Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol. 1, No. 10, Oktober 2017, hlm. 1100-1109

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

Analisis Faktor-Faktor yang Memengaruhi Niat Pengguna Internet untuk Menggunakan Fungsi Single Sign On Google dengan Metode SEM (Structural Equation Modeling) Lina Andreina1, Ari Kusyanti2, Retno Indah Rokhmawati3 Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya Email: [email protected], [email protected], [email protected] Abstrak Google merupakan salah satu penyedia layanan pembuatan akun identitas seperti email yang dapat digunakan untuk registrasi ke berbagai macam situs web lain. Seiring perkembangan zaman, Google menyediakan fungsi single sign on. Fungsi ini memungkinkan pengguna internet hanya melakukan satu kali proses autentikasi untuk dapat memperoleh izin mengakses layanan yang disediakan (dengan menggunakan tombol “Login with Google”). Proses autentikasi tersebut memungkinkan layanan lain sebagai pihak ketiga mengambil informasi sebanyak-banyaknya dari akun Google yang bersangkutan. Hal tersebut menimbulkan resiko pengguna kehilangan data informasi personal. Oleh karena itu diadakan penelitian ini untuk mengetahui faktor-faktor yang mempengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google dengan metode SEM (Structural Equation Modeling). Penelitian ini mendapatkan 247 responden yang telah menggunakan fungsi single sign on Google melalui kuesioner online. Hasil penelitian ini menunjukkan bahwa model penelitian yang digunakan telah sesuai menurut Goodnes of Fit dan dapat diketahui bahwa faktor-faktor yang mempengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google adalah Perceived Usefulness dan Risk. Kata kunci: single sign on google, SEM, CFA, path analysis Abstract Google is a company which provides email account. Email account is used for third-party service’s registration. Nowadays, Google provides single sign on function. This function enables Internet users, use only one authentication process to obtain permission to access third-party’s services. Single sign on process allows data sharing process from respective account (Google’s Email) to the third-party. This process increases the risk of personal data loss. This research aims to determine the factors that affect Internet user’s intention to use Google’s single sign on, by using SEM (Structural Equation Modelling). In this research, there are 10 latent variables with 30 indicators. Those variable latent are Trust, Perceived Usefulness, Perceived Ease of Use, Behavioral Intention of Use, Risk, Security, and Privacy (Second order using IUIPC). This research collects 247 respondents, who have used Google's single sign on, through online questionnaire. The results shows,research model is Fit and the factors that affect Internet user’s intention to use Google’s single sign on are Perceived Usefulness and Risk.. Keywords: single sign on google, SEM, CFA, path analysis (Google,2016). Pengguna akun Google di dunia pada tahun 2016 telah mencapai angka 1 milyar pengguna aktif (Google,2016). Angka ini tergolong sangat besar mengingat saat ini jumlah pengguna internet di dunia sebanyak 3,6 milyar pada bulan Juni 2016 (Internet World Stats, 2016). Itu berarti pengguna Google di dunia saat ini sekitar 30% dari total pengguna internet di seluruh dunia.

1. PENDAHULUAN Google merupakan salah satu mesin pencari, tapi seiring berkembangnya teknologi, Google melengkapi fasilitasnya. Google saat ini menyediakan berbagai macam layanan seperti Gmail, Google+, mesin pencari video Youtube, Google Map, Google Blog, dan masih banyak lagi layanan pendidikan, iklan, bisnis dan berita Fakultas Ilmu Komputer Universitas Brawijaya

1100

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

Pengguna internet yang memiliki akun Google dapat memanfaatkan akun mereka untuk masuk atau login ke dalam website lain yang menjadi pihak ketiga. Hal ini bisa terjadi karena Google menyediakan layanan single sign-on (Google,2016). Dengan menggunakan single sign on, memungkinkan pengguna internet hanya melakukan satu kali proses autentikasi untuk dapat memperoleh izin mengakses layanan yang disediakan. Hal tersebut menimbulkan resiko pengguna kehilangan data informasi personal karena proses pertukaran atau sharing data informasi personal dari akun yang bersangkutan. Misalnya, pada saat pengguna akun Google masuk kedalam layanan lain dengan menggunakan single sign on, maka akan terjadi proses autentikasi untuk mendapatkan hak akses. Proses autentikasi tersebut memungkinkan layanan lain sebagai pihak ketiga mengambil informasi sebanyakbanyaknya dari akun Google yang bersangkutan. Berdasarkan hal di atas, akan dilakukan analisis untuk mengetahui faktor apa saja yang memengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google. Dengan mengetahui faktor apa saja yang memengaruhi niat pengguna internet untuk menggunakan fungsi single sign on Google dapat diketahui perilaku pengguna, pengalaman pengguna, kesalahpahaman dan kekhawatiran pengguna pada solusi single sign on yang menyebabkan tidak maksimalnya penggunaan solusi single sign on Google. 2. LANDASAN KEPUSTAKAAN 2.1 Penelitian Sebelumnya San-Tsai Sun, Eric Pospisil, Ildar Muslukhov, Nuray Dindar, Kirstie Hawkey dan Konstantin Beznosov pada tahun 2013 membuat penelitian dalam jurnal yang berjudul “Investigating User’s Perspective of Web Single Sign-On: Conceptual Gaps, Alternative Design and Acceptance Model”. Penelitian ini didasari oleh keadaan dimana tingkat login dan registrasi akun yang sangat tinggi setiap harinya. Hal ini menyebabkan adanya “Password Fatigue” yang merupakan suatu keadaan yang menyebabkan melemahnya Security password. Kemudian muncullah teknologi single sign on yang memungkinkan sekali login dan autentikasi untuk menggunakan banyak fungsi website untuk mengatasi masalah Fakultas Ilmu Komputer, Universitas Brawijaya

1101

tersebut. Namun, rata-rata pengguna intenet masih belum memahami single sign on. Sehingga penelitian ini meneliti tentang pengalamanan pengguna, menyelidiki persepsi dan kekawatiran pengguna ketika menggunakan fungsi single sign on dan mengeksplorasi kemungkinan perbaikan fungsi single sign on. Peneliti menggunakan model penelitian TAM (Technology Acceptance Model) dan menambahkan variabel lagi yaitu Trust, Risk, Security dan Privacy. Penelitian berikutnya membahas tentang Privacy concern yang berjudul ” Internet Users' Information Privacy Concerns (IUIPC): The Construct, the Scale, and a Causal Model” oleh Naresh K. Malhotra, Sung S. Kim, dan James Agarwal pada tahun 2004. Penelitian ini bertujuan untuk mengatasi permasalahan kekawatiran pengguna internet terhadap keamanan Privacy. Namun, penelitian ini kurang mendalam membahas pengimplementasian IUIPC pada pengguna media sosial. 2.2 SEM (Structural Equation Modeling) Structural Equation Modelling (SEM) merupakan teknik multivariat yang menggabungkan aspek analisis faktor dan regresi ganda yang memungkinkan peneliti untuk secara bersamaan menganalisis serangkaian hubungan ketergantungan yang saling terkait antara variabel yang diukur dan variabel laten serta antara beberapa variabel laten (Hair et al., 2010). - Goodness-of-fit (GOF) Goodness-of-fit (GOF) dalam SEM menunjukkan seberapa baik model tertentu menhasilkan matriks kovarians antara variabel dan indikator. Structural Equation Modelling (SEM) mempunyai tiga jenis utama indeks ukuran fit yaitu: absolut fit indices, incremental fit indices, dan parsimonious fit indices (Hair et al.,2010). - Second order Second order merupakan keadaan dimana dalam suatu analisis faktor konfirmatori terdapat dua jenjang analisis faktor yang menjelaskan korelasi faktor jenjang pertama (Brown, 2006).

3. MODEL DAN HIPOTESIS


Penelitian ini mengadaptasi model penelitian dari dua penelitian sebelumnya yaitu penelitian yang dilakukan oleh Sun et al. (2012) yang berjudul “Investigating User’s Perspective of Web Single Sign-On: Conceptual Gaps, Alternative Design and Acceptance Model” dan penelitian yang dilakukan oleh Malhotra et al. (2004) yang berjudul ” Internet Users' Information Privacy Concerns (IUIPC): The Construct, the Scale, and a Causal Model”.

1102

Konstruk

Referen si

mereka dalam hal yang berhubungan dengan individu lain Collection

Pengkoleksian atau Collection sebagai tingkat sejauh mana seseorang khawatir terhadap data yang dapat dikoleksi atau dimiliki oleh pihak lain berbanding dengan nilai manfaat yang diperoleh.

Malhotr a et al. (2004)

Awareness

Kesadaran atau Awareness merupakan sebuah dimensi pasif yang berarti suatu keadaan dimana seseorang hanya dapat memperkirakan bagaimana cara kerja atau praktik terhadap data personal yang berjalan pada suatu sistem.


Control

Pengendalian atau Control merupakan proses dimana seseorang memiliki hak untuk mengendalikan informasi personalnya.


3.1 Definisi Variabel Laten Variabel laten merupakan variabel utama yang menjadi perhatian dalam analisis SEM. Variabel ini berupa konsep abstrak, hanya dapat diamati secara tidak langsung melalui efeknya pada variabel-variabel teramati (observed variabel). Definisi variabel laten yang digunakan dalam penelitian ini dapat dilihat pada Tabel 1.

Definisi

3.2 Hipotesis Tabel 1. Definisi Variabel Laten Konstruk

Definisi

Trust

Trust merupakan keyakinan yang terjalin antara pihak yang satu dengan pihak yang lain dan akan menimbulkan adanya hubungan interaktif atau timbal balik.

Perceived Usefulness

Referen si Moorma n et al. (1999)

Davis (1989)

Persepsi atas kemudahan penggunaan atau Perceived Ease of Use merupakan keadaan dimana seseorang percaya bahwa menggunakan sistem tersebut (dalam penelitian ini merupakan fungsi single sign on google) tidak perlu bersusah payah dan tidak memerlukan usaha khusus

Davis (1989)

Behavioura l Intention of Use

Behavioural Intention of Use merupakan kecenderungan perilaku untuk menggunakan suatu teknologi .

Davis (1989)

Risk

Risk merupakan persepsi akan ketidakpastian dan konsekuensi yang akan merugikan dalam suatu kegiatan.

Dowling and Staelin (1994)

Security

Keamanan didefinisikan sebagai sejauh mana pengguna internet yakin bahwa menggunakan aplikasi jejaring sosial akan bebas risiko

Yenisey et al. (2005)

Kemampuan setiap individu untuk dapat menentukan sendiri kapan, bagaimana, dan untuk apa penggunaan informasi personal

Westin (1967)

Privacy

Tabel 2. Hipotesis penelitian Hipotesis

Persepsi atas manfaat atau Perceived Usefulness merupakan keadaan dimana seseorang percaya bahwa dengan menggunakan sistem tersebut (dalam penelitian ini merupakan fungsi single sign on google) dapat meningkatkan kinerjanya dalam bekerja.

Perceived Ease of Use

Hipotesis penelitian ini dapat dilihat pada Tabel 2.

H1

H2

H3

H4

Fakultas Ilmu Komputer, Universitas Brawijaya

H5

H6

H7

Ada hubungan signifikan antara Kepercayaan (Trust) (TR) dan Persepsi kemanfaatan (Perceived of Usefulness) (POU). Ada hubungan signifikan antara Kepercayaan (Trust) (TR) dan Persepsi kemudahan penggunaan (Perceived Ease of Use) (PEOU). Ada hubungan signifikan antara Persepsi kemanfaatan (Perceived Usefulness) (PU) dengan Minat Perilaku Penggunaan (Behavioural Intention of Use) (BIU) Ada hubungan signifikan antara Persepsi kemudahan penggunaan (Perceived Ease of Use) (PEU) dengan Minat Perilaku Penggunaan (Behavioural Intention of Use) (BIU) Ada hubungan signifikan antara Kepercayaan (Trust) (TR) dan Risiko (Risk) (RS).

Ada hubungan signifikan antara Privasi (Privacy) (PR) dan Risiko (Risk) (RI). Ada hubungan signifikan antara Keamanan (Security) (SC) dan Risiko (Risk) (RS).

Referensi

Pavlou et al. (2003), Lui & Jamieson (2003) dan Sun (2013)

Sun (2013) Davis et al. (1989), Suh & Hans (2002), Suki (2011) dan Juniwati (2014)

Sun (2013) Pavlou (2003) Lui & Jamieson (2003) dan Vasileiadis (2014) Sun (2013) Van Slyke et al. (2006), Farzianpour et al. (2014), dan Fortes & Rita

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Hipotesis

Referensi (2016)

H8

Ada hubungan signifikan antara Risiko (Risk) (RS) dan Minat Perilaku Penggunaan (Behavioural Intention of Use) (BIU).

Sun (2013) Lui & Jamieson (2003) dan Juniwati (2014)

Dalam penelitian ini, variabel laten Privacy akan menggunakan second order IUIPC yang terdiri dari Collection, Awareness, dan Control. Karena variabel dari IUIPC dapat menjelaskan variabel Privacy lebih baik dengan menggunakan tiga variabel pendukung. Berdasarkan hipotesis tersebut, maka model penelitian yang akan digunakan dalam penelitian ini seperti pada Gambar 1.

1103

online. Penelitian ini menggunakan sampel pengguna internet aktif yang menggunakan akun Google dan pernah menggunakan fungsi single sign on Google dengan usia antara 18-34 tahun. Karena berdasarkan survei yang dilakukan, pengguna aktif akun Google sebanyak 68% berusia antara 18-34 tahun (Hunch,2016). Sampel yang diperlukan untuk melakukan analisis dengan SEM adalah lebih dari 200 (Hoelter,1983 disitasi dalam Hoe,2008). Hoelter dalam Hoe (2008) mengusulkan ukuran sampel kritis (critical sample size) untuk SEM adalah lebih dari 200 data. Dengan kata lain, sampel yang berjumlah lebih dari 200 data dapat memberikan kekuatan statistik yang cukup untuk analisis data pada SEM. Kuesioner yang disebar akan menggunakan skala likert sebagai skala pengukuran. Dalam penelitian ini, skala Likert yang digunakan mempunyai nilai 1 sampai 5. 4.1 Pilot study

Gambar 1. Model penelitian dengan hipotesis

3.3 Alur penelitian Untuk menyelesaikan penelitian, dilakukan beberapa tahapan. Tahapan dan alur penelitian dapat dilihat pada Gambar 2.

Hasil dari pilot study yang telah dilakukan dalam tahap pertama yaitu dengan menyebar kuesioner kepada 3 responden menunjukkan bahwa kuesioner yang disebar secara online telah mengajukan pertanyaan yang mudah dimengerti. Sehingga pilot study tahap kedua yaitu menyebarkan kuesioner secara online kepada 27 responden dapat dilakukan. Hasil pengujian reliabilitas dari 30 data yang diperoleh, diketahui bahwa semua variabel laten dalam penelitian ini reliabel. Pengujian reliabilitas dilakukan dengan menggunakan nilai Cronbach Alpha. 4.2. Pengujian Data Untuk memastikan kelayakan data, maka data yang diperoleh dari responden akan dilakukan beberapa uji data terlebih dahulu.

Gambar 2. Alur Penelitian

4. ANALISIS DATA Pengumpulan data pada penelitian ini menggunakan kuesioner yang disebarkan secara Fakultas Ilmu Komputer, Universitas Brawijaya

4.2.1 Uji Missing Data Uji ini bertujuan untuk mengetahui data yang tidak lengkap. Pengujian ini menggunakan Little’s Mcar Test (Missing Completely at Random). Setelah dilakukan Little’s Mcar Test, penelitian ini tidak terdapat data yang tidak lengkap. Sehingga bisa dilanjutkan ke tahap selanjutnya. 4.2.2 Uji Outlier Univariat Hasil perhitungan standar

deviasi


kuesioner yang bernilai 0 akan dihapus untuk menjaga homogenitas data. Dalam penelitian ini ada 13 data yang mempunyai standar deviasi sama dengan 0. Sehingga data yang bisa dianalisis di tahap selanjutnya berjumlah 234 data dari keseluruhan data yaitu 247 data. 4.2.3 Uji Outlier Multivariat Untuk melakukan uji outlier pertama harus mencari batas nilai mahalanobis terlebih dahulu. Batas nilai mahalanobis dengan taraf kesalahan 1% yang diperoleh dari penelitian ini adalah 50,89. Setelah nilai batas mahalanobis diketahui, maka nilai mahalanobis dari setiap data yang diperoleh yang kurang dari nilai batas akan dihapus. Menurut Hair et al. (2010) penghapusan data outlier bisa meningkatkan hasil analisis. Dalam penelitian ini data dengan nilai mahalanobis kurang dari batas nilai berjumlah 19 data. Ini berarti data yang valid sebanyak 215 data dari 234 data. 4.2.4 Uji KMO Nilai KMO dari data penelitian ini adalah 0,877 sehingga dapat disimpulkan bahwa variabel yang ada pada penelitian ini termasuk dalam kategori meritorious (dalam aturan Kaiser Meyer) dan mencukupi untuk melakukan analisis CFA. 4.2.5 Uji Normalitas Hasil dari pengujian normalitas ini menunjukkan bahwa Skewness dan Kurtosis mempunyai nilai antara -1 sampai +1, yang menunjukkan tidak ada penyimpangan dari normalitas data. Pengujian Kolmogorov Smirnov juga menunjukkan signifikan. Meskipun pengujian Kolmogorov smirnov peka terhadap sampel yang besar, sehingga cenderung menjadi signifikan (Chandio, 2011). Namun, Skewness dan Kurtosis mempunyai nilai antara -1 sampai +1, yang menunjukkan tidak ada penyimpangan dari normalitas data. Sehingga dapat disimpulkan bahwa data penelitian ini berdistribusi normal. 4.2.6 Uji Levene Hasil pengujian Levene menunjukkan bahwa dari 30 indikator variabel laten ada 4 indikator yang mempunyai signifikansinya < 0,05 yaitu PU1, PEOU3, BIU4, dan CON4. Sehingga dapat ditegaskan bahwa ada homogenitas varians dalam data untuk 26 Fakultas Ilmu Komputer, Universitas Brawijaya

1104

indikator dari 30 indikator yang ada. 4.2.7 Uji Linearitas Berdasarkan hasil pengujian dapat simpulkan bahwa variabel dalam penelitian ini mempunyai hubungan yang linier secara signifikan. 4.3 Confirmatory Factor Analysis (CFA) (Measurement Model Fit) Confirmatory Factor Analysis (CFA) merupakan salah satu bagian dari metode SEM (Structural Equation Modelling) yang berfungsi untuk menguji dan menganalisis hubungan hipotesis yang sudah ada antara indikator dan variabel latennya (Hair et al., 2010). Hasil analisis CFA dapat dilihat pada Tabel 3. Tabel 3. Hasil Confirmatory Factor Analysis (CFA) Indeks

Tipe

Chisquare (x2) CMIN/D F GFI

RMSEA

Referensi

Absolute Fit Measure ment

Batas χ2, df, p >0.0 5 1.0< χ2/df <3.0 >0.80

Nilai Sebel um 855,3 46

Nilai Sesu dah 487,9 04

2,745

1,959

Good Fit

0,786

0,851

Accept able Fit Accept able Fit

Hasil Good Fit

>0.08 0,076 0,067 accept able fit • Hair et al. (2010) • Baumgartner dan Homburg (1995) ; Doll, Xia, dan Torkzadeh (1994) disitasi dalam Chandio (2011)

Setelah nilai yang dihasilkan sesuai dengan Goodness of Fit, tahap selanjutnya adalah melihat nilai dari factor loading, c-r value dan p-value untuk menentukan apakah indikator yang digunakan telah mewakili variabel laten yang digunakan. Nilai batas factor loading >0.5 (Churchill, 1979) dan untuk batas c-r value >1.96 (Kline, 2011). Nilai-nilai tersebut dapat telah terpenuhi dan bisa dilanjutkan ke tahap berikutnya. 4.3.1 Reliabilitas Konstruk Setelah proses CFA (Measurement Model) dilakukan dan model telah dibuktikan memenuhi kriteria Good Fit, reliabilitas dari setiap konstruk bisa diukur menggunakan nilai CR (Construct Reliability). Berdasarkan hasil analisis, dapat diketahui


bahwa semua variabel laten atau konstruk mempunyai nilai lebih dari 0,6. Sehingga dapat dikatakan bahwa setiap indikator penelitian dalam satu konstruk (variabel laten) telah mewakili dan merepresentasikan konstruk tersebut. 4.3.2 Validitas Konstruk Validitas konstruk dapat menjadi bukti bahwa hasil pengukuran yang diambil dari sampel tertentu telah mewakili keadaan populasi yang sebenarnya. Validitas dari konstruk dapat dianalisis melalui dua jenis pengukuran validitas, yaitu Validitas Konvergen (Convergent Validity) dan Validitas Diskriminan (Discriminant Validity). 1. Convergent Validity Convergent Validity menyatakan bahwa alat setiap ukur dalam penelitian atau yang disebut indikator penelitian harus memiliki korelasi yang tinggi satu sama lain dalam satu variabel laten yang sama (Hair et al., 2010). Berdasarkan hasil analisis, dapat diketahui bahwa validitas konvergen telah terpenuhi karena nilai Factor loadings, Average Variance Extracted (AVE), and Construct Reliability (CR) telah memenuhi kriteria. Meskipun beberapa konstruk atau varabel laten memiliki nilai AVE 0,4, variabel laten tersebut masih dianggap memenuhi validitas konvergen karena memiliki nilai CR >0,6 (Fornell & Lacker, 1981). 2. Discriminant Validity Discriminant Validity menyatakan sejauh mana indikator penelitian dari suatu variabel laten atau konstruk berbeda dengan konstruk laten lain (Hair et al., 2010). Dengan kata lain menunjukkan bahwa indikator tersebut unik dan berbeda dari indikator konstruk laten lain. Discriminant Validity terpenuhi apabila nilai dari kuadrat korelasi antara dua konstruk lebih rendah dari nilai AVE (Hair et al., 2010). Hasil pengukuran menunjukkan, Discriminant Validity telah terpenuhi. Hal ini dapat dibuktikan dengan hasil pengukuran yang menyatakan bahwa nilai dari kuadrat korelasi antara dua konstruk lebih rendah dari nilai AVE. 4.4 Path Analysis (Structural Model Fit) Path analysis adalah suatu metode untuk Fakultas Ilmu Komputer, Universitas Brawijaya

1105

menganalisis hubungan antar variabel laten dalam model penelitian (Hair et al., 2010). Dengan Path analysis, hubungan antar variabel laten akan dianalisis menggunakan panah satu arah. Yang berarti variabel laten bisa saling mempengaruhi dan akan menimbulkan hubungan sebab akibat. Untuk melakukan Path Analysis menggunakan tools yaitu AMOS. Indikator uji dari Path Analysis adalah nilai Standardized Regression Weight, critical ratio atau t-value dan p-value. Jika nilai dari Standardized Regression Weight lebih dari 0,50 maka bisa dikatakan bahwa hipotesis memiliki pengaruh dan hubungan yang kuat. Jika nilai standart regression weight kurang dari 0,1 berarti hipotesis memiliki pengaruh dan hubungan yang kecil (Hoe,2008; Suhr,2008). Dan nilai critical ratio > 1,96 (Kline, 2011). Hasil Path analysis dapat dilihat pada Tabel 4. Tabel 4 . Hasil Path Analysis H1 H2 H3 H4 H5 H6

H7 H8

Hipotesis PU  TR PEOU  TR BIU  PU BIU  PEOU RS  TR RS  PR COL  PR AW  PR CON  PR RS  SC BIU  RS

SRW 0,661 0,455 0,404

C.R 8,766 5,890 5,312

p *** *** ***

0,091

1,369

,171

0,028 0,167 0,667 0,888 0,873 0,759 0,487

,273 1,925

,785 ,054

6,399 6,213 3,675 3,483

*** *** *** ***

Hasil Diterima Diterima Diterima Ditolak Ditolak Ditolak Diterima Diterima Diterima Diterima Diterima

Catatan: SRW (Standardized Regression Weight)

Setelah diketahui hasil dari nilai Standardized Regression Weight, critical ratio dan p-value, maka dapat diketahui apakah hipotesis yang telah dibuat dapat diterima atau tidak. 5. HASIL PENELITIAN Berikut merupakan uraian hasil penelitian menggunakan setelah proses analisis. 5.1 Pembahasan Hipotesis 1 (H1) Berdasarkan hasil analisis dari Hipotesis H1, dapat disimpulkan pengguna fungsi single sign on Google merasakan bahwa fungsi tersebut bermanfaat jika pengguna terlebih dahulu telah mempercayai fungsi tersebut. Hal ini membuktikan bahwa Trust (TR) secara signifikan memengaruhi Perceived Usefulness(PU). Sehingga hipotesis H1 dapat diterima.Penelitian Sun (2013), Pavlou et al. (2003) dan Lui & Jamieson (2003) mempunyai


hasil yang sesuai dengan hasil penelitian ini. Dalam penelitian ini ditemukan bahwa berdasarkan pendapat responden, Google merupakan jaringan sosial yang dapat dipercaya. Sehingga mereka dapat mengandalkan Google untuk menjaga privasi (informasi personal) pengguna walaupun pengguna menggunakan fungsi “Login with Google” untuk mengakses website pihak ketiga. Kepercayaan pengguna internet menyebabkan pengguna merasa bahwa menggunakan fungsi single sign on Google akan membantu mempercepat pekerjaan mereka. Selain itu pengguna merasa bahwa menggunakan fungsi single sign on Google meningkatkan efektivitas dan meningkatkan kepuasan pengguna internet saat mengakses website yang memerlukan login terlebih dahulu. 5.2 Pembahasan Hipotesis 2 (H2) Berdasarkan hasil analisis dari hipotesis H2, dapat disimpulkan bahwa pengguna fungsi single sign on Google akan merasa mudah dalam mengoperasikan fungsi single sign on Google jika mereka mempunyai kepercayaan pada Google. Hal ini membuktikan bahwa Trust (TR) secara signifikan memengaruhi Perceived Ease of Use (PEOU). Sehingga hipotesis H2 dapat diterima. Penelitian Sun (2013), Pavlou et al. (2003) dan Lui & Jamieson (2003) mempunyai hasil sesuai dengan hasil penelitian ini. Dalam penelitian ini, dapat dikatakan bahwa berdasarkan pendapat responden, Google merupakan jaringan sosial yang dapat dipercaya. Sehingga mereka dapat mengandalkan Google untuk menjaga privasi (informasi personal) pengguna walaupun pengguna menggunakan fungsi “Login with Google” untuk mengakses website pihak ketiga. Dengan kepercayaan tersebut, pengguna internet akan merasakan kemudahan penggunaan dari fungsi Single sign on Google. Pengguna merasakan bahwa mempelajari penggunaan fungsi Single sign on Google sangat mudah serta meskipun menggunakan Bahasa Inggris, hal tersebut tidak menjadi penghalang pengguna menggunakan fungsi Single sign on Google. 5.3 Pembahasan Hipotesis 3 (H3) Berdasarkan hasil analisis dari H3, dapat disimpulkan bahwa jika pengguna internet percaya bahwa fungsi tersebut bermanfaat bagi Fakultas Ilmu Komputer, Universitas Brawijaya

1106

efektifitas kerja mereka maka pengguna tersebut akan menggunakan fungsi single sign on Google. Hal ini membuktikan bahwa Perceived Usefulness (PU) secara signifikan memengaruhi Behavioural Intention of Use (BIU). Sehingga hipotesis H3 dapat diterima. Penelitian Sun (2013) mempunyai hasil sesuai dengan hasil ini penelitian ini, manfaat yang dirasakan adalah salah satu faktor yang memengaruhi seseorang untuk menggunakan fungsi Single sign on Google. Davis (1989), Suh & Hans (2002), Suki (2011), Lui & Jamieson (2003) dan Juniwati (2014) juga mengungkapkan hal yang sama. Dalam penelitian ini ditemukan bahwa pengguna merasa apabila menggunakan fungsi single sign on Google akan membantu mempercepat pekerjaan mereka. Selain itu pengguna merasa bahwa menggunakan fungsi single sign on Google meningkatkan efektivitas dan meningkatkan kepuasan pengguna internet saat mengakses website yang memerlukan login terlebih dahulu. Setelah merasakan bahwa fungsi single sign on Google berguna bagi aktivitas, pengguna internet memiliki niat untuk tetap menggunakan fungsi single sign on Google di masa depan serta berniat untuk merekomendasikan fungsi single sign on Google kepada teman sesama pengguna internet. 5.4 Pembahasan Hipotesis 4 (H4) Berdasarkan hasil analisis dari H4, dapat disimpulkan bahwa kemudahan penggunaan fungsi single sign on Google tidak memengaruhi pengguna untuk berkeinginan menggunakan fungsi single sign on Google. Hal ini membuktikan bahwa Perceived Ease of Use (PEOU) tidak secara signifikan memengaruhi Behavioural Intention of Use (BIU). Sehingga hipotesis H4 ditolak. Ada beberapa hal yang menjadi alasan mengapa persepsi kemudahan penggunaan fungsi single sign on Google tidak secara signifikan mempengaruhi keinginan pengguna internet untuk menggunakan fungsi single sign on Google. Alasan pertama adalah belum terpenuhinya kemudahan dalam penggunaan fungsi single sign on Google. Karena untuk dapat menggunakan fungsi single sign on Google pengguna perlu belajar cara penggunaan fungsi tersebut. Selain itu kebanyakan website yang menyediakan fungsi single sign on Google


lebih memilih untuk menggunakan Bahasa Inggris, sehingga menjadi masalah tersendiri untuk pengguna di Indonesia. Selain alasan tersebut, alasan lain adalah ada pengguna yang memang merasa menggunakan fungsi single sign on Google mudah digunakan, namun belum berkeinginan untuk menggunakan fungsi tersebut karena beberapa hal. Hasil penelitian ini sesuai dengan penelitian Piriyakul et al. (2015), Juniwati (2014) dan Lui & Jamieson (2003) 5.5 Pembahasan Hipotesis 5 (H5) Berdasarkan hasil analisis hipotesis kelima yaitu H5, dapat disimpulkan bahwa kepercayaan pengguna internet akan fungsi single sign on Google tidak memengaruhi pemahamanan mereka terhadap risiko yang ditimbulkan dengan penggunaan fungsi single sign on Google. Hal ini membuktikan bahwa Trust (TR) tidak secara signifikan memengaruhi Risk (RS). Sehingga hipotesis H5 ditolak. Hasil penelitian ini menunjukkan bahwa meskipun seorang pengguna intenet mempercayai fungsi single sign on Google, tidak berarti mereka bisa memahami risiko yang akan terjadi jika mereka menggunakan fungsi dari Google tersebut. Pemahaman risiko oleh pengguna internet mungkin saja dipengaruhi oleh faktor lain yang lebih memungkinkan mereka menyadari bahwa selalu ada risiko dalam penggunaan suatu fungsi. Hasil dari penelitian ini, yang menemukan bahwa Trust (TR) tidak secara signifikan memengaruhi Risk (RS) sesuai dengan hasil penelitian yang dilakukan oleh Al Khattab et al. (2015). 5.6 Pembahasan Hipotesis 6 (H6) Berdasarkan hasil analisis hipotesis H6, dapat disimpulkan bahwa kesadaran pengguna internet akan proses pengolahan informasi personal mereka oleh fungsi single sign on Google tidak memengaruhi pemahaman mereka akan risiko yang akan timbul pada informasi personal. Hal ini menunjukkan bahwa Privacy (PR) tidak secara signifikan memengaruhi Risk (RS). Sehingga hipotesis H6 ditolak. Saat mengakses fungsi single sign on Google, responden mengetahui bahwa ada pertukaran data yang dilakukan. Namun, dalam risiko yang akan mereka hadapi akibat penggunaan fungsi ini memang belum terlihat jelas. Responden ternyata juga sadar akan Fakultas Ilmu Komputer, Universitas Brawijaya

1107

adanya informasi personal yang diolah oleh Google. Sehingga responden berpendapat bahwa website yang mengumpulkan informasi personal dari pengguna yang mengakses dengan fungsi single sign on Google, seharusnya mengungkapkan metode pengkoleksian (penyimpanan), pemrosesan dan penggunaan informasi personal tersebut. Serta Kebijakan Privacy seharusnya dijelaskan secara jelas oleh website yang membutuhkan informasi personal pengguna saat pengguna tersebut menggunakan fungsi single sign on Google. Namun, meskipun responden sadar akan adanya informasi personal yang diolah Google, ternyata responden belum mengetahui dengan pasti risiko yang mungkin akan terjadi. Hasil penelitian ini sesuai dengan penelitian yang dilakukan oleh Mekovec, R. Dan Hutinski Ž. (2012) dan Van Slyke et al. (2006). 5.7 Pembahasan Hipotesis 7 (H7) Berdasarkan hasil analisis hipotesis H7, dapat disimpulkan bahwa jika pengguna internet merasakan bahwa penggunaan fungsi single sign on Google aman untuk digunakan berarti pengguna internet akan dapat memahami risiko yang akan timbul akibat penggunaan fungsi single sign on Google. Hal ini menunjukkan bahwa Security (SC) secara signifikan memengaruhi Risk (RS). Sehingga hipotesis H7 dapat diterima. Hal ini juga didukung oleh penelitian Farzianpour (2014) dan Sun (2013). Hasil penelitian ini menunjukkan bahwa pengguna percaya bahwa informasi akun Google mereka tidak akan disalahgunakan oleh website pihak ketiga yang diakses menggunakan fungsi single sign on Google. Pengguna juga yakin bahwa informasi pribadi pada akun Google yang dibagi dengan website pihak ketiga yang diakses menggunakan fungsi "Login with Google", akan terjamin keamanannya. Namun pengguna juga percaya ada pihak yang tidak pantas mungkin sengaja melihat informasi yang saya berikan pada akun Google ketika menggunakan fungsi "Login with Google". 5.8 Pembahasan Hipotesis 8 (H8) Berdasarkan hasil analisis dari hipotesis keenam yaitu H6, dapat disimpulkan bahwa jika pengguna internet mengetahui risiko yang akan timbul saat pengguna internet menggunakan


fungsi single sign on Google maka pengguna tersebut akan bersedia menggunakan fungsi single sign on Google. Hal ini membuktikan bahwa Risk (RS) secara signifikan memengaruhi Behavioural Intention of Use (BIU). Sehingga hipotesis H6 dapat diterima. Sun (2013), Lui & Jamieson (2003) dan Juniwati (2014) dalam penelitiannya menemukan bahwa keinginan pengguna untuk menggunakan fungsi single sign on dipengaruhi oleh pemahaman pengguna akan risiko yang ada. Hasil penelitian tersebut sesuai dengan hasil dari penelitian ini. Hasil penelitian ini menunjukkan bahwa pengguna tidak melihat adanya ancaman yang nyata terhadap privasi dan mereka tidak takut jika terjadi hal yang tidak menyenangkan terjadi pada akun Google. Pengguna juga mengetahui risiko pembagian informasi personal oleh akun Google kepada website pihak ketiga yang diakses menggunakan fungsi single sign on Google. Pemahaman pengguna terhadap risiko akan memengaruhi keinginan pengguna untuk menggunakan fungsi single sign on Google. Pengguna internet memiliki niat untuk tetap menggunakan fungsi single sign on Google di masa depan serta berniat untuk merekomendasikan fungsi single sign on Google kepada teman sesama pengguna internet. 6. KESIMPULAN Dari hasil penelitian dapat disimpulkan bahwa model penelitian yang digunakan untuk penelitian ini juga dapat dinyatakan sesuai dan cocok untuk menganalisis faktor yang mempengaruhi pengguna internet untuk menggunakan fungsi single sign on Google. Hal ini dapat dibuktikan dengan analisis CFA (Confirmatory Factor Analisis) yang telah dilakukan. Hasil analisis CFA menunjukkan bahwa model telah sesuai dengan kriteria Goodness of Fit indices dan memenuhi kriteria Measurement Model. Berdasarkan hasil penelitian, dapat juga disimpulkan bahwa faktor-faktor yang mempengaruhi pengguna untuk menggunakan fungsi single sign on Google adalah karena mereka percaya bahwa fungsi single sign on Google bermanfaat dan paham akan resiko yang akan timbul. Pengguna internet yang percaya bahwa fungsi single sign on Google bermanfaat bagi mereka, akan bersedia menggunakan fungsi single sign on Google. Bermanfaat disini Fakultas Ilmu Komputer, Universitas Brawijaya

1108

berarti dengan menggunakan fungsi single sign on Google pengguna akan meningkatkan efektifitas pekerjaan karena tidak perlu melakukan login dan registrasi berulang-ulang untuk dapat mengakses situs yang memerlukan identifikasi akun. Selain itu jika pengguna paham dan mengetahui dengan jelas apa resiko yang akan terjadi saat menggunakan fungsi single sign on Google, pengguna internet tidak akan ragu untuk menggunakan fungsi single sign on Google. DAFTAR PUSTAKA Al

Khattab,Adel, Al-Shalabi,Hasan, AlRawad,Mahmaoud, Al-Khattab,Khamis dan Hamad,Faten, 2015. The Effect of Trust and Risk Perception on Citizen’s Intention to Adopt and Use EGovernment Services in Jordan. Journal of Strategic Information Systems, 8, 279290 Brown, Timothy A., 2006. Confirmatory Factor Analysis for Applied Research. New York : The Guilford Press Chandio Fida H., 2011. Studying Acceptance Of Online Banking Information system: A Structural Equation Model. Brunel Business School, Brunel University London Churchill, Gilbert A., 1979. A Paradigm for Developing Better Measures for Marketing Constructs". Journal of Marketing Research, 16(1), 64-73 Davis, F.D., 1989. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340 Dowling, Graham R. and Staelin, Richard, 1994. A Model of Perceived Risk and Intended Risk-Handling Activity. Oxford University Press. Farzianpour, F., Pishdar, M., Shakib, M. D. and Toloun, M.R.S.H., 2014. Consumers’ Perceived Risk And Its Effect On Adoption Of Online Banking Services. American Journal of Applied Sciences, 11 (1), 47-56 Fornell, C. & Larcker, D. F., 1981. Evaluating Structural Equation Modeling with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39-50. Fortes, Nuno and Rita, Paulo, 2016. Privacy concerns and online purchasing


behaviour: Towards an integrated model. European Research on Management and Business Economics, 22, 167–176 Google Inc., 2016. Products and Features Explore some of Google's accessibility features and products. [online] Google Inc.. Tersedia di: Google Inc., 2016. Set up Single Sign-On (SSO) for G Suite accounts using third party identity providers. [online] Google Inc.. Tersedia di: Hair Joseph F. Jr., Black William C., Babin Barry J., Anderson Rolph E. & Tatham Ronald L., 2010. Multivariate Data Analysis, Seventh Edition. Pearson Prentice Hall, Pearson Education, Inc: New Jersey Hoe, Sio Loon, 2008. Issues And Procedures In Adopting Structural Equation Modeling Technique. Journal of Apllied Quatitative Method, 3(1), 76,83 Hunch, 2016. Gmail users are younger and more worldly, study says. [online] Hunch Survey. Tersedia di: Internet World Stats, 2016. Internet Usage Statistics The Internet Big Picture World Internet Users and 2016 Population Stats.. [online] Internet World Stats. Tersedia di: Juniwati, 2014. Influence of Perceived Usefulness, Ease of Use, Risk on Attitude and Intention to Shop Online. European Journal of Business and Management, 6(27), 218-228 Kline, Rex B., 2011. Principles And Practice Of Structural Equation Modeling Third Edition. New York : The Guilford Press Lui, Hung Kit and Jamieson, Rodger, 2003. TRiTAM: A Model for Integrating Trust and Risk Perceptions in Business-toConsumer Electronic Commerce. 16th Bled eCommerce Conference eTransformation, 349-364 Malhotra,N.K., Kim, Sung S., & Agarwal, J.,2004. Internet User’s Information Privacy Concern (IUIPC) The Construct the Scale and the Causal Model.

Fakultas Ilmu Komputer, Universitas Brawijaya

1109

Information System Release, 15(4), 336355 Mekovec, R. & Hutinski Ž., 2012. The Role Of Perceived Privacy And Perceived Security In Online Market. MIPRO, 1883-1888 Moorman et al., 1993. Factors Affecting Trust in Market Research Relationships. Journal of Marketing, 57(1), 81-101 Pavlou, P. A., 2003. Consumer acceptance of electronic commerce: Integrating trust and risk with the technology acceptance model.International Journal of Electronic Commerce, 7(3) 69-103 Piriyakul,M., Piriyakul,R., Chuachareon,O., Boonyoung,M., Piriyakul,P. & Piriyakul, Intaka, 2015. Effects of Trust, Satisfaction and Factors Corresponding to TAM on Intention to Reuse Internet Business Transaction. International Review of Management and Business Research, 4(3), 872-890 Suh, B. & I. Han, 2003. Effect of Trust on Customer Acceptance of Internet Banking. Electronic Commerce Research and Applications. 1, 247–263 Suhr, Diana, 2008. Step your way through Path Analysis,University of Northern Colorado Suki, Norazah Mohd, 2011. Third generation (3G) mobile service acceptance: Evidence from Malaysia. African Journal of Business Management, 6(15), 5165-5171, Sun, S., 2013. Towards Improving the Usability and Security of Web Single Sign-On Systems.The University Of British Columbia. Van Slyke, Craig, Shim, J.T., Johnson, Richard, Jiang, James, 2006. Concern for Information Privacy and Online Consumer Purchasing. Journal of the Association for Information System, 7(6), 415-444 Vasileiadis, Alexios, 2014. Security Concerns And Trust In The Adoption Of MCommerce. Social Technologies, 4(1), 179–191 Westin, Alan F., 1968. Privacy and Freedom. Oxford Washington and Lee Law Review. Yenisey, M.M., Ozok, A.A., Salvendy, G., 2005. Perceived Security Determinants In Ecommerce Among Turkish University Students. Behaviour and Information, 24, 259-274

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X

Recommend Documents