Analisa Kepuasan Mahasiswa AMIK Mahaputra Riau Terhadap SISFO dengan Metode End User Computing Satisfaction
Annisa Salsabila*, Medyantiwi Rahmawita Munzir, Tengku Khairil Ahsyar, Megawati Sains dan Teknologi, Sistem Informasi, UIN Sultan Syarif Kasim Riau, Pekanbaru, Indonesia Email: 1,*[email protected], 2[email protected], 3[email protected],
Email Penulis Korespondensi : [email protected] Submitted 06-11-2022; Accepted 09-12-2022; Published 30-12-2022
Abstrak
AMIK Mahaputra Riau merupakan salah satu perguruan tinggi yang menerapkan sistem akademik yang dinamai SISFO (Sistem Informasi). SISFO membantu dalam pengelolaan data yang berkaitan dengan akademik seperti, data mahasiswa dan dosen, rekap hasil kuliah serta jadwal perkuliahan. Dalam penerapannya, SISFO masih ditemukan beberapa permasalahan seperti, tidak adanya fitur pengaduan untuk pengguna, warna tampilan sistem yang terkesan monoton, tidak lengkapnya informasi mengenai total nilai keseluruhan semester, sistem masih menginputkan data yang salah dan lamanya sistem dalam mengupdate data. Selama sistem di implementasikan, belum pernah diadakannya penelitian dan penilaian mengenai tingkat kepuasan pengguna terhadap kualitas sistem yang digunakan. Dari permasalahan tersebut, maka dibutuhkan suatu analisa yang dapat mengukur kepahaman pengguna terhadap sistem yang digunakan, dan diharapkan dapat memberikan masukan kepada pihak terkait yang nantinya dapat digunakan untuk megembangkan dan memperbaiki kualitas sistem akademik serta membantu pihak AMIK Mahaputra Riau untuk mengurangi resiko yang nantinya akan terjadi. Metode yang digunakan pada penelitian ini adalah metode End User Computing Satisfaction (EUCS).
Penelitian ini menggunakan 72 responden yang ditentukan dengan menggunakan teknik Quota Sampling. Pengolahan data dilakukan dengan menggunakan software SmartPLS versi 3.2. Pada penelitian ini, di dapatkan bahwa sebesar 57,6% mahasiswa merasa cukup puas terhadap SISFO.
Kata Kunci: End User Computing Satisfaction (EUCS); Kepuasan Pengguna; Quota Sampling; SISFO; SmartPLS Abstract
AMIK Mahaputra Riau is one of the universities that implements an academic system called SISFO (Information System). SISFO assists in the management of data related to academics such as, student and lecturer data, recaps of lecture results and lecture schedules.
In its application, SISFO still found several problems such as, the absence of a complaint feature for users, the color of the system display that seems monotonous, incomplete information about the total score of the entire semester, the system still inputs incorrect data and the length of time the system updates the data. During the implementation of the system, there has never been any research and assessment of the level of user satisfaction with the quality of the system used. From these problems, an analysis is needed that can measure user understanding of the system used, and is expected to provide input to related parties which can later be used to develop and improve the quality of the academic system and help AMIK Mahaputra Riau to reduce risks that will later occur. The method used in this study is the End User Computing Satisfaction (EUCS) method. This study used 72 respondents who were determined using the Quota Sampling technique. Data processing is carried out using SmartPLS software version 3.2. In this study, it was found that 57.6% of students were quite satisfied with SISFO.
Keywords: End User Computing Satisfaction (EUCS); User Satisfaction; Quota Sampling; SISFO; SmartPLS
1. PENDAHULUAN
Tekonologi dalam bidang pendidikan memiliki peran penting dalam mendukung tenaga didik dan peserta didik untuk saling berinteraksi. Sudah sewajarnya pendidikan memanfaatkan teknologi informasi dan komunikasi dalam proses pembelajaran. Teknologi pendidikan merupakan sebuah metode untuk merencanakan atau menilai proses pembelajaran dengan memperhatikan dari segi teknis maupun manusia, atau pun interaksi keduanya, agar mendapatkan pendidikan yang lebih efektif [1].
Begitu juga dengan perguruan tinggi yang menjadi salah satu wadah pendidikan yang telah mengalami perubahan dibidang teknologi informasi dan komunikasi. Persaingan yang terus dihadapi perguruan tinggi menuntut untuk meningkatkan efesiensi dan efektifitas dalam akademik pendidikan. Dengan meningkatnya mutu akademik tersebut maka dapat membantu meningkatkan citra perguruan tinggi. Pengelolaan akademik lebih efektif apabila dibantu dengan penggunaan teknologi informasi berupa sistem informasi akademik [2].
AMIK Mahaputra Riau merupakan salah satu perguruan tinggi yang telah menerapkan teknologi informasi berupa sistem akademik untuk membantu proses-proses akademik. Sistem akademik yang diterapkan dinamakan SISFO (Sistem Informasi). SISFO mulai diterapkan oleh AMIK Mahaputra pada bulan Agustus tahun 2018. Adapun layanan yang disediakan yaitu, menginput data diri mahasiswa dan dosen, pengisian Kartu Rencana Studi (KRS), mengetahui informasi kampus, pembuatan surat aktif kuliah, mencetak Kartu Hasil Studi (KHS), mengetahui transkip Nilai, mengetahui jadwal pelajaran beserta kelas dan dosen matakuliah.
Berdasarkan pengamatan dan wawancara yang telah dilakukan, terdapat beberapa permasalahan yang ditemukan.
Dari segi content, SISFO tidak menyediakan fitur pengaduan seperti kolom komentar atau live chat yang biasanya digunakan pengguna untuk mengajukan pertanyaan, keluhan dan saran terkait sistem yang digunakan. Menurut Nalendra untuk meningkatkan pengembangan layanan perguruan tinggi, keluhan yang disampaikan oleh mahasiswa harus ditampung sebagai bahan untuk mengevaluasi sistem [3]. Dengan adanya pengaduan tersebut, maka kampus dapat
memperbaiki kekurangan sistem dan meningkatkan kualitasnya. Maka dari itu, penambahan fitur untuk menampung pertanyaan dan saran pengguna dapat membantu sistem informasi agar lebih baik dan terstruktur [4]. Permasalahan selanjutnya dari segi content, SISFO tidak memberikan informasi lengkap seperti tidak adanya informasi mengenai total nilai keseluruhan dari semester pertama sampai semester akhir (total nilai kumulatif).
Permasalahan dari segi format, pengguna merasa bahwa tampilan sistem akademik memiliki desain yang kurang menarik dengan komposisi warna yang monoton, sehingga pengguna merasa bosan dengan tampilan pada sistem akademik. Warna dapat menimbulkan ketertarikan yang baik terhadap pengguna secara fisik ataupun psikologis, maka dari itu pemilihan warna perlu diperhatikan agar pengguna tidak merasa bosan [5]. Permasalahan dari segi timeliness yaitu, pengguna merasa bahwa SISFO lambat dalam mengupdate data saat adanya perbaikan data. Sistem informasi yang baik dapat dilihat dari ketepatan waktu dalam mengolah dan menghasilkan output data kepada para pengguna. Waktu yang dibutuhkan haruslah cepat agar pengguna dapat menilai sitem dengan baik [6].
Permasalahan dari segi accuracy, pengguna merasa bahwa sistem masih menginputkan data yang salah, contohnya saat mahasiswa telah mengambil mata kuliah dan sudah menjadi mahasiswa aktif, tetapi sistem masih menampilkan bahwa mahasiswa tersebut belum terdaftar, akibatnya pengguna merasa bingung dengan informasi yang ditampilkan sistem karena ketidaksesuaian informasi tersebut. Menurut Doll & Torkzadeh pengguna akhir harus mendapatkan informasi yang sesuai dalam sebuah aplikasi, selain meyakinkan keakuratannya juga meyakinkan pembaharuan sistem tersebut [6]. Selama sistem di implementasikan, belum pernah diadakan penelitian atau penilaian mengenai tingkat kepuasan pengguna terhadap kualitas sistem yang digunakan, sehingga pihak kampus belum mengetahui tingkat kepuasan mahasiswa terhadap sistem yang digunakan.
Dari permasalahan yang ada, maka diperlukan suatu analisa dalam mengukur tingkat kepuasan pengguna untuk mengukur kepahaman pengguna terhadap sistem dan dapat memberikan masukan kepada pihak terkait yang nantinya dapat digunakan untuk mengembangkan dan memperbaiki pengelolaan sistem akademik. Untuk melakukan analisa pengukuran kepuasan pengguna tersebut, maka diperlukan suatu metode yang dapat mengukur dari segi tingkat kepuasan pengguna. Metode End User Computing Satisfaction (EUCS) merupakan sebuah metode yang dapat membantu dalam pengukuran kepuasan pengguna terhadap sistem informasi. Pada metode EUCS, terdapat lima variabel di dalamnya yaitu, content, accuracy, format, ease of use dan timeliness [7]. Pada penelitian ini ditentukan hipotesis sementara yang mana menggambarkan jawaban sementara terhadap rumusan permasalahan yang telah ditentukan. Hipotesis tersebut akan diuji kebenaran dan kesalahannya. Hipotesis semntara pada penelitian ini, semua variabel EUCS, isi (content), akurasi (accuracy), bentuk (format), kemudahan pengguna (ease of use), dan ketpatan waktu (timeliness) berpengaruh positif terhadap kepuasan pengguna (user satisfaction).
Adapun beberapa penelitian terdahulu yang menggunakan metode EUCS dengan judul “Model Satisfaction Users Measurement of Academic Information System Using End-User Computing Satisfaction (EUCS) Method” yang di lakukan oleh Nur Aeni Hidayah, Elvi Fitriana dan Alvali Zaqi Taufan tahun 2020, menyatakan, 35% pengguna merasa puas terhadap sistem dan 21% pengguna merasa sangat puas [8]. Selanjutnya penelitian oleh Purwanto dan Deden Hedin tahun 2020 berjudul, “Measurement of User Satisfaction for Web-Base Academic Information System Using End-User Computing Satisfaction Method” menyatakan, pengguna belum merasa puas dengan sistem informasi akademik dalam variabel content, accuracy, dan format. Sedangkan pada variabel ease of use dan timeliness, pengguna sudah merasa puas [9]. Penelitian oleh Widi Astuti dan Retno Waluyo tahun 2022 dengan judul, “Analisis Kepuasan Mahasiswa Terhadap Aplikasi PeduliLindungi Menggunakan Metode EUCS”, menyatakan, semua variabel EUCS berpengaruh positif terhadap kepuasan pengguna terhdapa aplikasi [10].
Penelitian berikutnya dengan judul “Analisis Kepuasan Pengguna SIMPUS Menggunakan Metode EUCS di Puskesmas Banguntapan II” yang di lakukan oleh Imaniar Sevtiyani dan Findy Fatikasari tahun 2020, menyatakan, variabel accuracy tidak berpengaruh terhadap kepuasan pengguna dengan nilai T sebesar 0,433. Variabel content tidak berpengaruh terhadap kepuasan pengguna dengan nilai T sebesar 0,731. Variabel ease of use tidak berpengaruh terhadap kepuasan pengguna dengan nilai T sebesar 0,723. Untuk variabel format berpengaruh terhadap kepuasan pengguna dengan nilai T sebesar 2,504, dan variabel timeliness berpengaruh terhadap kepuasan pengguna dengan nilai T sebesar 2,265 [11]. Penelitian terakhir yang dilakukan oleh Muhammad Aja Sugandi dan R. M. Nasrul Halim tahun 2020 dengan judul “Analisis End-User Computing Satisfaction (EUCS) Pada Apliaksi Mobile Universitas Bina Darma” menyatakan, berdasarkan hasil dari uji R2, kelima variabel EUCS berpengaruh terhadap kepuasan pengguna sebesar 70,8 %.
Berdasarkan hasil dari uji T diketahui variabel format dan content tidak berpengaruh terhadap kepuangan pengguna, sedangan variabel accuracy, timeliness dan ease of use berpengaruh terhadap kepuangan pengguna [12].
Berdasarkan penjelasan yang telah dipaparkan, maka penelitian ini akan melakukan analisa tingkat kepuasan mahasiswa terhadap sistem akademik dengan judul, Analisa Kepuasan Mahasiswa AMIK Mahaputra Riau Terhadap SISFO Dengan Metode End User Computing Satisfaction. Tujuan dari penelitian ini adalah untuk mengetahui tingkat kepuasan mahasiswa AMIK Mahaputra Riau terhadap SISFO berdasarkan metode End User Computing Satisfaction (EUCS) dan untuk menghasilkan rekomendasi kepada pihak AMIK Mahaputra Riau terkait sistem yang dianalisa.
2. METODOLOGI PENELITIAN
Metodologi penelitian merupakan gambaran mengenai tahapan dalam penyusunan laporan. Tahapan tersebut mulai dari tahap pengumpulan data hingga tahap pembuatan dokumentasi. Berikut merupakan penjelasan metodologi penelitian yang di gambarkan pada Gambar 1.
Gambar 1. Metodologi Penelitian 2.1 Tahap Perencanaan
Pada tahap perencanaan dilakukan pemilihan topik dengan melakukan identifikasi terhadap minat dan apa yang akan diteliti dengan mencari beberapa referensi dari jurnal-jurnal terdahulu. Pada penelitian ini, peneliti menggunakan metode End User Computing Satisfaction (EUCS) yang mana metode ini dapat digunakan untuk mengukur tingkat kepuasan pengguna terhadap sistem. Setelah menentukan topik, peneliti menentukan studi kasus penelitian. Peneliti melakukan observasi dan wawancara kepada mahasiswa untuk mempermudah dalam penelitian. Studi kasus pada penelitian ini yaitu AMIK Mahaputra Riau yang bertepatan dijalan H.R Soebrantas No. 77, Tuah Karya, Kec. Tampan, Kota Pekanbaru.
Selanjutnya peneliti menentukan subjek penelitian. Dalam penelitian ini, subjek penelitan adalah mahasiswa aktif AMIK Mahaputra Riau. Pada AMIK Mahaputra Riau ini, program studi yang dimiliki hanya D3 Manajemen Informatika.
Selanjutnya peneliti melakukan wawancara kepada pengelola sistem dan beberapa mahasiswa. Setelah itu peneliti mengidentifikasi masalah, menentukan batasan masalah, tujuan penelitian, serta manfaat penelitian. Pada tahap ini, peneliti juga menentukan hipotesis sebagai hasil sementara terhadap rumusan masalah.
2.2 Tahap Pengumpulan Data
Pada tahap ini peneliti mulai mengumpulkan data yang di dapatkan dari hasil wawancara dan mengumpulkan berbagai macam teori dari jurnal-jurnal dan buku. Populasi pada penelitian ini berjumlah 147 mahasiswa. Sampel pada penelitian ini ditentukan dengan menggunakan Nonprobability Sampling dengan teknik Quota Sampling. Pemilihan sampel ditentukan berdasarkan ketersediaan waktu dan populasi. Pengambilan sampel tidak akan di hentikan jika jumlah sampel belum memenuhi kuota, dan akan dihentikan jika jumlah sampel telah memenuhi kuota [13]. Dari teknik pengambilan sampel tersebut di dapatkan 72 mahasiswa aktif tahun 2020 dan tahun 2021 sebagai sampel penelitian. Selanjutnya, penelitian menentukan metode data dan instrument dalam pengumpulan data. Dalam penelitian ini, metode yang digunakan untuk menggumpulkan data adalah dengan menggunakan kuisioner. Kuisioner yang digunakan berisikan 22 pertanyaan dengan mengategorikan pertanyaan tersebut kedalam lima dimensi EUCS, content, accuracy, format, ease of use dan timeliness. Instrumen yang digunakan dalam pengumpulan data adalah skala likert. Pada penelitian ini, data yang di butuhkan mencakup data sekunder yang di dapatkan dari jurnal-jurnal terdahulu yang berkaitan dengan topik penelitian, dan data primer yang di dapatkan dari observasi dan wawancara serta penyebaran kuisioner.
2.3 Tahap Analisa dan Pengolahan Data
Pada tahap ini peneliti melakukan pengolahan terhadap data kuisioner, yang mana dari kuisioner tersebut di dapatkan data responden meliputi semester, jenis kelamin, jurusan dan jenjang pendidikan. Setelah itu dilakukan pengolahan data dengan menyusun data kedalam Microsoft Excel dan mengolahnya dengan menggunakan SmartPLS 3.2. Pengolahan data diawali dengan mengukur outer model. Outer model menjelaskan bagaimana hubungan indikator dengan variabel latennya [14]. Dalam pengukuran outer model terdapat uji validitas dan uji reliabilitas [14]. Setelah mengukur outer model, selanjutnya mengukur inner model. Inner model akan mengevaluasi konstruk laten yang satu dengan yang lainnya [15]. Dan terakhir adalah menguji hipotesis dengan bootstrapping. Tingkat signifikan yang digunakan yaitu satu arah 0,05.
2.4 Tahap Dokumentasi
Tahap dokumentasi merupakan tahap akhir dari penelitian. Pada tahap ini peneliti melakukan penyusunan hasil penelitian dan menentukan kesimpulan serta rekomendasi terhadap sistem yang diteliti.
3. HASIL DAN PEMBAHASAN
3.1 Sistem Informasi (SISFO)
SISFO merupakan layanan akademik berbasis online yang digunakan mahasiswa untuk menginput biodata, pengisian Kartu Rencana Studi (KRS), mencetak Kartu Hasil Studi (KHS), mengetahui transkip nilai, mengetahui jadwal pelajaran beserta kelas dan dosen matakuliah. SISFO dapat diakses pada website https://sisfo.amikmahaputra.ac.id/.
Gambar 2. Tampilan Halaman Login
Gambar 3. Tampialn Halaman Menu Utama 3.2 Analisis Responden
Responden pada penelitian ini adalah mahasiswa D3 Manajemen Informatika yang diambil dari jumlah populasi sebanyak 147 mahasiswa dengan pengambilan sampel menggunakan teknik Quota Sampling. Pada penelitian ini sampel yang di ambil adalah mahasiswa aktif tahun 2020 sampai 2021, sehingga di dapatkan sampel sebanyak 72 mahasiswa. Pada penelitian ini kuisioner yang di sebarkan berdasarkan skala likert. Skala likert yang digunakan mencakup empat poin.
Tabel 1. Pengukuran Skala Likert
Nomor Keterangan
1 Sangat Tidak Setuju
2 Tidak Setuju
3 Setuju
4 Sangat Setuju
Data yang diperoleh setelah penyebaran kuisioner meliputi semester, jenis kelamin, jurusan dan jenjang pendidikan.
Tabel 2. Responden Berdasarkan Semester
No Semester Jumlah
1 Tiga 47
2 Lima 25
Total 72
Tabel 3. Responden Berdasarkan Jenis Kelamin No Jenis Kelamin Jumlah
1 Laki-laki 36
2 Perempuan 36
Total 72
Tabel 4. Responden Berdasarkan Jurusan
No Jurusan Jumlah
1 Manajemen Informasi 72
Total 72
Tabel 5. Responden Berdasarkan Jenjang Pendidikan
No Jenjang Pendidikan Jumlah
1 D3 72
Total 72
3.3 Analisis Data
Analisis data pada penelitian ini menggunakan tools SmartPLS 3.2 yang mana di dalamnya terdapat dua jenis model dalam menganalisa data yaitu, inner model dan outer model. Sebelum masuk ketahap outer model dan inner model, terlebih dahulu merancang diagram jalur. Diagram jalur dapat di lihat pada Gambar 4.
Gambar 4. Diagram Jalur
3.4 Evaluasi Outer Model 3.4.1 Convergent Validity
Nilai convergent validity dapat dilihat dari nilai loading factor. Menurut Chin, kriteria loading factor dikatakan tinggi apabila nilai korelasi sebesar > 0,70 dengan konstruk yang diukur, namun apabila nilai loading factor sebesar 0,60 maka dapat di pertahankan [16].
Gambar 5. Loading Factor
Pada gambar diatas, dapat di lihat bahwa ACC 2, FOR 2 dan US 5 tidak memenuhi nilai loading factor, yang mana nilai pada masing-masing indikator tersebut di bawah 0,70, sehingga ketiga indikator tersebut dihilangkan. Sedangkan untuk indikator US 4 dapat dipertahankan dikarenakan nilai indikatornya sebesar 0,685.
3.4.2 Discriminant Validity
Untuk menentukan nilai discriminant validity dapat di lihat dari nilai cross loading. Nilai ini dapat mengetahui apakah nilai indikator tersebut diskriminan terhadap konstruknya atau tidak. Caranya adalah dengan membandingkan nilai cross loading satu indikator dengan indikator lainnya yang mana nilai cross loading indikator yang dimaksud harus lebih besar dari indikator lainnya [17].
Tabel 6. Output Cross Loading
Accuracy Content Ease Of Use Format Timeliness User Satisfaction
ACC 1 0,921 0,633 0,725 0,604 0,560 0,593
ACC 3 0,930 0,660 0,640 0,616 0,537 0,630
CON 1 0,699 0,921 0,727 0,525 0,666 0,600
CON 2 0,504 0,833 0,546 0,649 0,536 0,422
EOU 1 0,725 0,628 0,811 0,597 0,599 0,616
EOU 2 0,700 0,663 0,916 0,638 0,613 0,595
EOU 3 0,457 0,703 0,722 0,583 0,687 0,470
EOU 4 0,553 0,526 0,866 0,651 0,652 0,553
EOU 5 0,619 0,589 0,873 0,553 0,667 0,565
FOR 1 0,397 0,298 0,416 0,707 0,513 0,476
FOR 3 0,458 0,467 0,502 0,787 0,504 0,402
FOR 4 0,664 0,721 0,735 0,859 0,693 0,595
TIM 1 0,528 0,528 0,662 0,620 0,878 0,604
TIM 2 0,379 0,639 0,497 0,571 0,759 0,432
TIM 3 0,503 0,535 0,658 0,593 0,775 0,587
Berdasarkan tabel diatas, nilai masing-masing indikator terhadap konstruknya lebih tinggi dari pada indikator lainnya. Maka dapat dikatakan bahwa tiap-tiap indikator telah memenuhi nilai discriminant validity.
3.4.3 Averange Variance Extracted (AVE)
AVE juga dapat mengukur convergent validity dengan nilai sebesar > 0,50. Jika nilai AVE besar dari 0,50 maka convergent validity dinilai baik, namun sebaliknya, jika nilai AVE kecil dari 0,50 maka convergent validity dinilai buruk [18].
Tabel 7. Output Average Variance Axtracted (AVE) AVE Keterangan Accuracy
Content Ease Of Use Format Timeliness User Satisfaction
0,857 0,771 0,706 0,619 0,649 0,608
Valid Valid Valid Valid Valid Valid
Berdasarkan tabel diatas, dapat di katakan bahwa nilai AVE pada masing-masing konstruk telah diatas 0,50.
Artinya masing-masing indikator memiliki nilai convergent validity yang baik.
3.4.4 Composite Reliability
Menurut Hair, konstruk dapat dikatakan reliabel apabila nilai composite reliability telah diatas 0,70 [16].
Tabel 8. Output Composite Reliability
Composite Reliability Keterangan
Accuracy 0,923 Valid
Content 0,871 Valid
Ease Of Use 0,923 Valid
Format 0,829 Valid
Timeliness 0,847 Valid
User Satisfaction 0,860 Valid
Pada tabel diatas dapat dilihat bahwa nilai output composite reliability dari masing-masing konstruk telah diatas 0,70. Dapat dikatakan bahwa masing-masing konstruk telah memiliki reliabilitas yang baik.
3.4.5 Cronbach Alpha
Konstruk dapat dikatakan telah reliabel jika nilai cronbach alpha telah di atas 0,70 [10].
Tabel 9. Output Cronbach Alpha
Composite Reliability Keterangan
Accuracy 0,833 Valid
Content 0,712 Valid
Ease Of Use 0,894 Valid
Format 0,692 Tidak Valid
Timeliness 0,731 Valid
User Satisfaction 0,788 Valid
Pada tabel diatas dapat dilihat bahwa nilai cronbach alpha untuk konstruk format sebesar 0,692 yang mana nilai tersebut di bawah 0,70. Dapat dikatakan bahwa nilai cronbach alpha untuk konstruk format tidak memenuhi reliabilitas.
3.5 Evaluasi Inner Model 3.5.1 R-Square
Menurut Hair, R-square memiliki ketentuan standar nilai pengukuran dimensi eksogen terhadap dimensi endogen. Jika nilai menunjukkan 0,75 maka masuk kedalam kriteria tinggi. Jika nilai menunjukkan 0,50 maka masuk kedalam kriteria sedang. Jika nilai menunjukkan 0,25 maka masuk kedalam kriteria rendah [10].
US 1 0,553 0,653 0,643 0,621 0,662 0,791
US 2 0,570 0,381 0,546 0,510 0,517 0,846
US 3 0,511 0,416 0,537 0,473 0,566 0,788
US 4 0,395 0,354 0,268 0,313 0,289 0,685
Tabel 10. Output R-Square R-Square User Satisfaction 0,576
Pada tabel diatas dapat dilihat bahwa nilai R-Sqaure User Satisfaction sebesar 0,576 yang mana nilai tersebut berada di kategori sedang.
3.5.2 Koefisien Jalur
Menurut Helm koefisien jalur memiliki rentang nilai -1 sampai +1. Jika nilai koefisien jalur mendekati +1, maka koefisien jalur pada konstruk tersebut berpengaruh postif. Jika nilai koefisien jalur mendekati -1, maka koefisien jalur pada konstruk tersebut berpengaruh negatif [15].
Tabel 11. Output Koefisien Jalur
Koefisien Jalur Accuracy - User Satisfaction 0,317 Content - User Satisfaction -0,013 Ease Of Use - User Satisfaction 0,111 Format - User Satisfaction 0,104 Timeliness - User Satisfaction 0,342
Pada tabel diatas dapat dilihat bahwa nilai koefisien jalur pada Content - User Satisfaction sebesar -0,013 yang mana nilai tersebut berpengaruh negatif. Sedangkan untuk nilai koefisien jalur yang lain telah berpengaruh positif.
3.5.3 Uji T
Sebelum melakukan pengujian hipotesis dilakukan terlebih dahulu uji T. Uji T dilakukan untuk menentukan apakah hubungan konstruk eksogen signifikan terhadap konstruk endogen atau tidak. Uji T dapat dilakukan dengan menggunakan uji T-table. Apabilan nilai uji T lebih besar dari T-table dapat dikatakan bahawa nilai tersebut signifikan. Pada penelitian ini, T-table di diperoleh dari perhitungan degree of freedom (df).
(df) = N - 1 (1)
(df) = 72 - 1 (2)
(df) = 71 (3)
Tingkat signifikan yang digunakan adalah 0,05 dan menghasilkan nilai T-table sebesar 1,669.
Tabel 12. Output Uji T
Koefisien Jalur T-statistic P-values
Accuracy - User Satisfaction 0,317 1,979 0,024
Content - User Satisfaction -0,013 0,086 0,466
Ease Of Use - User Satisfaction 0,111 0,713 0,238
Format - User Satisfaction 0,104 0,788 0,215
Timeliness - User Satisfaction 0,342 2,541 0,006
Nilai P-values dapat menunjukkan apakah hubungan antara konstruk endogen dengan eksogen signifikan atau tidak. P-values dapat dikatakan signifikan apabila nilainya kecil dari nilai tingkat signifikan yang digunakan (0,05) [19].
Pada tabel 12, dapat di lihat bahwa nilai P-values untuk Accuracy - User Satisfaction dan Timeliness - User Satisfaction saja yang berpengaruh signifikan.
3.6 Hipotesis
Hasil hipotesis yang di dapatkan antar konstruk eksogen terhadap konstruk endogen dapat dilihat pada tabel 13.
Tabel 13. Hipotesis
Hipotesis T-table T-statistic Hasil Pengujian Accuracy - User Satisfaction 1,669 1,979 Diterima Content - User Satisfaction 1,669 0,086 Ditolak Ease Of Use - User Satisfaction 1,669 0,713 Ditolak Format - User Satisfaction 1,669 0,788 Ditolak Timeliness - User Satisfaction 1,669 2,541 Diterima a. Hipotesis 1 - Pengaruh Accuracy terhadap User Satisfaction
Dari tabel 13 dapat di simpulkan bahwa hipotesis 1 dapat diterima dimana nilai T-statistic (1,979) lebih besar dari nilai T-table (1,669). Yang mana jika nilai T-statistic lebih besar dari nilai T-table maka hipotesis dapat diterima. Ini
membuktikan bahwa pengguna merasa puas dengan keakuratan yang dimiliki SISFO. Akan tetapi dibalik keakuratan ini masih ditemukan beberapa kendala yaitu, SISIFO masih mengupdate data yang salah. Untuk konstruk accuracy, nilai loading factor terbesar ada pada indikator 3 yaitu, setiap link pada SISFO selalu menampilkan halaman menu yang benar, sedangkan untuk nilai terkecil ada pada indikator 2 yaitu, SISFO jarang terjadi error saat digunakan.
b. Hipotesis 2 - Pengaruh Content terhadap User Satisfaction
Dari tabel 13 dapat di simpulkan bahwa hipotesis 2 ditolak, dimana nilai T-statistic (0,086) lebih kecil dari nilai T- table (1,669). Yang mana jika nilai T-statistic lebih kecil dari nilai T-table maka hipotesis ditolak. Ini membuktikan bahwa pengguna belum puas dengan informasi yang dimiliki SISFO yang mana tidak adanya fitur untuk menampung pertanyaan dan keluhan pengguna terhadap sistem dan tidak adanya informasi mengenai total nilai keseluruhan dari semester pertama sampai semester akhir (total nilai kumulatif). Untuk konstruk content, nilai loading factor terbesar ada pada indikator 1 yaitu, informasi pada SISFO mudah dipahami, sedangkan untuk nilai terkecil ada pada indikator 2 yaitu, informasi pada SISFO sesuai dengan kebutuhan.
c. Hipotesis 3 - Pengaruh Ease Of Use terhadap User Satisfaction
Dari tabel 13 dapat di simpulkan bahwa hipotesis 3 ditolak, dimana nilai T-statistic (0,713) lebih kecil dari nilai T- table (1,669). Yang mana jika nilai T-statistic lebih kecil dari nilai T-table maka hipotesis ditolak. Untuk konstruk ease of use, nilai loading factor terbesar ada pada indikator 2 yaitu, SISFO mudah dipahami, sedangkan nilai terkecil ada pada indikator 3 yaitu, tidak membutuhkan waktu lama untuk mempelajari SISFO.
d. Hipotesis 4 - Pengaruh Format terhadap User Satisfaction
Dari tabel 13 dapat di simpulkan bahwa hipotesis 4 ditolak, dimana nilai T-statistic (0,788) lebih kecil dari nilai T- table (1,669). Yang mana jika nilai T-statistic lebih kecil dari nilai T-table maka hipotesis ditolak. Ini membuktikan bahwa pengguna belum puas dengan tampilan pada SISFO yang mana tampilan pada SISFO memiliki warna yang monoton. Untuk konstruk format, nilai loading factor terbesar ada pada indikator 4 yaitu, output yang dihasilkan telah sesuai dengan format yang benar, sedangkan untuk nilai terkecil ada pada indikator 2 yaitu, SISFO memiliki kompisisi warna baik sehingga tidak membosankan.
e. Hipotesis 5 - Pengaruh Timeliness terhadap User Satisfaction
Dari tabel 13 dapat di simpulkan bahwa hipotesis 5 dapat diterima, dimana nilai T-statistic (2,541) lebih besar dari nilai T-table (1,669). Yang mana jika nilai T-statistic lebih besar dari nilai T-table maka hipotesis dapat diterima. Ini membuktikan bahwa pengguna merasa puas dengan ketepatan yang dimiliki SISFO. Akan tetapi dibalik ketepatan ini masih ditemukan beberapa kendala yaitu, SISIFO lambat dalam mengupdate data. Untuk konstruk timeliness, nilai loading factor terbesar ada pada indikator 1 yaitu, SISFO membuat pengguna bekerja lebih cepat, sedangkan untuk nilai terkecil ada pada indikator 2 yaitu, SISFO selalu memberikan output yang dibutuhkan dengan benar.
3.7 Rekomendasi Perbaikan
Adapun beberapa rekomendasi yang diusulkan yaitu:
a. Variabel Content (isi)
1. Rekomendasi yang diusulkan yaitu menambah fitur live chat yang bergua untuk menampung pertanyaan dan saran dari pengguna agar interaksi antara pengguna dan pengelola sistem berjalan lebih baik lagi dan membantu sistem lebih terstruktur.
2. Rekomendasi selanjutnya yaitu menambah informasi mengenai total nilai keseluruhan dari semester pertama sampai semester akhir (total nilai kumulatif) agar pengguna mendapatkan informasi yang lebih lengkap.
b. Variabel Format (tampilan)
Rekomendasi yang diusulkan yaitu melakukan perbaikan warna pada tampilan SISFO. Hindari menggunakan warna yang tajam, jangan gunakan warna secara berlebihan, gunakan pewarnaan yang gelap untuk latar belakang. Menurut Listya tahun 2018, pilihlah warna yang dapat membuat pengguna merasa nyaman saat menggunakan sistem [5].
c. Variabel Accuracy (akurasi)
Rekomendasi yang diusulkan yaitu, melakukan update data secara rutin agar tidak terjadi kesalahan saat pengguna menerima informasi dari sistem. Pengguna akhir harus mendapatkan informasi yang sesuai dalam sebuah aplikasi [6].
d. Variabel Timeliness (ketepatan waktu)
Rekomendasi yang diusulkan yaitu, pengelola SISFO disarankan untuk meningkatkan ketepatan waktu saat mengupdate data mahasiswa. Dikarenakan kepuasan pengguna terhadap sistem dapat dilihat dari cepat atau tidaknya suatu sistem dalam mengolah dan menghasilkan output data [6].
4. KESIMPULAN
Berdasarkan analisa yang dilakukan, dapat ditarik kesimpulan bahwa sebanyak 57,6% mahasiswa merasa cukup puas terhadap SISFO. Dari kelima variabel EUCS, terdapat dua variabel yang berpengaruh positif terhadap user satisfaction (kepuasan pengguna) yaitu, variabel accuracy (akurasi) dengan nilai T-statistic 1,979 dan variabel timeliness (ketepatan waktu) dengan nilai T-statistic 2,541. Dan terdapat tiga variabel EUCS yang berpengaruh negatif terhadap user satisfaction yaitu, variabel content (isi) dengan nilai T-statistic 0,086, variabel ease of ese (kemudahan pengguna) dengan nilai T-statistic 0,713, dan variabel format (bentuk) dengan nilai T-statistic 0,788. Terdapat 5 rekomendasi yang diusulkan yaitu, menambah fitur live chat, menambah informasi mengenai total nilai keseluruhan dari semester pertama sampai semester
akhir (total nilai kumulatif), melakukan perbaikan warna pada tampilan SISFO, melakukan update data secara rutin, dan meningkatkan ketepatan waktu saat mengupdate data. Rekomendasi tersebut diharapkan data membantu dalam meningkatkan kualitas SISFO untuk kedepannya.
REFERENCES
[1] S. Lestari, “PERAN TEKNOLOGI DALAM PENDIDIKAN DI ERA GLOBALISASI,” J. Pendidik. Agama Islam, vol. 2, no.
2, pp. 94–100, 2018.
[2] H. Harleni and M. Marisa, “Sistem Informasi Akademik (SIAKAD) STIKES Perintis Padang,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 3, p. 305, 2018.
[3] D. E. dan N. M. Febriyanti, “Perancangan Sistem Informasi Aplikasi PETIR (Pengaduan, Kritik dan Saran) Mahasiswa Berbasis Digital Studi Kasus: Mahasiswa Teknik Industri Universitas Muria Kudus,” Jointech UMK, vol. 1, no. 1, pp. 36–46, 2020.
[4] M. Yahya and H. Wijoyo, “Developing School Information Program,” Int. J. Asian Educ., vol. 1, no. 3, pp. 179–186, 2020, doi:
10.46966/ijae.v1i3.70.
[5] A. Listya, “Konsep dan Pengunaan Warna dalam Infografis,” J. Desain, vol. 6, no. 01, p. 10, 2018, doi:
10.30998/jurnaldesain.v6i01.2837.
[6] F. S. Bawardi, A. Rachmadi, and N. H. Wardani, “Analisis Kepuasan Pengguna Aplikasi Driver Ojek Online Menggunakan Metode End User Computing Satisfaction ( EUCS ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 8, pp. 7694–7700, 2019.
[7] N. A. O. Saputri and A. Alvin, “Measurement of User Satisfaction Level in the Bina Darma Information Systems Study Program Portal Using End User Computing Satisfaction Method,” J. Inf. Syst. Informatics, vol. 2, no. 1, pp. 154–162, 2020, doi:
10.33557/journalisi.v2i1.43.
[8] N. A. Hidayah, E. Fetrina, and A. Z. Taufan, “Model Satisfaction Users Measurement of Academic Information System Using End-User Computing Satisfaction (EUCS) Method,” Appl. Inf. Syst. Manag., vol. 3, no. 2, pp. 119–123, 2020, doi:
10.15408/aism.v3i2.14516.
[9] Purwanto and P. B. Deden Hedin, “Measurement of user satisfaction for web-base academic information system using end-user computing satisfaction method,” IOP Conf. Ser. Mater. Sci. Eng., vol. 909, no. 1, 2020, doi: 10.1088/1757-899X/909/1/012044.
[10] W. Astuti and R. Waluyo, “Analisis Kepuasan Mahasiswa Terhadap Aplikasi Pedulilindungi Menggunakan Metode Eucs,” J.
Rekayasa Inf., vol. 11, no. 1, pp. 9–16, 2022.
[11] I. Sevtiyani and F. Fatikasari, “Analisis Kepuasan Pengguna SIMPUS Menggunakan Metode EUCS di Puskesmas Banguntapan II,” Indones. Heal. Inf. Manag. J., vol. 8, no. 2, pp. 64–68, 2020.
[12] M. A. Sugandi and R. M. N. Halim, “Analisis End-User Computing Satisfaction (Eucs) Pada Aplikasi Mobile Universitas Bina Darma,” Sistemasi, vol. 9, no. 1, p. 143, 2020, doi: 10.32520/stmsi.v9i1.625.
[13] A. Fauzy, Metode Sampling, vol. 9, no. 1. 2019.
[14] D. L. Trenggonowati and K. Kulsum, “Analisis Faktor Optimalisasi Golden Age Anak Usia Dini Studi Kasus Di Kota Cilegon,”
J. Ind. Serv., vol. 4, no. 1, pp. 48–56, 2018, doi: 10.36055/jiss.v4i1.4088.
[15] M. Nashar and T. Taru, “Pengaruh Lingkungan Kerja Dan Budaya Organisasi Terhadap Reputasi Perusahaan Dengan Komitmen Organisasi Sebagai Variabel Intervening,” J. Appl. Bus. Adm., vol. 4, no. 2, pp. 156–162, 2020, doi: 10.30871/jaba.v4i2.2064.
[16] L. Susanto, Y. Yanti, V. Viriany, and H. Wirianata, “Faktor-Faktor Yang Mempengaruhi Minat Mahasiswa Akuntansi Mengikuti Uskad,” J. Bina Akunt., vol. 7, no. 2, pp. 124–141, 2020, doi: 10.52859/jba.v7i2.80.
[17] Jansen, “Pengaruh Service Attributes Terhadap Overall Satisfaction Dan Membership Renewal Intention Member Knockout Boxing Camp Surabaya,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2019.
[18] R. R. Marliana, “Partial Least Square-Structural Equation Modeling Pada Hubungan Antara Tingkat Kepuasan Mahasiswa Dan Kualitas Google Classroom Berdasarkan Metode Webqual 4.0,” J. Mat. Stat. dan Komputasi, vol. 16, no. 2, p. 174, 2019, doi:
10.20956/jmsk.v16i2.7851.
[19] N. A. Fauziyyah and R. Bisma, “Analisis Kesesuaian Teknologi pada UNBK SMA/SMK di Jawa Timur,” J. Inform. dan Teknol., vol. 2, no. 2, pp. 143–155, 2019.
