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: lina@untirta.ac.id,  farah@untirta.ac.id, fadhila@untirta.ac.id

 

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 (Zabukovšek 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 Zabukovšek 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

 

(0.736)

(0.754)

(0.908)

 

VALID

VALID

VALID

Perceived ease of use

PE1

PE2

PE3

 

(0.764)

(0.875)

(0.938)

 

VALID

VALID

VALID

Electronic Word of Mouth

EWOM1

EWOM2

EWOM3

EWOM4

EWOM5

 

(0.830)

(0.877)

(0.902)

(0.893)

(0.802)

 

VALID

VALID

VALID

VALID

VALID

Minat

M1

M2

M3

M4

M5

 

(0.804)

(0.779)

(0.778)

(0.735)

(0.734)

 

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..

 


BIBLIOGRAFI

 

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 Zabukovšek, S., Bobek, S., Zabukovšek, 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: