HASIL PENELITIAN DAN PEMBAHASAN
4.2.3. Pengolahan Analisis SEM
Dalam mengolah data penelitian yang telah didapat melalui kuesioner, penulis akan melakukan analisis SEM menggunakan bantuan perangkat lunak smartPLS 3 (versi 3.0). Analisis menggunakan smartPLS terdiri dari dua submodel
yaitu model pengukuran (measurement model) atau sering disebut dengan outer
model dan model struktural (structural model) atau sering disebut dengan inner model. Berikut pengujian pengujian model pengukuran sekaligus model struktural:
1. Analisa Model Pengukuran (Outer Model)
Pada tahap ini akan dilakukan pengujian untuk mengetahui pengukuran yang dipakai dalam penelitian yang dilakukan valid dan reliabel atau tidak.
a. Uji Convergent Validity
Validitas konvergen bertujuan untuk mengetahui validitas setiap hubungan antara indikator dengan variabel latennya. Dalam penelitian ini akan menggunakan batas loading factor sebesar 0,5, yang berarti indikator akan dianggap valid apabila memiliki nilai outer loading lebih dari 0,5.
Sumber: data yang diolah (2019)
Gambar IV.2.
Model Lengkap Structural Equation Model
Dari gambar di atas menunjukkan bahwa indikator KS.1, KS.2, KS.3, KS.4 dan KI.5 memiliki validitas yang rendah karena tidak sesuai dengan yang dipersyaratkan yakni di atas 0,5. Indikator-indikator tersebut harus
41
dihapus/dilakukan dropping dari model sebelum dilakukan pengujian pada tahap selanjutnya.
Model setelah dilakukan dropping pada indikator yang memiliki nilai
loading factor di bawah 0,5 adalah sebagai berikut:
Sumber: data yang diolah (2019)
Gambar IV.3.
Model Terbaik Stuctural Equation Model
Dari gambar IV.3 menunjukkan bahwa semua indikator telah memenuhi syarat yaitu memiliki nilai loading factor di atas 0,5 dan dapat dinyatakan bahwa pada penelitian ini semua indikator sudah memiliki tingkat validitas yang baik sehingga dapat dilakukan pengujian tahap berikutnya.
Pengujian pada tahap ini bertujuan untuk mengetahui tingkat convergent
validity. Setiap variabel harus memiliki nilai AVE ≥ 0,5 untuk dapat
memenuhi AVE atau convergent validity yang baik.
Sumber: data yang diolah (2019)
Gambar IV.4. Hasil Nilai AVE Lengkap
Dilihat dari gambar di atas, masih terdapat variabel yang memiliki nilai AVE di bawah 0,5 yaitu variabel Kualitas Informasi dan Kualitas Sistem, sedangkan variabel yang lain sudah menunjukkan convergent validity yang baik. Untuk variabel Kualitas Informasi dan Kualitas Sistem harus dilakukan dropping pada beberapa indikator agar variabel tersebut dapat memenuhi syarat nilai AVE ≥ 0,5.
Sumber: data yang diolah (2019)
Gambar IV.5. Hasil Nilai AVE Terbaik
43
Setelah dilakukan dropping pada beberapa indikator yang variabelnya memiliki nilai AVE di bawah 0,5, maka pada gambar IV.5 menunjukkan bahwa semua variabel sudah menunjukkan convergent validity yang baik. Berikut adalah nilai AVE pada masing-masing variabel:
Tabel IV.6.
Detail Nilai AVE Masing-masing Variabel
Variabel Average Variance Extracted (AVE)
Hasil Bersih 0,561 Kepuasan Pengguna 0,739 Kualitas Informasi 0,588 Kualitas Layanan 0,579 Kualitas Sistem 0,874 Penggunaan 0,720
Sumber: data yang diolah (2019)
c. Uji Discriminant Validity
Tahap uji validitas diskriminan bertujuan untuk mengetahui apakah konstruk memiliki diskriminan yang memadai atau tidak. Untuk mengetahuinya yaitu dengan membandingkan nilai loading pada korelasi konstruk variabelnya lebih besar daripada nilai loading factor ke variabel lainnya. Berikut hasil dari discriminant validity pada tabel nilai cross
loading:
Tabel IV.7.
Nilai Discriminant Validity (Cross Loadings)
Hasil Bersih Kepuasan Pengguna Kualitas Informasi Kualitas Layanan Kualitas Sistem Penggunaan HB.1 0,802 0,447 0,574 0,376 0,444 0,457 HB.2 0,737 0,501 0,487 0,469 0,485 0,338 HB.3 0,680 0,468 0,551 0,281 0,501 0,398
HB.4 0,829 0,606 0,680 0,468 0,621 0,482 HB.5 0,685 0,371 0,521 0,381 0,556 0,354 KI.1 0,518 0,468 0,766 0,311 0,65 0,296 KI.2 0,687 0,363 0,667 0,459 0,514 0,228 KI.3 0,585 0,573 0,785 0,420 0,649 0,27 KI.4 0,575 0,578 0,839 0,513 0,665 0,266 KL.1 0,402 0,517 0,477 0,832 0,487 0,171 KL.2 0,221 0,227 0,174 0,575 0,216 0,266 KL.3 0,520 0,544 0,525 0,845 0,546 0,940 KP.1 0,566 0,868 0,606 0,458 0,696 0,519 KP.2 0,550 0,851 0,523 0,570 0,591 0,472 KS.5 0,619 0,656 0,719 0,550 0,931 0,529 KS.6 0,684 0,744 0,797 0,535 0,938 0,480 PG.1 0,363 0,411 0,150 0,282 0,327 0,791 PG.2 0,542 0,553 0,399 0,340 0,557 0,902
Sumber: data yang diolah (2019)
Berdasarkan tabel IV.7. menunjukkan bahwa semua indikator telah memenuhi syarat uji discriminant validity yang baik. Kecuali indikator KL.3 tidak memenuhi atau tidak memiliki model discriminant validity yang baik/besar.
d. Uji Composite Reliability
Uji composite reliability menguji nilai reliabilitas indikator-indikator pada suatu konstruk. Pada penelitian ini, uji reliabilitas memiliki tujuan untuk menilai sejauh mana alat ukur yang digunakan pada penelitian dapat diandalkan atau konsisten. Nilai composite reliability dapat dikategorikan reliabel apabila nilainya ≥ 0,7 dan memiliki nilai
cronbach’s alpha ≥ 0,6. Berikut hasil nilai cronbach’s alpha dan composite reliability:
45
Tabel IV.8.
Nilai Uji Composite Reliability
Variabel Cronbach's Alpha Composite Reliability
Hasil Bersih 0,803 0,864 Kepuasan Pengguna 0,648 0,850 Kualitas Informasi 0,766 0,850 Kualitas Layanan 0,641 0,801 Kualitas Sistem 0,855 0,933 Penggunaan 0,621 0,837
Sumber: data yang diolah (2019)
Dari tabel IV.8 dapat disimpulkan bahwa semua variabel dinyatakan reliabel karena telah memenuhi syarat yakni untuk nilai composite reliability semua variabel memiliki nilai ≥ 0,7 dan nilai cronbach’s alpha memiliki nilai ≥ 0,6. Dengan
demikian pengukuran yang digunakan dalam penelitian telah konsisten atau dapat dihandalkan.
2. Analisa Model Struktural (Inner Model)
Tahap Inner Model akan menggambarkan hubungan antar variabel laten. Uji model struktural dapat melihat model yang terdiri dari hubungan yang telah diduga melalui hipotesis antara variabel laten dalam penelitian.
a. Analisis R2
Pada analisis R2 variabel independen tidak memiliki nilai R2 karena variabel tersebut tidak dipengaruhi oleh variabel lain dalam model, sehingga yang memiliki nilai R2 adalah variabel dependen atau endogen yakni variabel Penggunaan, Kepuasan Pengguna, dan Hasil Bersih. Berikut ini adalah hasil uji R-Square pada penelitian:
Tabel IV.9. Nilai R-Square (R2) Variabel R Square (R2) Penggunaan 0,325 Kepuasan Pengguna 0,645 Hasil Bersih 0,466
Sumber: data yang diolah (2019)
Dari tabel menunjukkan variabel Penggunaan memiliki nilai R-Square sebesar 0,325 yang artinya bahwa presentase besarnya pengaruh Kualitas Sistem, Kualitas Informasi, dan Kualitas Layanan adalah sebesar 32,5% sedangkan sisanya yaitu 67,5% dipengaruhi oleh faktor lain. Untuk variabel Penggunaan dengan nilai R2 sebesar 0,325 termasuk berpengaruh lemah.
Nilai R-Square variabel Kepuasan Pengguna adalah sebesar 0,645 yang artinya bahwa presentasi besarnya pengaruh Kualitas Sistem, Kualitas Informasi, dan Kualitas Layanan adalah 64,5% sedangkan sisanya yaitu 35,5% dipengaruhi oleh pihak lain. Untuk variabel Kepuasan Pengguna dengan nilai R2 sebesar 0,645 termasuk memiliki pengaruh sedang.
Nilai R-Square variabel Hasil Bersih adalah sebesar 0,466 yang artinya bahwa presentasi besarnya pengaruh Penggunaan dan Kepuasan Pengguna adalah 46,6% sedangkan sisanya yaitu 53,4% dipengaruhi oleh pihak lain. Untuk variabel Hasil Bersih dengan nilai R2 sebesar 0,466 termasuk memiliki pengaruh sedang.
47
b. Analisis F2
Tahap analisis F2 bertujuan untuk melihat apakah pengaruh variabel laten eksogen (independen) terhadap variabel laten endogen (dependen) emiliki pengaruh yang substansif. Berikut adalah hasil uji analisis F-Square: Tabel IV.10. Nilai F-Square (F2) Variabel Hasil Bersih Kepuasan Pengguna Kualitas Informasi Kualitas Layanan Kualitas Sistem Penggunaan Hasil Bersih Kepuasan Pengguna 0,313 Kualitas Informasi 0,024 0,044 Kualitas Layanan 0,072 0,014 Kualitas Sistem 0,097 0,237 Penggunaan 0,083 0,118
Sumber: data yang diolah (2019)
Berdasarkan tabel maka dapat disimpulkan bahwa:
1) Variabel Kepuasan Pengguna berpengaruh sedang terhadap Hasil Bersih karena memiliki nilai F2 sebesar 0,313.
2) Variabel Kualitas Informasi berpengaruh kecil terhadap Kepuasan Pengguna karena memiliki nilai F2 sebesar 0,024.
3) Variabel Kualitas Informasi berpengaruh kecil terhadap Penggunaan karena memiliki nilai F2 sebesar 0,044.
4) Variabel Kualitas Layanan berpengaruh kecil terhadap Kepuasan Pengguna karena memiliki nilai F2 sebesar 0,072.
5) Variabel Kualitas Layanan berpengaruh kecil terhadap Penggunaan karena memiliki nilai F2 sebesar 0,014.
6) Variabel Kualitas Sistem berpengaruh kecil terhadap Kepuasan Pengguna karena memiliki nilai F2 sebesar 0,097.
7) Variabel Kualitas Sistem berpengaruh sedang terhadap Penggunaan karena memiliki nilai F2 sebesar 0,237.
8) Variabel Penggunaan berpengaruh kecil terhadap Hasil Bersih karena memiliki nilai F2 sebesar 0,083.
9) Variabel Penggunaan berpengaruh kecil terhadap Kepuasan Pengguna karena memiliki nilai F2 sebesar 0,118.
3. Pengujian Hipotesis (Bootstrapping)
Dalam menguji hipotesis, penulis menggunakan analisis bootstrapping pada smartPLS. Berikut adalah model yang didapat dari hasil pengujian hipotesis dengan
bootstrapping:
Sumber: data yang diolah (2019)
Gambar IV.6.
49
Pengaruh positif atau negatif antar variabel dapat dilihat pada nilai sampel original. Apabila pada nilai sampel original bernilai negatif, maka kedua variabel berpengaruh negatif dan sebaliknya serta apabila t-statisticnya bernilai ≥ 1,96 atau P
Value nya bernilai ≤ 0,05 maka memiliki hubungan yang signifikan dan sebaliknya.
Berikut adalah hasil uji hipotesis (path coefficients) dalam bentuk tabel: Tabel IV.11.
Uji Hipotesis (Path Coefficients)
Variabel Original Sampel (O) T Statistic P Values
Kualitas Sistem -> Penggunaan 0,712 3,163 0,002
Kualitas Sistem -> Kepuasan Pengguna 0,367 2,298 0,022
Kualitas Informasi -> Penggunaan -0,300 1,300 0,194
Kualitas Informasi -> Kepuasan Pengguna 0,163 1,070 0,285
Kualitas Layanan -> Penggunaan 0,122 0,878 0,380
Kualitas Layanan -> Kepuasan Pengguna 0,201 2,323 0,021
Penggunaan -> Kepuasan Pengguna 0,249 2,117 0,035
Penggunaan -> Hasil Bersih 0,258 1,957 0,051
Kepuasan Pengguna -> Hasil Bersih 0,500 4,238 0,000
Sumber: data yang diolah (2019)
Berdasarkan tabel maka didapat kesimpulan seperti berikut ini:
1) Antara variabel Kualitas Sistem dengan variabel Penggunaan memiliki hubungan yang signifikan karena nilai t-statistic ≥ 1,96 yakni 3,163 serta memiliki nilai P Value ≤ 0,05 yakni 0,002. Kedua variabel tersebut memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,712.
2) Antara variabel Kualitas Sistem dengan variabel Kepuasan Pengguna memiliki hubungan yang signifikan karena nilai t-statistic ≥ 1,96 yakni 2,298 serta memiliki nilai P Value ≤ 0,05 yakni 0,022. Kedua variabel tersebut
memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,367
3) Antara variabel Kualitas Informasi dengan variabel Penggunaan tidak memiliki hubungan yang signifikan karena nilai t-statistic ≤ 1,96 yakni 1,300 serta memiliki nilai P Value ≥ 0,05 yakni 0,194. Kedua variabel tersebut memiliki pengaruh negatif karena nilai original sampel memiliki nilai negatif yaitu -0,300.
4) Antara variabel Kualitas Informasi dengan variabel Kepuasan Pengguna tidak memiliki hubungan yang signifikan karena nilai t-statistic ≤ 1,96 yakni 1,070 serta memiliki nilai P Value ≥ 0,05 yakni 0,285. Kedua variabel tersebut memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,163.
5) Antara variabel Kualitas Layanan dengan variabel Penggunaan tidak memiliki hubungan yang signifikan karena nilai t-statistic ≤ 1,96 yakni 0,878 serta memiliki nilai P Value ≥ 0,05 yakni 0,380. Kedua variabel tersebut memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,122.
6) Antara variabel Kualitas Layanan dengan variabel Kepuasan Pengguna memiliki hubungan yang signifikan karena nilai t-statistic ≥ 1,96 yakni 2,323 serta memiliki nilai P Value ≤ 0,05 yakni 0,021. Kedua variabel tersebut memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,201.
7) Antara variabel Penggunaan dengan variabel Kepuasan Pengguna memiliki hubungan yang signifikan karena nilai t-statistic ≥ 1,96 yakni 2,117 serta memiliki nilai P Value ≤ 0,05 yakni 0,035. Kedua variabel tersebut memiliki
51
pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,249.
8) Antara variabel Penggunaan dengan variabel Hasil Bersih tidak memiliki hubungan yang signifikan karena nilai t-statistic ≤ 1,96 yakni 1,957 serta memiliki nilai P Value ≥ 0,05 yakni 0,051. Kedua variabel tersebut memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,258.
9) Antara variabel Kepuasan Pengguna dengan variabel Hasil Bersih memiliki hubungan yang signifikan karena nilai t-statistic ≥ 1,96 yakni 4,238 serta memiliki nilai P Value ≤ 0,05 yakni 0,000. Kedua variabel tersebut memiliki pengaruh positif karena nilai original sampel memiliki nilai positif yaitu 0,500.
4.3. Hasil Penelitian
A. Hipotesis
Berdasarkan hasil analisis SEM yang telah dilakukan menggunakan perangkat lunak SmartPLS, maka telah diketahui jawaban dari hipotesis-hipotesis yang telah ditentukan oleh penulis. Berikut model kesuksesan DeLone dan McLean yang yang menunjukkan tingkat pengaruh antar variabel:
Gambar IV.7.
Hasil Pengujian Tingkat Pengaruh Antar Variabel
Pada gambar menunjukkan pengaruh antar variabel, dimana variabel yang berpengaruh terdapat inisial “B”. Sedangkan variabel yang tidak berpengaruh terdapat inisial “TB”. Terdapat lima hipotesis yang diterima yakni Kualitas Sistem
terhadap Penggunaan, Kualitas Sistem terhadap Kepuasan Pengguna, Kualitas Layanan terhadap Kepuasan Pengguna, Penggunaan terhadap Kepuasan Pengguna, dan Kepuasan Pengguna terhadap Hasil Bersih. Sedangkan untuk hipotesis yang ditolak adalah empat hipotesis. Apabila disimpulkan dalam bentuk tabel adalah sebagai berikut:
Tabel IV.12. Kesimpulan Uji Hipotesis
Hipotesis Kesimpulan
H0 : Diduga variabel kualitas sistem berpengaruh signifikan
terhadap penggunaan. DITERIMA
H1 : Diduga variabel kualitas sistem berpengaruh signifikan
terhadap kepuasan pengguna. DITERIMA
H2 : Diduga variabel kualitas informasi berpengaruh signifikan
terhadap penggunaan. DITOLAK
H3 : Diduga variabel kualitas informasi berpengaruh signifikan
terhadap kepuasan pengguna. DITOLAK
H4 : Diduga variabel kualitas layanan berpengaruh signifikan
terhadap penggunaan. DITOLAK
H5 : Diduga variabel kualitas layanan berpengaruh signifikan
terhadap kepuasan pengguna. DITERIMA
H6 : Diduga variabel penggunaan berpengaruh signifikan terhadap
kepuasan pengguna. DITERIMA
H7 : Diduga variabel penggunaan berpengaruh signifikan terhadap
kebermanfaatan bersih. DITOLAK
H8 : Diduga variabel kepuasan pengguna berpengaruh signifikan
terhadap kebermanfaatan bersih. DITERIMA
Sumber: data yang diolah (2019)
53
1) Diduga variabel kualitas sistem berpengaruh signifikan terhadap penggunaan. Berdasarkan hasil analisis yang telah dilakukan hipotesis H0 telah memenuhi syarat yakni t-statisticnya bernilai ≥ 1,96 atau P Value nya bernilai ≤ 0,05. Dengan demikian hipotesis H0 dalam penelitian ini diterima. Penerimaan H0 mengindikasikan bahwa kualitas sistem aplikasi Ruang Guru yang tinggi akan meningkatkan niat pengguna dalam penggunaan aplikasi Ruang Guru sebagai penunjang belajar begitupun sebaliknya.
2) Diduga variabel kualitas sistem berpengaruh signifikan terhadap kepuasan pengguna.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H1 telah memenuhi syarat yakni t-statisticnya bernilai ≥ 1,96 atau P Value nya bernilai ≤ 0,05. Dengan demikian hipotesis H1 dalam penelitian ini diterima. Penerimaan H1 mengindikasikan bahwa apabila kualitas sistem aplikasi Ruang Guru tidak handal maka pengguna akan merasa tidak nyaman menggunakan aplikasi Ruang Guru sehingga mengakibatkan pengguna tidak puas terhadap sistem yang ada pada Ruang Guru begitupun sebaliknya.
3) Diduga variabel kualitas informasi berpengaruh signifikan terhadap penggunaan.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H2 tidak memenuhi syarat yakni nilai t-statisticnya ≤ 1,96 atau P Value nya bernilai ≥ 0,05. Dengan demikian hipotesis H2 dalam penelitian ini ditolak. Penolakan H2 mengindikasikan bahwa pengguna aplikasi Ruang Guru tidak menilai kualitas informasi sebagai alasan untuk selalu memakai aplikasi dalam belajar.
4) Diduga variabel kualitas informasi berpengaruh signifikan terhadap kepuasan pengguna.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H3 tidak memenuhi syarat yakni nilai t-statisticnya ≤ 1,96 atau P Value nya bernilai ≥ 0,05. Dengan demikian hipotesis H3 dalam penelitian ini ditolak. Penolakan H2 mengindikasikan bahwa pengguna aplikasi Ruang Guru tidak menjadikan kualitas informasi sebagai tolak ukur kepuasan dalam memakai aplikasi Ruang Guru.
5) Diduga variabel kualitas layanan berpengaruh signifikan terhadap penggunaan.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H4 tidak memenuhi syarat yakni nilai t-statisticnya ≤ 1,96 atau P Value nya bernilai ≥ 0,05. Dengan demikian hipotesis H4 dalam penelitian ini ditolak. Penolakan H4 mengindikasikan bahwa kualitas layanan yang diberikan oleh Aplikasi Ruang Guru juga tidak menjadikan alasan pengguna untuk selalu memakai Aplikasi Ruang Guru setiap kali belajar.
6) Diduga variabel kualitas layanan berpengaruh signifikan terhadap kepuasan pengguna.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H5 telah memenuhi syarat yakni t-statisticnya bernilai ≥ 1,96 atau P Value nya bernilai ≤ 0,05. Dengan demikian hipotesis H5 dalam penelitian ini diterima. Penerimaan H5 mengindikasikan bahwa tinggi atau rendahnya kualitas layanan yang ada pada Aplikasi Ruang Guru akan sangat berpengaruh terhadap kenyamanan dan kepuasan pengguna Aplikasi Ruang Guru
7) Diduga variabel penggunaan berpengaruh signifikan terhadap kepuasan pengguna.
55
Berdasarkan hasil analisis yang telah dilakukan hipotesis H6 telah memenuhi syarat yakni t-statisticnya bernilai ≥ 1,96 atau P Value nya bernilai ≤ 0,05. Dengan demikian hipotesis H6 dalam penelitian ini diterima. Penerimaan H6 mengindikasikan bahwa seringnya pengguna dalam menggunakan Aplikasi Ruang Guru berarti pengguna tersebut merasa puas terhadap apa saja yang disajikan dalam Aplikasi Ruang Guru dan sebaliknya.
8) Diduga variabel penggunaan berpengaruh signifikan terhadap kebermanfaatan bersih.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H7 tidak memenuhi syarat yakni nilai t-statisticnya ≤ 1,96 atau P Value nya bernilai ≥ 0,05. Dengan demikian hipotesis H7 dalam penelitian ini ditolak. Penolakan H7 mengindikasikan bahwa sering atau tidaknya pengguna dalam menggunakan Aplikasi Ruang Guru tidak mengartikan ada atau tidaknya manfaat yang diberikan kepada pengguna.
9) Diduga variabel kepuasan pengguna berpengaruh signifikan terhadap kebermanfaatan bersih.
Berdasarkan hasil analisis yang telah dilakukan hipotesis H8 telah memenuhi syarat yakni t-statisticnya bernilai ≥ 1,96 atau P Value nya bernilai ≤ 0,05. Dengan demikian hipotesis H8 dalam penelitian ini diterima. Penerimaan H8 mengindikasikan bahwa kepuasan yang dirasakan oleh pengguna berpengaruh terhadap tinggi atau rendahnya manfaat yang didapatkan pengguna Aplikasi Ruang Guru.
Dari hasil analisis dan pembahasan pada penelitian, maka penulis memberikan rekomendasi untuk menjadi tolak ukur perbaikan dan peningkatan oleh pihak Aplikasi Ruang Guru. Untuk mengetahui keadaan saat ini dapat diketahui dari nilai original sample (O), sedangkan untuk mengetahui keinginan responden atau pengguna terhadap Aplikasi Ruang Guru di masa mendatang dapat diketahui dari nilai mean. Nilai original sample (O) dan nilai mean terdapat pada masing-masing indikator yang bertahan pada tahap dropping atau seleksi. Jika nilai terbesar original
sample (O) dan nilai mean dimiliki oleh indikator yang sama maka untuk
pengembangan dan peningkatan selanjutnya yaitu indikator dengan angka yang
paling tinggi. Berikut adalah nilai original sample (O) dan mean pada penelitian:
Tabel IV.13.
Nilai Mean dan Original Sample (O) Kualitas Sistem
Indikator Pernyataan Mean
Original Sample
(O)
KS.5 Saya merasa nyaman dan mudah dalam
menggunakan aplikasi Ruangguru 0,931 0,931
KS.6 Sistem menyajikan bahasa yang mudah
dipahami oleh saya 0,938 0,938
Sumber: data yang diolah (2019)
Berdasarkan tabel dapat diketahui bahwa indikator dari Kualitas Sistem yang memiliki mean dominan sebesar 0,938 yaitu KS.6 dengan pernyataan “Sistem menyajikan bahasa yang mudah dipahami oleh saya”. Sedangkan nilai original
sample tertinggi juga terdapat pada indikator KS.6 yaitu 0,938. Dengan demikian
pihak Aplikasi Ruang Guru harus lebih menitikberatkan penyajian bahasa yang
mudah dipahami oleh pengguna.
57
Nilai Mean dan Original Sample (O) Kualitas Informasi
Indikator Pernyataan Mean
Original Sample
(O)
KI.1 Saya mendapatkan bahan pembelajaran yang
lengkap sesuai kebutuhan belajar 0,759 0,766
KI.2
Materi yang saya dapatkan sesuai dengan data pembelajaran atau sesuai dengan kurikulum yang saya pilih
0,660 0,667
KI.3
Saya dapat mengandalkan materi yang didapatkan dalam memenuhi kebutuhan belajar
0,780 0,785
KI.4 Materi atau bahan ajar yang saya dapatkan
adalah materi terkini dan selalu diperbarui 0,838 0,839 Sumber: data yang diolah (2019)
Berdasarkan tabel dapat diketahui bahwa indikator dari Kualitas Informasi yang memiliki nilai mean tertinggi adalah indikator KI.4 sebesar 0,838 dengan pernyataan “Materi atau bahan ajar yang saya dapatkan adalah materi terkini dan
selalu diperbarui”. Sedangkan nilai original sample tertinggi juga terdapat pada indikator KI.4 yaitu 0,839. Dengan demikian pihak Aplikasi Ruang Guru harus lebih
menitikberatkan pada pembaruan materi sebagai bahan belajar bagi pengguna.
Tabel IV.15.
Nilai Mean dan Original Sample (O) Kualitas Layanan
Indikator Pernyataan Mean
Original Sample
(O)
KL.1
Aplikasi Ruangguru dapat
menumbuhkan kepercayaan diri saya dalam menghadapi berbagai ujian di sekolah
0,824 0,832
KL.2
Sistem memberikan beberapa masukan yang mungkin berguna bagi proses belajar saya
0,552 0,575
KL.3 Sistem memberikan tanggapan sesuai
dengan apa yang saya akses 0,843 0,845
Berdasarkan tabel dapat diketahui bahwa indikator dari Kualitas Layanan yang memiliki nilai mean tertinggi adalah indikator KL.3 sebesar 0,843 dengan pernyataan “Sistem memberikan tanggapan sesuai dengan apa yang saya akses”.
Sedangkan nilai original sample tertinggi juga terdapat pada indikator KL.3 yaitu 0,845. Dengan demikian pihak Aplikasi Ruang Guru harus lebih handal lagi dalam memberi tanggapan sesuai yang diakses oleh pengguna.
Tabel IV.16.
Nilai Mean dan Original Sample (O) Penggunaan
Indikator Pernyataan Mean
Original Sample
(O)
PG.1 Setiap hari saya mengakses aplikasi
Ruanguru 0,777 0,791
PG.2 Setiap kali saya belajar selalu
menggunakan aplikasi Ruanguru 0,905 0,902
Sumber: data yang diolah (2019)
Berdasarkan tabel dapat diketahui bahwa indikator dari Penggunaan yang memiliki nilai mean tertinggi adalah indikator PG.2 sebesar 0,905 dengan pernyataan “Setiap kali saya belajar selalu menggunakan aplikasi Ruanguru”. Sedangkan nilai
original sample tertinggi juga terdapat pada indikator PG.2 yaitu 0,902. Dengan
demikian pihak Aplikasi Ruang Guru harus lebih baik dan berbobot dalam pemberian konten atau bahan ajar yang mendukung proses belajar supaya pengguna lebih nyaman dan mudah dalam menggunakan Aplikasi Ruang Guru sebagai media belajar.
Tabel IV.17.
Nilai Mean dan Original Sample (O) Kepuasan Pengguna
Indikator Pernyataan Mean
Original Sample
(O)
59
soal-soal yang saya dapatkan
KP.2 Saya puas dengan aplikasi Ruangguru
dalam menunjang prestasi saya 0,851 0,851
Sumber: data yang diolah (2019)
Berdasarkan tabel dapat diketahui bahwa indikator dari Kepuasan Pengguna yang memiliki nilai mean tertinggi adalah indikator KP.1 sebesar 0,864 dengan pernyataan “Saya puas dengan materi serta latihan soal-soal yang saya dapatkan”.
Sedangkan nilai original sample tertinggi juga terdapat pada indikator KP.1 yaitu 0,868. Dengan demikian pihak Aplikasi Ruang Guru harus mempertahankan kualitas materi sehingga memberikan rasa puas kepada pengguna dalam belajar
menggunakan Aplikasi Ruang Guru.
Tabel IV.18.
Nilai Mean dan Original Sample (O) Hasil Bersih
Indikator Pernyataan Mean
Original Sample
(O)
HB.1
Saya dapat memahami materi dengan cepat ketika belajar menggunakan aplikasi Ruangguru
0,797 0,802
HB.2 Prestasi saya lebih baik ketika belajar
menggunakan aplikasi Ruangguru 0,731 0,737
HB.3 Proses belajar saya lebih efektif ketika
belajar dengan aplikasi Ruangguru 0,672 0,680
HB.4 Saya merasa lebih mudah dalam belajar
ketika menggunakan aplikasi Ruangguru 0,830 0,829 HB.5
Aplikasi ruangguru sangat berguna dalam membantu proses belajar memahami materi sekolah
0,684 0,685
Sumber: data yang diolah (2019)
Berdasarkan tabel dapat diketahui bahwa indikator dari Hasil Bersih yang memiliki nilai mean tertinggi adalah indikator HB.4 sebesar 0,830 dengan pernyataan “Saya merasa lebih mudah dalam belajar ketika menggunakan aplikasi
Ruangguru”. Sedangkan nilai original sample tertinggi juga terdapat pada indikator HB.4 yaitu 0,829. Dengan demikian pihak Aplikasi Ruang Guru harus
menitikberatkan pemberian sistem yang mudah diakses serta pemberian materi dan pemberian cara mudah sehingga pengguna merasa mudah memahami materi ketika
61
BAB V
PENUTUP
5.1. Kesimpulan
Berdasarkan pembahasan dari analisis data penelitian mengenai Kesuksesan Aplikasi RuangGuru-Bimbingan Belajar Online, maka penulis menarik kesimpulan sebagai berikut:
1. Pengukuran kesuksesan Aplikasi RuangGuru menggunakan model DeLone