20
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
4.1 Profil Responden
Data Profil responden yang menjadi obyek penelitian dapat dilihat pada Tabel IV.1 :
Tabel IV.1.Profil Responden Penelitian
Klasifikasi Responden Jumlah Persentase
1. Instansi:
Pemerintahan Desa Gunungjaya Pemerintahan Desa Sukasari Pemerintahan Desa Sukamanah Pemerintahan Desa Sukamantri Pemerintahan Desa Babakan Pemerintahan Desa Sukaresmi Pemerintahan Desa Cisaat Pemerintahan Desa Cibatu Pemerintahan Desa Nagrak Pemerintahan Desa Cibolangkaler Pemerintahan Desa Padaasih Pemerintahan Desa Kutasirna Pemerintahan Desa Selajambe Kecamatan Cisaat 3 3 3 3 3 3 3 3 3 3 3 3 3 1 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 7,5% 2,5% Total 40 100% 2. Jabatan : Kepala Desa Sekretaris Desa Kaur Keuangan Operator Kecamatan 13 13 13 1 32,5% 32,5% 32,5% 2,5% Total 40 100% 3. Pendidikan SMA 35 88% S1 5 12% Total 40 100%
Berdasarkan Tabel IV.1 profil responden penelitian terlihat bahwa responden dengan kategori instansi dari mulai Pemerintah Desa Gunungjaya sampai Pemerintah Desa Selajambe sebanyak 3 responden atau 7,5% dan responden Instansi Kecamatan Cisaat sebanyak 1 responden atau 2,5%. Selanjutnya responden berdasarkan kategori jabatan dari mulai Kepala Desa, Sekretaris Desa dan Kaur Keuangan sebanyak 13 responden atau 32,5%. Untuk responden berdasarkan Pendidikan adalah sebanyak 35 responden dari SMA atau 88 %, 5 responden dari S1 atau 12%.
4.2 Metode Analisis Data
Teknik pengolahan data pada penelitian ini menggunakan software SmartPLS versi 3.0 yang dijalankan dengan media komputer. Berikut adalah model awal penelitian yang dibentuk dari data responden yang didapatkan.
Tabel IV.2 Item Pernyataan Kuesioner Penelitian
Variabel Item Pertanyaan/Pernyataan
Kemudahan (Perceived Ease Of Use) X1 = Mudah dipahami
X2 = Mudah digunakan
X3 = Mudah diakses
X4 = Mudah dioperasikan
X5 = Cepat Mahir
X6 = Mudah berinteraksi dengan sistem
Kemanfaatan (Perceived Usefulness) X7 = Cepat menyelesaikan tugas
X8 = Meningkatkan Kinerja
X9 = Meningkatkan Efisiensi
X10 = Meningkatkan Efektivitas
X11= Meningkatkan Produktivitas
X12= Sangat Berguna Attitude Toward Using X13 = Ide yang baik
X15= Menyukai penggunaan sistem
X16 =Penggunaan Sistem adalah Ide yang
buruk
X17= Tidak menyukai ide menggunakan
sistem
X18= Penggunaan Sistem adalah baik
X19= Penggunaan Sistem adalah positif
X20= Penggunaan sistem tidak
menyenangkan
Penerimaan (Acceptance of IT) Y1 = Terbantu oleh sistem
Y2 = Menerima penerapan sistem
Y3 = Memenuhi kebutuhan pengguna
Y4 = Merasa puas dengan kinerja sistem
Sumber : Data diolah (2020)
Gambar IV.1 Model Awal Penelitian
Measurement Model yaitu bagian dari model SEM yang menggambarkan
korelasi antara variabel laten dengan indikatornya. Untuk mengetahui korelasinya maka dilakukan uji validitas dan uji reliabilitas. Dalam uji validitas terdapat tiga kriteria yaitu Convergent Validity, Discriminant Validity dan AVE. Sementara dalam uji reliabilitas terdapat dua kriteria yaitu Composite Reliability dan Cronbachs Alpha.
4.3.1. Uji Validitas
Langkah untuk menyelesaikan model persamaan dengan pendekatan jalur adalah dengan menghitung dari validitas konvergen (convergent validity) atau outer
loading/loading factor dan validitas diskriminan (discriminant validity) yang
menunjukkan nilai Average Variance Extracted (AVE). 1. Convergent Validity
Convergent Validity mensyaratkan bahwa alat ukur secara tepat mengukur
konstruk yang dimaksud. Convergent Validity sama dengan outer loading/loading
factor yang nilainya dikatakan tinggi apabila lebih dari 0,70 menurut Sugiyono
(2015). Hasil outer loading dari pengolahan dengan menggunakan SmartPLS dapat dilihat pada Tabel IV.3
Tabel IV.3 Nilai Muatan Outer Loading
AIT ATU PEU PUF
X10 0,737 X11 0,823 X12 0,888 X13 0,729 X14 0,765 X15 0,721 X16 -0,333 X17 -0,212 X18 0,736 X19 0,847 X2 0,758 X20 -0,276
X3 0,776 X4 0,342 X5 0,336 X6 0,896 X7 0,830 X8 0,836 X9 0,865 Y1 0,936 Y2 0,970 Y3 0,972 Y4 0,931 X1 0,730
Sumber : Data diolah (2020)
Hasil perhitungan tersebut menunjukkan bahwa nilai outer loading masih ada yang dibawah 0,70, maka indicator dikeluarkan dan tidak diikut sertakan pada uji selanjutnya dengan tujuan dapat menaikkan skor pengukuran model.
2. Discriminant Validity
Pengukuran validitas diskriminan maka digunakan hasil output dari average
value, seperti pada tabel dibawah ini indikator dikatakan valid secara discriminant
jika nilai AVE>0,50 (Sugiono &Abdillah, 2015).
Tabel IV.4 Hasil Awal Average Variance Extracted (AVE)
Rata-rata Varians Diekstrak (AVE)
AIT 0,907
ATU 0,371
PEU 0,457
PUF 0,668
Sumber : Data diolah (2020)
Setelah dianalisis pada nilai, hasil kuesioner yang didapat menunjukkan dua konstruk belum memenuhi validitas distriminan karena nilai AVE kurang dari 0,50.
Uji realibilitas diukur dengan dua kriteria yaitu cronbach’s alpha dan
composite relibaility dari blok indicator yang mengukur konstruk. Hasil dari
pengolahan dengan menggunakan SmartPLS dapat dilihat pada Tabel IV.5:
Tabel IV.5 Hasil Awal Nilai Cronbach’s Alpha dan Composite Reliability
Cronbach's Alpha Reliabilitas Komposit
AIT 0,966 0,975
ATU 0,541 0,535
PEU 0,737 0,819
PUF 0,916 0,933
Sumber : Data diolah (2020)
Pada tabel diatas diketahui bahwa cronbach’s alpha dan composite reliability pada model ada yang menunjukkan konstruk belum memenuhi reliabilitias. Konstruk dinyatakan reliabel jika nilai cronbach’s alpha dan composite reliability berada diatas 0,70.
4.3.3. Validitas
Setelah dilakukan proses dropping indikator langkah selanjutnya adalah menguji kembali nilai AVE untuk membuktikan apakah semua variabel sudah valid atau belum. Dalam tabel AVE dibawah ini semua nilai AVE sudah >0,50 sehingga syarat untuk ketahapan selanjutnya sudah terpenuhi.
Tabel IV.6 Hasil Akhir Average Variance Extracted (AVE)
Rata-rata Varians Diekstrak (AVE)
AIT 0,907
ATU 0,717
PEU 0,658
PUF 0,668
Sumber : Data diolah (2020)
Pengujian lainnya untuk mengevaluasi outer model adalah dengan melihat reliabilitas konstruk variabel laten yang diukur dengan dua kriteria yaitu cronbach’s
alpha (mengukur batas bawah nilai konsistensi internal) dan composite reliability
(mengukur nilai actual konsistensi internal) dari blok indikator yang mengukur konstruk. Konstruk dinyatakan reliabel jika nilai composite reliability diatas 0,70. Berikut hasil output dari SmartPLS.
Tabel IV.7 Hasil Akhir Nilai Cronbach’s Alpha dan Composite Reliability
Cronbach's Alpha Reliabilitas Komposit
AIT 0,966 0,975
ATU 0,808 0,883
PEU 0,833 0,885
PUF 0,916 0,933
Sumber : Data diolah (2020)
Dari hasil diatas, menunjukkan nilai cronbach’s alpha dan composite
reliability berada diatas 0,70, dengan demikian dapat disimpulkan bahwa konstuk
Gambar IV.2 Model Akhir Penelitian Setelah Valid
4.4 Structural Model (Inner Model)
Ukuran signifikan keterdukungan hipotesis dapat digunakan perbandingan T-tabel dan T-statistic. Jika nilai-nilai T-statistic lebih besar dari T-T-tabel maka hipotesis mendukung didalam rule of thumbes PLS untuk tingkat keyakinan 95% (Alpha 5 Persen),nilai T-tabel untuk hipotesis dua ekor (Two-tail) adalah lebih dari 1,96 dan untuk hipotesa satu ekor (one tailed) adalah lebih dari 1,64 hasil dari model strukturan (inner model). Berdasarkan hasil T-statistic pada penelitian ini dapat dilihat pada tabel IV.8.
Tabel IV.8 Hasil Hipotesis Sampel Asli (O) Rata-rata Sampel (M) Standar Deviasi (STDEV) T Statistik (| O/STDEV |) P Values ATU -> AIT 0,345 0,213 0,226 1,528 0,065 PEU -> AIT 0,095 0,232 0,327 0,290 0,386 PEU -> ATU 0,354 0,358 0,134 2,648 0,005 PEU -> PUF 0,622 0,639 0,136 4,566 0,000 PUF -> AIT 0,341 0,352 0,200 1,707 0,045 PUF -> ATU 0,601 0,596 0,106 5,685 0,000
Sumber : Data diolah (2020)
H1 : Apakah kemanfaatan berpengaruh terhadap penerimaan sistem
informasi Siskeudes?
Hasil olah data menunjukkan bahwa T-statistik sebesar 1,707 < 1,688. Hal ini berarti secara statistik terbukti bahwa H1 dapat diterima.
H2 : Apakah kemudahan berpengaruh terhadap penerimaan sistem
informasi Siskeudes ?
Hasil olah data menunjukkan bahwa T-statistik sebesar 0,290 < 1,688. Hal ini berarti secara statistik terbukti bahwa H2 ditolak.
H3 : Apakah sikap berpengaruh terhadap penerimaan sistem informasi
Siskeudes ?
Hasil olah data menunjukkan bahwa T-statistik sebesar 1,528 < 1,688. Hal ini berarti secara statistik terbukti bahwa H3 ditolak.
Tabel IV.9 Rekapitulasi Pengujian Hipotesis
Hipotesi Keterangan
H1 Kemanfaatan (Perceived Usefulness)
berpengaruh terhadap penerimaan sistem informasi
Terbukti/Diterima
H2 Kemudahan (Perceived Ease of Use) berpengaruh terhadap penerimaan sistem informasi
Ditolak/Tidak Terbukti
H3 Sikap (Attitude Toward Using) berpengaruh terhadap penerimaan sistem informasi
Ditolak/Tidak Terbukti