Pengaruh Variabel Moderator Terhadap Manfaat Bersih dan Kepuasan
Pengguna E-Procurement
Xanty Adhi Parandani
Program Studi Manajemen Informatika/AMIK BSI Bogor e-mail: xanty.xip@bsi.ac.id
Abstrak – Pada era kemajuan teknologi seperti saat ini, pemerintah membuat Layanan Pengadaan Secara Elektronik (LPSE) dimana LPSE merupakan sebuah sistem e-Procurement (pengadaan barang dan jasa secara elektronik) yang kompleks, untuk menjembatani pemerintah dengan penyedia barang dan jasa (swasta dan BUMN). Penelitian ini menggunakan 3 variabel yaitu, (1) Variabel Eksogen yang terdiri dari, Kualitas Sistem (KS), Kualitas Informasi (KI) dan Kualitas Layanan (KL); (2) Variabel Endogen yang terdiri dari, Kepuasan Peserta (KP) dan Manfaat Bersih (MB); (3) Variabel Moderator,yaitu status kepemilikan modal perusahaan peserta e-procurement.. Dari hasil pengujian dan analisa maka disimpulkan bahwa kualitas informasi merupakan faktor yang paling mempengaruhi kepuasan peserta e-procurement. Sedangkan kualitas layanan, kualitas sistem dan kepuasan peserta merupakan faktor yang paling mempengaruhi manfaat bersih e-Procurement bagi para peserta e-e-Procurement. Dan keragaman status kepemilikan perusahaan terhadap kepuasan peserta e-procurement yang disebabkan oleh manfaat bersih bagi peserta, dimana tingkat kepuasan ini dilihat dari kualitas informasi yang dihasilkan.
Kata Kunci: LPSE, e-Procurement, Model DeLone dan McLean, Variabel Moderator
I.PENDAHULUAN
Pengadaan barang dan jasa secara elektronik atau dikenal dengan istilah electonic Procurement (e-Procurement) merupakan tata cara pengadaan barang dan jasa yang diharapkan bisa memperbaiki tata cara pengadaan barang dan jasa konvensional (non elektronik).
Penyesuaian-penyesuaian terhadap perangkat sistem, yaitu perangkat lunak, perangkat keras serta pengguna sistem (baik penyedia barang dan jasa maupun konsumen barang dan jasa) mutlak diperlukan.
Adaptasi perangkat lunak maupun perangkat keras dalam pengembangan sistem e-Procurement, akan sangat bergantung dengan faktor pengguna sistem itu sendiri. Perbaikan demi perbaikan harus terus dilakukan agar interaksi antara penyedia barang dan jasa dengan konsumen barang dan jasa bisa berjalan dengan efektif dan efisien.
Hal tersebut membuat Pemerintah membuat Layanan Pengadaan Secara Elektronik (LPSE) dimana LPSE merupakan sebuah sistem e-Procurement (pengadaan barang dan jasa secara elektronik) yang kompleks, untuk menjembatani pemerintah dengan penyedia barang dan jasa (swasta dan BUMN).
Sebagaimana disebutkan sebelumnya, pengguna sistem e-Procurement terdiri atas penyedia dan konsumen. Namun, penelitian ini akan terfokus kepada penyedia barang dan jasa. Didalam penelitian ini akan diuji dan dianalisa faktor-faktor yang mempengaruhi penggunaan dan perlibatan penyedia barang dan jasa dalam proses e-Procurement.
Penelitian terdahulu yang terkait penelitian ini diantaranya sebagai berikut:
1. Fauzan, M., dkk (2013) objek penelitian 30 responden yang terdiri dari 10 orang Owner, dan masing-masing 5 orang dari konsultan, kontraktor, asosiasi perusahaan, 30 responden yang terdiri dari 10 orang Owner, dan masing-masing 5 orang dari konsultan, kontraktor, asosiasi perusahaan, dan akademisi. Tujuan Menganalisa faktor-faktor yang membuat e-procurement maju dan berkembang di Lhokseumawe. Model: skala Likert Metodologi: Menyebarkan kuesioner tentang penerapan e-procurement dan pengujiannya menggunakan uji validitas dan uji reabilitas. Hasil dari penelitian,yaitu: kesiapan masyarakat jasa konstruksi berdampak positif terhadap penerpan e-procurement dan kesiapan masyarakat jasa konstruksi dan penerapan e-procurement berdampak positif terhadap dukungan pemimpin perusahaan
2. Mustafa I. Eid (2011)500 kuesioner dengan populasi mahasiswa King Fahd University of Petroleum and Mineral (KFUPM) dan karyawan yang tinggal di timur Arab Saudi. Tujuan penelitian untuk menganalisa faktor-faktor yang mempengaruhi sejauh mana konsumen Arab Saudi percaya, puas, dan loyal terhadap B2C e-commerce. Model : TAM (Technology Acceptance Model) yang dikembangkan dari model TRA (The Theory of Reasoned Action). Metodologi : Menyebarkan kuesioner dengan bahasa Inggris dan bahasa Arab dan pengujian
hipotesis menggunakan teknik SEM. Hasil penelitian, yaitu:
1. Antarmuka website dan kualitas informasi berdampak positif terhadap kepuasan konsumen.
2. Antarmuka yang berkualitas sangat berkaitan dengan kepercayaan pelanggan. 3. Kualitas informasi tidak berkaitan dengan
kepercayaan pelanggan.
4. Keamanan dan privasi sangat terkait dengan kepercayaan pelanggan. 5. Keamanan dan privasi berkaitan lemah
dengan kepuasan pelanggan
Keluaran dari penelitian ini berupa hasil pengujian terhadap variabel eksogen dan variabel moderator apakah memberikan pengaruh kepuasan peserta dan manfaat bersih peserta e-Procurement. II. LANDASAN TEORI
2.1. Tinjauan Pustaka 2.1.1. E-Procurement
Menurut Turban E., King D., Lee J., dan Viehland D. (2004), e-Procurement merupakan pengadaan barang dan jasa secara elektronik oleh perusahaan. Sedangkan menurut Chaffey (2004), e-Procurement merupakan integrasi dan manajemen elektronik terhadap semua aktivitas pengadaan termasuk permintaan pembelian, pemberian hak pemesanan, pengiriman dan pembayaran antara pembeli dan pemasok.
Manfaat pengadaan barang dan jasa secara elektronik atau e-Procurement diantaranya adalah (Lembaga Kebijakan Pengadaan Barang/Jasa Pemerintah):
1. Meningkatkan transparansi dan akuntabilitas, 2. Meningkatkan akses pasar dan persaingan
usaha yang sehat,
3. Memperbaiki tingkat efisiensi proses pengadaan,
4. Mendukung proses monitoring dan audit, 5. Memenuhi kebutuhan akses informasi yang
real time guna mewujudkan clean and good government dalam pengadaan barang/jasa pemerintah.
2.1.2. Kualitas Sistem
Menurut DeLone dan McLean (1992), kualitas sistem merupakan kombinasi hardware dan software dalam sistem informasi. Swanson dalam Jogiyanto (2007) menggunakan beberapa item kualitas sistem untuk mengukur keberhasilan sistem informasi manajemen yang dilakukan oleh manajer, diantaranya adalah:
1. Keandalan sistem komputer, 2. Kecepatan akses,
3. Kemudahan penggunaaan.
Sedangkan DeLone dan McLean dalam Jogiyanto (2007) mengusulkan pengukuran kualitas sistem yang diterapkan di lingkungan e-commerce berdasarkan:
1. Kehandalan sistem 2. Waktu respon sistem
3. Ketergunaan sistem 2.1.3. Kualitas Informasi
Selain mengukur kualitas kinerja sistem, peneliti sistem informasi juga memfokuskan pada kualitas keluaran sistem informasi. Kualitas informasi merupakan output yang dihasilkan oleh sistem informasi yang digunakan (DeLone dan McLean, 1992).
Menurut Seddon, P.B., Staples, S., Patnayakuni, R., dan Bowtell, M. (1999) terdapat beberapa indikator kualitas informasi, yaitu:
1. Ketepatan waktu, 2. Keringkasan, 3. Mudah dipahami, 4. Aktualitas, 5. Relevansi.
DeLone dan McLean dalam Jogiyanto (2007) mengukur kualitas informasi dalam lingkungan e-commerce berdasarkan:
1. Isi web harus personal 2. Kelengkapan informasi 3. Relevansi informasi 4. Mudah dipahami 5. Aman
2.1.4. Kualitas Layanan
Menurut Zeithalm, Parasuraman, dan Berry dalam (Aritonang, 2000) pengukuran kualitas layanan didasarkan pada indikator-indikator, berikut:
1. Reliabilitas 2. Daya tanggap 3. Jaminan 4. Empati
2.1.5. Kepuasan Peserta E-procurement
Beberapa indikator kepuasan peserta e-procurement (Liu dan Arnet, 2009), meliputi:
1. Kepuasan peserta 2. Kesulitan penggunaan 3. Kenyamanan penggunaan 4. Kesenangan penggunaan 2.1.6. Manfaat Bersih
Berdasarkan hasil beberapa penelitian, dampak dari sistem informasi sangat banyak. Dampak tersebut misalnya terhadap pemakai perorangan, kelompok, organisasi dan lain lainnya. Beberapa indikator manfaat bersih (Seddon, et al., 1999) yang dimodifikasi dalam penelitian ini, meliputi:
1. Mempercepat pengolahan data, 2. Kemampuan memecahkan masalah, 3. Meningkatkan kualitas informasi, 4. Menghasilkan informasi cepat dan tepat, 5. Mendukung pengambilan keputusan.
Model untuk pengukuran kesuksesan suatu sistem informasi telah dikembangkan oleh banyak para peneliti,salah satunya adalah model pengukuran yang dikembangkan oleh DeLone dan McLean. Model tersebut dikenal dengan istilah D&M IS SuccessModel. Model Delone and McLean dapat dilihat pada gambar 2.1.
Sumber: DeLone dan McLean, 1992
Gambar 2.1. Model D&M IS Success Model Model kesuksesan DeLone dan McLean direpresentasikan dalam enam variabel, yaitu:
1. Kualitas Sistem 2. Kualitas Informasi 3. Keinginan Menggunakan 4. Kepuasan Pengguna 5. Dampak bagi Individu 6. Dampak bagi Organisasi
Kesuksesan sistem informasi dalam model ini saling berkaitan antara satu dengan yang lainnya.System Quality dan Information Quality merupakan prediktor yang signifikan bagi User Satisfaction. Sedangkan User Satisfaction juga merupakan prediktor yang signifikan bagi Intended Use dan Individual Impact.Individual Impact tersebut berpengaruh terhadap Organizational Impact dimana sistem tersebut diterapkan.
Penelitian DeLone dan McLean (2003) dikembangkan untuk mengevaluasi D&M IS Success Model dengan menambahkan variabel service quality dan net benefit. Model DeLone dan McLean terbaru menambahkan kualitas layanan sebagai dimensi yang tidak kalah penting dengan kualitas sistem dan kualitas informasi. Model DeLone and McLean yang terbaru disajikan pada gambar 2.2.
Sumber: DeLone dan McLean, 2003
Gambar 2.2. The Update D&M IS Success Model Hal-hal yang diperbarui pada The Update D&M IS Success Model, yaitu:
1. Menambah dimensi kualitas layanan (service quality) sebagai tambahan dari dimensi-dimensi kualitas yang sudah ada, yaitu kualitas sistem (system quality) dan kualitas informasi (information quality).
2. Menggabungkan dampak individual (individual impact)dan dampak organisasi (organizational impact) menjadi satu variabel yaitu manfaat-manfaat bersih (net benefits). Tujuan penggabungan ini adalah untuk menjaga model tetap sederhana (parsimony). Variabel-variabel baru ini mengangkat tiga isu baru yang perlu diperhatikan, yaitu: a. Apa kualifikasi untuk dapat dikatakan
sebagai manfaat? b. Manfaat untuk siapa?
c. Manfaat ditingkat analisis yang mana? 3. Menambahkan dimensi minat memakai
(intention to use) sebagai alternatif dari dimensi pemakaian (use). Pengukuran dari pemakaian (use) mempunyai banyak dimensi, seperti misalnya pemakaian sukarela atau wajib, mendapat informasi (informed) atau tidak mendapat informasi (uninformed), efektif lawan tidak efektif dan lainnya. Minat memakai adalah suatu sikap (attitude), sedang pemakaian (use) adalah suatu perilaku (behavior).
4. Pemakaian (use) dan kepuasan pemakai (user satisfaction) sangat erat berhubungan. Pemakaian (use) harus mendahului kepuasan pemakai (user satisfaction)sebagai suatu proses, tetapi pengalaman yang positif karena menggunakan (use)akan mengakibatkan kepuasan pemakai yang lebih tinggi sebagai suatu kausal.
5. Jika manfaat-manfaat bersih (net benefits) positif akan menguatkan minat memakai, dan menggunakan serta tingkat kepuasan pemakai. Umpan balik ini masih valid bahkan untuk manfaat-manfaat bersih yang negatif. 6. Model yang diperbarui mempunyai arah
panah untuk mendemontrasikan hubungan yang diusulkan antar dimensi-dimensi kesuksesan dalam bentuk proses, tetapi tidak menunjukkan arah hubungannya yang positif atau negatif dalam bentuk kausal.
2.1.8. Variabel Penelitian
Variabel penelitian merupakan suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya (Sugiyono,1999).
Macam-macam variabel penelitian, yaitu: 1. Variabelindependen/bebas/eksogen, adalah
suatu variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel endogen.
2. Variabel dependen/terikat/endogen, merupakan variabel yang dipengaruhi atau
yang menjadi akibat karena adanya variabel eksogen.
3. Variabel moderator merupakan variabel eksogen yang akan menguatkan atau melemahkan hubungan antara variabel eksogen lainnya terhadap variabel endogen. 2.1.9. Structural Equation Modeling (SEM)
Menurut Sitinjak dan Sugiharto (2006) Structural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara langsung.
Sedang menurut Ghozali (2004) SEM merupakan gabungan dari dua metode statistik yang terpisah, yaitu analisis faktor (factor analyst) yang dikembangkan pada bidang psikologi atau psikometri serta model persamaan simultan (Simultaneus Equation Modelling) yang dikembangkan pada bidang ekonometrika.
Selain dapat menganalisis hubungan kausal searah, SEM juga dapat menganalisis hubungan dua arah yang seringkali muncul dalam ilmu sosial dan perilaku. SEM termasuk multivariate statistics yang memungkinkan dilakukannya analisis satu atau lebih variabel eksogen dengan satu atau lebih variabel endogen.
2.1.10. Analysis of Moment Structure (AMOS) AMOS (Analysis of Moment Structure) merupakan salah satu program atau software yang digunakan untuk mengestimasi model pada model persamaan struktural (SEM) (Ghozali, 2004). Saat ini software AMOS merupakan software yang dapat diandalkan dalam menyelesaikan permasalahan sosial karena kemampuannya dalam mengukur variabel yang bersifat laten atau tidak dapat diukur secara langsung akan tetapi dapat diukur melalui indikatornya.
III. METODE PENELITIAN 3.1. Jenis Penelitian
Penelitian ini adalah penelitian explanatory, yaitu penelitian yang menjelaskan hubungan sebab-akibat dari variabel-variabel yang diteliti. Model penelitian yang digunakan yaitu, model kesuksesan sistem informasi DeLone dan McLean dengan penambahan variabel moderator.
3.2. Variabel Penelitian
Penelitian ini memiliki variabel eksogen (X), yang terdiri dari kualitas informasi, kualitas sistem, dan kualitas layanan. Dan variabel endogen (Y), yang terdiri dari kepuasan peserta e-procurement dan manfaat bersih.
Sedangkan variabel moderator (M), yang digunakan pada penelitian ini yaitu, status kepemilikan modal perusahaan peserta e-procurement.
3.3. Metode Pemilihan Sampel
Populasi yang digunakan dalam penelitian ini adalah perusahan-perusahaan yang pernah mengikuti proses e-procurement pada instansi Pemerintah Daerah, jumlah perusahaan yang dilibatkan dalam proses pengumpulan data melalui sebaran kuisioner yang dikirimkan dengan surat elektronik (e-mail) sebanyak 200 perusahaan.
Sedangkan jumlah sampel pada penelitian ini didasarkan pada penentuan jumlah sampel berdasarkan syarat jumlah sampel minimal untuk SEM, yaitu 100-200 (Hair, et al., 1998).
Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah non-probability sampling/non-random sampling, yaitu dipilih secara acak oleh peneliti. Dan teknik yang digunakan dalam penarikan sampel adalah purposive sampling.
3.4. Metode Pengumpulan Data
Pengumpulan data pada penelitian ini menggunakan metode sebagai berikut:
1. Kuesioner
Data dan informasi yang bersifat primer diperoleh dari sebaran kuesioner dikirim ke setiap responden dengan melalui surat elektronik (e-mail) ke perusahaan yang pernah mengikuti proses e-procurement untuk diisi dan dikumpulkan kembali yang kemudian hasilnya dianalisa untuk menguji hipotesis yang diajukan pada tahap awal penelitian ini.
2. Studi Pustaka
Studi pustaka dilakukan dengan membaca buku literatur, sehingga diperoleh data yang bersifat teoritis dengan cara mempelajari literatur, jurnal penelitian, bahan kuliah dan sumber atau bahan lain yang berhubungan dengan permasalahan dalam penelitian.
3.5. Kerangka Konsep Penelitian
Kerangka pemikiran penelitian dapat dilihat pada Gambar 3.1.
Variabel-variabel yang terdapat pada kerangka pemikiran penelitian terdiri dari:
1. Variabel eksogen, terdiri dari kualitas informasi, kualitas sistem, dan kualitas layanan.
2. Variabel endogen, terdiri dari kepuasan peserta e-procurement dan manfaat bersih.
3. Variabel moderator, yaitu status kepemilikan modal perusahaan peserta e-procurement.
3.6. Hipotesis
Sesuai dengan kerangka konsep penelitian pada gambar 3.1., hipotesis yang diajukan adalah sebagai berikut:
H1 : Diduga kualitas sistem secara signifikan mempengaruhi kepuasan peserta e-procurement.
H2 : Diduga kualitas sistem secara signifikan mempengaruhi manfaat bersih.
H3 : Diduga kualitas informasi secara signifikan mempengaruhi kepuasan peserta e-procurement.
H4 : Diduga kualitas informasi secara signifikan mempengaruhi manfaat bersih.
H5 : Diduga kualitas layanan secara signifikan mempengaruhi kepuasan peserta e-procurement.
H6 : Diduga kualitas layanan secara signifikan mempengaruhi manfaat bersih.
H7 : Diduga kepuasan peserta e-procurement secara signifikan mempengaruhi manfaat bersih.
H8 : Diduga signifikasi kepuasan peserta e-procurement yang disebabkan kualitas sistem dipengaruhi oleh faktor status kepemilikan modal perusahaan.
H9 : Diduga signifikasi kepuasan peserta e-procurement yang disebabkan kualitas informasi dipengaruhi oleh faktor status kepemilikan modal perusahaan.
H10 : Diduga signifikasi kepuasan peserta e-procurement yang disebabkan kualitas layanan dipengaruhi oleh faktor status kepemilikan modal perusahaan.
H11 : Diduga signifikasi manfaat bersih yang disebabkan kualitas sistem dipengaruhi oleh faktor status kepemilikan modal perusahaan.
H12 : Diduga signifikasi manfaat bersih yang disebabkan kualitas informasi dipengaruhi oleh faktor status kepemilikan modal perusahaan.
H13 : Diduga signifikasi manfaat bersih yang disebabkan kualitas layanan dipengaruhi oleh faktor status kepemilikan modal perusahaan
H14 : Diduga signifikasi manfaat bersih yang disebabkan kepuasan peserta e-procurement dipengaruhi oleh faktor status kepemilikan modal perusahaan.
3.7. Instrumen Penelitian
Penelitian ini menggunakan instrumen kuesioner, yaitu pertanyaan tertutup (closed question), hal ini dilakukan untuk memudahkan responden menjawab kuesioner. Data dari kuesioner dapat dengan cepat dianalisis secara statistik serta pernyataan yang sama dapat diulang dengan mudah.
Pertanyaan yang digunakan dalam kuesioner diukur dengan menggunakan skala semantic differential, yang mempunyai nilai berupa skala interval. Responden diminta memberi tanda silang pada bagian manapun sepanjang garis horizontal, dimulai dari pernyataan Sangat Rendah (SR) yang bernilai 1, sampai Sangat Tinggi(ST) yang bernilai 6.
Pemberian tanda silang (X) tidak harus tepat garis pemisah. Gambar 3.2. menunjukkan skala semantic differential pada kuisioner.
Gambar 3.2.Skala Semantic Differential
Untuk memudahkan responden mengisi kuesioner dan memudahkan pembacaan serta memastikan skala yang diberikan, maka dalam lembar kuesioner yang dikirimkan melalui surat elektronik (email), isian jawaban diberikan dalam bentuk text box yang bisa diisi angka dari 1,0 hingga 6,0. Bentuk text boxdapat dilihat pada gambar 3.3.
Gambar 3.3. Contoh Isian Kuesioner
Penelitian ini memiliki 5 variabel dan 20 indikator sehingga menghasilkan 20 pertanyaan dalam kuesioner yang dikirimkan. kisi-kisi instrumen penelitian dapat dilihat pada tabel 3.1.
Tabel 2.1. Kisi-Kisi Instrumen Penelitian
No Variabel Indikator Jumlah Skala
1. Kualitas Sistem (DeLone dan McLean, 2003) 1.Kehandalan sistem KS1 1 s e m a n t i c d 2.Waktu respon sistem KS2 1 3.Ketergunaan sistem KS3 1 2. Kualitas Informasi (Seddon, et al., 1999) dan (DeLone dan McLean, 2003) 4.Informasi tersedia secara aktual KI1 1 5.Informasi mudah dipahami KI2 1 6.Kelengkapan informasi KI3 1 7.Relevansi informasi KI4 1 3. Kualitas Layanan (Akbar dan Parvez, 2009) dan (Zeithalm, 8.Kehandalan KL1 1 9.Daya tanggap KL2 1 10.Jaminan KL3 1 1,0 SR 6,0 ST
Parasuraman , dan Berry, 1990) 11.Empati KL4 1 i f f e r e n t i a l 4. Kepuasan Peserta e-procurement (Liu dan Arnett, 2009) 12.Kepuasan peserta KP1 1 13.Kesulitan penggunaan KP2 1 14.Kenyamanan penggunaan KP3 1 15.Kesenangan penggunaan KP4 1 5. Manfaat Bersih (Seddon, et al., 1999) 16.Mempercepat pengolahan data MB1 1 17.Membantu pemecahan permasalahan MB2 1 18.Meningkatkan kualitas informasi MB3 1 19.Menghasilkan informasi cepat dan tepat MB4 1 20.Mendukung pengambilan keputusan MB5 1 Jumlah 20 3.8. Metode Analisis 3.8.1. Metode Analisis Data
Penelitian ini menggunakan analisa data sebagai berikut:
1. Analisa Statistika Deskriptif
Hasil distribusi frekuensi ukuran pemusatan dan penyebaran data tentang karakteristik sampel (responden) dan indikator-indikator variabel dapat dilihat dengan menggunakan analisa statistika deskriptif.
2. Analisa Statistika Inferensial
Untuk menganalisa data sampel dan membuat kesimpulan terhadap obyek yang diteliti menggunakan analisa statistika inferensial.
3.8.2. Metode Analisis SEM dengan AMOS
Analisis data menggunakan SEM dapat dilakukan dengan tools, yaitu AMOS 22. Adapun tahapan yang dilakukan untuk melakukan analisis data menggunakan SEM dengan tools AMOS dapat dijelaskan sebagai berikut:
1. Pengembangan Model Berbasis Teori 2. Membangun Diagram Jalur (Path Diagram) 3. Konversi Diagram Jalur ke Dalam Persamaan
Struktural
4. Memilih Matriks Input dan Teknik Estimasi Model
5. Mengidentifikasi Model 6. Mengevaluasi Asumsi SEM 7. Menguji Kesesuaian Model
Uji kesesuaian model terdiri dari dua tahapan pengujian, sebagai berikut:
a. Uji Validitas b. Uji Reliabilitas
Untuk mengetahui model yang telah dibangun fit atau tidak maka digunakan uji
kesesuian. Maka terdapat batas nilai kritis (cut off) yang direkomendasikan untuk uji kesesuaian ditampilkan pada tabel 3.2.
Tabel 3.2. Batasan Nilai Kritis (Cut Off) (Sumber: Widodo, 2007) Ukuran Kesesuaian Batas Nilai Kritis Keterangan Absolut Fit Measures
Chi-Square X2
Kecil, X2hitung ≤ X2tabel
Hullan, Chow dan Lam (1996)
Probability ≥ 0,05 Hullan, Chow dan
Lam (1996) CMIN/DF ≥ 2,00 Byrne (1988)
GFI ≥ 0,90 Diamantopaulus
dan Siguaw (2000)
RMSEA ≤ 0,08 Browne dan
Cudeck (1993) Incremental Fit Measures
AGFI ≥ 0,90 Diamantopaulus
dan Siguaw (2000)
TLI ≥ 0,95 Hair, et al. (1998)
NFI ≥ 0,90 Bentler (1992)
CFI ≥ 0,95 Arbuckle (1997)
Parsimonious Fit Measures
PNFI ≥ 0,60 James, et al.
(1982)
PGFI ≥ 0,60 Byrne (1988)
8. Melakukan Interpretasi dan Modifikasi Model 9. Pengujian Status Kepemilikan Modal Perusahaan
Peserta E-Procurement IV.PEMBAHASAN 4.1. Hasil Penelitian
4.1.1. Data Demografi Responden
Jumlah perusahaan yang dilibatkan dalam proses pengumpulan data melalui sebaran kuesioner surat elektronik (e-mail) sebanyak 200 perusahaan. Kuesioner yang dikembalikan dan berisi data lengkap dan siap untuk dianalisis sebanyak 127 kuesioner. Jumlah sampel tersebut telah memenuhi batas minimal analisis SEM yang membutuhkan sampel antara 100 - 200 sampel.
Data lengkap tentang identitas responden dapat dilihat pada tabel 4.1.
Tabel 4.1. Profil Responden
Klasifikasi Responden Jumlah Persentase
Jenis Kelamin Pria 102 80,3%
Wanita 25 19,7%
Jumlah 127 100,0%
Lokasi Perusahaan Jakarta 97 76,4% Luar Jakarta 30 23,6% Jumlah 127 100,0% Status Kepemilikan Modal Perusahaan BUMN 8 6,3% Swasta 119 93,7% Jumlah 127 100,0%
4.1.2. Analisis Statistik Deskriptif
Nilai statistik masing-masing variabel penelitian dapat dilihat pada tabel 4.2. Pada tabel tersebut juga ditampilkan nilai c.r skewness dan c.r kurtosis dalam kisaran nilai yang direkomendasikan yaitu -2.58 sampai 2.58.
Tabel 4.2. Statistik Variabel Penelitian Variabel Nilai
Minimum Nilai Maksimum
Nilai
Mean Skewness Kurtosis
KS 3,00 5,50 4,306 -0,169 -0,306 KI 3,00 6,00 4,701 0,148 0,680 KL 2,50 6,00 4,621 -0,546 0,380 KP 1,00 6,00 3,630 -0,683 0,498 MB 2,00 6,00 4,344 -0,402 -0,479 4.2. Pembahasan
4.2.1. Pengujian Model Berbasis Teori
Berdasarkan model penelitian yang diajukan, maka penelitian ini memiliki beberapa variabel, yaitu
1. Variabel eksogen, terdiri dari kualitas informasi, kualitas sistem, dan kualitas layanan.
2. Variabel endogen, terdiri dari kepuasan peserta e-procurement dan manfaat bersih.
Pada penelitian ini indikator variabel penelitian berjumlah 20 indikator. Hubungan kausal antara variabel eksogen dan variabel endogen diperlihatkan pada gambar 4.1.
Gambar 3.1. Model Awal Penelitian 4.2.2. Pengujian Validitas dan Reliabilitas 4.2.2.1. Pengujian Validitas
Berdasarkan hasil uji Confirmatory Factor Analysis (CFA), maka dapat dijelaskan hasil uji validitas variabel sebagai berikut:
1. Uji Validitas Variabel Laten Eksogen
a. Kualitas Sistem (KS)
Tabel 4.3. Uji Validasi Variabel KS Indikator Estimasi Keterangan
KS1 0,766 Valid
KS2 0,566 Valid
KS3 0,756 Valid
b. Kualitas Informasi (KI)
Tabel 4.4. Uji Validasi Variabel KI Indikator Estimasi Keterangan
KI1 0,507 Valid
KI2 0,944 Valid
KI3 0,517 Valid
KI4 0,625 Valid
c. Kualitas Layanan (KL)
Tabel 4.5. Uji Validasi Variabel KL Indikator Estimasi Keterangan
KL1 0,566 Valid
KL2 0,514 Valid
KL3 0,541 Valid
KL4 0,995 Valid
2. Uji Validitas Variabel Laten Endogen a. Kepuasan Peserta e-procurement (KP)
Tabel 4.6. Uji Validasi Variabel KP Indikator Estimasi Keterangan
KP1 0,845 Valid
KP2 -0,570 Tidak Valid
KP3 0,897 Valid
KP4 0,867 Valid
b. Manfaat Bersih (MB)
Tabel 4.7. Uji Validasi Variabel MB Indikator Estimasi Keterangan
MB1 0,883 Valid MB2 0,542 Valid MB3 0,939 Valid MB4 0,887 Valid MB5 0,625 Valid 3.2.2.2. Pengujian Reliabilitas
Berdasarkan hasil uji reabilitas konstruk, maka hasil uji reliabilitas gabungan dapat dilihat pada tabel 4.8.
Tabel 4.8. Uji Reliabilitas Gabungan Variabel Laten Construct Reliability Variance Extracted KI 0,824 0,614 KS 0,827 0,562 KL 0,832 0,574 KP 0,946 0,853 MB 0,930 0,736
4.2.3. Uji Asumsi
Uji asumsi model dilakukan untuk mengetahui apakah data yang digunakan telah memenuhi asumsi-asumsi SEM. Asumsi-asumsi yang harus diperhatikan dalam uji asumsi ini adalah: a. Ukuran Sampel
Jumlah data sampel dalam penelitian ini sebanyak 127 sampel. Jumlah tersebut telah memenuhi persyaratan ukuran sampel dalam pemodelan SEM.
b. Uji Normalitas
Berdasarkan penilaian normalitas (assessment of normality), terlihat secara univariate bahwa nilai c.r. secara keseluruhan berada pada kisaran nilai yang direkomendasikan yaitu antara -2,58 sampai dengan 2,58 (signifikansi pada 1%). Namun nilai multivariate c.r sebesar 17,896 yang ditunjukkan pada tabel 4.9. berada di atas 2,58, sehingga dapat disimpulkan bahwa data berdistribusi tidak normal.
Tabel 4.9. Assessment of Normality
Variable min max skew c.r. kurtosis c.r.
KP4 1,000 5,500 -,564 -2,595 ,361 ,830 KP3 1,000 5,000 -1,446 -6,654 1,823 4,194 KP2 1,000 5,000 ,103 ,475 -,570 -1,311 KP1 1,000 6,000 -,792 -3,642 ,112 ,258 MB5 2,000 5,500 -,698 -3,213 -,017 -,038 MB4 3,000 5,500 -,118 -,541 -,891 -2,049 MB3 2,000 6,000 -,443 -2,039 -,961 -2,211 MB2 3,000 6,000 ,174 ,801 ,190 ,437 MB1 2,500 5,500 -,899 -4,135 -,859 -1,975 KL1 3,500 6,000 -,680 -3,129 ,019 ,043 KL2 3,500 5,500 -,188 -,867 -,642 -1,477 KL3 3,000 6,000 -1,349 -6,207 2,251 5,178 KL4 2,500 5,500 ,061 ,281 -,356 -,819 KI1 4,000 6,000 ,697 3,204 1,237 2,846 KI2 3,000 6,000 -,669 -3,077 ,085 ,196 KI3 3,000 6,000 -,082 -,377 ,496 1,141 KI4 4,000 6,000 ,640 2,945 ,608 1,399 KS1 3,000 5,000 -,685 -3,153 ,042 ,096 KS2 3,000 5,500 ,426 1,959 -,104 -,240 KS3 3,000 5,000 -,242 -1,112 -,959 -2,207 Multivariate 94,217 17,896 c. Outlier
Sebuah data mempunyai outlier jika memiliki nilai p1 dan p2 kurang dari 0,05. Pada tabel mahalanobis distance yang terdapat pada tabel 4.10 terlihat ada nilai p1 dan p2 di bawah 0,05. Kondisi tersebut menunjukkan bahwa terdapat adanya outlier.
Tabel 4.10. Observations farthest from the centroid Observation number Mahalanobis d-squared p1 p2 6 71,279 ,000 ,000 57 63,919 ,000 ,000 98 60,277 ,000 ,000 97 53,724 ,000 ,000 127 50,638 ,000 ,000 111 48,861 ,000 ,000 Observation number Mahalanobis d-squared p1 p2 110 45,508 ,001 ,000 126 42,334 ,003 ,000 114 40,385 ,004 ,000 120 37,658 ,010 ,000 54 36,531 ,013 ,000 104 31,851 ,045 ,012 100 30,084 ,068 ,096 74 29,831 ,073 ,078 124 28,987 ,088 ,149 125 28,517 ,098 ,176 62 28,098 ,107 ,199 68 28,081 ,108 ,136 89 27,886 ,112 ,118 56 27,852 ,113 ,079 112 27,723 ,116 ,061 77 27,583 ,120 ,048 121 26,306 ,156 ,250 96 25,574 ,180 ,436 49 25,487 ,183 ,383 66 25,126 ,197 ,445 75 24,683 ,214 ,548 116 24,401 ,225 ,586 80 24,075 ,239 ,645 50 23,769 ,253 ,697 23 23,144 ,282 ,852 18 22,299 ,325 ,969 93 22,231 ,328 ,961 65 21,998 ,341 ,968 109 21,522 ,367 ,988 76 21,492 ,369 ,983 86 21,367 ,376 ,982 71 21,294 ,380 ,977 11 21,159 ,388 ,976 123 21,044 ,395 ,974 43 20,859 ,405 ,978 95 20,787 ,410 ,973 90 20,548 ,424 ,980 25 20,046 ,455 ,995 58 19,977 ,459 ,994 28 19,792 ,471 ,995 103 19,590 ,484 ,996 59 19,304 ,502 ,998 101 18,972 ,524 ,999 117 18,927 ,527 ,999 36 18,825 ,533 ,999 102 18,750 ,538 ,999 38 18,680 ,543 ,998 1 18,675 ,543 ,997 73 18,586 ,549 ,997 82 18,584 ,549 ,994 88 18,338 ,565 ,997 94 18,296 ,568 ,995 34 17,622 ,612 1,000 105 17,555 ,617 1,000 14 17,287 ,634 1,000 60 17,146 ,643 1,000 10 16,998 ,653 1,000 51 16,803 ,666 1,000 70 16,784 ,667 1,000 72 16,609 ,678 1,000 31 16,572 ,681 1,000 84 16,322 ,696 1,000 81 16,306 ,697 1,000 64 16,171 ,706 1,000
Observation number Mahalanobis d-squared p1 p2 52 16,157 ,707 1,000 15 16,143 ,708 1,000 85 16,130 ,709 1,000 113 16,106 ,710 ,999 29 16,037 ,714 ,999 122 16,010 ,716 ,998 115 15,998 ,717 ,997 8 15,883 ,724 ,997 45 15,815 ,728 ,997 53 15,427 ,751 ,999 17 15,410 ,752 ,999 61 15,194 ,765 ,999 3 15,171 ,767 ,999 7 14,966 ,778 ,999 44 14,598 ,799 1,000 48 14,438 ,808 1,000 46 14,376 ,811 1,000 79 14,337 ,813 1,000 108 13,674 ,847 1,000 4 13,665 ,847 1,000 91 13,657 ,847 1,000 20 13,480 ,856 1,000 22 13,195 ,869 1,000 41 13,105 ,873 1,000 24 13,096 ,873 1,000 83 12,922 ,881 1,000 40 12,291 ,906 1,000 27 12,146 ,911 1,000 2 12,067 ,914 1,000 39 12,067 ,914 1,000
d. Multikolinearitas dan Singularitas
Nilaideterminant of sampel covariance matrix = .000. Berdasarkan nilai tersebut maka dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dan singularitas pada data yang dianalisis, sehingga data dinyatakan valid. 4.2.4. Uji Kesesuaian
Model penelitian sementara terlihat pada gambar 4.2. yang diperoleh setelah dilakukan uji validasi dan reliabilitas
Gambar 4.2. Model Penelitian Setelah Uji Validasi dan Reliabilitas
Model teori yang diajukan pada penelitian ini tidak sesuai dengan model populasi yang diobservasi. Hal tersebut dapat dibuktikan dengan melihat nilai P pada tabel 4.11. yang bernilai kurang dari 0,05.
Tabel 4.11. Hasil Uji Kesesuaian Model Ukuran Kesesuaian Batas Nilai Kritis Hasil Uji Model Keterangan Absolut Fit Measures
Chi-Square X2 (CMIN)
Kecil, ≤χ2 α ; df
816,145 Tidak Baik
Probability ≥ 0,05 0,000 Tidak Baik Chi-Square X2
Relatif (CMIN/DF)
≤ 2,00 5,748 Tidak Baik
GFI ≥ 0,90 0,566 Tidak Baik
RMSEA ≤ 0,08 0,194 Tidak Baik
Incremental Fit Measures
AGFI ≥ 0,90 0,420 Tidak Baik
TLI ≥ 0,95 0,581 Tidak Baik
NFI ≥ 0,90 0,613 Tidak Baik
CFI ≥ 0,95 0,652 Tidak Baik
Parsimonious Fit Measures
PNFI ≥ 0,60 0,509 Tidak Baik
PGFI ≥ 0,60 0,423 Tidak Baik
Karena nilai P kurang dari 0,05 atau tidak memenuhi persyaratan, maka uji kriteria lain seperti; absolut fit measure, incremental fit measures, dan parsimonious fit measures tidak dilanjutkan. Sehingga langkah selanjutnya adalah dengan menggunakan analisis jalur (path analysis).
3.2.5. Analisis Model Jalur (Path Analysis) 3.2.5.1. Model Jalur Awal
Model jalur awal untuk analisis jalur dapat dilihat pada gambar 4.3.:
Gambar 4.3. Model Jalur Awal
Dari hasil uji signifikansi diperoleh nilai koefisien yang mempengaruhi signifikansi setiap jalur pada model jalur awal. Hasil uji signifikansi ditunjukkan pada gambar 4.4.
Gambar 4.4. Hasil Uji Signifikansi Model Jalur Awal
Hubungan kausalitas antar jalur yang boleh digunakan harus memenuhi kriteria nilai probabilitas P < 0,05 dan koefisien regresi bernilai positif. Pada tabel 4.12. ditampilkan hasil analisis terhadap model jalur awal.
Tabel 4.12.
Koefisien Regresi dan Nilai Probabilitas Model Jalur Awal
Hubungan Kausalitas Koefisien Regresi (KR) Probabilitas (P) Keterangan KP ← KL -0,131 0,351 Non Signifikan KP ← KS 0,201 0,451 Non Signifikan KP ← KI 0,671 0,005 Signifikan MB ← KI 1,227 0,000 Signifikan MB ← KL 0,170 0,066 Non Signifikan MB ← KS 1,163 0,000 Signifikan MB ← KP 1,133 0,022 Signifikan
Dari hasil uji signifikansi yang disimpulkan dalam tabel 4.12., terdapat empat jalur signifikan dan tiga jalur non signifikan. Hal ini menyatakan bahwa model jalur awal yang diajukan, tidak sesuai atau tidak fit.
Hipotesis operasional akan diterima (jika P < 0,05) atau ditolak (jika P > 0,05) sesuai dengan hasil uji signifikansi. Tabel 4.13. memperlihatkan hasil hipotesis khusus
Tabel 4.13. Hasil Hipotesis Operasional Hipotesis Deskripsi Hipotesis Statistik
Hipotesis Hasil
H1 Diduga kualitas KP ← KS Ditolak
sistem secara signifikan mempengaruhi kepuasan peserta e-procurement. (Non Signifikan) H2 Diduga kualitas sistem secara signifikan mempengaruhi manfaat bersih. MB ← KS Diterima (Signifikan) H3 Diduga kualitas informasi secara signifikan mempengaruhi kepuasan peserta e-procurement. KP ← KI Diterima (Signifikan) H4 Diduga kualitas informasi secara signifikan mempengaruhi manfaat bersih. MB ← KI Diterima (Signifikan) H5 Diduga kualitas layanan secara signifikan mempengaruhi kepuasan peserta e-procurement KP ← KL Ditolak (Non Signifikan) H6 Diduga kualitas layanan secara signifikan mempengaruhi manfaat bersih MB ← KL Ditolak (Non Signifikan) H7 Diduga kepuasan peserta e-procurement secara signifikan mempengaruhi manfaat bersih MB ← KP Diterima (Signifikan)
3.2.5.2. Model Jalur Akhir
Model jalur akhir yang dibuat berdasarkan penghapusan jalur dari uji signifikansi, diperlihatkan pada gambar 4.5.
Gambar 4.5. Model Jalur Akhir Dari hasil uji signifikansi diperoleh gambaran koefisien regresi seperti pada gambar 4.6.
Gambar 4.6. Hasil Uji Signifikansi Model Jalur Akhir
Tabel 4.14. memperlihatkan hasil analisa Koefisien Regresi dan Probabilitas untuk model jalur akhir yang dibuat.
Tabel 4.14.
Koefisien Regresi dan Nilai Probabilitas Model Jalur Akhir Hubungan Kausalitas Koefisien Regresi (KR) Probabilitas (P) Keterangan KP ← KI 0,750 0,000 Signifikan MB ← KL 0,252 0,022 Signifikan MB ← KS 1,965 0,000 Signifikan MB ← KP 0,239 0,000 Signifikan
Tabel 4.15.Koefisien Determinasi Model Jalur Akhir Variabel Endogen R2 Intercept
KP 12,20% -2,445
MB 63,40% -11,122
3.2.6. Interpretasi Model
Persamaan variabel endogen model akhir dapat dibuat berdasrkan tabel 4.14. dan tabel 4.15
KP = intercept + γ12 KI4.1 KP = -2,445 + 0,750 KI
Persamaan 4.1 menjelaskan hubungan antara Kepuasan Pengguna (KP) dengan Kualitas Informasi (KI). Apabila KI meningkat 1 satuan, maka KP akan meningkat 0,750.
Hasil penelitian menjelaskan Kepuasan Peserta (KP) yang dipengaruhi oleh variasi Kualitas Informasi (KI) sebanyak 12,20%, sedangkan persentase sebesar 87,80% merupakan variasi yang dijelaskan oleh variabel-variabel lain dalam penelitian ini. Variabel endogen Kepuasan Peserta (KP) dipengaruhi oleh Kualitas Informasi (KI). MB = intercept + γ21 KL + γ22 KS + β21 KP4.2
MB = -11,122 + 0,252 KL + 1,965 KS + 0,239 KP Persamaan 4.2 menjelaskan hubungan antara Manfaat Bersih (MB) dengan Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Pengguna (KP). Jika KL meningkat 1 satuan dan KS serta KP bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 0,252.
Jika KS meningkat 1 satuan dan KL serta KP bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 1,965. Jika KP meningkat 1 satuan dan KL serta KS bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 0,239. Variabel endogen Manfaat Bersih (MB) dipengaruhi secara signifikan oleh Kualitas Layanan (KL), Kualitas Sistem (KS), dan Kepuasan Peserta (KP). Hasil penelitian menjelaskan 63,40% Manfaat Bersih (MB) dipengaruhi oleh variasi Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Peserta (KP) sedangkan persentase sebesar 36,60% merupakan variasi yang dijelaskan oleh variabel Kualitas Informasi (KI).
3.2.7. Uji Moderator
Pengujian signifikansi moderator dalam penelitan ini akan diteliti berpengaruh atau tidaknya faktor status kepemilikan modal perusahaan terhadap kepuasan peserta yang disebabkan oleh manfaat bersih.
Analisis keragaman variabel moderator berdasarkan kriteria status kepemilikan perusahaan ini dibagi menjadi dua kategori yaitu kategori BUMN (B) dan kategori Swasta (S). Data hasil output untuk analisis keragaman variabel moderator berdasarkan status kepemilikan perusahaan.
Hipotesis umum yang diajukan dalam analisa berdasarkan lokasi perusahaan, adalah: H0 : Diduga kepuasan peserta e-procurement
yang disebabkan oleh manfaat bersih tidak dipengaruhi oleh status kepemilikan perusahaan.
H1 : Diduga kepuasan peserta e-procurement yang disebabkan oleh manfaat bersih dipengaruhi oleh status kepemilikan perusahaan.
Penentuan hipotesis H0 diterima atau tidak diterima dilihat dari besar nilai p dalam analisa moderator status kepemilikan perusahaan. Nilai p yang dimaksud, adalah nilai probability untuk model unconstrained pada tabel 4.16. CMIN. Hipotesis H0 diterima jika nilai p lebih besar dari 0,05 ( p > 0,05). Untuk nilai p yang lebih kecil dari 0,05 (p < 0,05) maka hipotesis H0 ditolak.
Tabel 4.16. CMIN
Model NPAR CMIN DF P CMIN/
DF Unconstrained 24 56,707 6 ,000 9,451 Structural weights 20 65,696 10 ,000 6,570 Structural covariances 14 84,694 16 ,000 5,293 Structural residuals 12 100,331 18 ,000 5,574 Saturated model 30 ,000 0 Independence model 10 287,114 20 ,000 14,356
Dilihat dari tabel 4.16. CMIN untuk status kepemilikan perusahaan BUMN dan swasta, diperoleh nilai p = 0,000 yang berarti p < 0,005. Dengan demikian dinyatakan hipotesis H0 tidak diterima. Hal ini berarti terdapat pengaruh keragaman status kepemilikan perusahaan terhadap kepuasan peserta e-procurement yang disebabkan oleh manfaat bersih.
a. Status Kepemilikan Perusahaan “BUMN”
Terdapat dua hipotesis khusus yang diajukan untuk kategori “BUMN”, yaitu:
H0 : Tidak terbukti signifikansi kepuasan peserta e-procurement yang disebabkan oleh Kualitas Informasi bagi peserta dengan status kepemilikan perusahaan adalah BUMN.
H1 : Terbukti signifikansi kepuasan peserta e-procurement yang disebabkan oleh Kualitas Informasi bagi peserta dengan status kepemilikan perusahaan adalah BUMN.
Untuk menentukan apakah hipotesis H0 diterima atau ditolak, dilihat dari hasil analisis moderator status kepemilikan perusahaan dengan status BUMN. Pada tabel 4.17. Regression WeightsBUMN terlihat hubungan antara kausalitas Kualitas Informasi (KI) dengan Kepuasan Peserta (KP) memiliki nilai p = 0,374 atau p > 0,005. Jika p lebih besar dari 0,005 (p > 0,005), maka hipotesis H0 diterima.
Tabel 4.17. Regression Weights BUMN Estimat e S.E . C.R . P Labe l KP <--- KI ,260 ,293 ,889 ,37 4 b1_1 M B <--- K L -,706 ,488 -1,444 ,14 9 b2_1 M B <--- K S 1,355 ,423 3,205 ,00 1 b3_1 M B <--- K P ,799 ,409 1,955 ,05 1 b4_1
Berdasarkan nilai p dari tabel 4.17. Regression Weights BUMN, dapat dibuktikan bahwa
kepuasan peserta e-procurement tidak dipengaruhi oleh kualitas informasi, bagi peserta dengan status kepemilikan perusahaan adalah BUMN.
b. Status Kepemilikan Perusahaan “Swasta”
Terdapat dua hipotesis khusus yang diajukan untuk kategori “Swasta”, yaitu:
H0 : Tidak terbukti signifikansi kepuasan peserta e-procurement yang disebabkan oleh Kualitas Informasi bagi peserta dengan status kepemilikan perusahaan adalah Swasta.
H1 : Terbukti signifikansi kepuasan peserta e-procurement yang disebabkan oleh Kualitas Informasi bagi peserta dengan status kepemilikan perusahaan adalah Swasta.
Untuk menentukan apakah hipotesis H0 diterima atau ditolak, dilihat dari hasil analisis moderator status kepemilikan perusahaan dengan status Swasta. Pada tabel 4.18. Regression Weights Swasta terlihat hubungan antara kausalitas Kualitas Informasi (KI) dengan Kepuasan Peserta (KP) memiliki nilai p = 0,000 atau p < 0,005. Jika p lebih kecil dari 0,005 (p < 0,005), maka hipotesis H0 ditolak.
Tabel 4.18. Regression Weights Swasta Estimat e S.E . C.R . P Labe l KP <--- KI ,707 ,185 3,831 *** b1_2 M B <--- K L ,273 ,113 2,404 ,01 6 b2_2 M B <--- KS 1,967 ,173 11,379 *** b3_2 M B <--- KP ,216 ,071 3,023 ,00 3 b4_2
Berdasarkan nilai p dari tabel 4.18. Regression Weights Swasta, dapat dibuktikan bahwa kepuasan peserta e-procurement dipengaruhi oleh kualitas informasi, bagi peserta dengan status kepemilikan perusahaan adalah Swasta.
Ringkasan hasil pengujian hipotesis khusus yang diajukan dalam penelitian ini dapat dilihat pada tabel 4.19.
Tabel 4.19. Ringkasan Hasil Pengujian Hipotesis Khusus
Hipotesis Deskripsi Hipotesis Keputusan
H8
Diduga signifikasi kepuasan peserta e-procurement yang disebabkan kualitas sistem dipengaruhi oleh faktor status
kepemilikan modal perusahaan
H9
Diduga signifikasi kepuasan peserta e-procurement yang disebabkan kualitas informasi dipengaruhi oleh faktor status kepemilikan modal perusahaan
Diterima
H10
Diduga signifikasi kepuasan peserta e-procurement yang disebabkan kualitas layanan dipengaruhi oleh faktor status kepemilikan modal perusahaan
Ditolak
H11
Diduga signifikasi manfaat bersih yang disebabkan kualitas sistem dipengaruhi oleh faktor status kepemilikan modal perusahaan
Diterima
H12
Diduga signifikasi manfaat bersih yang disebabkan kualitas informasi dipengaruhi oleh faktor status kepemilikan modal perusahaan
Ditolak
H13
Diduga signifikasi manfaat bersih yang disebabkan kualitas layanan dipengaruhi oleh faktor status kepemilikan modal perusahaan
Diterima
H14
Diduga signifikasi manfaat bersih yang disebabkan kepuasan peserta e-procurement dipengaruhi oleh faktor status kepemilikan modal perusahaan
Diterima
V.KESIMPULAN
Dari penelitian ini dapat disimpulkan beberapa hal berikut:
1. Kualitas informasi merupakan variabel atau faktor yang paling mempengaruhi kepuasan peserta e-procurement.
2. Kualitas layanan, kualitas sistem dan kepuasan peserta merupakan variabel atau faktor yang paling mempengaruhi manfaat bersih e-Procurement bagi para peserta e-Procurement. 3. Keragaman status kepemilikan perusahaan
terhadap kepuasan peserta e-procurement yang disebabkan oleh manfaat bersih bagi peserta, dimana tingkat kepuasan ini dilihat dari kualitas informasi yang dihasilkan.
4. Kepuasan peserta e-procurement tidak dipengaruhi oleh kualitas informasi, bagi peserta dengan status kepemilikan perusahaan adalah BUMN.
5. Kepuasan peserta e-procurement dipengaruhi oleh kualitas informasi, bagi peserta dengan status kepemilikan perusahaan adalah Swasta. REFERENSI
Aritonang, R. L. (2005). Kepuasan Pelanggan. Jakarta: PT Gramedia Pustaka Utama. Chaffey, D. (2004). E-business and E-commerce
Management: Strategy, Implementation, and Practice (2nd edition). New Jersey: Prentice Hall.
DeLone, W. H. (1992). Information System Success: The Quest for the Dependent Variable. Information System Research 3(1), 60-95. DeLone, W. H. (2003). Information Systems
Success: A Ten-Year Update. Journal of Information Systems Research, The Institute of Management Sciences.
Eid, Mustafa I. (2011). Determinants of E-Commerce Customer Satisfaction, Trust, and Loyalty in Saudi Arabia. Journal of Electronic Commerce Research, Vol 12, No. 1.
Fauzan, M. M. (2013). Tingkat Kesiapan Masyarakat Jasa Konstruksi Dalam Penerapan E-Procurement Di Lhokseumawe. Teras Jurnal, Vol 3, No. 1, Maret.
Ghozali, I. (2004). Model Persamaan Struktural: Konsep dan Aplikasi dengan Program AMOS Ver. 5.0. Semarang: Badan Penerbit Universitas Diponegoro.
Hair, J. F. (1998). Multivariat Data Analysis. New Jersey: Prentice Hall.
Jogiyanto, H. (2007). Model Kesuksesan Sistem Teknologi Informasi. Yogyakarta: Andi Offset.
Kusdaryono, A. (2007). Strategi Penerapan Sistem E-Procurement Pemerintah (SePP): Studi Kasus di Departemen Komunikasi dan Informatika R.I. Jakarta: Universitas Budi Luhur.
Liu, C. dan Arnett, K. P.. (2009). Exploring the Factors Associated with Web Site Success In the Context Of Electronic Commerce. Information & Management, 38 , 23-33. Muzahid Akbar, Mohamma, dan Parvez. (2009).
Impact of Service Quality, Trust, and Customer Satisfaction on Customers Loyalty. ABAC Journal Vol. 29, No. 1 (January-April) , 24-38.
Nazir, M. (2009). Metode Penelitian. Jakarta: Ghalia Indonesia.
Santoso, S. (2011). Struktural Equation Model (SEM): Konsep dan Aplikasi dengan AMOS 18. Jakarta: Elex Media Komputindo. Santoso, S. dan Fandy Tjiptono. (2002). Riset
Pemasaran: Konsep dan Aplikasi dengan SPSS. Jakarta: Elex Media Komputindo. Seddon, P. S. (1999). Dimensions of Information
Systems Success. Communication of the AIS (2) .
Sitinjak, T. dan Sugiarto. (2006). Lisrel. Yogyakarta: Graha Buku.
Sugiyono. ( 1999). Metode Penelitian Bisnis. Bandung: Alfabeta.
Turban, E. K. (2004). Electronic Commerce: A Managerial Perspective. New Jersey: Prentice Hall.
Widodo, P. P. (2007). Seri Structural Equation Modeling. Jakarta: Universitas Budi Luhur. Zeithaml, V. A. (1990). Delivering Quality Service:
Balancing Customer Perception and Expectation. New York.: The Free Press.
