FAKTOR-FAKTOR YANG MEMENGARUHI MAHASISWA DALAM MENGGUNAKAN OJEK ONLINE

E-Jurnal Matematika Vol. 12(3), Agustus 2023, pp. 187-193

DOI: https://doi.org/10.24843/MTK.2023.v12.i03.p418

ISSN: 2303-1751

FAKTOR-FAKTOR YANG MEMENGARUHI MAHASISWA DALAM MENGGUNAKAN OJEK ONLINE

Delvi Amy Deska^1§, Ketut Jayanegara², Desak Putu Eka Nilakusmawati³

¹Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]

²Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]

³Program Studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]]

^§Corresponding Author

ABSTRACT

Transportation is a very important field of activities in the life of Indonesian people. Recognizing the importance role of transportation, traffic and road transportation must be organized in an integrated national transportation system and able to realize the availability of transportation services in accordance to the level of need. One of the most widely used transportation is ojek online. Of course, some factors become the influence of the use of online motorcycle taxis. One quantitative method that can measure customer perception using online motorcycle taxis is the Factor Analysis method, which is a statistical analysis used to find out the factors that underlie and show interrelationships between changemakers. Based on questionnaires distributed to 150 students in the FMIPA environment of Udayana University in 2021 and after an analysis of factors on questionnaire data, it was obtained that factors which influence students' decisions to use online motorcycle taxis are location and destination factors, service factors, application factors, and promotional factors. These factors can explain the diversity of students to use online motorcycle taxis by 34.666%; 28,897%; 22.563% and 10.873%. The dominant factor that mostly influence students' decision to use online motorcycle taxis is the factor of place and destination location that can be explained by 34.666%.

Keywords: Promotions, Ojek Online, Factors Analysis, and Customer

saat ini gemar digunakan oleh masyarakat. Pada awalnya, Gojek hanya menyediakan layanan ojek online, namun seiring dengan perkembangan teknologi, kebutuhan masyarakat dan meningkatkan daya saing. Gojek menambahkan beberapa layanan tambahan untuk menarik minat pengguna seperti: Go-Food, Go-Send, Go-Clean, Go-Massage, Go-Laundry dan fitur lainnya. Berbagai fitur dalam aplikasi Gojek yang membantu aktivitas salah satunya mahasiswa misalnya fitur Go-Ride dimanfaatkan mahasiswa untuk pergi ke kampus atau tempat lainnya dan fitur Go-Food dimanfaatkan salah satunya mahasiswa.

Salah satu metode kuantitatif yang dapat mengukur persepsi pelanggan Gojek adalah metode Analisis Faktor (Factor Analysis). Analisis faktor bertujuan untuk mengetahui faktor-faktor yang melandasi dan menunjukkan saling keterkaitan diantara peubah. Dengan

tujuan untuk menganalisis hubungan interkorelasi diantara sejumlah peubah dengan cara mengidentifikasi satu set dimensi pokok yang sama disebut faktor. Sehingga hasilnya nanti dapat dijadikan suatu acuan yang lebih baik seperti mencari faktor-faktor yang memengaruhi pelanggan dalam menggunakan ojek online. Menurut Anggraini (2017), faktor yang memengaruhi penggunaan ojek online antara lain faktor produk, harga, saluran distribusi, promosi, orang, bukti fisik, dan proses terhadap keputusan konsumen dalam menggunakan jasa ojek online. Prabowo (2019) dengan menggunakan analisis Cochran Q-Test diperoleh 3 faktor alasan orang menggunakan Gojek yaitu banyaknya layanan yang tersedia dalam aplikasi, malas keluar rumah, dan aman (driver tidak melakukan tindak kejahatan).

Berdasarkan hal tersebut, maka penulis tertarik untuk mencari faktor-faktor yang memengaruhi pelanggan dalam menggunkan ojek online. Metode yang digunakan dalam penelitian ini adalah metode analisis faktor eksploratori. Oleh karena itu, pada penelitian ini akan diambil sampel mahasiswa FMIPA Universitas Udayana.

• a.    Uji validitas dan reliabilitas

Uji validitas dilakukan untuk mengetahui data yang diperoleh dari kuesioner tersebut sudah valid atau tidak. Arti dari valid adalah data yang diperoleh dengan data sesungguhnya tepat menggambarkan objek yang sedang diteliti, Sugiyono (2011).

Uji validitas dilakukan dengan membandingkan nilai r hitung (koefisien korelasi) lebih besar atau sama dengan 0,3 maka dapat dikatakan bahwa pertanyaan kuesioner yang digunakan valid. Sedangkan apabila nilai r hitung (koefisien korelasi) kurang dari 0,3 , maka pertanyaan pada kuesioner tidak valid, begitupun sebaliknya (Ghozali, 2007).

• b.    Uji reliabilitas digunakan untuk mengetahui apakah suatu data yang diperoleh telah reliabel atau tidak. Arti dari kata reliabel adalah ketika alat ukur dalam penelitian jika digunakan berulang-ulang pada sampel yang berbeda memiliki hasil yang relative atau konsisten. Arikunto (2010) mengungkapkan bahwa pengujian reliabilitas dapat dilakukan dengan menggunakan rumus Cronbach’s Coefficient Alpha. Adapun rumusnya sebagai berikut:

_ ^k Λ  ∑σ2Λ

k-1(1 σ_x²)

Keterangan:

a     = Nilai dari reliabilitas instrumen

∑ 02 = Jumlah varian untuk setiap

pertanyaan

k    = Banyaknya pertanyaan

σ^    = Varian dari total

Sebuah penelitian dikatakan reliabel apabila nilai a lebih besar atau sama dengan 0.6. Sedangkan, penelitian dikatakan tidak reliabel apabila nilai a kurang dari 0.6 (Hair et al. 2010).

Data kuesioner dinyatakan reliabel apabila memiliki nilai Cronbach’s alpha lebih besar atau sama dengan 0,6. c. Analisis Faktor

Langkah-langkah melakukan analisis faktor menurut Hair et al. (2010) yaitu dengan melakukan serangkaian uji kelayakan data yang merupakan syarat dari penggunaan analisis faktor dengan

melihat apakah terdapat hubungan atau korelasi     antar     variabel-variabel

penelitiannya atau tidak. Uji kelayakan data dilakukan dengan melihat hasil matriks   korelasi   antar variabel

penelitian. Dengan beberapa uji diantaranya Uji Bartlett’s of Sphericity, melihat nilai Uji Kaiser Meyer Olkin (KMO), dan Measure of Sampling Adequacy (MSA). Setelah itu akan dilakukan ekstraksi faktor, dimana ekstraksi faktor yang digunakan yaitu Principal Component Analysis (PCA) bertujuan untuk memperoleh sejumlah faktor baru. Rotasi faktor dengan tujuan untuk mempermudah interpretasi dalam menentukan variabel-variabel yang tercantum dalam faktor dan selanjutnya dilakukan interpretasi faktor dominan yang berpengaruh.

• 2. 3 Hipotesis Penelitian

Pada uji validitas, hipotesis yang digunakan adalah:

• H0 : Pertanyaan kuesioner tidak valid

• H1 : Pertanyaan kuesioner valid

Kriteria keputusan yang signifikan dari Uji validitas yaitu nilai koefisien korelasi ≤0.3. Hipotesis uji reliabilitas yaitu:

• H0 : Data pada kuesioner tidak reliabel

• H1 : Data pada kuesioner reliable (konsisten). Kriteria keputusan yang signifikan dari Uji Reliabilitas yaitu nilai Cronbach ≥0.6.

Pada uji Bartlett of Sphericity yang bertujuan untuk mengetahui apakah matriks korelasi antar variabel penelitian merupakan matriks identitas atau bukan. Apabila matriks korelasi bukan merupakan matriks identitas berarti terdapat korelasi antar variabel penelitian. Hipotesis uji yang digunakan yaitu: Ho: matriks korelasi adalah matriks identitas Hi: matriks korelasi bukan matriks identitas Kriteria keputusan yang signifikan dari Uji Bartlett’s sphericity yaitu p — value < 0,05.

KMO bertujuan untuk mengetahui ketepatan penggunaan analisis faktor. Kriteria nilai KMO yang digunakan apabila lebih dari 0,5. MSA bertujuan untuk mengetahui apakah setiap indikator penelitian layak dianalisis dengan analisis faktor. Kriteria nilai MSA yang digunakan adalah lebih dari 0,5. Apabila nilai MSA indikator penelitian kurang dari 0,5, maka indikator tersebut dikeluarkan dan dilakukan pengujian kembali, sehingga semua nilai MSA

masing-masing indikator penelitian lebih besar dari 0,5.

Komunalitas merupakan ragam dari variabel asli yang diberikan oleh seluruh faktor yang terbentuk (Hair et al., 2010). Kriteria nilai

komunalitas yang digunakan adalah lebih dari 0,5. Jika nilai komunalitas suatu indikator kurang dari 0,5 maka indikator tersebut disarankan untuk dihilangkan.

Ekstraksi faktor yang dilakukan bertujuan untuk menentukan jumlah faktor dalam penelitian yang ditentukan berdasarkan nilai eigen yang nilainya lebih besar dari 1. Setelah itu dilakukan penyederhanaan struktur faktor dilakukan agar faktor baru hasil ekstraksi faktor memiliki makna dan mudah untuk diinterpretasikan. Menurut Johnson & Wicherin (2007), ekstraksi faktor dapat dilakukan dengan dua cara, yaitu menggunakan metode principal component analysis dan metode maximum likelihood. Dalam penelitian ini, membahas mengenai penggunaan metode principal component analysis dalam ekstraksi faktor.

• 3.    HASIL DAN PEMBAHASAN

  • 3.1    Uji Validitas dan Reliabilitas

Setelah dilakukan uji validitas, ternyata dari 25 indikator terdapat 7 indikator yang tidak valid (X2, X4, X5, X6, X8, X10, X21 karena nilai koefisien korelasinya atau r -hitung kurang dari 0,3. Sehingga 7 indikator tersebut harus dikeluarkan. Mengenai hasil uji validitas dan reliabilitas menunjukkan hasil nilai koefisien korelasi lebih dari 0,3 sebanyak 18 indikator, nilai Cronbach Alpha lebih dari 0,6 dan nilai MSA lebih besar atau sama denga 0,5. Dapat dilihat pada tabel 3.1.

Tabel 3.1 Uji Validitas dan Reliabilitas

Indikator	Keterangan	Nilai r hitung	Nilai MSA
X1	Tarif ojek online dapat dijangkau masyarakat pada umumnya	0,432	0,513
X3	Tarif ojek online yang ditetapkan sesuai dengan fasilitan yang tersedia	0,416	0,512

Tabel 3.1 Uji Validitas dan Reliabilitas (lanjutan)

Indikator	Keterangan	Nilai r hitung	Nilai MSA
X7	Sering ada potongan harga pada ojek online	0,513	0,500
X9	Mudah untuk mendapat voucher diskon pada ojek online	0,534	0,500
X11	Pengemudi ojek online bersedia menjemput pelanggan meskipun tidak sesuai dengan titik lokasi pada aplikasi	0,534	0,500
X12	Pengemudi ojek online bersedia untuk mengantar pelanggan ke lokasi manapun	0,534	0,500
X13	Pengemudi ojek online selalu berpenampilan baik dan rapi	0,513	0,518
X14	Pengemudi ojek online mempunyai sikap sopan dan santun	0,534	0,513
X15	Pengemudi selalu menawarkan helm sebelum memulai perjalanan	0,513	0,537
X16	Pengemudi selalu menawarkan masker sebelum memulai perjalanan	0,432	0,516
X17	Pengemudi selalu menawarkan jas hujan ketika musim hujan sebelum memulai perjalanan	0,513	0,704

Tabel 3.1 Uji Validitas dan Reliabilitas (lanjutan)

Indikator	Keterangan	Nilai r hitung	Nilai MSA
X18	Pengemudi sangat cepat dalam merespon permintaan pelanggan	0,416	0,605
X19	Pengemudi tidak ugal-ugalan dalam berkendara.	0,534	0,527
X20	Aplikasi mudah dimengerti dan digunakan oleh masyarakat	0,432	0,562
X22	Aplikasi ojek online memiliki manfaat untuk membantu aktifitas sehari-hari	0,534	0,624
X23	Aplikasi ojek online fleksibel karena dapat dilakukan kapan saja	0,432	0,505
X24	Aplikasi ojek online dapat menunjang aktifitas sehari-hari sehingga berminat untuk menggunakanya kembali	0,432	0,545
X25	Posisi pengemudi dapat diketahui (order tracking)	0,513	0,522
Nilai Cronbach’s Alpha		0,804

Sumber: Data Primer diolah (2021)

• 3.2    Uji Asumsi

Data yang dianalisis selanjutnya merupakan data yang memenuhi asumsi atau kelayakan data, melalui beberapa pengujian yaitu Uji Barlett of Sphericity, KMO, dan MSA.

Tabel 3.2 Uji Bartlett of Sphericity

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.		0,887
Bartlett's Test of Sphericity	Approx. ChiSquare	628.321
	df	17
	Sig.	.000

Berdasarkan Tabel 3.2, diperoleh nilai KMO sebesar 0,887 yang berarti terdapat korelasi dari setiap indikator dan juga diperoleh nilai dari Uji Bartlett Sphericity dimana nilai /2 yang diperoleh yaitu sebesar 628.321 dengan p-value sebesar 0.000 yang lebih kecil jika dibandingkan dengan taraf nyata a =0,05 sehingga keputusan yang diambil adalah menolak Ho, yang berarti bahwa matriks korelasi bukan merupakan matriks identitas. Dengan memperhatikan nilai MSA pada tabel 3.1 terlihat bahwa semua di atas 0,5 yang berarti semua indikator layak untuk dilakukan analisis faktor.

• 3.3    Analisis Faktor

• a.    Komunalitas

Nilai komunalitas mampu menunjukkan sumbangan efektif tiap indikator terhadap faktor yang terbentuk. Nilai komunalitas dari masing-masing indikator memperlihatkan secara terperinci pada tabel 3.3.

Dapat dilihat bahwa pada indikator X1 mengenai tarif ojek online dapat dijangkau masyarakat pada umumnya, ternyata mampu memberikan sumbangan efektif sebesar 0,998 atau 99,8% yang dapat dikatakan bahwa sudah sangat baik menjelaskan varian dalam faktor. Hal yang sama dapat dilihat pada indikator-indikator lainnya. Diperhatikan juga bahwa semua nilai komunalitas melebihi 0,5, dimana yang paling besar adalah sebesar 0,999 atau mampu memberikan sumbangan efektif pada faktor sebesar 99,9% yang berarti dapat dilanjutkan dengan ekstraksi faktor.

Tabel 3.3 Nilai Komunalitas

Indikator	Komunalitas
X1	0.998
X3	0.978
X7	0.998
X9	0.999
X11	0.999
X12	0.999
X13	0.998
X14	0.999
X15	0.998
X16	0.998
X17	0.998
X18	0.978
X19	0.999
X20	0.998
X22	0.999
X23	0.998
X24	0.998
X25	0.998

Sumber: Data Primer diolah (2021)

• b.    Ekstraksi Faktor

Diketahui bahwa Principal Component Analysis (PCA) digunakan sebagai metode untuk mengekstrasi faktor.

Tabel 3.4 Nilai Eigen Hasil Ekstraksi Faktor

Component	Initial Eigenvalues
	Total	% of Variance	Cumulative %
1	6,240	34,666	34,666
2	5,218	28,987	63,654
3	4,601	22,563	86,217
4	1,941	10,783	96,000

Tabel 3.4 terbentuk 4 faktor hasil ekstraksi dengan nilai eigen yang lebih besar dari 1 dan memiliki persentase ragam kumulatif sebesar 96,00 % yang berarti bahwa keempat faktor tersebut mampu menjelaskan keputusan konsumen menggunakan jasa ojek online sebesar 96%.

• c.    Rotasi Faktor

Tabel 3.5 memperlihatkan loading factor pada masing-masing faktor yang memiliki nilai lebih dari 0,4. Empat faktor yang terbentuk beserta indikator di dalamnya telah diurutkan berdasarkan nilai terbesar disajikan pada tabel 3.5

Tabel 3.5 Rotasi Faktor

Rotated Component Matrixa
	Component
	1	2	3	4
X9	0,999
X11	0,999
X12	0,999
X14	0,999
X21	0,999
X19	0,999
X17		0,998
X15		0,998
X13		0,998
X25		0,998
X7		0,998
X24			0,998
X20			0,998
X1			0,998
X16			0,998
X23			0,998
X3				0,996
X18				0,996
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
a. Rotation converged in 4 iterations.

Sumber: Data Primer diolah (2021)

• d.    Interpretasi Hasil

Terbentuk empat faktor baru berdasarkan analisis faktor yang mampu melatarbelakangi mahasiswa dalam menggunakan ojek online. Berdasarkan rotasi faktor pada Tabel 3.5, dapat dijelaskan ke-4 faktor tersebut yaitu:

• 1.    Faktor pertama yang memengaruhi mahasiswa dalam menggunakan ojek online diberikan penamaan baru yaitu

faktor Tujuan/Lokasi yang disusun oleh enam   indikator yaitu:   mudahnya

mendapatkan voucher pada ojek online (X9), pengemudi ojek online bersedia menjemput pelanggan meskipun tidak sesuai dengan titik lokasi pada aplikasi (X11), Pengemudi ojek online bersedia untuk mengantar pelanggan ke lokasi manapun (X12), sikap sopan santun dari ojek (X14), aplikasi ojek online yang manfaatnya untuk membantu kegiatan sehari-hari (X21), serta pengemudi yang ugal-ugalan dalam berkendara (X19). Adapun persentase ragam yang diberikan oleh faktor pertama yaitu sebesar 34,666%.

• 2.    Faktor kedua yang memengaruhi mahasiswa dalam menggunakan ojek online diberikan penamaan baru yaitu faktor Pelayanan yang disusun oleh lima indikator yaitu:   pengemudi selalu

menawarkan jas hujan ketika musim hujan sebelum memulai   perjalanan   (X17),

pengemudi selalu menawarkan helm sebelum memulai   perjalanan   (X15),

pengemudi    ojek    online    selalu

berpenampilan baik dan rapi (X13), posisi pengemudi dapat diketahui (order tracking) (X25), dan potongan harga pada ojek online (X7). Adapun persentase ragam yang diberikan oleh faktor kedua sebesar 28,897%.

• 3.    Faktor ketiga yang memengaruhi mahasiswa menggunakan  ojek  online

diberikan penamaan baru yaitu faktor

Aplikasi yang disusun oleh lima indikator yaitu: aplikasi ojek online dapat menunjang aktifitas sehari-hari sehingga berminat untuk menggunakannya kembali (X24), aplikasi mudah dimengerti dan digunakan oleh masyarakat (X20), tarif ojek online dapat dijangkau masyarakat pada umumnya (X1), pengemudi selalu menawarkan masker sebelum memulai perjalanan (X16), aplikasi ojek online fleksibel karena dapat dilakukan kapan saja (X23). Adapun persentase ragam yang diberikan oleh faktor ketiga ini adalah sebesar 22,563%.

• 4.    Faktor keempat yang memengaruhi mahasiswa dalam menggunakan ojek online diberikan penamaan baru yaitu faktor promosi yang disusun oleh dua indikator yaitu: tarif ojek online yang ditetapkan sesuai dengan fasilitas yang tersedia (X3) dan pengemudi sangat cepat

dalam merespon permintaan pelanggan (X18). Adapun persentase ragam yang diberikan oleh faktor keempat sebesar 10,783%.

• 4.    KESIMPULAN DAN SARAN

  • 4.1    Kesimpulan

Berdasarkan hasil analisis dan pembahasan, kesimpulan yang diperoleh diantaranya sebagai berikut:

• 1.    Faktor-faktor yang berpengaruh terhadap keputusan      mahasiswa      untuk

menggunakan ojek online antara lain faktor tujuan/lokasi, faktor pelayanan, faktor aplikasi, dan faktor promosi. Faktor-faktor tersebut dapat menjelaskan keragaman     mahasiswa     untuk

menggunakan ojek online sebesar 34,666%;  28,897%;  22,563% dan

10,873%.

• 2.    Faktor dominan yang paling berpengaruh dalam keputusan mahasiswa untuk menggunakan ojek online adalah faktor tujuan/lokasi yang mampu dijelaskan sebesar 34,666%.

• 4.2    Saran

Untuk penelitian selanjutnya diharapkan dapat menambahkan variabel lain ke dalam penelitian, dikarenakan masih banyak kemungkinan variabel yang berpengaruh pada mahasiswa untuk menggunakan ojek online. Membandingkan penelitian ini dengan penelitian terkait lainnya juga dapat dijadikan acuan dalam menambahkan variabel lain pada penelitian.

DAFTAR PUSTAKA

Anggraini, N.F. (2017). Analisi Faktor-Faktor yang     Memengaruhi     Konsumen

Menggunakan Ojek   Online.   Skripsi.

Surakarta:  Universitas Muhammadiyah

Surakarta.

http://eprints.ums.ac.id/52909/1/NASKAH %20PUBLIKASI.pdf. Diakses pada tanggal 20 Agustus 2019.

Arikunto, S. (2010). Prosedur Penelitian Suatu Pendekatan Praktis. Jakarta: Rineka Cipta.

Ghozali, I. (2007). Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbit Universitas Diponegoro.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R.E. (2010). Multivariate Data Analysis. New Jersey: Pearson Education Inc, pp. 91-149.

Johnson, R. A., & Wicherin, D. W. (2007). Applied Multivariate Statistical Analysis. Sixth ed. New Jersey:  Pretice-Hall

International, Inc.

Prabowo, M. W. (2019). Faktor-Faktor yang Mendorong Orang Menggunakan Gojek Sebagai Sarana Transportasi. Skripsi. Yogyakarta: Universitas Sanata Dharma. https://repository.usd.ac.id/33114/2/132214 118_full.pdf. Diakses pada tanggal 20 Agustus 2019.

Sudarwanto, A. (2013). Akuntansi Koperasi. Yogyakarta: Graha Ilmu.

Sugiyono. (2011). Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta.

193