PREDIKSI FAKTOR-FAKTOR PENENTU ADOPSI MANAJEMEN HUBUNGAN PELANGGAN SOSIAL BERDASARKAN PLS-SEM DAN
JARINGAN SYARAF TIRUAN PERAMBATAN BALIK
Tesis
untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-2 Program Studi Magister Sistem Informasi
HANI PURWANTI 30000319410032
SEKOLAH PASCASARJANA UNIVERSITAS DIPONEGORO
SEMARANG
2022
iii
PERNYATAAN PERSETUJUAN
PUBLIKASI TESIS UNTUK KEPENTINGAN AKADEMIS
Sebagai civitas akademik Universitas Diponegoro, saya yang bertanda tangan di bawah ini:
Nama : Hani Purwanti
NIM : 30000319410032
Program Studi : Magister Sistem Informasi Program : Sekolah Pascasarjana Jenis Karya : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Diponegoro Hak Bebas Royalti Noneksklusif atas karya ilmiah saya yang berjudul:
PREDIKSI FAKTOR-FAKTOR PENENTU ADOPSI MANAJEMEN HUBUNGAN PELANGGAN SOSIAL BERDASARKAN PLS-SEM DAN
JARINGAN SYARAF TIRUAN PERAMBATAN BALIK
beserta perangkat yang ada. Dengan Hak bebas Royalti Noneksklusif ini Program Studi Magister Sistem Informasi Sekolah Pascasarjana Universitas Diponegoro berhak menyimpan, mengalihmedia/formatkan, mengelola dalam bentuk pangkalan data (database) merawat, dan mempublikasikan tesis saya selama tetap mencantumkan nama saya sebagai penulis/pencipta dan sebagai pemilik hak cipta.
Dibuat di: Semarang Pada tanggal: 10 Juni 2022
Yang menyatakan
Hani Purwanti NIM. 30000319410032
iv
HALAMAN PERNYATAAN
Dengan ini saya menyatakan bahwa dalam tesis ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar akademik di suatu perguruan tinggi, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain, kecuali secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.
Semarang, 10 Juni 202
Hani Purwanti
v
KATA PENGANTAR
Puji syukur ke hadirat Allah SWT, atas rahmat dan hidayah-Nya penulis dapat menyelesaikan tesis yang berjudul “Prediksi Faktor-Faktor Penentu Adopsi Manajemen Hubungan Pelanggan Sosial Berdasarkan PLS-SEM dan Jaringan Syaraf Tiruan Perambatan Balik”. Shalawat dan salam kepada junjungan kita Nabi Muhammad SAW yang telah membawa risalah kehidupan yang berakhlak. Penulis menyadari bahwa dalam proses penyelesaian tesis ini telah melibatkan berbagai pihak, baik secara langsung maupun tidak langsung yang telah berkontribusi dalam penyusunan tesis ini, untuk itu penulis mengucapkan terima kasih kepada:
1. Dr R.B. Sularto, S.H., M. Hum, selaku Dekan Sekolah Pascasarjana Universitas Diponegoro
2. Drs. Bayu Surarso, M.Sc., Ph.D, selaku Ketua Program Studi Magister Sistem Informasi.
3. Dr. Adian Fatchur Rochim, S.T., M.T, selaku pembimbing I yang telah membimbing dengan penuh kesabaran kebijaksanaan, terima kasih atas waktu, ilmu, saran dan motivasi yang diberikan selama bimbingan.
4. Dr. Budi Warsito, S.Si., M.Si, selaku pembimbing II yang telah membimbing dengan penuh kesabaran kebijaksanaan, terima kasih atas waktu, ilmu, saran dan motivasi yang diberikan selama bimbingan.
5. Semua pihak yang telah banyak membantu yang tidak bisa penulis sebutkan satu persatu.
Penulis menyadari bahwa tesis ini masih jauh dari sempurna karena terbatasnya pengalaman dan pengetahuan yang dimiliki penulis. Oleh karena itu, penulis mengharapkan saran dan masukan yang membangun dari berbagai pihak. Semoga tesis ini dapat memberikan manfaat bagi para pembacanya.
Semarang, Juli 2022
vi DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
HALAMAN PENGESAHAN ... ii
PERNYATAAN PERSETUJUAN ... iii
HALAMAN PERNYATAAN ... iv
KATA PENGANTAR ... v
DAFTAR ISI ... vi
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... ix
DAFTAR LAMPIRAN ... x
DAFTAR ARTI LAMBANG DAN SINGKATAN ... xi
ABSTRAK ... xii
ABSTRACT ... xiii
BAB I PENDAHULUAN ... 1
1.1. Latar Belakang... 1
1.2. Tujuan Penelitian ... 5
1.3. Manfaat Penelitian ... 5
BAB II TINJAUAN PUSTAKA DAN DASAR TEOTI ... 6
2.1. Tinjauan Pustaka ... 6
2.2. Dasar Teori ... 8
2.2.1. Manajemen Hubungan Pelanggan ... 8
2.2.2. Manajemen Hubungan Pelanggan Sosial ... 9
2.2.3. Adopsi Manajemen Hubungan Pelanggan Sosial ... 11
2.2.4. Structural Equation Modelling (SEM) ... 20
2.2.5. Jaringan Syaraf Tiruan (JST) ... 28
BAB III METODOLOGI PENELITIAN... 35
3.1. Prosedur Penelitian ... 35
3.2. Waktu dan Lokasi Penelitian ... 36
3.3. Identifikasi Variabel ... 37
3.4. Definisi Operasional dan Pengukuran Variabel ... 38
3.5. Teknik Pengambilan Sampel ... 42
3.6. Instrument Penelitian ... 43
3.7. Sumber Data dan Pengumpulan Data ... 46
3.8. Alat Penelitian ... 47
3.9. Teknik Analisis Data ... 47
3.10. Kerangka Sistem Informasi ... 56
vii
BAB IV PEMBAHASAN DAN HASIL ... 57
4.1. Gambaran Umum Objek... 57
4.2. Analisis Data ... 57
4.2.1 Analisis Deskriptif ... 58
4.2.2 Uji Outer Model ... 65
4.2.3 Uji Inner Model ... 70
4.2.4 Pengujian Hipotesis ... 70
4.3. Pemodelan dengan Jaringan Syaraf Tiruan ... 72
4.3.1 Lapisan Masukan ... 72
4.3.2 Lapisan Tersembunyi... 72
4.3.3 Fungsi Aktivasi ... 74
4.3.4 Jumlah Epoch... 75
4.3.5 Analisis Sensitivitas ... 76
BAB V KESIMPULAN DAN SARAN ... 78
5.1 Kesimpulan ... 78
5.2 Saran ... 78
DAFTAR PUSTAKA ... 79
LAMPIRAN ... 84
viii
DAFTAR GAMBAR
Halaman
Gambar 2.1 Model Adopsi Proses TOEP MHP Sosial ... 12
Gambar 2.2 Model Penelitian Adopsi MHP Sosial yang diusulkan ... 20
Gambar 2.3 Representasi JST dengan ilustrasi (a) neuron pada manusia (b) neuron dengan model matematis ... 29
Gambar 2.4 Struktur Jaringan Syaraf Tiruan Perambatan Balik... 31
Gambar 2.5 Perbedaan Fungsi aktivasi Sigmoid dan Tanh ... 32
Gambar 2.6 Fungsi Aktivasi Linear ... 32
Gambar 3.1 Prosedur Penelitian ... 35
Gambar 3.2 Tahapan Analisis Menggunakan PLS-SEM ... 48
Gambar 3.3 Diagram Jalur ... 49
Gambar 3.4 Model Jaringan Syaraf Tiruan. ... 55
Gambar 4.1. Wilayah Persebaran Kuesioner ... 57
Gambar 4.2 Convergent Validity Awal ... 65
Gambar 4.3 Convergent Validity akhir ... 67
Gambar 4.4 Hasil pengujian hipotesis ... 71
ix
DAFTAR TABEL
Halaman
Tabel 2.1 Perbedaan antara MHP dan MHP Sosial ... 10
Tabel 2.2 Penelitian terdahulu mengenai MHP Sosial... 11
Tabel 2.3 Rangkuman Penelitian Terdahulu tentang Adopsi MHP ... 12
Tabel 2.4 Indeks Pengujian Kelayakan Model ... 27
Tabel 3.1 Variabel Eksogen ... 37
Tabel 3.2 Kriteria Penilaian Indikator ... 42
Tabel 3.3 Data Pertanyaan Kuesioner ... 43
Tabel 3.4 Spesifikasi Perangkat Keras dan Perangkat Lunak ... 47
Tabel 3.5 Ringkasan Rule of Thumb Evaluasi Model Pengukuran ... 51
Tabel 3.6 Ringkasan Rule of Thumb Evaluasi Model Struktural ... 52
Tabel 3.7 Rancangan Struktur Model JST ... 55
Tabel 4.1. Distribusi Frekuensi Data Responden ... 57
Tabel 4.2 Kelas Interval ... 58
Tabel 4.3 Deskripsi Jawaban konstruk Biaya Adopsi ... 58
Tabel 4.4 Deskripsi Jawaban konstruk Keuntungan Relatif ... 59
Tabel 4.5 Deskripsi Jawaban konstruk Kompleksitas... 59
Tabel 4.6 Deskripsi Jawaban konstruk Kompabilitas MHP Sosial ... 60
Tabel 4.7 Deskripsi Jawaban konstruk Dukungan Manajemen ... 60
Tabel 4.8 Deskripsi Jawaban konstruk Pengetahuan TI/SI Karyawan ... 61
Tabel 4.9 Deskripsi Jawaban konstruk Tekanan Pelanggan ... 61
Tabel 4.10 Deskripsi Jawaban konstruk Tekanan Kompetitif ... 62
Tabel 4.11 Deskripsi Jawaban konstruk Dukungan Pemerintah ... 62
Tabel 4.12 Deskripsi Jawaban konstruk Pengambilan Informasi ... 63
Tabel 4.13 Deskripsi Jawaban konstruk Berbagi Informasi ... 63
Tabel 4.14 Deskripsi Jawaban konstruk Pengguna Informasi Pelanggan... 64
Tabel 4.15 Deskripsi Jawaban konstruk Pengguna Informasi Pelanggan... 64
Tabel 4.16 Convergent Validity awal ... 66
Tabel 4.17 Convergent Validity akhir ... 67
Tabel 4.18 Discriminant Validity Kriteria Fornell-Larker ... 68
Tabel 4.19 Discriminant Validity indikator reflektif ... 69
Tabel 4.20 Nilai akar AVE... 70
Tabel 4.21 Nilai R-Square pada variabel MHP Sosial ... 70
Tabel 4.22 Hasil pengujian hipotesis ... 71
Tabel 4.23 Nilai RMSE pada JST dengan satu dan dua lapisan tersembunyi . 73 Tabel 4.24 Nilai RMSE pada JST dengan variasi neuron ... 73
Tabel 4.25 Nilai RMSE dengan uji coba kombinasi fungsi aktivasi ... 74
Tabel 4.26 Nilai RMSE dari sepuluh model yang diuji ... 76
Tabel 4.27 Analisis Sensitivitas. ... 77
x
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Surat Ijin Penelitian ... 85
Lampiran 2 Rekapitulasi Hasil Kuesioner ... 87
Lampiran 3 Hasil Variabel Laten ... 89
Lampiran 4 Tampilan Program GUI ... 91
Lampiran 5 Hasil Uji coba parameter Jaringan Syaraf Tiruan ... 96
xi
DAFTAR ARTI LAMBANG DAN SINGKATAN
DAFTAR ARTI LAMBANG
Lambang Arti Lambang
Variabel laten eksogen
Variabel laten endogen
Loading factor
𝑥
1 Indikator ke iDAFTAR SINGKATAN
Singkatan Kepanjangan Singkatan
B2B Business to Business
MHP Manajemen Hubungan Pelanggan
MHPS MHP sosial
SEM Structural Equation Modelling
JST Jaringan Syaraf Tiruan
UKM Usaha Kecil dan Menengah
DOI Diffusion of Innovations MLP Multilayer Perceptron
TOE Technology, Organization, Environment
RMSE Root Mean Squared Error
AVE Average Variance Extract
TLI Tucker-Lewis Index
CFI Comparative Fit Index
AGFI Adjusted Goodness of Fit
xii ABSTRAK
Manajemen Hubungan Pelanggan (MHP) Sosial merupakan pola baru pada lingkungan bisnis yang memungkinkan bisnis untuk berkolaborasi dengan pelanggan melalui media sosial. Manajemen Hubungan Pelanggan Sosial menggabungkan kemampuan kinerja media sosial dengan MHP tradisional yang bertujuan mengelola pelanggan pada bisnis sehingga menjadi lebih baik. Meskipun penerapan MHP sosial dapat meningkatkan bisnis organisasi, penerapan MHP sosial tetap membutuhkan berbagai persyaratan. Apalagi pada perusahaan kecil seperti UKM yang memiliki anggaran sangat rendah. Sehingga untuk mengadopsi MHP sosial, UKM harus menentukan faktor-faktor yang mempengaruhi adopsi MHP sosial. Oleh karena itu tujuan dari riset ini yaitu menentukan faktor-faktor adopsi MHP sosial dan pemeringkatan faktor-faktor yang mempengaruhi MHP sosial pada UKM. Penelitian ini menerapkan dua metode secara bertahap yaitu Structural Equation Model (SEM) dan Jaringan Syaraf Tiruan (JST). Pendekatan SEM digunakan untuk menyelidiki hubungan linier antara variabel prediktor dan variabel dependen. Dari 12 variabel yang diusulkan ada delapan variabel yang signifikan, dengan tingkat signifikansi 5% yaitu variabel Dukungan pemerintah (DP), Kompatibilitas MHP Sosial (KC), Kompleksitas (KM), Keuntungan Relatif (KR), pengambilan Informasi (PI), Penggunaan Informasi Pelanggan (PIP), Pengetahuan TI/SI Karyawan (PIT), dan Tekanan Pelanggan (TP). Pendekatan NN digunakan untuk pemeringkatan faktor-faktor adopsi MHP sosial dengan neuron input dari variabel prediktor yang signifikasi dari analisis SEM. Data dikumpulkan dari 115 UKM Batik Banyumas di wilayah Banyumas Provinsi Jawa Tengah.
Makalah ini juga mengembangkan desain model NN dengan berbagai pengaturan parameter. Desain model jaringan syaraf menggunakan Multilayer Perceptron.
Hasil pengaturan parameter menunjukkan bahwa model NN yang optimal menggunakan satu lapisan tersembunyi (hidden layer), Fungsi aktivasi Sigmoid, jumlah neuron pada lapisan tersembunyi sebanyak delapan neuron. Hasil Pemeringkatan menunjukkan bahwa faktor pengambilan informasi sebagai faktor pengaruh tertinggi dengan nilai pengaruh 99.0%, Selanjutnya diikuti faktor Pengetahuan TI/SI Karyawan dengan nilai pengaruh sebesar 83.3% dengan pengaruh terendah adalah faktor Penggunaan Informasi pelanggan dengan pengaruh sebesar 18.0%.
Kata kunci : Manajemen Hubungan Pelanggan Sosial, SEM, Jaringan Syaraf Tiruan, UKM, TOEP
xiii ABSTRACT
Social Customer Relationship Management is a new pattern in the business environment that allows businesses to collaborate with customers through social media. Social Customer Relationship Management combines the performance capabilities of social media with traditional CRM aimed at managing customers in the business for the better. Although implementing social CRM can improve an organization's business, implementing social CRM still requires various requirements. This is especially true for small companies such as SMEs that have very low budgets. So to adopt social CRM, SMEs must determine the factors that influence the adoption of social CRM. Therefore, the purpose of this study is to determine the factors of social CRM adoption and rank the factors that influence social CRM in SMEs. This study applies two methods in stages, namely Structural Equation Model (SEM) and Neural Network (NN). SEM approach is used to investigate the linear relationship between the predictor variable and the dependent variable. Of the 12 proposed variables, there are eight significant variables, with a significance level of 5%, namely Government Support (DP), Social CRM Compatibility (KC), Complexity (KM), Relative Advantage (KR), Information Retrieval (PI), Use of Information Customer (PIP), Employee IT/IS Knowledge (PIT), and Customer Pressure (TP). The NN approach is used to rank the social CRM adoption factors with the input neurons of the significant predictor variables from the SEM analysis. Data were collected from 115 Banyumas Batik SMEs in the Banyumas area of Central Java Province. This paper also develops a NN model design with various parameter settings. The NN model design uses Multilayer Perceptron. The parameter setting results show that the optimal NN model uses one hidden layer, the Sigmoid activation function, the number of neurons in the hidden layer is eight neurons. The ranking results show that the information retrieval factor is the highest influencing factor with an influence value of 99.0%, followed by the IT/IS Employee Knowledge factor with an influence value of 83.3% with the lowest influence being the Customer Information Usage factor with an effect of 18.0%.
keyword: Social CRM, SEM, Neural Network, SME’s, TOEP
