PERAN E-TRUST DALAM MEMEDIASI PENGARUH E-WOM TERHADAP
E-PURCHASE INTENTION JASA TELEMEDICINE, PENGGUNA APLIKASI MOBILE HEALTH DI
JAKARTA
Gidion P. Adirinekso
Universitas Kristen Krida Wacana
Email: gidion.adirinekso@ukrida.ac.id
Abstrak
Penelitian ini bertujuan
melihat pengaruh electronic
word of mouth (E-WOM) terhadap e-purchase intention yang dimediasi
oleh e-trust. Aplikasi mobile health merupakan salah satu inovasi teknologi yang dimanfaatkan dalam bidang kesehatan untuk menjangkau masyarakat luas. Selama dalam
masa pandemi Covid-19 tingkat
pengguna aplikasi mobile
health meningkat drastis hal ini juga ditunjukkan dengan semakin banyaknya pesaing yang bermunculan dengan mengeluarkan produk serupa. Persaingan ini terjadi bertujuan untuk memenangkan hati pelanggan dilihat dari e-purchase intention
dengan mediasi e-trust. Persaingan antara e-word of mouth
(E-WOM) pada aplikasi mobile health. Dalam penelitian ini menggunakan metode kuantitatif. Teknik analisis yang digunakan PLS-SEM.
Proses pengumpulan data sebanyak
210 responden dilakukan melalui penyebaran kuesioner secara online. Hasil dari penelitian ini menunjukkan bahwa e-word of mouth
(E-WOM) sangat berpengaruh terhadap e-purchase
intention dan e-trust memediasi pengaruh
e-word of mouth (E-WOM) terhadap e-purchase intention.
Kata
kunci: E-Word of Mouth (E-WOM), E-Trust, E-Purchase
Intention
Abstract
This
study examines the effect of elecetronic word of
mouth (E-WOM) on e-purchase intention mediated by e-trust. The mobile health
application is one of the technological innovations used in the health sector
to reach the wider community. During the Covid-19 pandemic, the leve of mobile health application users increased, this was
also shown by the increasing number of competitors emerging by issuing similar
products. The competition aims to win the hearts of customers seen from
e-purchase intention with e-trust mediation. Competition between e-word of
mouth (E-WOM) in mobile health applications. In this study using quantitative
methods. The analytical technique used is PLS-SEM. The process of collecting
data for 210 respondents was carried out through the distribution of online
questionnaires. This study indicates that e-word of mouth (E-WOM) is very
influential on e-purchase intention and e-trust mediates the effect of e-word
of mouth (E-WOM) on e-purchase intention.
Keywords: E-Word of
Mouth (E-WOM), E-Trust, E-Purchase Intention.
Pendahuluan
Meluasnya penggunaan teknologi dalam berbagai aspek kehidupan di era digital yang serba
cepat, memicu munculnya inovasi teknologi, termasuk di bidang layanan Kesehatan. Inovasi tersebut menghadirkan keberadaan institusi non formal
yang tumbuh seiring kemajuan tekonologi informasi. Salah satu institusi kesehatan non formal
ini dikenal dengan istilah telemedicine.
Menurut Peraturan Menteri Kesehatan
Republik Indonesia tahun
2019, telemedicine merupakan pelayanan kesehatan jarak jauh oleh tenaga kesehatan professional menggunakan informasi dan komunikasi teknologi, termasuk informasi tentang diagnosis, pengobatan, pencegahan penyakit dan cedera, penelitian dan evaluasi, dan pendidikan berkelanjutan pelayanan penyedia kesehatan individu dan masyarakat. Layanan telemedicine di Indonesia terdiri dari teleradiology, telelektrokardiografi, teleultrasonografi,
layanan teleconsultasion klinis dan jasa konsultasi lainnya (Indonesian Ministry of
Health, 2019).
Munculnya layanan kesehatan
digital atau telemedicine
memungkinkan pasien dan tenaga kesehatan berdiskusi atau berkonsultasi jarak jauh, dinilai dapat
memudahkan masyarakat untuk
menerima layanan serta informasi seputar kesehatan secara efektif dan efisien. Kementerian Komunikasi
dan Informatika (Kominfo) mencatat penggunaan aplikasi telemedicine
naik pesat hingga 443% sejak pandemi Covid-19 di
Indonesia. Mengutip data McKinsey (2000), bahwa 44% responden menyatakan mereka beralih dari konsultasi
tatap muka ke konsultasi daring. Hal ini selaras
dengan melonjaknya kunjungan dan penggunaan aplikasi telemedicine
selama masa pandemi
Covid-19, yaitu sebesar
600% (katadata.co.id).
Gambar 1 Aplikasi Kesehatan
yang digunakan oleh kaum
urban
Sumber: Katadata.co.id
Gambar 1 menjelaskan urutan aplikasi kesehatan andalan yang digunakan oleh kaum urban saat ini, dimana Halodoc, Alodokter dan Klikdokter sebagai 3 aplikasi kesehatan terbanyak yang digunakan oleh masyarakat masa kini. Riset ini didukung dengan banyaknya jumlah pengunduh dan pemberian rating pada aplikasi
google play store pada pengguna android.
Tabel 1 Top 3 Rating Platform / Aplikasi
Kesehatan
Sumber: Google Play Store, April 2022
Berdasarkan Tabel 1 jumlah pengunduh, Halodoc dan Alodokter memiliki lebih dari 5 juta. Rating tertinggi diraih oleh Halodoc dengan 4,8/5 kemudian Alodokter dengan rating 4,6/5 dan pada posisi
ketiga diraih oleh KlikDokter dengan rating
4,2/5. Dalam kondisi
pademi pengguna jasa telemedicine mengalami
banyak peminat dan lonjakan penggunaan yang tinggi. Konsekuensinya, banyak platform
telemedicine berlomba memenangkan
hati penggunanya. Salah satu
contoh upaya yang dilakukan oleh Halodoc untuk menarik simpati atau kepercayaan calon penggunanya adalah dengan menggandeng
artis ternama ibukota seperti Raffi Ahmad dan Nagita Slavina yang mempromosikan fitur chat dengan dokter di Halodoc adalah dokter asli
dan bukan robot melalui akun
youtube Halodoc yang diterbitkan pada 11 November 2021. Dmpakya
Halodoc dikenal banyak masyarakat. Walaupun demikian Alodokter sebagai salah satu penyedia jasa telemedicine
terdahulu, terus berupaya meningkatkan pelayanan dan kepercayaan penggunanya
Gambar 2 Layanan
Fitur Alodokter
Sumber: Alodokter.com
Gambar 2 menjelaskan beberapa fitur utama yang disediakan oleh Alodokter untuk masyarakat
Indonesia tanpa harus bertatap muka. Ada beberapa layanan yang diberikan, seperti adanya fitur chat bersama dokter, buat janji konsultasi dengan dokter dan / mencari rumah sakit pilihan, tersedianya artikel kesehatan terlengkap berbahasa Indonesia, perlindungan kesehatan tambahan dengan proteksi Alodokter, Tes Covid-19.
Melalui Alodokter, pasien juga dapat membeli obat atau
berbelanja kebutuhan kesehatan sesuai dengan resep dokter
yang nantinya akan diantar ke alamat tujuan.
Sebagai upaya untuk mempertahankan dan meningkatkan kepercayaan penggunanya, Alodokter berkolaborasi dengan Ikatan Dokter Indonesia
(IDI) yang ditandai dengan penandatanganan perjanjian kerja sama antara Alodokter
dan IDI. Melalui akreditasi
yang diberikan oleh IDI, menjadikan
Alodokter sebagai layanan kesehatan digital yang semakin lengkap dengan segala aspek. Selain itu, Alodokter juga mengandalkan medical excellence dengan
melibatkan dokter pada setiap fitur yang ada, baik pada fitur chat maupun artikel-artikel yang ada di dalamnya. Alodokter juga memastikan SOP terkait data-data pengguna yang dikelola berdasarkan ketentuan yang berlaku. Demikian juga dalam proses rekrutmen dokter harus memenuhi syarat dan ketentuan yang berlaku untuk menjamin kualitas layanan yang diberikan seperti seperti harus memiliki
surat kelulusan dokter, Surat Tanda Registrasi
(STR), dan Surat Izin Praktik
(SIP).
Banyaknya kemudahan yang ditawarkan oleh aplikasi layanan kesehatan digital menjadikan fitur chat dengan dokter menjadi
salah satu fitur terfavorit masyarakat masa kini, karena dapat
berkonsultasi kapan saja
dan dimana saja tanpa ribet. Baik dari aplikasi Halodoc, Alodokter dan Klikdokter memiliki kesamaan diantaranya memiliki fitur chat dengan dokter, menampilkan rating,
pengalaman dokter berikut dengan nomor SIP dan STR namun dari setiap fitur
yang mereka sediakan terdapat salah satu pembeda yaitu pada aplikasi Alodokter dimana Alodokter menambahkan informasi yang lebih lengkap serta menampilkan
fitur ulasan yang dapat dibaca terdahulu
oleh calon pembeli atau pengguna dan menyediakan fitur online
customer review yang dimana pengguna
bisa memberikan testimoni mereka pada aplikasi ataupun website tersebut atas pengalaman
berkonsultasi dengan dokter atau penglaman
menggunakan aplikasi Alodokter tersebut, yang dimana pada jasa penyedia lain hanya menunjukkan rating tanpa adanya online customer review.
Selain itu bagi calon pengguna jasa telemedicine
dapat menjadikan online
testimoni tersebut sebagai tolak ukur atau
pertimbangan untuk meningkatkan
kepercayaan sebelum melakukan
e-purchase intention yang dapat dilihat pada gambar 3 berikut:
Gambar 3 Layanan
Fitur Chat dengan dokter di
Aplikasi Alodokter
Sumber: Alodokter.com
Adapun salah satu tantangan besar Alodokter adalah untuk tetap terus mempertahankan
dan meningkatkan kepercayaan
masyarakat terkait fitur-fitur yang ditawarkan.
Adapun keraguan pada beberapa
kalangan masyarakat akan layanan kesehatan
digital membuat Alodokter menghadirkan fitur online customer review, rating, hingga
menunjukan kuantitas chat
yang telah dilakukan oleh dokter tersebut. Harapannya hal ini dapat membantu menjawab keraguan masyarakat dalam menentukan pilihannya hingga memutuskan untuk membeli produk / jasa melalui aplikasi
Alodokter serta mengurangi keresahan masyarakat terkait issue chat
dengan robot jika menggunakan aplikasi telemedicine.
Disatu sisi tidak
semua aplikasi atau
platform layanan kesehatan menyediakan fitur online
customer review seperti diperlihataan
pada gambar 4 dan 5
Gambar 4 Layanan
Fitur Chat dengan dokter di
Aplikasi Klikdokter
Sumber: Aplikasi Klikdokter
Pada gambar 4 dapat dilihat bahwa
pada fitur chat dengan dokter pada aplikasi Klikdokter hanya menampilkan sedikit informasi dan hanya menunjukkan rating pada ulasan
chat nya, walaupun terdapat tulisan berdasarkan 84 ulasan, ulasan tersebut tidak dapat di klik untuk dibaca terlebih dahulu sebelum melakukan pembelian dan instruksi selanjutnya adalah mengarahkan pengguna untuk melakukan pembayaran.
Gambar 5 Layanan
Fitur Chat dengan dokter di
Aplikasi Halodoc
Sumber: Aplikasi Halodoc
Pada gambar 5 terlihat fitur chat dengan dokter pada aplikasi Halodoc hanya menampilkan sedikit informasi dan hanya menunjukkan rating
saja dan instruksi selanjutnya
adalah mengarahkan pengguna untuk melakukan
pembayaran yang berbeda dengan
aplikasi Alodokter. Perbedaan ini, dianggap sebagai peluang oleh Alodokter untuk terus memberikan dan meningkatkan pelayananan mereka dan dimana hal ini dapat menjadi nilai
tambah untuk meningkatkan kepercayaan pengguna Alodokter sebelum melakukan e-purchase
intention jasa telemedicine. Pada penelitian sebelumnya (Kristina, 2017) membuktikan bahwa E-WOM berpengaruh signifikan terhadap purchase intention pada aplikasi telemedicine yang dimediasi
oleh variable vividness. Di mana E-WOM merupakan komunikasi berupa pernyataan positif atau negative mengenai sebuah produk atau
perusahaan yang dilakukan
oleh potensial, actual, maupun
mantan konsumen yang tersedia untuk semua orang dan tersebar
melalui internet. Selain itu E-WOM sebagai salah satu strategi promosi dengan mengandalkan kekuatan tulisan yang disebarkan
di internet dan dibuat oleh konsumen
yang memiliki pengalaman dengan produk atau
jasa, untuk menarik para konsumen baru dan dapat menguntungkan perusahaan karena secara tidak langsung
mempromosikan produk tersebut. E-WOM juga dinilai mampu memberikan pengaruh yang lebih efektif
terhadap minat beli konsumen
daripada promosi biasa yang dilakukan oleh perusahaan karena konsumen mampu mempengaruhi konsumen lain dengan opini dan pengalaman mereka yang lebih terpecaya dan juga dapat digunakan sebagai salah satu pertimbangan terhadap minat beli
terhadap suatu produk atau jasa. Melalui
E-WOM konsumen yang sering mencari ulasan dan atau mengumpulkan banyak informasi terkait produk, jasa atau layanan
secara online dipercaya dapat membentuk minat beli dari konsumen tersebut. Hal ini pun sesuai dengan penelitian
sebelumnya yang dilakukan
oleh (Yoga & Pradita,
2021) yang membuktikan bahwa
E-WOM berpengaruh positif signifikan terhadap E-Trust pada aplikasi
Alodokter. Selain itu penelitian
yang dilakukan oleh (Farki et al., 2016) membuktikan bahwa dengan adanya
online customer review dan rating memiliki hubungan terhadap minat pembelian pelanggan dan menjadi salah satu fitur penting dalam
pembelian secara online.
Perkembangan teknologi telah membuat pergesaran
perilaku pelanggan dari pembelian toko offline menjadi pembelian toko online.
Hal ini pun dibuktikan dengan
banyaknya bermunculan
e-commerce atau toko online di Indonesia. Perkembangan teknologi ini melalui platform online pun juga dilirik
oleh pelaku bisnis kesehatan ditambah dengan maraknya penyebaran virus Covid-19 yang menyerang
seluruh dunia termasuk
Indonesia. Sehingga platform untuk konsultasi kesehatan online pun
juga banyak bermunculan. Kondisi ini membuat para pelaku bisnis harus
memutar otak menentukan diferensiasi dari setiap produk
atau jasa atau platform yang dimiliki agar dapat semakin menarik
perhatian calonn pelanggan. Online customer review adalah sebuah bentuk
electronic word of mouth (EWOM) yang mengacu
pada konten buatan pengguna yang di-posting pada situs online maupun situs web atau platform
yang dimana fitur ini digunakan oleh Alodokter sebagai
salah satu diferensiasi dalam strategi pemasaran untuk mendapatkan kepercayaan calon pelanggan untuk melakukan keputusan pembelian.
Berdasarkan latar belakang
diatas membuat peneliti tertarik melakukan penelitian dengan judul Pengaruh Electronic Word of Mouth
Terhadap E-Purchase Intention Jasa Telemedicine dengan
E-Trust Sebagai Variebel Mediasi
Pada Pengguna Aplikasi Alodokter di Jakarta.
Metode
Jenis Data
Jenis data yang digunakan dalam penelitian kuantitatif adalah data primer dari survei. Menurut (VanderStoep & Johnston, 2009) penelitian kuantitatif secara umum melibatkan perhitungan data statistik atau pengukuran perihal fenomena yang terjadi dengan melibatkan populasi atau sampel tertentu
dengan tujuan untuk menguji hasil hipotesis
yang sudah ditetapkan. Data yang dipakai
dalam penelitian ini berskala ordinal. Data skala
ordinal merupakan data yang diperoleh
dengan cara mengkategorisasi atau mengklasifikasi. Menurut (Hair Jr et al., 2014) skala
ordinal merupakan tingkat presisi pengukuran “lebih tinggi” berikutnya. Dalam skala ordinal, variabel dapat diurutkan atau diberi peringkat
dalam kaitannya dengan jumlah atribut.
Setiap subjek atau objek dapat
dibandingkan dengan yang
lain dalam hal “lebih besar dari” atau
hubungan “kurang dari”. Dalam penelitian ini digunakan skala likert dimana terdapat
lima alternatif jawaban yaitu: sangat setuju, setuju, netral, tidak setuju dan sangat tidak setuju.
Sumber Data
Adapun sumber data yang digunakan dalam penelitian ini merupakan data primer. Menurut (VanderStoep & Johnston, 2009) data primer merupakan
data yang dikumpulkan secara
langsung oleh peneliti tanpa perantara sehingga data yang didapatkan berupa data mentah. Adapun sumber data dalam penelitian ini dikumpulkan oleh peneliti melalui penyebaran kuesioner dalam bentuk google form. Penyebaran kuesioner dengan link diberikan kepada calon responden
yang sesuai dengan kriteria.
Populasi
Menurut (VanderStoep & Johnston, 2009) pengertian populasi merupakan beberapa individu dengan kriteria yang ditentukan. Adapun populasi yang digunakan dalam penelitian ini adalah seluruh pengguna aplikasi telemedicine di Jakarta. Khusus
di dalam penelitian ini aplikasi telemedicine yang dimaksud
adalah Alodokter, Halodoc dan Klikdokter. Ketiga aplikasi ini dipilih karena ketiganya menduduki urutan 3 teratas oleh pengguna berdasarkan survey yang dilakukan oleh peneliti berdasarkan jumlah unduhan dan rating pada aplikasi
google play store pada ponsel pintar
berbasis android April 2022 lalu.
Sampel
Menurut (VanderStoep & Johnston, 2009) pengertian sampel merupakan beberapa bagian dari populasi yang akan berpartisipasi sebagai perwakilan dari populasi tersebut. Adapun sampel dalam penelitian
ini adalah pengguna 3 aplikasi telemedicine di Jakarta. Besarnya
sampel di dalam penelitian ini adalah 210 responden dengan jumlah 25 indikator. Untuk memilih sampel tersebut, digunakan metode purposive sampling, yaitu
penentuan sampel berdasarkan kriteria tertentu. Adapun kriteria sampel dalam penelitian
ini adalah responden memiliki salah satu aplikasi mobile health (Alodokter,
Klikdokter atay Halodoc) serta pernah melakukan konsultasi/transaksi melalui aplikasi mobile health
tersebut maupun website
telemedicine minimal sekali selama
masa pandemic Covid-19 (Maret -Mei 2022).
Operasionalisasi Variabel
Independent Variabel (X1)
Variabel bebas (independent) adalah variabel yang mempengaruhi atau menjadi penyebab
atau pengaruh timbulnya variabel terikat (dependen). Menurut (Hair Jr et al., 2014) independent variabel
merupakan variabel penyebab yang diduga dari setiap perubahan dalam variabel dependen. Dalam penelitian ini independent variabel
pertama adalah E-WOM dan
E-Trust.
Dependen Variable (Y)
Variabel terikat (dependen) adalah variabel yang dipengaruhi, akibat dari adanya variabel
bebas (independen). Menurut (Hair Jr et al., 2014) variabel dependen adalah efek yang diduga dari, atau respons
terhadap, perubahan variabel independen.
Dalam penelitian ini dependen
variable adalah e-purchase intention.
Berikut adalah
tabel operasional yang akan digunakan dalam penelitian ini.
Tabel 2 Operasional Variabel
|
Variabel |
Definisi |
Dimensi |
Indikator |
Skala |
|
E-WOM (X1) |
Pernyataan positif
atau negative yang dibuat
oleh calon pelanggan, pelanggan saat ini atau pelanggan lama tentang produk atau perusahaan melalui internet. (Hennig-thurau
et al., 2004). Pencarian ulasan
online ini pada akhirnya akan
membangun minat beli dari pelanggan maupun calon pelanggan. (Jalilvand & Samiei,
2012). |
Intensity Valence of opinion Content (Goyette I. et al., 2010) |
Banyaknya ulasan
yang ditulis oleh konsumen
/ pengguna aplikasi /
situs telemecine Adanya opini berupa
nilai positif maupun nilai negatif yang dibuat konsumen dalam situs jejaring tentang brand, jasa atau produk. Rekomendasi dari
pengguna aplikasi / situs
telemedicine ( pelayanan dokter, penggunaan aplikasi ) Memuat informasi
yang disampaikan di aplikasi
terkait dengan suatu brand, jasa / produk. Seperti informasi kualitas pelayanan dokter, informasi variasi pelayanan yang ditawarkan, informasi biaya) |
Likert |
|
Purchase Intention (Y) |
Merupakan kemungkinan
konsumen akan melakukan pembelian dengan mencari informasi terkait produk atau jasa
dari beberapa sumber. (Shahnaz & Wahyono,
2016) |
Peformance Expectancy (Harapan Kinerja) Effort Expectancy (Harapan Usaha) Social Influence (Pengaruh Sosial ) (Dewi
et al., 2020) |
Faktor pendorong ekstrinsik
yang menunjukkan ekspektasi
pengguna mengenai kinerja setelah menggunakan tekonologi atau sistem baru dibandingkan
dengan menggunakan yang
sudah ada. Dalam konteks pembelian online harapan pelanggan dikaitkan dengan penghematan waktu, promosi yang menarik, rentang produk yang luas, dan harga yang lebih rendah yang
mana secara signifikan memprovokasi niat pembelian online. Motivator intrinsik yang mengacu pada proses memfasilitasi
hasil yang dihormati dari penggunaan teknologi baru.. Ketika konsumen menggunakan situs web/aplikasi
untuk mencari informasi
dan melakukan pembelian, jumlah upaya yang harus mereka lakukan akan mempengaruhi niat mereka untuk mengadopsi metode pembelian online. Pendapat orang lain akan mempengaruhi tindakan orang lain, dan ini juga terjadi
dalam konteks pembelian online. (Dewi et al., 2020) |
Likert |
|
E-Trust (Z) |
Merupakan persepsi
pengguna dalam menempatkan kepercayaan mereka pada suatu infrastruktur teknologi dan jaminan procedural dalam meningkatkan niat menggunakan telemedicine. (Kamal et al., 2020) |
Ability Benevolence (Kebaikan hati) Integrity (integritas) (Wong, 2017) |
Kemampuan peyedia
menyediakan, melayani serta mengamankan transaksi. Meliputi kemampuan,
kompetensi, pengalaman. Keyakinan konsumen
bahwa penyedia layanan memiliki niat baik untuk membantu konsumen. Biasanya meliputi perhatian, empati, keyakinan. (Kim & Tadisina, 2005) Berkaitan dengan
bagaimana perilaku atau kebiayaan penyedia dalam menjalankan bisnisnya. Informasinya diberikan kepada konsumen haruslah benar sesuai dengan fakta atau tidak.
Kualitas produk/jasa yang
dijual apakah dapat dipercaya atau tidak. Meliputi fairness,
fulfilment, loyalty, honestly, dependability dan reliability. (Wong, 2017) |
Likert |
Metode Pengumpulan
Data
Pernyataan yang digunakan pada penelitian ini bersumber dari indikator tiap variable yang diteliti.
Adapun pernyataan dibuat dalam skala likert,
yang mana responden dapat menyatakan tingkat setuju atau tidak
setuju untuk setiap pernyataan yang diberikan.
Tabel. 3 Skala Likert
|
Jenis Jawaban |
Bobot |
|
Sangat Setuju (SS) |
5 |
|
Setuju (S) |
4 |
|
Netral (N) |
3 |
|
Tidak Setuju (TS) |
2 |
|
Sangat Tidak Setuju (STS) |
1 |
Sumber
: (Hair Jr et al., 2014)
Angka lima pada tabel mengartikan responden yang bersifat positif (sangat setuju) pada setiap pernyataan yang disampaikan, sementara angka satu mengartikan
bahwa respon yang diberikan bersifat negatif (sangat tidak setuju). Adapun pengumpulan data dalam penelitian ini peneliti menggunakan kuesioner dalam bentuk google form yang disebarkan
secara online.
Uji Kuesioner
Dalam penelitian ini metode analisis data yang diterapkan yaitu uhi validitas
dan uji reliabilitas. Uji validitas
dan uji reliabilitas dilakukan
untuk mengetahui apakah kuesioner valid atau tidak valid, serta reliabel atau tidak
reliabel.
Uji Validitas
Uji validitas digunakan untuk mengukur valid atau tidaknya suatu data kuesioner. Menurut (Hair Jr et al., 2014) uji validitas
adalah sejauh mana suatu ukuran secara
akurat mewakili apa yang seharusnya. Uji validitas ini digunakan untuk mengukur data agar data menjadi
valid yaitu berupa penilaian dari hasil responden. Dengan pengujian mempunyai pengaruh yang signifikan dengan membandingkan r hitung dengan r tabel untuk degree of freedom (df)
= n-2. Pengujian ini digunakan
dengan menggunakan korelasi product moment atau
pearson, Adapun kriteria
yang digunakan dalam menentukan valid tidaknya pernyataan yang digunakan dalam penelitian ini adalah:
a) Tingkat kepercayaan 95% (α = 5%)
b) Jumlah responden
sebanyak 30 responden untuk
pra uji, yang mana dalam hal ini terdapat 30 respoden yang di ambil dari 210 responden yang mana dianggap dapat mewakili dilakukannya pra uji.
c) Adapun dasar pengambilan uji validitas pearson:
Perbandingan nilai rhitung
dengan rtabel
Ø Jika nilai rhitung >
rtabel = valid
Ø Jika nilai rhitung <
rtabel = tidak
valid
Cara mencari nilai rtabel
dengan N=30 pada signifikansi
5% pada distribusi nilai rtabel statistic, maka
diperoleh nilai rtabel sebesar
0.361. Singkatnya rhitung
(pada tabel product moment atau pearson > rtabel) atau bernilai positif, maka dapat dikatakan
valid.
Atau dapat dengan melihat
nilai Signifikansi (Sig.)
Ø Jika nilai Signifikansi < 0,05 =
valid
Ø Jika nilai Signifikansi > 0,05 = tidak valid
Adapun analisis bivariate Pearson (korelasi
produk momen Pearson),
dihitung dengan rumus:
Keterangan:
Rxy :
Koefisien korelasi
X
: Variabel independen
Y
: Variabel dependen
N
: Banyaknya subyek
Uji Reliabilitas
Menurut (Hair Jr et al., 2014) uji reliabilitas
merupakan penilaian dengan tingkat konsistensi antara beberapa ukuran variabel. Salah stu bentuk reliabilitas dalam suatu kuesioner
adalah adanya pertanyaan atau menyataan secara berulang yang mana konsistensi
yang diukur adalah antara tanggapan untuk individu pada dua titik waktu. Adapun tujuannya adalah untuk memastikan bahwa tanggapan yang diberikan tidak terlalu bervariasi antar periode waktu
sehingga pengukuran yang dilakukan pada setiap titip waktu dapat
diandalkan. Uji reliabilitas
adalah kelanjutan dari uji validitas yang mana data
yang digunakan adalah data
yang valid. Jika hasil pengukuran
yang diulang sama, maka dikatakan sebagai tingkat reliabilitas yang baik. Pengukuran pada suatu penelitian dikatakan reliabel apabila memiliki Cronbach Alpha. Suatu
variabel dinyatakan reliabel apabila memiliki nilai Cronbach Alpha
>0.60-0.70 (Hair Jr et al., 2014) Adapun rumus
SPSS > Cronbach Alpha adalah sebagai
berikut :
Pengujian Model SEM
Metode analisis data dalam penelitian ini menggunakan analisis Partial Least Square-Structural Equation Modelling
(PLS-SEM) yang dioleh dengan
software smart PLS V3.0. Adapun penelitian ini akan dievaluasi menggunakan Outer Model test yang meliputi Uji Convergent Validity, Discriminant Validity,
Uji Validitas Konstruk (Averange Variance Extracted), dan Uji Reliabilitas Konstruk (Composite
reliability dan Cronbach Alpha). Serta uji inner model test
yang meliputi uji goodness-fit model (R-Square)
dan Uji T (Hair Jr et al., 2014)
Uji Outer Model
Uji outer model bertujuan untuk menspesifikasikan
hubungan antar variabel laten dengan indikator-indikatornya (Hair Jr et al., 2014).
Uji Convergent Validity
Convergent validity dalam measurement model merupakan
sejauh mana indikator dari konstruk tertentu
bertemu atau berbagi proporsi varians yang sama. Validitas konvergen menilai sejauh mana dua ukuran dari konsep
yang sama dikorelasikan. (Hair Jr et al., 2014)
Dalam menguji convergent validity digunakan
nilai outer loading atau
loading factor. Suatu indikator
dinyatakan memenuhi convergent
validity dalam kategori
baik apabila memiliki nilai outer loading > 0.7
Uji Discriminat Validiy
Discriminant validity merupakan
sejauh mana indikator dari konstruk tertentu
bertemu atau berbagi varians yang sama. Discriminant validity dapat
dilihat melalui nilai average variant extracted (AVE) yang mana
untuk mendapatkan model yang baik, masing-masing indikator dipersyaratkan nilainya harus > 0.5 (Hair Jr et al., 2014)
Pengujian Model Struktural (Inner Model)
Dalam model structural
terdapat dua uji yang harus
dilakukan yaitu uji goodness-fit
model (R-Square) dan Uji T (Hair Jr et al., 2014)
Uji Goodness – Fit Model (R Square)
R-square merupakan angka yang berkisar antara 0 sampai 1 yang mengindikasikan besarnya kombinasi variabel independen secara bersama-sama mempengaruhi nilai variabel dependen. Adapun ketentuan dari R Square yaitu semakin mendekati
angka satu berarti semakin baik. Jika r-square bernilai
0.6, berarti 60% sebaran variabel
dependen dapat dijelaskan oleh variabel
independent. Sisanya 40% tidak
dapat dijelaskan oleh variabel intedependen atau dapat dijelaskan
oleh variabel diluar variabel independent (komponen
error). Jika nilai r-square kecil artinya komponen
error yang besar.(Hair Jr et al., 2014).
Uji Path Analysis (Uji t)
Uji path analysis menurut
David Garson dari North Carolina State University merupakan perluasan regresi yang digunakan untuk menguji keselarasaan matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. digunakan untuk menguji pengaruh variabel intervening.
Hasil dan Pembahasan
Penelitian ini menggunakan pendekatan kuantitatif dengan bantuan pengolahan data menggunakan
software SPSS dan smartPLS. Penelitian
ini memiliki tujuan untuk menganalisis Pengaruh Electronic Word of Mouth (E-WOM)
terhadap E-Purchase Intention Jasa Telemedicine melalui
mobile health apps dengan E-Trust sebagai variabel mediasi di Jakarta. Penelitian ini dilakukan dengan menggunakan subjek penelitian yang berjumlah 210 responden terpilih. Pengambilan data dilakukan menggunakan google form
yang disebarkan melalui
media sosial maupun secara personal. Adapun kriteria responden dalam penelitian ini adalah memiliki aplikasi mobile
health di pada ponsel pintar
dan setidaknya pernah melakukan transaksi atau konsultasi melalui aplikasi mobile health
tersebut dalam waktu masa pandemi Covid-19 mulai Maret 2020 hingga sekarang.
Berikut uraian pembahasannya yang mencakup deskripsi responden, pengujian kuesioner dan model
PLS, uji hipotesis dan pembahasan:
Deskripsi Responden
Deskripsi responden berisikan informasi profil responden dengan beberapa karakteristik tertentu. Karakteristik responden dalam penelitian ini mencakup beberapa aspek demografi, yaitu jender, tipe
generasi, jenis pekerjaan, tempat tinggal dan jenis penyakit yang pernah dikonsultasikan.
Responden Menurut Jenis Kelamin
Karakteristik responden berdasarkan jenis kelamin dapat dilihat
pada tabel 4.1 dibawah ini.
Berdasarkan tabel 4.1 terlihat bahwa sebagian besar responden adalah perempuan. Hal ini menjadi indikasi bahwa pengguna aplikasi mobile
health lebih banyak di manfaatkan
oleh perempuan.
Tabel 3 Jenis Kelamin Responden
|
Jenis
Kelamin |
Jumlah |
Persentase |
|
Laki-laki |
63 |
30% |
|
Perempuan |
147 |
70% |
|
Jumlah |
210 |
100% |
Sumber: Data Primer diolah,
2022
Responden Menurut Usia / Generasi
Berikut karakteristik responden usia dapat dilihat
pada tabel 4.2
Tabel 4 Usia Responden
|
Usia/Generasi |
Jumlah |
Persentase |
|
<25 Tahun / generasi z |
70 |
33,3% |
|
25-40 Tahun / generasi y |
129 |
61,4% |
|
41-56 Tahun / generasi x |
9 |
4,3% |
|
>57 Tahun / generasi bb |
2 |
1,0% |
|
Jumlah |
210 |
100% |
Sumber: Data primer diolah,
2022
Berdasarkan Tabel 4 dapat diketahui bahwa responden paling banyak berusia 25 sampai dengan 40 yang mana menurut Beresfod Research yang dikutip dari Kompas.com secara umum kelahiran tahun 1981-1996 dengan rentang usia 25-40 tahun masuk dalam
pengelompokan generasi Y atau Millenials. Hal ini selaras dengan pendapat Abramson yang dikutip dari Kompas.com bahwa generasi Y merupakan generasi pertama yang disebut sebagai digital native. Hal ini membuat generasi Y sangat mandiri karena mereka tidak lagi bergantung pada orang lain untuk memecahkan
masalah mereka atau mengajari mereka banyak hal
karena sudah memiliki
internet, termasuk di dalamnya
dalam menggunakan mobile
health.
Sedangkan diposisi kedua pengguna aplikasi mobile health di dominasi
oleh kalangan berusia
<25 tahun dimana kelahiran tahun 1997-2012 dengan rentang usia 9-24 tahun masuk dalam pengelompokan
generasi Z atau yang dikenal sebgai iGeneration, GenerasiNet,
Generasi Internet. Berdasarkan
penelitian ini mungkin gen
Z belum mendominasi dikarenakan usia mereka masih cenderung
muda. Namun memiliki kecenderungan untuk mendapatkan layanan yang bersifat mudah, cepat dan nyaman bagi mereka.
Responden menurut Pekerjaan
Berikut karakteristik responden berdasarkan pekerjaan dapat dilihat pada tabel dibawah ini:
Tabel 5
Pekerjaan Responden
|
Jenis Pekerjaan |
Jumlah |
Persentase |
|
Wirausaha |
16 |
7,6% |
|
Karyawan / Pegawai Swasta |
111 |
53,0% |
|
Pelajar / Mahasiswa |
49 |
23,3% |
|
Ibu Rumah Tangga |
21 |
10,0% |
|
ASN / TNI / Polri |
1 |
0,5% |
|
Lainnya |
12 |
5,7% |
|
Jumlah |
210 |
100% |
Sumber: Data primer diolah,
2022
Berdasarkan Tabel 5 dapat diketahui bahwa pekerjaan responden paling banyak adalah karyawan
/ pegawai swasta sebanyak 111 responden (53%) , hal ini dikarenakan
status pekerjaan peneliti saat ini yaitu sebagai karyawan, maka dari itu responden yang berstatus karyawan/pegawai swasta lebih banyak. dibandingkan dengan status pekerjaan lainnya.
Responden Menurut Domisili
Berikut karakteristik responden berdasarkan tempat tinggal atau domisili, dapat dilihat pada tabel:
Tabel 6 Domisili Responden
|
Domisili |
Jumlah |
Persentase |
|
Jakarta Barat |
123 |
59,0% |
|
Non Jakarta Barat |
87 |
41,0% |
|
Jumlah |
210 |
100% |
Sumber: Data primer diolah,
2022
Berdasarkan Tabel 6 dapat diketahui bahwa didapatkan responden paling banyak pada wilayah Jakarta Barat sebanyak
123 responden (59%) hal ini
dikarenakan domisili peneliti saat ini bertempat di wilayah Jakarta Barat, maka
dari itu responden yang dalam penelitian ini lebih banyak terdapat di wilayah
Jakarta Barat dibandingkan dengan
wilayah lainnya.
Responden Menurut Jenis Penyakit
Berikut karakteristik responden berdasarkan jenis penyakit yang dikonsultasikan, dapat dilihat pada tabel dibawah ini:
|
Jenis Penyakit |
Jumlah |
Persentase |
|
Flu/Batuk/Pilek/Radang/Demam/Panas |
49 |
23,3% |
|
Covid-19/Omicron |
72 |
34,3% |
|
Maag/Lambung/Gerd |
16 |
7,6% |
|
Sakit Kepala/Pusing/Migrain/Vertigo |
6 |
2,9% |
|
Lainnya |
67 |
32% |
|
Jumlah |
210 |
100% |
Tabel 7 Jenis Penyakit Responden
Sumber: Data primer diolah,
2022
Berdasarkan Tabel 7 dapat diketahui bahwa mayoritas jenis penyakit yang banyak dikonsultasikan oleh responden adalah Covid-19/Omicron sebanyak
72 responden (34,3%) dan di posisi
kedua ada jenis penyakit flu/batuk/pilek/radang/demas/panas sebanyak
49 responden (23,3%). Hal ini dikarenakan
adanya situasi pandemic
Covid-19 yang terjadi yang mengakibatkan
responden lebih banyak melakukan konsultasi melalui mobile health untuk berobat.
Dan jenis penyakit kedua yang banyak di konsultasikan kebanyakan adalah sakit ringan.
Uji
Validitas dan Reliabilitas Kuesioner
Uji
Validitas
Uji
validitas digunakan untuk mengukur valid atau tidaknya suatu data kuesioner. Pengujian ini digunakan dengan menggunakan korelasi product
moment atau pearson,
Adapun kriteria yang digunakan
dalam menentukan valid tidaknya pernyataan yang digunakan dalam penelitian ini adalah:
Tingkat
kepercayaan 95% (α = 5%)
Jumlah responden sebanyak 30 responden untuk pra uji, yang
mana dalam hal ini terdapat 30 respoden yang di ambil dari 210 responden yang mana dianggap dapat mewakili dilakukannya pra uji.
Adapun
dasar pengambilan uji validitas pearson:
Perbandingan
nilai rhitung
dengan rtabel
Cara
mencari nilai rtabel dengan
N=30 pada signifikansi 5% pada distribusi nilai rtabel statistic,
maka diperoleh nilai rtabel sebesar 0.361. Singkatnya rhitung ( pada tabel product
moment atau pearson > rtabel ) atau bernilai positif, maka
dapat dikatakan valid.
Atau
dapat dengan melihat nilai Signifikansi
(Sig.)
Pernyataan
yang diberikan dalam penelitian ini sebanyak 25 item dengan rincian 9 pernyataan mengenai E-Word of
Mouth, 9 pernyataan mengenai
E-Trust dan 7 pernyataan mengeani
E-Purchase Intention yang diberikan kepada sebanyak 30 responden sebagai uji coba dan semua dinyatakan
valid.
Tabel 8 Uji Validitas
|
No |
Pernyataan |
R Hitung |
R Tabel (N=30) |
Sig. |
Keterangan |
|
1 |
E-Word of Mouth (X1) |
||||
|
X1.1 |
0,768 |
0,0361 |
0,000 |
Valid |
|
|
X1.2 |
0,846 |
0,0361 |
0,000 |
Valid |
|
|
X1.3 |
0,803 |
0,0361 |
0,000 |
Valid |
|
|
X1.4 |
0,727 |
0,0361 |
0,000 |
Valid |
|
|
X1.5 |
0,723 |
0,0361 |
0,000 |
Valid |
|
|
X1.6 |
0,765 |
0,0361 |
0,000 |
Valid |
|
|
X1.7 |
0,545 |
0,0361 |
0,002 |
Valid |
|
|
X1.8 |
0,685 |
0,0361 |
0,000 |
Valid |
|
|
X1.9 |
0,821 |
0,0361 |
0,000 |
Valid |
|
|
2 |
E-Trust (X2) |
||||
|
|
X2.1 |
0,589 |
0,0361 |
0,001 |
Valid |
|
|
X2.2 |
0,841 |
0,0361 |
0,000 |
Valid |
|
|
X2.3 |
0,854 |
0,0361 |
0,000 |
Valid |
|
|
X2.4 |
0,834 |
0,0361 |
0,000 |
Valid |
|
|
X2.5 |
0,800 |
0,0361 |
0,000 |
Valid |
|
|
X2.6 |
0,842 |
0,0361 |
0,000 |
Valid |
|
|
X2.7 |
0,849 |
0,0361 |
0,000 |
Valid |
|
|
X2.8 |
0,842 |
0,0361 |
0,000 |
Valid |
|
|
X2.9 |
0,812 |
0,0361 |
0,000 |
Valid |
|
3 |
E-Purchase Intention ( Y ) |
||||
|
|
Y.1 |
0,791 |
0,0361 |
0,000 |
Valid |
|
|
Y.2 |
0,707 |
0,0361 |
0,000 |
Valid |
|
|
Y.3 |
0,853 |
0,0361 |
0,000 |
Valid |
|
|
Y.4 |
0,686 |
0,0361 |
0,000 |
Valid |
|
|
Y.5 |
0,718 |
0,0361 |
0,000 |
Valid |
|
|
Y.6 |
0,790 |
0,0361 |
0,000 |
Valid |
|
|
Y.7 |
0,780 |
0,0361 |
0,000 |
Valid |
Sumber: Data primer diolah,
2022
Hasil dari pengujian ini menunjukan bahwa item pernyataan dari variabel e-word of mouth,
e-trust dan e-purchase intention memiliki kriteria valid. Item pertanyaan
yang valid tersebut akan dipakai di dalam model penelitian.
Uji
Reliabilitas
Menurut (Hair Jr et al., 2014), kuesioner dikatakan reliabel jika nilai cronbach’s
alpha > 0,6. Berikut adalah
hasil uji reliabilitas dari variabel E-Word of
Mouth, E-Trust dan E-Purchase Intention :
Tabel 9 Uji Reliabilitas
|
No |
Variabel |
Cronbach’s Alpha |
N of Items |
Keterangan |
|
1 |
E-Word of Mouth |
0,898 |
9 |
Reliabel |
|
2 |
E-Trust |
0,932 |
9 |
Reliabel |
|
3 |
E-Purchase Intention |
0,875 |
7 |
Reliabel |
Sumber: Data primer diolah,
2022
Hasil dari pengujian ini menunjukan bahwa variabel E-Word
of Mouth, E-Trust dan E-Purchase Intention memiliki
nilai Cronbach’s Alpha > 0,6 – 0,7. Semua variabel dapat dinyatakan reliabel, artinya jika pernyataan
ini dipakai di tempat dan waktu yang berbeda kemungkinan besar akan tetap valid dalam mengukur variabel yang ada.
Pengujian Model SEM
Dalam pengujian model SEM dilakukan untuk mengetahui bahwa model yang dipakai di dalam penelitian memiliki kualitas yang baik. Beberapa kriteria pengujian kualitas model yang akan dilihat adalah
outer measurement model, dan inner structural model. Outer
measurement model terdiri dari
validitas konvergen, validitas diskriminan, composite
reliability (cronbach’s alpha). Inner structural model meliputi proses bootsraping,
parameter uji T-statistic, nilai R-square (Hair Jr et al., 2014)
Gambar
6 Outter Model
Uji outer measurement model bertujuan
untuk mespesifikasikan hubungan
antar variabel laten dengan indikator-indikatornya. Sedangkan uji inner structural model bertujuan untuk menunjukkan tingkat signifikasi dala m pengujian hipotesis (Hair Jr et al., 2014)
Evaluasi Outer Measurement Model (Nilai AVE, Outer Loading, convergent,
discriminant validity)
Convergent
Validity
Dalam
menguji convergent validity digunakan nilai outer loading
atau loading factor. Suatu
indikator dinyatakan memenuhi convergent validity dalam
kategori baik apabila memiliki nilai outer loading
> 0,7 (Hair Jr et al., 2014). Berikut nilai outer loading
dari masing-masing indikator
pada variabel penelitian:
Tabel
10 Outer Loading
|
Variabel |
Indikator |
Outer Loading |
|
E-Purchase
Intention |
EPRCH.1 |
0,808 |
|
EPRCH.2 |
0,806 |
|
|
EPRCH.3 |
0,861 |
|
|
EPRCH.4 |
0,823 |
|
|
EPRCH.5 |
0,778 |
|
|
EPRCH.6 |
0,823 |
|
|
EPRCH.7 |
0,809 |
|
|
E-Trust |
ETRUST.1 |
0,774 |
|
ETRUST.2 |
0,824 |
|
|
ETRUST.3 |
0,816 |
|
|
ETRUST.4 |
0,838 |
|
|
ETRUST.5 |
0,775 |
|
|
ETRUST.6 |
0,832 |
|
|
ETRUST.7 |
0,879 |
|
|
ETRUST.8 |
0,775 |
|
|
ETRUST.9 |
0,845 |
|
|
E-WOM |
EWOM.1 |
0,792 |
|
EWOM.2 |
0,822 |
|
|
EWOM.3 |
0,841 |
|
|
EWOM.4 |
0,778 |
|
|
EWOM.5 |
0,830 |
|
|
EWOM.6 |
0,847 |
|
|
EWOM.7 |
0,823 |
|
|
EWOM.8 |
0,793 |
|
|
EWOM.9 |
0,829 |
Sumber: Data primer diolah,
2022
Berdasarkan tabel 10 di atas, diketahui bahwa masing-masing indikator variabel penelitian banyak yang memiliki nilai outer loading > 0,7. Data di atas menunjukkan tidak ada indikator
variabel yang nilai outer
loading-ya di bawah 0,5
sehingga semua indikator dinyatakan layak atau valid digunakan dalam penelitian.
Discriminant
Validity
Discriminant validity dapat dilihat melalui
nilai average variant extracted (AVE) yang
mana untuk mendapatkan model yang baik, masing-masing
indikator dipersyaratkan nilainya harus > 0,5 (Hair Jr et al., 2014).
Tabel 11
Nilai AVE
|
Variabel |
Average Variance
Extracted (AVE) |
|
E-Purchase Intention |
0,666 |
|
E-Trust |
0,670 |
|
E-Word of Mouth |
0,668 |
Sumber: Data primer diolah,
2022
Perhitungan pada tabel 11 di atas menunjukan nilai AVE varibael e-purchase
intention, e-trust dan e-word of mouth > 0,5 dengan
demikian dapat dinyatakan bahwa setiap variabel telah memiliki discriminant
validity yang baik.
Composite
Reliability
Merupakan bagian yang digunakan untuk menguji nilai reliabilitas indikator-indikator pada suatu variabel. Suatu variabel dapat dinyatakan memenuhi composite
reliability apabila memiliki
nilai compsite reliability
> 0,6 - 0,7 (Hair Jr et al., 2014). Berikut nilai composite reliability dari
masing-masing variabel yang digunakan
dalam penelitian ini:
|
Variabel |
Composite Reliability |
|
E-Purchase Intention |
0,933 |
|
E-Trust |
0,948 |
|
E-Word of Mouth |
0,948 |
Tabel 12 Composite Reliability
Sumber: Data primer diolah,
2022
Berdasarkan sajian data pada tabel 12 di atas, dapat diketahui bahwa nilai composite
reliability semua variabel penelitian
> 0,6. Hasil ini menunjukkan bahwa
masing-masing variabel telah
memenuhi composite reliability sehingga dapat disimpulkan bahwa keselutuhan variabel memiliki tingkat reliabilitas yang tinggi.
Cronbach’s
Alpha
Uji reliabilitas dengan composite reliability di atas
dapat diperkuat dengan menggunakan nilai Cronbach alpha. Suatu
variabel dapat dinyatakan reliabel atau memenuhi Cronbach alpha
apabila memiliki nilai Cronbach alpha > 0,7. Berikut
ini adalah nilai Cronbach
alpha dari masing-masing variabel:
Tabel 13 Cronbach Alpha
|
Variabel |
Cronbach’s Alpha |
|
E-Purchase Intention |
0,916 |
|
E-Trust |
0,938 |
|
E-Word of Mouth |
0,938 |
Sumber: Data primer diolah,
2022
Berdasarkan tabel 13 di atas diketahui bahwa nilai Cronbach alpha
dari masing-masing variabel
dalam penelitian ini >
0,7. Dengan demikian hasil
ini dapat menunjukkan bahwa masing-masing variabel penelitian telah memenuhi persyaratan nilai cronbach alpha,
sehingga dapat disimpulkan bahwa keseluruhan variabel memiliki tingkat reliabilitas yang tinggi.
Evaluasi Inner Structural Model (Uji R square, efek F^2, Q Square)
Gambar 7 Inner Model
Sumber: Sumber: Data primer diolah,
2022
Evaluasi
inner model bertujuan untuk memprediksi hubungan kausalitas hubungan
sebab-akibat) antar variabel laten atau variabel yang tidak dapat diukur secara
langsung. Dalam melakukan evaluasi inner model menggunakan bantuan prosedur bootstrapping
dan blindfolding dalam SMART PLS.
Hasil
Pengujuan Model Struktural
(Inner Model)
Uji
Goodness-fit Model (R Square)
Pengujian model structural dilakukan dengan melihat nilai R Square yang merupakan uji
goodnes-fit model. Berdasakan
pengolahan data yang telah dilakukan dengan menggunakan program smartPLS 3.0,
diperoleh nilai R-Square
sebagai berikut:
Tabel 14 Hasil Uji Goodness – Fit
Model ( R Square )
|
Variabel |
Nilai R-Square |
|
E-Purchase Intention |
0,769 |
|
E-Trust |
0,481 |
Sumber: Data primer diolah,
2022
Berdasarkan
tabel 14 di atas, dapat diketahui bahwa persentase besarnya kompetensi e-purchase
intention sebesar 76,9% sedangkan
persentase besarnya kompetensi e-trust sebesar
48,1%.
Penilaian goodness of fit juga dapat
diketahui dari nilai Q-Square. Nilai Q-Square memiliki
arti yang sama dengan coefficient
determination (R-Square) pada analisis regresi, dimana semakin tinggi Q-Square, maka model dapat dikatakan semakin baik atau semakin fit dengan data. Adapun hasil perhitungan nilai Q-Square adalah sebagai berikut:
Q-Square = 1- [(1-R21) x (1-R22)]
=
1- [(1-0,769) x ( 1-0,481)]
=
1- [0,231 x 0,519]
=
1-0,119
= 0,881
Berdasarkan hasil penelitian
di atas, di peroleh nilai Q-square sebesar 0,881 >
0,05 Hal ini menunjukkan besarnya
keragaman dari data penelitian yang dapat dijelaskan oleh model penelitian adalah sebesar 88,1%. Sedangkan sisanya sebesar 11,9% dijelaskan oleh faktor lain yang berada di luar model penelitian ini. Dengan
demikian, dari hasil tersebut maka model penelitian ini dapat dinyatakan telah memiliki goodness of fit
yang baik.
Uji
Path Analysis (Uji t)
Tabel 15
Hasil Uji T
|
|
Original Sample (O) |
Sample Mean (M) |
Standard Deviation (STDEV) |
T Statistics (|O/STDEV|) |
P Values |
Ket |
|
E-Trust (Z) ->E-Purchase Intention (Y) |
0,653 |
0,649 |
0,051 |
12,870 |
0,000 |
Diterima |
|
E-Word of Mouth (X) ->E-Purchase Intention (Y) |
0,288 |
0,293 |
0,050 |
5,738 |
0,000 |
Diterima |
|
E-Word of Mouth (X) -> E-Trust (Z) |
0,694 |
0,697 |
0,040 |
17,354 |
0,000 |
Diterima |
Sumber: Data primer diolah,
2022
Pada
tabel 15 dapat ditunjukkan koefisien pengaruh setiap kompone variabel E-Word of
Mouth (X), E-Purchase Intention (Y) dan E-Trust (Z) yang
setelah dilakukan estimasi dengan perintah “Boostrapping”.
E-Word
of Mouth mempunyai nilai t hitung (17.354) lebih besar dari t tabel (1.972) dengan p value (0.000) < sig (0.05) artinya
e-word of mouth berpengatuh signifikan
terhadap e-trust.
E-Word
of Mouth mempunyai nilai t hitung (5.738) lebih besar dari t tabel (1.972) dengan p value (0.000) < sig (0.05) artinya
e-word of mouth berpengatuh signifikan
terhadap e-purchase intention.
E-trust
tidak memediasi pengaruh e-word of mouth terhadap keputusan
pelanggna. Hal ini dikarenakan
e-word of mouth berpengaruh signifikan
(17.354 > 1.972) terhadap e-trust (Z); e-trust berpengaruh
signifikan (12.870 > 1.972) terhadap e-purchase intention
(Y); dan e-word of mouth berpengaruh signifikan (5.738 > 1.978) terhadap e-purchase intention
(Y).
E-Wom
Berpegaruh terhadap e-Purchase Intention
E-Wom
Berpegaruh terhadap e-trust
e-Trust tidak memediasi pengaruh e-wom terhadap
e-purchase intention
Kesimpulan
Berdasarkan
analisis data tentang pengaruh e-word of mouth terhadap e-purchase
intention jasa telemedicine dengan
e-trust sebagai variabel mediasi
pada pengguna aplikasi mobile
health di Jakarta, dapat disimpulkan
bahwa:
1. Variabel e-word of mouth
(X) mempunyai pengaruh signifikan terhadap e-purchase intention (Y)
2. Variabel e-word of mouth
(X) mempunyai pengaruh signifikan terhadap e-trust (Z)
- Variabel e-trust (Z) tidak
memediasi pengaruh e-word
of mouth terhadap keputusan e-purchase
intention. (Y)
DAFTAR PUSTAKA
ATA.
(2006). Telemedicine, Telehealth, and Health Information Technology. An ATA
Issue Paper, May, 1–13.
https://www.who.int/goe/policies/countries/usa_support_tele.pdf?ua=1
Aust,
F. A. (1911). The electrical discharge between a pointed conductor and a
hemispherical surface in gases at different pressures. Physical Review
(Series I), 32(2), 254–255.
https://doi.org/10.1103/PhysRevSeriesI.32.254
Authors,
F. (2012). The effect of electronic word of mouth on brand image and
purchase intention An empirical study in the automobile.
https://doi.org/10.1108/02634501211231946
Beneke,
J., de Sousa, S., Mbuyu, M., & Wickham, B. (2016). The effect of negative
online customer reviews on brand equity and purchase intention of consumer
electronics in South Africa. International Review of Retail, Distribution
and Consumer Research, 26(2), 171–201.
https://doi.org/10.1080/09593969.2015.1068828
Chatterjee,
P. (2013). Online Reviews : Do Consumers Use Them ? Please cite
as : Chatterjee , Patrali ( 2001 ), “ Online Reviews – Do Consumers Use
Them ?" ACR 2001 Online Reviews : Do Consumers Use
Them ? Patrali Chatterjee Faculty of Management Rutgers University. May
2006.
Chevalier,
J., Bureau, N., & Mayzlin, D. (2003). Working Paper Series ES & MK
Economics & Marketing “ The Effect of Word of Mouth on Sales : Online
Book. National Bureau of Economic Research, 1(3), 1–34.
Dewi,
C. K., Mohaidin, Z., & Murshid, M. A. (2020). Determinants of online purchase
intention: a PLS-SEM approach: evidence from Indonesia. Journal of Asia
Business Studies, 14(3), 281–306.
https://doi.org/10.1108/JABS-03-2019-0086
Farki,
A., Baihaqi, I., & Wibawa, M. (2016). Pengaruh online customer review
rating terhadap kepercayaan place di indonesia. 5(2).
Goyette
I., Ricard, L., J., B., & F., M. (2010). e‐WOM Scale:
word‐of‐mouth measurement scale for e‐services context. Canadian
Journal of Administrative Sciences/Revue Canadienne Des Sciences de
l’Administration, 27(1), 5–23.
Hair
Jr, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate
Data Analysis Joseph F . Hair Jr . William C . Black Seventh Edition (7th
ed.).
Hennig-thurau,
T., Eifler, V., Hennig-thurau, T., Gwinner, K. P., & Gremler, D. D. (2004).
Electronic Word-Of-Mouth Via Consumer-Opinion Platforms : What
Motivates Consumers To Articulate Themselves On The Internet ? 18(1),
38–52. https://doi.org/10.1002/dir.10073
Indonesian
Ministry of Health. (2019). Peraturan menteri kesehatan republik indonesia
nomor 20 tahun 2019 tentang penyelenggaraan pelayanan. August, 7
2019, 1–15. https://persi.or.id/wp-content/uploads/2020/11/pmk202019.pdf
Instagram,
A. C., & Danniswara, R. (2017). The Impact of EWOM Referral , Celebrity
Endorsement , and Information Quality on Purchase Decision : 30(2),
23–43. https://doi.org/10.4018/IRMJ.2017040102
Intention,
P. (2017). Pengaruh Electronic Word Of Mouth ( E-Wom ) Terhadap Purchase
Intention Dengan Vividness Sebagai Variabel.
Kamal,
S. A., Shafiq, M., & Kakria, P. (2020). Investigating acceptance of
telemedicine services through an extended technology acceptance model (TAM). Technology
in Society, 60(November 2019), 101212.
https://doi.org/10.1016/j.techsoc.2019.101212
Kim,
E., & Tadisina, S. (2005). Factors impacting customers’ initial trust in
e-businesses: An empirical study. Proceedings of the Annual Hawaii
International Conference on System Sciences, 00(C), 170.
https://doi.org/10.1109/hicss.2005.272
Menawati,
T., & Kurniawan, H. (2015). Pentingnya Komunikasi Dalam Pelayanan Kesehatan
Primer. Jurnal Kedokteran Syiah Kuala, 15(2), 120–124.
SHOLIKHATIN,
S. A., & PRASETYO, A. B. (2020). Integrasi Telemedicine dengan Cloud
Computing pada Web Pelayanan Kesehatan. Jurnal Informatika, 7(2),
91–96. https://doi.org/10.31294/ji.v7i2.7293
VanderStoep,
S. W., & Johnston, D. D. (2009). Research methods for everyday life:
blending qualitative and quantitative approaches (Vol. 24). Jossey-Bass.
Wong,
D. (2017). Pengaruh Ability, Benevolence Dan Integrity Terhadap Trust, Serta
Implikasinya Terhadap Partisipasi Pelanggan E-Commerce: Studi Kasus Pada
Pelanggan E-Commerce Di Ubm. Jurnal Riset Manajemen Dan Bisnis (JRMB)
Fakultas Ekonomi UNIAT, 2(2), 155–168. https://doi.org/10.36226/jrmb.v2i2.46
Yoga,
K., & Pradita, K. (2021). Determinan Faktor yang Mempengaruhi E-Trust
dan Minat Menggunakan Aplikasi Alodokter. 5(3), 450–457.