23.04.3551
690 - Planning, Anaysis, Construction, Deconstruction, Buildings
Karya Ilmiah - Skripsi (S1) - Reference
Enterprise Resource Planning, Analisis, Social & Development,
553 kali
<p><em>Fintech </em>telah menjadi istilah populer yang menggambarkan teknologi baru yang diadopsi oleh lembaga jasa keuangan. Peluang generasi Z dalam mempengaruhi optimalisasi pengimplementasian sistem pembayaran digital di Indonesia pun cukup besar, karena Generasi Z memiliki kekuatan lebih dari generasi sebelumnya untuk mendefinisikan ulang produksi dan konsumsi karena sedikit yang diketahui tentang generasi Z sebagai konsumen dan harapan mereka dalam kepuasan pelanggan. Variabel yang dapat mempengaruhi generasi Z dalam menggunakan layanan <em>fintech</em> adalah <em>social</em> <em>influence</em> dan <em>technostress</em>. Beberapa variabel yang teridentifikasi mempengaruhi <em>technostress</em> adalah <em>stresfull</em>, penggunaan teknologi yang tinggi, literasi digital, dan ekspektasi. Pada variabel <em>social influence</em>, ingin mengetahui seberapa besar pengaruh <em>social incluence</em> terhadap penerimaan layanan <em>fintech</em>. Selain itu, pada variabel <em>technostress</em>, masih kurangnya penelitian tentang <em>technostress</em> yang mempengaruhi penerimaan layanan <em>fintech</em>, sehingga penulis ingin mengetahui pengaruh tersebut. Populasi generasi Z di Indonesia memiliki jumlah sekitar 68.662.815 orang. Penelitian ini menggunakan pendekatan kuantitatif dan berfokus kepada pengumpulan data dan analisis numerik, dalam pengumpulan data penelitian ini menggunakan simple random sampling dan menggunakan Teknik slovin untuk menentukan jumlah sampel yang dimana jumlah sample penelitian ini setelah menghitung dengan menggunakan rumus slovin adalah 400 orang. Untuk mengetahui dampak dari <em>technostress </em>dan <em>social influence, </em>penulis menggabungkan dengan model TPB untuk menggambarkan dan memprediksi bagaimana prilaku dan sikap generasi Z terhadap penerimaan layanan fintech. Berdasarkan model TPB yang digunakan serta variabel yang ada, maka jumlah hipotesis pada penelitian ini adalah 13 hipotesis. Temuan dalam penelitian ini didasarkan oleh model TPB serta pengaruh <em>social influence</em> dan <em>technostress</em> terhadap penerimaan layanan <em>fintech</em>, yang dimana berdasarkan hipotesis memiliki berpengaruh positif dan signifikan.<em>Fintech </em>telah menjadi istilah populer yang menggambarkan teknologi baru yang diadopsi oleh lembaga jasa keuangan. Peluang generasi Z dalam mempengaruhi optimalisasi pengimplementasian sistem pembayaran digital di Indonesia pun cukup besar, karena Generasi Z memiliki kekuatan lebih dari generasi sebelumnya untuk mendefinisikan ulang produksi dan konsumsi karena sedikit yang diketahui tentang generasi Z sebagai konsumen dan harapan mereka dalam kepuasan pelanggan. Variabel yang dapat mempengaruhi generasi Z dalam menggunakan layanan <em>fintech</em> adalah <em>social</em> <em>influence</em> dan <em>technostress</em>. Beberapa variabel yang teridentifikasi mempengaruhi <em>technostress</em> adalah <em>stresfull</em>, penggunaan teknologi yang tinggi, literasi digital, dan ekspektasi. Pada variabel <em>social influence</em>, ingin mengetahui seberapa besar pengaruh <em>social incluence</em> terhadap penerimaan layanan <em>fintech</em>. Selain itu, pada variabel <em>technostress</em>, masih kurangnya penelitian tentang <em>technostress</em> yang mempengaruhi penerimaan layanan <em>fintech</em>, sehingga penulis ingin mengetahui pengaruh tersebut. Populasi generasi Z di Indonesia memiliki jumlah sekitar 68.662.815 orang. Penelitian ini menggunakan pendekatan kuantitatif dan berfokus kepada pengumpulan data dan analisis numerik, dalam pengumpulan data penelitian ini menggunakan simple random sampling dan menggunakan Teknik slovin untuk menentukan jumlah sampel yang dimana jumlah sample penelitian ini setelah menghitung dengan menggunakan rumus slovin adalah 400 orang. Untuk mengetahui dampak dari <em>technostress </em>dan <em>social influence, </em>penulis menggabungkan dengan model TPB untuk menggambarkan dan memprediksi bagaimana prilaku dan sikap generasi Z terhadap penerimaan layanan fintech. Berdasarkan model TPB yang digunakan serta variabel yang ada, maka jumlah hipotesis pada penelitian ini adalah 13 hipotesis. Temuan dalam penelitian ini didasarkan oleh model TPB serta pengaruh <em>social influence</em> dan <em>technostress</em> terhadap penerimaan layanan <em>fintech</em>, yang dimana berdasarkan hipotesis memiliki berpengaruh positif dan signifikan.</p>
Tersedia 1 dari total 1 Koleksi
Nama | REGINA TASYA WIDIHARLINA |
Jenis | Perorangan |
Penyunting | Muhardi Saputra, Warih Puspitasari |
Penerjemah |
Nama | Universitas Telkom, S1 Sistem Informasi |
Kota | Bandung |
Tahun | 2023 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |