Syntax Literate: Jurnal Ilmiah
Indonesia p�ISSN: 2541-0849 e-ISSN: 2548-1398
Vol. 7, No. 6, Juni 2022
ANALISIS PENGARUH TECHNOLOGY ACCEPTANCE MODEL DAN ELECTRONIC
WORD OF MOUTH PADA MINAT MENGGUNAKAN APLIKASI INVESTASI CRYPTO
Lina
Affifatusholihah, Farah Putri Wenang Lusianingrum, Fadhila
Fakultas Ekonomi dan Bisnis, Universitas Sultan Ageng Tirtayasa, Indonesia
Email: [email protected], �farah@untirta.ac.id, [email protected]
Abstrak
Bappebti mencatat
bahwa jumlah investor crypto per akhir
Februari 2022 mencapai 4,2 juta orang. Jumlah investor crypto bahkan
mengalahkan jumlah investor
saham. Meningkatnya jumlah investor juga selasaras dengan semakin mudah dan beragamnya aplikasi investasi crypto. Di Indonesia
aplikasi investasi crypto
sudah tersedia seperti Tokocrypto,
Pintu, Indodax, Luno, Zipmex
dan Ajaib. Bahkan baru-baru
ini Ajaib mampu untuk mengontrak Idol K-Pop menjadi Brand Ambassadornya,
tentunya hal ini dilakukan agar jumlah investor yang menggunakan aplikasi tersebut menjadi meningkat. Hal inilah yang melatarbelakangi penelitian ini, dimana peneliti ingin melihat apakah
factor-faktor seperti perceived
usefulness, perceived ease of use, dan electronic word of mouth, mampu meningkatkan minat menggunakan aplikasi investasi crypto.
Metode yang digunakan dalam penelitian ini adalah metode kuantitatif
dengan alat analisis data menggunakan aplikasi SEM Warp PLS 8.0. Data primer diperoleh
dari kuesioner yang disebarkan secara daring. Responden yang mengisi kuesioner telah memiliki kriteria tertentu karena teknik sampling dengan metode purposive
sampling. Jumlah
sampel dalam penelitian ini sebanyak 120 orang. Hasil penelitian
menyatakan bahwa electronic word of mouth, perspektif kemanfaatan (perceived
usefulness) dan perspektif kemudahan kegunaan (perceived
ease of use) berpengaruh
terhadap minat. Temuan penelitian ini diharapkan dapat memungkinkan akademisi, praktisi, serta lembaga-lembaga pemerintah, untuk merancang mekanisme yang dapat memfasilitasi keberhasilan layanan investasi crypto.
Kata Kunci: Crypto, Investasi, PLS
Abstract
CoFTRA (The
Commodity Futures Trading Authority) noted that the number of crypto
investors as of the end of February 2022 reached 4.2 million people. The number
of crypto investors even exceeds the number of stock investors. The increasing
number of investors is also attuned to the ease and variety of crypto
investment applications. In Indonesia, crypto investment applications are
available, such as Tokocrypto, Pintu, Indodax, Luno, Zipmex and Ajaib.
Even recently, Ajaib was able to sign K-Pop Idols to be its Brand Ambassadors,
of course this was done so that the number of investors using the application
increased. This is the background of this study, where the researcher wanted to
see if factors such as perceived usefulness, perceived ease of use, and word of
mouth electronic news, were able to increase interest in using crypto
investment applications. The method used in this study is a quantitative method
with data analysis tools using the SEM Warp PLS 8.0 application. Primary data
were obtained from questionnaires distributed online. Respondents who filled
out the questionnaire had certain criteria because the sampling technique was
purposive sampling method. The number of samples in this study were 120 people.
The results of the study state that electronic word of mouth, perceived
usefulness and perceived ease of use have an effect on interest. The findings
of this study are expected to enable academics, practitioners, as well as
government institutions, to design mechanisms that can facilitate the success
of crypto investment services.
Keywords: Crypto, Investasi, PLS
Pendahuluan
Cryptocurrency atau
mata uang digital kini menjadi salah satu aset yang diminati kalangan investor. Bahkan, muncul kekhawatiran telah terjadi pergeseran
investor bursa saham ke aset digital secara masif. Badan Pengawas Perdagangan Berjangka Komoditi (Bappebti) mengemukakan cryptocurrency adalah
sebuah alat investasi yang relatif baru dan diperkirakan akan terus meningkat
dalam beberapa tahun ke depan.
Berdasarkan data Bappebti, jumlah investor crypto per akhir
Februari 2022 mencapai 4,2 juta orang. Jumlah investor crypto
tersebut mengalahkan jumlah investor saham. Per Februari, berdasarkan data Bursa Efek Indonesia (BEI), jumlah akun investor saham mencapai 2.001.288 akun. Naik
18,05% atau 306.020 SID dari
akhir 2020 sejumlah 1.695.268
akun (cnbcindonesia.com).
Cryptocurrency adalah
sistem pertukaran digital
peer-to-peer di mana kriptografi digunakan untuk menghasilkan dan mendistribusikan
unit mata uang (Mukhopadhyay et al., 2016).
Cryptocurrency menurut Doran (2004)
adalah media pertukaran terdesentralisasi yang memanfaatkan
teknologi Blockchain untuk mendapatkan desentralisasi, transparansi, dan kekekalan. Investor
percaya dengan cryptocurrency
karena keamanan cryptocurrency
dibangun di atas kriptografi, bukan oleh orang atau kepercayaan. Misalnya, Bitcoin menggunakan metode Kriptografi Kurva Elliptik untuk memastikan bahwa transaksi yang melibatkan Bitcoin
aman. Kriptografi kurva eliptik adalah
jenis kriptografi kunci publik yang mengandalkan matematika untuk memastikan keamanan transaksi. Ketika seseorang mencoba untuk menghindari skema enkripsi tersebut di atas dengan kekerasan, mereka membutuhkan sepersepuluh usia alam semesta untuk
menemukan kecocokan nilai ketika mencoba
250 miliar kemungkinan setiap detik (Fang et al., 2022).
Mengenai penggunaannya
sebagai mata uang, cryptocurrency
memiliki sifat yang mirip dengan mata
uang pada umumnya karena memiliki pasokan yang terkendali. Sebagian besar cryptocurrency
membatasi ketersediaan
volume mata uang mereka. Misalnya. untuk Bitcoin, pasokan akan berkurang
dari waktu ke waktu dan akan
mencapai jumlah akhirnya sekitar tahun 2140. Semua cryptocurrency
mengontrol pasokan token melalui jadwal yang dikodekan di Blockchain.
Salah satu fitur terpenting dari cryptocurrency adalah
tidak adanya perantara lembaga keuangan. Dengan tidak adanya perantara
menurunkan biaya transaksi bagi para pedagang (Caporale et al., 2018).
Sebagai perbandingan, jika database bank diretas atau rusak, bank akan sepenuhnya mengandalkan cadangannya untuk memulihkan informasi yang hilang atau disusupi. Dengan cryptocurrency, bahkan jika bagian dari
jaringan disusupi, sisanya akan terus
dapat memverifikasi transaksi dengan benar. Cryptocurrency juga memiliki
fitur penting untuk tidak dikendalikan
oleh otoritas pusat mana
pun, sifat desentralisasi
Blockchain memastikan cryptocurrency secara teoritis kebal terhadap kendali dan campur tangan pemerintah (Fang et al., 2022).
Oleh karena itu sangat menarik untuk dijadikan
asset investasi.
Fungsi cryptocurrency sebagai alat investasi
menggunakan prinsip yang sama dengan prinsip
ekonomi, yaitu harga akan naik ketika ada banyak
permintaan. Pada awal cryptocurrency
populer, harganya terus meningkat tajam. Banyak investor mendapatkan
keutungan sangat besar setelah investasi melalui cryptocurrency selama
ini. Semakin banyak orang melakukan investasi dengan cryptocurrency,
maka harganya juga akan semakin naik. Namun, belakangan kenaikan harga mata uang digital tersebut tidak sesignifikan beberapa tahun silam. Investasi dengan cryptocurrency juga termasuk
dalam kategori high risk.
Crypto kini masuk
dalam kategori investasi jangka panjang, selain emas dan saham. Mata uang crypto memiliki banyak jenis. Salah satu yang paling dikenal dan memiliki supply yang tinggi adalah Bitcoin. Di
Indonesia aplikasi seperti Tokocrypto, Pintu, Indodax, Luno, Zipmex dan Ajaib. Bahkan baru-baru ini Ajaib mampu untuk mengontrak
Idol K-Pop menjadi Brand Ambassadornya,
tentunya hal ini dilakukan agar jumlah investor yang menggunakan aplikasi tersebut menjadi meningkat.
Untuk mengetahui
minat mengguanakan aplikasi investasi crypto,
penelitian ini mengadopsi kerangka teori model penerimaan teknologi (TAM) sebagai landasan teoretis. Dalam model ini, perceived
usefulness atau kegunaan
yang dirasakan dan , perceived ease of use atau
kemudahan penggunaan memainkan peran kunci dalam menentukan
penerimaan dan pengambilan keputusan teknologi informasi individu (Jung et al., 2021).
Karena dalam pembelian aset investasi crypto menggunakan aplikasi digital/platform
digital, ini menjadi bentuk baru dari
sistem transaksi investasi. Dengan demikian, bentuk transaksi baru ini dapat mengubah
proses pengambilan keputusan
individu. Oleh karena itu, struktur model TAM digunakan sebagai pendekatan untuk memeriksa hubungan antara atribut platform yang disebutkan di atas dengan perceived
usefulness dan
perceived ease of use (Fedorko et al., 2021).
TAM adalah teori di mana kekuatan teoritis telah dibuktikan dalam berbagai studi empiris. TAM merupakan salah satu teori yang paling berpengaruh dalam menjelaskan proses penerimaan TI
di tingkat individu. Secara keseluruhan, penelitian ini menggunakan kerangka teori TAM untuk memahami hubungan antara, kemudahan penggunaan, kegunaan, dan minat menggunakan aplikasi investasi crypto.
Hasil penelitian ini diharapkan dapat memberikan acuan dasar bagi pembentukan
platform ekonomi berbagi
yang efisien (Mousa et al., 2021).
Word of mouth (WOM) adalah
saran informal yang disampaikan di antara konsumen, biasanya interaktif, cepat, dan kurang bias komersial. WOM memiliki pengaruh kuat pada perilaku konsumen dalam penelitian Keaveney
(1995) mencatat
bahwa 50% dari penggantian penyedia layanan ditemukan dengan cara ini.
WOM mungkin positif (PWOM),
mendorong pilihan merek, atau negatif
(NWOM), mengecilkan pilihan
merek. Probabilitas keputusan penggunaan juga akan dipengaruhi oleh kejadian relatif PWOM dan NWOM dan
juga oleh dampak relatif dari contoh PWOM dan NWOM. WOM dapat mempengaruhi keputusan pembelian dan penggunaan suatu barang dan jasa. Dalam penelitian keputusan pembelian barang atau pengguaan jasa, minat jatuh
pada beberapa pengguna awal produk yang sarannya kepada non-pengguna dapat memutuskan keberhasilan atau kegagalan produk baru. WOM memiliki dampak dalam bentuk keyakinan
konsumen yang diperoleh, preferensi, kebiasaan, dan pengaruh komersial yang dapat membatasi atau membantu tanggapan
terhadap saran (East et al., 2008).
Fred Davis mendefinisikan
PU sebagai sejauh mana seseorang percaya bahwa menggunakan sistem tertentu akan meningkatkan kinerja pekerjaannya. Sedangkan PE sebagai sejauh mana seseorang percaya bahwa menggunakan
sistem tertentu akan bebas dari
usaha (Zabukov�ek et al., 2022).
�Hennig-Thurau et al. (2004)
mendefinisikan eWOM sebagai ulasan positif atau negatif,
dan komentar pengguna potensial atau pengguna aktual tentang suatu produk
atau perusahaan melalui jejaring sosial atau alat
online. Belakangan ini, dengan pesatnya pertumbuhan jejaring sosial, konsumen memiliki kecenderungan untuk mencari informasi
dan saran dari orang lain. Mereka
awalnya mencari informasi dari orang-orang yang memiliki hubungan dekat dengan mereka
seperti anggota keluarga, teman, dan rekan kerja (De Bruyn & Lilien, 2008; Liao et al., 2022).
Baru-baru ini, peneliti mengintegrasikan teori model penerimaan teknologi (TAM) dan WOM untuk mempelajari minat pelanggan untuk menggunakan layanan. Mereka menemukan bahwa konstruksi terkait teknologi dan WOM secara positif memengaruhi niat pelanggan untuk menggunakan layanan (Liao et al., 2022; Parry et al., 2012; Waris et al., 2022).
Hal inilah
yang melatarbelakangi penelitian
ini, dimana penelliti ingin melihat apakah factor-faktor seperti perceived
usefulness, perceived ease of use, dan electronic word of mouth, mampu meningkatkan minat menggunakan aplikasi investasi crypto (Parry et al., 2012).
Maka terbentuklah hipotesis
sebagai berikut:
H1:�� Perceived usefulness berpengaruh terhadap minat menggunakan aplikasi investasi crypto
H2:�� Perceived ease of use berpengaruh
terhadap minat menggunakan aplikasi investasi crypto
H2:�� Electronic word
of mouth berpengaruh terhadap minat menggunakan aplikasi investasi crypto
Metode Penelitian
Penelitian ini
mencoba untuk memakai Metode pendekatan kuantitatif yang bertujuan untuk menjawab rumusan masalah dalam penelitian ini. Analisis data menggunakan data primer yang dihasilkan
dari pengumpulan data melalui kuesioner
secara daring. Pengukuran variabel menggunakan skala Likert dengan interval antara 1 sampai 5. Nilai 1 menunjukan ketidaksetujuan sedangkan nilai 5 menunjukan kesetujuan terhadap item pertanyaan. Analisis data dilakukan memakai aplikasi Structural
Equation Modelling Warp Partial Least Square (SEM WarpPLS)
8.0. Penggunaan teknik
PLS-SEM sangat umum di berbagai
bidang penelitian di mana peneliti tertarik untuk mengidentifikasi faktor-faktor yang berpengaruh signifikan secara statistik untuk variabel dependen model (Sternad Zabukov�ek et al., 2022).
Data primer diambil
dengan menggunakan instrumen perceived ease of use berdasarkan
penelitian Davis (1989)
sebanyak 3 item, instrumen
perceived usefulness berdasarkan penelitian Davis (1989)
sebanyak 3 item, instrumen
electronic word of mouth berdasarkan penelitian East et al. (2008)
sebanyak 5 item, dan instrumen
minat berdasarkan penelitian Davis et al., (1989)
sebanyak 5 item.
Hasil pengengembangan
instrumen penelitian selanjutkan dituang dalam kuesioner yang disampaikann kepada responden yang memenuhi kriteria secara daring. Kriteria yang digunakan adalah orang yang minat untuk menggunakan aplikasi investasi crypto.
Maka metode penentuan sampel yang dipakai yaitu purposive sampling. Jumlah
responden minimal berjumlah
112 orang. Hal ini sesuai dengan Hair
et al. (2014) bahwa
paling tidak jumlah sampel dalam penelitian
sebanyak tujuh sampai sepuluh kali jumlah parameter.
Hasil dan Pembahasan
Karakteristik
responden yang dianalisis dalam�
penelitian ini meliputi jenis kelamin, usia, pendidikan
terakhir, pendapatan perbulan, durasi
dan media yang digunakan dalam berinternet, terlihat
pada table-tabel berikut ini.
Tabel 1
Jenis Kelamin
|
Kriteria |
Jumlah |
Presentase |
|
Pria
|
39 |
74,2% |
|
Wanita |
81 |
25,8% |
|
Total
|
120 |
100% |
Sumber:
Data Primer diolah (2022)
Tabel 1 di atas
memperlihatkan bahwa dari seluruh responden
yang banyak menjadi responden yaitu berjenis kelamin wanita dengan jumlah
sebesar 120 orang. Sementara
responden dengan jenis kelamin pria
hanya ada 39 orang responden. Tabel 2 di bawah menunjukan bahwa mayoritas responden adalah generasi milenial dengan rentang usia 18-25 tahun sebanyak 98 responden dan dengan rentang 26-35 tahun sebanyak 18 orang responden.
Hanya 3.3% responden yang berusia
dengan rentang 36-45 tahun.
Tabel 2
Usia
|
Kriteria |
Jumlah |
Presentase |
|
18-25 tahun |
98 |
81,7% |
|
26-35 tahun |
18 |
15% |
|
36-45 tahun |
4 |
3.3% |
|
Jumlah |
120 |
100% |
Sumber: Data Primer diolah
(2022)
Tabel 3
Pendidikan Terakhir
|
Kriteria |
Jumlah |
Presentase |
|
SMA |
106 |
88,2% |
|
Diploma |
7 |
5,9% |
|
S1 dan S2 |
7 |
5,9% |
|
Jumlah |
120 |
100% |
��
Sumber: Data Primer
diolah (2022)
Tabel 3 di atas
menggambarkan banyak dari responden yang mengenyam SMA sebagai pendidikan terakhir, yaitu sebanyak 106 responden. Responden dengan tingkat pendidikan akhir diploma hanya 7 orang responden dan dengan lulusan S1 dan S2 juga hanya 7 orang responden. Tabel 4
di bawah memperlihatkan bahwa mayoritas responden memiliki pendapatan kurang dari 2 juta rupiah yaitu sebanyak 79.2%. �Responden dengan pendapatan rentang 2 juta rupiah hingga 4 juta rupiah sebanyak 14 responden, dengan rentang 4 juta rupiah hingga 6 juta rupiah sebanyak 6 orang responden. Hanya 1,7 % responden
yang memiliki pendapatan lebih dari 8 juta
rupiah perbulannya
�
Tabel 4
Pendapatan
|
Kriteria |
Jumlah |
Presentase |
|
< Rp. 2.000.000 |
95 |
79,2% |
|
Rp. 2.000.001 -� Rp. 4.000.000 |
14 |
2,5% |
|
Rp. 4.000.001 -� Rp.6.000.000 |
6 |
11,7% |
|
Rp. 6.000.001 -� Rp. 8.000.000 |
2 |
5% |
|
> Rp. 8.000.000 |
3 |
1,7% |
|
Jumlah |
120 |
100% |
Sumber: Data Primer
diolah (2022)
Tabel 5
Media Berinternet
|
Kriteria |
Jumlah |
Presentase |
|
PC/Laptop |
3 |
2,5% |
|
Smartphone |
86 |
71,7% |
|
Smarthphone, PC/Laptop |
19 |
15,8% |
|
Smarthphone, Tablet |
2 |
1,7% |
|
Smarthphone, PC/Laptop, Tablet |
6 |
5% |
|
Tablet |
4 |
3.3% |
|
Jumlah |
120 |
100% |
�
Sumber: Data Primer
diolah (2022)
Tabel 5 menunjukan
bahwa 4 orang yang mengakses
internet hanya via tablet daan
3 responden yang hanya menggunakan PC/Laptop. Sebanyak 113
responden mengakses internet
menggunakan smarthphone. �sebagai pendidikan terakhir, yaitu sebanyak 106 responden. Dengan rincian 19 responden yang menggunakan smartphone dan PC/Laptop, 2 orang smartphone dan
table. Sedangkan 5% menggunakan
ketiganya. Tabel 2 berikut ini memmberikan gambaran bahwa 38 orang mengakses internet selama 1-2
jam/hari. 60 orang mengakses
selama 3-8 jam /hari, 10
orang mengakses internet selama
9-12 jam/ hari. Hanya 10 % responden
yang mengakses internet lebih
dari 12 jam per harinya.
Tabel 6
Durasi Berinternet
|
Kriteria |
Jumlah |
Presentase |
|
1-2 jam/hari |
38 |
31,7% |
|
3-8 jam/hari |
60 |
50% |
|
9-12 jam/hari |
10 |
8,3% |
|
Lebih dari
12 jam |
12 |
10% |
|
Jumlah |
120 |
100% |
Sumber: Data Primer
diolah (2022)
Analisis data menggunakan
SEM Warp PLS 7.0 dilakukan melalui
dua tahap. Tahap pertama itu menguji
validitas dan reliabilitas dari instrument yang digunakan atau biasanya disebut
dengan model pengukuran. Selanjutnya tahap kedua merupukan pengujian hipotesis yang telah diajukan yang dinamakan dengan model struktural. Berikut ini hasil dari
langkah pertama yaitu model pengukuran.
Tabel 7
Validitas Konvergen
|
Item Pertanyaan |
Factor Loading |
Keputusan |
|||||
|
Perceived usefulness PU1 PU2 PU3 |
|
VALID VALID VALID |
|||||
|
Perceived ease of use PE1 PE2 PE3 |
|
VALID VALID VALID |
|||||
|
Electronic Word of Mouth EWOM1 EWOM2 EWOM3 EWOM4 EWOM5 |
|
VALID VALID VALID VALID VALID |
|||||
|
Minat M1 M2 M3 M4 M5 |
|
VALID VALID VALID VALID VALID |
Sumber: Data Primer diolah (2022)
Tabel 8
Validitas Diskriminan
|
Variabel |
PU |
PE |
EWOM |
M |
|
Perceived
usefulness |
(0.862) |
0.650 |
-0.033 |
0.625 |
|
Perceived
ease of use |
0.650 |
(0.803) |
-0.051 |
0.513 |
|
Electronic
Word of Mouth |
-0.033 |
-0.051 |
(0.862) |
0.112 |
|
Minat |
0.625 |
0.513 |
0.112 |
(0.748) |
� Note: Square roots of average variances
extracted (AVE�s) shown on diagonal
����� ���Sumber: Data Primer diolah
(2022)
Tabel 9
Reliabilitas
|
Variabel |
Cronbach Alph |
Composite Reliability |
Keterangan |
|
Perceived usefulness |
0.896 |
0.824 |
Reliabel |
|
Perceived ease of use |
0.844 |
0.719 |
Reliabel |
|
Electronic Word of Mouth |
0.935 |
0.913 |
Reliabel |
|
Minat |
0.863 |
0.801 |
Reliabel |
�Sumber: Data Primer diolah (2022)
Tabel 7
memperlihatkan bahwa item pernyataan yang dipakai pada penelitian ini berjumlah
enam belas item adalah valid. Selanjutnya, hasil pengujian validitas
konvergen tidak terdapat item pernyataan yang nilai factor loading
dibawah 0.7. Dengan demikian proses analisis data hanya menggunakan dua puluh
tujuh item pernyataan yang valid. Lebih lanjut tabel 8
menggambarkan hasil dari pengujian validitas diskriminan dimana nilai akar AVE
lebih tinggi dari korelasi antar variabel sehingga memenuhi kriteria validitas diskriminan.
Terakhir, Tabel 9 mengungkapkan bahwa keempat variabel yang dipakai pada penelitian ini nilai Cronbach�s
Alpha dan Composite Reliability lebih besar dari 0.6 maka dapat
dikatakan reliabel. Tahap kedua dari pengujian dengan SEM Warp PLS 8.0 yaitu
model struktural. Model struktural dalam penelitian ini akan dilaksanakan untuk
menguji tiga hipotesis yang telah diajukan.
Berikut ini merupakan gambar model struktural dan hasil pengujian hipotesis.
Gambar 1 Model Struktural
Tabel 10
|
Jalur |
Koefisien β |
P-Value |
Effect Size |
Keputusan |
|
PU -> M |
0.243 |
p<0.001 |
0.157 |
Hipotesis Diterima |
|
PE -> M |
0.507 |
p<0.001 |
0.359 |
Hipotesis Diterima |
|
EWOM -> M |
0.273 |
p<0.001 |
0.078 |
Hipotesis Diterima |
|
Indikator goodness of fit model |
||||
|
APC |
0.341 |
p<0.001 |
|
|
|
ARS |
0.593 |
p<0.001 |
|
|
|
AVIF |
2.186 |
p<0.001 |
|
Tidak Multikolinieritas |
�Hasil Pengujian Model Struktural
Sumber: Data Primer diolah (2022)
Tabel 10 menunjukkan bahwa nilai AVIF sebesar 2.186 yang lebih kecil dari
3,3 sehingga model penelitian
ini bebas dari multikolinieritas. Selain itu, nilai average path coefficient
(APC) dan average R-Square (ARS) juga signifikan
pada level 1%. Dengan demikian
dapat dikatakan bahwa model yang dikembangkan
oleh penelitian ini terbukti baik karena
telah memenuhi tiga kriteria goodness of fit model
yaitu AVIF, APC, dan ARS. Lebih
lanjut, ketiga variabel penelitian ini yang meliputi perceived
usefulness, perceived ease of use, dan electronic word of mouth memberikan kontrbusi terhadap minat menggunakan aplikasi investasi crypto sebesar 59%.
Sementara 41% sisanya ditentukan oleh variabel yang tidak ada dalam
model penelitian ini. Gambar
1 dan tabel 10 menggambarkan
bahwa hipotesis 1 dinyatakan diterima karena koefisien β=0.243;
p-Value<0.001. Jadi ketika perceived usefulness
mengalami peningkatan satu satuan maka
minat mengikuti akan naik 0.243. Maknanya, bahwa perceived usefulness terbukti
dapat meningkatkan keinginan untuk menggunakan aplikasi investasi crypto. Diterimanya
hipotesis 1 ini semakin memperkuat bukti bahwa perceived
usefulness berperan dalam
membentuk minat menggunakan aplikasi investasi daring. Hal ini juga didukung oleh Jung et al. (2021),
yang mengungkapkan bahwa perceived
usefulness atau kegunaan
yang dirasakan menentukan penerimaan dan pengambilan keputusan untuk mengadopsi teknologi informasi individu.
Tabel 10 dan
Gambar 1 memperlihatkan hasil
uji hipotesis 2 bahwa koefisien β bernilai positif sebesar 0.507 dan signifikan pada tingkat toleransi 1%. Hasil tersebut menunjukkan bahwa perceived
ease of use berpengaruh terhadap
minat menggunakan aplikasi investasi crypto.
Terbuktiknya hipotesis 2 menguatkan penelitan Jung et al. (2021),
yang mengungkapkan bahwa perceived
ease of use atau kemudahan
penggunaan memainkan peran kunci dalam
menentukan penerimaan dan pengambilan keputusan dalam adopsi teknologi
informasi individu.
Hipotesis 3, yaitu electronic word of mouth terbukti
berpengaruh terhadap minat menggunakan aplikasi investasi crypto sebab β=-0.273; p-Value<0.001. Terdukungnya hipotesis 3 karena β positi dan signifikan pada 0.001 hal ini menunjukan bahwa kenaikan atau pertambahan pada electronic
word of mouth, akan diikuti
dengan peningkatan atau penambahan pada variabel minat. Hal ini selaras dengan
penelitian terdahulu yaitu oleh Qi dan Kuik (2022)
yaitu konsumen terutama mengandalkan WOM dalam proses keputusan mengadopsi suatu barang atau jasa.
Kesimpulan
Berdasarkan
analisis data menggunakan aplikasi SEM Warp PLS �8.0 melalui enam belas item
pertanyaan ditemukan bukti bahwa variabel perceived usefulness, perceived ease
of use dan electronic word of mouth secara langsung berpengaruh terhadap minat seseorang dalam menggunakan
aplikasi investasi crypto. Selanjutnya, ketiga variabel yang
meliputi perceived usefulness, perceived ease of use dan electronic
word of mouth signifikan berpengaruh terhadap minat seseorang dalam
menggunakan aplikasi investasi crypto sebesar 59%
sementara sisanya ditentukan oleh variabel yang tidak dianalisis dalam
penelitian ini. Faktor � factor yang mempengaruhi minat seseorang dalam menggunakan
aplikasi investasi secara daring ini selanjutnya diharapkan dapat
dijadikan sebagai literasi mengenai jenis investasi daring yang dilakukan agar
investasi yang dilakukan sesuai dengan kebutuhan peserta dan dapat efektif
meningkatkan keterampilan peserta.� Saran
untuk penelitian selanjutnya dibidang pemasaran adalah mencoba untuk
menganalisis lagi terkait dengan aplikasi theory of trying sehingga dapat
dilihat dengan lebih beragam lagi hasil dari aplikasi tersebut. Selain itu
minat seseorang dalam menggunakan aplikasi investasi secara daring dapat
dijadikan rencana penelitian selanjutnya dengan menerapkan strategi pemasaran
lainnya sebagaicontoh adalah iklan karena sikap terhadpa iklan berpengaruh besar
dengan factor � factor yang mempengaruhi minat seseorang dalam menggunakan
aplikasi investasi secara daring berdasarkan hasil penelitian ini..
Adriyati, R., & Indriani, F. (2017). Pengaruh
Electronic Word Of Mouth Terhadap Citra Merek Dan Minat Beli Pada Produk
Kosmetik Wardah. Diponegoro Journal Of Management, 6(4), 1�14.
https://ejournal3.undip.ac.id/index.php/djom/article/view/18046
Caporale, G. M., Gil-Alana, L., &
Plastun, A. (2018). Persistence in the cryptocurrency market. Research in
International Business and Finance, 46(December 2017), 141�148.
https://doi.org/10.1016/j.ribaf.2018.01.002 Google Scholar
Davis, F. D., Bagozzi, R. P., &
Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of
Two Theoretical Models. Management Science, 35(8).
https://doi.org/10.1287/mnsc.35.8.982 Google Scholar
De Bruyn, A., & Lilien, G. L. (2008). A
multi-stage model of word-of-mouth influence through viral marketing. International
Journal of Research in Marketing, 25(3), 151�163.
https://doi.org/10.1016/j.ijresmar.2008.03.004 Google Scholar
Doran, M. (2004). A Forensic Look at
Bitcoin Cryptocurrency. SANS Computer Forensics, Forensics 508,
125.
http://computer-forensics.sans.org/community/papers/gcfa/forensic-analysis-suplused-system-hard-drives_57 Google Scholar
East, R., Hammond, K., & Lomax, W.
(2008). Measuring the impact of positive and negative word of mouth on brand
purchase probability. International Journal of Research in Marketing, 25(3),
215�224. https://doi.org/10.1016/j.ijresmar.2008.04.001
Google Scholar
Fang, F., Ventre, C., Basios, M., Kanthan,
L., Martinez-Rego, D., Wu, F., & Li, L. (2022). Cryptocurrency trading: a comprehensive
survey. Financial Innovation, 8(1). https://doi.org/10.1186/s40854-021-00321-6 Google Scholar
Fedorko, I., Fedorko, R., Gavurova, B.,
& Bacik, R. (2021). http://jssidoi.org/esc/home. 9(1), 519�529.
Fred D. Davis. (1989). Perceived
Usefulness, Perceived Ease of Use, and User Acceptance of Information
Technology. Quarterly: Management Information Systems.
https://doi.org/10.2307/249008 Google Scholar
Hair, J. F., Black, W. C., Babin, B. J.,
& Anderson, R. E. (2010). Multivariate Data Analysis. In Vectors.
https://doi.org/10.1016/j.ijpharm.2011.02.019 Google Scholar
Hennig-Thurau, T., Gwinner, K. P., Walsh,
G., & Gremler, D. D. (2004). Electronic word-of-mouth via consumer-opinion
platforms: What motivates consumers to articulate themselves on the Internet? Journal
of Interactive Marketing, 18(1), 38�52.
https://doi.org/10.1002/dir.10073 Google Scholar
Jung, J., Park, E., Moon, J., & Lee, W.
S. (2021). Exploration of sharing accommodation platform airbnb using an
extended technology acceptance model. Sustainability (Switzerland), 13(3),
1�16. https://doi.org/10.3390/su13031185 Google Scholar
Keaveney, S. M. (1995). in Service
Industries : Journal of Marketing, 59(April), 71�82. Google Scholar
Liao, Y. K., Wu, W. Y., Le, T. Q., &
Phung, T. T. T. (2022). The Integration of the Technology Acceptance Model and
Value-Based Adoption Model to Study the Adoption of E-Learning: The Moderating
Role of e-WOM. Sustainability (Switzerland), 14(2). https://doi.org/10.3390/su14020815 Google Scholar
Meledak! Investor Kripto RI Capai 4,2 Juta,
Kalahkan Saham. (n.d.).
Retrieved June 24, 2022, from https://www.cnbcindonesia.com/market/20210420080336-17-239122/meledak-investor-kripto-ri-capai-42-juta-kalahkan-saham
Mousa, A. H., Mousa, S. H., Aljshamee, M.,
& Nasir, I. S. (2021). Determinants of customer acceptance of e-banking in
Iraq using technology acceptance model. Telkomnika (Telecommunication
Computing Electronics and Control), 19(2), 421�431.
https://doi.org/10.12928/TELKOMNIKA.v19i2.16068 Google Scholar
Mukhopadhyay, U., Skjellum, A., Hambolu,
O., Oakley, J., Yu, L., & Brooks, R. (2016). A brief survey of
Cryptocurrency systems. 2016 14th Annual Conference on Privacy, Security and
Trust, PST 2016, 745�752. https://doi.org/10.1109/PST.2016.7906988 Google Scholar
Parry, M. E., Kawakami, T., & Kishiya,
K. (2012). The effect of personal and virtual word-of-mouth on technology
acceptance. Journal of Product Innovation Management, 29(6), 952�966.
https://doi.org/10.1111/j.1540-5885.2012.00972.x Google Scholar
Qi, X., & Kuik, S. (2022). Effect of
Word-of-Mouth Communication and Consumers� Purchase Decisions for
Remanufactured Products: An Exploratory Study. Sustainability, 14(10),
5963. https://doi.org/10.3390/su14105963 Google Scholar
Sternad Zabukov�ek, S., Bobek, S., Zabukov�ek,
U., Kalinić, Z., & Tominc, P. (2022). Enhancing PLS-SEM-Enabled
Research with ANN and IPMA: Research Study of Enterprise Resource Planning
(ERP) Systems� Acceptance Based on the Technology Acceptance Model (TAM). Mathematics,
10(9). https://doi.org/10.3390/math10091379 Google Scholar
Waris, I., Ali, R., Nayyar, A., Baz, M.,
Liu, R., & Hameed, I. (2022). An Empirical Evaluation of Customers�
Adoption of Drone Food Delivery Services: An Extended Technology Acceptance
Model. Sustainability (Switzerland), 14(5), 1�19.
https://doi.org/10.3390/su14052922 Google Scholar
������
|
Copyright holder: Lina Affifatusholihah, Farah Putri Wenang
Lusianingrum, Fadhila (2022) |
|
First publication right: Syntax Literate: Jurnal Ilmiah
Indonesia |
|
This article is licensed
under: |