Pengembangan Model Pengukuran untuk Memprediksi Perilaku Niat Menggunakan Media Internet: Suatu Pendekatan Structural Equation Model

The proceedings of The International Seminar, Indonesia-Malaysia, “The Role of Harmonization of Economics and Business Discipline in Global Competitiveness, Banda Aceh, Indonesia 14-15th October 2002

Pengembangan Model Pengukuran untuk Memprediksi Perilaku Niat Menggunakan Media Internet: Suatu Pendekatan Structural Equation Model Jasman J. Ma’ruf Faculty of Economics, Universitas Syiah Kuala Tel: 0651-54321, Fax: 0651-51014 E-mail: [email protected] T. Ramayah Chairman, Operations Management School of Management, Universiti Sains Malaysia Tel: 04-6577888 Ext: 3889, Fax: 04-6577448 E-mail: [email protected] Osman Mohamed School of Management Chairman, Marketing Management Tel: 04-6577888 Ext: 2317, Fax: 04-6577448 E-mail: [email protected]

ABSTRACT This study was undertaken to integrate the theory of planned of behavior (TPB) and the technology acceptance model (TAM). The focus of the study was to develop a model to predict intention to use the Internet for purchasing. Data was collected from Internet users who resided in four Indonesia metropolitan areas. Structural equation modeling was employed to test the measurement model. The findings indicate that all the constructs show high reliability coefficients exceeding 0.7. The goodness of fit indexes shows a good fit, ie; the goodness of fit index was 0.91, comparative fit index was 0.97 and the root mean square residual was 0.047 indicating a very good model fit. The result provides statistical support for the integrated model approach that has been developed. Further test to validate the measurement model is suggested. Keywords: Internet, purchase, Theory of planned behavior (TPB), technology acceptance model (TAM). Pendahuluan Pertumbuhan penggunaan Internet untuk e-bisnis begitu cepat dalam dekade ini. Jupiter Communications memperkirakan pertumbuhan penjualan via internet akan bertumbuh dari 8 milyar dolra di tahun 1998 ke 78 milyar di tahun 2003, dengan pertumbuhan terbesar terjadi diluar Amerika Serikat (Lynch, Kent & Srinivasan, 2001). Hampir 40 juta orang Amerika atau sekitar 17 persen dari populasi telah membeli melalui internet, dan diperkirakan pada 2010, sebesar 15 sampai 20 persen dari keseluruhan penduduk Amerika Serikat akan berbelanja via internet (Peet, 2000). Hasil penjualan e-bisnis pada tahun 2001 di Malaysia diperkirakan sebesar 1000 juta dolar, Singapura sebesar 800 juta dan Indonesia sebesar 200 juta dolar (Manisto, 2001).

1


E-bisnis dapat menggabungkan antara pemesanan dan pembayaran online. Pendekatan ini telah tumbuh dengan cepat dan cukup menarik bagi pemasar. Pembelian online dapat menghubungkan aksi pemasaran secara lansung dengan pelanggannya. Artikel ini mencoba mengembangkan model pengukuran melalui pendekatan Structural Equation Modeling (SEM) untuk memprediksi perilaku niat menggunakan media internet untuk membeli. Model yang relatif popular digunakan untuk memprediksi niat adalah Theory of Planned Behavior (TPB) yang awalnya dikembangkan Ajzen tahun 1985. Sebetulnya, model ini adalah pengembangan dari Theory of Reasoned Action (TRA), yang diperkenalkan Ajzen dan Fishbein tahun 1967. Davis (1986) telah mengembangkan model niat adopsi teknologi yang dikenal dengan Technologi Acceptance Model (TAM). Pengembangan TAM didasarkan pada Theory of Reasoned Action (TRA). TAM memprediksi perilaku niat penggunaan teknologi komputer, yang didasarkan dari sikap dan persepsi atas kemampuan menggunakan teknologi tertentu. TPB dapat digolongkan sebagai model generik, sementara TAM lebih spesifik, yaitu prediksi atas niat penerimaan teknologi informasi. Dalam artikel ini dikembangkan model yang lebih spesifik lagi yaitu, memprediksi perilaku niat dalam mengadopsi internet untuk membeli. Jadi kedua model ini, dapat diintegrasikan dan diaplikasikan kepada pengukuran perilaku niat pengguna media internet untuk menggunakan internet dalam pembelian produk. Pengintegrasian kedua model ini juga dilakukan Loicono, Watson & Goodhue (2002) dalam mengukur kualitas Website. Hasil pengintegrasian ini telah dibuktikan kesuksesannya dengan analisis konfirmatori faktor, yaitu fit dengan RMSEA (0,060) dan NNFI (0,91) (Loicono, Watson & Goodhue, 2002, hal. 434).

1.

Theory of Planned Behavior (TPB) Terdapat tiga variabel utama untuk memprediksi perilaku niat yaitu: sikap, norma

subjektif dan perceived behavioral control (lihat Gambar 1). Sikap dapat didefinisikan: “what we feel about a concept which may be a brand, a category, a person, a ideology or any other entity about which we can think and to which we can attach feeling (East, 1997, hal. 110). Sementara itu norma subjektif merujuk kepada: “the person’s perception that most people who are important to him think he should or not perform the behavioral in question” (Fishbein & Ajzen, 1975, hal. 302). Selanjutnya perceived behavior control adalah, “measure as a person’s self perceived ability to take some action if he or she want to take that action (East, 1997, hal. 137). Dan, yang dimaksudkan dengan perilaku niat adalah “the degree to wich a person has formulated conscious plans to perform or not perform some specified future behavior (Warshaw & Davis, 1985, hal. 216).

2


Gambar 1. Theory of Planned Behavior Model (TPB Model) 2.

Technologi Acceptance Model (TAM) Model ini dirancang untuk memprediksi penerimaan komputer dan faktor-faktor yang

berhubungan dengannya. Mengikut Davis, Bagozzi & Warshaw (1989), TAM khusus dirancang untuk menjelaskan perilaku adopsi penggunaan komputer. Terdapat tiga variabel utama untuk memprediksi perilaku niat penggunaan komputer yaitu, sikap terhadap penggunaan (attitude toward using), persepsi atas daya guna (perceived usefulness), dan persepsi atas kemampuan menggunakan (perceived ease of use), seperti ditunjukkan dalam Gambar 2. Persepsi atas daya guna didefinisikan sebagai “the prospective user’s subjective probability that using a specific application system will increase his or her job performance within an organizational context (Davis, Bagozzi & Warshaw, 1989, hal. 984). Persepsi atas kemampuan menggunakan merujuk kepada “the degree to with the prospective user expects the target system to be free of effort (Davis, Bagozzi & Warshaw, 1989, hal. 984).

Gambar 2. Technology Acceptance Model (TAM)

3


3.

Model Yang Dikembangkan Untuk kepentingan kajian ini ditambah dua variabel penting yang berhubungan dengan niat

berbelanja konsumen, yaitu: 1) persepsi atas nilai produk adalah “the consumer’s overall assessment of the utility of a product based on perceptions of what is received and what is given (Zaithaml, 1998, hal. 14). Dan, 2) persepsi atas risiko yang ditimbulkan jika berbelanja melalui internet dapat dilihat dari segi “: A brand is perceived as being risky by a consumer if and only if that consumer is uncertain as to what level of at least one attribute about which he/she is concerned will be obtained should he/she purchase the product (Ingene & Hughes, 1985, hal. 105). Model yang diintegrasikan dapat dilihat pada Gambar 3.

Banyak penelitian yang dilakukan dengan menggunakan pendekatan model TPB dan TAM. Dalam makalah ini dicoba-integrasikan kedua model dimaksud. Hasil penelitian secara umum dilaporkan bahwa hubungan antara persepsi atas kemampuan menggunakan teknologi dan persepsi atas daya guna teknologi adalah signifikan. Seperti yang dilaporkan Jantan, Ramayah & Weng (2001), dan Moon & Kim (2001) bahwa, hubungan persepsi atas kemampuan menggunakan teknologi dan persepsi atas daya guna teknologi signifikan. Hubungan Perceived control dan sikap juga dilaporkan signifikan (Pouta & Rekola, 2001; Moon dan Kim, 2001). Seperti dilaporkan Shim, Easlick, Lotz & Warington (2001), Pouta & Rikola (2001), Moon & Kim (2001), Conner dkk (2000), Lee (2000), Terry, Hogg & McKimmie (2000) masing-masing melaporkan hubungan sikap dan perilaku niat adalah signifikan. Sementara itu, Shim dkk (2001), Jantan dkk (2001), Arbaugh (2000), Venkatesh & Davis (2000), dan Venkatesh & Morris (2000) melaporkan bahwa perceived control dan perilaku niat berhubungan secara signifikan. Lebih spesifik

4


lagi laporan, Lynch, Kent & Srinivasan (2001), Vijayasarathy & Jones, Eastlick & Lotz (1999) bahwa persepsi atas risiko mempengaruhi secara negatif dan signifikan. Selanjutnya hubungan norma subjektif dan perilaku niat juga dilaporkan memiliki hubungan secara signifikan. Pouta & Rekola (2001), Goldsmith (2001), Conner dkk (2001), Terry, Hogg & McKimmie (2000), Ingram (2000), Morris & Venkatesh (2000), dan Venkatesh & Morris (2000) melaporkan hubungan norma subjentif dan perilaku niat signifikan. Berdasarkan penelitian yang dilaporkan seperti dikemukakan diatas, maka dapat diajukan hipotesis sebagai berikut: Hipotesis 1

Terdapat hubungan yang positif antara persepsi atas kemampuan menggunakan internet dengan persepsi atas daya guna internet.

Hipotesis 2

Terdapat hubungan yang positif antara persepsi atas kemampuan menggunakan internet dengan sikap terhadap media internet.

Hipotesis 3

Terdapat hubungan yang positif antara persepsi atas daya guna internet dengan sikap terhadap media internet.

Hipotesis 4

Terdapat hubungan yang positif antara persepsi atas nilai produk dengan sikap terhadap berbelanja melalui internet.

Hipotesis 5

Terdapat hubungan yang negatif antara persepsi atas risiko yang ditimbulkan jika berbelanja via internet dengan sikap berbelanja via internet.

Hipotesis 6

Terdapat hubungan yang negatif persepsi atas risiko jika berbelanja via internet dengan perilaku niat membeli melalui internet.

Hipotesis 7

Terdapat hubungan yang positif norma subjektif dengan perilaku niat membeli melalui internet.

Hipotesis 8

Terdapat hubungan yang positif persepsi atas daya guna internet dengan perilaku niat membeli melalui internet.

Hipotesis 9

Terdapat hubungan yang positif antara sikap terhadap media internet dengan perilaku niat membeli melalui internet.

Hipotesis 10 Terdapat hubungan yang positif antara sikap terhadap berbelanja melalui internet dengan perilaku niat membeli melalui internet.

METODOLOGI 1.

Persampelan Populasi penelitian ini adalah pengguna internet yang belum pernah melakukan pembelian

produk melalui media internet. Pengumpulan data telah dilakukan di empat kota besar yaitu : Jakarta, Bandung, Yogyakarta dan Semarang. Prosedur yang dilakukan dalam penentuan jumlah sampel adalah dengan mengumpulkan kuisioner seluruhnya 340 eksemplar. Setelah dilakukan tes normality, Outliers, dan Mahalanobis

5


distance, sebanyak 129 responden dikeluarkan dari keseluruhan sampel. Jadi sampel yang digunakan dalam kajian ini adalah 217 responden. Sehubungan dengan penggunaan Maximum Likelihood Estimation (MLE) dalam model persamaan struktural (SEM) maka jumlah sampel yang digunakan sebesar 217 adalah cukup (Bearden, Sharma & Tell, 1982), dan jumlah responden tersebut telah memenuhi syarat: 1) model size; 2) Departures from normality; dan 3) estimation procedure (Hair, Anderson, Tatham & Black, 1998, hal: 604-605).

2.

Karakteristik responden Dari 217 responden, 60% telah menggunakan internet lebih setahun, 54,4% diantaranya

menghabiskan waktu untuk menggunakan internet sebanyak 5-10 jam perminggu. Berdasarkan pengalaman dan kuantitas pemanfaatan internet responden, maka responden yang telah terpilih dalam kajian ini cukup layak dijadikan sumber informasi penelitian. Secara rata-rata usia mereka 24,8 tahun dengan deviasi standar 6,4 tahun, yang termuda 18 tahun dan tertua 58 tahun. Sebagian besar berjenis kelamin laki-laki (61,3%).

3.

Pengukuran 3.1 Perilaku niat membeli melalui internet (PNM) Perilaku niat membeli diukur melalui dua indikator, yaitu : 1) saya berniat berbelanja melalui internet dimasa mendatang; dan 2) dimasa mendatang, berbelanja melalui internet adalah salah satu tempat utama dan pertama dirujuk ketika hendak membeli sesuatu produk. Pengukuran pernyataan perilaku niat membeli ini digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat tidak setuju sehingga 7 = sangat setuju. Rujukan utama pengukuran niat membeli ini adalah Jones, Mothersbaugh & Beatty (2000).

3.2 Persepsi atas nilai produk (PNP) Persepsi atas nilai produk diukur melalui tiga indikator, yaitu : 1) berbelanja melalui internet lebih nyaman dibandingkan dengan di toko (mall, departement store, supermarket); 2) berbelanja di toko menghabiskan lebih banyak waktu dibandingkan dengan berbelanja melalui internet, dan 3) berbelanja melalui internet harganya sesuai dengan mutu produk. Pengukuran pernyataan persepsi atas nilai produk digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat tidak setuju sehingga 7 = sangat setuju. Rujukan utama pengukuran persepsi atas nilai produk ini dirujuk kepada adalah Lumpkin, Hawes & Darden (1986).

3.3 Persepsi atas daya guna internet (PDGI) Persepsi atas daya guna internet diukur melalui tiga indikator, yaitu : 1) menggunakan internet akan meningkatkan produktivitas aktivitas saya; 2) menggunakan internet memungkinkan saya menyelesaikan aktivitas yang lebih cepat; dan 3) menggunakan internet

6


memungkinkan saya mengakses informasi lebih banyak. Pengukuran pernyataan persepsi atas daya guna internet ini juga digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat tidak setuju sehingga 7 = sangat setuju. Rujukan utama pengukuran persepsi atas daya guna internet ini adalah Venkatesh & Morris (2000), Moon & Kim (2001).

3.4 Persepsi atas risiko yang ditimbulkan jika berbelanja via internet (PR) Persepsi atas risiko yang ditimbulkan jika berbelanja via internet diukur melalui dua indikator, yaitu : 1) seberapa yakin anda bahwa toko yang menjual melalui internet tidak akan melakukan seperti yang dijanjikan dalam toko sibernya. Pernyataan ini digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat yakin sehingga 7 = sangat tidak yakin; dan 2) informasi yang anda berikan ketika berbelanja akan dibeberkan ke pihak lain. Pernyataan ini digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat mungkin sehingga 7 = sangat tidak mungkin. Pengukuran persepsi atas risiko yang ditimbulkan jika berbelanja via internet ini dirujuk kepada Grewal, Gotlieb & Marmorstein (1994), dan Parasuraman (2000).

3.5 Persepsi atas kemampuan menggunakan internet (PKMI) Persepsi atas kemampuan menggunakan internet ini diukur melalui tiga indikator, yaitu: 1) jika saya berinteraksi dengan internet, bagi saya tidaklah perlu menghabiskan waktu yang lama memikirkan cara mengoperasikannya; 2) belajar mengoperasikan internet adalah sesuatu yang mudah bagi saya; dan 3) adalah mudah bagi saya untuk mengingat bagaimana menjalankan

atau

menggunakan

internet.

Pengukuran

persepsi

atas

kemampuan

menggunakan internet ini digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat tidak setuju sehingga 7 = sangat setuju. Referensi utama yang dirujuk dalam pengukuran PKMI ini adalah Venkatesh & Morris (2000), Moon & Kim (2001), Davis, Bagozzi & Warshaw (1989).

3.6 Norma subjektif (NS) Norma subjektif ini diukur melalui melalui tiga indikator, yaitu : 1) teman-teman memperkirakan bahwa saya akan berbelanja melalui internet dimasa yang akan datang. Pernyataan ini digunakan skala Likert dengan skala tujuh titik, yaitu: 1 = sangat tidak mungkin sehingga 7 = sangat mungkin; 2) banyak orang berpendapat bahwa saya perlu membertimbangkan untuk berbelanja melalui internet dimasa mendatang. Pernyataan ini digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat tidak bijaksana sehingga 7 = sangat bijaksana; 3) banyak orang berpendapat bahwa saya harus berbelanja melalui internet dimasa yang akan dating. Pengukuran ini digunakan skala Likert dengan skala tujuh titik, yaitu 1 = sangat tidak setuju sehingga 7 = sangat setuju. Referensi utama yang digunakan dalam pengukuran norma subjektif ini adalah Ajzeen dan Fishbein (1969), Bagozzi, Baungartner dan Yi (1992), dan East (1997).

7


3.7 Sikap terhadap media internet (SMI) Sikap terhadap media internet ini diukur dengan Semantic Differential Scale melalui tiga indikator, yaitu: 1) menggunakan media internet adalah (1 = sangat tidak menyenangkan → 7 = sangat menyenangkan); 2) menggunakan media internet adalah (1 = sangat tidak bijaksana → 7 = sangat bijaksana); dan 3) menggunakan media internet adalah (1 = sangat tidak berguna → 7 = sangat berguna). Pengukuran sikap terhadap media internet ini diadopsi dari Raman & Leckenby (1998).

3.8 Sikap terhadap berbelanja melalui internet (SBMI) Sikap terhadap berbelanja melalui internet ini diukur dengan Semantic Differential Scale melalui tiga indikator, yaitu : 1) berbelanja melalui internet adalah (1 = sangat tidak menguntungkan → 7 = sangat menguntungkan); 2) berbelanja melalui internet adalah (1 = sangat tidak menyenangkan → 7 = sangat menyenangkan; dan 3) berbelanja melalui internet adalah (1 = sangat tidak bijaksana → 7 = sangat bijaksana). Pengukuran sikap terhadap berbelanja melalui internet ini diadopsi dari Hu, dkk (1999).

.Pengujian Model Rata-rata, deviasi standar dan korelasi antara konstruk dapat dilihat pada Tabel 1. Lebih lanjut nilai skewness, kurtosis, Z-score, Mahalanobis distance telah dihitung untuk melihat kenormalan data dan menghindari outlier sebagai prasyarat utama penggunaan Model Persamaan Struktural (SEM).

Tabel 1 Data Deskriptif dan koefisien korelasi antar konstruk

PKMI NS PNP PR PDGI SMI SBMI PNM

Rata-rata 5.0046 4.1828 3.828 2.7673 4.3164 4.7051 5.2826 5.0307

Deviasi Standar 1.0023 1.164 1.0324 0.9052 0.9908 1.1489 1.0614 1.0763

PKMI 1 0.26 0.151a) -0.386 0.31 0.276 0.174 0.291

NS 1 0.208 -0.062a) 0.08 0.072 0.118 0.278

PNP

PR

1 -0.239 1 0.047 -0.12 0.042 -0.106 0.552 -0.375 0.258 -0.381

PDGI

SMI

SBMI

PNM

1 0.381 0.054 0.296

1 0.048 0.301

1 0.391

1

Kecuali yang bertanda a) semua korelasi significan pada taraf <5%.

Penggunaan Structural Equation Modeling (SEM) dalam kajian perilaku pengguna semakin popular sebagai peralatan statistik untuk menguji berbagai hubungan dalam suatu model (Fornell & Bookstein, 1982; Kalafatis, Pollard, East & Tsogas, 1999; Salisbury, Pearson, Pearson & Miller, 2001, Loicono, Watson & Goodhue, 2002). Ia memiliki fungsi yang lebih baik dibandingkan dengan

8


teknik multivariat lainnya seperti multiple regression, path analysis, dan factor analysis (Maruyama & McGarvey, 1980). Meskipun teknik multivariat mempunyai kemampuan yang baik dalam menguji hubungan tunggal antara variabel bersandar dengan variabel tak bersandar, tetapi isu perilaku konsumen lebih rumit daripada itu, mungkin saja variabel tak bersandar merupakan variabel bersandar dari variabel tak bersandar lainnya (Bentler & Speckart, 1981; Igbaria, 1990; Igbaria, Zinatelli, Cragg & Cavaye, 1997; Cheng, 2001). Berbeda dengan teknik multivariat, SEM dapat menguji antara beberapa variabel bersandar secara serentak (Hair, Anderson, Tatham, & Black, 1998; Cheng, 2001). SEM telah digunakan dengan sukses dalam menganalisis permasalahan-permasalahan dalam kajian ilmu sosial (Joreskog & Sorbom, 1982). Untuk menganalisis, mengevaluasi validitas dan kausalitas antar konstruk dari model perilaku niat berbelanja melalui internet digunakan AMOS 4 (Arbukle & Wothke, 1999). Untuk menilai kemantapan model, kita mesti melakukan analisis konfirmatori faktor (confirmatory factor analysis= CFA) pada langkah pertama analisis data (Bentler, 1982; Chi & Duda, 1995; Doll, Hendrickson & Deng, 1998) . SEM adalah suatu pendekatan analisis konfirmatori faktor yang cukup baik. SEM telah banyak diaplikasikan peneliti dalam pemanfaatan model TPB dan TAM dengan sukses. Sebagai contoh, Shim dkk (2000), Armitage & Conner (2001), dan Mathieson, dkk (2001). Hasil analisis konfirmatori faktor dapat dilihat pada Gambar 3.

e1

x1

e2

x2

e3

x3

e4

x4 x5

e5 e6

.92

.85 .76

x7

e8

x8

e9

x9

.13 .19

PKMI

.25 .69 .67

NS

-.38 -.07

j1

y1

j2

y2

j3

y3

j4

y4

j5

y5

.97

.81

.80 .95

.82 .82

y7

j8

y8

j9

y9

j10

y10

j11

y11

.94

.81 .99

.82

.46 .45

PNM

.31 -.48

.37

.33

.36 .18

.21

.38

SMI

.24

-.54

.24 SBMI

.15

.17

-.37

PDGI

.82

.54

.18

-.29

y6

j7

.26

.30 .14

PR

.84 x11

-.23

.84

.87

x10

e11

j6

PNP

x6

e7

e10

.67

.73 .77

Uji hipotesis: Chi-Square=266.063 Probability=.000 CMIN/DF=1.470 GFI=.906 AGFI=.869 TLI=.962 CFI=.970 RMSEA=.047 NFI=.914

9


Berdasarkan Gambar 4, keseluruhan indikator telah dilakukan pengujian atas konfirmatori faktor (CFA) dengan menggunakan berbagai kriteria, yaitu Chi-square/degree of fredom (CMIN/DF), goodness-of-fit index (GFI), adjusted goodness-of-fit index (AGFI), normalized fit index (NFI), non normalized fit index (NNFI), comperative fit index (CFI), dan root mean square residual (RMSR). Meskipun kriteria χ juga sering digunakan dalam mengukur goodness-of-fit antara data dan model, tapi tidak digunakan dalam penelitian ini, karena jumlah ukuran sampel penelitian ini tergolong besar (Hair dkk, 1998, dan Arbucle dan Wothke, 1999). Tabel 2.

Analisis menyeluruh Goodness-of-Fit model dengan menggunakan Indeks Fit untuk Analisis Konfirmatori Faktor (CFA)

Indeks Model goodness-of-fit Chi-square/degree of freedom***) Goodness-of-fit index Adjusted goodness-of-fit index (AGFI) ** Normalized fit index (NFI) Nonnormalized fit index (NNFI) Comparative fit index (CFI) Root mean square residual (RMSR)

Nilai yang direkomendasikan * ≤ 2,00 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≥ 0,90 ≤ 0,08

Hasil yang diperoleh dalam kajian 1,47 0,906 0,869 0,914 0,962 0,970 0,047

*) Kriteria ini didasarkan pada Hair dkk, 1998, dan Arbucle dan Wothke, 1995 **) Hu dkk, 1999, dan Segars dan Grover, 1993 merekomendasikan nilai minimum AGFI= 0,80 ***)Segars and Grover, 1993 merekomendasikan ≤ 3,00. Tabel 2 menunjukkan ringkasan hasil output AMOS dan nilai yang direkomendasikan untuk mengukur fit-nya model analisis konfirmatori faktor (CFA). Seperti yang ditunjukkan dalam Tabel 3, enam dari tujuh persyaratan minimum model fit terpenuhi oleh hasil pengukuran SEM. Jadi, hanya satu kriteria yang marginal yaitu adjusted goodnees-of-fit index (AGFI) sedikit lebih kecil dari nilai yang direkomendasikan. Namun, mengikut Salisbury, dkk (2001), Cheng, 2001; Hu, dkk (1999), dan Segars & Grover (1993) merekomendasikan AGFI minimum ≥0,80. Dengan demikian, model perilaku niat yang dikembangkan adalah fit dengan data. Suatu isu yang penting dalam analisis model kausal adalah validitas dan reliabilitas kontruks (Igbaria, Guimaraes & Davis, 1995; Salisbury, dkk, 2001). Tabel 3 menggambarkan hasil pengukuran model termasuk muatan faktor yang terstandarisasi, standard error, Rasio Kritikal (Critical Ratio = C.R), reliabilitas konstruk dan proporsi Extracted Variance setiap konstruk.

10


Konstruk

η4

Tabel 3 Hasil Pengukuran Model dengan pendekatan SEM Proporsi Muatan Faktor Reliabilitas Extracted yang SE C.R Konstruk Variance terstandardisasi

Perilaku niat membeli melalui Internet (PNM) PNM1

-

-

PNM2

0,811 0,812

0,103

9,221

η3

Sikap terhadap berbelanja melalui Internet (SBMI) SBMI1 SBMI2 SBMI3

0,818 0,826 0,808

0,078 0,077

12,508 12,451

η2

Sikap terhadap media Internet (SMI) SMI1 SMI2 SMI3

0,811 0,982 0,938

0,044 0,032

18.612 28.875

Persepsi atas nilai Produk (PNP) PNP1 PNP2 PNP3

0,737 0,760 0,670

0,117 0,104

8,495 8,084

ξ2

Persepsi atas daya guna Internet (PDGI) PDGI1 PDGI2 PDGI3

0,801 0,952 0,961

0,51 0,035

17,468 27,853

Persepsi atas kemampuan menggunakan Internet (PKMI) PKMI1 PKMI2 PKMI3

0,856 0,774 0,909

0,071 0,063

13,034 16,395

Norma Subjektif (NS) NS1 NS2 NS3

0,844 0,679 0,667

0,093 0,098

8,466 8,2

Persepsi atas Risiko yang ditimbulkan jika belanja via ξ3 internet (PR) PR1 PR2

0.922 0.789

0,125

8,255

η1

ξ1

ξ4

0,794

0,659

0,858

0,668

0,937

0,834

0,767

0,523

0,933

0,824

0,884

0,719

0,737

0,567

0,847

0,736

Indikator muatan faktor untuk setiap konstruk seperti yang ditunjukkan Tabel 3 adalah signifikan secara statistik atau aksebtabel (dari 0,667 – 0,982). Sementara itu rasio kritikal atau nilai t hitungnya signifikan pada taraf <5 %. Reliabilitas konstruk dan proporsi dari extracted variance dari 11


setiap variabel laten yang dimasukkan ke dalam model adalah reliabel (dari 0,737 – 0,937). Hal ini melawati batas minimum yang direkomendasikan Hair dkk (1998). Tabel 2 juga menjelaskan semua konstruk adalah valid dengan variance 52,3% sehingga 82,4% (batasan minimum yang direkomendasikan oleh Hair dkk, 1998, adalah 50%). Dengan demikian, model perilaku niat yang dikembangkan adalah fit dengan data. Model strukural meliputi evaluasi atas hubungan antara konstruk laten, dan justifikasi hubungan antara konstruk tersebut dengan path coefficient (Cheng, 2001). Gambar 3 menggambarkan model dan koefisien untuk setiap hubungan.

e2

e1

.58

.54 .74

.76

.67 .45

x2

x1

x3

.82 .83

.71 x8

.84

.81

.37

SBMI .62

x10

x11

.79

.92

-.24 .48

x7

.69

y2

x9

.26

j1

e9

y3

.91

-.06

y1

z1

.64 .95 .80

.86 .73 x4

e4

.77 x5

e5

.60

.91 x6

.10

e6

.66

.83

.81

y7

j7

j11

.92 .17 .19

.17

PKMI

y11

.96 PDGI

.31

j10

.66

.81

j2

.67 .44

.66 y10

PNM

.21 -.39

NS

z4

.35 .81

-.23

PR

e8

.26

-.26

j3

.15

y6

e11

e10

.85 .21

z3

y5

.49

e7

.65

.68

y4

.67

PNP

j6

j5

j4

e3

.33

.17 SMI

.98 .94 .96 .88

y8

y9

j8

j9

Uji hipotesis: Chi-Square=334.090 Probability=.000 CMIN/DF=1.731 GFI=.885 AGFI=.849 TLI=.941 CFI=.951 RMSEA=.058 NFI=.893

z2

12


Hubungan antar konstruk juga diuji fit-nya dengan menggunakan berbagai kriteria, yaitu Chisquare/degree of fredom (CMIN/DF), goodness-of-fit index (GFI), adjusted goodness-of-fit index (AGFI), normalized fit index (NFI), non normalized fit index (NNFI), comperative fit index (CFI), dan root mean square residual (RMSR). Tabel 4 menunjukkan hasil yang diperoleh. Tabel 4. Analisis menyeluruh Goodness-of-Fit hubungan antara konstruk laten. dengan menggunakan Indeks Fit . Indeks Model goodness-of-fit Nilai yang Hasil yang direkomendasidiperoleh dalam kan * kajian 1,73 Chi-square/degree of freedom***) ≤ 2,00 0,89 Goodness-of-fit index ≥ 0,90 0,85 Adjusted goodness-of-fit index (AGFI) ** ≥ 0,90 0,90 Normalized fit index (NFI) ≥ 0,90 0,94 Nonnormalized fit index (NNFI) ≥ 0,90 0,95 Comparative fit index (CFI) ≥ 0,90 0,058 Root mean square residual (RMSR) ≤ 0,08 Tabel 4 menunjukkan ringkasan hasil yang diperoleh dalam kajian dan nilai yang direkomendasikan untuk mengukur fit-nya model. Seperti yang ditunjukkan dalam Tabel 4, enam dari tujuh persyaratan minimum model fit terpenuhi oleh hasil pengukuran SEM. Jadi, hanya satu kriteria yang marginal yaitu adjusted goodnees-of-fit index (AGFI) sedikit lebih kecil dari nilai yang direkomendasikan. Namun, mengikut Salisbury, dkk (2001), Cheng, 2001; Hu, dkk (1999), Segars & Grover (1993) merekomendasikan AGFI minimum ≥0,80.

Hubungan Kausalitas

Tabel 5 dan Gambar 5 menggambarkan tentang pembuktian hipotesis. Hipotesis 1, terdapat hubungan positif antara persepsi atas kemampuan menggunakan internet (PKMI) dengan persepsi atas daya guna internet (PDGI) tidak dapat ditolak. Hasil SEM mengungkapkan bahwa hubungan kedua konstruk dimaksud adalah positif (γ11= 0,31) dan signifikan (0,001). Hubungan positif antara kemampuan menggunakan internet (PKMI) dengan sikap terhadap media internet (SMI) (H2) juga tidak dapat ditolak (γ21= 0,17; p ≤ 0,016). Hubungan positif antara persepsi atas daya guna internet (PDGI) dengan sikap terhadap media internet (SMI) (H3) juga tidak dapat ditolak (β21= 0,33; P ≤ 0,071).

13


PKMI PNP PDGI PKMI PR PR SMI NS PDGI SBMI

Tabel 5. Pengaruh Konstruk Eksogen terhadap Konstruk Endogen dalam model Standardized Regression Estimate S.E. C.R. Weights PDGI 0.31 0.352 0.082 4.318 SBMI 0.49 0.445 0.077 5.773 SMI 0.327 0.335 0.071 4.736 SMI 0.174 0.203 0.084 2.407 SBMI -0.258 -0.298 0.087 -3.416 PNM -0.23 -0.287 0.113 -2.534 PNM 0.185 0.169 0.075 2.261 PNM 0.206 0.163 0.063 2.596 PNM 0.167 0.156 0.07 2.231 PNM 0.262 0.283 0.088 3.214

P 0.001 0.001 0.001 0.016 0.001 0.011 0.024 0.009 0.026 0.001

Hipotesis keempat, terdapat hubungan yang positif antara persepsi atas nilai produk (PNP) dengan sikap terhadap berbelanja melalui internet (SBMI) juga tidak dapat ditolak. Hasil SEM mengungkapkan bahwa hubungan kedua konstruk tersebut adalah positif (γ31= 0,49) dan signifikan (0,001). Hipotesis yang berbunyi, terdapat hubungan negatif antara persepsi atas risiko yang ditimbulkan jika berbelanja via internet (PR) dengan sikap terhadap berbelanja melalui internet (SBMI) (H5) juga tidak dapat ditolak. Hasil SEM menunjukkan bahwa kedua konstruk tersebut memiliki hubungan yang negatif (γ32 = - 0,26) dan signifikan (0,001). Hipotesis keenam, terdapat hubungan yang positif antara norma subjektif (NS) dengan perilaku niat membeli melalui internet (PNM) juga tidak dapat ditolak. Hasil SEM mengungkapkan bahwa kedua konstruk tersebut adalah positif (γ21= 0,21) dan signifikan (0,009). Hipotesis yang berbunyi terdapat hubungan negatif antara persepsi atas risiko yang ditimbulkan jika belanja (PR) via internet dengan perilaku niat membeli melalui internet (SEM) (H7) juga tidak dapat ditolak. Hasil SEM menunjukkan bahwa kedua konstruk tersebut memiliki hubungan yang negatif (γ41= - 0,23) dan signifikan (0,011). Tiga hipotesis berikutnya juga memiliki hubungan yang signifikan. Hubungan yang positif antara persepsi atas daya guna internet dengan perilaku niat membeli melalui internet (H8), sikap terhadap media internet dengan perilaku niat membeli internet (H9), dan sikap terhadap berbelanja melalui internet dengan perilaku niat membeli melalui internet (H10), masing-masing koefesiennya adalah β41= 0,17; β42 = 0,19 dan β43 = 0,26, dengan tingkat signifikansi masing-masing secara berurutan (p ≤ 0,026; p ≤ 0,024; dan p ≤ 0,01).

PEMBAHASAN DAN KESIMPULAN Kesimpulan kajian ini dapat dibagi dalam dua katagori: metodologi dan teoritis. Pendekatan metodologi dapat disimpulkan bahwa pengembangan model niat membeli melalui internet dengan

14


mengintegrasikan TPB (Ajzen, 1988) dan TAM (Davis, 1985) yang merupakan tujuan utama kajian ini telah menunjukkan hasil pengukuran konstruk yang reliabel dan valid. Hasil analisis konfirmatori faktor juga menunjukkan derajad fit yang tinggi. Jadi, temuan ini telah menggambarkan dengan nyata bahwa model yang dikembangkan fit dengan data. Dari sudut pandang teoritikal pula, kajian ini ikut menyumbang kepada literatur. Temuan kajian ini secara umum konsisten dengan temuan-temuan sebelumnya. Hubungan kausalitas antara konstruk dengan konstruk niat membeli konsisten dengan temuan kajian TPB dan TAM. Meskipun berbeda dengan temuan Davis, Bagozzi & Warshaw (1989), Shim dkk (2001), dan Pin, Jantan & Nasirin (2000), namun penelitian ini konsisten dengan Pauta dan Rekola (2001), Goldsmith (2001); Sideridis & Kaisedis (2001); Conner dkk (2000), Lee (2000), Terry dkk (2000), Ingram dkk (2000), Morris & Vankatesh (2000), dan Venkatesh & Morris (2000), bahwa norma subjektif memiliki hubungan yang signifikan dengan perilaku niat. Konsisten dengan temuan Lynch, Kent & Sriniuvasan (2001), Mizayaki (2001), Salisbury dkk, (2001) dan Citrin dkk (2000) bahwa persepsi atas risiko (PR) mempunyai hubungan yang negatif atau mempunyai hubungan yang positif antara trust dengan perilaku niat membeli melalui internet. Konstruk laten persepsi atas risiko yang ditimbulkan jika berbelanja via internet ini menggunakan indikator “seberapa yakin anda bahwa toko yang menjual melalui internet tidak akan melakukan seperti yang dijanjikan dalam toko sibernya” dan “informasi yang berikan ketika berbelanja akan dibeberkan ke pihak lain.” Jadi semakin yakin pengguna internet bahwa toko siber tidak akan melakukan seperti yang dijanjikan dalam sibernya maka semakin rendah niat membeli melalui internet, dan jika pengguna internet semakin mempersepsikan bahwa toko siber tersebut akan membeberkan ke pihak lain informasi tentang dirinya maka semakin berkurang niat berbelanja dengan menggunakan media internet. Hal ini juga konsisten dengan temuan Liao & Cheng (2001) terhadap konsumen Singapura, dimana persepsi atas risiko yang ditimbulkan jika berbelanja melalui internet berhubungan negatif dengan niat beli via internet (b = - 0,16) dan signifikansi < 0,01. Tabel 5 menunjukkan hubungan langsung, tidak langsung dan hubungan total. Adapun PR memiliki pengaruh terhadap PNM secara total sebesar –0,298, langsung -0,23 dan tidak langsung -0,068.

15


Tabel 6 Hubungan

Pengaruh Langsung, Tak Langsung dan Pengaruh Total Tidak Langsung Langsung

Perilaku niat membeli melalui Internet (PNM) Sikap terhadap berbelanja melalui Internet (SBMI) Sikap terhadap media Internet (SMI) Persepsi atas nilai Produk (PNP) Persepsi atas Risiko yang ditimbulkan jika belanja via internet (PR) Persepsi atas daya guna Internet (PDGI) Persepsi atas kemampuan menggunakan Internet (PKMI) Norma Subjektif (NS) Sikap terhadap media Internet (SMI) Persepsi atas kemampuan menggunakan Internet (PKMI) Persepsi atas daya guna Internet (PDGI) Sikap terhadap berbelanja melalui Internet (SBMI) Persepsi atas nilai Produk (PNP) Persepsi atas Risiko yang ditimbulkan jika belanja via internet (PR)

Total

0,262

0

0,262

0,185 0

0 0,129

0,185 0,129

-0,23

-0,068

-0,298

0,167

0,061

0,228

0

0,103

0,103

0,206

0

0,206

0,174

0,101

0,276

0,327

0

0,327

0,49

0

0,49

-0,258

0

-0,258

Baik secara langsung ataupun tidak persepsi atas kemampuan menggunakan internet (PKMI) mempengaruhi sikap terhadap media internet (SMI) dan persepsi atas kemampuan menggunakan internet (PKMI) mempengaruhi persepsi atas daya guna internet (PDGI) (lihat Tabel 6) konsisten dengan temuan Jantan, Ramayah & Woh (2001), Moon & Kim (2001), Teo (2001), Venkates & Morris (2000), Venkates dan Davis (2000), Wober & Gretzel (2000). Begitu juga temuan terhadap hubungan yang signifikan antara persepsi atas kemampuan menggunakan internet (PKMI) dengan sikap terhadap media internet (SMI), juga konsisten dengan temuan Moon & Kim (2001), Agarwal & Prasad (1999). Sikap terhadap berbelanja melalui internet dipengaruhi oleh persepsi atas nilai produk (PNP) dan persepsi atas risiko yang ditimbulkan jika berbelanja via internet (PR). Temuan pengaruh yang signifikan konstruk persepsi atas nilai produk (PNP) terhadap sikap dalam berbelanja melalui internet konsisten dengan temuan Pauta & Rekola (2001), Norman & Smith (1995), dan Velerand (1992). Secara keseluruhan perilaku niat membeli melalui internet (PNM) dipengaruhi secara signifikan baik langsung atau tidak langsung oleh konstruk sikap terhadap media internet (SMI), sikap terhadap berbelanja melalui internet (SBMI), persepsi atas nilai produk (PNP), persepsi atas risiko yang ditimbulkan jika berbelanja via internet (PR), persepsi atas daya guna internet (PDGI), persepsi atas kemampuan menggunakan internet (PKMI) dan norma subjektif (NS) (lihat Tabel 6).

16


Kajian ini dilalukan keatas pengguna internet yang belum pernah melakukan pembelian dengan menggunakan media internet. Hal ini merupakan salah satu keterbatasan paper ini, karena tidak dapat mengetahui bagaimana pengaruh pengalaman berbelanja via internet terhadap perilaku niat melalukan pembelian ulang (repurchase) dengan menggunakan media internet. Untuk itu, disarankan agar dimasa mendatang ada peneliti yang berminat menguak tabir misteri: adakah kepuasan yang diperoleh dari pengalaman berbelanja melalui internet selama ini telah memotivasi pembelian ulang produk dengan menggunakan media internet.

Referensi Agarwal, Ritu and Jayesh Prasad (1999), "Are Individual Differences Germane to the Acceptance of New Information Technologies?” Decision Sciences, Vol.30, No.2, pp.361- 391. Ajzen, Ajzen dan Fishbein. (1969).” The Prediction of Behavioral Intentions in a Choice Situation”. Journal of Experimental Social Psychology, 5, 400 - 416. Ajzen, Icek . (1987). “Attitudes, Traits, and Actions: Dispositional Prediction of Behavior in Personality and Social Psychology.” In Advances in Experimental Social Psychology (Berkowitz, L, ed.), 20, 1- 64. Ajzen, Icek. (1991). “The Theory of Planned Behavior”. Organizational Behavior and Human Decision Processes, 50, 179 -211. Ajzen, Icek. (1993) “Attitude Theory and the Attitude-Behavior Relation.” In New Directions in Attitude Measurement (edited by Krebs, Dogmar & Schumidt, Peter), Walter de Gruyte. Berlin, New York, 41-57. Arbaugh, J., (2000) "An Exploratory Study of Gender on Student Liming and Class Participation in an Internet-Based MBA Course ", Management Learning, Vol.34 (4), pp.503-519. Arbucle, James L., dan Wothk, Warner, 1995-1999, AMOS 4, User Gauide, Small Water Corporation Armitage, Cristopher J. dan Conner, Mark (1999) “The Theory of Planned Behavior: Assessment of Predictive Validity and 'Perceived Control',” British Journal of Social Psychology, Vol. 38, 3554. Bagozzi, Richrad P., Baungartner, Hans and Yi, Youjae, (1992), “State versus Action Orientation and the Theory of Reasoned Action: An Application to Coupon Usage,” Journal of Consumer Research, Vol.18 , (March ), pp.505-518 Bagozzi,Richard R., (2000) “On the Concept of Intentional Social Action in Consumer Behavior”, Journal of Consumer Research, Vol. 27, pp. 388-396. Bearden, W.O, Sharma, Subhas & Teel, E. Teel (1982), “Sample Size Effects on Chi Square and Other Satistics Used in Evaluating Causal Models”, Journal of Marketing Research, Vol. XIX (November), pp. 425-430. Bentler, P.M. (1982), “Confirmatory Factor Analysis via Noniterative Estimation: A Fast, Inexpensive Method”, Journal of Marketing Research, Vo. XIX (November), pp. 417-424. Bentler, Peter M., & Speckart, George, (1981), “Attitudes “Cause” Behaviors: A Structural Equation Analysis”, Journal of Personality and Social Psychology, Vol. 40, No. 2, pp. 226-237. Bruce, Harry, (1999), "Perceptions of the Internet: what people think when they search the Internet for Information" , Internet Research: Electronic Networking Applications and Policy, Vol. 9, No.3, pp.187-199. Boyer, Kenneth K., Hallowell, Roger, dan Roth, Aleda, V., (2002) “E-services: operating strategy-a case study and a method for analyzyng operational benefits”, Journal of Operations Management, 20, pp. 175-188. Chau, Patrick Y.K., & Hu, Paul Jen-Hwa, “Information Technology Acceptance by Individual Professionals: A Model Comparison Approach”, Decision Sciences, Vol. 32, No. 4, Fall. Pp. 699-719. Cheng, Eddie W.L., (2001), “SEM being more effective than multiple regression in parsimonous modeltesting for management development research”, Journal Management Development, Vol. 20, No. 7, pp. 650-667. 17


Chi, Likang & Duda, Joan L., (1995), Multi-Sample Confirmatory Factor Analysis of Task and Ego Orientation in Sport Questionnaire, Research Quarterly for Exercise and Sport, Vol. 66, No. 2, pp.91-98. Citrin, Alka Varma, . Spott, David E, Sliverman, Steven N. and Stem, Jr., Donald E. (2000) “Adoption of Internet Shopping: The Role of Consumer Innovativeness”, Industrial Management & Data Systems, 100/7, pp.294-300 Conner, Mark, Sheeran, Pascal, Norman, Paul dan Armitage, Christopher J. (2000) “Temporal Stability as a Moderator Relationships in the Theory of Planned Behaviour,” British Journal of Social Psychology, Vol. 39, pp. 469-493. Denzine, Gypsi M. , & Kowalski, Gerard J., (2002), “Confirmatori Factor Analysis of the Assessment for Living and Learning Scale: A Cross-Validation Investigation”, Measurement and Evaluation in Counseling and Development, April, Vol. 35, pp. 14-26. Davis, Fred D, Bagozzi, Ricard P. & Warshaw, Paul R. (1989), “User Acceptance of Computer Technology: A Comparison of Two Theoretical Models”, Management Science, Vol. 35, No. 8, pp. 982-1003. Doll, William J., Hendrickson, Anthony & Deng, Xiaodong, (1998), “Using Davis’s Perceived Usefulness and Ease-of-Use Instruments for Decision Making: A Confirmatory and Multigroup Invariance Analysis”, Decision Sciences, Vol. 29, Fall, pp. 839-869. East, Robert (1997), Consumer Behaviour: Advances and Applications in Marketing. Prentice Hall International, Inc. Eastlick, Mary Ann dan Lotz, Sherry (1999), “Profiling potential adopters and non-adopters of an interactive electronic shopping medium”, International Journal of Retail & Distribution Management, Vol. 27, No. 6, pp.209-223. Fishbein, Martin dan Ajzen, Icek (1975) Belief, Attitude, Intention, and Behavior, Addison-Wesley Publishing Company, Reading- Massachusetts Fishbein, Martin, dan Ajzen, Icek. (1974).“Attitudes Towards Objects As Predictors of Single and Multiple Behavioral Criteria”. Psychological Review, 81(1) ,59 –74. Fornell, Claes & Bookstein, Fred L., (1982), “Two Structural Equation Models: LISREL and PLS Applied to Consumer Exit-Voice Theory”, Journal of Marketing Research, Vo. XIX (November), pp. 440-452. Goldsmith, Ronald E (2001) ” sing the Domain Specific Innovativeness Scale to Identify Innovative Internet Consumers”, Internet Research: Electronic Networking Applications and Policy, Vol.11, No.2, pp.149-158 Grewal, Dhruv, Gotlieb, Jerry, and Marmorstein, Howard. (1994). “The Moderating Effects of Message Framing and Source Credibility on the Price-perceived Risk Relationship”. Journal of Consumer Research, 21(June), 145-153 Hair, Joseph F., Anderson, Rolph, E., Tatham, Ronald L., dan Black, William C. (1998), Multivariate Data Analysis. Fifth edition, Prentice Hall International, Inc Hart, Cathy, Neil Doherty dan Fiona Ellis-Chadwick (2000), "Retailer Adoption of the Internet: Implications for Retail Marketing", European Journal of Marketing, Vol.34 , No.8 , pp.954 – 974. Howard, John A., dan Sheth, J. N., (1967), “Theory of Buyer Behavior,” Changing Market Systems, R. Moyer, pp. 253-262. Howcroft, Debra, Nathalie Mitev, Ingene, Charles A., dan Hughes, M. A.,(1985). “Risk Management by Consumer”. Journal of Consumer Behavior. 1, 103-158. Hu, Paul J., Patrick Y.K. Chau, Olivia R. Liu Sheng, dan Kar Yan Tam, (1999), "Examining the Technology Acceptance Model Using Physician Prance of Telemedicine”, Journal of Management Information Systems,Vol.16(2) ,.pp.91-112. Igbaria, M, (1990), “End-User Conputing Effectiveness: A Structural Equation Model”, OMEGA International Journal of Management Sciences, Vol. 18, No. 6, pp. 637-652. Igbaria, Magid, Guimaraes, Tor & Davis, Gordon B, (1995),”Testing the Determinants of Microcomputer Usage via a Structural Equation Model, Journal of Management Systems, Spring, Vol. 11, No. 4, pp. 87-114.

18


Igbaria, M, Zinatelli, Nancy, Cragg, Paul & Cavaye, Angele L.M. (1997), “Personal Computing Acceptance Factors in Small Firms: A Structural Equation Model”, MIS Quarterly, September, pp. 279-305. Ingene, Charles A., and Hughes, M. A.,(1985). “Risk Management by Consumer.” Journal of Consumer Behavior. 1, 103-158. Ingram, Kimberly L., et.al. (2000). “Applying to Graduate School: A Test of the Theory of Planned Behavior”. Journal of Social Behavior and Personality, 15(2), 215-226. Jantan, Muhamad, Ramayah, T., dan Wah, Chin Weng, (2001) Personal Computer Acceptance by Small and Medium Companies Evidence from Malaysia, Jurnal Manajemen & Bisnis, Vol. 3, No. 1, Januari. Jones, Joseph M, dan Leo R. Vijayasarathy, (1998), Internet consumer catalog shopping: findings from exploratory study and directions for future research, Internet Research: Electronic Networking Applications and Policy, Vol.8,No.4.pp.322-330. Jones, Michael A., Motherbaugh, David L., dan Beatty, Sharon. (2000). Switching Barriers and Repurchase Intentions in Service. Journal of Retailing, 76(2),259-274. Joreskog, Karl G., & Sorbom, Dag (1982) “Recent Developments in Strultural Equation Modeling, Journal of Marketing Research, Vol. XIX (November), pp. 406-416. Kalafatis, Stavros P., Pollard, Michael, East, Robert & Tsogas, Markos H., (1999), “Green marketing and Ajzen’s theory of planned behavior: a cross-market examination”, Journal of Consumer Marketing, Vol. 16, No. 5, pp. 441-460. Lee, Don Y.(2000), "Retail Bargaining Behariour of American and Chinese Customers, European Journal of Marketing, Vol.34, No. 1/2, pp. 190-206 Liao, Ziqi, dan Cheng, Michael Tow (2001), “Internet based e-shopping and consumer attitudes: an empirical study, Information & Management, 38, pp. 299-306. Loiacono, Eleanor T., Watson, Richard T., dan Goodhue, (2002) “Webqual: A Measure of Website Quality”, American Marketing Association, pp. 432-438. Lumpkin, James R., dan Hawes, Jon M., (1985). Retailing Without Stores: An Examination of Catalog Shoppers. Journal of Business Research,13, 139-151. Lumpkin, James R., Hawes, Jon M., dan Darden, William R., (1986). “Shopping Patterns of the Rural Consumer: Exploring the Relationship between Shopping Orientations and Outshopping.” Journal of Business Research, 14, 63-81. Lynch, Patrick D., Kent, Robert J., and Srinivasan, Srini S.(2001). “The Global Internet Shopper: Evidence from Shopping Tasks in Twelve Countries.” Journal of Advertising Research, (MayJune), 15 –23. Malhotra, Naresh K., (1996) Marketing Research: An Applied Orientation, Second edition, Prentice Hall, International Editions. Mathieson, Kieran, Peacock, Elleen, dan Chin, Whyne W., (2001) “Extending the Technology Acceptance Model: The Influence of Perceived user Resources, The Data Base for Advances In Information Systems, Summer, Vol. 32, No. 3. Maruyama, Geoffrey & McGarvey, Bill (1980), “Evaluating Causal Models: An Application of Maximum-Likelihood of Structural Equations”, Psychological Bulletin, Vol. 87, No. 3, pp. 502-512. Miyazaki, Anthony, dan Fernandez, Ana. (2000). “Internet Privacy and Security: An Examination of Online Retailer Disclosures”. Journal of Public Policy & Marketing, 19(1), 54-61. Mizayaki, Anthony D., dan Fernandez, Ana. (2001). “Consumer Perceptions of Privacy and Security Risks for Online Shopping”. Journal of Consumer Affairs. 35(1), 27-37. Moon, Ji-Won, dan Kim,Young-Gul. (2001). “Extending the TAM for a World-Wide-Web Context.” Information & Management. 38, 217-230. Morris, Michael G., dan Venkatesh, Viswanath (2000) "Age Differences in Technology Adoption Decision: Implication for a Changing Work Force”, Personnel Psychology,Vol.53,.pp.375-403. Norman, Norman and Smith, Lawrence (1995) “The Theory of Planned Behaviour and Exercise: an Investigation into the Role of Prior Behaviour, Behavioural Intentions and Attitude Variability,” European Journal of Social Psychology, Vol. 25, pp. 403-415. Parasuraman,A (2000), "Technology Readiness Index (TRI) ", Journal of Service Research, Vol.2(4),.pp.307-320. 19


Peet, John, 2000, “Shopping Around the World”, The Economist, February 26, 2000, Pin, L., Jantan, Muhamad dan Nasirin, Syed, (2000), “Factors Influencing E-Commerce Adoption in Serveice Industry: A Malaysian Panorama, International Conference on Electronic Commerce, 21st-23rd, Novemver, Kuala Lumpur. Pouta, Eija dan Rekola, Mika (2001) “The Theory of Planned Behavior in Predicting Willingness to Pay for Abatement of Forest Regeneration”, Society and Natural Racecourses, Vol.14, pp.93 106. Raijas, Anu dan Tuunainen, Virpi Kristiina. (2001). “Critical Factors in Electronic Grocery Shopping”. International Review of Retail, Distribution and Consumer Research, 11(3) , 255 – 265 Raman, Niranjan V., dan John D. Leckenby , ( 1998), "Factors affecting consumers' Webad visits" , European Journal of Marketing, Vol.32 , No.7/8 , pp.737-748. Salisbury, W. David, Pearson, Rodney A., Pearson, Allison W. and Miller, David W. (2001) “Perceived Security and World Wide Web Purchase Intention,” Industrial Management & Data System, 101/4, pp. 165-176. Segars dan Grover, 1999, “Re-Examining Perceived Ease of Use and Usefulness: A Confirmatory Factor Analyisis”, MIS Quarterly, December, pp. 517-525. Shaw, Michael J., (2000), “Electronic Commerce: State of the Art”, International Handbooks on Information Systems, edited by Shaw, Michael, Blanning, Robert, Strader, Troy, and Whinston, Andrew), Springer, pp. 3-24 Sheth, Jagdish N. (2000), “Consumer Behavior”, In Marketing Best Practices, The Dryden Press Sheth, Jagdish. (1967). “A Review of Buyer Behavior”. Decision Sciences, 13(12), B-718-B-755. Shim, Soyean, Eastlick, Mary Ann, Lotz, Sherry L., and Warrington, Patricia., (2001), “An online prepurchase intentions models: The role of Intention to search,” Journal of Retailing, 77, pp. 397-416. Shiu, Eric Chi-Chung, dan Dawson, John A, (2002) “Cross-national Consumer Segmentation of Internet Shopping for Britain and Taiwan”, The Service Industries Journal, Vol. 22, No. 1, pp. 147-166. Sideridis, Georgios D., dan Kaissidis-Rodefinos, Aggelos, (2001), “Goal importance within planned behaviour theory as the predictor of study behavior in College”, British Journal of Educational Psychology, 17, pp. 595-618. Subramaniam, Candrasekar, Shaw, Michael J. and Gardner, David M, (2000), “Product Marketing on the Internet”, International Handbooks on Information Systems, edited by Shaw, Michael, Blanning, Robert, Strader, Troy, and Whinston, Andrew), Springer, pp. 147-174 Teo, ThoSEMon S.H (2001)” Demographics and Motivation Variables Associationed with Internet Usage Activities”, Internet Research: Electronic Networking Applications and Policy, Vol. 11, No. 2, pp.125 -137. Terry, Deborah J., Hogg, M.A. dan McKimmie, B.M (2000 ) Attitude-behavior relations: The role of in-group norms and mode of behavioral decision-making, British Journal of Social Psychology, Vol.39, pp.337-361 Terry, Deborah dan O'Leavy, Joanne E. (1995)” The Theory of Planned Behaviour: The Effects of Perceived Behavioural Control and Self-efficacy,” British Journal of Social Psychology, Vol. 34, pp. 199-220. Vallerand, Robert J, et.al. (1992 ). Ajzen and Fishbein's Theory of Reasoned Action as Applied to Moral Behavior: A Confirmatory Analysis. Journal of Personality and Social Psychology, 62(1),98 -109. Venkatesh, Alladi , (1998 ), "Cybermarket spaces and consumer freedoms and identities", European Journal of Marketing, Vol.32, No.7/8 , pp.664-676 Venkatesh, Viswanath dan Fred D. Davis, (2000), “A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies”, Management Science, Vol. 46, No. 2, pp. 186-204. Venkatesh, Viswanath dan Davis, Fred D. (1996). “A Model of the Antecedents of Perceived Ease of Use: Development and Test.” Decision Sciences,27(3), 451-477. Warshaw, Paul R., dan Davis, Fred D. 1985 “Disentangling Behavioral Intention and Behavioral Expectation, Journal of Expremental Social Psychology, 21, pp. 213-228. 20


Wober, Karl, and Gretzel, Ulrike (2000) 'Tourism Managers' Adoption of Marketing Decision Support Systems, Journal of Travel Research, Vol.39, November .pp.172-181. Zeithaml, Valarie A.,1998, “Consumer Perceptions of Price, Quality, and Value: A Means-End Model and Synthesis of Evidence”, Journal of Marketing, Vol. 52, July, pp. 2-22.

21

Pengembangan Model Pengukuran untuk Memprediksi Perilaku Niat Menggunakan Media Internet: Suatu Pendekatan Structural Equation Model

Recommend Documents