BAB 4
ANALISIS DATA
4.1 Analisis Data
Pada tahap analisis data, penelitian ini melakukan dua metode analisis yaitu analisis
Structural Equation Modelling (SEM) untuk menentukan faktor apa saja yang mempengaruhi kesiapan KM pada PTS dan selanjutnya penilaian kesiapan PTS dengan menggunakan metode
ROA. Structural Equation Modelling (SEM) dapat memodelkan secara kuantitatif interaksi dan
kontribusi antara variabel dan menguji hipotesis -hipotesis dari teori yang bersifat kualitatif
melalui data kuantitatif, termasuk mengukur nilai kesalahan (error), signifikansi dan besaran
regresi dari masing-masing interaksi di dalam sebuah model (Latan dan Ghazali, 2012). Structural
Equation Modelling (SEM) secara esensial merupakan suatu metode yang mampu melakukan
analisis jalur (path analysis) dengan variabel laten (Chin 1998).
Teknik analisis ini merupakan gabungan dari dua metodologi disiplin ilmu yaitu perspektif
ekonometrika yang fokus pada prediksi dan psykometrika yang mampu menggambarkan konsep
model dengan variabel laten (Latan dan Ghazali, 2012). Menurut Latan dan Ghozali (2012),
tahapan analisis pada PLS-SEM setidaknya harus melalui lima proses tahapan dimana setiap
tahapan akan berpengaruh terhadap tahapan selanjutnya. Tahapan analisis PLS-SEM dijelaskan
sebagai berikut:
1. Konseptualisasi Model
Pada tahap ini dilakukan pengembangan dan pengukuran konstruk, dengan langkah-langkah
yaitu spesifikasi domain konstruk, menentukan item yang merepresentasikan konstruk,
mengumpulkan data untuk uji pre-test, melakukan purifikasi konstruk, mengumpulkan data
baru, uji reliabilitas, uji validitas, dan menentukan skor pengukuran konstruk.
2. Menentukan Metode Analisis Algoritma
Setelah tahap pertama, melakukan konseptualisasi model, maka tahap berikutnya adalah
centroid, dan path weighting. Langkah berikutnya adalah menentukan jumlah sampel
yang harus dipenuhi. Jumlah sampel yang direkomendasikan antara 30 sampai 100 kasus.
3. Menentukan Metode Resampling
Metode resampling merupakan metode menggandakan data yang digunakan untuk
melihat signifikansi data. Terdapat dua metode resampling yang digunakan, yaitu
bootstrapping dan jackkniffing. Metode jackkniffing hanya menggunakan subsampel dari sampel asli yang dikelompokkan dalam grup untuk melakukan resampling kembali. Metode bootstrapping menggunakan seluruh sampel asli yang untuk melakukan resampling kembali.
4. Menggambar Diagram Jalur
Pada tahap ini dilakukan proses menggambar diagram jalur dari model yang akan
diestimasi. Diagram jalur merupakan representasi model ke dalam bentuk susunan
variabel yang dapat dipahami oleh PLS-SEM.
5. Evaluasi Model
Pada tahap ini dilakukan evaluasi model. Dengan menggunakan software Smart PLS 2.0
M3, evaluasi model dilakukan dengan dua tahap, yaitu: mengevaluasi model pengukuran
atau outer model yaitu melalui analisis faktor konfirmatori atau confirmatory factor
analysis (CFA) dan mengevaluasi model struktural atau inner model yaitu uji signifikansi
untuk menguji pengaruh antar variabel atau konstruk (Latan, H., dan Ghozali, 2012).
4.2 Instrumen Penelitian
Pengertian Instrumen Penelitian
Setelah model penelitian dibangun dan ditentukan indikator-indikator penelitian, langkah
berikutnya adalah menyusun instrumen penelitian. Instrumen penelitian yang digunakan berupa
Tabel 4.1 Pernyataan Kuisioner pada Instrumen Penelitian
Organizational Culture
No Pernyataan Sumber
1. Saya merasakan adanya sikap saling percaya untuk berbagi data, informasi, dan pengetahuan antara pegawai/dosen
(Choi, Lee and Choi, 2002) 2. Saya percaya rekan kerja di universitas ini memiliki pengetahuan dan
kompetensi pada bidang mereka masing-masing
3. Saya merasa senang jika bisa berbagi pengetahuan (Knowledge
Sharing) dan skill dengan pegawai/dosen lain dengan berbagai cara
4. Pimpinan selalu mendukung proses terciptanya pengetahuan dan berbagi pengetahuan di lingkungan universitas
5.
Pimpinan memberikan bantuan dan sumber daya yang diperlukan pada proses terciptanya pengetahuan dan berbagi pengetahuan di lingkungan universitas
Organizational Structure
No Pernyataan Sumber
6. Pertimbangan dari pimpinan menjadi pertimbangan utama dalam pengambilan keputusan di unit saya bekerja
(Choi, Lee and Choi, 2002) 7. Saya memahami penjelasan struktur organisasi, tugas, dan tanggung
jawab dari setiap anggota organisasi dengan mudah
8.
Saya memahami penjelasan struktur organisasi, tugas, dan tanggung jawab dari setiap anggota organisasi dengan mudah
Saya mematuhi peraturan yang mengikat dalam setiap pekerjaan saya
9. Pimpinan membantu Saya menyelesaikan masalah pekerjaan berdasarkan pengalamannya.
10.
Saya mendapatkan reward/promosi/pendapatan yang lebih tinggi atas keterlibatan saya pada proses terbentuknya pengetahuan dan berbagi pengetahuan / sharing Knowledge
IT Infrastructure
11. Saya mendapat dukungan layanan teknologi informasi untuk saling berkomunikasi antara antar dosen dan pegawai
(Choi, Lee and Choi, 2002) 12.
Saya dapat berkomunikasi antar sesama pegawai/dosen melalui portal, forum, atau grup khusus untuk para pegawai/dosen yang disediakan oleh universitas
13. Saya dapat melakukan pencarian dan pengaksesan terhadap informasi dan pengetahuan yang diperlukan dengan mudah
14. Saya memanfaatkan Teknologi Informasi sebagai sarana untuk mempublikasikan jurnal maupun melalui jaringan sosial dan lain-lain
Saya dapat membuat SAP, dan Silabus sendiri untuk mata kuliah yang akan saya ajarkan di awal semester sebagai pedoman dan persiapan dalam mengajar
17. Saya membuat silabus materi mata kuliah yang saya ajarkan sendiri tanpa bantuan orang lain
18. Saya memahami cara membuat modul pembelajaran untuk mata kuliah yang saya ajarkan. 20. Saya sering berbagi pengetahuan bersama teman saat istirahat makan
siang
23. Saya ingin terlibat dalam pengumpulan informasi, pengetahuan dan pengalaman dari pihak lain di lingkungan universitas
(Jalaldeen, Shahriza Abdul Karim and Mohamed, 2009) 24. Saya ingin menemukan strategi dan peluang baru di lingkungan universitas
25. Saya ingin terlibat dalam dialog kreatif ataupun diskusi dengan rekan kerja
26. Saya ingin memikirkan mengenai formulasi strategi untuk proses belajar mengajar, penelitian maupun pengabdian kepada masyarakat yang tepat
27. Saya ingin menggunakan literatur umum, simulasi komputer dan prediksi untuk mendukung kegiatan belajar mengajar
28. Saya ingin membuat dokumentasi yang benar dan teratur dalam setiap mata kuliah yang saya ajarkan
29. Saya ingin terlibat dalam pencarian dan berbagi pemikiran baru dengan rekan kerja
30. Saya ingin berbagi dan memahami visi misi universitas melalui komunikasi dengan rekan kerja
Human Orientation
No Pernyataan Sumber
31. Saya, mudah mendapatkan saran secara langsung dan tatap muka dari para ahli di kantor saya..
(Wu, 2012) 32.
Saya menerima proses mentoring dalam memperoleh pengetahuan dari para ahli di kantor saya.
33.
Saya dengan mudah memperoleh pengetahuan dari rekan kerja dan para ahli di kantor saya
34.
Melalui percakapan informal saat bertemu rekan kerja, saya dapat dengan mudah memeproleh pengetahuan.
System Orientation
No Pernyataan Sumber
35. Saya, mudah mendapatkan saran secara langsung dan tatap muka dari para
ahli di kantor saya.. (Calabrese and Orlando,
36.
Saya menerima proses mentoring dalam memperoleh pengetahuan dari para ahli di kantor saya.
37.
Saya dengan mudah memperoleh pengetahuan dari rekan kerja dan para ahli di kantor saya
38.
Melalui percakapan informal saat bertemu rekan kerja, saya dapat dengan mudah memeproleh pengetahuan.
Kesiapan Penerapan KM
No Pernyataan Sumber
39. Jika universitas tempat saya bekerja memiliki pilihan untuk
mengimplementasikan proses-proses KM, maka saya ingin organisasi mengimplementasikan proses-proses KM .
(Kaveh Mohammadi, Amir Khanlari, 2009) 40.
Jika universitas tempat saya bekerja memiliki pilihan untuk
mengimplementasikan proses-proses KM, maka saya akan mendukung organisasi mengimplementasikan proses-proses KM .
41.
Jika universitas tempat saya bekerja memiliki pilihan untuk mengimplementasikan proses-proses KM, maka saya ingin mengimplementasikan proses-proses KM
42.
universitas tempat saya bekerja memiliki pilihan untuk
mengimplementasikan proses-proses KM, saya prediksi bahwa universitas akan mengimplementasikan proses-proses KM
4.3 Deskripsi Umum Responden
Pada umumnya ketiga PTS telah memiliki portal yang berisi tentang informasi umum PTS, namun
portal tersebut belum dapat dikatakan sebagai repositori KM untuk masing-masing PTS mengingat
fungsi dan penggunaan yang belum optimal. Saat ini PTS A memiliki portal khusus untuk para
Dosen yang berisi tentang kegiatan belajar mengajar, termasuk e-learning untuk masig-masing
mata kuliah yang diampuh. Begitu juga portal khusus mahasiswa yang berisi tentang kegiatan
akademik, administrasi, e-learning masing-masing mata kuliah yang diambil serta kritik dan saran
sebagai umpan balik terhadap Dosen dan Tenaga Pengajar, Implementasi dan pengembangan
portal yang belum maksimal menimbulkan beberapa masalah di lapangan terkait dokumentasi
yang merupakan masalah utama dalam pemberkasan suatu repositori. Begitu pula dengan PTS B
dan PTS C yang juga telah memiliki portal sebagai media informasi juga belum mengoptimalkan
kegunaannya sebagai repositori yang dapat mempermudah PTS menyimpan dan menggunakan
pengetahuan yang benar diharapkan dapat meningkatkan kesadaran akan pentingnya proses
dokumentasi di PTS.
Penelitian ini menggunakan metode survei dengan menyebar kuesioner kepada 105 orang
responden yang merupakan dosen sekaligus staf yang berada di tiga PTS di wilayah Palembang.
Jumlah responden tersebut dibagi secara proporsional kepada ketiga PTS yaitu sebesar 35% dari
Jumlah Dosen Tetap yang ada.
Tabel 4.2 Rincian Sebaran Responden
No PTS Rektor Jumlah Dosen
Tetap Sampel
1. Universitas A xxxxxxxx 121 42
2. Universitas B xxxxxxxx 116 41
3. Universitas C xxxxxxxx 62 22
Total 105
Sumber: https://forlap.ristekdikti.go.id/perguruantinggi
Dari penyebaran 105 kuesioner tersebut, sebanyak 99 kuesioner yang kembali. Jumlah kuesioner
yang dapat diolah sebagai sampel sebanyak 98 kuesioner. Satu kuesioner tidak dapat digunakan
karena jumlah missing value pada kuesioner tersebut sebanyak 21 item dari 42 item pertanyaan.
Menurut Schlomer dkk., jika jumlah missing value pada suatu sampel lebih dari 5%, maka sampel
itu sebaiknya tidak digunakan. Hal tersebut ditunjukkan secara rinci pada Tabel 5.2.
Tabel 5.2. Kondisi Penyebaran Kuesioner di PTS
No. Nama PTS Jumlah Penyebaran Jumlah Kembali
1. Universitas A 42 41
2. Universitas B 41 37
3. Universitas C 22 21
Total Responden 105 99
Sumber: data yang diolah
4.4 Uji Keterbacaan
Uji keterbacaan bertujuan untuk memastikan bahwa kuesioner yang akan disebar dapat dipahami
dengan baik oleh responden. Penulis melakukan beberapa tahapan dalam pelaksanaan uji
1. Tahap awal
Pada tahap ini, uji keterbacaan dilakukan dengan meminta perwakilan dari pihak dosen (Tetap
maupun Tidak Tetap) pada setiap PTS (masing-masing 1 orang expert) untuk mengulas kuesioner
yang akan disebarkan dan memberikan saran perbaikan terhadap struktur kalimat, penggunaan
kata dan pemahaman terhadap maksud dari kuesioner tersebut, untuk selanjutnya dilakukan
perbaikan terhadap kuesioner, yang dapat dilihat pada lampiran 2.
2. Tahap Perbaikan
Pada tahap ini, penulis melakukan perbaikan dengan menambahkan penjelasan tentang tujuan
kuesioner, pemahaman tentang masing-masing variabelmemperbaiki penggunaan struktur dan
kata-kata dalam kalimat dengan menggunakan kata-kata yang sifatnya lebih umum sehingga lebih
mudah dimengerti.
3. Tahap Penyebaran Sampel Kuesioner
Pada tahap ini penulis menyebarkan kuesioner yang telah diperbaiki kepada enam orang dosen
yang berbeda melalui cara pendampingan langsung dengan maksud untuk melihat responden
tersebut sudah memahami isi kuesioner. Hasil uji keterbacaan ini menunjukkan bahwa secara
umum kuesioner sudah cukup dipahami oleh responden dan siap untuk disebarkan kepada
responden lainnya.
4.5 Data Survei
Pengumpulan data dilakukan melalui wawancara untuk mengetahui kondisi PTS menyangkut
penerapan KM, urgency KM dan Kesiapan PTS terkait penerapan KM. Selanjutnya dilakukan
penyebaran kuesioner kepada pada masing-masing PTS. Dari 105 kuesioner yang disebar, penulis
hanya menerima 99 kuesioner yang terisi. Satu dari 99 kuesioner tidak dapat digunakan untuk
pengolahan data selanjutnya karena terdapat lebih dari 50% missig value di dalamnya. Sehingga
Tabel 4.1. Demografi Keseluruhan Responden
Demografi Responden Keseluruhan
Jenis kelamin %
Laki-laki 35 37,1
Perempuan 63 63,9
Usia %
<35 tahun 26 26.2
35-45 tahun 32 32.8
>45 tahun 40 41
Pendidikan %
S1 0 0,0
S2 92 94,6
S3 6 5,4
Lainnya 0 0,0
Masa Kerja %
<5 tahun 24 24.6
5-10 tahun 16 16.4
>10 tahun 58 59
Dari Tabel 4.6 dapat dilihat bahwa mayoritas responden yang berpartisipasi pada penelitian ini
adalah perempuan, yaitu sebanyak 63 orang atau sebanyak 63,9 %. Sedangkan responden dengan
jenis kelamin laki-laki sebanyak 35 orang atau sebanyak 37,1 %. Berdasarkan data responden yang
diperoleh, dapat dilihat bahwa lebih dari 50% dosen yang menjadi responden pada penelitian ini
adalah perempuan. Berdasarkan demografi usia, terlihat bahwa responden yang merupakan dosen
dengan usia kurang dari 35 tahun memiliki jumlah yang paling sedikit yaitu sebanyak 26 orang,
dosen dengan kisaran usia 35 sampai 45 tahun berjumlah 32 orang, sedangkan dosen dengan usia
di atas 45 tahun memiliki jumlah paling banyak yaitu 40 orang. Berdasarkan pendidikan, diperoleh
bahwa lebih dari sebagian responden yang turut berpartisipasi merupakan lulusan S2 yaitu
sebanyak 94,6%, sedangkan lulusan S3 sebnayak 5,4%. Diikuti dengan masa kerja yang berada di
atas 10 tahun sebanyak 58%, masa kerja dengan kisaran 5 sampai 10 tahun sebanyak 16% dan
yang berada pada masa kerja kurang dari lima tahun sebanyak 24%. Sehingga diperoleh informasi
bahwa sebagian besar dosen yang bekerja pada PTS di wilayah Palembang merupakan dosen
4.6 Analisis Data
Pada analisis data, penelitian ini melalukan beberapa tahapan yaitu: pembentukan model,
pengujian realibilitas dan validitas model awal, lalu pengujian model akhir dilakukan dengan cara
yang sama pada model awal.
5.5.1. Pembentukan Model Awal
Model awal penelitian dibuat dengan menggunakan program Smart PLS 3.0 M3 dengan
memasukkan seluruh variabel laten beserta indikatornya dan menghubungkan masing-masing
variabel laten dan indikatornya berdasarkan teori kajian penelitian terdahulu yang ditemukan.
Model awal penelitian yang dibuat dalam penelitian ini memiliki 7 variabel laten dan 42 indikator.
Model awal penelitian dapat dilihat pada Gambar 5.1.
Gambar 5.1 Model Awal Penelitian
5.5.2 Evaluasi Model Pengukuran (Outer Model)
Model penelitian setelah dilakukan penghapusan indicator dengan nilai <0,70 dapat dilihat pada
Gambar 5.2 Model Penelitian setelah indicator yang tidak valid dihapus
Pada evaluasi model pengukuran, terdapat tiga hal yang diukur, yaitu validitas konvergen,
validitas diskriminan dan reliabilitas.
1. Validitas Konvergen
a. Validitas Konvergen: Validitas konvergen dilakukan dengan melihat nilai loading factor,
AVE, dan communality. Menurut (Chin, 1998), suatu indikator dikatakan valid jika nilai
faktor loading-nya > 0,70 sehingga indicator dengan nilai loading factor < 0,70 harus
dihapus. Dari Gambar 5.1 dapat dilihat keseluruhan nilai Loading Factor masing-masing
indicator, hasil perhitungan Smart PLS menunjukkan beberpa indicator dengan nilai
Loading Factor <0,70 sehingga indicator tersebut harus dihapus.
b. Untuk mengukur validitas, selain melihat nilai loading factor, harus memperhatikan nilai
AVE dan communality. Menurut (Chin, 1998), indikator konstruk dikatakan valid jika nilai
AVE dan communality> 0,50. Berdasarkan hasil run (calculate), terlihat bahwa seluruh variabel memiliki nilai AVE dan communality> 0,50. maka semua indikator konstruk merupakan indikator yang valid. Dapat disimpulkan bahwa nilai faktor loading, AVE dan
communality untuk semua indikator variabel di atas memenuhi persyaratan untuk validitas konvergen.
Tabel 5.4 Nilai AVE dan communality
CK 0,632 0,795 Valid
IT 0,621 0,788 Valid
OC 0,709 0,841 Valid
HO 1,000 1,000 Valid
SO 0,722 0,850 Valid
KMP 0,661 0,813 Valid
OS 0,754 0,868 Valid
PE 0,732 0,850 Valid
KMR 1,000 1,000 Valid
Berdasarkan Tabel 5.4 dapat dilihat bahwa nilai AVE dan communality secara keseluruhan memenuhi kriteria validitas.
2. Uji Reliabilitas
Uji Realibilitas dilakukan untuk membuktikan akurasi, konsistensi, dan ketepatan instrumen dalam
mengukur konstruk. Reliabilitas menunjukkan sejauh mana suatu hasil pengukuran relatif
konsisten apabila pengukuran diulang. Uji reliabilitas diukur dengan memperhatikan nilai
Cronbachs Alpha dan Composite reliability. Menurut (Chin, 1998), nilai Cronbachs Alpha <0,50
memiliki realibilitas rendah, Cronbachs Alpha 0,50 – 0,70 memiliki realibilitas moderat,
Cronbachs Alpha 0,70 hingga 0,90 memiliki realibilitas tinggi, Cronbachs Alpha > 0,90 memiliki
realibilitas sempurna. Selain itu, standar Composite reliability yang bias diterima adalah >0,70, yang berarti bahwa suatu instrumen dapat dikatakan reliabel bila memiliki nilai koefisien
keandalan > 0,70. Hasil nilai Cronbachs Alpha dan Composite reliability dapat dilihat pada Tabel
5.5.
Tabel 5.5 Cronbachs Alpha dan Composite reliability
Composite
Reliability Reliabilitas
Cronbachs
Alpha Keterangan
CK 0,837 Tinggi 0,819 Reliable
OC 0,829 Tinggi 0,820 Reliable
HO 1,000 Sempurna 0,706 Reliable
SO 0,837 Tinggi 0,749 Reliable
KMP 0,796 Tinggi 0,816 Reliable
OS 0,860 Tinggi 0,861 Reliable
PE 0,839 Tinggi 0,610 Reliable
KMR 1,000 Sempurna - Reliable
Berdasarkan Tabel 5.5 dapat dilihat bahwa semua instrumen yang digunakan dalam mengukur
konstruk adalah akurat, konsisten dan tepat karena semua instrumen memiliki nilai koefisien>0,70.
Dalam uji reliabilitas, selain nilai Cronbachs Alpha, juga diperhatikan nilai Composite Reliability
(Chin, 1998). Nilai Cronbachs Alpha untuk variabel PE < 0,7 (0,610), tapi nilai composite reliability variabel OP > 0,70 (0,839), sehingga masih memenuhi syarat reliabilitas. Nilai Composite Reliability yang diperoleh semua konstruk > 0,70 sehingga dapat disimpulkan bahwa semua indikator konstruk adalah reliabel atau memenuhi uji reliabilitas.
5.5.3 Evaluasi Model Struktural (Inner Model)
Setelah melakukan uji outer model sehingga diperoleh konstruk yang valid dan reliabel. Langkah
berikutnya adalah evaluasi inner model, yaitu menguji signifikansi untuk mengetahui pengaruh
antar variabel. Menurut Latan & Ghozali, evaluasi model struktural dapat dilakukan dengan
melihat nilai R-Square (𝑅2 ) dan effect size (𝑓2 ). Nilai 𝑅2 mempresentasikan jumlah variance dari
konstruk yang dijelaskan oleh model. Nilai 𝑅2 digunakan untuk melihat persentasekemampuan
variabel bebas dalam menjelaskan variabel terikat . Menurut Chin, beberapa rentang nilai 𝑅2
adalah sebagai berikut:
1. Nilai 𝑅2 berada di bawah 0,19, hal ini menunjukkan bahwa model tersebut termasuk dalam
kategori lemah
2. Nilai 𝑅2 berada pada rentang 0,19 sampai 0,33 hal ini menunjukkan bahwa model tersebut
termasuk dalam kategori moderat
3. Nilai 𝑅2 berada di atas 0,33 sampai 0,67 atau lebih hal ini menunjukkan bahwa model tersebut
Hasil evaluasi nilai 𝑅2 pada penelitan ini ditunjukkan pada Tabel 5.6.
Tabel 5.6 Nilai R-Square (𝑹𝟐)
Variabel Nilai 𝑅2
KMP 0,318
KMR 0,146
Pada tabel R-square di atas nilai R-Square untuk variabel endogen KMP adalah 0,318 dan nilai
variabel eksogen KMR adalah 0.146. Mengacu kepada Chin, maka nilai variabel endogen KMP
berarti kuat, sedangkan nilai variabel endogen KMR termasuk dalam kategori lemah. Semakin
tinggi nilai R-square (semakin mendekati nilai 1), maka semakin besar kemampuan variabel independen dapat menjelaskan variabel dependen sehingga semakin baik persamaan struktural.
Variabel KMP memiliki nilai R-square sebesar 0,318 yang berarti 31,8% varibel OC, OS, IT, CK,
PE, HO, SO dapat menjelaskan variabel KMP, sedangkan sisanya dijelaskan oleh variabel lain di
luar model penelitian. Begitu juga dengan variabel KMR yang memiliki nilai R-square sebesar 0,146, berarti 14,6% varian KMP dapat menjelaskan variabel KMR sedangkan sisanya oleh
variabel lain di luar model penelitian.
5.6 Pengujian Hipotesis
Untuk menguji apakah semua konstruk yang ada valid atau tidak untuk model secara keseluruhan,
dilakukan pengukuran dengan melihat nilai t-value. Nilai signifikansi akan dijadikan pertimbangan untuk mengevaluasi model penelitian yang telah diusulkan. Untuk melihat nilai
signifikansi harus melakukan resampling terlebih dahulu dengan metode bootstrapping. Level
signifikansi yang akan digunakan pada penelitian ini adalah 5% (α = 0.05), sehingga t-valueyang digunakan sebagai standar adalah >1,660. Hasil perhitungan bootstrapping ditunjukkan oleh Tabel
Tabel 5.6 Nilai Hasil Pengujian Hipotesis
Hipotesis Variabel (|O/STERR|) T Statistics Kesimpulan
H1 OC -> KMP 1,604 Ditolak
H2 OS -> KMP 1,651 Ditolak
H3 IT -> KMP 2,204 Diterima
H4 CK -> KMP 3,332 Diterima
H5 PE -> KMP 1,799 Diterima
H6 SO -> KMP 0,379 Ditolak
H7 HO -> KMP 3,021 Diterima
H8 KMP-> KMR 3,484 Diterima
Berdasarkan hasil pengukuran signifikansi pada Tabel 5.6, dapat dilihat bahwa dari 8 hipotesis
yang dirumuskan pada penelitian ini hanya tiga hipotesis yang ditolak, yaitu H1, H2 dan H3. Dapat
diartikan bahwa variabel OC, OS dan SO tidak berpengaruh terhadap variabel KMP. Model akhir
penelitian setelah dilakukan perhitungan bootstrapping oleh Smart PLS 3.0. ditunjukkan oleh Gambar 5.2.
5.7 Pembahasan
Hasil penelitian direpresentasikan dengan hipotesis-hipotesis yang diterima atau ditolak
berdasarkan memenuhi nilai signifikansi> 1.660 (one tail) dengan α = 0,05. Berikut ini
pembahasan mengenai hipotesis penelitian yang diterima dan ditolak.
1. Dari hasil pengujian terdapat tiga Hipotesis yang ditolak yaitu: H1 (Organization Culture
(Budaya organisasi) berpengaruh positif dan signifikan terhadap KM process), H2 (Organization Struture (Struktur organisasi) berpengaruh positif dan signifikan terhadap
KM process) dan H6 (System Oriented (Orientasi terhadap Sistem) berpengaruh positif dan signifikan terhadap KM process) dapat diartikan bahwa Budaya Organisasi, struktur organisasi dan orientasi terhadap sistem pada tiga PTS di Palembang tidak berpengaruh
signifikan terhadap optimalisasi Proses KM. Hal ini cukup berseberangan dengan beberapa
hasil penelitian sebelumnya, mengingat status ketiga PTS yang menjadi objek penelitian
ini berada pada naungan suatu Yayasan memungkinkan adanya budaya organisasi dan
struktur organisai yang masih tradisional, hal tersebut juga mengakibatkan rendahnya
orientasi terhadap system pada proses KM.
2. Dari hasil pengujian terdapat lima Hipotesis yang diterima yaitu: H3, H4, H5, H7 dan H8.
Beberapa variabel yang dianggap mempengaruhi proses KM adalah IT Infrastructure, Common Knowledge, Physical Environment, dan Human Oriented. Hal ini dapat diartikan bahwa tiga PTS di Palembang dapat meningkatkan infrastruktur IT, Pengetahuan Umum
sebagai dosen, Lingkungan Fisik serta pengaruh Personal (Expert) untuk dapat
meningkatkan optimalisasi proses KM di lingkungan PTS. Semakin tinggi dukungan yang
diberikan oleh kelima variabel tersebut maka semakin tinggi manfaat yang dapat dirasakan
5.8 Implikasi Teori
Dari hasil pengujian instrument dan model, penelitian ini menghasilkan sebuah Model Kesiapan
Penerapan KM pada PTS di Palembang. Hal tersebut ditunjukkan oleh Gambar 5.3.
Gambar 5.3 Model Akhir Penelitian
K
M
I
n
fr
as
tr
uc
tu
re
Organizational Culture
Organizational Sturcture
IT Infrasturcture
Common Knowledge
Physical Environment
System Oriented Human Oriented
KM Process (SECI) KM Readiness
DAFTAR PUSTAKA
Becerra-Fernandez, I. and Rajiv Sabherwal (2010) Knowledge Manamgement Systems and Processes, M.E. Sharpe, Inc.
Becerra-Fernandez, I. and Sabherwal, R. (2010) Knowledge management: Systems and processes. Edited by C. Gibson. London, England;Armonk, New York.
Calabrese, F. A. and Orlando, C. Y. (2010) ‘Deriving a 12-step process to create and implement a
comprehensive knowledge management system’, Vine, 36(3), pp. 238–254. doi: 10.1108/03055720610703533.
Chin, W. (1998) ‘The partial least squares approach to structural equation modeling’, Modern methods for business research, 295(2), pp. 295–336. doi: 10.1016/j.aap.2008.12.010.
Choi, B., Lee, H. and Choi, B. (2002) ‘Knowledge management strategy and its link to knowledge
creation process’, Expert Systems with Applications, 23, pp. 173–187. doi: 10.1016/S0957-4174(02)00038-6.
Endang Retnoningsih (2013) ‘Knowledge Management System (KMS) dalam Meningkatkan Inovasi Lppm Perguruan Tinggi’, Evolusi, I(1).
Endang Retnoningsih, D. P. U. (2013) ‘Penerapan Knowledge Management pada Perguruan
Tinggi ( Studi Kasus AMIK BSI Purwokerto )’, Prosiding SNST, 4(1995), pp. 152–158. Fajar Priyautama, Widijanto Satyo Nugroho, S. B. Y. (2014) Analisis Kesiapan Penerapan
Knowledge Management di Direktorat Jenderal Pendidikan Tinggi. Universitas Indonesia.
Gold, A., Malhotra, A. and Segars, A. (2001) ‘Knowledge management: An organizational capabilities perspective’, JOURNAL OF MANAGEMENT INFORMATION SYSTEMS, 18, pp. 185–214. doi: 10.1002/ceat.201000522.
Holt, D. T. et al. (2007) ‘The development of an instrument to measure readiness for knowledge
management’, Knowledge Management Research & Practice, 5(2), pp. 75–92. doi: 10.1057/palgrave.kmrp.8500132.
Holt, D. T. and Armenakis, A. A. e. al (2007) ‘Toward a Comprehensive Definition of Readiness
for Change: A Review of Research and Instrumentation’, Research in Organizational Change and Development, pp. 289–336. doi: 10.1016/S0897-3016(06)16009-7.
Hsin-Jung Hsieh (2007) Organizational Characteristics, Knowledge Management Strategy, Enablers, and Process Capability: Knowledge Management Performance In U.S. Software Companies. Lynn University.
Hu, R. (2014) ‘Migrant knowledge workers: An empirical study of global Sydney as a knowledge city’, Expert Systems with Applications, 41, pp. 5605–5613. doi: 10.1016/j.eswa.2014.02.011.
Jalaldeen, R., Shahriza Abdul Karim, N. and Mohamed, N. (2009) ‘Organizational Readiness and its Contributing Factors to Adopt KM Processes: A Conceptual Model’, Communications of the IBIMA (International Business Information Management Association), 8(2007), pp. 128– 136.
Management, (1998), pp. 32–40.
Kaveh Mohammadi, Amir Khanlari, B. S. (2009) ‘Organizational Readiness Assessment for
Knowledge Management’, Information Journal of Knowledge Management, 5(1), pp. 29–45.
Kebede, G. (2010) ‘Knowledge management: An information science perspective’, International Journal of Information Management, 30, pp. 416–424. doi: DOI 10.1016/j.ijinfomgt.2010.02.004.
Latan, H., dan Ghozali, I. (2012) Partial Least Square Konsep Teknik dan Aplikasi Menggunakan Program SmartPLS 2.0 M3. Semarang: Badan Penerbit Universitas Diponegoro.
Lee, H. and Choi, B. (2003) ‘Knowledge management enablers, processes, and organizational
performance: an integrative view and empirical examination’, Journal of Management Information Systems, 20, p. 179–228*. doi: 10.2307/40398621.
Mamaghani, N. D., Samizadeh, R. and Saghafi, F. (2011) ‘Evaluating the Readiness of Iranian Research Centers in Knowledge Management Department of IT , ITRC , End of North Karegar St ., Tehran , Iran Faculty of Engineering and Technology , Alzahra University , Tehran , Iran
Department of IT , ITRC , End of Nor’, 3(1), pp. 203–212.
Matin, E. K. and Kashani, B. H. (2012) ‘Comparing Degree of Readiness for Implementation of Knowledge Management in Public and Private Universities in Iran’, Interdisciplinary Journal
of Contemporary …, 4(4), pp. 623–635.
Ni Putu Ayu Yuliantini, Nyoman Natajaya, I. M. Y. (2013) ‘Determinasi Kompetensi, Komitmen, dan Dukungan Organisasi terhadap Pengembangan Profesi Dosen di Lingkungan Yayasan
Triatma Surya Jaya Badung’, e-Jounal Program Pascasarjana Universitas Pendidikan Ganesha, 4(2).
Niculcar, D. C. E. (2012) ‘4.4.1 Nonaka-Takeuchi, 1995’, in Gestión del Conocimiento y Aprendizaje Organizacional, p. 135.
Nonaka, I. and Takeuchi, H. (1995) Knowledge-Creating Company, Knowledge-Creating Company.
Sadeghi, M. (2013) ‘Identifying and prioritizing of effective constructs in readiness of knowledge
management implementation by using fuzzy analytic hierarchy process (AHP)’, Journal of Knowledge Management, 5(1), pp. 16–31. doi: 10.1108/17561411311320941.
Shahriza Abdul Karim, N., Jalaldeen Mohamed Razi, M. and Mohamed, N. (2012) ‘Measuring employee readiness for knowledge management using intention to be involved with KM SECI
processes’, Business Process Management Journal, 18(5), pp. 777–791. doi: 10.1108/14637151211270153.
Suharti, L. H. (2009) ‘Identifikasi Kesiapan Penerapan Knowledge Management di Perguruan
Tinggi (Studi Terhadap Faktor Pemberdaya (Enablers) Knowledge Management)’, Jurnal Ekonomi dan Bisnis, XV(2), pp. 181–196.
Wu, W. (2012) ‘Segmenting critical factors for successful knowledge management