
0
0
6
4
99
59
63
37
3
62
4.4.10 Frekuensi Jawaban Variabel Intention to Use Internet Banking Frekuensi jawaban responden pada variabel intention to use internet banking disajikan pada Tabel 4.20. Dari tabel 4.20 dapat dilihat bahwa distribusi frekuensi variabel intention to use internet banking jika dilihat dari nilai modus, pilihan jawaban terbanyak pada indikator INT1, INT2, dan INT3 adalah setuju, hal ini menunjukkan bahwa responden akan menggunakan internet banking untuk kebutuhan perbankan, menangani transaksi keuangan, dan menangani transaksi perbankan. Tabel 4.20 Analisis statistik intention to use internet banking Skala Pengukuran 2 3 (TS) (S)
1 (STS)
Indikator
4 (SS)
Modus
Frek.
%
Frek.
%
Frek.
%
Frek.
%
INT1
0
0
11
6
112
67
45
27
3
INT2
0
0
9
5
109
65
50
30
3
INT3
2
1
12
7
108
65
46
27
3
4.5 Pengolahan Data dengan PLS Analisis data dalam penelitian ini menggunakan Partial Least Square (PLS) dimana terdapat dua tahapan evaluasi yaitu evaluasi model pengukuran (outer model) dan evaluasi model struktural (inner model). Pengolahan data dilakukan dengan software SmartPLS 3.0. 4.5.1 Evaluasi model pengukuran (Outer Model) Evaluasi model pengukuran dilakukan untuk menilai validitas dan reliabilitas model yang dilakukan dengan convergent validity, discriminant validity, dan composite reliability.
63
1. Convergent Validity Convergent validity bertujuan untuk mengukur kesesuaian antara indikator hasil pengukuran variabel dan konsep teoritis yang menjelaskan keberadaankeberadaan indikator dari variabel tersebut. Uji convergent validity dapat dievaluasi dalam tiga tahap yaitu dengan melihat outer loadings, composite reliability, dan Average Variance Extracted (AVE). Outer loadings adalah tabel yang berisi loading factor untuk menunjukkan besar korelasi antara indikator dengan variabel laten. Loading factor paling lemah yang dapat diterima validitasnya adalah 0,4. Outputouter loadings dapat diperoleh dari PLS Algorithm Report SmartPLS. Untuk memudahkan dalam melihat outer loadings dari blok-blok indikator yang mengukur konstrukmaka disajikan diagram jalur pada gambar 4.6 Dalamloading factor terdapat beberapa indikator yang tidak valid karena mempunyai loading factor di bawah 0,4. Indikator yang tidak valid adalah SE6, SE7, SE8,
SE9, dan SE10, sehingga indikator-indikator tersebut harus
dikeluarkan dari model.Penghapusan indikator nantinya dilanjutkan dengan melakukan estimasi ulang atau re-estimasi. Bentuk lain penyajian outputouter loadings ditampilkan pada tabel 4.21.
64
Gambar 4.6 Output diagram jalur
Re-estimasi atau melakukan estimasi ulang untuk evaluasi model pengukuran dimaksudkan untuk memeriksa kembali validitas loading factor setiap indikator.Jika uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji lebih lanjut. Untuk mempermudah visualisasi hasil re-estimasi maka disajikan diagram jalur model pengukuran pada Gambar 4.7.
65
Tabel 4.21 Outer loadings Korelasi indikator dengan variabel ATT1<-ATT ATT2<-ATT ATT3<-ATT ATT4<-ATT GS1<-GS GS2<-GS GS3<-GS INT1<-INT INT2<-INT INT3<-INT PBC1<-PBC PBC2<-PBC PBC3<-PBC PEU1<-PEU PEU2<-PEU PEU3<-PEU PU1<-PU PU2<-PU PU3<-PU PU4<-PU SE1<-SE SE2<-SE SE3<-SE SE4<-SE SE5<-SE SE6<-SE SE7<-SE SE8<-SE SE9<-SE SE10<-SE SN1<-SN SN2<-SN SN3<-SN SP1<-SP SP2<-SP SP3<-SP SP4<-SP SP5<-SP SP6<-SP TS1<-TS TS2<-TS TS3<-TS
Loading Factor 0.815 0.855 0.886 0.777 0.877 0.930 0.786 0.924 0.896 0.912 0.921 0.909 0.926 0.830 0.864 0.742 0.787 0.874 0.779 0.829 0.813 0.853 0.829 0.755 0.516 0.362 0.392 0.286 0.330 0.297 0.883 0.853 0.853 0.845 0.837 0.749 0.849 0.840 0.797 0.850 0.837 0.809
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 Tidak Valid Tidak Valid Tidak Valid Tidak Valid Tidak Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid Valid
Dari gambar 4.7dapat dilihat besaran loading factor hasil re-estimasi dari masing-masing indikator yang mengukur konstruk. Hasil re-estimasi tersebut
66
menunjukkan bahwa seluruh indikator telah memiliki validitas yang baik karena memiliki loading factor lebih dari 0,40. Oleh karena uji validitas dengan outer loadings telah terpenuhi, maka model pengukuran mempunyai potensi untuk diuji lebih lanjut. Adapun bentuk lain penyajian outputouter loadings hasil re-estimasi ditampilkan pada tabel 4.22.
Gambar 4.7 Output diagram jalur hasil re estimasi model
Pemeriksaan selanjutnya dari convergent validity adalah reliabilitas. Reliabilitas didefinisikan sebagai kemampuan indikator instrumen dalam menghasilkan nilai yang sama secara berulang (konsistensi) pada setiap aktivitas
67
penelitian. Tingkat reliabilitas diukur dengan nilai composite reliability dan nilai AVE. Nilai composite reliability dapat dilihat pada tabel 4.26. Tabel 4.22 Outer loadings hasil re-estimasi model Korelasi indikator dengan variabel ATT1<-ATT ATT2<-ATT ATT3<-ATT ATT4<-ATT GS1<-GS GS2<-GS GS3<-GS INT1<-INT INT2<-INT INT3<-INT PBC1<-PBC PBC2<-PBC PBC3<-PBC PEU1<-PEU PEU2<-PEU PEU3<-PEU PU1<-PU PU2<-PU PU3<-PU PU4<-PU SE1<-SE SE2<-SE SE3<-SE SE4<-SE SE5<-SE SN1<-SN SN2<-SN SN3<-SN SP1<-SP SP2<-SP SP3<-SP SP4<-SP SP5<-SP SP6<-SP TS1<-TS TS2<-TS TS3<-TS
Loading Factor 0.815 0.855 0.886 0.777 0.877 0.930 0.786 0.924 0.896 0.912 0.921 0.909 0.926 0.830 0.864 0.742 0.787 0.874 0.779 0.829 0.813 0.853 0.829 0.755 0.516 0.883 0.853 0.853 0.845 0.837 0.749 0.849 0.840 0.797 0.850 0.837 0.809
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
68
Pengukuran lain yang juga digunakan untuk menguji reliabilitas adalah AVE. Nilai AVE bertujuan untuk mengukur tingkat variansi suatu komponen konstruk yang dihimpun dari indikatornya dengan menyesuaikan pada tingkat kesalahan. Pengujian dengan nilai AVE bersifat lebih kritis daripada composite reliability. Nilai AVE minimal yang direkomendasikan adalah 0,50. Output AVE yang diperoleh dari PLS Algorithm Report SmartPLS yang tersaji pada tabel 4.23. Tabel 4.23 Nilai AVE Variabel ATT
AVE 0.696
GS
0.751
INT
0.830
PBC
0.844
PEU
0.659
PU
0.670
SE
0.599
SN
0.745
SP
0.673
TS
0.693
Dari tabel 4.23 hasil uji dengan nilai AVE menunjukkan bahwa seluruh konstruk mempunyai reliabilitas yang potensial untuk diuji lebih lanjut. Hal ini dikarenakan nilai AVE pada seluruh konstruk telah lebih besar dari 0,50. 2.
DiscriminantValidity Discriminant validity adalah tingkat diferensi suatu indikator dalam
mengukur konstruk-konstruk instrumen. Untuk menguji discriminat validity dapat dilakukan dengan pemeriksaan cross loading yakni koefisien korelasi indikator terhadap konstruk asosiasinya (loading) dibandingkan dengan koefisien korelasi dengan konstruk lain (cross loading). Nilai koefisien korelasi indikator harus lebih besar terhadap konstruk asosiasinya daripada konstruk lain. Nilai yang lebih
69
besar ini mengindikasikan kecocokan suatu indikator untuk menjelaskan konstruk asosiasinya dibandingkan menjelaskan konstruk-konstruk lain. Uji validitas diskriminan lainnya adalah dengan membandingkan korelasi antara variabel dengan akar AVE ( √AVE) . Model pengukuran mempunyai discriminant validity yang baik jika √AVEsetiap variabel lebih besar daripada korelasi antar variabel lainnya. SmartPLS sebagai tools untuk analisis PLS-SEM ini telah mencakup uji discriminant validity. Penilaian discriminant validity yang dihasilkan SmartPLS terdiri dari tiga kriteria yakni Fornell-Lacker Criterion, cross loadings, dan Heterotrait-Monotrait Ratio (HTMT). Dalam pembahasan kali ini, peneliti hanya menggunakan kriteria Fornell-Lacker Criterion dan cross loadings. Berikut adalah hasil outputcross loadings yang diperoleh dari PLS Algorithm Report SmartPLS tersaji pada tabel 4.24. Pembacaan cross loadings pada tabel 4.24 adalah berdasarkan kolom. Dapat dilihat bahwa indikator ATT1, ATT2, ATT3, dan ATT4 memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu ATT dengan koefisien korelasi sebesar 0.85, 0.85, 0.89 dan 0.78. Nilai koefisien korelasi blok indikator tersebut telahlebih besar terhadap konstruk asosiasinya daripada konstruk-konstruk lain. Indikator GS1, GS2, dan GS3 juga memiliki korelasi lebih tinggi terhadap konstruk asosiasinya yaitu GS. Sama halnya dengan indikator konstruk lainnya yang berkorelasi lebih tinggi dengan konstruk asosiasinya dibandingkan dengan konstruk lain, sehingga dapat dikatakan memiliki discriminant validity yang baik. Pemeriksaan selanjutnya adalah membandingkan korelasi antar variabel dengan akar AVE (√𝐀𝐕𝐄). Model pengukuran mempunyai discriminant validity yang baik jika √𝐀𝐕𝐄 setiap variabel lebih besar daripada korelasi antar variabel.
70
Nilai √𝐀𝐕𝐄 dapat dilihat dari output Fornell-Larcker Criterion SmartPLS yang tersaji dalam tabel 4.25. Tabel 4.24 Cross Loadings
Indikator
ATT
GS
INT
PBC
PEU
PU
SE
SN
SP
TS
ATT1
0.85
0.81
0.52
0.6
0.45
0.49
0.52
0.30
0.50
0.56
ATT2
0.85
0.57
0.59
0.67
0.57
0.50
0.65
0.36
0.62
0.44
ATT3
0.89
0.50
0.61
0.71
0.60
0.63
0.63
0.31
0.61
0.50
ATT4
0.78
0.34
0.46
0.57
0.49
0.56
0.45
0.10
0.39
0.39
GS1
0.55
0.88
0.43
0.53
0.39
0.44
0.41
0.39
0.46
0.49
GS2
0.55
0.92
0.45
0.50
0.34
0.44
0.46
0.37
0.48
0.38
GS3
0.44
0.79
0.37
0.29
0.28
0.35
0.35
0.35
0.24
0.31
INT1
0.59
0.41
0.92
0.69
0.47
0.49
0.57
0.36
0.35
0.39
INT2
0.61
0.47
0.90
0.68
0.51
0.53
0.55
0.31
0.41
0.44
INT3
0.61
0.44
0.91
0.64
0.44
0.45
0.58
0.29
0.44
0.40
PBC1
0.67
0.50
0.65
0.92
0.53
0.56
0.69
0.28
0.48
0.51
PBC2
0.73
0.47
0.67
0.91
0.64
0.53
0.70
0.32
0.53
0.40
PBC3
0.71
0.49
0.72
0.92
0.60
0.55
0.65
0.33
0.49
0.45
PEU1
0.46
0.33
0.35
0.52
0.83
0.35
0.46
0.26
0.39
0.20
PEU2
0.54
0.38
0.41
0.51
0.86
0.47
0.49
0.24
0.39
0.32
PEU3
0.54
0.27
0.50
0.53
0.74
0.55
0.44
0.16
0.38
0.46
PU1
0.52
0.39
0.46
0.50
0.40
0.79
0.45
0.22
0.32
0.37
PU2
0.59
0.49
0.53
0.53
0.48
0.87
0.50
0.23
0.36
0.48
PU3
0.48
0.31
0.33
0.43
0.50
0.78
0.39
0.21
0.25
0.42
PU4
0.54
0.36
0.43
0.49
0.49
0.83
0.41
0.24
0.35
0.50
SE1
0.59
0.33
0.56
0.68
0.53
0.48
0.81
0.28
0.42
0.36
SE2
0.57
0.33
0.51
0.71
0.56
0.45
0.85
0.30
0.52
0.33
SE3
0.66
0.52
0.59
0.65
0.58
0.51
0.83
0.40
0.50
0.41
71
Indikator
ATT
GS
INT
PBC
PEU
PU
SE
SN
SP
TS
SE4
0.43
0.30
0.46
0.52
0.33
0.31
0.75
0.26
0.32
0.25
SE5
0.31
0.30
0.28
0.26
0.25
0.21
0.51
0.32
0.28
0.32
SN1
0.36
0.43
0.37
0.31
0.23
0.28
0.39
0.88
0.36
0.28
SN2
0.23
0.31
0.25
0.30
0.23
0.18
0.40
0.85
0.29
0.12
SN3
0.23
0.34
0.27
0.26
0.23
0.23
0.32
0.85
0.24
0.12
SP1
0.62
0.42
0.44
0.52
0.47
0.40
0.47
0.35
0.84
0.47
SP2
0.59
0.43
0.43
0.50
0.37
0.39
0.47
0.27
0.84
0.49
SP3
0.47
0.38
0.35
0.42
0.37
0.29
0.48
0.21
0.75
0.43
SP4
0.53
0.44
0.33
0.42
0.35
0.30
0.34
0.24
0.85
0.48
SP5
0.48
0.35
0.31
0.41
0.42
0.24
0.43
0.26
0.84
0.44
SP6
0.42
0.31
0.25
0.37
0.34
0.27
0.43
0.42
0.80
0.35
TS1
0.54
0.45
0.42
0.49
0.44
0.52
0.45
0.28
0.64
0.85
TS2
0.45
0.36
0.30
0.41
0.32
0.45
0.33
0.11
0.31
0.84
TS3
0.40
0.33
0.40
0.30
0.22
0.35
0.21
0.11
0.36
0.81
Pembacaan tabel Fornell-Larcker Criterion pada tabel 4.25 adalah berdasarkan baris. Dapat dilihat bahwa nilai √AVE variabel GS sebesar 0.867, sedangkan nilai korelasi tertinggi variabel GS dengan variabel lain hanya sebesar 0,602. Dengan demikian √AVE variabel GS lebih besar dibandingkan korelasi GS dengan variabel lainnya. Demikian pula pada variabel lain yang menunjukkan √AVE lebih besar dibandingkan korelasi antar variabel. Sehingga syarat discriminant validity dengan √AVE telah terpenuhi.
72
Tabel 4.25 Fornell-Lacker Criterion ATT
GS
INT
PBC
PEU
PU
SE
SN
SP
ATT
0.834*
GS
0.602
0.867*
INT
0.660
0.486
0.911*
PBC
0.769
0.531
0.740
0.919*
PEU
0.638
0.401
0.521
0.645
0.814*
PU
0.659
0.483
0.544
0.601
0.569
0.818*
SE
0.679
0.454
0.633
0.763
0.606
0.531
0.774*
SN
0.328
0.425
0.354
0.340
0.270
0.276
0.389
0.863*
SP
0.645
0.481
0.441
0.545
0.476
0.394
0.541
0.355
0.820*
TS
0.567
0.465
0.451
0.496
0.414
0.543
0.422
0.217
0.547
TS
0.832*
Keterangan : √AVE*
3.
CompositeReliability Selanjutnya dilakukan juga uji reliabilitas konstruk yang diukur dengan dua
kriteria yaitu composite reliability dan cronbach alpha dari blok indikator yang mengukur konstruk. Konstruk dinyatakan reliable jika nilai composite reliability maupun croanbach alpha di atas 0,70. Hasil uji composite reliability dapat dilihat pada tabel 4.26 sedangkan cronbach alpha dapat dilihat pada tabel 4.27. Dari table 4.26 dan 4.27 data yang disajikan dikatakatan reliable karena semua variable memiliki composite reliabilitydan cronbach alphadi atas 0,7 .
73
Tabel 4.26 Composite Reliability Composite Reliability
0,901 0,900 0,936 0,942 0,854 0,890 0,877 0,898 0,925 0,871
ATT GS INT PBC PEU PU SE SN SP TS
Tabel 4.27 Cronbach Alpha Cronbachs Alpha ATT GS INT PBC PEU PU SE SN SP TS
4.5.2
0,854 0,839 0,897 0,907 0,743 0,835 0,825 0,833 0,903 0,784
Evaluasi Model Struktural Evaluasi model struktural bertujuan untuk menguji ada atau tidak adanya
pengaruh antar konstruk, dan R Square. Model struktural dievaluasi dengan menggunakan p-value untuk mengetahui signifikansi dari koefisien parameter jalur struktural dan R Square untuk mengetahui pengaruh variabel laten independen terhadap variabel laten dependen apakah memiliki pengaruh yang substantif.
74
a)
Evaluasi signifikansi hubungan jalur pada hipotesis penelitian Untuk menyimpulkan apakah hipotesis diterima atau ditolak, digunakan
harga p-value pada signifikansi α = 5% atau 0,05. Jika p-value< 0,05 maka H0 ditolak artinya terdapat pengaruh. Sebaliknya, jika p-value> 0,05 maka H0 diterima artinya tidak ada pengaruh. Berikut adalah hasil evaluasi model struktural yang diperoleh dari Bootstrapping Report SmartPLS tersaji pada tabel 4.28. Tabel 4.28 Path Coefficients Diagram Jalur
Original Sample
P Values
Keterangan
ATT → INT
0.163
0.125
GS→PBC
0.180
0.004
PBC→INT
0.529
0.000
PEU → ATT PEU → PU PU → ATT PU → INT SE → PBC SN → INT SP → ATT TS → PBC
0.248 0.578 0.364 0.089 0.617 0.096 0.383 0.152
0.001 0.000 0.000 0.273 0.000 0.072 0.000 0.005
Ho diterima Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho ditolak Ho diterima Ho ditolak Ho diterima Ho ditolak Ho ditolak
Dari tabel tersebut dapat terlihat bahwa variabel yang saling signifikan adalah goverment support terhadap perceived behavioral control, perceived behavioral control terhadap intention to use, perceived ease of use terhadap attitude, perceived ease of use terhadap attitude, perceived usefulness terhadap attitude, self efficacy terhadap perceived behavioral control, security and privacy terhadap attitude, dan technology support terhadap perceived behavioral control. b)
Evaluasi nilai R square Nilai R square digunakan untuk menjelaskan pengaruh variabel eksogen
terhadap variabel endogen. Nilai R square variabel ATT adalah 0,646. Artinya
75
variabel PU, PEU, dan SP secara simultan mampu menjelaskan pengaruhnya terhadap variabel ATT sebesar 64,6% sedangkan 35,4% dijelaskan oleh variabel lain di luar model yang diteliti dan nilai R square variabel INT sebesar 0,582 yang artinya variabel ATT, SN dan PBC secara simultan mampu menjelaskan pengaruhnya terhadap variabel INT sebesar 58,2% sedangkan 41,8% dijelaskan oleh variabel lain di luar model yang diteliti. Sedangkan nilai R square variabel PBC adalah 0,641. Artinya variabel SE, GS, dan TS secara simultan mampu menjelaskan pengaruhnya terhadapvariabel PBC sebesar 64,1% sedangkan 35,9% dijelaskan oleh variabel lain di luar model yang diteliti dan nilai R square variabel PUadalah 0,334. Artinya variabel PEU secara simultan mampu menjelaskan pengaruhnya terhadapvariabel PU sebesar 33,4% sedangkan 66,6% dijelaskan oleh variabel lain di luar model yang diteliti Tabel 4.29 R Square R Square
4.6
ATT
0.646
INT
0.582
PBC
0.641
PU
0.334
Rekomendasi Hasil pengujian hipotesis menunjukkan bahwa perceived behavioral control
adalah konstruk yang signifikan menentukan niat penggunaan internet banking sehingga untuk meningkatkan niat dalam menggunakan internet banking, bank dapat mengambil tindakan strategi untuk meningkatkan pengetahuan nasabah
76
terhadap internet banking. Salah satu program yang bisa dihadirkan berupa workshop
tentang
internet
banking.
Workshop
dapat
dirancang
untuk
mengenalkan profil bank, simulasi penggunaan internet banking, testimoni pengguna internet banking yang merasakah kemudahaan penggunaannya agar nasabah
lain
yang
belum
menggunakan
internet
banking
termotivasi
menggunakan internet banking dengan beberapa keuntungannya. Selain pengadaan workshop, bank juga bisa mengadakan penawaran langsung pembuatan internet banking dan memberikan pengetahuan tentang penggunaan internet banking. Bank dapat mengadakan promo dengan berbagai penawaran menarik bagi nasabah yang menggunakan internet banking. Self efficacy adalah sub variabel yang paling menentukkan perceived behavioral control. Nasabah mempunyai keyakinan bahwa penggunaan internet banking menjadi user friendly dan mudah digunakan karena efek dari self efficacy pada tingkat usaha, ketekunan dan tingkat pembelajaran dan akan lebih tahan terhadap perubahan. Terkait variabel yang tidak mepunyai pengaruh yang signifikan terhadap intention to use internet banking maka pihak bank tidak perlu mengambil tindakan untuk merancang sebuah acara dalam rangka memunculkan attitude dan subjective norm.
