PENERAPAN STRUCTURAL EQUATION MODELLING UNTUK MENGEVALUASI MINAT SHIPPER DALAM MENGGUNAKAN LAYANAN INTERNET DARI SHIPPING LINE

Prosiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012

PENERAPAN STRUCTURAL EQUATION MODELLING UNTUK MENGEVALUASI MINAT SHIPPER DALAM MENGGUNAKAN LAYANAN INTERNET DARI SHIPPING LINE Dwi Ari Wicaksono, Rully Soelaiman, Nur Iriawan Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh November Surabaya Jl. Cokroaminoto 12 A, Surabaya, Indonesia 60264 Telp: 031-5666172, Fax: 031-568288, email: [email protected] ABSTRAK Masih sedikitnya jumlah shipper yang menggunakan layanan internet yang disediakan oleh website shipping line merupakan ukuran belum berhasilnya misi dari pengadaan layana tersebut. Ketidakberhasilan itu mungkin disebabkan adanya beberapa faktor eksternal yang perlu diteliti sehubungan penerimaan shipper terhadap teknologi baru. Empat faktor yaitu perlindungan kemanan, persepsi kegunaan, persepsi kemudahan penggunaan dan intensitas penggunaan merupakan kajian yang akan dilakukan dalam penelitian ini. Metode yang digunakan dalam analisis adalah Struktural Equation Modelling (SEM). Dengan mengirimkan kuesioner yang menggunakan skala likert 7 point, hal-hal yang kami sebutkan di atas ditanyakan dengan detail yang telah disesuaikan dengan penelitian sejenis sebelumnya untuk kepentingan penelitian ini. Hasilnya kemudian dianalisis dengan menggunakan software AMOS yang memang dikhususkan untuk metode SEM untuk mendapatkan kesimpulan yaitu diterima tidaknya model yang digunakan, keterkaitan antara 4 faktor yang diteliti, dan tingkat pentingnya diantara 4 faktor tersebut. Hasil penelitian menyimpulkan bahwa terbukti persepsi perlindungan keamanan mempunyai efek positif pada persepsi shipper dari kegunaan layanan Internet shipping line. Persepsi mudah digunakan terbukti memiliki dampak positif pada persepsi kegunaan dari layanan Internet shipping line. Persepsi kegunaan terbukti memiliki dampak positif pada minat shipper untuk menggunakan layanan Internet dari shipping line. Kata kunci : Structural Equation Modelling, Perlindungan Kemanan, Persepsi Kegunaan, Persepsi Kemudahan Penggunaan dan Intensitas Penggunaan.

PENDAHULUAN Masuknya teknologi internet ke setiap segi kehidupan manusia telah merubah cara bekerja dan cara berpikir yang konvensional. Begitu juga dari segi pengiriman kargo melalui laut atau yang disebut juga shipping line. Maersk Line, sebagai pemimpin dan pelopor di bidang ini telah mengawali penggunaan internet sebagai layanan baru bagi customernya. Hal ini juga sudah diikuti oleh kompetitornya, seperti CMA CGM, MSC, dan Evergreen. Hal ini terkait dengan ketatnya persaingan di era globalisasi saat ini. Integrasi data antara shipping line di port of loading dan port of destination, shipper, custom, dan pihak2 terkait lainnya juga telah terbangun melalui fasilitas EDI (Electronic Data Interchange). Thesis ini menerapkan SEM untuk menyelidiki dampak tiga set faktor pendahulu, yaitu perlindungan keamanan, persepsi kegunaan, dan persepsi kemudahan penggunaan, pada minat shipper untuk menggunakan service Internet di shipping line. SEM adalah teknik pemodelan statistik yang dapat menangani sejumlah besar variabel endogenous dan exogenous, serta variabel laten (unobserved) dispesifikasikan sebagai kombinasi linear ISBN : 978-602-97491-5-4 C-26-1


(ditimbang rata-rata) dari variabel yang diamati (Golob, 2003). Dengan mengirimkan kuesioner kepada pelanggan yang berisi 17 pertanyaan dengan 7 skala likert dan dua pertanyaan yang dijawab dengan penjelasan diharapkan dapat dikumpulkan data tersebut. Hasilnya kemudian dianalisis dengan menggunakan software AMOS yang memang dikhususkan untuk metode SEM untuk mendapatkan kesimpulan yaitu diterima tidaknya model yang digunakan, keterkaitan antar 4 faktor yang diteliti, dan tingkat pentingnya diantara 4 faktor tersebut. Penelitian ini bertujuan untuk: 1. Untuk mengetahui persepsi perlindungan keamanan mempunyai efek positif pada intensitas shipper untuk menggunakan layanan Internet dari shipping line. 2. Untuk mengetahui persepsi mudah digunakan memiliki dampak positif pada intensitas shipper untuk menggunakan layanan Internet dari shipping line. 3. Untuk mengetahui persepsi kemudahan kegunaan memiliki dampak positif pada intensitas shipper untuk menggunakan layanan Internet dari shipping line. METODE Sampel dari shipper dipilih dari customer Evergreen baik yang sudah terdaftar dalam layanan Internet ShipmentLink dan secara aktif mengunakan layanan tersebut baik untuk booking maupun E-BL, maupun yang masih menggunakan cara manual dengan fax. Survei kuesioner dalam bahasa Indonesia telah dikirim ke bagian shipping dari 486 perusahaan ekspor (shipper) dan forwarding (broker), kadang dalam satu perusahaan peneliti menggirimkan ke beberapa e-mail address dari orang-orang yang incharge untuk shipping. Secara definisi, peran seorang narasumber adalah untuk melaporkan dari proses organisasi, peristiwa, atau hasil yang agregat secara alami, sehingga narasumber harus disampling sesuai dengan pengetahuan atau keterlibatan terkait dengan isu-isu penelitian yang sedang diteliti. Dengan demikian, para informan sampel yang akrab dengan persyaratan dari perusahaan untuk Internet jasa pengiriman di samudera. Dari 486 e-mail survey yang dikirimkan tersebut, hanya sejumlah 103 yang dikembalikan dengan keadaan terisi. Oleh karena itu, keseluruhan response rate untuk thesis ini adalah 21,19%. HASIL DAN PEMBAHASAN Variabel yang digunakan dalam penelitian ini ada dua jenis, yaitu a. Variabel bebas terdiri dari Perlindungan Keamanan (PKA), Persepsi Kegunaan (PKG) dan Persepsi Kemudahan Penggunaan (PKM) 1. Perlindungan Keamanan (PKA) Perlindungan keamanan merupakan cerminan dari teknologi yang digunakan untuk melindungi data pelanggan dan mengamankan perlindungan yang legal dari transaksi. Indikator yang digunakan adalah:  Kemampuan untuk memberikan perlindungan teknis untuk transaksi on-line seperti quoting, booking space dan menerbitkan B/L untuk shipper.  Tanda pengenal yang sah dari electronic B/L.  Kemampuan untuk memberikan perlindungan rahasia dagang (seperti, dari pencurian data dan pengungkapan data).  Kemampuan untuk memberikan perlindungan hukum dalam transaksi (seperti, dari penolakan layanan dan penipuan).  Kemampuan untuk menyediakan perlindungan pada saat pengiriman data.

ISBN : 978-602-97491-5-4 C-26-2


2. Persepsi Kegunaan (PKG) Persepsi kegunaan merupakan perilaku pengguna dalam penerimaan teknologi, faktor penting lain yang diakui sebagai kunci dalam penggunaan layanan Internet. Indikator yang digunakan adalah:  Menggunakan layanan Internet dari perusahaan shipping line untuk mengurangi biaya dokumentasi (paperless).  Menggunakan layanan Internet perusahaan shipping line untuk mengurangi biaya komunikasi (seperti, telepon dan faks).  Menggunakan layanan Internet perusahaan shipping line untuk memperbaiki kesalahan dalam dokumentasi  Menggunakan layanan Internet perusahaan shipping line untuk mempercepat penerimaan BL 3. Persepsi Kemudahan Penggunaan (PKM) Persepsi kemudahan penggunaan merupakan suatu persepsi subyektif seseorang akan suatu sistem yang tidak memerlukan usaha keras dalam menggunakannya dan secara tidak langsung mempengaruhi persepsinya akan kegunaan/manfaat sistem tersebut. Indikator yang digunakan adalah:  Kecepatan untuk terhubung pada layanan internet perusahaan shipping lines  Kecepatan tanggapan dari permasalahan saya di layanan internet perusahaan shipping line  Informasi yang akurat dalam layanan internet perusahaan shipping line  Kemudahan penggunaan layanan internet perusahaan shipping line b. Variabel terikat adalah Intensitas Penggunaan (IPG). Intensitas penggunaan merupakan frekuensi (seberapa sering) dari shipper dalam menggunakan fasilitas-fasilitas yang disediakan melalui layanan internet dari shipping line.  Menggunakan fungsi pelacakan kontainer / cargo tracking dari layanan internet di perusahaan shipping line  Melihat jadwal kapal di layanan Internet perusahaan shipping line  Memeriksa kondisi customs clearance dari kargo perusahaan anda di layanan Internet perusahaan shipping  Booking space dan submit data melalui layanan internet perusahaan shipping line Tabel 1. Hasil Pengujian Validitas Variabel

Perlindungan Keamanan

Persepsi Kegunaan Persepsi Kemudahan Penggunaan Intensitas Penggunaan

Indikator PKA 1 PKA 2 PKA 3 PKA 4 PKA 5 PKG 1 PKG 2 PKG 3 PKG 4 PKM 1 PKM 2 PKM 3 PKM 4 IPG 1 IPG 2 IPG 3 IPG 4

Total Pearson Correlation

Total S i g ni f i ka n

Keterangan

0.897 0.915 0.836 0.974 0.904 0.849 0.881 0.894 0.877 0.962 0.921 0.965 0.825 0.811 0.874 0.888 0.723

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid Item Valid

Sumber: data diolah ISBN : 978-602-97491-5-4 C-26-3


Hasil pengujian menunjukkan bahwa masing-masing item pertanyaan tidak terdapat koefisien korelasi yang nilai signifikansinya lebih besar dari 5%, sehingga item-item yang bersangkutan sahih sebagai pembentuk indikator dan tidak dikeluarkan dari item pembentuk variabel (Sugiono, 2001:70). Tabel 2. Hasil Pengujian Reliabilitas

Variabel

Nilai Cronbach Alpha 0,9429

Keterangan

Persepsi Kegunaan

0,8968

Reliabel

Persepsi Kemudahan Penggunaan

0,9508

Reliabel

Intensitas Penggunaan

0,8437

Reliabel

Perlindungan Keamanan

Reliabel

Sumber: data diolah Hasil pengujian menunjukkan bahwa nilai Cronbach Alpha setiap variabel lebih besar dari 0,60 sehingga dapat disimpulkan semua variabel menghasilkan data yang reliabel, sehingga data yang ada dapat diproses lebih lanjut. Normal Q-Q Plot of PKA 1.0

.5

0.0

Expected Normal

-.5

-1.0

-1.5

-2.0 0

1

2

3

4

5

6

7

8

5

6

7

8

Observed Value

Normal Q-Q Plot of PKG 1.5 1.0 .5 0.0

Expected Normal

-.5 -1.0 -1.5 -2.0 -2.5 0

1

2

3

4

Observed Value

ISBN : 978-602-97491-5-4 C-26-4


Normal Q-Q Plot of PKM

Normal Q-Q Plot of IPG

1.0 1.5 1.0

.5

.5

0.0 0.0 -.5 -1.0

-1.0

Expected Normal

Expected Normal

-.5

-1.5

-2.0 0

1

2

3

4

5

6

7

8

Observed Value

-1.5 -2.0 -2.5 0

1

2

3

4

5

6

7

8

Observed Value

Gambar 1. Hasil Uji Multivariat Normalitas

Dapat dilihat hasil pengujian normalitas intensitas penggunaan, hasil normal Q-Q terlihat bahwa sebaran data dari tiap variabel bergerombol di sekitar garis uji yang mengarah ke kanan atas, meskipun terdapat beberapa data yang nampak terletak jauh dari sebaran data yang lain. Namun data variabel intensitas penggunaan masih dapat dikatakan sebagai data yang berdistribusi normal. Hasil estimasi dan fit model SEM dengan program aplikasi Amos 18 nampak pada Gambar 1

Gambar 2. Hasil estimasi dan fit model SEM Tabel 3: Evaluasi Kriteria Goodness of Fit Indices

Kriteria

Hasil

Nilai Kritis

Cmin/DF

7,549

≤ 2,00

Probability RMSEA GFI

0,000 0,230 0,608

≥ 0,05 ≤ 0,08 ≥ 0,90

ISBN : 978-602-97491-5-4 C-26-5

Evaluasi Model Kurang Baik Kurang Baik Kurang Baik Kurang Baik


AGFI TLI CFI Sumber: data diolah

0,484 0,662 0,711

≥ 0,90 ≥ 0,95 ≥ 0,94

Kurang Baik Kurang Baik Kurang Baik

Hasil penelitian pada Tabel 4.7 dapat dijelaskan sebagai berikut: 1. CMIND/DF. Indeks ini dipergunakan untuk melihat kesesuaian antara data dan model. Nilai CMIND/DF yang dibutuhkan kurang dari 2,00. Pada model didapatkan nilai CMIND/DF sebesar 7,549 lebih besar dari 2,00 yang membuktikan bahwa data yang diuji tidak sama dengan model. 2. Probability (P). Probability dipergunakan untuk menguji signifikansi terhadap perbedaan matriks covariance data dan matriks covariance model. Nilai probabilitas yang dibutuhkan lebih besar dari 0,05. Pada model didapatkan nilai CMIND/DF sebesar 0,000 lebih kecil dari 0,05 yang membuktikan bahwa perbedaan matriks covariance data dan matriks covariance model tidak menunjukkan signifikansi. 3. Root Mean Squared Error of Approximation (RMSEA) menjelaskan residu yang terdapat di dalam model. Oleh karena itu, nilai ini diharapkan sangat kecil yaitu dibawah 0,08. Pada model yang disusun didapatkan nilai RMSEA sebesar 0,230 lebih besar dari 0,08 artinya bahwa model yang disusun sangat terbuka sehingga peranan faktor lain dalam menjelaskan model sangat besar. 4. Goodness Fit Index (GFI) adalah indeks ketepatan model dalam menjelaskan model yang disusun. Nilai GFI memilik rentang dari 0 sampai 1, nilai GFI di atas 0,90 menunjukkan bahwa model yang disusun cukup adekuat apabila dikembalikan kepada populasi penelitian. Pada model ini didapatkan nilai GFI sebesar 0,608 lebih kecil dari 0,90 artinya bahwa model yang disusun tidak cukup adekuat apabila dikembalikan kepada populasi penelitian. 5. Adjusted Goodness-of-FitIindeks (AGFI) mengatur GFI untuk derajat kebebasan dalam model. AGFI memilik rentang dari 0 ke 1, dengan nilai 0,9 menandakan fit yang bagus terhadap data. Adanya perbedaan antara GFI dan AGFI menandakat ikut andilnya parameterparameter kecil dan sering tidak signifikan. Pada model ini didapatkan nilai AGFI sebesar 0,484 lebih kecil dari 0,90, artinya model yang disusun fit tidak cukup bagus terhadap data. 6. Tucker Lewis Index (TLI) merupakan indeks kesesuaian incremental yang membandingkan model yang diuji dengan baseline model. TLI digunakan untuk mengatasi permasalahan yang timbul akibat kompleksitas model. TLI merupakan indeks yang kurang dipengaruhi oleh ukuran sampel. Nilai TLI yang dibutuhkan lebih dari 0,95. Pada model didapatkan nilai TLI sebesar 0,662 lebih kecil dari 0,95 artinya bahwa model yang diuji tidak sama dengan baseline model. 7. Comparative Fit Index (CFI) yaitu nilai perbandingan model yang disusun dengan model yang ideal. Nilai CFI memilik rentang dari 0 sampai 1. Nilai CFI yang diharapkan adalah di atas 0,94. Pada model didapatkan nilai CFI sebesar 0,711 lebih kecil dari 0,94 artinya bahwa model yang disusun belum mendapatkan model yang ideal. Dari hasil evaluasi terhadap model ternyata dari semua kriteria goodness of fit yang digunakan, belum seluruhnya menunjukkan hasil evaluasi model yang baik. Dapat diartikan bahwa model konseptual yang dikembangkan dan dilandasi oleh teori belum sepenuhnya didukung oleh fakta. Tabel 4: Koefisien Jalur (Standardize Regression) antar Variabel

ISBN : 978-602-97491-5-4 C-26-6


Keterangan

Koefisien Std Estimate

Prob

PKA → IPG

0,517

0,000

PKG → IPG

0,393

0,003

PKM → IPG

0,228

0,037

Sumber : data diolah a. Hasil penelitian ini membuktikan adanya pengaruh perlindungan keamanan terhadap intensitas penggunaan, ditunjukkan dengan koefisien std estimate sebesar 0,517 dan probability sebesar 0,000 < level of significant 0,05, maka dapat disimpulkan bahwa terdapat pengaruh signifikan persepsi perlindungan keamanan terhadap intensitas penggunaan. b. Hasil penelitian ini membuktikan adanya pengaruh persepsi kegunaan terhadap intensitas penggunaan, ditunjukkan dengan koefisien std estimate sebesar 0,393 dan probability sebesar 0,003 < level of significant 0,05, maka dapat disimpulkan bahwa terdapat pengaruh signifikan persepsi kegunaan terhadap intensitas penggunaan. c. Hasil penelitian ini membuktikan adanya pengaruh persepsi kemudahan penggunaan terhadap intensitas penggunaan, ditunjukkan dengan koefisien std estimate sebesar 0,228 dan probability sebesar 0,037 < level of significant 0,05, maka dapat disimpulkan bahwa terdapat pengaruh signifikan persepsi kemudahan penggunaan terhadap intensitas penggunaan. Tabel 5: Hasil Unidimensionalitas Keterangan

Koefisien Std Estimate

Prob

PKA → PKA 1

0,846

0,000

PKA → PKA 2

0,903

0,000

PKA → PKA 3

0,727

0,000

PKA → PKA 4

1,009

0,000

PKA → PKA 5

0,906

0,000

PKG → PKG 1

0,781

0,000

PKG → PKG 2

0,824

0,000

PKG → PKG 3

0,871

0,000

PKG → PKG 4

0,840

0,000

PKM → PKM 1

0,968

0,000

PKM → PKM 2

0,851

0,000

PKM → PKM 3

0,988

0,000

PKM → PKM 4

0,801

0,000

IPG → IPG 1

0,692

0,000

IPG → IPG 2

0,789

0,000

IPG → IPG 3

0,727

0,000

IPG → IPG 4

0,601

0,000

Sumber : data diolah ISBN : 978-602-97491-5-4 C-26-7


Hasil penelitian pada Tabel 5 dapat dijelaskan sebagai berikut: a. Pada Tabel 5 dapat diketahui bahwa kemampuan untuk memberikan perlindungan teknis, tanda pengenal yang sah, kemampuan untuk memberikan perlindungan rahasia dagang, kemampuan untuk memberikan perlindungan hukum dalam transaksi dan kemampuan untuk menyediakan perlindungan pada saat pengiriman data merupakan dimensi dari perlindungan keamanan. Setelah dilakukan pengujian menunjukkan bahwa: 1. Kemampuan untuk memberikan perlindungan teknis dengan koefisien std estimated sebesar 0,846 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kemampuan untuk memberikan perlindungan teknis merupakan dimensi dari persepsi perlindungan keamanan. 2. Tanda pengenal yang sah dengan koefisien std estimated sebesar 0,903 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa tanda pengenal yang sah merupakan dimensi dari persepsi perlindungan keamanan. 3. Kemampuan untuk memberikan perlindungan rahasia dagang dengan koefisien std estimated sebesar 0,727 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kemampuan untuk memberikan perlindungan rahasia dagang merupakan dimensi dari persepsi perlindungan keamanan. 4. Kemampuan untuk memberikan perlindungan hukum dalam transaksi dengan koefisien std estimated sebesar 1,009 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kemampuan untuk memberikan perlindungan hukum dalam transaksi merupakan dimensi dari persepsi perlindungan keamanan. 5. Kemampuan untuk menyediakan perlindungan pada saat pengiriman data dengan koefisien std estimated sebesar 0,906 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kemampuan untuk menyediakan perlindungan pada saat pengiriman data merupakan dimensi dari persepsi perlindungan keamanan. b. Pada Tabel 5 dapat diketahui bahwa menggunakan layanan internet dari perusahaan shipping line untuk mengurangi biaya dokumentasi, menggunakan layanan internet perusahaan shipping line untuk mengurangi biaya komunikasi, menggunakan layanan internet perusahaan shipping line untuk memperbaiki kesalahan dalam dokumentasi, dan menggunakan layanan internet perusahaan shipping line untuk mempercepat penerimaan BL merupakan dimensi dari persepsi kegunaan. Setelah dilakukan pengujian menunjukkan bahwa: 1. Layanan internet dari perusahaan shipping line untuk mengurangi biaya dokumentasi dengan koefisien std estimated sebesar 0,781 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa layanan internet dari perusahaan shipping line untuk mengurangi biaya dokumentasi merupakan dimensi dari persepsi kegunaan. 2. Menggunakan layanan internet perusahaan shipping line untuk mengurangi biaya komunikasi memiliki dengan koefisien std estimated sebesar 0,824 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa menggunakan layanan internet perusahaan shipping line untuk mengurangi biaya komunikasi merupakan dimensi dari persepsi kegunaan. 3. Menggunakan layanan internet perusahaan shipping line untuk memperbaiki kesalahan dalam dokumentasi penting dengan koefisien std estimated sebesar 0,871 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat ISBN : 978-602-97491-5-4 C-26-8


disimpulkan bahwa menggunakan layanan internet perusahaan shipping line untuk memperbaiki kesalahan dalam dokumentasi penting merupakan dimensi dari persepsi kegunaan. 4. Menggunakan layanan internet perusahaan shipping line untuk mempercepat penerimaan BL dengan koefisien std estimated sebesar 0,840 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa menggunakan layanan internet perusahaan shipping line untuk mempercepat penerimaan BL merupakan dimensi dari persepsi kegunaan. c. Pada Tabel 5 dapat diketahui bahwa kecepatan untuk terhubung pada layanan internet perusahaan shipping lines, kecepatan tanggapan dari permasalahan pelanggan di layanan internet perusahaan shipping line, informasi yang akurat dalam layanan internet perusahaan shipping line dan kemudahan penggunaan layanan internet perusahaan shipping line merupakan dimensi dari persepsi kemudahan penggunaan. Setelah dilakukan pengujian menunjukkan bahwa: 1. Kecepatan untuk terhubung pada layanan internet perusahaan shipping lines meninggalkan perusahaan dengan koefisien std estimated sebesar 0,968 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kecepatan untuk terhubung pada layanan internet perusahaan shipping lines meninggalkan perusahaan merupakan dimensi dari persepsi kemudahan penggunaan. 2. Kecepatan tanggapan dari permasalahan pelanggan di layanan internet perusahaan shipping line dengan koefisien std estimated sebesar 0,851 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kecepatan tanggapan dari permasalahan pelanggan di layanan internet perusahaan shipping line merupakan dimensi dari persepsi kemudahan penggunaan. 3. Informasi yang akurat dalam layanan internet perusahaan shipping line dengan koefisien std estimated sebesar 0,988 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa informasi yang akurat dalam layanan internet perusahaan shipping line merupakan dimensi dari persepsi kemudahan penggunaan. 4. Kemudahan penggunaan layanan internet perusahaan shipping line mencari pengganti dengan koefisien std estimated sebesar 0,801 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa kemudahan penggunaan layanan internet perusahaan shipping line mencari pengganti merupakan dimensi dari faktor persepsi kemudahan penggunaan. d. Pada Tabel 5 dapat diketahui bahwa menggunakan fungsi pelacakan kontainer/ cargo tracking dari layanan internet di perusahaan shipping line, melihat jadwal kapal di layanan internet perusahaan shipping line, memeriksa kondisi customs clearance dari kargo perusahaan anda di layanan internet perusahaan shipping dan booking space dan submit data melalui layanan internet perusahaan shipping line merupakan dimensi dari intensitas penggunaan. Setelah dilakukan pengujian menunjukkan bahwa: 1. Menggunakan fungsi pelacakan kontainer/ cargo tracking dari layanan internet di perusahaan shipping line dengan koefisien std estimated sebesar 0,692 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa menggunakan fungsi pelacakan kontainer/cargo tracking dari layanan internet di perusahaan shipping line merupakan dimensi dari intensitas penggunaan. 2. Melihat jadwal kapal di layanan internet perusahaan shipping line dengan koefisien std estimated sebesar 0,789 dengan probability sebesar 0,000 lebih kecil dari level of ISBN : 978-602-97491-5-4 C-26-9


significant 0,05. Dapat disimpulkan bahwa melihat jadwal kapal di layanan internet perusahaan shipping line merupakan dimensi dari intensitas penggunaan. 3. Memeriksa kondisi customs clearance dari kargo perusahaan anda di layanan internet perusahaan shipping dengan koefisien std estimated sebesar 0,727 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,10. Dapat disimpulkan bahwa memeriksa kondisi customs clearance dari kargo perusahaan anda di layanan internet perusahaan shipping merupakan dimensi dari intensitas penggunaan. 4. Booking space dan submit data melalui layanan internet perusahaan shipping line dengan koefisien std estimated sebesar 0,601 dengan probability sebesar 0,000 lebih kecil dari level of significant 0,05. Dapat disimpulkan bahwa booking space dan submit data melalui layanan internet perusahaan shipping line merupakan dimensi dari intensitas penggunaan.

ISBN : 978-602-97491-5-4 C-26-10


KESIMPULAN DAN SARAN Kesimpulan Berdasarkan hasil pengujian dengan menggunakan analisis SEM untuk menguji perlindungan keamanan, persepsi kegunaan, persepsi kemudahan penggunaan terhadap intensitas penggunaan, maka dapat diambil kesimpulan sebagai berikut : 1. Persepsi perlindungan keamanan terbukti mempunyai efek positif pada persepsi shipper dari kegunaan layanan Internet shipping line. 2. Persepsi mudah digunakan terbukti memiliki dampak positif pada persepsi kegunaan dari layanan Internet shipping line. 3. Persepsi kegunaan terbukti memiliki dampak positif pada minat shipper untuk menggunakan layanan Internet dari shipping line. Saran Dari hasil penelitian ini dapat dikemukakan beberapa saran yang dapat dipertimbangkan atau dimanfaatkan sebagai bahan dalam pengambilan keputusan, antara lain sebagai berikut: 1. Pada variabel persepsi kegunaan, pertanyaan ketiga dipersepsikan rendah oleh responden. Untuk itu perusahaan perlu mempertimbangkan lagi layanan Internet untuk mengurangi biaya dokumentasi dan layanan Internet untuk memperbaiki kesalahan dalam dokumentasi. Langkah yang harus ditempuh perusahaan adalah menggunakan keduanya baik secara dokumentasi maupun secara internet. Dokumentasi dilakukan untuk tanda bukti bagi konsumen perusahaan setelah melakukan verifikasi secara online. 2. Pada variabel persepsi kemudahan penggunaan, pertanyaan keempat dipersepsikan rendah oleh responden. Langkah yang harus dilakukan oleh perusahaan melakukan sosialisasi penggunaan layanan internet kepada pelanggan agar pelanggan perusahaan shipping line mengetahui perusahaan shipping line memberlakukan sistem layanan internet. 3. Pada variabel intensitas penggunaan, pertanyaan ketiga dipersepsikan rendah oleh responden. Untuk itu perusahaan harus mengingatkan kepada pelanggan apabila pelanggan ingin memeriksa kondisi kargo yang disewa tidak perlu datang langsung hanya dengan mengakses internet pelanggan sudah mengetahui kargo yang disewa. 4. Untuk penelitian selanjutnya di harapkan meneliti semua hipotesis yang digunakan oleh Shan Lu (2007) sehingga penelitian Shan Lu (2007) apakah layak digunakan di Indonesia secara umum dan secara khusus bisa digunakan di perusahaan yang diteliti. 5. Pada penelitian selanjutnya dalam menyebarkan kuesioner diharapkan tidak melalui email sehingga tingkat kesalahan dalam pengisian kuesioner dapat di minimalisir. Selain itu, pada penelitian selanjutnya diharapkan meneliti beberapa perusahaan agar hasil penelitian dapat menjadi lebih baik lagi. DAFTAR PUSTAKA Agarwal, R., dan Prasad, J. 1999. Are Individual Differences Germane To The Acceptance of New Information Technologies?. Decision Sciences 30 361–391. Agho, A., Price, J., dan Mueller, C. 1992. Discriminant Validity of Measures of Job Satisfaction, Positive Affectivity And Negative Affectivity. Journal of Occupational and Organizational Psychology 65 (3), 185–196. Ajzen, I. 1991. The Theory of Planned Behavior. Organizational Behavior and Human Decision Processes 50, 179-211. ISBN : 978-602-97491-5-4 C-26-11


Ajzen, I., dan Fishbein, M. 1980. Understand Attitudes and Predicting Social Behavior. Prentice-Hall, Englewood Cliffs, NJ. Ajzen, I., dan Madden, T.J. 1986. Prediction of Goal-Directed Behavior: Attitudes, Intention And Perceived Behavioral Control. Journal of Experimental Social Psychology 22, 453–474. Ajzen,I. 1985. From Intention To Actions: A Theory of Planned Behavior. In: Kuhl, J., Bechmann, J. (Eds.), Action Control: From Cognition to Behavior. Springer Verlag, New York, pp. 11–39. Babakus, E., dan Mangold, G. 1992. Adapting The SERVQUAL Scale To Hospital Services. Health Services Research 26 (6), 767. Belanger, F., Hiller, J.S., dan Smith, W.J. 2002. Trustworthiness In Electronic Commerce: The Role of Privacy, Security, And Sit Attributes. Strategic Information Systems 11, 245–270. Chau, P.Y.K., dan Hu, P.J.H. 2001. Information Technology Acceptance By Individual Professionals: A Model Comparison Approach. Decision Science 32 (4), 699–719. Cheng, C.H., Cheung, W., dan Chang, M.K. 2002. The Use of The Internet In Hong Kong: Manufacturing VS Service. International Journal of Production Economics 75, 33–45. Churchill, G.A. 1991. Marketing Research: Methodological Foundation. Fifth Ed. The Dryden Press, New York. Davis, F.D. 1986. A Technology Acceptance Model For Empirically Testing New End User Information Systems: Theory And Results. Doctoral Dissertation. Sloan School of Management. Massachusetts Institute of Technology. Davis, F.D. 1989. Perceivedusefulness, Perceived Ease Of Use, And User Acceptance of Information Technology. MIS Quarterly 13 (3), 319–339. Dunn, S.C., Seaker, R.F., dan Waller, M.A. 1994. Latent Variables In Business Logistics Research: Scale Development And Validation. Journal Business Logistics 15 (2), 145– 172. Eastin, M.S. 2002. Diffusion of E-Commerce; An Analysis of The Adoption of Four ECommerce Activities. Telematics and Informatics 19, 251–267. Elofson, G., dan Robinson, W.N. 1998. Creating A Customer Massproduction Channel On The Internet. Communications of The ACM 41 (3), 56–62. Etezadi-Amoli, J., dan Farhoomand, A.F. 1996. A Structural Model of End User Computing Satisfaction And User Performance. Information and Management 30 (2), 65–73. Fishbein, M.A., dan Ajzen, I. 1975. Belief, Attitude, Intentionand Behavior: An Introduction to Theory and Research. Addison-Wesley. Reading. MA. Fornell, C., dan Larcker, D.F. 1987. Evaluating Structural Equation Models With Unoberservable Variables And Measurement Error. Journal of Marketing Research 18, 186–192.

ISBN : 978-602-97491-5-4 C-26-12


George, J.F. 2002. Influences on The Intent To Make Internet Purchases. Internet Research 12 (2), 165–180. Golob, T.F. 2003. Structural Equation Modeling For Travel Behavior Research. Transportation Research Part B 37, 1–25. Grandon, E.E., dan Pearson, J.M. 2004. Electronic Commerce Adoption: An Empirical Study of Small And Medium Us Businesses. Information & Management 42 (1), 197–216. Hair, J., Anderson, R., Tatham, R., dan Black, W. 2000. Multivariate Data Analysis with Readings. Fifth Ed. Prentice Hall International, Upper Saddle River, NJ. Harrison, D.A., Mykytyn, P.P., dan Riemenschneider, C.K. 1997. Executive Decisions About Adoption of Information Technology In Small Business: Theory And Empirical Tests. Information Systems Research 8 (2), 171–195. Heijden, H.V.D. 2003. Factors Influencing The Usage of Websites: The Case of A Generic Portal In The Netherlands. Information & Management 40, 541–549. Hoffman, E., Novak, T.P., dan Peralta, M. 1999. Building Consumer Trust Online. Communication of The ACM 42 (4), 80–86. Hu, P.J.H., Clark, T.H.K., dan Ma, W.W. 2003. Examining Technology Acceptance By School Teachers: A Longitudinal Study. Information & Management 41, 227–241. Hullnad, J., Chow, Y.H., dan Lam, S. 1996. Use of Causal Models In Marking Research: A Review. International Journal of Research in Marketing 13 (2), 181–197. Igbaria, M., Zinatelli, N., Cragg, P., dan Cavaye, A.L.M. 1997. Personal Computing Acceptance Factors In Small Firms: A Structural Equation Model. MIS Quarterly (September), 279–305. Jeffery, K. 1999. Electronic Commerce And Container Shipping. Cargo Systems, London. Kalakota, R., dan Whinston, A.B. 1996. Frontiers of Electronic Commerce. Addison-Wesley, Reading, MA. Khalifa, M., Limayem, M. 2003. Drivers of Internet shopping. Communications of the ACM 46 (12), 233–239. Koufteros, X.A. 1999. Testing A Model of Pull Production: A Paradigm For Manufacturing Research Using Structural Equation Modeling. Journal of Operations Management 17, 467–488. Koufteros, X.A., Vonderembse, M.A., dan Doll, W.J. 1998. Developing Measures of TimeBased Manufacturing. Journal of Operations Management 16, 21–41. Lederer, A.L., Maupin, D.J., Sena, M.P., dan Zhuang, Y. 2000. The Technology Acceptance Model And The World Wide Web. Decision Support Systems 29, 269–282. Lucas Jr, H.C., dan Spitler, V.K. 1999. Technology Use And Performance: A Field Study of Broker Workstation. Decision Science 30 (2), 291–311. Mehrtens, J., Cragg, P.B., dan Mills, A.M. 2001. A Model of Internet Adoption By SMEs. Information & Management 39, 165–176.

ISBN : 978-602-97491-5-4 C-26-13


Miyazaki, A.D., dan Fernandez, A. 2001. Consumer Perceptions of Privacy And Security Risks For Online Shopping. Journal of Consumer Affairs 35 (1), 27–44. Nahm, A.Y., Vonderembse, M.A., dan Koufteros, X.A. 2003. The Impact of Organizational Structure On Time-Based Manufacturing And Plant Performance. Journal of Operations Management 21, 281–306. Nunnally, J.C. 1967. Psychometric Theory. Second Ed. McGraw-Hill, New York. Olson, J.R., dan Boyer, K.K. 2003. Factors Influencing The Utilization of Internet Purchasing In Small Organizations. Journal of Operations Management 21, 225–245. Reisinger, Y., dan Turner, L. 1999. Structural Equation Model With Lisrel: Application In Tourism. Tourism Management 20, 71– 88. Rigdon, E.E. 1998. Structural Equation Modeling. In: Marcoulides, G.A. (Ed.), Modern Methods for Business Research. Lawrence Erlbaum Associates, Mahwah, NJ. Shah, R., dan Goldstein, S.M. 2006. Use of Structural Equation Modeling In Operations Management Research: Looking Back And Forward. Journal of Operations Management, 148– 169. Shan Lu, Chin., Kee-hung Lai., dan T.C.E. Cheng. 2007. Application of Structural Equation Modeling To Evaluate The Intention of Shippers To Use Internet Services In Liner Shipping. European Journal of Operational Research 180 pp 845–867. Shen, H., Bentler, P., dan Comerey, A. 1995. A Comparison of Models of Medical Schools Student Selection. Structural Equation Modeling 2 (2), 93–100. Steenkamp, J.E.M., dan Baumgartner, H. 2000. On The Use of Structural Equation Models For Marketing Modeling. International Journal Research in Marketing 17, 195–202. Strader, T., dan Shaw, M. 1997. Characteristics of Electronic Markets. Decision Support Systems 21, 185–198. Suh, B., dan Han, I. 2003. The Impact of Customer Trust And Perception of Security Control On The Acceptance of Electronic Commerce. International Journal of Electronic Commerce 7 (3), 135–161. Taylor, S., dan Todd, P.A. 1995. Assessing IT Usage: The Role of Prior Experience. MIS quarterly 19 (4), 561–570. UNCTAD, 2002 Venkatesh, V., dan Davis, F.D. 2000. A Theoretical Extension of The Technology Acceptance Model: Four Longitudinal Field Studies. Management Science 46 (2), 186–204. Wiethoff, C. 2004. Motivation To Learn And Diversity Training: Application of The Theory of Planned Behavior. Human Resource Development Quarterly 15 (3), 263–277.

ISBN : 978-602-97491-5-4 C-26-14

PENERAPAN STRUCTURAL EQUATION MODELLING UNTUK MENGEVALUASI MINAT SHIPPER DALAM MENGGUNAKAN LAYANAN INTERNET DARI SHIPPING LINE

Recommend Documents