F-1
A.
Data Pribadi
Nama Lengkap
: Fridho Kesuma Pratama
Tempat, Tanggal Lahir
: Palembang, 23 Februari 1994
Jenis Kelamin
: Laki-laki
Agama
: Islam
Kewarganegaraan
: Indonesia
Alamat
: Perum Mutiara Gading Timur 2 Ruko
Pasadena Blok R3 No 5 Mustika Jaya,
Bekasi Timur - Bekasi
No. Telepon
: 081394436677
: fridhopratama@gmail.com
B.
Pendidikan Formal
a.
1999
–
2005
: SD Negeri 23 Marapalam
b.
2005
–
2008
: SMP Negeri 8 Padang
c.
2008
–
2011
: SMA Negeri 2 bekasi
Jurusan Ilmu Pengetahuan Alam
d.
2011
–
2016
: Universitas Komputer Indonesia
Jurusan S1
–
Teknik Informatika
C.
Riwayat Pekerjaan
Kerja Praktek di Museum Geologi Bandung Tahun 2014
Demikian biodata ini saya buat dengan sebenar
–
benarnya.
Bandung, 27 Februari 2016
ANALISIS PENERIMAAN PENGGUNA
SMILE
DI
UNIT
PLANNING DEPLOYMENT
PT. TELKOM DENGAN
PENDEKATAN
TECHNOLOGY ACCEPTANCE MODEL
(TAM)
SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
FRIDHO KESUMA PRATAMA
10111488
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
v
DAFTAR ISI
ABSTRAK ... i
ABSTRACT
... ii
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR TABEL ... viii
DAFTAR GAMBAR ... ix
DAFTAR LAMPIRAN ... x
BAB 1 PENDAHULUAN ... 1
1.1
Latar Belakang Masalah ... 1
1.2
Perumusan Masalah ... 3
1.3
Maksud dan Tujuan... 3
1.4
Batasan Masalah ... 3
1.5
Metodologi Penelitian ... 4
1.5.1
Langkah Penelitian... 4
1.5.2
Metode Pengumpulan Data ... 7
1.6
Sistematika Penulisan ... 8
BAB 2 TINJAUAN PUSTAKA ... 9
2.1
Profil PT. Telkom ... 9
2.1.1
Sejarah Instansi ... 9
2.1.2
Logo Instansi ... 10
2.1.3
Visi dan Misi Instansi ... 11
2.1.4
Struktur Organisasi Instansi ... 11
2.1.5
Deskripsi Pekerjaan Instansi ... 12
2.1.6
Supply Management Information For Logistic Enhancement
... 14
vi
2.2.1
Sistem Informasi Keperilakuan... 16
2.2.2
Model Penerimaan Pengguna ... 16
2.2.3
Variabel Penelitian ... 19
2.2.4
Populasi Dan Sampel ... 20
2.2.5
Teknik Sampling ... 21
2.2.6
Sumber Data... 22
2.2.7
Skala Pengukuran... 23
2.2.8
Pengujian Instrumen ... 24
2.2.9
Teknik Pengumpulan Data ... 27
2.2.10
Teknik Analisis Data... 30
2.2.11
Structural Equation Modelling
(SEM) ... 33
2.2.12
Program SPSS ... 36
2.2.13
Program AMOS ... 36
2.2.14
Diagram Jalur ... 36
2.2.15
Teknik Estimasi ... 37
2.2.16
Ukuran
Goodness of Fit
... 39
2.3
Review Penelitian Terdahulu ... 44
BAB 3 METODE PENELITIAN... 47
3.1
Kerangka Pemikiran... 47
3.2
Hipotesis Penelitian ... 49
3.3
Identifikasi Variabel Penelitian... 49
3.4
Penyusunan Instrumen ... 59
3.5
Identifikasi Populasi & Sampel ... 62
3.6
Pengujian Instrumen ... 63
3.6.1
Uji Validitas ... 63
3.6.2
Uji Reliabilitas ... 65
3.7
Diagram Jalur ... 67
BAB 4 HASIL PENELITIAN ... 69
vii
4.1.1
Responden Berdasarkan Jenis Kelamin ... 69
4.1.2
Responden Berdasarkan Usia ... 69
4.1.3
Responden Berdasarkan Pendidikan Terakhir ... 70
4.2
Analisis Model Pengukuran SEM ... 71
4.2.1
Validitas Dan Reliabilitas Konstruk ... 72
4.2.2
Identifikasi Model Struktural ... 73
4.2.3
Normalitas Data ... 76
4.2.4
Bootstrapping
... 77
4.2.5
Uji Kecocokan Model ... 78
4.2.6
Hasil Diagram Keluaran AMOS ... 82
BAB 5 KESIMPULAN DAN SARAN ... 83
5.1
Kesimpulan ... 83
5.2
Saran ... 84
iii
KATA PENGANTAR
Segala puji dan syukur kehadirat Allah SWT karena atas rahmat dan
karunia-Nya penulis dapat menyelesaikan Tugas Akhir yang berjudul “
ANALISIS
PENERIMAAN PENGGUNA SMILE DI
UNIT PLANNING DEPLOYMENT
PT.
TELKOM DENGAN PENDEKATAN
TECHNOLOGY ACCEPTANCE MODEL
(TAM)
” ini sebagai salah satu syarat skripsi Program Strata Satu (S1) Jurusan
Teknik Informatika Universitas Komputer Indonesia.
Dalam pengerjaan tugas akhir ini penulis mendapatkan banyak bantuan dan
dukungan moral yang tak ternilai harganya dari berbagai pihak. Oleh karena itu
dengan tulus penulis mengucapkan terima kasih kepada:
1.
Allah SWT yang telah memberikan segala nikmat dan rahmat
-
Nya kepada
penulis selama mengerjakan skripsi dan tugas akhir ini.
2.
Kedua orang tua yang penulis sayangi, Bapak Indra dan Ibu Dessy Tourena,
serta tidak lupa Ibu Eka Wijaya yang sudah menjadi ibu kedua bagi saya,
karena restu, doa, dan usaha mereka penulis mampu menjadi seperti saat ini.
3.
Bapak Dr. Ir. Eddy Soeryanto Soegoto selaku Rektor Universitas Komputer
Indonesia.
4.
Bapak Prof. Dr. H. Denny Kurniadie, Ir., M.Sc. selaku Dekan Fakultas Teknik
dan Ilmu Komputer.
5.
Bapak Irawan Afrianto, S.T., M.T. selaku Ketua Program Studi Teknik
Informatika.
6.
Ibu Sufa’atin S.T., M.Kom. selaku pembimbing penulis, terima kasih karena
telah sabar dan banyak memberikan pengarahan kepada penulis selama
mengerjakan tugas akhir ini.
7.
Bapak Angga Setiyadi S.Kom., M.Kom. yang telah bersedia menjadi penguji
dalam seminar dan sidang untuk memberi masukan pada tugas akhir yang
penulis bangun.
8.
Ibu Riani Lubis, S.T., M.T. selaku penguji dalam sidang yang telah
memberikan saran dan komentar.
iv
10.
Seluruh dosen dan staff Teknik Informatika Unikom, terima kasih atas ilmu
yang telah diberikan.
11.
Bapak Devita Agus Asmara selaku SM
General Affair
PT. Telkom, Ibu
Muhani selaku OM HR
Service
-
2 PT. Telkom, serta seluruh karyawan Divisi
Planning Deployment
PT. Telkom terima kasih atas bantuannya selama
penulis melakukan penelitian.
12.
Rekan
-
rekan jurusan Teknik Informatika angkatan 2011, terutama kelas IF
-
11
yang memberikan dorongan semangat bagi penulis.
13.
Semua pihak yang telah membantu baik secara langsung maupun tidak
langsung yang tidak bisa penulis sebutkan satu persatu.
Penulis menyadari bahwa masih banyak kekurangan dalam pembuatan Tugas
Akhir ini. Untuk itu, sumbangan kritik dan saran sangat saya harapkan dari
pembaca. Semoga laporan ini dapat memberikan manfaat khususnya bagi
pembaca secara umumnya.
Bandung, 27 Februari 2016
85
1
DAFTAR PUSTAKA
[1] Telkom, "Brand Guidelines Merah Putih," PT. Telkom Indonesia, 2014.
[2] Ngadi, "Analisis Aplikasi Web Online Manajemen Logistik PT. Telkom,"
PT. Telkom, 2014.
[3] Jogiyanto,
Sistem Informasi Keperilakuan
. Yogyakarta, Indonesia: Penerbit
ANDI, 2007.
[4] F. Davis, "Perceived Usefulness, Perceived Ease of Use, And User
Acceptance of Information Technology,"
MIS Quarterly
, vol. 13, no. 3, pp.
319-340, Sep. 1989.
[5] I. Ajzen and M. Fishbein, "Understanding Attitudes and Predicting Social
Behavior,"
NJ: Prentice Hall
, 1980.
[6] Y. Lee, K. A. Kozar, and K. R. T. Larsenm, "Technology Acceptance Model:
Past, Present, Future,"
Communications of the Association for Informatics
System
, pp. 752-780, 2003.
[7] Sugiyono,
Metode Penelitian Kombinasi (Mixed Methods)
. Bandung:
Alfabeta, 2011.
[8] M. Nazir,
Metode Penelitian
. Bogor, Indonesia: Penerbit Ghalia Indonesia,
2011.
[9] S. Arikunto,
Prosedur Penelitian: Suatu Pendekatan Praktik
. Indonesia:
Rineka Cipta, 2010.
[10] C. Barker, N. Pistrang, and R. Elliott,
Research Methods In Clinical
Psychology
. John Wiley & Sons, 2002.
[11] J. W. Creswell,
Research Design; Qualitative, Quantitative, and Mixed
methods Approaches
. Los Angeles: Sage Publications, 2009.
[12] B. Johnson and L. Cristensen,
Educational Research; Quantitative,
Qualitative, and Mixed Approach
. Sage Publications, 2008.
86
UGM, 1986.
[14] R. E. Walpole,
Pengantar Statistika
. Gramedia Pustaka Utama, 1995.
[15] M. Nisfiannor,
Pendekatan Statistika Modern Untuk Ilmu Sosial
. Jakarta,
Indonesia: Salemba Humanika, 2009.
[16] J. B. Grace,
Structural Equation Modelling and Natural Systems
. Cambridge:
Cambridge University Press, 2006.
[17] J. F. ,. B. W. C. ,. B. B. J. ,. A. R. E. ,. T. R. L. Hair,
Multivariate Data
Analysis
, 6th ed. New Jersey: Pearson Education, 2006.
[18] U. Dachlan,
Panduan Lengkap Structural Equation Modelling Tingkat
Dasar
, 1st ed. Penerbit Lentera Ilmu, 2014.
[19] I. Ghozali,
Structural Equation Modelling Konsep dan Aplikasi Dengan
Program AMOS 22
. Badan Penerbit Undip, 2014.
[20] Sudjana,
Metoda Statistika
. Bandung: Penerbit Tarsito, 2005.
[21] H. Sun and P. Zhang, "A New Perspective To Analyze User Technology
Acceptance,"
Working Paper, Syracuse University
, 2003.
[22] K. Mathieson, "Predicting User Intentions: Comparing The Technology
Acceptance Model With The Theory of Planned Behavior,"
Information
Systems Research
, pp. 173-191, 1991.
[23] S. Taylor and P. Todd, "Assessing IT Usage: The Role of Prior Experience,"
MIS Quarterly
, pp. 561-570, 1995.
[24] V. Venkatesh and F. D. Davis, "A Theoretical Extension of The Technology
Acceptance Model: Four Longitudinal Field Studies,"
Management Science
,
pp. 189-204, 2000.
[25] C. Gardner and D. L. Amoroso, "Development of An Instrument to Measure
The Acceptance of Internet Technology by Consumers," in
Hawaii
International Conference on system Sciences
, 2004.
87
[27] R. Agarwal and E. Karahanna, "Time Flies When You Having Fun:
Cognitive Absorption and Beliefs About Information Technology Usage,"
MIS Quarterly
, pp. 665-694, 2000.
[28] M. Igbaria, T. Guimaraes, and G. B. Davis, "Testing The Determinants of
Microcomputer Usage Via A Structural Equation Model,"
Journal of
Management Information Systems
, pp. 87-114, 1995.
[29] T. N. Marlinda, "Analisis Perilaku Pemeriksa Pajak Sebagai Pengguna SIDJP
Dengan Pendekatan TAM Yang Mempengaruhi Kinerja Pemeriksa Pajak
Pada KPP Pratama Bandung," Universitas Komputer Indonesia Skripsi S1,
2011.
[30] P. Legris, J. Ingham, and P. Collerette, "Why Do People Use Information
Technology? A Critical Review of The Technology Acceptence Model,"
Information of Management
, pp. 191-204, 2002.
[31] A.
Ferdinand,
"Structural
Equation
Modelling
Dalam
Penelitian
Manajemen," Universitas Diponegoro Thesis S2, 2000.
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
45Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
ANALISIS PENERIMAAN PENGGUNA ABC DI PQR PT. XYZ
DENGAN PENDEKATAN TECHNOLOGY ACCEPTANCE MODEL
(TAM)
Fridho Kesuma Pratama
Universitas Komputer Indonesia
Jl. Dipati Ukur No. 112-114-116, Bandung 40132 - Indonesia
E-mail : fridhopratama@gmail.com
ABSTRAK
PQR pada PT. XYZ memanfaatkan sistem informasi untuk mengendalikan rencana proyek beserta implementasinya.ABC adalah aplikasi web online mengelola program kerja ataupun proyek.
Berdasarkan wawancara yang dilakukan peneliti di PQR kepada salah seorang Supervisor disana terdapat penyimpangan yaitu tidak semua pengguna memanfaatkan fungsi ABC secara penuh. Untuk mengukur penggunaan ABC maka dilakukan angket terhadap 125 orang responden diperoleh hasil sebanyak 25 orang Manager dan 63 orang Officer menggunakan ABC. Berdasarkan hasil wawancara dan hasil angket tersebut maka terdapat masalah pada penerimaan pengguna sehingga perlu untuk diteliti lebih lanjut.
Analisis dilakukan menggunakan pendekatan Technology Acceptance Model (TAM) yang menjelaskan penerimaan pengguna dengan Structural Equation Modelling (SEM) dalam teknik statistiknya. Hasil uji kecocokan model dalam SEM menunjukkan bahwa model tidak cocok (unfit). Artinya model TAM yang diajukan kurang tepat untuk menjelaskan penerimaan pengguna ABC di PT. XYZ.
Kata kunci : Sistem Informasi, ABC, Penerimaan Pengguna, TAM, SEM.
1.
PENDAHULUAN
Perkembangan Teknologi Informasi yang sangat pesat memberikan tantangan tersendiri bagi perusahaan. Kemampuan perusahaan untuk bersaing di pasar adalah penting bagi kelangsungan hidup perusahaan itu sendiri.
PT. XYZ merupakan perusahaan di Indonesia yang bergerak di bidang teknologi komunikasi dan informasi. PQR pada PT. XYZ memanfaatkan sistem informasi untuk mengendalikan rencana proyek beserta implementasinya. Pada awalnya PT. XYZ mengimplementasikan metode JKL untuk mengendalikan rencana proyek yang dibangun pada tahun 2005.
ABC adalah aplikasi web online manajemen logistik yang memberikan solusi kepada unit kerja
dimanapun mereka berada dalam mengelola program kerja, proyek maupun aktivitas lainnya secara detil, sederhana dan mudah. ABC dibangun dengan tujuan untuk menggantikan JKL sebagai sistem informasi manajemen proyek.
PQR mengadaptasi ABC secara bertahap. Dengan adanya sebuah transformasi sistem informasi maka tentu melahirkan sikap penerimaan atau penolakan dari pengguna dalam proses penggunaannya. Menurut data daftar karyawan pada tahun 2015, PQR memiliki 182 orang yang tersebar di berbagai posisi yang terdiri dari 1 orang Executive General Manager (EGM), 2 orang Deputy EGM, 9 orang Senior Manager (SM), 43 orang Manager, dan posisi Officer sebanyak 127 orang.Tiap Manager membawahi sebanyak 2-4 orang Officer. Pengguna dari ABC sendiri yaitu Manager yang bertugas untuk mengontrol rencana kegiatan dan Officer sebagai pelaksana dari kegiatan tersebut.
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
46Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
tersebut maka terdapat masalah pada penerimaan pengguna sehingga perlu untuk diteliti lebih lanjut.
Model evaluasi yang digunakan untuk mengukur penerimaan sebuah sistem informasi yang digunakan oleh sebuah organisasi adalah Technology Acceptance Model (TAM). TAM diperkenalkan pertama kali oleh Fred Davis pada tahun 1986. Dalam perkembangan TAM, tingkat penerimaan teknologi informasi ditentukan oleh lima faktor yaitu persepsi kegunaan, persepsi kemudahan, sikap penggunaan, niat perilaku, dan pemakaian aktual.
Berdasarkan permasalahan dan teori yang telah diuraikan diatas peneliti bermaksud untuk melakukan penelitian lebih lanjut tentang penerimaan sistem informasi ABC terhadap penggunanya di PQR PT. XYZ menggunakan Technology Acceptance Model (TAM).
Tujuan yang ingin dicapai dari penelitian ini adalah:
1.Mengetahui faktor-faktor yang mempengaruhi penerimaan pengguna dalam menggunakan ABC menggunakan pendekatan Technology Acceptance Model (TAM).
2.Mengetahui hubungan faktor-faktor yang mempengaruhi penerimaan pengguna ABC.
3.Memberikan usulan atau rekomendasi untuk meningkatkan kualitas dan penerimaan pengguna untuk diterapkan pada aplikasi ABC selanjutnya.
2.
ISI PENELITIAN
Untuk menjelaskan interaksi individual-individual dengan sistem informasi diperlukan teori-teori dan model-model. Teori dan model dari sistem informasi keperilakuan dibahas di penelitian ini adalah sebagai berikut:
2.1 Technology Acceptance Model
Salah satu teori tentang penggunaan sistem teknologi informasi yang dianggap sangat berpengaruh dan umumnya digunakan untuk menjelaskan penerimaan individual terhadap penggunaan sistem teknologi informasi adalah model penerimaan teknologi (Technology Acceptance Model/TAM). TAM adalah suatu model yang dikembangkan untuk mempelajari penerimaan dari suatu tekonologi. Teori ini pertama kali dikenalkan oleh Davis1. Teori ini dikembangkan dari Theory of Reasoned Action atau TRA oleh Ajzen dan Fishbein2.
TAM menambahkan dua konstruk utama kedalam model TRA, yaitu persepsi kegunaan (perceived usefulness) dan persepsi kemudahan (perceived ease of use). TAM beragumentasi penerimaan individual terhadap sistem teknologi informasi ditentukan oleh dua konstruk tersebut.
Dalam perkembangannya, para peneliti
mengembangkan model TAM dengan
menambahkan beberapa variabel eksternal yang menerangkan lebih lanjut dari persepsi kegunaan
dan persepsi kemudahan. Model dari TAM dapat dilihat pada gambar 1.
Gambar 1. Model TAM
Technology Acceptance Model (TAM) menggunakan lima konstruk utama. Kelima konstruk ini adalah sebagai berikut:
1.Persepsi kegunaan (perceived usefulness/PU) 2.Persepsi kemudahan (perceived ease of use/ PEOU)
3.Sikap penggunaan (attitude toward usage/ATU) 4.Niat perilaku (behavioral intention/BI)
5.Penggunaan aktual (actual usage/AU) 6.Variabel eksternal (external variable)
2.2 Structural Equation Modelling
Menurut Grace3, SEM adalah penggunaan dua atau lebih persamaan struktural untuk memodelkan relasi multivariat. Sedangkan menurut Hair et al. 4 SEM adakah teknik multivariat yang mengkombinasikan aspek-aspek regresi berganda (pengujian relasi dependensi), dan analisis faktor (perepresentasian konsep yang tak terukur dari sejumlah besar variabel), untuk mengestimasi secara serentak sederetan relasi dependensi yang saling terkait.
Dapat disimpulkan bahwa SEM adalah teknik analisis multivariat yang digunakan untuk menguji teori mengenai sekumpulan relasi antar sejumlah variabel.
Perbedaan utama antara SEM dengan teknik analisis multivariat lainnya adalah, SEM memungkinkan peneliti untuk menjawab pertanyaan penelitian yang saling terkait dalam sebuah analisis tunggal, sistematis, dan komprehensif. SEM dapat digunakan untuk menggambarkan keterkaitan hubungan linear secara simultan antara variabel pengamatan (indikator) dan variabel yang tidak dapat di ukur secara langsung (variabel laten). Variabel laten merupakan variabel tak teramati (unobserved) atau tak dapat diukur (unmeasured) secara langsung. Terdapat dua tipe variabel laten dalam SEM yaitu endogen dan eksogen. Variabel laten endogen adalah variabel laten yang minimal pernah menjadi variabel tak bebas dalam satu persamaan, meskipun dalam persamaan lain (di dalam model tersebut) menjadi variabel bebas. Variabel laten eksogen adalah variabel laten yang berperan sebagai variabel bebas dalam model.
2.3 Kerangka Pemikiran
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
47 [image:16.595.70.291.96.194.2]Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
Gambar 2. Kerangka Pemikiran
2.4 Hipotesis Penelitian
[image:16.595.65.291.264.605.2]Adapun hipotesis penelitian dalam penelitian ini dapat dilihat pada tabel 1:
Tabel 1. Hipotesis Penelitian Hipotesis Bunyi Hipotesis
H1 Pengalaman mempunyai hubungan positif dengan persepsi kegunaan dalam penggunaan ABC.
H2 Persepsi kemudahan mempunyai hubungan positif dengan persepsi kegunaan dalam penggunaan ABC. H3 Persepsi kegunaan mempunyai
hubungan positif dengan sikap penggunaan dalam penggunaan ABC. H4 Persepsi kemudahan mempunyai
hubungan positif dengan sikap penggunaan dalam penggunaan ABC. H5 Persepsi kegunaan mempunyai
hubungan positif dengan niat perilaku dalam penggunaan ABC.
H6 Sikap penggunaan mempunyai hubungan positif dengan niat perilaku dalam penggunaan ABC.
H7 Kesukarelaan mempunyai hubungan positif dengan niat perilaku dalam penggunaan ABC.
H8 Persepsi kegunaan mempunyai hubungan positif dengan penggunaan aktual dalam penggunaan ABC. H9 Niat perilaku mempunyai hubungan
positif dengan penggunaan aktual dalam penggunaan ABC.
2.5 Indikator Penelitian
[image:16.595.65.284.661.765.2]Adapun indikator penelitian dalam penelitian ini dapat dilihat pada tabel 2:
Tabel 2. Indikator Penelitian
Variabel Indikator
Persepsi Kegunaan
1.Menggunakan ABC dapat membantu saya untuk mengerjakan pekerjaan lebih cepat (PU1). 2.Menggunakan ABC dapat meningkatkan performa kerja saya (PU2).
3.Menggunakan ABC dapat
meningkatkan produktifitas saya (PU3).
4.Menggunakan ABC bermanfaat dalam pekerjaan saya (PU4). Persepsi
Kemudahan
1.Mempelajari ABC mudah bagi saya (PEOU1).
2.Menggunakan ABC mudah bagi saya (PEOU2).
3.Menggunakan ABC membuat pekerjaan saya mudah (PEOU3). 4.Interaksi dengan ABC jelas dan dapat dimengerti (PEOU4). 5.Interaksi dengan ABC fleksibel (PEOU5).
6.Menguasai ABC mudah bagi saya (PEOU6).
Sikap Penggunaan
1.Saya menyukai penggunaan sistem informasi (ATU1). 2.Saya merasa tidak bosan dalam menggunakan sistem informasi (ATU2).
3.Menggunakan ABC merupakan cara yang baik untuk membantu pekerjaan saya (ATU3).
Niat Perilaku 1.Saya selalu menggunakan ABC dalam pekerjaan saya (BI1). 2.Saya akan tetap menggunakan ABC di masa mendatang (BI2). 3.Saya berharap penggunaan ABC tetap ada di masa mendatang (BI3). Penggunaan
Aktual
1.Saya menggunakan ABC hampir setiap hari (AU1).
2.Saya menggunakan ABC selama minimal 20 menit setiap kali mengaksesnya (AU2).
3.Secara keseluruhan, saya merasa puas dengan aplikasi ABC (AU3). Kesukarelaan 1.Saya menggunakan ABC atas
dasar sukarela (V1). 2.Saya tidak diwajibkan menggunakan ABC (V2). 3.Meskipun ABC dapat
meningkatkan efektifitas kerja, saya tidak diharuskan menggunakannya (V3).
Pengalaman 1.Saya mempunyai pengalaman yang cukup dalam menggunakan ABC (EX1).
2.Pengalaman menggunakan ABC yang saya miliki membantu saya dalam pekerjaan (EX2).
3.Sebelum menggunakan ABC, saya memiliki pengalaman menggunakan aplikasi sejenis (EX3)
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
48Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
2.6 Identifikasi Populasi & Sampel
Populasi dalam penelitian ini adalah karyawan PQR di PT. XYZ yang menggunakan aplikasi ABC yaitu karyawan yang posisinya sebagai officer dan manager sebanyak 170 orang. Pengambilan sampel dilakukan dengan teknik proportionate stratified random sampling yaitu metode pengambilan sampel secara proporsional.
Pengambilan sampel dalam penelitian ini dilakukan menggunakan beberapa pertimbangan tertentu. Menurut Ferdinand5, untuk model SEM ukuran sampel yang sesuai adalah antara 100-200. Pedoman ukuran sampel tergantung pada jumlah indikator minimal dikali 5 sampai dengan dikali 10. Maka jumlah sampel yang diambil dalam penelitian ini adalah:
Jumlah sampel = Jumlah Indikator x 5 = 25 x 5 = 125
Masing-masing sampel untuk tiap posisi karyawan harus proporsional sesuai populasi. Untuk menentukan jumlah masing-masing sampel dilakukan perhitungan sebagai berikut:
Posisi manager: 43/170 × 125 = 31,62 ditetapkan sampel sebanyak 32 orang.
Posisi officer: 127/170 × 125 = 93,38 ditetapkan sampel sebanyak 93 orang.
2.7 Uji Instrumen
[image:17.595.304.533.72.246.2]Pengujian yang dilakukan dalam uji instrumen yaitu uji validitas instrumen dan uji reliabilitas instrumen.
Tabel 3. Uji Validitas Instrumen
Instrumen Koefisien Korelasi Validitas
1 0,898 Diterima
2 0,837 Diterima
3 0,832 Diterima
4 0,747 Diterima
5 0,798 Diterima
6 0,855 Diterima
7 0,701 Diterima
8 0,854 Diterima
9 0,818 Diterima
10 0,814 Diterima
11 0,898 Diterima
12 0,866 Diterima
13 0.850 Diterima
14 0,821 Diterima
15 0,918 Diterima
16 0,910 Diterima
17 0,810 Diterima
18 0,845 Diterima
19 0,866 Diterima
20 0,750 Diterima
21 0,881 Diterima
22 0,809 Diterima
23 0,916 Diterima
24 0,913 Diterima
25 0.877 Diterima
Tabel 4. Uji Reliabilitas Instrumen Instrumen Indeks Reliabilitas Reliabilitas
1-4 0,849 Diterima
5-10 0,828 Diterima
11-13 0,821 Diterima
14-16 0,884 Diterima
17-19 0,824 Diterima
20-22 0,742 Diterima
23-25 0,852 Diterima
2.8 Diagram Jalur
[image:17.595.312.525.301.446.2]Adapun diagram jalur dalam penelitian ini dapat dilihat pada gambar 3:
Gambar 3. Diagram Jalur Penelitian
2.9 Analisis Model Pengukuran SEM
Langkah-langkah yang dilakukan dalam analisis ini adalah:
1.Mengevaluasi validitas dan reliabilitas konstruk. 2.Mengidentifikasi model apakah terdapat estimasi yang tidak logis.
3.Menguji normalitas data.
4.Melakukan cara-cara perbaikan apabila data tidak normal.
5.Menguji kecocokan model.
6.Menguji hipotesis dan interpretasinya.
2.10 Validitas & Reliabilitas Konstruk
Rekapitulasi hasil evaluasi validitas dan reliabilitas konstruk dapat dilihat pada tabel 5 berikut.
Tabel 5. Evaluasi Validitas & Reliabilitas Konstruk
Variabel Manifes Standardized Loading Construct Reliability
PU1 0,866
0,842
PU2 0,776
[image:17.595.64.292.486.767.2]Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
49Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
PU4 0,595
PEOU1 0,717
0,888 PEOU2 0,785
PEOU3 0,651 PEOU4 0,808 PEOU5 0,785 PEOU6 0,776
ATU1 0,804
0,832
ATU2 0,801
ATU3 0,763
BI1 0,650
0,873
BI2 0,926
BI3 0,906
AU1 0,635
0,785
AU2 0,768
AU3 0,814
V1 0,503
0,756
V2 0,929
V3 0,673
EX1 0,912
0,880
EX2 0,821
EX3 0,792
Melalui tabel diatas dapat diketahui bahwa semua nilai muatan faktor standarnya lebih besar dari 0,50. Dengan demikian dapat disimpulkan bahwa validitas variabel-variabel manifes terhadap variabel latennya yang lebih besar dari 0,50 adalah baik. Hasil perhitungan reliabilitas menunjukkan bahwa semua nilai construct reliability lebih besar dari 0,70. Seluruh variabel manifes memiliki validitas & reliabilitas konstruk yang baik sehingga validitas & reliabilitasnya diterima.
2.11 Identifikasi Model Struktural
[image:18.595.95.257.82.435.2]Setelah dilakukan evaluasi validitas dan reliabilitas konstruk maka langkah selanjutnya adalah melakukan indentifikasi model struktural. Selama proses estimasi berlangsung dengan program komputer, sering didapat hasil estimasi yang tidak logis atau meaningless dan hal ini berkaitan dengan masalah identifikasi model struktural. Masalah identifikasi ini adalah ketidakmampuan model yang diajukan untuk menghasilkan estimasi yang unik. Cara melihat ada tidaknya masalah identifikasi adalah dengan melihat nilai standar error dari koefisien dan nilai error dari varians. Tabel-tabel di bawah ini menunjukkan bahwa tidak adanya masalah identifikasi model pada penelitian ini.
Tabel 6. Nilai Standar Error
SE Persepsi_Kegunaan <--- Pengalaman ,085 Persepsi_Kegunaan <--- Persepsi_Kemudahan ,114 Sikap_Penggunaan <--- Persepsi_Kemudahan ,139 Sikap_Penggunaan <--- Persepsi_Kegunaan ,100 Niat_Perilaku <--- Sikap_Penggunaan ,124 Niat_Perilaku <--- Persepsi_Kegunaan ,094 Niat_Perilaku <--- Kesukarelaan ,134 Penggunaan_Aktual <--- Niat_Perilaku ,105
Penggunaan_Aktual <--- Persepsi_Kegunaan ,109
EX3 <--- Pengalaman
EX2 <--- Pengalaman ,129
EX1 <--- Pengalaman ,112
PUI1 <--- Persepsi_Kegunaan
PUI2 <--- Persepsi_Kegunaan ,084
PUI3 <--- Persepsi_Kegunaan ,088
PUI4 <--- Persepsi_Kegunaan ,092
PEOU6 <--- Persepsi_Kemudahan PEOU5 <--- Persepsi_Kemudahan ,110
PEOU4 <--- Persepsi_Kemudahan ,108 PEOU3 <--- Persepsi_Kemudahan ,103
PEOU2 <--- Persepsi_Kemudahan ,109 PEOU1 <--- Persepsi_Kemudahan ,117
ATU3 <--- Sikap_Penggunaan
ATU2 <--- Sikap_Penggunaan ,143 ATU1 <--- Sikap_Penggunaan ,141
BI3 <--- Niat_Perilaku
BI2 <--- Niat_Perilaku ,069
BI1 <--- Niat_Perilaku ,089
AU3 <--- Penggunaan_Aktual
AU2 <--- Penggunaan_Aktual ,111
AU1 <--- Penggunaan_Aktual ,132
V1 <--- Kesukarelaan
V2 <--- Kesukarelaan ,477
V3 <--- Kesukarelaan ,249
Dengan melihat tabel 6 dapat diketahui bahwa nilai standar error yang merata, dimana nilai standar error yang merata ini merupakan cara yang pertama untuk menilai ada tidaknya masalah identifikasi.
[image:18.595.298.530.88.673.2]Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
50Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
SE
Pengalaman ,149
Persepsi_Kemudahan ,141 Kesukarelaan ,089
e26 ,089
e27 ,056
e28 ,064
e29 ,072
e1 ,074
e2 ,107
e3 ,068
e4 ,063
e5 ,068
e6 ,074
e7 ,096
e8 ,069
e9 ,068
e10 ,062
e11 ,076
e12 ,067
e13 ,088
e14 ,070
e15 ,094
e16 ,091
e17 ,042
e18 ,041
e19 ,087
e20 ,080
e21 ,086
e22 ,143
e23 ,098
e24 ,178
e25 ,089
Cara kedua untuk menilai ada tidaknya offending estimates yaitu dengan melihat nilai varians error. Nilai varians error untuk seluruh variabel manifespada tabel 7 tidak bernilai negatif, dimana menunjukkan bahwa tidak terjadi masalah identifikasi.
2.12 Normalitas Data
Setelah dilakukan identifikasi model struktural, langkah selanjutnya adalah melakukan uji normalitas data. Pengujian normalitas dilakukan dengan menggunakan nilai C.R. skewness dan kurtosis dari data output SEM yang diolah menggunakan aplikasi AMOS. Skewness mengukur kemiringan suatu distribusi jika dilihat dalam kurva, sedangkan kurtosis mengukur kelancipan suatu distribusi jika dilihat dalam kurva. Pengujian ini menggunakan
nilai kritis C.R. berdasarkan tingkat signifikansi α
sebesar 1% maka harga kritis statistik pada z tabel sebesar 2,58. Berdasarkan diagram model penelitian
[image:19.595.109.236.84.520.2] [image:19.595.323.511.129.487.2]diatas, hasil uji normalitas data dapat dilihat pada tabel 8 berikut.
Tabel 8. Hasil Uji Normalitas Variable skew c.r. kurtosis c.r.
V3 -2,730 -,754
V2 -,764 -1,782
V1 1,785 -2,056
AU1 ,777 -2,474
AU2 -1,415 -1,843
AU3 -,259 -2,409
BI1 -,211 -2,355
BI2 -,219 -1,868
BI3 -,826 -2,221
ATU1 -1,344 -2,491
ATU2 1,871 -2,311
ATU3 1,010 -1,357
PEOU1 ,287 -2,645
PEOU2 1,163 -2,373
PEOU3 -1,205 -3,204
PEOU4 -,232 -2,763
PEOU5 -,843 -2,281
PEOU6 -,049 -2,658
PU4 -1,548 -2,513
PU3 -,692 -2,271
PU2 -1,440 -3,079
PU1 -,783 -2,824
EX1 -1,782 -1,447
EX2 1,250 -2,681
EX3 1,077 -1,753
Multivariate 9,775
Hasil dari uji normalitas yang ditunjukkan oleh tabel 8 diperoleh satu variabel yaitu variabel V3 yang tidak normal dikarenakan variabel tersebut memiliki nilai C.R. skewness lebih dari 2,58. Sedangkan untuk analisis normalitas multivariat diperoleh hasil C.R. kurtosis sebesar 9,775. Nilai ini lebih besar dari nilai kritis z tabel 2,58. Oleh karena itu asumsi normalitas multivariat tidak terpenuhi. Untuk mengatasi data yang tidak normal maka digunakan teknik resampling.
2.13 Bootstrapping
Apabila data yang ada tidak berasumsi normal, maka ada beberapa cara yang dapat dilakukan salah satunya adalah resampling. Teknik resampling yang digunakan adalah metode bootstrap. Bootstrap merupakan prosedur resampling dimana sampel asli diperlakukan sebagai populasi.
Tabel 9. Hasil Bootstrap
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
51Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
1157,732 |* 1200,273 | 1242,814 |****** 1285,356 |******** 1327,897 |************* 1370,438 |************** 1412,980 |***************** N = 300 1455,521 |***************
Mean =
1423,157 1498,062 |*********** S. e. = 6,191 1540,604 |********
[image:20.595.63.292.72.307.2] [image:20.595.322.513.355.443.2] [image:20.595.301.526.551.762.2]1583,145 |****** 1625,686 |** 1668,228 |** 1710,769 |* 1753,310 |*
|---
Setelah melakukan bootstrap diestimasi sampel sebanyak 300 sampel dari sampel awal sebanyak 125 sampel. Setelah diestimasi sebanyak 300 sampel maka dapat dilihat histogram distribusi frekuensi dari chi-kuadrat pada kolom paling kanan. Distribusi frekuensi chi-kuadrat menunjukkan bahwa distribusi mendekati distribusi normal.
2.14 Uji Kecocokan Model
Setelah melakukan pengecekan masalah identifikasi model dan asumsi normalitas maka baru bisa dilakukan uji kecocokan model. Uji kecocokan ini ditujukan untuk mengevaluasi secara umum derajat kecocokan atau Goodness of Fit (GOF) antara data dengan model.
Tabel 10. Hasil Pengujian GOF
Indeks GOF Hasil Penilaian GOF Chi-square 1080,557 Kurang baik
p-value 0,000* Kurang baik
GFI 0,599 Kurang baik
AGFI 0,510 Kurang baik
RMR 0,237 Baik
SRMR 0,1972 Kurang Baik
RMSEA 0,157 Kurang baik
CMIN/DF 4,062 Baik
ECVI
D*= 9,666 S*= 5,242 I*= 22,685
Kurang baik
TLI 0,627 Kurang baik
NFI 0,609 Kurang baik
RFI 0,559 Kurang baik
CFI 0,669 Kurang baik
PCFI
D*= 0,593 S* = 0,000 I* = 0,000
Kurang baik
PNFI D* =0 ,540
S* = 0,000 Kurang baik
I* = 0,000
AIC D*= 1198,557 S*= 650,000 I*= 2812,916 Kurang baik CAIC D*= 1424,427 S*= 1894,202 I*= 2908,624 Baik
Terdapat beberapa pendapat mengenai indeks mana saja yang dapat menjadi acuan untuk mengetahui apakah sebuah model tersebut fit. Kline6 berpendapat bahwa indeks-indeks yang digunakan untuk mengevaluasi fit model adalah chi-square, RMSEA, CFI, dan SRMR dengan kategori baik. Maka dari pendapat Kline tersebut diketahui bahwa nilai chi-square, RMSEA, CFI, dan SRMR termasuk dalam kategori kurang baik dan disimpulkan bahwa model yang diajukan belum fit. Karena hasil uji yang menunjukkan ketidakcocokam model dengan data maka langkah yang dapat diambil adalah melakukan perbaikan model dengan melihat saran modifikasi yang dihasilkan oleh AMOS.
Tabel 11. Saran Modifikasi
M.I. Par
Change e14 <--> e16 6,277 ,131
e12 <--> e13 51,088 ,378
e9 <--> e10 17,685 ,186
Dari hasil saran tersebut ada 3 modifikasi yang dilakukan yaitu mengkorelasikan error14 dengan error16, error12 dengan error13, dan error9 dengan error10 yang ada dalam satu variabel laten. Setelah modifikasi dilakukan terdapat perubahan pada nilai fit index sebagaimana ditunjukkan pada tabel 12 berikut.
Tabel 12. Hasil Pengujian GOF Modifikasi Indeks GOF Hasil Penilaian GOF
Chi-square 994,921 Kurang baik p-value 0,000* Kurang baik
GFI 0,616 Kurang baik
AGFI 0,525 Kurang baik
RMR 0,237 Baik
SRMR 0,1972 Kurang Baik
RMSEA 0,150 Kurang baik
CMIN/DF 3,783 Baik
ECVI
D*= 9,024 S*= 5,242 I*= 22,685
Kurang baik
TLI 0,661 Kurang baik
NFI 0,640 Kurang baik
RFI 0,589 Kurang baik
CFI 0,703 Kurang baik
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
52Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
S* = 0,000 I* = 0,000
PNFI
D* =0 ,561 S* = 0,000 I* = 0,000
Kurang baik AIC D*= 1118,921 S*= 650,000 I*= 2812,916 Kurang baik CAIC D*= 1356,276 S*= 1894,202 I*= 2908,624 Baik
Hasil perbaikan model yang dilakukan menunjukkan terdapat beberapa perubahan pada indeks GOF. Namun secara keseluruhan indeks GOF yang dihasilkan mayoritas masih kurang baik. Karena hasil uji kecocokan model tidak lolos maka langkah berikutnya dalam analisis SEM tidak dapat dilakukan. Selanjutnya akan ditampilkan hasil keluaran atau output dari program AMOS yang digunakan.
[image:21.595.69.284.343.560.2]2.15 Hasil Diagram Keluaran AMOS
Gambar 4. Hasil Keluaran AMOS
Pada diagram terdapat garis panah dari satu variabel laten ke variabel laten lainnya. Garis panah ini menunjukkan suatu hubungan atau pengaruh variabel tersebut. Pada variabel pengalaman mempunyai pengaruh positif sebesar 0,10 terhadap variabel persepsi kegunaan. Artinya apabila variabel pengalaman meningkat maka variabel persepsi kegunaan akan ikut meningkat. Hal ini berlaku untuk semua variabel laten lain. Pada kasus variabel persepsi kegunaan terhadap sikap penggunaan memiliki pengaruh negatif sebesar -0,24. Artinya kebalikan dari pengaruh positif maka apabila variabel persepsi kegunaan meningkat maka variabel persepsi sikap penggunaan akan turun. Nilai yang terdapat pada panah tersebut menunjukkan seberapa besar pengaruhnya.
3.
PENUTUP
Berdasarkan analisis dan hasil penelitian maka dapat ditarik kesimpulan bahwa:
1.Berdasarkan uji kecocokan model yang dilakukan ternyata hasil yang diperoleh kurang baik. Uji kecocokan model merupakan pengujian yang dilakukan untuk mengetahui seberapa cocok data penelitian dengan model yang diajukan. Artinya model penelitian TAM yang diajukan kurang tepat untuk diterapkan dalam menganalisis penerimaan pengguna ABC di PT. XYZ.
2.Karena model penelitian yang tidak cocok dengan data penelitian maka penarikan hipotesis tidak bisa dilakukan sebab hasil dari hipotesis tersebut tidak dapat merefleksikan keadaaan penerimaan pengguna disana secara nyata terhadap populasi penelitian. 3.Faktor-faktor yang mempengaruhi penerimaan pengguna ABC di PT. XYZ dan hubungan antar faktor-faktor tersebut tidak dapat diketahui karena penarikan hipotesis tidak dapat dilakukan.
4.Peneliti tidak dapat memberikan rekomendasi untuk pengembangan sistem selanjutnya karena untuk memberikan rekomendasi yang tepat harus dilihat dari hasil keputusan hipotesis penelitian.
Setelah melakukan penelitian ini maka peneliti mempunyai beberapa saran yang dapat dipertimbangkan dalam melakukan penelitian lebih lanjut kedepannya, yaitu:
1.Dalam penelitian selanjutnya disarankan mengkaji kembali teori-teori penerimaan pengguna yang ada untuk menggunakan model yang lebih baik lagi atau mengganti model analisis penerimaan dengan model lain seperti model Theory of Planned Behavior (TPB), Theory of Reasoned Action (TRA), dan sebagainya.
2.Menggunakan ukuran sampel yang lebih banyak untuk mendapatkan hasil penelitian yang lebih akurat.
3.Mengkaji kembali indikator penelitian yang digunakan untuk dapat merepresentasikan variabel penelitian secara lebih jelas.
4.Mengkaji kembali instrumen-instrumen yang digunakan dalam penelitian agar subjek penelitian yaitu karyawan PT. XYZ memahami lebih baik lagi instrumen yang digunakan sebagai pertanyaan dalam kuesioner penelitian.
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA)
53Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
DAFTAR PUSTAKA
[1] F. Davis, "Perceived Usefulness, Perceived Ease of Use, And User Acceptance of Information Technology," MIS Quarterly, vol. 13, no. 3, pp. 319-340, Sep. 1989.
[2] I. Ajzen and M. Fishbein, "Understanding Attitudes and Predicting Social Behavior," NJ: Prentice Hall, 1980.
[3] J. B. Grace, Structural Equation Modelling and Natural Systems. Cambridge: Cambridge University Press, 2006.
[4] J. F. ,. B. W. C. ,. B. B. J. ,. A. R. E. ,. T. R. L. Hair, Multivariate Data Analysis, 6th ed. New Jersey: Pearson Education, 2006.
[5] A. Ferdinand, "Structural Equation Modelling Dalam Penelitian Manajemen," Universitas Diponegoro Thesis S2, 2000.