Upload
others
View
10
Download
0
Embed Size (px)
Citation preview
PENGUKURAN TINGKAT PENERIMAA N PENGGUNA AKHIR
KIMIA FARMA EMPLOYE SERVICE TECHNOLOGY (KIFEST)
MENGGUNAKAN PENDEKATAN TECHNOLOGY ACCEPTANCE
MODEL (TAM) DAN END USER COMPUTING SATISFACTION (EUCS)
(STUDI KASUS: PT KIMIA FARMA (PERSERO) TBK.)
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh
M. HASBI HILMI
11140930000056
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1440 H / 2019 M
PENGUKURAN TINGKAT PENERIMAAN PENGGUNA AKHIR
KIMIA FARMA EMPLOYE SERVICE TECHNOLOGY (KIFEST)
MENGGUNAKAN PENDEKATAN TECHNOLOGY ACCEPTANCE
MODEL (TAM) DAN END USER COMPUTING SATISFACTION (EUCS)
(STUDI KASUS: PT KIMIA FARMA (PERSERO) TBK.)
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
M. HASBI HILMI
11140930000056
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1440 H / 2019 M
ii
LEMBAR PENGESAHAN SKRIPSI
PENGUKURAN TINGKAT PENERIMAAN PENGGUNA AKHIR
KIMIA FARMA EMPLOYE SERVICE TECHNOLOGY (KIFEST)
MENGGUNAKAN PENDEKATAN TECHNOLOGY ACCEPTANCE
MODEL (TAM) DAN END USER COMPUTING SATISFACTION (EUCS)
(STUDI KASUS: PT KIMIA FARMA (PERSERO) TBK.)
Disusun Oleh:
M. HASBI HILMI
NIM :11140930000056
Pembimbing I
Nur Aeni Hidayah, MMSI
NIP. 19750818 200501 2 008
Pembimbing II
Nuryasin, M.Kom
NIP. 197607152011011005
Mengetahui,
Ketua Program Studi Informasi Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta
Nia Kumaladewi, MMSI
NIP. 19750412 200710 2 002
iii
LEMBAR PENGESAHAN UJIAN
Skripsi dengan judul Pengukuran Tingkat Penerimaan Pengguna Akhir Kimia
Farma Employe Service Technology (KIFEST) Menggunakan Pendekatan
Technology Acceptance Model (TAM) dan End User Computing Satisfaction
(EUCS) (Studi Kasus: PT Kimia Farma (Persero) Tbk.) ditulis oleh M HASBI
HILMI, NIM 11140930000056 telah diuji dan dinyatakan lulus dalam sidang
Munaqosah Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif
Hidayatullah Jakarta pada hari Kamis, 21 Februari 2019. Skripsi ini telah diterima
sebagai salah satu syarat memperoleh gelar Sarjana Satu (S1) Program Studi Sistem
Informasi.
Menyetujui,
Penguji I
Bayu Waspodo, M.M.
NIP. 19740812 200801 1011
Penguji II
Ir. Eri Rustamaji, MBA
NIP.
Pembimbing I
Nur Aeni Hidayah, MMSI
NIP. 19750818 200501 2 008
Pembimbing II
Nuryasin, M.Kom
NIP. 197607152011011005
Mengetahui,
Dekan
Fakultas Sains dan Teknologi
Prof. Dr. Lily Surayya Eka Putri, M.Env.Stud
NIP. 196904042005012005
Ketua
Program Studi Informasi
Nia Kumaladewi, MMSI
NIP. 19750412 200710 2 002
iv
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-
BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN
TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, 12 Desember 2018
M HASBI HILMI
11140930000056
v
ABSTRAK
M HASBI HILMI – 11140930000056. Pengukuran Tingkat Penerimaan Pengguna
Akhir Kimia Farma Employe Service Technology (KIFEST) Menggunakan
Pendekatan Technology Acceptance Model (TAM) dan End User Computing
Satisfaction (EUCS) (Studi Kasus: PT Kimia Farma (Persero) Tbk.) di bawah
bimbingan NUR AENI HIDAYAH dan NURYASIN.
KIMIA FARMA merupakan badan usaha milik negara (BUMN), bergerak di
bidang farmasi yang memiliki proses bisnis dari produksi, distribusi hingga retail
penjualan. Oleh karena data kepegawaian yang kompleks, maka pada pertengahan
2018 diterapkan sistem aplikasi KIFEST (Kimia Farma Employe Service
Technology). Sejak diterapkan KIFEST terdapat beberapa kendala teknis berupa
kurangnya update info, keluar aplikasi secara mendadak, absensi belum terintegrasi
dengan absensi fingerprint dan kendala lain dirasakan oleh sebagian pegawai,
sehingga perlu dilakukan penelitian terkait tingkat penerimaan pengguna terhadap
penerapan sistem ini. Penelitian ini menggunakan metode kuantitatif berdasarkan
integrasi Technology Acceptance Model (TAM) dan End-User Computing
Satisfaction (EUCS). Populasi dalam penelitian ini adalah karyawan Kimia Farma
di kantor pusat (Holding). Dari populasi tersebut diambil 224 responden sebagai
sampel. Penentuan jumlah sampel dilakukan dengan menggunakan teknik
Purposive Sampling. Proses analisis data menggunakan pendekatan PLS-SEM
dengan SmartPLS versi 3.0. Hasilnya, 6 dari 10 hipotesis yang diajukan diterima.
Sehingga faktor yang mempengaruhi penerimaan pengguna adalah variabel
Content, Enjoyment, Timeliness, serta variabel Attitude yang berhasil menjadi
variabel mediasi yang mempengaruhi Acceptance dan Satisfaction.
Kata kunci: Penerimaan pengguna, Kepuasan pengguna, Sistem Kepegawaian,
Technology Acceptance Model (TAM), End-User Computing
Satisfaction (EUCS), Kimia Farma, PLS-SEM, SmartPLS.
V Bab + XVII Halaman + 127 Halaman
Pustaka Acuan (48, 1985-2017)
vi
KATA PENGANTAR
Hanya dengan menyebut asma Allah yang maha pengasih dan penyayang,
puji syukur selalu dipanjatkan ke hadirat Allah SWT, atas berkat rahmat dan kasih-
Nya yang tak terhingga, sehingga penulis dapat menyelesaikan skripsi yang
berjudul : “Pengukuran Tingkat Penerimaan Pengguna Akhir Kimia Farma
Employe Service Technology (KIFEST) Menggunakan Pendekatan Technology
Acceptance Model (TAM) DAN End User Computing Satisfaction (EUCS) (Studi
Kasus: Pt Kimia Farma (Persero) Tbk.)” dengan tuntas dan paripurna. Shalawat
serta salam semoga selalu tercurah kepada manusia agung penyempurna akhlak
seluruh alam, Baginda Nabi Muhammad SAW beserta keluarga, sahabat, para
tabiin, para tabi’t tabiin serta para pengikutnya hingga akhir zaman. Dan semoga
kita diakui sebagai pengikutnya, Amiin.
Selesainya skripsi ini tak lepas dari bantuan berbagai pihak, maka dengan
segala kerendahan hati dan penuh rasa hormat penulis menghaturkan ucapan terima
kasih kepada berbagai pihak yang telah memberikan bantuan baik secara moril
maupun materiil, secara langsung maupun tidak langsung dalam proses
penyelesaian skripsi ini, terutama kepada yang saya hormati:
1. Bapak Dr. Agus Salim, S.Ag, M.Si selaku Dekan Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah.
2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem
Informasi Fakultas Sains dan Teknologi dan Ibu Meinarini Catur
vii
Utami, MT selaku Sekretaris Program Studi Sistem Informasi
Fakultas Sains dan Teknologi.
3. Ibu Nur Aeni Hidayah, MMSI sebagai Dosen Pembimbing I yang
telah memberikan bimbingan, dan arahan kepada penulis selama
proses penyelesaian skripsi ini. Terima kasih atas kesabaran dalam
membimbing penulis, terima kasih banyak untuk seluruh waktu,
tenaga, kesediaan menjawab setiap pertanyaan penulis dan
senantiasa memberikan dukungan moril serta membagikan banyak
pengetahuan agar penulis bisa menyelesaikan skripsi ini dengan
baik.
4. Bapak Nuryasin, M.Kom sebagai Dosen Pembimbing II yang
senantiasa memberikan arahan dan bimbingan kepada penulis, tidak
pernah lelah menyemangati penulis. Terima kasih atas kesabarannya
dalam membimbing penulis, selalu memberi masukkan yang positif,
arahan yang jelas sehingga penulis bisa menyelesaikan skripsi ini
dengan baik.
5. Seluruh Dosen Program Studi Sistem Informasi yang telah
membagikan ilmunya kepada penulis selama proses perkuliahan.
6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak
membantu penulis dalam perkuliahan, terutama dalam
menyelesaikan administrasi yang berkaitan dengan skripsi.
7. Kedua orang tua penulis, Bapak Mundzir, S. Pdi dan Ibu Tsamroh.
Terima kasih untuk abah dan mamah yang telah memberikan seluruh
viii
hidupnya untuk merawat dan mendidik penulis dari lahir hingga saat
ini. Terima kasih untuk seluruh cinta dan kasih yang selalu
diberikan. Terima kasih atas doa-doa yang selalu mengiringi
langkah penulis dalam segala kondisi dan situasi. Terima kasih atas
kasih atas kesempatan dan kepercayaan yang diberikan kepada
penulis.
8. Kedua Adik yang tersayang dan terkasih, M Haqqi Annazili dan M
Kevin Al-Mahdi. Terima kasih telah menjadi muara rindu penulis
setalah rindu kepada abah dan mamah. Meski ketika bertemu tak
lepas dari candaan dan berantem tetapi memandang wajah kalian
adalah vitamin penyemangat paling mujarab untuk penulis. Semoga
kita akan selalu menjadi saudara dan sahabat serta selalu beriringan
dalam langkah hidup kita serta menjadi kebanggaan abah dan
mamah.
9. Kepada saudara dan guru-guru saya di Pesantren Sulaimaniyah
Cabang Ciputat yang telah memberikan bantuan dan dorongan moril
maupun materiil selama penulis belajar di UIN dan menyelesaikan
skripsi ini. terima kasih atas bimbingan dan kasih sayangnya baik
secara dzohir maupun secara batin. Terima kasih telah mengajarkan
ilmu sekaligus praktik tasawuf dalam hidup penulis. Semoga penulis
diberi nasib selalu berada di jalan dakwah ini. Terima kasih
keceriaannya, kenangannya, ikramnya, mahabahnya. Mari selalu
ix
istiqomah di jalan ini. Lukman, Sami, Tomi teman seperjuangan di
pesantren ini yang tetap bertahan hingga detik ini.
10. Seluruh karyawan Kimia Farma yang telah membantu mengisi
kuesioner. terutama Unit IT yang telah memberikan kesempatan
kepada penulis untuk melakukan penelitian sekaligus internship
selama 6 bulan, terima kasih atas segala ilmu yang diberikan baik
secara langsung maupun tidak langsung. Kemudian juga terima
kasih kepada unit Human Capital Kimia Farma yang telah
memberikan akses bagi penulis untuk memperoleh data-data selama
proses penelitian skripsi ini.
11. Seluruh teman-teman Sistem Informasi 2014 yang telah mewarnai
dunia perkuliahan penulis, terima kasih segala pelajarannya, terima
kasih untuk segala kenangannya, semangat yang diberikan sehingga
penulis bisa menyelesaikan skripsi ini.
12. Seluruh sedulur KPMDB Jakarta, mbak dan mas yang setia
memberikan kesempatan dan pembelajaran kepada penulis,
merekalah keluarga di perantauan.
13. Sahabat/i PMII KOMFAST terutama angkatan 2014. Terima kasih
atas seluruh kenangan dan pembelajaran bersama selama ini. Mari
terus bergerak. Zikir, fikir dan amal sholeh harus terus kita gerakkan.
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari semua pihak dibalas pahala yang berlipat ganda. Selain itu, penulis
menyadari dalam penyusunan skripsi ini masih terdapat kekurangan dan jauh dari
x
kata sempurna sehingga saran dan kritik yang membangun sangat penulis harapkan
dan dapat disampaikan melalui [email protected]. Akhir kata,
semoga penelitian ini dapat memberikan manfaat dan sekaligus menambah ilmu
bagi kita semua. Amiiin yaa Rabbal Alamin.
Jakarta, 12 Desember 2018
M Hasbi Hilmi
11140930000056
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI .............................................................. i
LEMBAR PENGESAHAN UJIAN ................................................................ iii
PERNYATAAN ............................................................................................. iv
ABSTRAK ....................................................................................................... v
KATA PENGANTAR .................................................................................... vi
DAFTAR ISI ................................................................................................... xi
DAFTAR TABEL .......................................................................................... xv
DAFTAR GAMBAR .................................................................................... xvi
DAFTAR LAMPIRAN ................................................................................. xvi
BAB I PENDAHULUAN ..................................................................... 1
1.1 Latar Belakang .................................................................. 1
1.2 Identifikasi Masalah .......................................................... 8
1.3 Perumusan Masalah ........................................................... 8
1.4 Batasan Masalah ................................................................ 9
1.5 Tujuan dan Sasaran Penelitian ........................................ 10
1.5.1 Tujuan Penelitian ................................................. 10
1.5.2 Sasaran Penelitian ................................................ 11
1.6 Manfaat Penelitian ........................................................... 11
1.7 Pertanyaan Penelitian ...................................................... 12
1.8 Metodologi Penelitian ..................................................... 13
1.9 Sistematika Penulisan ...................................................... 15
xii
BAB II KAJIAN PUSTAKA ............................................................... 17
2.1 Sistem Informasi Kepegawaian ....................................... 17
2.1.1 Definisi Sistem Informasi .................................... 17
2.1.2 Definisi Sistem Informasi Kepegawaian ............. 18
2.1.3 Sistem Informasi Kepegawaian Kimia Farma
(KIFEST) ...................................................................... 19
2.2 Mandatory dan Voluntary use ......................................... 21
2.3 Teori Penerimaan Teknologi ........................................... 22
2.4 Technology Acceptance Model (TAM) ........................... 24
2.5 End-User Computing Satisfaction (EUCS) ..................... 28
2.6 Model Integrasi TAM dan EUCS .................................... 31
2.7 Metode Kuantitatif pada Penelitian Sistem Informasi .... 34
2.7.1 Klasifikasi Data ................................................... 34
2.7.2 Jenis-jenis penelitian ........................................... 35
2.7.3 Skala Likert ......................................................... 37
2.7.4 Metode Pengumpulan Data ................................. 39
2.7.5 Populasi dan Teknik Sampling ............................ 41
2.7.6 Penentuan Ukuran Sampel .................................. 46
2.7.7 PLS-SEM ............................................................. 49
2.7.8 SMART-PLS ....................................................... 54
BAB III METODOLOGI PENELITIAN ............................................ 57
3.1 Pendekatan Penelitian ................................................... 57
3.2 Metode Pengumpulan Data ........................................... 58
xiii
3.2.1 Studi Pustaka ....................................................... 58
3.2.2 Studi Lapangan .................................................... 64
3.3 Metode Analisis Data .................................................... 66
3.3.1 Model Penelitian dan Hipotesis Penelitian .......... 66
3.3.2 Indikator Penelitian ............................................. 69
3.3.3 Kuesioner Penelitian ............................................ 71
3.3.4 Pengumpulan Sampel dan Pelaksanaan Kuesioner .
............................................................................. 74
3.4 Analisis Data dan Interpretasi Hasil ............................. 77
3.5 Kerangka Penelitian ...................................................... 79
BAB IV HASIL dan PEMBAHASAN ................................................. 81
4.1 Deskripsi Profil Responden .......................................... 81
4.2 Analisis dan Interpretasi Data ....................................... 84
4.2.1 Hasil Analisis Demografis ................................... 84
4.2.2 Interpretasi Hasil Analisis Data Demografis ....... 90
4.2.3 Hasil Analisis Model Pengukuran (Outer Model) 94
4.2.4 Interpretasi Hasil Analisis Model Pengukuran
(Outer Model) ............................................................. 103
4.2.5 Hasil Analisis Model Struktural (Inner Model) . 104
4.2.6 Interpretasi Hasil Analisis Model Struktural (Inner
Model) ......................................................................... 115
BAB V PENUTUP ............................................................................. 124
5.1 Kesimpulan ................................................................. 124
xiv
5.2 Saran ........................................................................... 125
DAFTAR PUSTAKA .................................................................................. 127
LAMPIRAN-LAMPIRAN .......................................................................... 127
xv
DAFTAR TABEL
Tabel 3. 1 Literatur Review Penelitian Sebelumnya ................................ 59
Tabel 3. 2 Hipotesis Penelitian ............................................................... 68
Tabel 3. 3 Indikator Penelitian dari Variabel Eksogen dan Endogen ..... 70
Tabel 3. 4 Indikator dan Daftar Pertanyaan ............................................ 72
Tabel 4. 1 Profil Responden.....................................................................83
Tabel 4. 2 Rekapitulasi Jumlah Penyebaran Kuesioner .......................... 92
Tabel 4. 3 Hasil Uji Loading Factor dengan SmartPLS 3.0 .................. 96
Tabel 4. 4 Hasil Uji Composite Reliability dengan SmartPLS 3.0 ......... 98
Tabel 4. 5 Hasil Uji Average Variance Extracted (AVE) dengan
SmartPLS 3.0 ............................................................................................... 99
Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading) dengan
SmartPLS 3.0 ............................................................................................. 101
Tabel 4. 7 Hasil Uji Discriminant Validity (Fornell-Lacker’s Criterion)
dengan SmartPLS 3.0 ................................................................................ 102
Tabel 4. 8 Hasil Uji Path Coefficient dengan SmartPLS 3.0 ................ 105
Tabel 4. 9 Hasil Uji Coefficient of Determination (R-Square) dengan
SmartPLS 3.0 ............................................................................................. 106
Tabel 4. 10 Hasil Uji T-test dengan SmartPLS 3.0 ................................ 107
Tabel 4. 11 Hasil Analisis Uji Effect Size (f2) ........................................ 109
Tabel 4. 12 Hasil Uji Predictive Relevance dengan SmartPLS 3.0 ......... 110
Tabel 4. 13 Hasil Uji Relative Impact dengan SmartPLS 3.0 ................ 111
Tabel 4. 14 Ringkasan Hasil Analisis Struktural Model ......................... 112
Tabel 4. 15 Ringkasan Hasil Analisis Struktural Model (Lanjutan) ....... 113
Tabel 4. 16 Hasil Uji Hipotesis dengan SmartPLS 3.0 ........................... 116
xvi
DAFTAR GAMBAR
Gambar 2. 1 Halaman Utama KIFEST ............................................................ 21
Gambar 2. 2 Halaman Utama KIFEST ............................................................ 21
Gambar 2. 3 Model TAM (Davis, 1985) .......................................................... 25
Gambar 2. 4 Model TAM Santoso ................................................................... 26
Gambar 2. 5 Model EUCS ............................................................................... 29
Gambar 2. 6 Model Integrasi TAm dan EUCS ................................................ 32
Gambar 2. 7 Model Integrasi TAM dan EUCS untuk mandatory use ............. 33
Gambar 2. 8 Klasifikasi Komponen Model Struktural ..................................... 56
Gambar 3. 1 Model Penelitian .......................................................................... 67
Gambar 3. 2 Model Persamaan Struktural ....................................................... 78
Gambar 3. 3 Kerangka Penelitian ..................................................................... 80
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden ........................... 85
Gambar 4. 2 Diagram Lingkaran Usia Responden ........................................... 86
Gambar 4. 3 Diagram Batang Divisi Kerja Responden .................................. 87
Gambar 4. 4 Diagram Lingkaran Lama Bekerja Responden ........................... 88
Gambar 4. 5 Diagram Lingkaran Status Penerimaan Responden .................... 89
Gambar 4. 6 Diagram Lingkaran Status Kepuasan Responden ....................... 90
Gambar 4. 7 Output Diagram Jalur dengan PLS-SEM .................................... 97
xvii
DAFTAR LAMPIRAN
Lampiran 1 Kuesioner Penelitian .............................................................. 135
Lampiran 2 Hasil Pengujian Awal ........................................................... 142
Lampiran 3 Hasil Kuesioner ..................................................................... 151
Lampiran 4 Hasil Wawancara .................................................................. 171
Lampiran 5 Surat Surat Pendukung Penelitian ......................................... 178
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Pada zaman sekarang ini, teknologi terus berkembang dengan cepat.
Tanpa ada yang sanggup membendungnya. Sehingga pada era sekarang ini
teknologi informasi telah menjadi kebutuhan dan juga sebuah keharusan
bagi organisasi dalam menjalankan bermacam-macam proses bisnisnya
(Hartono, 2011). Macam proses bisnis organisasi yang telah menggunakan
teknologi adalah dalam kegiatan berkomunikasi, berbagi informasi, maupun
untuk melakukan kegiatan pengelolaan administrasi perkantoran, seperti
dokumentasi pengadaan barang dan jasa, surat menyurat, absensi karyawan
dan lain sebagainya. Hal tersebut memunculkan persaingan di dunia
teknologi informasi (TI) dan memacu organisasi untuk bersaing dalam
pengembangan dan penerapan teknologi informasi yang kreatif dan inovatif
di masing-masing organisasinya. Tujuannya tak lain adalah untuk
menunjang kebutuhan operasional yang semakin efektif dan efisien.
Kecepatan perkembangan teknologi informasi selalu memaksa
orang untuk menyelaraskan ilmu yang dimilikinya dengan kemajuan TI.
Bagi sebagian orang yang dapat mengikuti dinilai sangat positif, tetapi bagi
sebagian yang lain akan merasa kesulitan dan dianggap hal negatif dan
dianggap mengganggu kenyamanan (Rahadi, 2007). kekhawatiran sebagian
orang ini bukan tanpa alasan. Mereka yang merasa terganggu dengan
2
teknologi baru boleh jadi karena banyaknya akun dan sandi yang harus
mereka ingat dari masing-masing sistem yang diterapkan di perusahaan. Hal
ini lah yang kiranya perlu untuk dipelajari tingkat penerimaan pengguna dari
sebuah sistem, karena penerimaan pengguna menjadi bagian yang tidak
terpisahkan dari keberhasilan penerapan sebuah sistem.
PT Kimia Farma (Persero) Tbk. sebagai perusahaan milik negara
(BUMN) yang bergerak dalam bidang farmasi dan terbesar di Indonesia
berkomitmen terus menjaga integritasnya untuk mencapai visi perusahaan
yakni menjadi perusahaan Healthcare pilihan utama yang terintegrasi dan
menghasilkan nilai yang berkesinambungan. Dalam rangka mewujudkan
visi tersebut PT Kimia Farma (Persero) Tbk. menjabarkannya dalam misi
perusahaan yang salah satunya adalah Mengelola perusahaan secara Good
Corporate Governance dan Operational Excellence didukung oleh SDM
profesional.
Dalam rangka menuju pengelola secara Good Corporate
Governance tersebut, PT Kimia Farma (Persero) Tbk. berfokus
mengembangkan aplikasi dan pelayanan IT untuk membantu efektifitas
kegiatan pegawai dengan membentuk Divisi Informasi dan Teknologi.
Divisi ini diproyeksikan menjadi penggerak dalam pengembangan layanan
IT baik di PT Kimia Farma (Persero) Tbk. sendiri maupun di anak
perusahaannya. Dengan slogan SOLID (Smart, Optimistic, Loyalty,
Integrity, and Difference) divisi IT di Kimia Farma betul-betul berfokus
mengembangkan dan melakukan pembuatan aplikasi-aplikasi yang
3
membantu aktivitas para karyawannya. Tak kurang dari 10 aplikasi telah di
gunakan sehari-hari. Diantaranya adalah aplikasi penggajian Pay Slip,
aplikasi Cuti Online, aplikasi Absensi Online, aplikasi SPPD Online,
aplikasi Mandiri in Health, aplikasi Performance Management, aplikasi Job
Vacancy, aplikasi Mutasi Promosi, aplikasi E-Learning, aplikasi KF Smart,
web portal Kimia Farma, dan lain sebagainya.
Aplikasi yang dikembangkan dan diterapkan, semula diharapkan
dapat memudahkan kegiatan sehari-hari para pegawai, namun seiring
menjadi banyaknya jumlah aplikasi ini memunculkan masalah baru yakni
kesulitan para pegawai dalam mengingat satu persatu username dan
password bagi tiap-tiap aplikasi. Hal ini lah yang kemudian pada awal
Agustus 2018 Kimia Farma meluncurkan sebuah portal bernama KIFEST
(Kimia Farma Employe Self Technology) yakni sebuah aplikasi sistem
informasi pegawai layanan terpadu bagi karyawan internal Kimia Farma.
Aplikasi ini memungkinkan para pegawai cukup melakukan login sekali
untuk mengakses aplikasi-aplikasi tersebut. Dimana pada kenyataannya
aplikasi-aplikasi di dalam KIFEST telah diterapkan sejak tahun 2015.
KIFEST hadir untuk menampilkan semua aplikasi dalam satu
halaman utama aplikasi KIFEST tersebut. Sehingga akan memudahkan
setiap pengguna untuk melakukan akses ke beberapa aplikasi yang telah
disediakan oleh KIFEST ini. Kemudahan ini memberikan efisiensi yang
menyeluruh dalam hal penyediaan akses ke beberapa aplikasi tersebut.
4
KIFEST telah menggunakan konsep Single Sign On (SSO).
Teknologi Single-sign-on (sering disingkat menjadi SSO) adalah teknologi
yang mengizinkan pengguna jaringan agar dapat mengakses sumber daya
dalam jaringan hanya dengan menggunakan satu akun pengguna saja.
Dimana satu akun pengguna akan bisa mengakses ke beberapa aplikasi yang
terdapat di dalam dashboard aplikasi KIFEST. Aplikasi ini diharapkan
menjadi solusi untuk kemudahan para karyawan mengakses aplikasi
kepegawaiannya.
Selama sekitar beberapa bulan ini diterapkan, berdasarkan hasil
wawancara dengan admin IT, grafik pengguna KIFEST masih sangat sedikit
dan boleh dikatakan sangat jarang pegawai yang mengaksesnya. Hal ini
diperkirakan beberapa hal diantaranya adalah sosialisasi ke para pegawai
yang belum maksimal, juga beberapa fungsi yang masih belum dapat
diakses seperti fungsi berpindah aplikasi secara cepat, fungsi edit profile
yang belum menjadi satu, serta belum tersedianya menu sentral yang
memudahkan perpindahan dari satu aplikasi ke aplikasi lain juga
diperkirakan menjadi sebab pengguna kifest ini masih sedikit.
Kondisi KIFEST hari ini yang belum sesuai dengan harapan pada
saat merancangnya membuat peneliti tertarik untuk mengukur tingkat
penerimaan pengguna aplikasi KIFEST. Karena tingkat penerimaan
pengguna aplikasi berpengaruh terhadap keberhasilan penerapan sebuah
aplikasi. Dan keberhasilan penerapan sebuah teknologi akan memberikan
5
manfaat yang lebih kepada organisasi (Subiyakto, Ahlan, Kartiwi, Putra, &
Durachman, 2016).
Pengukuran tingkat penerimaan yang dilakukan peneliti adalah
menggunakan model analisis Technology Acceptance Model (TAM).
dimana TAM ini didasari pada Theory of Reasoned Action (TRA) yang
diteorikan oleh Fishbein & Ajzen, (1980).
TAM bertujuan untuk mendefinisikan dan memperkirakan
penerimaan (Acceptance) pengguna terhadap suatu sistem informasi. TAM
menyediakan suatu basis teoritis untuk mengetahui faktor-faktor yang
mempengaruhi penerimaan terhadap suatu teknologi dalam suatu
organisasi. TAM menjelaskan hubungan sebab akibat antara keyakinan
(akan manfaat suatu sistem informasi dan kemudahan penggunaannya) dan
perilaku, tujuan/keperluan, dan penggunaan aktual dari pengguna suatu
sistem informasi (Davis, 1985).
Davis (1985) mendefinisikan persepsi kegunaan (Perceived of
Usefulness) sebagai “sebuah tingkatan dimana seseorang mempercayai
bahwa dengan menggunakan sistem tersebut dapat meningkatkan
kinerjanya dalam bekerja”. Kripanont (2007) juga berpendapat sama,
“Perceived of Usefulness is the degree to which a person believes that using
a particular system would enhance his or her job performance”. Persepsi
atas kemudahan penggunaan (Perceived Ease of Use), secara kontras,
mengacu pada “suatu tingkatan dimana seseorang percaya bahwa
menggunakan sistem tersebut tak perlu bersusah payah. Hal ini mengikuti
6
definisi dari “mudah” (“Ease”): “freedom from difficulty or great effort”
atau tidak memiliki kesulitan atau upaya keras.
Menurut Hartono (2007) TAM berfokus pada sikap terhadap
penggunaan teknologi informasi, dimana pemakai mengembangkan
berdasarkan persepsi manfaat dan kemudahan dalam penggunaan teknologi
informasi. Hal ini juga didasarkan pada pendapat Davis F.D (Amalia, 2010),
TAM didefinisikan sebagai model untuk menjelaskan dan memprediksi
sikap pengguna terhadap sistem berdasarkan dua persepsi, yakni persepsi
pemanfaatan (Perceived usefulness) dan persepsi kemudahan penggunaan
(perceived ease of use).
Model lainnya adalah End User Computing Satisfaction (EUCS)
yang dikembangkan oleh (Doll & Torkzadeh, 1988) EUCS merupakan
model yang digunakan untuk mengukur kepuasan pengguna akhir sebuah
sistem atau aplikasi. Sebuah sistem informasi dapat diandalkan ketika
memiliki kualitas yang baik dan mampu memberikan kepuasan bagi
penggunanya. Dengan adanya kepuasan pengguna maka akan timbul
penerimaan (Acceptance) pada sistem informasi tersebut. Kepuasan
pengguna merupakan salah satu indikator keberhasilan penerapan sistem
informasi (Nugraha, 2014). Instrumen EUCS yang dikembangkan oleh Doll
dan Torkzadeh meliputi 5 komponen yaitu Isi (Content), Akurasi
(Accuracy), Bentuk (Format), kemudahan (Ease), dan ketepatan waktu
(Timeliness).
7
Implementasi teknologi informasi (TI) baru pada suatu perusahaan
merupakan sebuah langkah yang baik dalam rangka meningkatkan proses
bisnis organisasi. Namun keberhasilan dalam proses implementasi TI juga
perlu memperhitungkan penerimaan (Acceptance) oleh pengguna akhir
(Fatta, 2007). Pengguna akhir (End User) yang dimaksud disini adalah
mereka yang terkait langsung dengan penggunaan aplikasi. Seringkali
ketika TI baru diimplementasikan maka aka terjadi perubahan proses bisnis,
dan pengguna akhir ini akan menimbulkan sikap penerimaan yang tidak
dapat diprediksi. Sikap penerimaan (Acceptance) ini yang akan memiliki
hubungan langsung terhadap kepuasannya dan kesuksesan penerapan
aplikasi.
Berdasarkan penjelasan di atas, maka peneliti tertarik untuk
melakukan penelitian yang berjudul “Pengukuran Tingkat Penerimaan
Pengguna Akhir Sistem Informasi Pegawai Kimia Farma (KIFEST)
Menggunakan Pendekatan Technology Acceptance Model (TAM) dan
End User Computing Satisfaction (EUCS)”. Penelitian ini diharapkan
untuk meningkatkan produktivitas, kualitas layanan dan kemampuan
kompetisi. Karena keberhasilan penerapan sistem informasi ditentukan oleh
faktor-faktor yang mempengaruhi penerimaan pengguna atas teknologi baru
tersebut. Hasil penelitian ini dapat menjadi masukan dan rekomendasi bagi
pengelola sistem informasi kepegawaian Kimia Farma (KIFEST) saat
mengambil keputusan dalam perencanaan pengembangan aplikasi KIFEST
agar dapat meningkatkan kemanfaatan aplikasi tersebut.
8
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang telah dipaparkan di atas, peneliti
mengidentifikasi beberapa permasalahan yang ada sebagai berikut:
1. Masih terdapat beberapa kelemahan dalam Aplikasi sistem informasi
pegawai Kimia Farma (KIFEST) sehingga penerimaan pengguna
terhadap Aplikasi masih belum optimal.
2. Penerimaan pengguna merupakan salah satu faktor penting yang
menentukan keberhasilan implementasi sistem informasi dan belum
pernah dilakukan penelitian terkait hal tersebut pada sistem informasi
pegawai Kimia Farma (KIFEST).
3. Belum diketahui faktor-faktor yang perlu dipertahankan ataupun
faktor-faktor yang perlu menjadi fokus perhatian untuk meningkatkan
kualitas layanan Aplikasi sistem informasi pegawai Kimia Farma
(KIFEST) dengan menggunakan model TAM dan EUCS sehingga
peningkatan aplikasi KIFEST masih belum menemukan fokus
pengembangannya.
1.3 Perumusan Masalah
Berdasarkan identifikasi masalah dan latar belakang masalah di atas
nampak bahwa ada permasalahan yang terjadi pada pengguna akhir untuk
menggunakan KIFEST. Terlihat bahwa pengguna akhir mengalami masalah
dan kesulitan dalam menggunakan KIFEST. Hal ini boleh jadi terkait
dengan Kemanfaatan (Usefulness), Kemudahan Penggunaan (Ease of Use),
9
Kenyamanan (Enjoyment), Isi (Content), Akurasi (Accuracy), Bentuk
(Format), kemudahan (Ease) dan ketepatan waktu (Timeliness) yang
dimiliki pengguna akhir dalam menggunakan KIFEST. Untuk membuktikan
hal tersebut maka penelitian ini dilakukan sehingga dapat diketahui apakah
faktor-faktor tersebut berhubungan dengan penerimaan (Acceptance)
pemakai akhir dalam menggunakan KIFEST.
Berdasarkan hal tersebut maka permasalahan dalam penelitian ini
dapat dirumuskan sebagai berikut:
1. Apakah faktor dalam TAM yaitu Kemanfaatan (Usefulness),
Kemudahan Penggunaan (Ease of Use) dan Kenyamanan
(Enjoyment) berpengaruh terhadap penerimaan (Acceptance).
pengguna KIFEST?
2. Apakah lima faktor EUCS Isi (Content), Akurasi (Accuracy), Bentuk
(Format), kemudahan (Ease) dan ketepatan waktu (Timeliness)
berpengaruh terhadap penerimaan (Acceptance) pengguna KIFEST?
1.4 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah sebagai
berikut:
1. Penelitian ini hanya dilakukan terhadap penerapan teknologi Kimia
Farma Employe Service Technology (KIFEST).
2. Penelitian ini menggunakan dua model penelitian TAM yakni
penelitian Santoso (2012) yang terdiri dari 3 variabel yakni
10
Percevied Usefulness (PU), Ease of Use (EOU) dan Enjoyment
(ENJ). Kedua penelitian Doll dan Torkzadeh (1988) yang terdiri
dari 5 variabel yakni variabel Accuracy (ACC), Content (CON),
Ease of Use (EOU), Format (FOR) dan Timeliness (TIM).
3. Penelitian ini menggunakan metode kuantitatif dengan teknik
pengumpulan data survei kepada end user (pengguna akhir) dalam
penelitian ini yaitu mencakup karyawan Kimia Farma yang
berkantor di Kimia Farma Holding. Teknik pengambilan sampel
menggunakan teknik purposive sampling dan analisis data
menggunakan PLS-SEM dengan SmartPLS.
1.5 Tujuan dan Sasaran Penelitian
1.5.1 Tujuan Penelitian
Berdasarkan latar belakang dan perumusan masalah yang
sudah dipaparkan sebelumnya, penelitian ini dilakukan dengan
beberapa tujuan, yaitu untuk:
1. Mengetahui sejauh mana tingkat penerimaan pengguna dari
penerapan aplikasi KIFEST.
2. Mengetahui faktor-faktor yang mempengaruhi penerimaan
pengguna akhir terhadap penerapan KIFEST.
3. Memberikan rekomendasi atau masukkan untuk PT Kimia
Farma (Persero) Tbk. terkait pengembangan aplikasi KIFEST.
11
1.5.2 Sasaran Penelitian
Mengacu pada Tujuan yang telah disebutkan di atas, maka
sasaran yang ada dalam penelitian ini adalah:
1. Diketahuinya tingkat penerimaan pengguna akhir terhadap
penerapan aplikasi KIFEST, berdasarkan pengujian terhadap
responden dari pengguna akhir KIFEST.
2. Diketahuinya faktor-faktor yang mempengaruhi penerimaan
pengguna akhir KIFEST berdasarkan integrasi model TAM
dan EUCS.
1.6 Manfaat Penelitian
Sangat besar harapan peneliti bahwa penelitian ini dapat
memberikan manfaat pada pihak lain. Beberapa manfaat yang dapat diambil
dari penelitian ini adalah diantaranya:
1. Secara teoritis, hasil dari penelitian ini diharapkan dapat menjadi arsip
dokumen akademik yang bisa bermanfaat sebagai landasan untuk
penelitian selanjutnya.
2. Secara metode, dapat menjadi referensi penelitian di program studi
informasi dengan pendekatan kuantitatif.
3. Secara praktis, hasil penelitian dapat digunakan sebagai bahan
masukan untuk acuan dalam mengembangkan aplikasi KIFEST
selanjutnya.
12
4. Dengan penelitian ini Divisi IT Kimia Farma dapat mengevaluasi
penerapan KIFEST yang telah dilakukan tersebut dan menentukan
langkah perbaikan dalam tahap pengembangan sistem selanjutnya.
5. Hasil penelitian ini diharapkan juga bisa memberikan kontribusi
kepada Divisi IT Kimia Farma untuk dapat memperhatikan aspek
keperilakuan dari para pemakai akhir dalam pengembangan KIFEST
selanjutnya.
1.7 Pertanyaan Penelitian
Berdasarkan tujuan dan sasaran dari penelitian ini maka pertanyaan
penelitian dalam hal ini adalah :
1. Bagaimana tingkat penerimaan pengguna akhir terhadap penerapan
aplikasi KIFEST?
2. Apa saja faktor yang dapat memberikan pengaruh terhadap penerimaan
pengguna akhir KIFEST berdasarkan pengujian terhadap responden
dari pengguna akhir KIFEST.
Melihat dari berbagai faktor yang mempengaruhi penerimaan
pengguna, maka dalam penelitian ini membuat hipotesis yang mungkin saja
saling mempengaruhi, diantaranya :
2.1 Apakah Faktor kemanfaatan (usefulness) oleh KIFEST berpengaruh
secara signifikan terhadap penerimaan (Acceptance) penggunaan
KIFEST?
13
2.2 Apakah Faktor kemudahan penggunaan (ease of use ) oleh KIFEST
berpengaruh secara signifikan terhadap penerimaan (Acceptance)
penggunaan KIFEST?
2.3 Apakah Keakuratan informasi yang dihasilkan (accuracy) oleh
KIFEST berpengaruh secara positif terhadap penerimaan
(Acceptance) penggunaan KIFEST ?
2.4 Apakah Ketersediaan informasi yang tepat, benar dan konsisten
(content) pada aplikasi KIFEST berpengaruh secara positif terhadap
penerimaan (Acceptance) penggunaan KIFEST?
2.5 Apakah Tampilan menarik (format) pada aplikasi KIFEST
berpengaruh secara positif terhadap penerimaan (Acceptance)
penggunaan KIFEST?
2.6 Apakah Kecepatan dan pembaharuan informasi (timeliness) pada
aplikasi KIFEST berpengaruh secara positif terhadap penerimaan
(Acceptance) penggunaan KIFEST ?
2.7 Apakah Sikap (attitude) pengguna sistem berpengaruh positif
terhadap Penerimaan (Acceptance) KIFST.
2.8 Apakah kepuasan pengguna akhir (user satisfaction) berpengaruh
positif terhadap Penerimaan (Acceptance) sistem KIFEST?
1.8 Metodologi Penelitian
Penelitian ini menggunakan model Technology Acceptance Model
(TAM) dan End-User Computing Satisfaction (EUCS) sebagai alat untuk
14
menganalisis penerimaan pengguna akhir terhadap aplikasi Kimia Farma
employe service technology (KIFEST) dengan metode pengumpulan data
yang terdiri dari:
1. Studi Pustaka
Studi Pustaka dilakukan dengan membaca buku-buku serta jurnal
penelitian sebelumnya yang berhubungan dengan End-User Computing
Satisfaction (EUCS) dan Technology Acceptance Model (TAM).
2. Studi Lapangan
Studi lapangan adalah penelitian yang dilakukan dengan cara
mendatangi langsung tempat yang menjadi objek penelitian. Adapun
teknik pengumpulan datanya adalah sebagai berikut:
a. Observasi
Pada tahap ini peneliti melakukan pengamatan langsung ke
kantor PT Kimia Farma (Persero) Tbk..
b. Wawancara
Wawancara langsung dilakukan kepada beberapa orang
yang terkait dengan aplikasi KIFEST, yaitu kepada staf divisi
IT Kimia Farma serta beberapa pengguna akhir aplikasi
KIFEST.
c. Kuesioner
Kuesioner disebarkan kepada pengguna akhir aplikasi
Kimia Farma employe service technology (KIFEST),
kuesioner berisi daftar pertanyaan terkait variabel yang
15
digunakan dalam penelitian ini berdasarkan model End-User
Computing Satisfaction (EUCS) dan Technology Acceptance
Model (TAM).
1.9 Sistematika Penulisan
Dalam penyusunan laporan penelitian, pembahasan terbagi dalam
lima bab yang secara singkat akan diuraikan sebagai berikut:
BAB I PENDAHULUAN
Bab ini menjelaskan tentang latar belakang, identifikasi masalah,
perumusan masalah, batasan masalah, tujuan penelitian, manfaat
penelitian, hipotesis penelitian, metodologi penelitian dan
sistematika penulisan.
BAB II KAJIAN PUSTAKA
Bab ini membahas mengenai dasar-dasar teori yang mendukung
dalam menganalisis tingkat penerimaan pengguna akhir terhadap
sistem aplikasi KIFEST Kimia Farma.
BAB III METODOLOGI PENELITIAN
Bab ini membahas tentang metodologi pengumpulan data yang
digunakan dalam penelitian ini, dan metode analisis data.
BAB IV HASIL DAN PEMBAHASAN
Bab ini menguraikan profil singkat respondesn dan membahas hasil-
hasil yang diperoleh dari hasil penelitian.
16
BAB V KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan
masalah serta beberapa saran untuk pengembangan sistem aplikasi
Kimia Farma Employe Service Technology (KIFEST).
DAFTAR PUSTAKA
BAB II
KAJIAN PUSTAKA
2.1 Sistem Informasi Kepegawaian
2.1.1 Definisi Sistem Informasi
Sistem informasi merupakan sebuah sistem di dalam sebuah
organisasi yang mempertemukan kebutuhan pengelolaan transaksi
harian, dukungan operasional, sifat manajerial dan kegiatan strategi
sebuah organisasi dan menyediakan pihak luar tertentu dengan
laporan-laporan yang diperlukan (Hutahaean, 2015).
Sistem informasi juga merupakan suatu sistem di dalam
organisasi yang memiliki bentuk saling terintegrasi antara satu
komponen dengan komponen lain dan memiliki sasaran yang
berbeda untuk setiap sistem. Setiap sistem memiliki berbagai unsur
yang saling berhubungan erat dan saling bekerja sama untuk
mencapai tujuan sistem tersebut (Sutabri, 2012). Sistem informasi
adalah sebuah rangkaian prosedur formal di mana data
dikelompokkan, diproses menjadi informasi dan didistribusikan
kepada pengguna (Kadir, 2014).
Sehingga dapat ditarik kesimpulan bahwa sistem informasi
merupakan serangkaian sistem yang dapat mengolah data
menggunakan bermacam sumber daya menjadi informasi yang
memiliki manfaat bagi pengguna.
18
2.1.2 Definisi Sistem Informasi Kepegawaian
Kepegawaian menurut KBBI merupakan sebuah kata untuk
menjelaskan segala hal tentang pegawai. Sistem informasi
kepegawaian merupakan bagian dari sistem informasi manajemen
yang fungsinya mengelola data, manajemen dan administrasi
kepegawaian dari suatu instansi.
Sistem yang berhubungan dengan pegawai diantaranya Aplikasi
penggajian Pay Slip, Aplikasi Cuti Online, Aplikasi Absensi Online,
Aplikasi SPPD Online dsb. Sistem Informasi kepegawaian ini
dirancang sebagai solusi untuk memudahkan berbagai hal
pengurusan kepegawaian.
Keuntungan adanya sistem informasi kepegawaian ini
adalah:
1. Memungkinkan Departemen Human Capital berperan aktif
dalam perencanaan strategi perusahaan
2. Mengintegrasikan dan menyimpan semua informasi SDM
dalam satu Database, dan dengan hadirnya single sign on
pada sistem kepegawaian ini juga memungkinkan
kemudahan berpindah satu aplikasi ke aplikasi lain.
3. Memfasilitasi penyimpanan data dan akses catatan
kepegawaian yang vital bagi perusahaan (Widiyastuti,
Andretti, & Leon, 2014).
19
2.1.3 Sistem Informasi Kepegawaian Kimia Farma (Kimia Farma
Employe Service Technology / KIFEST)
Divisi IT Kimia Farma merupakan salah satu unit kerja di
bawah Direktur Keuangan, yang memiliki tugas dan fungsi yang
terkait dengan perkembangan IT. Dari mulai untuk melakukan
kegiatan digitalisasi proses bisnis di setiap divisi di PT Kimia Farma
(Persero) Tbk., melakukan pengembangan aplikasi-aplikasi,
membuat standar operasional layanan IT hingga melakukan proses
operasional dan kontrol terhadap insiden dan masalah yang terjadi
dengan perangkat IT.
Hingga pertengahan tahun 2018 tak kurang dari 30 aplikasi
telah dikembangkan dan dijalankan di perusahaan ini tentunya di
bawah kontrol divisi IT. Dari semua aplikasi yang telah ada,
beberapa aplikasi memang dikhususkan untuk sistem kepegawaian,
diantaranya adalah Pay slip, Cuti Online, Absensi Online, SPPD
Online, Mandiri in health, Performance Management, Job Vacancy,
Mutasi Promosi, E-Learning dan KF Smart. Aplikasi kepegawaian
ini awalnya berdiri sendiri dan tidak saling terhubung, setiap
pegawai akan memiliki username dan kata sandi masing-masing
untuk setiap aplikasi. Banyaknya kata sandi yang harus diingat oleh
para pegawai memunculkan seringnya aduan lupa kata sandi dari
para pegawai.
20
Untuk mengatasi masalah tersebut divisi IT Kimia Farma pada
awal Agustus 2018 meluncurkan sebuah portal Single Sign On
(SSO) untuk mengintegrasikan semua aplikasi kepegawaian dalam
satu username dan kata sandi. Aplikasi ini diberi nama Kimia Farma
Employe Service Technology (KIFEST). Di dalam kifest ini semua
aplikasi kepegawaian tadi ditampilkan di dalam satu halaman utama
aplikasi. Sehingga akan memudahkan setiap user untuk melakukan
akses ke beberapa aplikasi yang telah disediakan oleh Kifest ini.
Kemudahan ini memberikan efisiensi yang menyeluruh dalam hal
penyediaan akses ke beberapa aplikasi tersebut. KIFEST telah
menggunakan konsep Single Sign On (SSO). Teknologi Single-Sign-
On (sering disingkat menjadi SSO) adalah teknologi yang
mengizinkan pengguna jaringan agar dapat mengakses sumber daya
dalam jaringan hanya dengan menggunakan satu akun pengguna
saja. Dimana satu akun user akan bisa mengakses ke beberapa
aplikasi yang terdapat di dalam dashboard aplikasi Kifest (Saputra,
2018).
Gambar berikut merupakan user interface dari aplikasi KIFEST:
21
Gambar 2. 1 Halaman Utama KIFEST
(Sumber: Aplikasi KIFEST, 2018)
Gambar 2. 2 Halaman Utama KIFEST
(Sumber: Aplikasi KIFEST, 2018)
2.2 Mandatory dan Voluntary Use
Pada saat sebuah sistem diterapkan dalam perusahaan, maka
menjadi konsukensi logis apakah sistem ini menjadi Mandatory use atau
Voluntary use kepada pengguannya. Perbedaan utama dari keduanya adalah
22
pada kebebasan pengguna dalam menggunakan sistem tersebut (freedom of
user). Manatory use yaitu pemakai sistem tidak memiliki kebebasan
(freedom) untuk memakai atau tidak sistem tersebut karena dipaksa
memakai oleh perusahaan atau instansi yang menerapkan sistem informasi
tersebut.. Sebaliknya, Voluntary use adalah pengguna memiliki kebebasan
(freedom) tersebut, apakah pemakai mau memakai atau tidak sistem
informasi tersebut (Rawstorne et al, 1998). Didasarkan pada hal tersebut,
menurut Rawstorne et al. (1998) adanya memiliki perbedaan dalam
penerimaan (Acceptance) sistem informasi dari kedua lingkungan
lingkungan tersebut.
2.3 Teori Penerimaan Teknologi
Dalam melakukan pengukuran penerimaan teknologi, ada beberapa
teori yang terkenal dan sering digunkan, yakni Technology Acceptance
Model (TAM) yang dikembangakan oleh Davis pada tahun 1989 , IS
Success Model yang dikembangkan oleh Delone dan McLean mulai tahun
1992, 2002, 2003 dan tahun 2004, model UTAUT (Unified theory of
Acceptance and Use of Technology) yang dikemukakan oleh Venkantesh
et.all pada tahun 2003, model Human-Organization-Technology (HOT) Fit
Model yang dikembangkan oleh Yusof et al. pada tahun 2006, model Task
Technology Fit (TTF) yang dikembangkan oleh Goodhue dan Thompson
pada tahun 1995 (di dalam Anwar, 2017).
23
Secara teoritis dan praktis model pengukuran penerimaan pengguna
yang paling banyak digunakan adalah model TAM dan UTAUT. Model
UTAUT lebih banyak digunakan untuk mengukur penerimaan penerapan
sebuah sistem di lingkungan akademik sedangkan TAM lebih banyak
digunakan untuk mengukur penerimaan di lingkungan yang lebih luas lagi
(Hamrul, Soedijono, & Amborowati, 2013). Kedua model tersebut sama-
sama digunakan untuk menguku tingkat penerimaan pengguna namun
menurut Hamrul (2013), bahwa model UTAUT lebih dapat menjelaskan
pengukuran penerimaan sistem informasi akademik.
Dalam perbandingan model yang dilakukan oleh Megawati (2017),
dalam melakukan pengukuran penerimaan penerapan sistem infromasi
rumah sakit diperoleh hasil bahwa model TAM lebih dapat menjelaskan
penerimaan pengguna sistem informasi rumah sakit. Hal demikian yang
membuat peneliti dalam penelitian ini tertarik untuk menggunakan model
TAM dalam mengukur penerimaan pengguna terhadap penerapan
teknologi.
Sesuai dengan apa yang disampaikan oleh Sekundera (2006), bahwa
indikator untuk menjelaskan penerimaan teknologi informasi adalah
kepuasan pemakai (user satisfaction) dan penggunaan sistem (system
usage). Indikator penggunaan sistem ini dapat diukur dengan melihat
beberapa karakteristik. Diantaranya adalah kemudahan (ease of use),
manfaat (usefulness) penggunaan sistem dan sikap (attitude) penggunan
24
terhadapa sistem. Karakteristik tersebut dapat dijelaskan melalui model
TAM, inilah kenapa peneliti lebih berfokus menggunakan model TAM.
Kemudian indikator kepuasan pemakai ini dapat diukur menggunakan
model End-User Computing Satisfaction (EUCS). Model ini adalah model
yang paling banyak digunakan dalam melakukan pengukuran kepuasan
pengguna. Model EUCS yang terintegrasi dengan model TAM dipercaya
dapat menjelaskan pengukuran tingkat penerimaan pengguna terhadap
penerapan sistem di lingkungan mandatoy use. Dimana pada lingkungan
tersebut pengguna tidak memiliki pilihan dalam menggunakan teknologi,
hal ini biasa terjadi di perusahaan-perusahaan besar dan juga BUMN.
2.4 Technology Acceptance Model (TAM)
Model evaluasi Technology Acceptance Model (TAM) adalah
sebuah model yang didasari pada Theory of Reasoned Action (TRA) yang
diteorikan oleh Ajzen dan Fibsen (Fishbein & Ajzen, 1980). TAM bertujuan
untuk mendefinisikan dan memperkirakan penerimaan (Acceptance)
pengguna terhadap suatu sistem informasi. TAM menyediakan suatu basis
teoritis untuk mengetahui faktor-faktor yang mempengaruhi penerimaan
terhadap suatu teknologi dalam suatu organisasi. TAM menjelaskan
hubungan sebab akibat antara keyakinan (akan manfaat suatu sistem
informasi dan kemudahan penggunaannya) dan perilaku, tujuan/keperluan,
dan penggunaan aktual dari pengguna suatu sistem informasi.(Davis, 1985).
Berikut ini gambaran model hubungan dari TAM :
25
Gambar 2. 3 Model TAM Davis
(Sumber: Davis, 1985)
Dari gambaran di atas maka terlihat beberapa variabel dalam model
TAM yakni variabel eksternal, Perceived of Usefulness, Perceived Ease of
Use, Attitude Toward Using, Behavioral Intention to Use Dan Actual System
Use. Dalam perkembangannya model asli TAM ini banyak dikembangkan
salah satunya adalah oleh Linders (2006), dalam penelitiannya linders
menghapuskan variabel eksternal, Behavior Intention to Use dan Actual
System Use. Hal ini disebabkan oleh ketidakcocokan model TAM untuk
mengetahui penerimaan penerapan sistem di lingkungan Mandatory use,
model yang diteorikan oleh Davis lebih cocok untuk lingkungan Voluntary
use dikarenakan dalam lingkungan tersebut pengguna memiliki kebebasan
untuk memilih sistem sehingga kemudahan dan kebermanfaatan
berpengaruh terhadap intention use penggunaan sistem. namun sebaliknya
dalam lingkungan mandatory use, pengguna tidak memiliki pilihan lain,
alhasil dua variabel yaitu kemudahan dan kemanfaatan berpengaruh secara
signifikan terhadap penerimaan pengguna.
External Variables
Perceived of Usefulness
Perceived Ease of Use
Attitude Toward Using
Behavioral Intention to Use
Actual System Use
26
Kemudian model tersebut juga dikembangkan oleh Sekundera
(2006) yang menggunakan model tam mandatory use ini dengan dua
variabel utama yakni variabel kegunaan dan kemanfaatan dan Santoso
(2012) dengan menambahkan variabel enjoyment untuk mengetahui
kenyamanan yang dirasakan oleh pengguna selam menggunakan sistem
informasi dalam bekerja hal ini di dasari oleh pengaruh kenyamanan
terhadap sikap atau attitude pengguna tersbut dalam meggunakan sistem
aplikasi. Seperti yang digambarkan dalam gambar di bawah ini :
Gambar 2. 4 Model TAM Santoso
(Sumber: Santoso, 2012)
Dari gambar di atas terlihat bahwa menurut Santoso (2012), ada tiga
variabel yang mempengaruhi sikap (attitude) penerimaan sistem informasi,
kemudian sikap tersebut berpengaruh terhadap kepuasan dalam
menggunakan sebuah sistem. Tiga variabel tersebut adalah :
Perceived of Usefulness
Perceived Ease of Use
Attitude Toward Using
User Acceptance
User satisfaction
Perceived Enjoyment
27
1. Perceive of Usefulness (POU) atau persepsi kegunaan. POU
merupakan serangkaian pernyataan terkait dengan persepsi pengguna
atas kegunaan suatu sistem. Indikatornya menurut (Mardiana,
Tjakraatmadja, & Aprianingsih, 2015) adalah : mempercepat
pekerjaan, meningkatkan kinerja dan produktivitas, efektifitas,
mempermudah pekerjaan, dan bermanfaat atau tidaknya penerapan
sebuah sistem.
2. Percieve Ease of Use (PEOU) atau persepi kemudahan penggunaan
merupakan serangkaian pernyataan yang terkait dengan persepsi
pengguna atas kemudahan atau kesulitan dari penggunaan sebuah
sistem. Yang memiliki beberapa indikator seperti : kemudahahan
untuk dipelajari, kemudahan untuk mencapai tujuan, kejelasan
operasionalnya, kemudahan untuk dipahami, diakses dan kontrol,
sistem informasi yang fleksibel, bebas dari kesulitan, kejelasan sistem,
dan penilaian bahwa secara umum sistem tersebut mudah digunakan.
3. Perceived Enjoyment atau persepsi kenyamanan, merupakan
serangkaian pernyataan yang terkait dengan kenyamanan penggunan
terhadap penerapan sebuah sistem informasi. persepsi ini menurut Al-
Gahtani & King, (1999) memiliki beberapa indikator yakni :
kepercayaan penggunan atas kenyamanan dalam menggunakan
sistem, kenyamanan pengguna ketika menggunakan sistem informasi
saat bekerja dan kenyamanan pengguna secara aktual dalam
menggunakan sistem.
28
2.5 End-User Computing Satisfaction (EUCS)
Model evaluasi End User Computing Satisfaction (EUCS) adalah
model yang dikembangkan oleh (Doll & Torkzadeh, 1998). Model ini
menilai accuracy, content, ease of use, format dan timeliness dari sistem
untuk diketahui kepuasan (satisfaction) pengguna akhir terhadap sebuah
teknologi. Model ini juga dapat mengukur tingkat kepuasan (satisfaction)
dari pengguna sebuah sistem dengan membandingkan antara harapan dan
kenyataan dari sebuah sistem (Oktavia, 2012).
Definisi lain End User Computing Satisfaction dari sebuah sistem
informasi adalah evaluasi secara keseluruhan dari para pengguna sistem
informasi yang berdasarkan pengalaman mereka dalam menggunakan
sistem tersebut (Doll & Torkzadeh, 1988). Di bawah ini merupakan model
penelitian End-User Computing Satisfaction (EUCS).
29
Gambar 2. 5 Model EUCS
(Sumber: Doll & Torkzadeh, 1988)
Selanjutnya di bawah ini merupakan penjelasan dari setiap dimensi
ukuran model End User Computing Satisfaction yang dikembangkan oleh
(Doll & Torkzadeh, 1998) :
1. Dimensi Accuracy merupakan dimensi yang digunakan dalam
mengukur kepuasa penggunan dari sisi keakuratan data saat sistem
menerima perintah atau input lalu mengolahnya menjadi sebuah
informasi. Nilai keakuratan ini diukur dari seberapa akurat sistem
menghasilkan hasil pencarian dan kepuasan pengguna terhadap
keakuratan sistem (Doll & Torkzadeh, 1998).
2. Dimensi Content merupakan dimensi untuk mengukur kepuasan
pengguna dari sisi kelengkapan isi atau konten dari sebuah sistem.
Satisfaction
Content
Timeliness
Ease of Use
Format
Accuracy
30
Semakin lengkap konten/isi sebuah sistem maka semakin dan semakin
informatif, maka kepuasan pengguna akan semakin tinggi(Anwar,
2017). Doll & Torkzadeh, 1998 mengukur dimensi ini dengan 4
indikator yaitu : kesediaan informasi yang tepat, kesesuaian informasi,
hasil pencarian informasi, dan pemenuhan kebutuhan informasi.
3. Dimensi Ease of use merupakan dimensi yang digunakan untuk
mengukur kepuasan pengguna dari sisi kemudahan pengguna dalam
menggunakan sistem (user friendly) kemudahan hadir dalam proses
input data, mengolah data, dan mencari informasi informasi yang
dibutuhkan (Moores, 2012)
4. Dimensi Format merupakan dimensi untuk mngukur kepuasaan
penggun dari sisi tampilan sistem. semakin besar persepsi positif
pengguna sebuah sistem terhadap bentuk aplikasi ini, semakin besar
pula persepsi kepuasan pengguna sistem (Sari & Syamsuddin, 2017).
5. Dimensi Timeliness merupakan dimensi untuk megukur kepuasan
penggunan dari sisi ketepatan waktu sistem dalam merespon dan
menyediakan data serta informasi yang dibutuhkan oleh pengguna.yaitu
dimensi untuk mengukur kepuasan pengguna dari sisi ketepatan waktu
sistem dalam menyajikan atau menyediakan data dan informasi yang
dibutuhkan oleh pengguna (Al-Gahtani & King, 1999).
31
2.6 Model Integrasi TAM dan EUCS
Integrasi antara model TAM dan EUCS ini didasari oleh hubungan
antara penerimaan dan kepuasan pengguna dalam menggunakan sistem
informasi. beberapa peneliti telah menggunakan integrasi ini diantaranya
adalah penelitian dari (Sekundera, 2006) dan (Istiarni, 2016). Poin penting
yang dijadikan argumen dalam integrasi ini adalah apabila pengguna puas
menggunakan sistem maka sistem dapat diterima (Anwar, 2017). Hal ini
selaras dengan pandangan Fishbein & Ajzen, (1980) yang menyatakan
bahwa kepuasan pengguna adalah kepuasan pengguna dalam menggunakan
sistem dipandang dari sikap (attitude) yang dimiliki pengguna terhadap
sistem (Shierla, 2014).
Berdasarkan hal yang diungkap oleh Anwar yang dikutip dari
Sekundera, ditemukan fakta bahwa ada beberapa indikator dalam
menjelaskan penerimaan teknologi informasi dan ada dua indikator yang
paling dapat diterima adalah penggunaan sistem dan kepuasan pemakai
(Anwar, 2017). Hal ini yang memperkuat bahwa tingkat kepuasan pemakai
menjadi indikator utama dalam sebuah penerimaan sistem. Selain itu EUCS
merupakan model yang telah banyak digunakan untuk mengukur kepuasan
sistem.
32
Berdasarkan konsep penerimaan dan kepuasan terhadap penerapan
sebuah sistem yang telah dijelaskan di atas, maka Anwar (2017)
mengembangkan sebuah konsep yang mampu mengakomodasi kedua hal
tersebut. Konsep tersebut dikembangkan dari moores (2012) dan istiarni
(2016). Berikut konsep integrasi antar variabel dalam TAM dan EUCS:
Gambar 2. 6 Model Integrasi TAM dan EUCS
(Sumber: Istiarni, (2016) dan Moores (2012))
Dapat dilihat bahwa variabel dari TAM terdiri dari ease of use dan
usefulness diintegrasikan dengan lima variabel EUCS yakni content,
accuracy, format, ease of use dan timelines. Tujuh variabel tersebut
dihipotesiskan mempengaruhi sikap (Attitude) terhadap penggunaan sistem,
yang kemudian attitude akan mmpengaruhi intensitas penggunaan
(intention of use). Dan intensitas penggunaan tersebut mempengaruhi
33
penerimaan sistem (Acceptance), dan penerimaan tersebut mempengaruhi
kepuasan penggunan sistem (user satisfaction).
Dalam (Moores, 2012) model integrasi di atas digunakan untuk sistem
yang memiliki lingkungan voluntary use. Sedangkan dalam penelitian ini
memiliki lingkungan mandatory use. Sebagaimana penelitian (Sekundera,
2006) dan (Anwar, 2017) yang menilai tingkat penerimaan sistem pada
lingkungan mandatory use, peneliti juga mengadopsi model integrasi dari
penelitian tersebut. Model integrasi ini variabel intention to use dihilangkan
karena tidak sesuai digunakan dalam lingkungan mandatory use. Hal ini
mengacu pada penelitian (Linders, 2006). Selanjutnya variabel ease of use
dari TAM dan EUCS digabungkan menjadi variabel yang menyatu karena
memang sama pengaruhnya (Anwar, 2017). Berikut model integrasi TAM
dan EUCS yang digunakan dalam penelitian ini:
Usefulness
Ease of Use
Attitude
Acceptance
User
satisfaction
Content
Timeliness
Format
Accuracy
Enjoyment
Gambar 2. 7 Model Integrasi TAM dan EUCS untuk Mandatory Use
(Sumber: data yang diolah dari Anwar, 2017)
34
Berdasarkan gambar di atas, maka dapat dilihat bahwa dalam penelitian
ini terdapat tujuh variabel integrasi TAM dan EUCS yang terdiri dari
usefulness, ease of use, content, accuracy, format, timeliness dan enjoyment.
Semua variabel tersebut dihipotesiskan mempengaruhi sikap terhadap
penggunaan sistem (attitude). Selanjutnya attitude akan mempengaruhi
penerimaan sistem (Acceptance), dan pada akhirnya Acceptance akan
mempengaruhi kepuasan penggunaan sistem (user satisfaction).
2.7 Metode Kuantitatif pada Penelitian Sistem Informasi
2.7.1 Klasifikasi Data
Secara garis besar pengelompokkan data dibagi ke dalam
beberapa kelompok (Siregar, 2013), Adapun pengelompokkan
datanya sebagai berikut:
1. Kelompok data menurut cara memperolehnya
a. Data Primer adalah data yang dikumpulkan sendiri
oleh peneliti dari sumber pertama atau tempat
objek penelitian dilakukan.
b. Data Sekunder adalah data yang diterbitkan atau
digunakan oleh organisasi yang bukan
pengolahnya.
2. Kelompok data menurut waktu pengumpulannya
a. Data Time Series adalah data yang dikumpulkan
dari waktu ke waktu pada satu objek dengan
35
tujuan untuk menggambarkan perkembangan dari
objek tersebut.
b. Data Cross Section adalah data yang dikumpulkan
di satu periode tertentu pada beberapa objek
dengan tujuan untuk menggambarkan keadaan.
3. Kelompok data menurut sifatnya
a. Data Kualitatif adalah data yang berupa pendapat,
pernyataan atau judgement sehingga tidak berupa
angka, tetapi berupa kata-kata atau kalimat.
b. Data Kuantitatif adalah data yang berupa angka.
Sesuai dengan bentuknya, data kuantitatif dapat
diolah dan dianalisis dengan menggunakan teknik
perhitungan statistik.
2.7.2 Jenis-jenis penelitian
Berdasarkan Direktorat Tenaga Kependidikan Departemen
Pendidikan Nasional (2008), penelitian dikategorikan dalam 3
kategori, yakni :
1. Penelitian berdasarkan fungsinya
a. Penelitian Dasar. Sebuah penelitian yang
bertujuan meningkatkan pemahaman dengan
prinsip dan hukum ilmiah yang dilakukan dengan
cara mengembangkan konsep, prinsip, dalil dari
36
teori yang sudah ada. Penelitian ini bukanlah
untuk menemukan masalah atau solusi dari suatu
peristiwa. Melainkan hanya penemuan sebuah
dasar yang nantinya dapat dikembangkan lebih
lanjut.
b. Penelitian Terapan. Merupakan sebuah penelitian
menindaklanjuti, mengembangkan dan
menerapkan suatu data atau teori yang dihasilkan
dari penelitian dasar.
c. Penelitian Evaluatif. Penelitian yang dilakukan
untuk mengukur sebuah teori atau data dengan
cara membandingkan dengan target dan
pencapaian
2. Penelitian berdasarkan pendekatannya
a. Penelitian Kuantitatif. Jenis penelitian yang
bertujuan untuk menolak atau mendukung sebuah
teori. Penelitian ini dilakukan dengan
menggunakan deret ukur matematis hingga
menemukan kesimpulan tertentu.
b. Penelitian Kualitatif. Penelitian yang dilakukan
dengan cara mendatangi langsung objek yang
diteliti baik berupa orang atau sebuah peristiwa.
37
3. Penelitian berdasarkan tujuannya
a. Penelitian Eksplorasi. Definisi yang paling mudah
untuk penelitian eksplorasi ialah jenis penelitian
yang dilakukan untuk mengenalkan suatu gagasan
atau topik baru kepada masyarakat luas,
menjelaskan gambaran umum secara sederhana
tentang gagasan yang akan dibahas dan
pekembangan teori yang bersifat tentatif.
b. Penelitian Pengembangan. Jenis penelitian yang
dilakukan untuk mengembangkan teori yang
sudah ada.
c. Penelitian Verifikasi. Penelitian yang dilakukan
untuk menguji keakuratan teori yang sudah ada,
baik dalam bentuk dasar, prosedur, konsep
ataupun prinsip dari teori itu sendiri.
2.7.3 Skala Likert
Skala Likert adalah suatu skala psikometrik yang umum
digunakan dalam kuesioner dan merupakan skala yang paling
banyak digunakan dalam riset beberapa survei. Skala ini mempunyai
empat atau lebih butir pertanyaan yang dikombinasikan sehingga
membentuk suatu nilai yang menggambarkan sifat individu,
pengetahuan, sikap, dan perilaku(Syofian et al., 2015). Skala Likert
38
merupakan skala yang digunakan untuk mengukur sikap, pendapat,
dan persepsi seseorang atau sekelompok orang mengenai fenomena
sosial. Nama skala ini diambil dari nama Rensis Likert, pendidik dan
ahli psikolog Amerika Serikat. Rensis Likert telah mengembangkan
sebuah skala untuk mengukur sikap masyarakat sejak tahun 1932
(Sugiyono, 2013).
Pada saat menanggapi pertanyaan atau pernyataan dalam Skala
Likert, responden menentukan tingkat persetujuan mereka terhadap
suatu pertanyaan atau pernyataan dengan memilih salah satu dari
pilihan yang tersedia. Biasanya disediakan lima pilihan skala dengan
format seperti: [1] sangat setuju, [2] setuju, [3] netral, [4] tidak
setuju, dan [5] sangat tidak setuju (Syofian, Setiyaningsih, &
Syamsiah, 2015).
Selain dengan pilihan lima skala seperti contoh di atas, kadang
digunakan juga skala dengan empat, tujuh atau sembilan tingkat
pilihan. Empat skala pilihan juga kadang digunakan untuk kuesioner
skala likert yang memaksa orang memilih salah satu kutub karena
pilihan "netral" tak tersedia. Suatu studi empiris menemukan bahwa
beberapa karakteristik statistik hasil kuesioner dengan berbagai
jumlah pilihan tersebut sangat mirip (Dawes, 2008).
39
2.7.4 Metode Pengumpulan Data
Teknik pengumpulan data merupakan langkah yang paling
utama dalam penelitian, karena tujuan utama dari penelitian adalah
mendapatkan data. Dengan metode pengumpulan data yang tepat
akan memungkinkan peneliti untuk memperoleh data yang valid
sehingga dapat membantu dalam penelitian (Sugiyono, 2013).
Terdapat beberapa metode pengumpulan data penelitian yaitu:
1. Studi Pustaka
Studi pustaka adalah teknik survei terhadap data yang
telah ada dengan menggali teori-teori yang telah
berkembang dalam bidang ilmu yang berkepentingan,
mencari metode-metode serta teknik penelitian baik dalam
mengumpulkan data atau dalam menganalisis data yang
telah pernah digunakan oleh peneliti-peneliti terdahulu
(Nazir, 2009).
2. Studi Lapangan
Studi lapangan adalah penelitian yang dilakukan dengan
cara mendatangi langsung tempat yang menjadi objek
penelitian (Nazir, 2009). Adapun teknik pengumpulan
datanya adalah sebagai berikut:
a. Observasi
Observasi adalah teknik pengumpulan data yang
dilakukan melalui suatu pengamatan disertai dengan
40
pencatatan terhadap keadaan atau perilaku objek
penelitian (Setiawan, 2016). Observasi ini dilakukan
untuk memperoleh gambaran mengenai objek
penelitian secara keseluruhan.
b. Wawancara
Wawancara banyak digunakan dalam penelitian
eksploratif dan studi lapangan, pada prinsipnya tidak
berbeda dengan kuesioner yang menggunakan
format pertanyaan terbuka. Wawancara bertujuan
untuk mendapatkan informasi secara langsung
kepada responden atau partisipan (Abdillah &
Hartono, 2015).
c. Kuesioner
Kuesioner merupakan teknik pengumpulan data
yang dilakukan dengan cara memberikan
seperangkat pertanyaan atau pernyataan tertulis
kepada responden untuk dijawabnya. Kuesioner ini
cocok digunakan bila jumlah responden cukup besar
dan tersebar di wilayah yang luas. Kuesioner dapat
berupa pertanyaan/pernyataan tertutup atau terbuka,
dapat diberikan kepada responden secara langsung
atau dikirim melalui pos atau internet (Sugiyono,
2013).
41
2.7.5 Populasi dan Teknik Sampling
Populasi adalah wilayah generalisasi yang terdiri dari objek atau
subjek yang mempunyai kualitas dan karakteristik tertentu.
Ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya (Sugiyono, 2013). Dalam metode penelitian, kata
populasi sangat populer dipakai untuk menyebutkan sekelompok
objek yang menjadi sasaran penelitian. Populasi penelitian
merupakan keseluruhan dari objek penelitian yang dapat berupa
manusia, hewan, tumbuh-tumbuhan, udara, gejala, nilai, peristiwa
sikap hidup dan sebagainya. Persoalan populasi bagi suatu penelitian
harus dibedakan ke dalam 2 sifat (Zuriah, 2016). Adapun pembagian
populasi pada penelitian sebagai berikut:
1. Populasi homogen, yakni populasi yang unsur-unsurnya
memiliki sifat yang sama sehingga tidak perlu dipersoalkan
jumlahnya secara kuantitatif.
2. Populasi heterogen, yakni populasi yang unsur-unsurnya
memiliki sifat atau keadaan yang bervariasi sehingga perlu
ditetapkan batas-batasnya, baik secara kualitatif maupun
secara kuantitatif.
Sampel adalah bagian dari jumlah dan karakteristik yang
dimiliki oleh populasi. Bila populasi besar, dan peneliti tidak
mungkin mempelajari semua yang ada pada populasi, misalnya
42
karena keterbatasan dana, tenaga, dan waktu, maka peneliti dapat
menggunakan sampel yang diambil dari populasi. Untuk itu sampel
yang diambil dari populasi harus representatif (mewakili) populasi
tersebut (Sangadji, 2010). Proses mengambil sample merupakan
bagian penting dalam proses penelitian karena menentukan
keakuratan dan ketepatan penentuan sumber data dan informasi bagi
proses analisis dan pengambilan kesimpulan. Secara umum,
prosedur penarikan sampel terdiri atas teknik sampel probabilitas
dan non-probabilitas (Abdillah & Hartono, 2015). Ada beberapa hal
yang harus diperhatikan dan dipertimbangkan dalam menentukan
sampel, yaitu : unit analisis, pendekatan atau model penelitian yang
digunakan, banyaknya karakteristik khusus yang ada pada populasi
dan keterbatasan penelitian (Zuriah, 2016).
Teknik sampling adalah teknik pengambilan sampel. Untuk
menentukan sampel yang akan digunakan dalam penelitian, terdapat
berbagai teknik sampling yang digunakan. Teknik sampling pada
dasarnya dapat dikelompokkan menjadi dua (Sugiyono, 2013).
Adapun pengelompokan teknik sampling sebagai berikut:
1. Probability Sampling
Probability Sampling adalah teknik pengambilan
sampel yang memberikan peluang sama bagi setiap unsur
(anggota) populasi untuk dipilih menjadi sampel. Teknik
ini meliputi:
43
a. Simple Random Sampling
Simple Random Sampling dikatakan simple dan
sederhana karena pengambilan anggota sampel dari
populasi dilakukan secara acak tanpa memperhatikan
strata yang ada dalam populasi itu. Cara demikian
dilakukan bila anggota populasi dianggap homogen.
b. Proportionate Stratified Random Sampling
Proportionate Stratified Random Sampling
digunakan bila populasi mempunyai anggota/unsur
yang tidak homogen dan berstrata secara proporsional.
Suatu organisasi yang mempunyai pegawai dari latar
belakang pendidikan berstrata, maka populasi pegawai
itu berstrata.
c. Disproportionate Stratified Random Sampling
Disproportionate Stratified Random Sampling
digunakan untuk menentukan jumlah sampel, bila
populasi berstrata tetapi kurang proporsional.
d. Cluster Sampling
Cluster Sampling digunakan untuk
menentukan sampel bila objek yang akan diteliti atau
sumber data sangat luas. Teknik ini sering digunakan
melalui dua tahap, yaitu tahap pertama menentukan
44
sampel daerah, dan tahap berikutnya menentukan
orang-orang yang ada pada daerah itu secara sampling
juga.
2. Nonprobability Sampling
Nonprobability Sampling merupakan suatu prosedur
penarikan sampel bersifat subjektif. Dalam hal ini,
probabilitas pemilihan elemen-elemen populasi tidak dapat
ditentukan. Hal ini disebabkan setiap elemen populasi tidak
memiliki peluang yang sama untuk dipilih sebagai sampel.
Beberapa teknik pengambilan sampel non probabilitas
sebagai berikut:
a. Convenience Sampling
Convenience Sampling adalah teknik penarikan
sampel berdasarkan kemudahan. Prosedurnya adalah
semata-mata langsung menghubungi unit-unit
penarikan sampel yang mudah dijumpai seperti
mahasiswa-mahasiswa dalam satu kelas, jamaah
tempat ibadah, pengunjung toko dan lain-lain.
b. Quota Sampling
Quota Sampling adalah penarikan sampel
berdasarkan quota. Prinsipnya adalah karakteristik
tertentu yang relevan menjelaskan dimensi populasi.
Peneliti harus mengetahui distribusi populasi.
45
c. Purposive Sampling
Purposive Sampling adalah penarikan sampel
berdasarkan pertimbangan atau kriteria tertentu.
Dalam purposive sampling pemilihan sekelompok
subjek didasarkan atas ciri-ciri atau sifat-sifat tertentu
yang dipandang mempunyai sangkut paut yang erat
dengan ciri-ciri atau sifat-sifat populasi yang sudah
diketahui sebelumnya.
d. Snowball Sampling
Snowball Sampling adalah metode penarikan
sampel dengan responden yang berhasil diperoleh
diminta untuk menunjukkan responden lainnya secara
berantai.
e. Insidental Sampling
Insidental Sampling adalah teknik penentuan
sampel berdasarkan kebetulan, yaitu siapa saja yang
secara kebetulan/insidental bertemu dengan peneliti
yang dapat digunakan sebagai sampel, bila dipandang
orang yang kebetulan ditemui cocok sebagai sumber
data.
f. Sampling Jenuh
Sampling Jenuh adalah teknik penentuan
sampel bila semua anggota populasi digunakan sebagai
46
sampel. Hal ini sering dilakukan bila jumlah populasi
relatif kecil kurang dari 30 orang.
2.7.6 Penentuan Ukuran Sampel
Ukuran sampel merupakan banyaknya objek penelitian dalam
sampel. Sesuai dengan yang telah dijelaskan di bagian atas, sampel
meskipun jumlahnya tidak sama dengan populasi namun datanya
dapat digeneralisasikan pada populasi karena sampel diambil dari
populasi itu sendiri.
Penentuan ukuran sampel diperlukan jika populasi yang ada
dipandang besar, dan peneliti memiliki keterbatasan untuk
menjangkau seluruh populasi. Untuk menentukan jumlah atau
ukuran sampel biasanya menggunakan perhitungan maupun acuan
tabel yang dikembangkan oleh para ahli.
Hal paling erat kaitannya dengan ukuran sampel adalah nilai
tingkat ketelitian atau tingkat kesalahan yang diinginkan oleh
peneliti. Nilai tingkat ketelitian ini bervariasi sesuai dengan
keyakinan peneliti terhadap data-data sampel yang digunakan.
Besarnya nilai ketelitian yang biasa digunakan yaitu 1%(0,01);
5%(0,05); dan 10%(0,1). Apabila digunakan tingkat kesalah 1%
maka artinya peneliti meyakini tingkat kesalahan dari data yang
digunakan dari sampel itu sebesar 1% dari data sampel begitu juga
dengan angka yang lainnya.
47
Rumus perhitungan dan tabel yang dapat membantu peneliti
dalam menentukan ukuran sampel dari populasi ini beragam,
diantaranya ada Rumus Slovin, Rumus Issac dan Michael dan
Rumus Sampling fraction per klaster (Wahyudi, 2017). Cara
penggunaan rumus-rumus yang telah disebutkan di atas adalah
sebagai berikut:
1. Rumus Slovin
𝑛 =N
1+N 𝑒2
Untuk menggunakan rumus ini tentukan derajat
kesalahan.. Semakin besar derajat kesalahan, semakin
akurat sampel menggambarkan populasi. Misalnya,
penelitian dengan batas kesalahan 5% berarti memiliki
akurat sampai 95%.
Contoh :
Sebuah perusahaan memiliki 1000 karyawan dan
akan dilakukan survei dengan mengambil sampel.
Berapa sampel yang dibutuhkan apabila derajat
kesalahan 5% :
𝑛 =N
1+N 𝑒2
= 1.000 (1 + 1.000 x 0,05 x 0,05)
= 285,714 orang dibulatkan menjadi 286 orang.
Keterangan :
n = jumlah sampel minimal
N = Jumlah Populasi
e = Perkiraan margin of error atau derajat
kesalahan (1%,5% dan 10%)
48
Berarti sampel minimal untuk populasi 1000
orang dan derajat kesalah 5% adalah 286 sampel.
2. Rumus Isaac dan Michael
𝑠 =λ2N P Q
𝑑2 (𝑁−1)+ λ2P Q
Tabel penentuan jumlah sampel dari Isaac dan
Michael memberikan kemudahan penentuan jumlah
sampel berdasarkan tingkat kesalahan 1%, 5% dan
10%. Dengan tabel ini (lihat lampiran), peneliti dapat
secara langsung menentukan besaran sampel
berdasarkan jumlah populasi.
3. Rumus Sampling Fraction per klaster
𝑓𝑖 =Ni
N kemudian didapat sampel per clusternya
adalah 𝑁𝑖 = fi X N
Keterangan :
fi = sampling fraction cluster
Ni = banyaknya individu yang ada dalam cluster
N = banyaknya populasi seluruhnya
n = banyaknya anggota yang dimasukkan sampel
ni = banyaknya anggota yang dimasukkan menjadi
sub sampel
Keterangan :
s = Jumlah sample
N = Jumlah populasi
λ2 = Chi Kuadrat, dengan dk = 1,
taraf kesalahan 1%, 5% dan 10%
d = 0,05
P = Q = 0,5
49
Rumus ini digunakan untuk menentukan
ukuran sampel berdasarkan populasi jika jumlah
sampel yang diinginkan bersifat proporsional
terhadap kumpulan sampel yang akan digunakan.
2.7.7 PLS-SEM
Partial Least Square (PLS) pertama kali dikembangkan oleh
Herman Wold dan dipublikasikan secara umum pada tahun 1974.
PLS-SEM adalah salah satu dari berbagai metode yang dapat
digunakan untuk melakukan analisis dan dinilai cukup kuat dapat
digunakan pada setiap jenis skala data (data nominal, data interval
dan rasio) serta syarat asumsi yang fleksibel (Yamin & Kurniawan,
2011). Tujuan utamanya adalah untuk membantu peneliti dalam
mendapatkan nilai variabel laten untuk tujuan melakukan prediksi
dan dapat juga digunakan untuk melakukan konfirmasi terhadap
teori atau pengujian hipotesis. Terdapat beberapa alasan mengapa
saat ini PLS-SEM populer digunakan oleh para peneliti(Yamin &
Kurniawan, 2011), yaitu sebagai berikut:
1. Algoritma PLS tidak terbatas hanya untuk hubungan
antara indikator dengan konstrak laten nya yang bersifat
reflektif saja, tetapi algoritma PLS juga dapat dipakai
untuk hubungan yang bersifat formatif. PLS-SEM dapat
digunakan untuk model yang sangat kompleks (terdiri atas
50
banyak variabel laten dan manifes) tanpa mengalami
masalah dalam estimasi data.
2. PLS dapat digunakan ketika distribusi data sangat miring
(skew).
3. PLS dapat digunakan untuk menaksir model path dengan
ukuran sampel yang kecil.
Analisis model dalam PLS terdiri dari dua tahapan evaluasi
yakni model pengukuran (measurement model) atau sering disebut
outer model dan evaluasi model struktural (structural model) atau
sering disebut inner model (Yamin & Kurniawan, 2011). Evaluasi
pengukuran model Analisa outer model dilakukan untuk
memastikan bahwa pendekatan yang digunakan layak untuk
dijadikan pengukuran (valid dan reliabel) (Hussein, 2015). Valid
atau validity memiliki arti sifat benar menurut bukti yang ada, logika
berpikir atau kekuatan hukum dapat juga diartikann sebagai tingkat
kesahihan sesuatu. Sedangkan reliabel memiliki arti dapat dipercaya
atau sesuatu yang mempunyai hasil yang sama pada setiap
percobaan yang berhasil (KBBI, 2008).
Dua tahapan ini terdiri dari beberapa pemeriksaan sebagai
berikut :
1. Evaluasi Pengukuran model
Evaluasi ini meliputi pemeriksaan terhadap
individual item reliability, internal consistency atau
51
construct reliability, average variance extracted, dan
discriminant validity. Ketiga pengukuran pertama
dikelompokkan dalam convergent validity. Convergent
validity mengukur besaran nilai korelasi antara konstrak
dengan variabel laten.
Pada proses evaluasi convergent validity dari
pemeriksaan individual item reliability, dapat dilihat dari
nilai standardized loading factor. Dimana nilai ini
menggambarkan besarnya korelasi antara setiap indikator
dengan konstraknya. Nilai loading factor diatas 0,7 dapat
dikatakan ideal, memiliki arti bahwa indikator tersebut
dikatakan valid sebagai indikator yang mengukur
konstrak.
Kemudian melihat internal consistency reliability
dari nilai composite reliability. Nilai composite reliability
ini diambil karena lebih baik dalam mengukur internal
consistency dibandingkan cronbach’s alpha dalam model
SEM hal ini disebabkan karena composite reliability tidak
mengasumsikan kesamaan boot dari setiap indikator.
cronbach’s alpha cenderung menaksir lebih rendah
daripada composite reliability. Ambang batas 0,7 dapat
diartikan valid dan dapat diterima sedangkan nilai diatas
0,8 dan 0,9 berati sangat memuaskan.
52
Nilai lain dari convergent validity adalah nilai
average variance extracted (AVE). Nilai ini
menggambarkan besaran varian atau keragaman variabel
manifes yang dapat dikandung oleh konstrak laten. Nilai
AVE minimal 0,5 menunjukkan ukuran convergent
validity yang baik. Artinya, variabel laten dapat
menjelaskan rata-rata lebih dari setengah variance dari
indikator-indikatornya.
Selanjutnya Discriminant validity dievaluasi melalui
cross loading, kemudian membandingkan nilai AVE
dengan kuadrat nilai korelasi antar konstrak. Ukuran
cross loading adalah membandingkan korelasi indikator
dengan konstraknya dan konstrak blok lainnya. Bila
korelasi antara indikator dengan konstraknya lebih tinggi
dari korelasi dengan konstrak blok lainnya, hal ini
menunjukkan konstrak tersebut memprediksi ukuran pada
blok mereka dengan lebih baik dari blok lainnya. Ukuran
discriminant validity lainnya adalah bahwa nilai akar
AVE harus lebih tinggi daripada korelasi antara konstrak
dengan konstrak lainnya atau nilai AVE lebih tinggi dari
kuadrat korelasi antara konstrak.
2. Evaluasi Struktural Model
53
Tahapan dalam evaluasi ini meliputi beberapa tahap
yakni adalah dengan melihat signifikasi hubungan antara
konstrak. Nilai ini dapat dilihat dari koefisien jalur (path
coefficient) yang menggambarkan kekuatan hubungan
antara konstrak. Path coefficient (β) diuji dengan nilai
ambang batas diatas 0,1 untuk menyatakan bahwa jalur
(path) yang dimaksud memiliki pengaruh di dalam model.
Berikutnya, mengevaluasi nilai R2 (coefficient of
determination) untuk menjelaskan varian dari tiap target
endogenous variabel dengan standar pengukuran sekitar
0,67 sebagai kuat, sekitar 0,33 sebagai moderat dan 0,19
atau di bawahnya sebagai tingkat varian lemah.
Tahap berikutnya atau tahap ketiga adalah melihat
nilai t-test dengan metode bootstrapping menggunakan
uji two-tailed dengan signifikasi 5% untuk menguji
hipotesis-hipotesis penelitian. Hipotesis akan diterima
jika memilki nilai t-test lebih besar dari 1,96.
Tahap keempat, pengujian f2 (effect size) yang
memiliki fungsi untuk memprediksi pengaruh variabel
tertentu terhadap variabel lainnya dalam struktur model
dengan nilai ambang batas 0,02 untuk pengaruh kecil,
0,15 untuk menengah dan 0,35 untuk pengaruh besar. f2
dihitung dengan rumus sebagai berikut:
54
𝑓2 =𝑅2𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1 − 𝑅2𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Tahap kelima, menguji Q2 (predictive relevance)
dengan metode blindfolding untuk memberikan bukti
bahwa variabel tertentu yang digunakan dalam model
memiliki keterkaitan prediktif (predictive relevance)
dengan variabel lainnya dalam model dengan ambang
batas pengukuran diatas nol.
Tahap keenam, melakukan pengujian q2 (relative
impact) masih dengan metode blindfolding untuk
mengukur relatif pengaruh sebuah keterkaitan prediktif
sebuah variabel tertentu dengan variabel lainnya dengan
nilai ambang batas minimal 0,02 untuk pengaruh kecil,
0,15 untuk pengaruh menengah, dan 0,35 untuk pengaruh
besar. Rumus untuk perhitungan q2 adalah sebagai
berikut : 𝑞2 =𝑄2𝑖𝑛𝑐𝑙𝑢𝑑𝑒− 𝑄2𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑄2𝑖𝑛𝑐𝑙𝑢𝑑𝑒
2.7.8 SMART-PLS
SmartPLS merupakan salah satu software analisis yang biasa
digunakan dalam melakukan analisis menggunakan PLS-SEM,
software analisis ini dikembangkan oleh University of Hamburg,
Jerman (Ghozali & Latan, 2015). Dalam SmartPLS terdapat
beberapa komponen yaitu:
55
1. Variabel Laten
Variabel yang tidak dapat diamati dan diukur secara
langsung. Variabel laten ini terbagi menjadi dua yaitu
variabel eksogen (bersifat independen) dan variabel
endogen (bersifat dependen), dimana variabel eksogen
adalah variabel yang mempengaruhi variabel endogen.
2. Observed Variabel
Observed variable atau lebih dikenal dengan
variabel manifest adalah variabel yang besaran
kuantitatifnya dapat diketahui secara langsung,
misalnya dari skor respons subjek terhadap instrumen
pengukuran.
56
Berikut dapat dilihat pada gambar 2.8 contoh
penggunaan konstrak pada model struktural
menggunakan SmartPLS 3.0.
Gambar 2. 8 Klasifikasi Komponen Model Struktural
(Sumber: Hussein, 2015)
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Penelitian ini secara umum menggunakan pendekatan kuantitatif dan
strategi penelitian yang berkesinambungan sesuai dengan tujuannya yakni
mengukur tingkat penerimaan pengguna akhir KIFEST dan menguji
sejumlah hipotesis terkait faktor yang mempengaruhi penerimaan pengguna
akhir penerapan sistem KIFEST di PT Kimia Farma (Persero) Tbk. Dengan
menggunakan pendekatan kuantitatif tersebut maka dipandang perlu
metode pengumpulan data dan analisis data untuk menyelesaikan penelitian
ini. Oleh sebab itu dalam penelitian ini peneliti menggunakan metode
pengumpulan data melalui survei dengan menggunakan kuesioner dan
analisis data yang dilakukan secara statistik menggunakan aplikasi pengolah
data statistik.
Peneliti juga melakukan kegiatan wawancara tidak terstruktur yang
dilaksanakan pada rentang waktu bulan Septermber 2018 hingga Desember
2018, kegiatan wawancara ini dilaksanakan terhadap beberapa responden
yang merupakan pengguna akhir aplikasi KIFEST, hasil dari kegiataan ini
dijadikan sebagai data tambahan dalam diskusi penelitian ini. Dalam
melaksanakan penelitian ini, peneliti juga menggunakan beberapa
perangkat lunak untuk digunakan dalam proses penelitian yakni Microsoft
Word 2016 untuk penulisan laporan, Microsoftt Excel 2016 untuk
58
mengelola data demografis, google form untuk membuat kuesioner dan
PLS-SEM dan SmartPLS 3.0 untuk mengolah data dari responden.
3.2 Metode Pengumpulan Data
3.2.1 Studi Pustaka
Dalam melaksanakan penelitian ini, peneliti melakukan
kajian terhadap beberapa literatur yang berhubungan dengan
penelitian ini. Diantaranya buku-buku terkait metode penelitian
kuantitatif, PLS-SEM dan SmartPLS untuk mengelola data.
Beberapa judul buku yang peneliti kaji adalah : Partial Least Square
(PLS) Alternatif Structural Equation Modeling (SEM) dalam
Penelitian Bisnis yang ditulis oleh Hartono 2015, Partial least
squares: Konsep, teknik dan aplikasi menggunakan program
SmartPLS 3.0 untuk penelitian empirisi yang ditulis oleh Ghozali, I.,
& Latan, H. (2015). Serta beberapa sumber buku lain yang
digunakan sebagai referensi dalam penulisan skripsi ini.
Peneliti juga mengkaji beberapa publikasi baik berupa
artikel maupul jurnal-jurnal terkait penelitian End-User Computing
Satisfaction (EUCS) dan Technology Acceptance Model (TAM).
Kegiatan ini dilakukan tak hanya sebagai sumber informasi, tetapi
juga sebagai referensi untuk mengetahui kelebihan dan kekurangan
yang terdapat dalam penelitian sebelumnya. Berikut adalah beberapa
penelitian sejenis yang peneliti jadikan literatur akan di jelaskan
pada tabel di bawah ini:
59
Tabel 3. 1 Literatur Review Penelitian Sebelumnya
No Peneliti Tahun Judul Model Tujuan Hasil
1.
Ahmad
Anwar
2017
Analisis Penerimaaan
Pemustaka terhadap
Institutional Repository
berbasis e-prints di
Perpustakaan Universitas
‘Aisyiyah Yogyakarta
sebuah Pendekatan
Integratif antara TAM
dan EUCS
TAM &
EUCS
1. Mengetahui faktor apa saja pada TAM
dan EUCS yang mempengaruhi sikap
(attitude) pengguna sistem.
2. Mengetahui faktor yang mempengaruhi
sikap pengguna (attitude) terhadap
penerimaan sistem
Model integratif antara Technology
Acceptance Model (TAM) dan End User
Computing Satisfaction (EUCS) mampu
menjelaskan penerimaan sistem institutional
repository 98 berbasis E-Prints di
Perpustakaan Universitas ‘Aisyiyah
Yogyakarta.
60
2.
Dwi Praja
Anggraye
ni
2015
Analisis Faktor
Kesuksesan Sistem
Mandatory Use
Berdasarkan Model Tam
dan End User Computing
Satisfaction (Studi
Kasus: Aplikasi UR Pada
BPJS Kesehatan Divisi
Regional Vii Jawa
Timur)
TAM &
EUCS
Mengetahui kesuksesan sistem
mandatory use berdasarkan hasil
penerimaan pengguna yang ditinjau
dari kepuasan pengguna.
Dengan model EUCS dan TAM diketahui
kesuksesan penerapan sistem yang berarti
pengguna merasa puas. Lalu untuk
meningkatkan kesuksesan aplikasi yang
direpresentasikan melalui kepuasan
pengguna terhadap aplikasi UR dipengaruhi
oleh sikap (attitude) pengguna dalam
menggunakan. Adapun sikap (attitude)
tersebut didorong oleh persepsi kemudahan
penggunaan (perceived ease of use) dan
persepsi kebermanfaatan (perceived
usefulness) aplikasi.
3.
Petricia
Oktavia
2012
Penerapan Metode
Servqual Dan Metode
EUCS dalam
Servqual
dan EUCS
Menganalisis hasil penerapan dua
metode yang berkaitan dengan level
layanan yakni metode SERVQUAL dan
Variabel Creadibility, Assurances,
Responssiveness dan Tangible menjadi
61
Mengevaluasi Kepuasan
Pelanggan Dan Kualitas
Layanan Teknologi
Informasi Pengguna Jasa
ISP
metode EUCS terhadap layanan
pelanggan jasa ISP PT. Platinum Citra
Indonesia
variabel dengan tingkat kepuasan tertinggi
dari sisi pelayanan atau servqual.
Sedangkan variabel Content, Format dan
Ease of Use menjadi variabel tertinggi
kepuasannya dari sisi EUCS.
4.
Charlesto
Sekundera
P.L
2006
Analisis Penerimaan
Pengguna Akhir Dengan
Menggunakan
Technology Acceptance
Model Dan End User
Computing Satisfaction
Terhadap Penerapan
Sistem Core Banking
Pada Bank ABC
TAM &
EUCS
Menguji model penerimaan
(Acceptance) penggunaan sistem core
banking di Bank ABC dengan
menggunakan model Technology
Acceptance Model (TAM) dan End
User Computing Satisfaction (EUCS).
Model TAM dapat menjelaskan faktor
faktor yang mempengaruhi penerimaan
penggunaan sistem core banking di Bank
ABC yaitu variabel kemanfaatan dan
kemudahan penggunaan. Sedangkan
mempergunakan model EUCS, variabel-
variabel akurasi, ketepatan waktu dan
kemudahan mempengaruhi penerimaan
penggunaan sistem core banking di Bank
ABC.
62
5.
Sefan
Linders
2006
Using the Technology
Acceptance Model in
determining strategies
for implementation of
mandatory IS
TAM
Mengetahui kesuksesan sistem pada
mandatory use dan menekankan
perbedaan antara mandatory use dan
voluntery use
Menghasilkan variabel utama yang
mempengaruhi keberhailan penerapan
sistem mandatory use yakni hanya
menekankan pada Perceived Usefulness dan
Perceived Ease of Use
6.
Lopez-
Nicolas
Carolina
2008
An assessment of
advanced mobile services
Acceptance:
Contributions from TAM
and Diffusion Theory
Models
TAM
Mengetahui faktor-faktor penerimaan
mobile service dengan pedekatan model
TAM
Perceived Usefulness dan Perceived of
Benefits yang menjadi faktor utama
penerimaan penerapan teknologi baru
mobile service
7.
Nana
Rosalina
2017
Pengujian Kepuasan
Sistem Informasi
Menggunakan Model
EUCS
Mengetahui status kepuasan pengguna
akhir dan menguji faktor-faktor apa saja
yang mempengaruhi kepuasan
Hasilnya 75,7% pengguna puas dengan AIS
UIN Jakarta. Dari 6 variabel yang digunakan
dalam penelitian hanya 3 variabel yakni
content, ease of use dan timeliness yang
63
End-User Computing
Satisfaction
pengguna akhir AIS UIN Syarif
Hidayatullah Jakarta
menunjukan adanya pengaruh positif dan
signifikan.
8.
Kari
Pikkarain
en,
2006
Consumer Acceptance of
online banking: an
extension of the
technology Acceptance
model
EUCS
Melakukan pengujian dan validasi
terhadap End-User Computing
Satisfaction (EUCS) untuk mengetahui
kepuasan pengguna perbankan online
berdasarkan layanannya.
Berdasarkan analisis 268 responden untuk
penelitian ini, maka dapat ditarik kesimpulan
bahwa dari 5 variabel yang digunakan pada
penelitian ini hanya 3 variabel yang dapat
dinyatakan diterima dan memiliki pengaruh
secara signifikan terhadap kepuasan
pengguna, variabel tersebut adalah content,
ease of use dan accuracy.
64
Dari tabel di atas, peneliti mengambil model untuk
digunakana dalam penelitian ini yakni model integrasi TAM &
EUCS, dimana dari segi TAM peneliti mengambil 3 variabel yakni
ease of use, usefulness, dan enjoyment. Kemudian dari sisi EUCS
peneliti mengambil variabel accuracy, content, ease of use,
format dan timeliness. Model ini diadopsi dari penelitian moores
(2012) dan anwar (2017) dengan penambahan variabel enjoyment.
Variabel ini diadopsi dengan dasar bahwa dalam teori penerimaan
TAM oleh Al-ghatani (1999) dan santoso (2012) bahwa variabel
enjoyment mempengaruhi terhadap penerimaan pengguna.
Demikianlah kenapa peneliti menggunakan model integrasi TAM
dan EUCS.
3.2.2 Studi Lapangan
Kegiatan berikutnya adalah studi lapangan, kegiatan ini
merupakan kegiatan penelitian yang dilakukan dengan cara
mendatangi langsung tempat yang menjadi objek penelitian. Adapun
teknik pengumpulan datanya adalah sebagai berikut:
1. Observasi
Pada tahap ini peneliti melakukan peninjauan terhadap
proses penggunaan KIFEST dengan mendatangi beberapa
pengguna akhir dan melakukan peninjauan proses bisnis
yang terkait dengan aplikasi KIFEST dalm rentang waktu
65
September hingga Desember 2018 dalam rangka
mengumpulkan data yang dibutuhkan dalam penelitian
ini.
2. Wawancara
Wawancara ini dilakukan sebagai studi pendahuluan
untuk mengumpulkan data-data yang berkaitan dengan
penelitian ini. Wawancara dilakukan kepada Bapak
Ahmad Yani, ST. selaku asisten manajer divisi human
capital dan beberapa staff human capital sebagai divisi
yang bertanggung jawab atas operasional KIFEST dan
beberapa staff IT sebagai developer dan pengawas
KIFEST. Berikut kesimpulan hasil yang didapat dari
wawancara:
a. Peneliti mendapatkan informasi terkait sistem
berjalan seputar proses Aplikasi KIFEST.
b. Peneliti mendapatkan informasi awal bagaimana
pandangan pengguna akhir terhadap penerapan,
manfaat, kelebihan dan kekurangan Aplikasi KIFEST
secara umum.
3. Kuesioner
Survei dilaksanakan dengan menyebarkan
kuesioner secara langsung dan tidak langsung. Kuesioner
tersebut disebarkan kepada pengguna akhir aplikasi
66
KIFEST yakni karyawan PT Kimia Farma (Persero) Tbk.
dalam hal ini adalah hanya karyawan yang berkantor di
kantor pusat Kimia Farma. Kuesioner dibuat dengan
tujuan untuk mengukur tingkat penerimaan pengguna
terhadap aplikasi KIFEST dan faktor apa saja yang
mempengaruhi penerimaan tersebut dengan daftar
pertanyaan mengacu kepada model integrasi TAM dan
EUCS, untuk skala penilainnya menggunakan skala
Likert. Untuk teknis penyebaran kuesioner tersebut
peneliti menggunakan fitur google form untuk penyebaran
tidak langsung dan bertatap muka menghampiri
repsonden untuk penyebaran secara langsung.
3.3 Metode Analisis Data
3.3.1 Model Penelitian dan Hipotesis Penelitian
Dalam penelitian ini seperti yang telah dituliskan di atas
bahwa peneliti menggunakan pendeketan model TAM dan EUCS
yang di integrasikan sedemikian rupa untuk mengukur tingkat
penerimaan penguna KIFEST. Dari model Integrasi tersebut
diketahui memiliki 7 variabel yang masing-masing dihipotesiskan
memiliki pengaruh signifikan terhadap penerimaan dan kepuasan
pengguna akhir.
67
Berdasarkan uraian di atas dapat kita petakan model
penelitian dan hipotesis penelitian integrasi TAM dan EUCS
dengan gambar di bawah ini :
Gambar 3. 1 Model Penelitian
(Sumber: dikembangkan dari moores, 2012)
Hipotesis penelitian merupakan jawaban sementara
terhadap rumusan masalah penelitian. Kebenaran dari hipotesis ini
harus dibuktikan melalui data yang terkumpul. Secara statistik
hipotesis dimaknai sebagi pernyataan terkait keadaan populasi
yang akan diuji kebenarannya berdasarkan data dari sampel
penelitian.
Content
Ease of Use
Attitude
Acceptance
H2
H3H8
User
satisfaction
H10
Enjoyment
Timeliness
Percevied
Usefulnes
Format
H4
H5
H6
H7
Accuracy
H1
H9
68
Dari latar belakang pada bab 1 dan uraian di bab 2 maka
peneliti mengajukan hipotesis sebagai berikut :
Tabel 3. 2 Hipotesis Penelitian
Hipotesis 1 Akurasi (accuracy) berpengaruh positif secara signifikan terhadap
sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma
(Persero) Tbk.
Hipotesis 2 Isi (content) berpengaruh positif secara signifikan terhadap sikap
(attitude) penggunaan sistem KIFEST di PT Kimia Farma
(Persero) Tbk.
Hipotesis 3 Kemudahan penggunaan (ease of use) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di
PT Kimia Farma (Persero) Tbk.
Hipotesis 4 Persepsi Kenyamanan (enjoyment) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di
PT Kimia Farma (Persero) Tbk.
Hipotesis 5 Bentuk (format) berpengaruh positif secara signifikan terhadap
sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma
(Persero) Tbk..
Hipotesis 6 Ketepatan waktu (timeliness) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan KIFEST di PT
Kimia Farma (Persero) Tbk..
69
Hipotesis 7 Persepsi Kegunaan (usefulness) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di
PT Kimia Farma (Persero) Tbk.
Hipotesis 8 sikap pengguna (attitude) menjadi variabel intervening yang
berpengaruh positif secara siginifikan terhadap penerimaan
(Acceptance) penggunaan KIFEST di PT Kimia Farma (Persero)
Tbk.
Hipotesis 9 sikap pengguna (attitude) menjadi variabel intervening yang
berpengaruh positif secara siginifikan terhadap kepuasan
(Satisfaction) penggunaan KIFEST di PT Kimia Farma (Persero)
Tbk.
Hipotesis 10 kepuasaan pengguna akhir (User Satisfaction) berpengaruh positif
secara signifikan terhadap Penerimaan pengguna (Acceptance)
KIFEST di PT Kimia Farma (Persero) Tbk.
3.3.2 Indikator Penelitian
Berdasaran model dan hipotesis penelitian yang telah
dijelaskan di atas, di bawah ini merupakan variabel dan indikator
dari model integrasi TAM dan EUCS yang digunkan dalam
penelitian ini :
70
Tabel 3. 3 Indikator Penelitian dari Variabel Eksogen dan Endogen
Kode Variabel Kode Indikator Referensi Ket.
PU
Perceived
Usefulness
(kemanfaatan)
PU1 Kegunaan
(Anwar, 2017; Davis,
1985; Mardiana, et al.
2015; Moores, 2012;
Santoso, 2012; Sari et
al. 2017)
Variabel
Eksogen
PU2 Peningkatan kualitas
PU3 Peningkatan produktifitas
PU4 Peningkatan efektifitas
PU5 Hadirnya kemudahan
PU6 Kemanfaatan
EOU
Ease of Use
(kemudahan
penggunaan)
EOU1 Mudah digunakan
(Anwar, 2017; Davis,
1985; Mardiana et al.,
2015; Moores, 2012;
Santoso, 2012; Sari et
al., 2017)
Variabel
Eksogen
EOU2 Mudah dioperasikan
EOU3 Mudah dipahami
EOU4 Interaksis sistem
EOU5 Sistem service
ENJ Enjoyment
(Kenyamanan)
ENJ1 Peningkatan kesenangan (S.S Al-Gahtani &
King, 1999; Santoso,
2012)
Variabel
Eksogen ENJ2 Peningkatan kenyamaanan
ENJ3 Penignkatan ketertarikan
ACC
Accuracy
(akurasi)
ACC1 Akurasi (Doll & Torkzadeh,
1988; Pikkarainen et
al., 2006; Sari &
Syamsuddin, 2017;
Setiawan, 2016)
Variabel
Eksogen
ACC2 Reliabel
ACC3 Keselarasan input dan output
ACC4 Standarisasi
CON Content (isi)
CON1 Relevansi
(Doll & Torkzadeh,
1988; Pikkarainen et
al., 2006; Sari &
Syamsuddin, 2017;
Setiawan, 2016)
Variabel
Eksogen
CON2 Keragaman
CON3 Manfaat
CON4 Kualitas
CON5 Transaparansi
FOR
Format
(bentuk)
FOR1 Menarik (Doll & Torkzadeh,
1988; Pikkarainen et
al., 2006; Sari &
Variabel
Eksogen FOR2 Jelas
FOR3 Kemudahan dalam
penggunaan
71
3.3.3 Kuesioner Penelitian
Sesuai dengan model integrasi End-User Computing
Satisfaction (EUCS) dan Technology Acceptance Model (TAM)
yang digunakan dalam penelitian ini maka dilakukan kegiatan
pembuatan kuesioner untuk mengetahio tingkat penerimaan
pengguna akhir serta faktor-faktor apa saja yang mempengaruhi
penerimaan pengguna akhir terhada aplikasi KIFEST.
Kuesioner terdiri dari 5 pertanyaan mengenai profil
responden dan 39 pertanyaan pengujian yang telah disesuaikan
dengan variabel dari model integrasi TAM dan EUCS. Daftar
FOR4 Kualitas informasi Syamsuddin, 2017;
Setiawan, 2016)
TIM
Timeliness
(ketepatan
waktu)
TIM1 Kesiapan Informasi (Doll & Torkzadeh,
1988; Pikkarainen et
al., 2006; Sari &
Syamsuddin, 2017;
Setiawan, 2016)
Variabel
Eksogen
TIM2 Up-to-date
TIM3 Ketersediaan Informasi
TIM4 Layanan sistem
ATT Attitude
(Sikap)
ATT1 Nilai positif (Doll & Torkzadeh,
1988; Pikkarainen et
al., 2006; Sari et al.,
2017; Setiawan, 2016)
Variabel
Endogen ATT2 Ketertarikan
ATT3 Kesenangan
ACCP Acceptance
(Penerimaan)
ACCP1 Ketergantungan terhadap
aplikasi (Davis, 1985;
Fatmawati, 2015;
Istiarni, 2016)
Variabel
Endogen ACCP2
Penerimaan secara
menyeluruh
EUS
End-User
Satisfactin
(kepuasan
pengguna)
US1 Efektifitas (Doll & Torkzadeh,
1988; Yulianingsih,
2016)
Variabel
Endogen US2 Efisiensi
US3 Kepuasan secara menyeluruh
72
pertanyaan dapat dilihat pada tabel 3.4 , dan untuk selengkapnya
format kuesioner dapat dilihat dibagian lampiran.
Kuesioner penelitian ini diisi dengan skala penilaian Skala
Likert dengan menggunakan lima skala yang terdiri dari sangat tidak
setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2,
(netral) tidak tahu dengan bobot nilai 3, setuju dengan bobot nilai 4
dan sangat setuju dengan bobot nilai 5. Berikutnya untuk
memastikan validitas dan reliabilitas kuesioner ini peneliti
menggunakan beberapa item indikator yang diadopsi dari sejumlah
penelitian terkait sebelumnya, pada Tabel 3.4 menunjukan indikator
dan butir pertanyaan pengujian. Peneliti juga melakukan pengujian
pendahuluan (pre-test) terhadap desain awal kuesioner ini kepada
sejumlah pengguna akhir yang sudah memiliki pengalaman
menggunakan aplikasi sejenis dengan harapan mendapat masukan
atau perbaikan sebelum kuesioner disebar ke ruang yang lebih luas.
Hasil pre-test dapat dilihat di bagian lampiran.
Tabel 3. 4 Indikator dan Daftar Pertanyaan
Variabel Indikator Daftar Pertanyaan
Perceived
Usefulness
(kemanfaatan)
Kegunaan Dengan adanya aplikasi KIFEST menjadikan tugas
selesai lebih cepat
Peningkatan
kualitas
Dengan adanya aplikasi KIFEST dapat
meningkatkan kualitas kerja
Peningkatan
produktifitas
Dengan adanya aplikasi KIFEST dapat
meningkatkan produktifitas kerja
Peningkatan
efektifitas
Dengan adanya aplikasi KIFEST dapat menambah
efektifitas kerja
73
Hadirnya
kemudahan
Dengan adanya aplikasi KIFEST dapat
mempermudah pekerjaan
Kemanfaatan Dengan adanya aplikasi KIFEST bermanfaat dalam
menyelesaikan kerja
Ease of Use
(kemudahan
penggunaan)
Mudah
digunakan Sistem aplikasi KIFEST sudah user-friendly
Mudah
dioperasikan Sistem aplikasi KIFEST sangat mudah dioperasikan
Mudah
dipahami Sistem aplikasi KIFEST sangat mudah dipahami
Interaksis
sistem
Sistem aplikasi KIFEST mempermudah interaksi
dengan pengguna
Sistem service Sistem aplikasi KIFEST memiliki petunjuk untuk
pengguna dan menu bantuan
Enjoyment
(Kenyamanan)
Peningkatan
kesenangan
Dengan aplikasi KIFEST bekerja menjadi lebih
menyenangkan
Peningkatan
kenyamaanan
Dengan aplikasi KIFEST bekerja menjadi lebih
nyaman
Peningkatan
ketertarikan
Dengan aplikasi KIFEST bekerja menjadi lebih
menarik
Accuracy
(akurasi)
Akurasi Sistem aplikasi KIFEST menghasilkan informasi
yang akurat.
Reliabel Sistem aplikasi KIFEST menghasilkan informasi
yang dapat diandalkan dan dipercaya.
Keselarasan
input dan ouput
Sistem aplikasi KIFESTmenampilkan output pada
layar yang sesuai dengan apa yang diperintahkan di-
input.
Standarisasi Sistem aplikasi KIFEST bekerja sesuai dengan
standar yang ditentukan.
Content (isi)
Relevansi Konten aplikasi KIFEST sesuai dengan kebutuhan
saya
Keragaman Konten aplikasi KIFEST disajikan beragam
Manfaat Konten aplikasi KIFEST bermanfaat untuk saya
Kualitas Konten aplikasi KIFEST memiliki kualitas yang baik
Transaparansi Konten aplikasi KIFEST ditampilkan secara jelas
Format
(bentuk)
Menarik Format sistem aplikasi KIFEST menarik bagi saya.
Jelas Format sistem aplikasi KIFEST yang ditampilkan
jelas.
74
3.3.4 Pengumpulan Sampel dan Pelaksanaan Kuesioner
Pengumpulan data pada penelitian ini dilakukan dengan
kegiatan menyebarkan kuesioner baik secara langsung maupun
secara tidak langsung kepada responden. Penyebaran secara
langsung peneliti lakukan dengan jalan mendatangi calon responden
Kemudahan Format sistem aplikasi KIFEST mudah digunakan.
Kualitas
Informasi
Format sistem aplikasi KIFEST menampilkan
informasi dengan baik.
Timeliness
(ketepatan
waktu)
Kesiapan
Informasi
Sistem aplikasi KIFEST menyajikan informasi secara
tepat waktu
Up-to-date Sistem aplikasi KIFEST memberikan data up-to-date
Ketersediaan
Informasi
Sistem aplikasi KIFEST dapat menyajikan informasi
ketika dibutuhkan
Layanan sistem Sistem aplikasi KIFEST didukung tim layanan sistem
yang tepat waktu
Attitude
(Sikap)
Nilai positif Menggunakan aplikasi KIFEST adalah hal yang
bagus
Ketertarikan Sistem aplikasi KIFEST membuat pekerjaan menjadi
lebih menarik
Kesenangan Bekerja dengan Aplikasi KIFEST sangat
menyenangkan
Acceptance
(Penerimaan)
Menjadi acuan Aplikasi KIFEST menjadi acuan dalam
menyelesaikan pekerjaan
Ketergantungan
terhadap
aplikasi
Dalam menyelesaikan pekerjaan saya bergantung
terhadap aplikasi KIFEST
End-User
Satisfactin
(kepuasan
pengguna)
Efektifitas Aplikasi KIFEST dirasa memiliki fungsi yang benar
atau tepat
Efisiensi Aplikasi KIFEST dirasa memiliki kinerja yang tepat
dan cermat (efisiensi).
Kepuasan
secara
menyeluruh
Secara keseluruhan, pengguna merasa puas dalam
menggunakan aplikasi KIFEST
75
dan tatap muka secara langsung dengan responden. Sedangkan
penyebaran yang tidak langsung peneliti lakukan dengan jalan
membuat form di google form dan menyebarkan link form tersebut
melalui pesan singkat dan melalui link pada aplikasi KIFEST.
Penyebaran ini dilakukan dalam waktu 30 hari ( 22 Oktober 2018 –
22 November 2018) untuk memenuhi target jumlah sample.
Pengambilan sampel pada penelitian ini menggunakan
teknik Purposive Sampling, dimana peneliti menentukan sampel
dengan pertimbangan tertentu. Populasi pada penelitian ini adalah
pengguna akhir aplikasi Kimia Farma Employe Service Technology
(KIFEST) yaitu karyawan Kimia Farma yang berkantor di kantor
pusat PT Kimia Farma (Persero) Tbk. Jalan Veteran No. 9 Jakarta.
Penentuan jumlah sampel berdasarkan kriteria jumlah
sampel peneliti lakukan dengan beberapa pendekatan. Pendekatan
pertama menggunakan pendekatan Structural Equation Model
(SEM), yaitu minimal 10 kali dari jumlah maksimum anak panah
(jalur) yang mengarah pada variabel laten (10 time rule of thumb)
dimana pada penelitian ini terdapat 10 jalur (hipotesis) sehingga
sampel minimum adalah 100. Populasi pengguna akhir aplikasi
KIFEST adalah karyawan Kimia Farma yang berkantor di kantor
pusat Kimia Farma Jalan Veteran No. 9 Jakarta yang berjumlah 360
Karyawan (Human Capital Kimia Farma).
76
Pendekatan kedua menggunakan perhitungan slovin atau
lebih dikenal dengan sebutan rumus Slovin. Perhitungan ini
bertujuan untuk menentukan besaran sampel berdasarkan margin of
error atau tingkat kesalahan. Berikut ini adalah notasi rumus slovin:
𝑛 =N
1+N 𝑒2
Keterangan :
n = jumlah sampel minimal
N = Jumlah Populasi
e = Perkiraan margin of error
Dengan jumlah populasi 360 karyawan dan margin of error
sebanyak 5% atau 0.05 maka didapat jumlah minimal sampel adalah
190 (angka setelah penyederhanaan) dengan perhitungan seperti di
bawah ini :
𝑛 =N
1+N 𝑒2
𝑛 =3602
1+360 (0.05)2
𝑛 =3602
1.09= 190.026 dibulatkan menjadi 190
Berikutnya , semua kuesioner yang terkumpul akan disaring
dan diklasifikasikan menggunakan perangkat lunak Microsoft Excel
2016. Dalam jangka waktu penyebaran kuesioner, peneliti berhasil
memperoleh 224 kuesioner dan diperoleh hasil bahwa seluruh data
kuesioner yang terkumpul valid untuk digunakan dalam proses
analisis data. Semua responden memilih menerapkan salah satu
77
prinsip perusahaan yakni eco-friendly, mereka mengisi pada form
online (melalui google form) meskipun 52 data kuesioner
diantaranya berasal dari penyebaran secara langsung dan 172 data
kuesioner sisanya berasal dari penyebaran secara tidak langsung
melalui email dan broadcast.
3.4 Analisis Data dan Interpretasi Hasil
Analisis data terbagi menjadi dua tahap yaitu analisis demografis
dan analisis statistik. Pertama, peneliti melakukan analisis demografis
dengan menggunakan perangkat lunak pengolah angka Ms. Excel 2013.
Data responden dikelompokkan berdasarkan jenis kelamin, usia, unit kerja,
dan status kepuasan pengguna. Kedua, peneliti melakukan analisis statistik
menggunakan software SmartPLS 3.0. Terdapat dua analisis yang dilakukan
oleh peneliti dalam tahap ini, yaitu analisis model pengukuran (outer model)
dan model struktural (inner model).
Model pengukuran (outer model) bertujuan untuk menilai validitas
dan reliabilitas model, sebagaimana telah dijelaskan lebih lanjut pada Bab
II. Model pengukuran (outer model) terdiri dari empat tahap pengujian yaitu
individual item reliability, internal consistency reliability, average variance
extracted, dan discriminant validity. Sedangkan pengujian model struktural
(inner model) bertujuan untuk melihat hubungan antar variabel. Uji inner
model terdiri dari enam tahapan pengujian, yaitu pengujian path coefficient
(β), coefficient of determination (𝑅2), t-test melalui metode bootstrapping,
78
effect size (𝑓2), predictive relevance (𝑄2), dan relative impact (𝑞2)
menggunakan metode pengujian blindfolding. Pada gambar 3.2 berikut
merupakan model persamaan struktural EUCS pada SEM sebelum
dianalisis.
Gambar 3. 2 Model Persamaan Struktural
(Sumber: Data hasil SmartPLS 3.0)
Setelah itu, untuk interpretasi hasil penelitian, peneliti melakukan
diskusi terhadap hasil analisis demografi para responden dengan kondisi
79
lapangan yang berjalan dan menerjemahkan hasil analisis model secara
statistika kuantitatif dengan cara membandingkan dan mempertimbangkan
sejumlah literatur terkait sebelumnya. Selanjutnya, hasil analisis dan
interpretasi tersebut secara lengkap akan dijelaskan pada Bab IV.
3.5 Kerangka Penelitian
Penelitian ini dimulai dengan identifikasi dan perumusan masalah
yang dilanjutkan dengan proses pengumpulan data, dilanjutkan analisis data
dengan model integrasi antara Technology Acceptance Model (TAM) dan
End-User Computing Satisfaction (EUCS), kemudian interpretasi hasil dan
didapatkan kesimpulan. Berikut ini kerangka penelitian yang peneliti
gunakan sebagai dasar tahapan penelitian ini :
80
Gambar 3. 3 Kerangka Penelitian
81
BAB IV
HASIL DAN PEMBAHASAN
4.1 Deskripsi Profil Responden
Dalam penelitian ini, responden terdiri dari 224 orang karyawan
Kimia Farma pengguna aplikasi KIFEST yang memiliki status sebagai
karyawan di PT. Kimia Farma Holding. Profil responden meliputi informasi
jenis kelamin, usia, lama bekerja di Kimia Farma, dan divisi pekerjaan. Jenis
kelamin responden meliputi kategori laki-laki dan perempuan. Usia
responden dibagi dalam lima kategori yaitu 17 - 25 tahun, 26 - 35 tahun, 35
- 45 tahun dan 46 - 55 tahun. Lama bekerja di Kimia Farma dibagi dalam
lima kategori yakni kurang 3 tahun, 3 - 5 tahun, 5 - 15 tahun, 16 - 25 tahun,
25-30 tahun, lebih 30 tahun.
Profil responden berdasarkan jenis kelamin diketahui bahwa
responden laki-laki lebih banyak dari responden perempuan. Jumlah
responden laki-laki yaitu 132 orang sedangkan responden perempuan
sejumlah 92 orang. Kemudian profil responden berdasarkan usia diperoleh
hasil bahwa 36% responden berasal dari kelompok usia 17 – 25 tahun, 34%
responden berasal dari kelompok usia 26 – 35 tahun, 16% responden berasal
dari kelompok usia 36 – 45 tahun dan 14% responden berasal dari kelompok
usia 46 – 55 tahun. Selanjutnya profil responden berdasarkan lama kerja di
Kimia Farma diketahui bahwa 37% responden telah bekerja kurang dari 3
tahun, 19% responden telah bekerja antara 3 – 5 tahun, 18% responden telah
bekerja antara 5 – 15 tahun, 18% responden telah bekerja antara 16 - 25
82
tahun, 5% responden telah bekerja antara 25 – 30 tahun dan 3% responden
telah bekerja lebih dari 30 tahun.
Profil responden berdasarkan divisi pekerjaan ini dibagi sesuai
dengan jumlah divisi dan unit yang ada di Kimia Farma, yakni terdiri dari
24 kategori. Rincian semua profil responden peneliti sajikan dalam tabel di
bawah ini:
83
Tabel 4. 1 Profil Responden
Keterangan Total Persentase
Jumlah Sampel 224 100%
Jenis Kelamin :
Laki-laki
Perempuan
132
92
59%
41%
Usia:
17 – 25 tahun
26 – 35 tahun
36 – 45 tahun
46 – 55 tahun
81
77
30
36
36%
34%
14%
16%
Lama bekerja di Kimia Farma:
Kurang dari 3 Tahun
3 - 5 Tahun
5 - 15 Tahun
16 - 25 Tahun
25 - 30 Tahun
Lebih dari 30 Tahun
82
42
41
40
12
7
37%
19%
18%
18%
5%
3%
Divisi Kerja:
Divisi Supply Chain
Divisi Procurement
Divisi Pengembangan Bisnis
Divisi Riset dan Pengembangan Produk
Divisi Sekretaris Perusahaan (CORSEC)
Divisi Satuan Pengawas Intern
Transformation Management Office
Divisi Akuntansi
Divisi Keuangan
Divisi IT
Divisi Human Capital
Unit Umum, PKBL &CSR
SBU Property
SBU Marketing & Sales
SBU Manufaktur
Plant Semarang
PT KF Sungwun Pharmacopia
Plant Jakarta
Plant Bandung
Divisi Digital Business Development
Plant Medan
Plant Watudakon
National Distribution Center
Research & Development
11
5
14
8
8
13
6
7
14
23
14
5
9
10
6
14
1
10
13
5
6
10
6
6
5%
2%
6%
4%
4%
6%
3%
3%
6%
10%
6%
2%
4%
4%
3%
6%
0%
4%
6%
2%
3%
4%
3%
3%
84
4.2 Analisis dan Interpretasi Data
4.2.1 Hasil Analisis Demografis
Tahap berikutnya adalah analisis demografis, tahap ini adalah
hasil dari proses analisis jawaban responden pada kuesioner,
khususnya pada bagian profil responden yang memang tidak jauh
berbeda dengan bagian deskripsi profil responden yang telah
disajikan di atas. Pada bagian ini juga menampilkan status kepuasan
serta penerimaan pengguna akhir terhadap KIFEST. Peneliti telah
mengumpulkan data responden dalam kurun waktu 30 hari (22
Oktober 2018 – 22 November 2018 sebanyak 224 data. Analisis yang
dihasilkan meliputi jenis kelamin, usia, divisi kejar, lama bekerja,
status penerimaan dan status kepuasan pengguna aplikasi KIFEST.
Berikut ini hasil analisisnya:
1. Jenis Kelamin
Pada gambar di bawah ini memperlihatkan bahwa dari
224 responden yang mengikuti penelitian ini, responden laki-
laki memiliki hasil sebanyak 132 (59%) dan responden
perempuan sebanyak 92 orang (41%).
85
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden
2. Usia
Pada gambar 4.2 menggambarkan bahwa usia responden
dalam penelitian ini sebagian besar berada di kelompok usia
17 – 25 tahun sebanyak 81 orang (36%), 34% responden
berasal dari kelompok usia 26 – 35 tahun sebanyak 77 orang,
14% responden berasal dari kelompok usia 36 – 45 tahun
sebanyak 30 orang dan 16% responden berasal dari kelompok
usia 46 – 55 tahun sebanyak 36 orang.
laki-laki59%
Perempuan41%
86
Gambar 4. 2 Diagram Lingkaran Usia Responden
3. Divisi Kerja
Gambar 4.3 menampilkan jumlah responden terbanyak
dalam penelitian ini adalah berasal dari Divisi IT yani
sebanyak 23 orang (10%). Responden lainnya berasal merata
dari berbagai divisi dan unit yang ada di Kimia Farma.
17-25 Tahun36%
26 - 35 Tahun34%
36 - 45 Tahun14%
46 - 55 Tahun16%
87
Gambar 4. 3 Diagram Batang Divisi Kerja Responden
4. Lama Bekerja di Kimia Farma
Pada gambar 4.4 menggambarkan sebaran responden
berdasarkan lama bekerja di Kimia Farma. Responden
terbanyak adalah berasal dari karyawan yang baru bekerja
kurang dari 3 tahun yakni sejumlah 82 orang (37%),
sedangkan yang paling sedikit adalah dari responden yang
telah bekerja selama lebih dari 30 tahun yakni sejumlah 7
orang (3%). Kemudian responden yang lainnya adalah 42
11
5
14
8 8
13
67
14
23
14
5
910
6
14
1
10
13
56
10
6 6
0
5
10
15
20
25
Div
isi S
up
ply
Ch
ain
Div
isi P
rocu
rem
ent
Div
isi P
enge
mb
anga
n B
isn
is
Div
isi R
ise
t d
an P
enge
mb
anga
n P
rod
uk
Div
isi S
ekr
etar
is P
eru
sah
aan
(C
OR
SEC
)
Div
isi S
atu
an P
enga
was
Inte
rn
Tran
sfo
rmat
ion
Man
agem
ent
Off
ice
Div
isi A
kun
tan
si
Div
isi K
euan
gan
Div
isi I
T
Div
isi H
um
an C
apit
al
Un
it U
mu
m, P
KB
L &
CSR
SBU
Pro
pe
rty
SBU
Mar
keti
ng
& S
ales
SBU
Man
ufa
ktu
r
Pla
nt
Sem
aran
g
PT
KF
Sun
gwu
n P
har
mac
op
ia
Pla
nt
Jaka
rta
Pla
nt
Ban
du
ng
Div
isi D
igit
al B
usi
nes
s D
eve
lop
men
t
Pla
nt
Med
an
Pla
nt
Wat
ud
ako
n
Nat
ion
al D
istr
ibu
tio
n C
ente
r
Res
ear
ch &
Dev
elo
pm
ent
88
responden telah bekerja antara 3 – 5 tahun (19%), 41
responden telah bekerja antara 5 – 15 tahun (18%), 40
responden telah bekerja antara 16 - 25 tahun (18%) serta 12
responden telah bekerja antara 25 – 30 tahun (5%).
Gambar 4. 4 Diagram Lingkaran Lama Bekerja Responden
5. Status Penerimaan
Diagram 4.5 menggambarkan bahwa sebagian besar
responden menerima penerapan aplikasi KIFEST yakni
sejumlah 114 orang (51%) sedangkan responden yang
menyatakan sangat menerima hanya 42 orang (37%).
Selanjutnya responden yang menyatakan kurang menerima
hanya 3 orang (1%), responden yang cukup menerima 25
orang (11%) dan tidak ada responden yang menyatakan tidak
menerima.
Kurang 3 Tahun37%
3 - 5 Tahun19%
5 - 15 Tahun18%
16 - 25 Tahun18%
25 - 30 Tahun
5%
Lebih 30 Tahun
3%
89
Gambar 4. 5 Diagram Lingkaran Status Penerimaan Responden
6. Status Kepuasan
Dalam gambar 4.6 mendeskripsikan jawaban responden
terkait tingkat kepuasan terhadap sistem aplikasi KIFEST.
Diketahui bahwa 117 responden (52%) menyatakan bahwa
mereka sistem aplikasi KIFEST memuaskan bagi mereka
sedangkan yang menyatakan cukup memuaskan sejumlah 67
orang (30%). Selanjutnya ada 25 responden (11%) yang
menyatakan sangat memuaskan serta hanya ada 1 responden
(1%) yang menyatakan tidak memuaskan. Sementara itu ada
14 responden (6%) yang menyatakan kurang memuaskan.
Sangat Menerima
37%
Menerima51%
Cukup Menerima
11%
Kurang Menerima
1%
Tidak Menerima (menolak)
0%
90
Gambar 4. 6 Diagram Lingkaran Status Kepuasan Responden
4.2.2 Interpretasi Hasil Analisis Data Demografis
1. Jenis Kelamin
Sesuai dengan gambar 4.1 yang berada di sub bab hasil
analisis demografis, maka diketahui bahwa dalam penelitian
ini dari jumlah sebanyak 224 data responden 132 diantaranya
adalah dari jenis kelamin laki-laki dan 92 lainnya dari jenis
kelamin perempuan. Responden laki-laki lebih banyak yakni
memiliki persentase 59% dikarenakan karyawan yang
peneliti temui selama penyebaran kuesioner lebih banyak
laki-laki dan rekan kerja dari responden laki-laki tersebut
yang membantu menyebarkan kuesioner penelitian ini
melalui pesan singkat. Kemudian responden dari jenis
Sangat Memuaskan
11%
Memuaskan52%
Cukup Memuaskan
30%
Kurang Memuaskan
6%
Tidak Memuaskan
1%
91
kelamin perempuan hanya 41% dan hampir seluruhnya
mengisi kuesioner melalui Link form online.
2. Usia
Sesuai dengan gambar 4.2 pada sub bab hasil analisis
demografis, dapat diketahui bahwa responden pada penelitian
ini terbanyak adalah dari kelompok usia 17 – 25 tahun yakni
sebanyak 81 responden (36%), kemudian disusul dengan
kelompok usia 26 - 35 tahun sebanyak 77 responden (34%),
responden dari kelompok usia 46 – 55 tahun sebanyak 36
responden (16%) dan responden dari kelompok usia 36 – 45
tahun sebanya 30 responden (14%). Hal ini disebabkan oleh
karena populasi karyawan di PT. Kimia Farma (Tbk) pusat
memang yang sebanyak 360 karyawan adalah dari kelompok
usia millenial (17 – 25 tahun) dan pada saat penyebaran
kuesioner peneliti memang lebih banyak menemui karyawan
dari kelompok usia tersebut.
3. Divisi Kerja
Sesuai dengan gambar 4.3 pada sub bab hasil analisis
demografis, dapat kita lihat bahwa responden terbanyak pada
penelitian ini adalah dari divisi IT dengan jumlah 23
responden (10%). Sedangkan yang tersedikit berasa dari PT
92
KF Sungwun Pharmacopia yakni 1 orang saja. Responden
lainnya tersebar di 22 divisi dan unit lainnya yang ada di
Kimia Farma dengan penyebaran secara acak.
Tabel 4. 2 Rekapitulasi Jumlah Penyebaran Kuesioner
Nama Divisi Jumlah
Responden Persentase
Divisi Supply Chain 11 5%
Divisi Procurement 5 2%
Divisi Pengembangan Bisnis 14 6%
Divisi Riset dan Pengembangan Produk 8 4%
Divisi Sekretaris Perusahaan (CORSEC) 8 4%
Divisi Satuan Pengawas Intern 13 6%
Transformation Management Office 6 3%
Divisi Akuntansi 7 3%
Divisi Keuangan 14 6%
Divisi IT 23 10%
Divisi Human Capital 14 6%
Unit Umum, PKBL &CSR 5 2%
SBU Property 9 4%
SBU Marketing & Sales 10 4%
SBU Manufaktur 6 3%
Plant Semarang 14 6%
PT KF Sungwun Pharmacopia 1 0%
Plant Jakarta 10 4%
Plant Bandung 13 6%
Divisi Digital Business Development 5 2%
Plant Medan 6 3%
Plant Watudakon 10 4%
National Distribution Center 6 3%
Research & Development 6 3%
Jumlah Total 224 100%
4. Lama Bekerja di Kimia Farma
Sesuai dengan gambar 4.4 pada sub bab hasil analisis
demografis, dapat diketahui bahwa responden terbanyak
adalah dari karyawan yang baru bekerja kurang dari 3 tahun
93
yakin 82 responden (37%), diikuti dari karyawan yang sudah
bekerja antara 3 sampai 5 tahun sebanyak 42 responden
(19%), karyawan yang sudah bekerja antara 6 sampai 15
tahun sebanyak 41 responden (18%), karyawan yang sudah
bekerja antara 16 sampai 25 tahun sebanyak 40 responden
(18%), karyawan yang sudah bekerja antara 26 sampai 30
tahun sebanyak 12 responden (5%) dan responden yang
paling sedikit adalah dari karyawan yang telah bekerja lebih
dari 30 tahun yakni sebanyak 7 responden (3%). Hal ini
menunjukkan antusiasme karyawan terhadap penelitian ini
juga terhadap penerapan teknologi di perusahaan pada
umumnya lebih diminati oleh karyawan baru dibanding
karyawan yang lebih lama.
5. Status Penerimaan
Sesuai dengan gambar 4.6 yang ada pada sub bab hasil
analisis demografis, dapat diketahui bahwa sebagian besar
responden menyatakan diri mereka menerima dengan
kehadiran aplikasi KIFEST, yaitu sebanyak 72 orang (51%).
Sebanyak 82 responden (37%) merasa sangat menerima dan
sebanyak 25 responden (11%) merasa cukup menerima
kehadiran aplikasi KIFEST. Lalu, hanya sebanyak 3
94
responden (1%) merasa kurang menerima namun tidak ada
yang tidak menerima dengan kehadiran aplikasi KIFEST ini.
6. Status Kepuasan
Sesuai dengan gambar 4.7 yang ada pada sub bab hasil
analisis demografis, dapat diketahui bahwa sebagian besar
responden menyatakan merasa puas dalam menggunakan
sistem aplikasi KIFEST, yakni sebanyak 117 responden
(52%), disusul cukup puas sebanyak 67 responden (30%) dan
sangat puas 25 responden (11%). Sedangkan ada 15
responden (6%) yang menyatakan kurang puas bahkan
merasa tidak puas. Hal ini membuat peneliti berasumsi bahwa
adanya kesenjangan atau gap antara harapan dan kenyataan
pada aplikasi KIFEST. Harapan penggunaan yang cukup
tinggi terhadap sistem, sehingga meski banyak yang merasa
puas dan menerima kehadiran aplikasi KIFEST ini ternyata
masih ada juga pengguna yang belum merasa puas dalam
menggunakan sistem tersebut. Hal ini juga menjelaskan
tentang status kepuasan dan penerimaan pengguna terhadap
Aplikasi KIFEST pada saat ini.
4.2.3 Hasil Analisis Model Pengukuran (Outer Model)
Tahap ini merupakan tahap analisis model pengukuran (outer
model) diawali dengan mengevaluasi konstruk model dahulu.
95
Evaluasi model pengukuran ini dilaksanakan dengan tujuan menilai
validitas dan reliabilitas model. Evaluasi ini dilakukan dengan uji
convergent validity dan, discriminant validity. Di bawah ini adalah
hasil pengujian tersebut.
1. Uji Convergent Validity
Uji ini dilakukan dengan tiga tahap yakni dengan
melihat outer loading, composite reliability, dan avarage
variance extracted (AVE). Tahap pertama adalah melihat
nilai standardized loading factor atau nilai outer loading.
Nilai ini menunjukkan besarnya korelasi antara setiap item
pengukuran (indikator) dengan konstraknya. Standar nilai
outer loading dikatakan baik apabila memiliki nilai 0.7 atau
lebih, artinya bahwa indikator tersebut valid sebagai
indikator yang mengukur konstrak. Sesuai dengan ketentuan
standar nilai outer loading tersebut, pada tabel 4.3
ditampilkan hasil pengujain pada SmartPLS 3.0 dengan nilai
outer loading semuanya lebih dari 0.7 sehingga hasil ini
dapat dikatakan valid dan bisa dilakukan pengujian
selanjutnya.
96
Tabel 4. 3 Hasil Uji Loading Factor dengan SmartPLS 3.0
Indikator ACC ACCP ATT CON ENJ EOU FOR PU TIM US
ACC1 0.900
ACC2 0.898
ACC3 0.896
ACC4 0.903
ACCPT1 0.952
ACCPT2 0.927
ATT1 0.857
ATT2 0.941
ATT3 0.941
CON1 0.876
CON2 0.854
CON3 0.880
CON4 0.919
CON5 0.877
ENJ1 0.959
ENJ2 0.961
ENJ3 0.956
EOU1 0.899
EOU2 0.901
EOU3 0.894
EOU4 0.885
EOU5 0.846
FOR1 0.913
FOR2 0.931
FOR3 0.933
FOR4 0.926
PU1 0.876
PU2 0.925
PU3 0.933
PU4 0.916
PU5 0.910
PU6 0.931
TIM1 0.899
TIM2 0.928
TIM3 0.942
TIM4 0.930
US1 0.997
US2 0.994
US3 0.994
97
Gambar 4. 7 Output Diagram Jalur dengan PLS-SEM
Pengujian berikutnya adalah uji internal consistency
reliability, pengujian ini dilakukan dengan melihat hasil
composite reliability (CR) dengan nilai minimum adalah 0.7.
Pada tabel 4.4 merupakan hasil uji composite reliability
98
dengan semua nilai adalah diatas 0.7 sehingga dapat
dikatakan valid.
Tabel 4. 4 Hasil Uji Composite Reliability dengan SmartPLS 3.0
Variabel Composite Reliability
ACC 0.944
ACCP 0.938
ATT 0.938
CON 0.946
ENJ 0.972
EOU 0.948
FOR 0.96
PU 0.969
TIM 0.959
US 0.997
Pengujian selanjutnya adalah uji convergent validity
dengan melihat niali average variance extracted (AVE).
Nilai ini digunakan untuk mengukur seberapa banyak varians
atau keragaman variabel manifes (indikator) yang dapat
ditangkap oleh variabel laten (konstrak) dibandingkan
dengan variansi yang ditimbulkan oleh kesalahan
pengukuran. Nilai AVE dikatakan valid adalah ketika
memiliki nilai diatas 0.5 untuk menunjukkan ukuran
convergent validity yang baik. Artinya, variabel laten dapat
menjelaskan rata-rata lebih dari setengah variance dari
indikator-indikatornya.
99
Tabel 4. 5 Hasil Uji Average Variance Extracted (AVE) dengan
SmartPLS 3.0
Variabel Average Variance
Extracted (AVE)
ACC 0.809
ACCP 0.883
ATT 0.835
CON 0.776
ENJ 0.919
EOU 0.783
FOR 0.857
PU 0.838
TIM 0.855
US 0.99
2. Uji Discriminant Validity
Untuk melakukan pengujian discriminant validity dapat
dilakukan dengan melihat nilai cross loading dan Fornell-
Lacker Criterion. Pada cross loading, nilai koefisien korelasi
indikator dengan konstraknya dibandingkan dengan konstrak
blok lainnya. Jika korelasi antara indikator dengan
konstraknya lebih tinggi dari korelasi konstrak blok lainnya,
maka hal ini menunjukkan konstrak tersebut memprediksi
ukuran pada blok mereka lebih baik dari bloknya. Berikutnya
melihat nilai Fornell-Lacker Criterion yaitu dengan
membandingkannya dengan nilai akar AVE, dimana nilai
akar AVE harus lebih tinggi daripada korelasi antara
konstrak dengan konstrak lainnya. Model pengukuran dinilai
memiliki discriminant validity yang baik apabila nilai akar
100
AVE lebih besar dari korelasi antar variabel lainnya. Hasil
uji discriminant validity dengan cross loading dapat dilihat
pada tabel 4.6 menunjukkan bahwa nilai cross loading
indikator yang diberi blok pada setiap variabel memiliki nilai
lebih tinggi dari korelasi dengan konstrak blok lainnya.
Sehingga berdasarkan hasil pemeriksaan dua tahap cross
loading diketahui bahwa tidak ada masalah dalam uji
discriminant validity.
101
Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading) dengan
SmartPLS 3.0
Indikator ACC ACCP ATT CON ENJ EOU FOR PU TIM US
ACC1 0.900 0.653 0.753 0.812 0.724 0.745 0.761 0.709 0.782 0.730
ACC2 0.898 0.582 0.716 0.776 0.670 0.758 0.779 0.682 0.739 0.696
ACC3 0.896 0.564 0.722 0.794 0.681 0.752 0.765 0.669 0.706 0.680
ACC4 0.903 0.577 0.713 0.838 0.670 0.752 0.793 0.714 0.726 0.761
ACCPT1 0.699 0.952 0.744 0.706 0.755 0.634 0.703 0.775 0.808 0.643
ACCPT2 0.529 0.927 0.598 0.555 0.635 0.444 0.475 0.674 0.638 0.547
ATT1 0.768 0.548 0.857 0.882 0.724 0.712 0.786 0.715 0.714 0.699
ATT2 0.744 0.715 0.941 0.784 0.956 0.714 0.737 0.833 0.770 0.664
ATT3 0.709 0.704 0.941 0.748 0.961 0.744 0.684 0.826 0.743 0.653
CON1 0.808 0.634 0.755 0.876 0.709 0.709 0.761 0.703 0.755 0.803
CON2 0.763 0.623 0.750 0.854 0.732 0.706 0.764 0.706 0.755 0.702
CON3 0.765 0.552 0.845 0.880 0.714 0.709 0.788 0.721 0.718 0.702
CON4 0.842 0.662 0.763 0.919 0.695 0.714 0.825 0.729 0.771 0.798
CON5 0.768 0.519 0.737 0.877 0.678 0.796 0.846 0.643 0.776 0.696
ENJ1 0.708 0.702 0.939 0.748 0.959 0.746 0.684 0.828 0.742 0.653
ENJ2 0.746 0.725 0.906 0.773 0.961 0.726 0.720 0.849 0.766 0.696
ENJ3 0.744 0.715 0.941 0.784 0.956 0.714 0.737 0.833 0.770 0.664
EOU1 0.727 0.516 0.708 0.719 0.685 0.899 0.757 0.659 0.703 0.623
EOU2 0.770 0.442 0.650 0.730 0.607 0.901 0.751 0.602 0.650 0.610
EOU3 0.748 0.435 0.651 0.713 0.617 0.894 0.744 0.596 0.635 0.589
EOU4 0.760 0.613 0.784 0.769 0.764 0.885 0.758 0.759 0.757 0.667
EOU5 0.693 0.552 0.689 0.709 0.669 0.846 0.718 0.650 0.706 0.634
FOR1 0.789 0.635 0.797 0.853 0.741 0.745 0.913 0.752 0.762 0.716
FOR2 0.800 0.594 0.761 0.852 0.720 0.800 0.931 0.749 0.773 0.755
FOR3 0.797 0.533 0.696 0.826 0.631 0.795 0.933 0.653 0.744 0.709
FOR4 0.803 0.593 0.706 0.814 0.654 0.784 0.926 0.694 0.793 0.690
PU1 0.669 0.713 0.761 0.717 0.752 0.635 0.662 0.876 0.701 0.664
PU2 0.704 0.716 0.790 0.739 0.789 0.687 0.705 0.925 0.741 0.676
PU3 0.711 0.739 0.798 0.717 0.810 0.673 0.698 0.933 0.726 0.648
PU4 0.712 0.666 0.780 0.725 0.788 0.684 0.716 0.916 0.733 0.674
PU5 0.698 0.694 0.819 0.712 0.832 0.665 0.708 0.910 0.724 0.651
PU6 0.739 0.730 0.820 0.759 0.817 0.736 0.746 0.931 0.789 0.702
TIM1 0.776 0.685 0.743 0.786 0.717 0.716 0.791 0.725 0.899 0.725
TIM2 0.764 0.722 0.722 0.779 0.698 0.698 0.755 0.719 0.928 0.737
TIM3 0.760 0.742 0.789 0.813 0.778 0.756 0.776 0.791 0.942 0.769
TIM4 0.738 0.725 0.749 0.787 0.735 0.726 0.746 0.735 0.930 0.738
US1 0.791 0.637 0.721 0.833 0.690 0.702 0.772 0.731 0.799 0.997
US2 0.785 0.623 0.730 0.834 0.695 0.696 0.775 0.724 0.793 0.994
US3 0.804 0.643 0.737 0.839 0.703 0.715 0.770 0.727 0.805 0.994
102
Tabel 4. 7 Hasil Uji Discriminant Validity (Fornell-Lacker’s Criterion)
dengan SmartPLS 3.0
ACC ACCP ATT CON ENJ EOU FOR PU TIM US
ACC 0.899
ACCP 0.662 0.940
ATT 0.808 0.721 0.914
CON 0.896 0.678 0.876 0.881
ENJ 0.764 0.745 0.969 0.801 0.959
EOU 0.836 0.583 0.791 0.824 0.760 0.885
FOR 0.861 0.638 0.802 0.904 0.744 0.843 0.926
PU 0.771 0.775 0.868 0.796 0.873 0.743 0.772 0.915
TIM 0.821 0.777 0.813 0.856 0.792 0.783 0.830 0.804 0.925
US 0.797 0.637 0.733 0.839 0.699 0.708 0.776 0.731 0.803 0.995
Pada tabel 4.7 dapat dilihat bahwa nilai akar AVE
variabel korelasi ACC sebesar 0.899, nilai tersebut lebih
besar dari nilai korelasi variabel ACCP dan variabel lainnya.
Berlaku pula pada variabel lainnya, nilai akar AVE pada
variabel itu sendiri menunjukkan angka yang lebih besar
dibandingkan korelasi antar variabel. Sesuai dengan hal
tersebut maka syarat discriminant validity dengan akar AVE
telah terpenuhi.
103
4.2.4 Interpretasi Hasil Analisis Model Pengukuran (Outer Model)
Sesuai dengan hasil analisis model pengukuran yang telah
dijabarkan pada sub bab sebelumnya, terdapat beberapa hal yang
perlu diperhatikan pada tahapan analisis model pengukuran (outer
model), yakni:
1. Berdasarkan hasil pengujian convergent validity dari 39
jumlah total indikator, semua indikator memiliki nilai outer
loading lebih dari 0.7 oleh karena itu tidak ada indikator yang
dihapus dalam model penelitian ini.
2. Berdasarkan hasil uji convergent validity dengan melihat
composite reliability dan avarage variance extracted juga
didapat hasil bahwa semua variabel memenuhi syarat nilai
lebih dari 0.5.
3. Berdasarkan hasil uji discriminant validity juga didapat hasil
bahwa semua nilai cross loading indikator yang diberi blok
pada setiap variabel memiliki nilai lebih tinggi dari korelasi
dengan konstrak blok lainnya dan nilai akar AVE pada satu
variabel kepada variabel itu sendiri menunjukkan angka yang
lebih besar dibandingkan korelasi antar variabel.
4. analisis model pengukuran didapatkan hasil bahwa model
penelitian ini telah memenuhi syarat dan memiliki
karakteristik yang baik sehingga dapat dilanjutkan ke tahap
analisis model struktural (inner model).
104
Berdasarkan empat hal tersebut dengan hasil yang sudah
memenuhi syarat dan tidak ada penghapusan indikator dalam model
penelitian, peneliti beranggapan bahwa hal ini disebabkan oleh
penggunaan item pertanyaan pada kuesioner penelitian ini sudah
tepat.
4.2.5 Hasil Analisis Model Struktural (Inner Model)
Setelah pengujian outer model dilakukan, tahap selanjutnya
adalah melakukan pengujian pada model struktural (inner model)
untuk mengetahui apakah hipotesis yang diajukan diterima atau
ditolak. Dalam tahap ini terdapat enam tahapan pengujian yang terdiri
dari pengujian path coefficient (β), coefficient of determination (R²),
t-test menggunakan metode bootstraping, effect size ( ), predictive
relevance ( ), dan relative impact (q²). berikut ini hasil dari masing-
masing pengujian tersebut.
1. Uji Path Coefficient (β)
Uji path coefficient ini dilakukan dengan melihat
tabel nilai path coefficient dengan nilai minimal 0.1,
dimana jalu (path) dapat dikatakan memiliki pengaruh di
dalam model jika nilai hasil uji path coefficient berada
diatas 0.1. Pada tabel 4.8 hasil nilai uji path coefficient
dari 10 jalur yang ada di dalam model penelitian, 5 jalur
yaitu content → Attitude, Enjoyment → Attitude, attitude
105
→ acceptance, atitude → user satisfaction dan user
satisfaction→ acceptance menunjukkan pengaruh yang
signifikan.
Tabel 4. 8 Hasil Uji Path Coefficient dengan SmartPLS 3.0
Hubungan antar Variabel
(Dependen → Independen) Path Coefficient (β)
Accuracy → Attitude -0.048
Content → Attitude 0.351
Ease Of Use → Attitude 0.006
Enjoyment → Attitude 0.766
Format → Attitude -0.001
Timeliness → Attitude -0.064
Percevied Usefulness → Attitude 0.004
Attitude → Acceptance 0.549
Attitude → User Satisfaction 0.733
User Satisfaction → Acceptance 0.235
2. Uji Coefficient of Determinan (R²)
Pengujian ini memiliki tujuan untuk menjelaskan
varian dari tiap target variabel endogen (variabel yang
dianggap dipengaruhi oleh variabel lain dalam model)
106
dengan standar pengukuran apabila memiliki nilai diatas
0.670 dinyatakan sebagai kuat, nilai diatas 0.333
dinyatakan sebagai moderat, dan nilai 0.190 atau di
bawahnya menunjukkan tingkat varian yang lemah.
Tabel 4. 9 Hasil Uji Coefficient of Determination (R-Square) dengan
SmartPLS 3.0
Variabel Endogen R Square
ACCEPTANCE 0.546
ATTITUDE 0.968
USER SATISFACTION 0.537
Melalui tabel 4.9 dapat dijelaskan bawa hasil uji
coefficient of determination, dimana R2 dari variabel
Attitude memiliki nilai 0.968 maka dapat diartikan bahwa
variabel eksogen accuracy (ACC), content (CON),
enjoyment (ENJ), ease of use (EOU), format (FOR),
percevied usefulness (PU) dan timelines (TIM)
menjelaskan secara kuat (96,8%) varian dari attitude.
Kemudian nilai R2 dari variabel User Satisfaction 0.537
yang berarti bahwa variabel attitude menjelaskan secara
moderat (53.7%) varian dari user satisfaction.
Selanjutnya variabel acceptance memiliki nilai R2 0.546
yang berarti bahwa variabel Attitude dan User Satisfaction
107
menjelaskan secara moderat (54.6%) varian dari
Acceptance.
3. Uji T-test
Pada uji t-test ini menggunakan metode
bootstraping pada SmartPLS 3.0, menggunakan uji two-
tailed dengan tingkat signifikasi 5% untuk menguji
hipotesis penelitian. Pada tingkat siginifikan tersebut,
hipotesis dinyatakan diterima apabila memiliki nilai t-test
lebih dari 1.96. Pada tabel 4.10 merupakan hasil uji t-test,
4 diantara hipotesis yang ada dinyatakan ditolak karena
memiliki nilai t-test kurang dari 1.96 dan 6 lainnya
diterima karena memiliki nilai t-test lebih dari 1.96.
Sehingga dalam penelitian ini ada 6 hipotesis yang
diterima.
Tabel 4. 10 Hasil Uji T-test dengan SmartPLS 3.0
Hubungan antar Variabel
(Dependen → Independen) T-test
Accuracy → Attitude 1.174
Content → Attitude 7.645
Ease Of Use → Attitude 0.171
Enjoyment → Attitude 25.6
Format → Attitude 0.017
Timeliness → Attitude 2.067
108
Percevied Usefulness → Attitude 0.13
Attitude → Acceptance 6.079
Attitude → User Satisfaction 15.935
User Satisfaction → Acceptance 2.567
4. Uji Effect Size ( )
Pengujian berikutnya adala uji effect size,
pengujian ini dilakukakn untuk mengetahui pengaruh
variabel tertentu terhadap variabel lainnya dalam struktur
model dengan nilai sekitar 0.02 untuk pengaruh kecil,
0.15 untuk menengah, dan nilai 0.35 untuk pengaruh
besar. f2 dihitung dengan menggunakan rumus berikut ini.
Dimana adalah Nilai yang diperoleh
ketika konstrak eksogen dimasukkan ke model. dan
adalah Nilai yang diperoleh ketika konstrak
eksogen dikeluarkan dari model.
Pada tabel 4.11 ini merupakan hasil perhitungan f2
terhadap 10 jalur yang ada pada penelitian ini. Hasilnya 8
jalur memiliki pengaruh yang kecil.
109
Tabel 4. 11 Hasil Analisis Uji Effect Size (f2)
No. Jalur f2 Analisis
f2 R2-in R2-ex ∑ f2
H1 Accuracy → Attitude 0.968 0.968 0 Kecil
H2 Content → Attitude 0.968 0.955 0.40625 Besar
H3 Ease Of Use → Attitude 0.968 0.968 0 Kecil
H4 Enjoyment → Attitude 0.968 0.857 3.46875 Besar
H5 Format → Attitude 0.968 0.968 0 Kecil
H6 Timeliness → Attitude 0.968 0.967 0.03125 Kecil
H7 Percevied Usefulness →
Attitude 0.968 0.968
Kecil
H8 Attitude → Acceptance 0.546 0.630 -0.18502 Kecil
H9 Attitude → User
Satisfaction 0.537 0.740 -0.43844
Kecil
H10 User Satisfaction →
Acceptance 0.546 0.621 -0.16520
Kecil
5. Uji Predictive Relevance ( )
Pengujian berikutnya adalah uji Predictive
Relevance, pengujian ini dilaksanakan dengan metode
blindfolding untuk menunjukkan bukti bahwa variabel
tertentu yang digunakan dalam model mempunyai
keterkaitan secara prediktif dengan variabel lainnya dalam
model dengan nilai minimum di atas nol.
Dapat dilihat pada tabel 4.10 bahwa hasil nilai Q2
dari semua variabel memiliki keterkaitan secara prediktif
(predictive relevance) dengan nilai diatas nol.
110
Tabel 4. 12 Hasil Uji Predictive Relevance dengan SmartPLS 3.0
Variabel Endogen Q2
ACCEPTANCE 0.742
ATTITUDE 0.437
USER SATISFACTION 0.468
6. Uji Relative Impact (q²)
Pada tahap ini dilakukan dengan metode
blindfolding untuk mengukur relatif pengaruh sebuah
keterkaitan prediktif sebuah variabel tertentu dengan
variabel lainnya dengan nilai ambang batas sekitar 0.02
untuk pengaruh kecil, 0.15 untuk pengaruh menengah,
dan 0.35 untuk pengaruh besar. Rumus yang digunakan
dalam perhitungan q² adalah sebagai berikut.
Dimana adalah nilai q² yang
diperoleh ketika konstrak eksogen dimasukkan ke model
dan adalah nilai q² yang diperoleh ketika
konstrak eksogen dikeluarkan dari model.
111
Hasil perhitungan pada tabel 4.11 menunjukan
pengujian q² terhadap 10 jalur yang ada pada penelitian
ini. Hasilnya 9 jalur yang ada pada penelitian ini memiliki
pengaruh yang kecil.
Tabel 4. 13 Hasil Uji Relative Impact dengan SmartPLS 3.0
No. Jalur q2 Analisis
q2 Q2-in Q2-ex ∑ q2
H1 Accuracy → Attitude 0.742 0.743 -0.004 Kecil
H2 Content → Attitude 0.742 0.733 0.035 Kecil
H3 Ease Of Use → Attitude 0.742 0.743 -0.004 Kecil
H4 Enjoyment → Attitude 0.742 0.655 0.337 Menengah
H5 Format → Attitude 0.742 0.743 -0.004 Kecil
H6 Timeliness → Attitude 0.742 0.742 0 Kecil
H7 Percevied Usefulness →
Attitude 0.742 0.743 -0.004
Kecil
H8 Attitude → Acceptance 0.437 0.507 -0.124 Kecil
H9 Attitude → User
Satisfaction 0.486 0.671 -0.360
Kecil
H10 User Satisfaction →
Acceptance 0.437 0.501 -0.114
Kecil
112
Tabel 4. 14 Ringkasan Hasil Analisis Struktural Model
Hipotesis β t-test R2
f2 Q2
q2
No Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2
H1 Accuracy → Attitude -0.048 1.174 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H2 Content → Attitude 0.351 7.645 0.968 0.968 0.955 0.40625 0.742 0.742 0.733 0.035
H3 Ease Of Use → Attitude 0.006 0.171 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H4 Enjoyment → Attitude 0.766 25.6 0.968 0.968 0.857 3.46875 0.742 0.742 0.655 0.337
H5 Format → Attitude -0.001 0.017 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H6 Timeliness → Attitude -0.064 2.067 0.968 0.968 0.967 0.03125 0.742 0.742 0.742 0
H7 Percevied Usefulness →
Attitude 0.004 0.13 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H8 Attitude → Acceptance 0.549 6.079 0.546 0.546 0.630 -0.18502 0.437 0.437 0.507 -0.124
H9 Attitude → User Satisfaction 0.733 15.935 0.537 0.537 0.740 -0.43844 0.486 0.486 0.671 -0.360
H10 User Satisfaction →
Acceptance 0.235 2.567 0.546 0.546 0.621 -0.16520 0.437 0.437 0.501 -0.114
113
Tabel 4. 15 Ringkasan Hasil Analisis Struktural Model (Lanjutan)
Hipotesis Analyses
No Jalur β t-test R2 f2 Q2 q2
H1 Accuracy → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H2 Content → Attitude Sign Diterima Kuat Besar Predictive Relevance Kecil
H3 Ease Of Use → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H4 Enjoyment → Attitude Sign Diterima Kuat Besar Predictive Relevance Menengah
H5 Format → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H6 Timeliness → Attitude Insign Diterima Kuat Kecil Predictive Relevance Kecil
H7 Percevied Usefulness → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H8 Attitude → Acceptance Sign Diterima M Kecil Predictive Relevance Kecil
H9 Attitude → User Satisfaction Sign Diterima M Kecil Predictive Relevance Kecil
H10 User Satisfaction → Acceptance Sign Diterima M kecil Predictive Relevance Kecil
Keterangan:
Sign : Signifikan
Insign : Insignifikan
K : Kuat
M : Moderat
L : Lemah
b : Besar
m : Menengah
k : Kecil
114
Pada tabel 4.15 ditampilkan hasil analisis dari enam
tahap uji struktural model, diantarnya adalah:
1. Path Coefficient (β)
2. Coefficient of Determination (R-Square)
3. T-test menggunakan metode bootstrapping
4. Effect Size (F2)
5. Predictive Relevance (Q-Square)
6. Relative Impact ( q² )
Hasil pertama yakni tahap path coefficient (β)
diketahui bahwa hanya 5 dari 10 jalur yang memiliki
pengaruh signifikan dalam model (yakni, jalur CON →
ATT, ENJ → ATT, ATT → ACCP, ATT → US dan jalur
US → ACCP) karena memiliki nilai path coefficient (β)
diatas nilai minimun yakni diatas 0,1. Kedua, hasil tahap
t-test diketahui bahwa 6 dari 10 hipotesis diterima karena
memiliki nilai t-test lebih dari 1.96.
Hasil yang ketiga, tahap coefficient of determination
(R-Square) menunjukkan bahwa R-Square dari 7 jalur
memiliki nilai 0.968 yang artinya memiliki pengaruh kuat.
Sedangkan yang lainnya memiliki nilai masing-masing
0.546 dan 0.537 yang berarti memiliki pengaruh moderat.
Selanjutnya, hasil tahap keempat yakni effect size (f2)
terhadap 10 jalur menunjukkan bahwa 2 jalur memiliki
pengaruh besar (CON -> ATT dan ENJ-> ATT)
sedangkan lainnya memiliki pengaruh kecil.
115
Hasil berikutnya yakni predictive relevance (Q-
Square) semua jalur memiliki nilai diatas nol, yakni 7
jalur memiliki nilai 0.742 sedangkan lainya 0.437 dan
0.486, hal ini berarti bahwa semua variabel dalam
penelitian ini sudah memiliki keterkaitan yang prediktif.
Tahap terakhir yakni hasil dari relative impact (q2)
menyebutkan bahwa satu jalur (ENJ- ATT) memiliki
pengaruh besar sedangkan sembilan jalur lainya memiliki
pengaruh kecil.
4.2.6 Interpretasi Hasil Analisis Model Struktural (Inner Model)
Dalam bagian ini akan dijabarkan interpretasi berdasarkan
hasil 6 tahap pengujian yang telah dilakukan pada analisis struktur
model yakni, pengujian path coefficient (β), coefficient of
determination (R²), t-test menggunakan metode bootstraping, effect
size ( ), predictive relevance (Q2), dan relative impact (q²).
Interpretasi ini dilakukan dengan mengikuti pertanyaan-
pertanyaan penelitian dan hipotesis-hipotesis yang telah dirumuskan
pada bab sebelumnya dengan mengacu pada hasil nilai t-test yang
mengartikan diterima atau tidaknya hipotesis tersebut.
116
Tabel 4. 16 Hasil Uji Hipotesis dengan SmartPLS 3.0
Hipotesis β t-test
Analisis
No Jalur β t-test
H1 Accuracy → Attitude -0.048 1.174 Insign Ditolak
H2 Content → Attitude 0.351 7.645 Sign Diterima
H3 Ease Of Use → Attitude 0.006 0.171 Insign Ditolak
H4 Enjoyment → Attitude 0.766 25.6 Sign Diterima
H5 Format → Attitude -0.001 0.017 Insign Ditolak
H6 Timeliness → Attitude -0.064 2.067 Insign Diterima
H7 Percevied Usefulness →
Attitude 0.004 0.13 Insign Ditolak
H8 Attitude → Acceptance 0.549 6.079 Sign Diterima
H9 Attitude → User
Satisfaction 0.733 15.935 Sign Diterima
H10 User Satisfaction →
Acceptance 0.235 2.567 Sign Diterima
H1 Akurasi (accuracy) berpengaruh positif secara signifikan terhadap
sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma
(Persero) Tbk.
Berdasarkan hasil analisis struktur model, khususnya pada nilai t-
test sesuai dengan yang ditampilkan pada tabel 4.16 bahwa hubungan
Accuracy → Attitude ditolak, sehingga dapat diartikan bahwa ACC
tidak berpengaruh positif terhadap ATT. Hal ini didukung pula dengan
nilai path coefficient (β) sebesar -0.048 yang berarti bahwa pengaruh
ACC tidak signifikan terhadap ATT sebagai variabel mediasi terhadap
ACCP dan US. hal tersebut juga menunjukkan penerimaan serta
kepuasan pengguna terhadap sistem KIFEST ini tidak dipengaruhi oleh
akurasi sistem. Tidak signifikannya pengaruh akurasi ini dimungkinkan
117
karena dari pengguna sendiri merasa bahwa dalam lingkungan
mandatory use keakuratan sistem bukan hal pokok yang mempengaruhi
penerimaan dan kepuasan pengguna. Sehingga dapat disimpulkan
hipotesis 1 ditolak.
H2 Isi (content) berpengaruh positif secara signifikan terhadap sikap
(attitude) penggunaan sistem KIFEST di PT Kimia Farma
(Persero) Tbk.
Hasil analisis untuk hipotesis 2 terutama pada nilai t-test
menunjukkan nilai 7.645, hal ini juga menunjukkan bahwa hipotesis ini
diterima. Diperkuat juga dengan nilai koefisien jalurnya yakni 0.351
berarti memiliki pengaruh positif dan signifikan terhadap variabel ATT
yang menjadi variabel mediasi untuk kepuasan dan penerimaan
pengguna. Hasil ini membuktikan bahwa semakin positif sikap
karyawan terhadap fungsi-fungsi yang ada pada KIFEST, penerimaan
pengguna juga semakin meningkat. Penerimaan itu terlihat dengan
sikap positif penggunaan oleh karyawan. Isi (content) pada sistem
aplikasi KIFEST terlihat memenuhi harapan karyawan karena
mendapat tanggapan positif dengan rata-rata penilaian lebih dari skala
3. Hal tersebut sesuai dengan penelitian terdahulu yang dilakukan oleh
Sekundera (2006) yang menyatakan faktor isi mempengaruhi
penerimaan karyawan dikarenakan minimnya perubahan yang
dirasakan antara sistem lama dan baru sesuai dengan harapan pengguna.
118
Pada penelitian ini kesesuaian harapan dengan isi yang ada pada sistem
diwakilkan oleh sikap positif terhadap KIFEST, demikian pula akan
mempengaruhi penerimaan pengguna akhir setelah melalui variabel
mediasi sikap atau attitude.
H3 Kemudahan penggunaan (ease of use) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di
PT Kimia Farma (Persero) Tbk.
Hasil pengujian hipotesis ini membuktikan bahwa kemudahan
penggunaan (ease of use) tidak berpengaruh secara positif terhadap
sikap (attitude) pengguna yang menjadi variabel mediasi terhadap
penerimaan pengguna. Dengan nilai t-test 0.17 dan nilai path coefficient
0.006 menjadikan hipotesis 3 ini tidak berpengaruh secara positif dan
ditolak. Hal ini peneliti asumsikan disebabkan karena dalam
lingkungan sistem mandatory use mudah atau susahnya sebuah sistem
yang wajib karyawan gunakan tidak akan berpengaruh karena dapat
dipastikan pada karyawan akan terpacu untuk belajar dalam
menggunakan sistem tersebut dan akan merasa mudah atau tidaknya
akan sama saja.
119
H4 Persepsi Kenyamanan (enjoyment) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di
PT Kimia Farma (Persero) Tbk.
Hasil analisis terhadap hipotesis ini menunjukkan nilai path
coefficient 0.766 yang berarti bahwa enjoyment memiliki pengaruh
positif secara signifikan terhadap variabel attitude yang menjadi
variabel mediasi terhadap penerimaan pengguna. Hal tersebut juga
didukung dengan nilai t-test 25.6 sehingga dapat disimpulkan hipotesis
ini diterima. Hasil ini membuktikan bahwa para pengguna KIFEST
merasakan adanya hubungan yang kuat antara kenyamanan dengan
penerimaan. Hal tersebut juga menjelaskan tentang aspek psikologis
dari teori reasoned action (fishbein & Azjen, 1975) bahwa keyakinan
dan persepsi seseorang terhadap sesuatu hal mendasari sikap dan
tindakan orang tersebut.
H5 Bentuk (format) berpengaruh positif secara signifikan terhadap
sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma
(Persero) Tbk.
Hasil analisis untuk hipotesis ini terutama pada nilai t-test
menunjukkan nilai 0.017, hal ini juga menunjukkan bahwa hipotesis ini
ditolak. Diperkuat juga dengan nilai koefisien jalurnya yakni -0.001
berarti tidak memiliki pengaruh positif dan signifikan terhadap variabel
ATT yang menjadi variabel mediasi untuk kepuasan dan penerimaan
120
pengguna. Hasil ini peneliti asumsikan dikarenakan penerapan sistem
aplikasi KIFEST pada lingkungan mandatory use. Para pengguna
sekaligus karyawan tidak memiliki pilihan untuk menggunakan sistem
lain dengan format yang mereka harapkan. Artinya format
bagaimanapun akan diterima secara sukarela dan akan digunakan dan
diterima bagaimanapun formatnya.
H6 Ketepatan waktu (timeliness) berpengaruh positif secara signifikan
terhadap sikap (attitude) penggunaan KIFEST di PT Kimia Farma
(Persero) Tbk.
Hasil pengujian hipotesis ini menunjukkan bahwa variabel ini
diterima dikarenakan nilai t-test berada di 2.067 meskipun pengaruhnya
kurang signifikan dengan nilai path coefficient -0.064. Hal ini dapat
dideskripsikan bahwa ketepatan waktu memiliki pengaruh yang kurang
signifikan terhadap attitude yang menjadi variabel moderasi untuk
menentukan penerimaan pengguna. Hal ini juga menunjukkan semakin
tepat waktu, maka pengguna semakin menunjukkan sikap positif
penggunaan. Semakin positif penggunaan maka rasa menerima aplikasi
KIFEST juga semakin tinggi. Hasil ini sesuai dengan penelitian
sekundera (2006) bahwa ketepatan waktu memiliki pengaruh terhadap
penerimaan pengguna akhir.
121
H7 Persepsi Kegunaan (usefulness) berpengaruh positif secara
signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di
PT Kimia Farma (Persero) Tbk.
Hasil pengujian hipotesis ini menunjukkan nilai t-test 0.13 dan nilai
path coefficient 0.004 sehingga dinyatakan ditolak dan tidak memiliki
pengaruh positif secara signifikan terhadap variabel attitude yang
menjadi variabel moderasi/intervening terhadap penerimaan pengguna.
Hasil ini dipengaruhi oleh lingkungan penerapan sistem yakni
mandatory use sehingga persepsi kegunaan dari pengguna tidak
berpengaruh terhadap diterima atau tidaknya penerapan sebuah sistem.
Memiliki kegunaan yang baik ataupun tidak akan tetap diterima oleh
pengguna karena sebuah keharusan bagi mereka.
H8 Sikap pengguna (attitude) menjadi variabel intervening yang
berpengaruh positif secara signifikan terhadap penerimaan
(Acceptance) penggunaan KIFEST di PT Kimia Farma (Persero)
Tbk.
Hasil analisis untuk hipotesis ini menunjukkan hasil t-test 6.079 dan
nilai path coefficient 0.549 sehingga dapat dikatakan attitude menjadi
variabel intervening yang berpengaruh positif dan signifikan terhadap
penerimaan pengguna sistem aplikasi KIFEST. Hasil ini juga
mempertegas bahwa hipotesis ini diterima dengan rata-rata penilaian
responden diatas skala 3.8. dapat diartikan pula bahwa semakin positif
122
sikap pengguna maka semakin tinggi juga penerimaan terhadap
penerimaan sistem aplikasi KIFEST.
H9 Sikap pengguna (attitude) menjadi variabel intervening yang
berpengaruh positif secara signifikan terhadap kepuasan
(Satisfaction) penggunaan KIFEST di PT Kimia Farma (Persero)
Tbk.
Hasil analisis untuk hipotesis ini menunjukkan hasil t-test 15.93 dan
nilai path coefficient 0.73 sehingga dapat dikatakan attitude menjadi
variabel intervening yang berpengaruh positif dan signifikan terhadap
kepuasan pengguna sistem aplikasi KIFEST. Hasil ini juga
mempertegas bahwa hipotesis ini diterima dengan rata-rata penilaian
responden diatas skala 4. dapat diartikan pula bahwa semakin positif
sikap pengguna maka semakin tinggi juga kepuasan yang dirasakan
pengguna terhadap penerimaan sistem aplikasi KIFEST. Dari hasil
hipotesis 8 dan hipotesis 9 juga menunjukkan bahwa variabel attitude
berhasil menjadi variabel moderasi dalam penelitian ini.
H10 Kepuasaan pengguna akhir (user satisfaction) berpengaruh positif
secara signifikan terhadap penerimaan pengguna (acceptance)
KIFEST di PT Kimia Farma (Persero) Tbk.
Berdasarkan hasil analisis untuk hipotesis ini menunjukkan nilai t-
test 2.657 dan nilai path coefficient 0.235 yang berarti bahwa kepuasan
123
pengguna akhir memiliki pengaruh positif dan signifikan terhadap
penerimaan pengguna aplikasi KIFEST. Hasil ini menunjukkan bahwa
semakin puas pengguna terhadap sistem aplikasi KIFEST semakin
menerima terhadap kehadiran pembaruan aplikasi KIFEST di masa
yang akan datang. Harapan dari para penggunaan memang menanti
pembaruan dari aplikasi KIFEST meskipun sudah merasa puas namun
pembaruan dan penerimaan terhadap pembaruan tersebut dapat
dikatakan sudah tinggi dan baik. Dengan demikian hipotesis ini
dinyatakan diterima.
124
BAB V
PENUTUP
5.1 Kesimpulan
Pada bagian ini peneliti menyajikan beberapa kesimpulan yang dapat
diambil berdasarkan hasil penelitian yang telah dilakukan. Berikut ini
kesimpulan yang dapat diambil:
1. Hasil pengelolaan data diketahui bahwa responden yang berpartisipasi
dalam penelitian ini adalah 224 responden. Dari jumlah tersebut
Diketahui 196 responden (88%) menyatakan menerima kehadiran
aplikasi KIFEST dan hanya 28 responden (12%) yang tidak menerima
kehadiran aplikasi KIFEST. Kedua, diketahui juga bahwa 142
responden (62%) menyatakan merasa puas dan 82 responden (37%)
menyatakan kurang puas saat menggunakan sistem aplikasi KIFEST.
Ketiga, diketahui bahwa 65% responden menyatakan kenyamanan
dalam menggunakan KIFEST, 75% responden menyatakan aplikasi
KIFEST bermanfaat dan 66% responden menyatakan mudah dalam
menggunakan KIFEST.
2. Dari sepuluh hipotesis yang peneliti ajukan, ada enam yang diterima
yaitu Content terhadap Attitude, Enjoyment terhadap Attitude,
Timeliness terhadap Attitude, Attitude terhadap Acceptance, Attitude
terhadap User Satisfaction dan User Satisfaction terhadap Acceptance.
Maka dapat diartikan bahwa Content, Enjoyment, Timeliness, terbukti
125
berpengaruh secara signifikan terhadap attitude yang menjadi variabel
moderasi dalam penelitian ini serta menjadi variabel moderasi yang
mempengaruhi user satisfaction dan acceptance. Dapat disimpulkan
juga bahwa kepuasan pengguna berpengaruh secara signifikan dalam
penerimaan pengguna akhir aplikasi KIFEST.
3. Berdasarkan pada hasil analisis data variabel yang memiliki pengaruh
terbesar terhadap penerimaan pengguna akhir sistem aplikasi KIFEST
adalah Content, Enjoyment dan Timeliness. variabel ini memiliki nilai
effect size tertinggi.
5.2 Saran
Berdasarkan hasil penelitian yang telah dilaksanakan, ada beberapa
saran atau masukan terkait untuk perusahaan serta pihak-pihak yang akan
melaksanakan penelitian selanjutnya (khususnya dengan topik sejenis).
Saran ini dimaksudkan untuk kebaikan dan kondisi yang lebih baik lagi di
masa yang akan datang. Saran tersebut yaitu:
1. Bagi unit Information Technology dan unit Human Capital Kimia
Farma sebagai pihak yang berwenang mengembangkan aplikasi
KIFEST, agar terus meningkatkan perhatian kepada variabel Content,
Enjoyment dan Timeliness di aplikasi KIFEST sebagai variabel yang
paling memiliki pengaruh terhadap penerimaan dan kepuasan pengguna
akhir. Kedua, peningkatan content dan enjoyment ini dapat dilakukan
dengan konten yang lebih beragam, memiliki manfaat, konten yang
memiliki kualitas yang baik dan ditampilkan dengan jelas serta user
126
Friendly. Ketiga, sisi Timeliness dapat ditingkatkan dengan menyajikan
informasi secara tepat waktu serta menyiapkan tim layanan sistem yang
tepat waktu Dengan peningkatan variabel tersebut diharapkan menjadi
peningkatan kepuasan pengguna sehingga meningkat pula penerimaan
pengguna terhadap penerapan sebuah sistem di PT. Kimia Farma
(Persero) Tbk.
2. Bagi peneliti selanjutnya, oleh karena penelitian ini menggunakan
metode kuantitatif, sebaiknya dilakukan juga penelitian dengan
menggunakan metode kualitatif. Kedua, penentuan sampel penelitian
selanjutnya dapat dilakukan pada kantor Kimia Farma lainnya agar
hasil penelitiannya dapat di generalisasi dengan baik.
127
DAFTAR PUSTAKA
Abdillah, W., & Hartono, J. (2015). Partial Least Square (PLS) Alternatif
Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Yogyakarta:
Andi Offset.
Al-Gahtani, S. ., & King, M. (1999). Attitudes, satisfaction and usage:factors
contributing to each in the acceptance of information technology. Behavior
and Information Technology, 18(4), 277–297. Retrieved from
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.636.8920&rep=rep
1&type=pdf
Al-Gahtani, S. S., & King, M. (1999). Attitudes, satisfaction and usage: Factors
contributing to each in the acceptance of information technology. Behaviour
and Information Technology. https://doi.org/10.1080/014492999119020
Anggrayeni, D. P. (2015). SISTEM MANDATORY USE BERDASARKAN MODEL
TAM DAN END USER COMPUTING SATISFACTION ( STUDI KASUS :
APLIKASI UR PADA BPJS KESEHATAN DIVISI REGIONAL VII JAWA
TIMUR ) ANALYSIS OF MANDATORY USE SYSTEM SUCCESS FACTORS
BASED ON TAM MODEL and END USER COMPUTING SATI. ITS
Surabaya.
Anwar, A. (2017). Analisis Penerimaaan Pemustaka Terhadap Institutional
Repository Berbasis E-Prints di Perpustakaan Universitas ... UIN SUNAN
KALIJAGA Yogyakarta.
Davis, F. D. (1985). A Technology Acceptance Model for Empirically Testing New
End-User Information Systems. Massachusetts Institute of Technology,
128
(December 1985), 291. https://doi.org/10.1016/S0378-7206(01)00143-4
Dawes, J. (2008). Do Data Characteristics Change According to the Number of
Scale Points Used? An Experiment Using 5-Point, 7-Point and 10-Point
Scales. International Journal of Market Research, 50(1), 61–104.
https://doi.org/10.1177/147078530805000106
Doll, W. J., & Torkzadeh, G. (1988). The Measurement of end-user Computing
Satisfaction. Management Information Systems Research Center, University
of Minnesota, 12, 259–274.
Doll, W. J., & Torkzadeh, G. (1998). Developing a multidimensional measure of
system-use in an organizational context, 33.
Fatmawati, E. (2015). Technology Acceptance Model (TAM) untuk Menganalisis
Penerimaan Terasap Sistem Informasi Perpustakaan. Jurnal Iqra, 09(01), 1–
13.
Fatta, H. Al. (2007). Analisis dan Desain Sistem Informasi: untuk keuggulan
bersaing perusahaan dan organisasi modern. Yogyakarta: Penerbit Andi.
Retrieved from
https://books.google.co.id/books?id=oHi8C1W4N7wC&pg=PA183&dq=Al-
Bahra+Bin+Ladjamudin,+2005.+Analisis+dan+Desain+Sistem+Informasi,+
Yogyakarta.&hl=id&sa=X&ved=0CBoQ6AEwAGoVChMIwOb78Pj3xgIV
RqiUCh1H9g2c#v=onepage&q=Al-Bahra Bin Ladjamudin%2C 2005.
Analisis da
Fishbein, M., & Ajzen, I. (1980). Belief, attitude, intention and behavior: an
introduction to theory and research. Mass: Addison-Wesley.
129
Ghozali, I., & Latan, H. (2015). Partial least squares: Konsep, teknik dan aplikasi
menggunakan program SmartPLS 3.0 untuk penelitian empiris. Semarang:
Badan Penerbit UNDIP.
Hamrul, H., Soedijono, B., & Amborowati, A. (2013). Mengukur Kesuksesan
Penerapan Sistem Informasi Akademik ( Studi Kasus Penerapan Sistem
Informasi Stmik Dipanegara Makassar ). Seminar Nasional Informatika 2013,
2013(semnasIF), 140–146. https://doi.org/ISSN: 1979-2328
Hartono, W. (2011). PENGEMBANGAN TECHNOPRENEURSHIP : UPAYA
PENINGKATAN DAYA SAING BANGSA DI ERA GLOBAL,
2011(Semantik).
Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial
Least Squares ( PLS ) dengan smartPLS 3 . 0. Malang: UB Press.
Hutahaean, J. (2015). Konsep Sistem Informasi. Deepublish. Retrieved from
https://books.google.co.id/books?hl=id&lr=&id=o8LjCAAAQBAJ&oi=fnd
&pg=PR7&dq=hutahaean+2015&ots=t_tcqlLThG&sig=XigpggBk729AXQ
PLJ0fUdB8s2e0&redir_esc=y#v=onepage&q=hutahaean 2015&f=false
Istiarni, A. (2016). ANALISIS PENERIMAAN SISTEM INFORMASI
PERPUSTAKAAN BERBASIS TECHNOLOGY ACCEPTANCE MODEL DAN
END-USER COMPUTING SATISFACTION DI PERPUSTAKAAN
UNIVERSITAS MUHAMMADIYAH MAGELANG.
Kadir, A. (2014). Pengenalan Sistem Informasi Edisi Revisi. Yogyakarta: Andi
Offset.
KBBI. (2008). Kamus Besar Bahasa Indonesia. Jakarta: Pusat Bahasa Departemen
130
Pendidikan Nasional.
Linders, S. (2006). Using the Technology Acceptance Model in determining
strategies for implementation of mandatory IS. Retrieved from
http://referaat.cs.utwente.nl/conference/4/paper/7168/using-the-technology-
acceptance-model-in-determining-strategies-for-implementation-of-
mandatory-is.pdf
Lopez-Nicolas, C., Molina-Castillo, F. J., & Bouman, H. (2008). Information &
Management An assessment of advanced mobile services acceptance :
Contributions from TAM and diffusion theory models. Information &
Management, 45, 359–364. https://doi.org/10.1016/j.im.2008.05.001
Mardiana, S., Tjakraatmadja, J. H., & Aprianingsih, A. (2015). International
Journal of Economics and Financial Issues DeLone–McLean Information
System Success Model Revisited: The Separation of Intention to Use -Use and
the Integration of Technology Acceptance Models. International Journal of
Economics and Financial Issues, 5(5), 172–182.
https://doi.org/10.1016/j.procs.2015.12.150
Megawati, & Firmandi, R. (2017). Analisis Perbandingan Metode Tam dan Utaut
Dalam Mengevaluasi Penerimaan Pengguna Sistem Informasi Manajemen
Rumah Sakit (SIMRS) (Studi Kasus: Rumah Sakit Jiwa Tampan Provinsi
Riau). Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri
(SNTIKI), 18–19.
Moores, T. T. (2012). Towards an integrated model of IT acceptance in healthcare.
Decision Support Systems, 53(3), 507–516.
131
https://doi.org/10.1016/j.dss.2012.04.014
Nazir, M. (2009). Metode Penelitian. Bogor: Ghalia Indonesia.
Nugraha, E. (2014). Analisis Pengukuran Technology Acceptance Model (TAM)
dan End User Computing Satisfaction (EUCS) Terhadap Penerimaan
Penerapan Sistem Input Nilai Dosen (SINDO).
Oktavia, P. (2012). LAYANAN TEKNOLOGI INFORMASI PENGGUNA JASA
INTERNET SERVICE PROVIDER ( Studi Kasus Pada PT . Platinum Citra
Indonesia , Tangerang ), 1(2), 69–79.
Pikkarainen, K., Pikkarainen, T., Karjaluoto, H., & Pahnila, S. (2006). The
measurement of end-user computing satisfaction of online banking services:
Empirical evidence from Finland. International Journal of Bank Marketing,
24(3), 158–172. https://doi.org/10.1108/02652320610659012
Rahadi, D. R. (2007). Peranan teknologi informasi dalam peningkatan pelayanan di
sektor publik. Seminar Nasional Teknologi 2007, 2007(November).
Rawstorne, P., Jayasuriya, R., & Caputi, P. (1998). An integrative model of
information systems use in mandatory environments. Proceedings of the
International Conference on Information Systems, 325–330.
Rosalina, N. (2017). Skripsi Pengujian Kepuasan Sistem Informasi Menggunakan
End User Computing Satisfaction Studi Kasus: Sistem Informasi Akademik
UIN Syarifhidayatullah Jakarta. UIN Syarif Hidayatullah Jakarta.
https://doi.org/10.13140/RG.2.2.25545.44647
Sangadji, E. mamang S. (2010). Metodologi Penelitian : Pendekatan Praktis dalam
Penelitian. Yogyakarta: Andi Offset.
132
Santoso, B. (2012). Pengaruh Perceived Usefulness, Perceived Ease of Use, dan
Perceived Enjoyment Terhadap Penerimaan Teknologi Informasi. Jurnal Studi
Akuntansi Indonesia, (1998), 1–15.
Saputra, L. asep. (2018). User Manual KIFEST (Kimia Farma Employee Self
Technology).
Sari, A. P., & Syamsuddin, M. A. (2017). Analisis Faktor End-User Computing
Satisfaction Terhadap Kepuasan Pengguna : Studi Kasus Kantor Pelayanan
Pajak Madya Balikpapan. Jurnal Pajak Indonesia, 1(2), 92–101.
Sekundera, C. P. . (2006). Analisis Penerimaan Pengguna Akhir Dengan
Menggunakan Technology Acceptance Model Dan End User Computing
Satisfaction Terhadap Penerapan Sistem Core Banking Pada Bank ABC, 100.
Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat
Keterangan Tinggal Sementara Online (SKTS) dengan Menggunakan Metode
End-User Computing Satisfaction. Airlangga University.
Shierla. (2014). Analisis Pengaruh Information Quality, System Quality dan
Physical Distribution Service Quality terhadap user Satisfaction Dan
Dampaknya Pada Intention To Use Pada PT. Pos Indonesia. Binus University.
Siregar, S. (2013). Statistik Parametrik untuk Penelitian Kuantitatif: Dilengkapi
dengan Perhitungan Manual dan Aplikasi SPSS versi 17. Jakarta: Bumi
Aksara.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016).
The user satisfaction perspectives of the information system projects.
Indonesian Journal of Electrical Engineering and Computer Science, 4(1),
133
215–223. https://doi.org/10.11591/ijeecs.v4.i1.pp215-223
Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Alfabeta.
Sutabri, T. (2012). Analisis Sistem Informasi. Yogyakarta: Andi Offset.
Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi metode
penelitian skala likert berbasis web. TINF-023 Issn 2407-1846, 1(November),
1–8. Retrieved from
https://jurnal.umj.ac.id/index.php/semnastek/article/view/540
Wahyudi, S. T. (2017). STSTISTIKA EKONOMI Konsep, Teori dan Penerapan. UB
Press.
Widiyastuti, S., Andretti, A., & Leon, K. (2014). Sistem Informasi Eksekutif
Bagian Kepegawaian Pada Pt. Pelindo II (Persero) Palembang. Seminar
Nasional Teknologi Informasi, Komunikasi Dan Manajemen, 5(01), 165–171.
Retrieved from
http://eprints.binadarma.ac.id/2225/1/Abdillah2014_SEMNASTIK_SIE_Kep
egawaian_PelindoII.pdf
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian
dengan Partial Least Square Path Modeling: Aplikasi dengan Software
XLSTAT, SmartPLS, dan Visual PLS. Jakarta: Salemba Infotek.
Yulianingsih, E. (2016). Analisis Kepuasan Terhadap Penggunaan E-Learning
Menggunakan Technology Acceptance Model Dan End User Computing
Satisfaction. Jurnal Ilmiah MATRIK, 18(1), 27–42.
Zuriah, N. (2016). Metodologi penelitian sosial dan pendidikan: teori, aplikasi.
Jakarta: Bumi Aksara.
134
Lampiran-Lampiran
135
Lampiran 1
Kuesioner Penelitian
136
Hal : Kuesioner Jakarta, 22 Oktober 2018
Kepada Yth.
Bapak / Ibu / Saudara / i
Pengguna Kimia Farma Employee Service Technology (KIFEST)
Di tempat
Dengan hormat,
Assalamu’alaikum warahmatullahi wabaraaktuh
Sehubungan dengan penelitian saya yang berjudul “Tingkat Penerimaan
Pengguna Akhir Sistem Informasi Pegawai Kimia Farma (KIFEST)
Menggunakan Pendekatan Technology Acceptance Model (TAM) dan End
User Computing Satisfaction (EUCS)”, saya memohon kesediaan anda untuk
membantu dengan cara memberikan jawaban pada kuisioner terlampir
menurut keadaan sebenaranya sesuai dengan pendapat anda. Semua jawaban
yang anda berikan dijamin kerahasiaannya.
Tujuan dari penelitian ini adalah untuk kepentingan akademik, data yang
terkumpul digunakan untuk menyusun skripsi pada Program Studi Sistem
Informasi Universitas Islam Negerin (UIN) Syarif Hidayatullah Jakarta.
Demikian permohonan dari saya, atas segala bantuan, kerjasama serta
kesediaannya diucapkan terima kasih, teriring doa semoga Tuhan membalas
kebaikan anda.
Wassalamu’alaikum warahmatullahi wabaraaktuh
Hormat saya,
M. Hasbi Hilmi
137
Petunjuk pengisian kuesioner :
1. Isikan identitas Anda pada kolom yang disediakan
2. Dalam pengisian kuesioner di bawah ini, peneliti menggunakan skala Likert dari
1-5
3. Keterangan pilihan jawaban pada kuesioner: SS (Sangat Setuju), S (Setuju), KS
(Kurang Setuju), TS (Tidak Setuju), STS (Sangat Tidak Setuju).
4. Berikan tanda checklist (√) pada kolom sesuai jawaban Anda.
Data Responden:
1. Nama :___________________________
2. Telepon / Email : ___________________________
3. Jenis Kelamin :
4. Usia : ___________________________
5. Unit Kerja : ___________________________
6. Sejauh mana anda menerima Aplikasi KIFEST untuk pekerjaan anda?
□ Sangat
Menerima
□ Menerima □ Cukup
Menerima
□ Kurang
Menerima
□ Tidak
Menerima
7. Sejauh mana anda merasakan manfaat Aplikasi KIFEST untuk pekerjaan anda?
□ Sangat
Bermanfaat
□ Bermanfaat □ Cukup
Bermanfaat
□ Kurang
Bermanfaat
□ Tidak
Bermanfaat
8. Sejauh mana anda merasakan Kemudahan ketika menggunakan Aplikasi KIFEST untuk
pekerjaan anda?
□ Sangat
Mudah
□ Mudah □ Cukup
Mudah
□ Kurang
Mudah
□ Tidak
Mudah
9. Sejauh mana anda merasakan Kenyamanan ketika menggunakan Aplikasi KIFEST
untuk pekerjaan anda?
□ Sangat
Nyaman
□ Nyaman □ Cukup
Nyaman
□ Kurang
Nyaman
□ Tidak
Nyaman
10. Sejauh mana anda merasakan Kenyamanan ketika menggunakan Aplikasi KIFEST
untuk pekerjaan anda?
□ Sangat
Memuaskan
□ Memuaskan □ Cukup
Memuaskan
□ Kurang
Memuaskan
□ Tidak
Memuaskan
Laki-laki Perempuan
138
Daftar Pertanyaan:
1. Pernyataan variabel Perceived Usefulnes (Kebermanfaatan)
No. Pernyataan Jawaban Responden
STS TS KS S SS
1 Menurut saya, dengan adanya aplikasi KIFEST
menjadikan tugas selesai lebih cepat
2 Menurut saya, dengan adanya aplikasi KIFEST
dapat meningkatkan kualitas kerja
3 Menurut saya, dengan adanya aplikasi KIFEST
dapat meningkatkan produktifitas kerja
4 Menurut saya, dengan adanya aplikasi KIFEST
dapat menambah efektifitas kerja
5 Menurut saya, dengan adanya aplikasi KIFEST
dapat mempermudah pekerjaan
6 Menurut saya, dengan adanya aplikasi KIFEST
bermanfaat dalam menyelesaikan kerja
2. Pernyataan variabel Perceived Ease of Use (Kemudahan Penggunaan)
No. Pernyataan Jawaban Responden
STS TS KS S SS
7 Menurut saya, Sistem aplikasi KIFEST sudah
user-friendly
8 Menurut saya, Sistem aplikasi KIFEST sangat
mudah dioperasikan
9 Menurut saya, Sistem aplikasi KIFEST sangat
mudah dipahami
10 Menurut saya, Sistem aplikasi KIFEST
mempermudah interaksi dengan pengguna
11 Menurut saya, Sistem aplikasi KIFEST memiliki
petunjuk untuk pengguna dan menu bantuan
139
3. Pernyataan variabel Perceived Enjoyment (Kenyamanan)
No. Pernyataan Jawaban Responden
STS TS KS S SS
12 Menurut saya, Dengan aplikasi KIFEST bekerja
menjadi lebih menyenangkan
13 Menurut saya, Dengan aplikasi KIFEST bekerja
menjadi lebih nyaman
14 Menurut saya, Dengan aplikasi KIFEST bekerja
menjadi lebih menarik
4. Pernyataan variabel Accuracy (Akurasi)
No. Pernyataan Jawaban Responden
STS TS KS S SS
15 Menurut saya, Sistem aplikasi KIFEST
menghasilkan informasi yang akurat.
16
Menurut saya, Sistem aplikasi KIFEST
menghasilkan informasi yang dapat diandalkan
dan dipercaya.
17
Menurut saya, Sistem aplikasi
KIFESTmenampilkan output pada layar yang
sesuai dengan apa yang diperintahkan di-input.
18 Menurut saya, Sistem aplikasi KIFEST bekerja
sesuai dengan standar yang ditentukan.
5. Pernyataan variabel Content (Isi)
No. Pernyataan Jawaban Responden
STS TS KS S SS
19 Menurut saya, Konten aplikasi KIFEST sesuai
dengan kebutuhan saya
20 Menurut saya, Konten aplikasi KIFEST
disajikan beragam dan menarik
140
21 Menurut saya, Konten aplikasi KIFEST
bermanfaat untuk saya
22 Menurut saya, Konten aplikasi KIFEST
memiliki kualitas yang baik
23 Menurut saya, Konten aplikasi KIFEST
ditampilkan secara jelas
6. Pernyataan variabel Format (Bentuk)
No. Pernyataan Jawaban Responden
STS TS KS S SS
24 Menurut saya, Format sistem aplikasi KIFEST
menarik bagi saya.
25 Menurut saya, Format sistem aplikasi KIFEST
yang ditampilkan jelas.
26 Menurut saya, Format sistem aplikasi KIFEST
mudah digunakan.
27 Menurut saya, Format sistem aplikasi KIFEST
menampilkan informasi dengan baik.
7. Pernyataan variabel Timeliness (Ketepatan Waktu)
No. Pernyataan Jawaban Responden
STS TS KS S SS
28 Menurut saya, Sistem aplikasi KIFEST
menyajikan informasi secara tepat waktu
29 Menurut saya, Sistem applikasi KIFEST
memberikan data up-to-date
30 Menurut saya, Sistem aplikasi KIFEST dapat
menyajikan informasi ketika dibutuhkan
31 Menurut saya, Sistem aplikasi KIFEST
didukung tim layanan sistem yang tepat waktu
141
8. Pernyataan variabel Attitude (Sikap)
No. Pernyataan Jawaban Responden
STS TS KS S SS
32 Menurut saya, Menggunakan aplikasi KIFEST
adalah hal yang bagus
33 Menurut saya, Sistem aplikasi KIFEST
membuat pekerjaan menjadi lebih menarik
34 Menurut saya, Bekerja dengan Aplikasi KIFEST
sangat menyenangkan
9. Pernyataan variabel Acceptance (Penerimaan)
No. Pernyataan Jawaban Responden
STS TS KS S SS
35 Menurut saya, Aplikasi KIFEST menjadi acuan
dalam menyelesaikan pekerjaan
36 Menurut saya, Dalam menyelesaikan pekerjaan
saya bergantung terhadap aplikasi KIFEST
10. Pernyataan variabel Satisfaction (Kepuasan)
No. Pernyataan Jawaban Responden
STS TS KS S SS
37 Adanya aplikasi KIFEST ini sudah memiliki
fungsi yang tepat
38 Adanya aplikasi KIFEST ini memiliki kinerja
yang cermat
39 Secara keseluruhan, saya puas menggunakan
sistem aplikasi KIFEST
142
Lampiran 2
Hasil Pengujian Awal
143
Hasil Pengujian Awal Pengukuran Tingkat Penerimaan Pengguna Akhir
Kimia Farma Employee Service Technology (KIFEST) Menggunakan
Pendekatan Technology Acceptance Model (TAM) & End User Computing
Satisfaction (EUCS)
1. Hasil analisis Demografi
21
11
0
5
10
15
20
25
1
Jenis Kelamin
laki-laki Perempuan
1513
2 2
0
5
10
15
20
1
Usia
17-25 Tahun 26 - 35 Tahun 36 - 45 Tahun 46 - 55 Tahun
144
17
6 5
2 20
0
5
10
15
20
1
Lama Kerja
Kurang 3 Tahun 3 - 5 Tahun 5 - 15 Tahun
16 - 25 Tahun 25 - 30 Tahun Lebih 30 Tahun
0 0
3
0 0 0 0 0
5
16
2
0
1
0 0 0 0 0
2
0 0 0
1
2
DIV
ISI
SU
PP
LY
CH
AIN
DIV
ISI
PR
OC
UR
EM
EN
T
DIV
ISI
PE
NG
EM
BA
NG
AN
…
DIV
ISI
RIS
ET
DA
N …
DIV
ISI
SE
KR
ET
AR
IS …
DIV
ISI
SA
TU
AN
PE
NG
AW
AS
…
TR
AN
SF
OR
MA
TIO
N …
DIV
ISI
AK
UN
TA
NS
I
DIV
ISI
KE
UA
NG
AN
DIV
ISI
IT
DIV
ISI
HU
MA
N C
AP
ITA
L
UN
IT U
MU
M,
PK
BL
&C
SR
SB
U P
RO
PE
RT
Y
SB
U M
AR
KE
TIN
G &
SA
LE
S
SB
U M
AN
UF
AK
TU
R
PL
AN
T S
EM
AR
AN
G
PT
KF
SU
NG
WU
N …
PL
AN
T J
AK
AR
TA
PL
AN
T B
AN
DU
NG
DIV
ISI
DIG
ITA
L B
US
INE
SS
…
PL
AN
T M
ED
AN
PL
AN
T W
AT
UD
AK
ON
NA
TIO
NA
L D
IST
RIB
UT
ION
…
RE
SE
AR
CH
& D
EV
EL
OP
ME
NT
DIVISI KERJA
145
10
17
5
0 00
5
10
15
20
1
Status Penerimaan
Sangat Menerima Menerima
Cukup Menerima Kurang Menerima
Tidak Menerima (menolak)
1
24
6
1 00
5
10
15
20
25
30
1
Status Kepuasan
Sangat Memuaskan Memuaskan Cukup Memuaskan
Kurang Memuaskan Tidak Memuaskan
146
2. Hasil Analisis Model Pengukuran (Outer Model)
Dengan melihat nilai outer loading dari semua indikator pada tabel dibawah ini,
semua memiliki nilai outer loading diatas 0,5
147
Indikator Reliability
Dengan memeriksa nilai loading dari setiap indikator yang ada, maka hasilnya
adalah tidak ada indikator yang dihapus karena nilai loadingnya tidak ada yang
berada di bawah 0,4.
Internal Consistency Reliability dan Convergent Validity
Diuji dengan cara melihat hasil nilai Composite Reliability (CR) dengan angka
minimal diatas 0,7 dan melihat nilai Average Variance Extracted (AVE) dengan
nilai minimum ambang batas yang diterima adalah 0,5.
Composite Reliability
Average Variance Extracted (AVE)
ACC 0.948 0.820
ACCP 0.958 0.919
ATT 0.903 0.758
CON 0.954 0.807
ENJ 0.940 0.839
EOU 0.937 0.748
FOR 0.973 0.900
PU 0.961 0.804
TIM 0.958 0.851
US 0.923 0.801
148
Discriminant Validity
Diuji melalui analisis perbandingan cross loading dengan nilai kuadrat AVE juga telah memenuhi syarat, sebagai berikut:
VAR IND Outer
Loading
Cross Loadings AVE CR
AKAR
AVE ACC ACCP ATT CON ENJ EOU FOR PU TIM US
ACC
ACC1 0.921 0.921 0.657 0.705 0.752 0.718 0.702 0.677 0.508 0.731 0.671
0.820
0.948 0.91
ACC2 0.884 0.884 0.638 0.733 0.762 0.722 0.750 0.742 0.649 0.788 0.736
ACC3 0.897 0.897 0.678 0.685 0.765 0.666 0.702 0.826 0.712 0.738 0.804
ACC4 0.920 0.920 0.758 0.736 0.886 0.707 0.707 0.860 0.723 0.811 0.867
ACCP ACCP1 0.964 0.801 0.964 0.812 0.814 0.782 0.701 0.798 0.788 0.837 0.845 0.919
0.958
0.96 ACCP2 0.953 0.634 0.953 0.710 0.675 0.726 0.479 0.586 0.727 0.742 0.736
ATT
ATT1 0.800 0.700 0.641 0.800 0.884 0.647 0.718 0.737 0.545 0.710 0.636 0.758
0.903 0.87 ATT2 0.888 0.722 0.674 0.888 0.713 0.906 0.679 0.779 0.771 0.642 0.748
ATT3 0.919 0.650 0.761 0.919 0.633 0.934 0.774 0.634 0.794 0.625 0.750
CON
CON1 0.853 0.843 0.829 0.774 0.853 0.714 0.780 0.869 0.724 0.814 0.817
0.807 0.954 0.90
CON2 0.861 0.760 0.619 0.611 0.861 0.558 0.572 0.798 0.484 0.705 0.607
CON3 0.884 0.700 0.641 0.800 0.884 0.647 0.718 0.737 0.545 0.710 0.636
CON4 0.957 0.808 0.745 0.798 0.957 0.697 0.664 0.901 0.688 0.828 0.822
CON5 0.933 0.821 0.665 0.777 0.933 0.716 0.692 0.887 0.671 0.817 0.784
ENJ ENJ1 0.934 0.650 0.761 0.919 0.633 0.934 0.774 0.634 0.794 0.625 0.750
0.839 0.940 0.92 ENJ2 0.907 0.771 0.729 0.827 0.707 0.907 0.722 0.600 0.691 0.669 0.725
149
ENJ3 0.906 0.722 0.674 0.888 0.713 0.906 0.679 0.779 0.771 0.642 0.748
EOU
EOU1 0.857 0.732 0.678 0.774 0.769 0.709 0.857 0.749 0.649 0.659 0.727
0.748 0.937 0.86
EOU2 0.906 0.701 0.455 0.649 0.628 0.596 0.906 0.651 0.488 0.492 0.551
EOU3 0.913 0.691 0.441 0.656 0.600 0.652 0.913 0.618 0.498 0.415 0.545
EOU4 0.877 0.681 0.529 0.806 0.704 0.781 0.877 0.716 0.635 0.519 0.707
EOU5 0.762 0.597 0.562 0.667 0.583 0.653 0.762 0.567 0.644 0.600 0.698
FOR
FOR1 0.967 0.808 0.728 0.809 0.888 0.730 0.687 0.967 0.801 0.785 0.857
0.900 0.973 0.95 FOR2 0.949 0.832 0.659 0.791 0.873 0.730 0.692 0.949 0.758 0.749 0.8100
FOR3 0.946 0.822 0.667 0.746 0.904 0.659 0.821 0.946 0.610 0.747 0.744
FOR4 0.933 0.793 0.712 0.758 0.879 0.662 0.732 0.933 0.674 0.783 0.738
PU
PU1 0.918 0.736 0.754 0.815 0.705 0.822 0.717 0.685 0.918 0.747 0.929
0.804 0.961 0.90
PU2 0.786 0.423 0.611 0.670 0.511 0.670 0.469 0.562 0.786 0.577 0.599
PU3 0.930 0.626 0.732 0.778 0.624 0.787 0.619 0.698 0.930 0.720 0.820
PU4 0.913 0.733 0.751 0.705 0.659 0.703 0.651 0.732 0.913 0.764 0.924
PU5 0.877 0.624 0.672 0.686 0.593 0.715 0.586 0.656 0.877 0.517 0.798
PU6 0.947 0.690 0.731 0.714 0.649 0.711 0.599 0.703 0.947 0.738 0.884
TIM
TIM1 0.907 0.737 0.778 0.682 0.766 0.608 0.491 0.714 0.682 0.907 0.755
0.851 0.958 0.92 TIM2 0.923 0.754 0.706 0.677 0.764 0.636 0.571 0.739 0.660 0.923 0.792
TIM3 0.919 0.811 0.747 0.734 0.817 0.718 0.687 0.782 0.756 0.919 0.865
TIM4 0.941 0.826 0.822 0.680 0.840 0.630 0.556 0.742 0.699 0.941 0.825
US US1 0.929 0.736 0.754 0.815 0.705 0.822 0.717 0.685 0.918 0.747 0.929
0.801 0.923 0.89 US2 0.924 0.733 0.751 0.705 0.659 0.703 0.651 0.732 0.913 0.764 0.924
150
US3 0.828 0.821 0.719 0.673 0.848 0.638 0.656 0.824 0.639 0.854 0.828
Total dari 39 indikator seluruhnya memiliki nilai outer loading diatas 0,5 telah dianggap signifikan secara praktikal (Jogiyanto, 2015;
Ghozali, 2015). Selain itu berdasarkan nilai, CR, AVE dan cross loading juga tselah memenuhi syarat sehingga indikator pertanyaan
ini dianggap sudah memenuhi syarat untuk digunakan sebagai instrument penelitian.
151
Lampiran 3
Hasil Kuesioner 224 Responden
152
Hasil Kuesioner 224 Responden
PU1 PU2 PU3 PU4 PU5 PU6 EOU1 EOU2 EOU3 EOU4 EOU5 ENJ1 ENJ2 ENJ3 ACC1 ACC2 ACC3 ACC4 CON1 CON2
4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
2 2 2 2 2 2 3 4 4 4 4 2 2 2 3 3 3 3 3 3
4 3 3 3 3 3 4 3 3 4 4 3 4 4 4 4 3 4 3 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
5 5 5 5 4 5 4 5 5 5 5 4 4 5 4 5 5 4 5 4
3 4 3 4 4 4 4 4 3 3 3 3 3 3 3 3 4 4 4 4
4 3 3 4 4 4 4 4 4 4 3 3 3 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 4 5 3 4 4 4 3 3 4 3 3 3 4 4 5 4 4 3
4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4 4 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 3 3 4 3 4 4 4 3 3 4 4 3 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4
3 4 4 2 3 3 3 3 3 3 4 3 4 3 3 3 3 3 3 3
3 4 4 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3
3 3 3 3 3 3 3 5 5 4 4 4 4 4 4 4 4 3 4 3
3 3 3 3 4 3 4 4 4 4 3 3 3 3 3 3 4 4 3 4
4 4 4 4 4 4 4 4 4 4 3 3 4 3 4 4 5 5 5 5
153
3 4 4 4 3 3 5 5 5 4 3 4 4 4 5 5 4 4 4 5
3 3 2 2 2 2 4 4 4 4 2 3 4 2 4 3 3 3 3 3
3 4 4 4 4 3 4 4 4 3 3 3 3 4 3 4 3 3 3 4
4 4 4 4 5 4 4 4 4 5 3 4 4 5 4 3 5 4 4 3
5 3 4 5 5 4 5 5 5 4 5 4 5 4 5 5 5 5 4 4
5 4 5 5 4 4 5 4 4 5 5 5 4 5 4 4 4 4 5 4
4 4 4 4 4 4 3 3 3 4 3 4 4 4 4 4 4 4 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 3 2 2 3 3 3 3 2
4 3 4 5 5 4 3 3 4 4 4 3 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 2 4 3 1 4 1 1 1 2 3 2 3 3 2
4 4 4 5 4 4 4 4 5 4 4 5 4 4 5 5 4 4 4 3
4 4 4 4 4 4 3 4 3 4 3 3 3 3 4 4 4 4 4 4
4 4 4 5 4 4 5 4 5 3 4 4 5 4 4 3 4 4 3 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
1 1 1 1 1 1 2 4 5 1 3 1 1 1 3 3 3 3 3 2
3 3 4 3 4 3 5 5 5 3 5 3 4 4 4 5 5 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
2 3 3 3 2 2 3 3 3 3 3 3 3 3 3 3 2 3 3 3
154
2 2 2 2 2 2 3 4 4 3 3 3 2 2 2 2 2 3 2 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
3 3 3 3 4 3 3 3 3 3 3 4 4 4 2 2 3 3 3 2
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4
2 2 2 2 2 2 4 2 2 3 2 2 2 3 3 2 2 2 2 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4
3 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 4 4 4 4 3 4 4 4 4 3 4 3 4 3 3 3 3 3
3 2 2 3 2 2 2 2 2 2 2 2 2 2 3 2 3 3 3 2
4 3 2 3 3 3 4 4 3 3 3 3 2 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3
3 3 3 3 4 4 5 5 5 4 4 5 4 5 4 4 5 4 4 5
5 5 4 4 5 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4
4 4 4 3 4 4 4 3 4 4 3 3 4 4 4 4 4 4 3 3
3 3 2 3 2 2 3 3 3 3 3 3 4 3 3 3 2 3 3 4
3 3 3 4 3 3 4 4 3 3 4 4 4 3 4 4 3 3 4 4
4 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 2 4
2 2 2 2 2 2 2 3 3 2 1 2 2 2 1 1 2 3 3 2
4 4 4 4 4 4 3 3 3 4 2 4 4 4 4 4 5 4 5 3
4 4 4 4 5 4 4 4 5 5 5 5 5 5 4 4 5 5 5 5
4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 2
155
3 3 3 3 3 3 4 4 4 3 3 3 3 3 4 4 3 3 2 3
4 4 4 5 4 4 3 4 4 5 4 5 4 4 4 4 4 4 4 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 4 3 2 2 4 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 3 3 3
4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 4 4 4 4 4 4 3 3 4 4 3 3 4 4
3 2 2 3 2 2 3 4 4 3 2 2 2 2 2 2 3 3 3 2
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 2 2 5
3 3 3 3 2 2 3 3 3 3 3 3 3 2 2 2 3 3 3 2
4 3 3 3 3 3 3 3 3 3 4 3 4 4 4 3 3 4 4 4
4 3 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 5 4
3 3 3 3 4 3 5 5 4 4 4 3 3 3 3 4 5 4 3 3
4 4 4 4 4 4 3 4 4 4 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 3 3 3 4 4 5 5 4 4 4 4 3 5 5 3 3 4 3
3 3 3 3 2 2 3 3 3 3 2 3 3 3 3 3 3 3 3 3
5 4 4 5 5 5 4 5 5 4 3 4 4 4 5 5 4 4 4 4
3 4 4 4 4 4 3 4 4 4 4 3 3 3 4 4 4 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 2 2 2 2 4 4 2 4 2 2 2 4 4 4 4 4 2
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 5 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3
156
1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2 3 2 2 2 4 4 4 3 4 2 2 2 2 4 4 4 2 2
3 2 2 2 2 2 3 3 3 3 3 2 2 2 3 3 3 3 3 3
4 3 3 4 3 3 3 3 3 3 4 3 3 3 3 3 3 4 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5
4 3 3 4 4 4 4 4 4 4 3 3 4 3 3 4 4 4 4 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 4 4 3 4 3 3 3 3 3 4 4 4 4 3 3 3
4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4
4 4 4 4 5 5 4 5 5 4 4 5 5 5 4 5 5 4 5 4
4 4 5 5 4 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 4 3
3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 5 3 3 4 4 4 4 4 5 3 3 3 3 3 4 4 4 4
4 5 5 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 5 4 5 3 3 4 3 4 3 4 4 4 5 5 5 4 5 4
3 3 3 3 3 3 3 3 3 3 4 4 3 4 3 3 3 3 3 4
4 3 3 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 3 3 5 3 4 4 4 4 3 4 4 3 3 3 3 3 3 4
157
2 3 3 3 3 3 5 5 5 5 4 3 3 3 4 4 4 3 3 3
1 3 4 4 4 2 4 4 4 3 4 4 4 4 2 2 4 3 4 2
3 3 3 3 4 3 4 4 4 3 4 3 3 3 4 4 4 4 4 4
3 3 4 4 4 3 4 4 4 4 4 3 4 3 3 4 4 4 3 3
3 4 3 3 3 3 4 4 4 4 3 3 3 4 3 4 3 2 3 4
4 3 4 3 4 3 4 4 3 4 4 3 3 4 4 3 4 4 4 3
1 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 4 4 4 5 4
4 4 4 5 4 4 4 5 4 4 4 5 5 4 4 4 4 4 3 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 3 3
3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 4 4 4 4 4 3 3 3 3 4 3 3 3 3
2 2 3 3 3 2 3 3 3 3 3 2 2 3 3 2 3 3 3 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 5 5 5 5 5 5 5 5 5 4 5 5 5 4 5 5 5 5 5
2 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 4 3 4 3 3 3 4 3 4 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
2 2 3 3 4 2 2 3 3 3 3 2 2 3 4 4 4 3 3 3
3 3 3 4 3 3 4 4 3 3 3 3 3 4 4 3 3 3 3 4
2 3 3 3 3 3 4 2 3 3 3 3 3 3 3 3 3 3 2 3
3 3 3 3 3 3 3 3 2 2 2 2 4 4 5 5 3 4 3 4
158
2 2 2 2 2 2 5 5 5 5 3 2 2 2 4 5 5 5 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 4 3 3 4 4 4 3 2 3 3 3 3 3 4 4 3 3
3 3 3 4 3 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4
4 4 4 4 4 4 4 4 4 4 4 3 3 3 4 3 4 4 3 3
5 4 3 4 4 3 5 4 5 4 3 3 3 3 4 4 4 4 4 5
4 5 5 5 5 4 5 4 4 5 4 5 5 5 4 4 4 4 4 4
4 3 3 3 4 3 4 4 4 4 3 3 3 3 3 4 3 3 4 4
5 5 5 5 5 5 4 4 4 5 4 5 5 5 5 5 4 4 4 4
4 3 3 3 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 3
4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 4 5 4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4
5 4 4 4 5 4 4 5 4 4 4 4 4 5 4 5 4 4 4 4
3 3 4 4 4 4 3 3 3 3 3 3 3 3 3 4 3 3 3 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 4 5 5 5 4 5 4 4 4 5 5 4 5 5 4
4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
1 4 2 4 1 4 4 5 5 4 3 1 1 1 4 4 3 4 4 4
4 4 3 3 3 3 4 4 4 4 4 3 3 3 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 4 3 4 3 4 4 4 4 5 4 4 4 5 5 4 4 4 5 5
4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4
3 3 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 2 3
159
4 3 3 4 3 3 5 5 4 4 4 3 3 3 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
3 4 4 3 4 4 4 4 5 3 3 3 4 4 4 3 4 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 4
4 4 4 3 4 3 3 3 3 4 3 3 3 3 4 3 4 4 3 4
3 3 3 3 3 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4
3 3 2 2 2 2 3 3 3 3 3 3 2 2 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 4 3 3 3 3 4 4 3 3 3 4 3 4 3 4 3 4 4
3 4 4 4 4 4 5 5 5 4 4 3 4 3 4 3 5 4 3 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
2 2 3 3 3 2 3 3 3 2 3 4 3 3 4 3 3 3 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 4 4 3 3 3 2 3 3 3 3 3 3 3 4 3 4 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
4 4 4 4 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 3 3
4 4 4 5 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4
3 3 3 3 3 3 4 4 4 4 4 3 3 4 4 3 4 3 3 3
2 3 3 3 2 2 3 3 3 3 2 2 3 3 2 2 4 3 3 3
3 4 4 3 3 4 3 4 4 3 3 4 3 3 3 3 4 4 3 3
2 3 3 3 2 2 3 4 4 2 2 2 2 2 3 5 3 3 3 2
160
4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 3 3 3 3 4
3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 3 2 4 4 2 1 4 5 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4
4 4 3 3 3 3 4 4 4 3 3 3 3 3 4 4 4 3 4 4
4 3 3 3 3 3 4 3 4 3 3 3 3 3 3 4 3 3 3 3
5 4 4 4 4 4 4 4 3 3 4 3 3 4 3 3 3 4 4 4
3 3 3 3 3 3 3 3 3 4 3 3 3 3 4 3 3 3 3 3
3 3 3 3 3 3 4 2 3 3 2 3 3 3 3 2 4 3 3 3
3 3 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 4 4 5 5 5 4 4 5 4 5 4 4 5 4 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 3 4 4 4 4 4 4 4 3 3 4 3 3 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 3 5 4 4 4 4 4 4 4 4 4 4 4 4 3
3 4 5 4 3 4 5 5 5 5 5 4 4 4 5 5 5 5 4 4
161
5 4 4 4 4 4 4 5 5 4 3 5 5 5 4 5 5 4 5 4
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Data 224 Responden
CON3 CON4 CON5 FOR1 FOR2 FOR3 FOR4 TIM1 TIM2 TIM3 TIM4 ATT1 ATT2 ATT3 ACCPT1 ACCPT2 US1 US2 US3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 4 3 2 3 3 2 3 2 2 2 1 4 4 4
5 5 5 4 4 4 4 4 5 4 4 5 4 3 3 3 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
4 4 5 5 5 5 5 4 5 5 4 4 5 4 4 3 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
4 4 3 4 4 4 4 4 3 3 3 4 4 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 5 5 4 5 4 3 3 4 3 4 4 4
4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 3 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 4 4 4 4 4 4 4 4 3 3 3 4 4 3 4 4 4 4
4 4 4 4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4
4 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3
162
3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 3 3
4 3 4 3 4 4 3 3 3 3 3 4 4 4 3 3 3 3 3
4 4 4 4 4 4 4 2 2 2 3 4 3 3 3 2 3 3 3
5 5 5 5 5 5 5 5 4 5 5 5 3 3 4 4 5 5 5
4 4 4 4 4 5 5 4 5 4 4 4 4 4 4 3 4 4 4
4 3 3 2 2 3 3 3 2 3 3 4 2 3 3 3 3 3 3
4 4 4 4 4 4 4 4 3 3 3 4 4 3 3 3 3 3 3
4 4 4 5 5 4 4 3 3 4 3 4 5 4 4 3 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 4 5 4 5 5 5 5 4 4 5 5 5 5 5 4 4 4
4 4 4 4 4 3 3 4 4 4 4 4 4 4 3 3 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 3 3 3 3 3 3 3 3 3 3 4 2 4 3 3 3 3 3
3 4 4 4 4 4 3 3 4 4 4 3 4 3 4 4 4 4 4
5 4 4 4 4 4 5 5 5 5 4 5 5 5 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 2 3 3 2 4 3 3 2 2 3 3 1 1 1 1 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
4 4 4 5 3 5 5 4 3 4 4 4 4 4 4 5 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 2 3 4 3 3 3 2 1 3 1 1 1 1 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4
163
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 2 3 2 3 3 3 3 1 3 3 3
3 3 3 3 2 3 3 3 2 2 2 3 2 3 2 1 3 3 3
4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 3 3 3 3 2 3 2 2 3 4 4 4 2 2 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 3 4 4 4 4 4 4 4 5 4 5 5 5
3 3 3 2 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3
3 3 3 3 3 3 3 3 3 4 4 3 3 3 4 4 4 4 4
4 2 2 2 2 3 3 3 3 3 3 4 2 2 2 2 3 3 3
3 3 3 3 3 3 3 2 3 3 2 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 5 5 4 4 4 4 4 4 5 4 5 5 3 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 3 3 4 4 4 4 3 3 2 5 4 3 3 3 4 4 4
3 2 3 3 3 3 3 3 3 3 3 3 3 3 2 2 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 4 4 4 4
3 3 3 3 3 3 3 3 4 3 3 3 4 4 3 4 3 3 3
4 3 4 4 4 4 4 4 1 1 1 4 4 4 2 1 3 3 3
164
3 2 3 2 2 2 2 2 2 2 2 3 2 2 1 1 2 2 2
5 4 3 5 3 4 4 4 4 4 3 5 4 4 4 5 4 4 4
5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 4 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 2 4 4 4
4 3 4 3 3 3 3 3 3 3 3 4 3 3 2 2 2 2 2
5 5 4 4 4 4 4 4 4 4 4 5 4 5 4 2 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 2 3 3 3 2 3 3 3 3 3 3 3 3 4 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 3 3 3 3 3 4 3 4 4 3 4 4 4
3 3 4 3 3 3 3 3 3 2 2 3 2 2 2 2 3 3 3
5 2 5 5 5 5 5 5 5 5 5 5 5 5 5 3 2 2 2
3 3 3 2 3 3 3 2 2 2 2 3 2 3 3 2 2 2 2
4 5 5 4 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4
4 4 4 4 4 5 5 4 4 4 4 4 4 3 3 2 4 4 4
4 3 4 4 4 4 4 3 4 3 3 4 3 3 3 2 3 3 3
4 3 4 3 4 4 4 4 4 4 4 4 3 3 4 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 5 5 5 5 5 5 4 4 3 4 5 3 5 5 5
3 3 3 3 3 3 3 2 2 2 2 3 3 3 3 2 3 3 3
4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 3 4 4 4
4 4 4 4 5 4 5 4 4 3 4 4 3 3 4 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
165
4 4 4 4 4 4 2 2 4 2 2 4 2 2 1 1 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 5 3 4 5 4 4 4 4 3 4 4 3 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
4 4 4 4 4 4 4 2 2 2 2 4 2 2 2 2 2 2 2
3 3 3 3 3 3 3 2 2 2 2 3 2 2 2 2 3 3 3
4 3 4 3 4 4 4 3 3 3 3 4 3 3 2 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 4 5 4 5 5 5 4 2 5 5 5
5 4 4 3 4 4 4 3 4 4 4 5 3 3 3 3 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 3 3 3 3 3 3 3 3 4 4 3 3 3 3 3 3
4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 5 4 4 4 4 5 5 4 5 5 5 4 5 5 5
5 5 5 5 5 5 5 5 4 5 4 5 5 5 4 4 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 3 3 3 4 3 3 4 3 3 3 3 4 4 4
4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
5 4 3 4 3 4 4 3 5 4 4 5 4 4 5 3 4 4 4
4 3 4 3 3 4 3 3 3 4 3 4 4 4 4 4 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
166
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4
4 3 3 4 4 3 3 4 3 4 4 4 3 4 3 2 4 4 4
3 3 4 3 3 3 3 3 4 3 3 3 3 3 2 2 3 3 3
3 3 4 3 4 4 3 2 3 4 3 3 4 4 2 1 3 3 3
4 4 4 3 4 5 4 4 3 4 3 4 3 3 3 2 4 4 4
4 4 4 4 4 4 4 4 3 3 4 4 3 3 3 2 4 4 4
3 3 4 3 4 4 4 4 4 3 4 3 4 3 3 3 4 4 4
3 4 4 4 4 3 3 4 4 3 4 3 4 3 3 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 5 5 5 5 5 4 4 4 4 5 4 4 4 4 5 5 5
4 4 4 4 4 4 4 3 4 4 3 4 4 5 4 3 4 4 4
3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 2 3 3 3
3 3 2 3 4 3 3 2 3 3 3 3 3 3 3 3 3 3 3
5 5 5 4 4 4 4 5 5 5 5 5 5 5 4 4 5 5 5
4 3 3 3 4 4 3 3 3 3 3 4 3 3 3 3 3 3 3
3 3 3 2 3 3 3 3 2 2 2 3 3 2 2 3 3 3 3
4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 2 4 4 4
4 4 4 4 4 4 4 3 3 4 4 4 4 4 3 1 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 5 4 3 4 4 4 5 4 4 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5
167
4 4 4 4 4 4 4 4 4 3 3 4 3 2 4 3 3 3 3
3 3 3 3 4 3 3 2 3 2 3 3 4 3 3 2 3 3 3
3 3 3 2 3 3 3 3 3 3 3 3 3 3 1 1 4 4 4
4 4 3 4 4 4 4 4 4 3 4 4 4 2 4 2 4 4 4
2 3 4 3 4 5 5 4 3 3 3 2 2 2 3 1 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 4 2 4 2 3 2 3 3 3 2 2 3 3 3
4 4 5 3 4 5 5 5 4 5 4 4 4 4 4 3 4 4 4
3 3 4 3 4 4 4 4 4 4 4 3 3 3 4 4 4 4 4
5 4 4 3 3 4 4 4 4 4 3 5 3 3 3 2 4 4 4
4 4 4 4 4 4 4 4 5 5 5 4 5 5 5 5 4 4 4
3 4 4 3 4 4 4 4 4 3 3 3 3 3 3 2 3 3 3
5 4 4 4 4 4 4 4 4 4 4 5 5 5 4 3 5 5 5
4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4
4 4 4 4 4 4 4 3 4 4 4 4 3 3 3 3 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 5 5 5 5 5 5 5 5 4 4 4 4 5 5 5 5 5
5 4 4 4 4 4 4 4 3 4 3 5 4 4 4 3 4 4 4
4 4 4 4 4 4 4 2 2 4 4 4 1 1 1 1 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 3 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
168
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 5 4 4 3 4 4 5 4 5 4 5 4 4 4 5 5 5
3 3 3 4 4 3 4 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3
4 4 5 4 4 4 5 5 4 4 4 4 3 3 3 3 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 3 1 1 1
4 4 4 4 4 4 4 3 3 3 4 4 4 3 4 4 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4
4 4 3 3 4 4 3 3 3 4 4 4 4 4 4 4 4 4 4
4 4 3 3 3 3 3 4 4 4 4 4 3 3 4 3 4 4 4
4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4
3 3 4 2 2 3 3 2 2 3 3 3 2 3 2 1 2 2 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 3 3 3 3 3 3 2 3 3 4 3 3 3 3 3 3 3
3 4 4 4 4 5 5 4 4 4 4 3 3 3 4 3 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 4 3 3 3 3 3 3 3 3 4 3 4 2 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
4 4 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
169
4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 2 3 3 3
3 3 3 2 3 3 3 3 3 3 3 3 3 2 2 2 3 3 3
4 4 3 4 3 3 4 4 3 3 3 4 3 4 4 5 3 3 3
4 3 2 3 3 4 4 2 2 2 2 4 2 2 2 1 3 3 3
4 3 4 4 4 4 4 3 3 4 3 4 4 4 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4 2 4 4 4 3 5 4 4 4
3 3 3 3 3 3 3 4 3 3 3 3 3 3 2 2 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5
4 4 4 4 4 4 4 3 3 3 3 4 3 3 3 1 4 4 4
3 3 3 3 3 3 4 3 4 4 4 3 3 3 4 4 4 4 4
4 4 4 4 4 4 3 3 3 4 4 4 4 3 3 3 4 4 4
3 4 4 3 4 4 3 3 3 3 3 3 3 3 3 2 3 3 3
4 3 3 4 3 4 3 3 3 2 3 4 3 3 4 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 5 5 4 4 4 4 4 4 5 5 5 5 3 2 3 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 3 4 3 4 4 4 3 3 4 4 4 3 3 3 3 4 3 4
170
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 3 3 3 4 4 4 3 3 3 3 4 4 4 3 2 4 4 4
4 5 4 3 4 4 4 5 5 5 5 4 4 4 5 5 4 3 5
4 4 5 4 4 4 4 3 3 4 4 5 5 5 4 5 4 4 5
2 2 2 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2
171
Lampiran 4
Hasil Wawancara
172
Responden : Ahmad Yani, S.T
Jabatan : Asisten Manajer HCIS (Human Capital Information
System)
Pewawancara : M Hasbi Hilmi
Tanggal : 1 September 2018
Tempat : Ruang rapat HC Kimia Farma
P: Bagaimana sejarah awal mula penerapan sistem aplikasi kepegawaian hingga
KIFEST di Kimia Farma?
J: awalnya 2015 diperkenalkan digitalisasi kepegawaian dengan nama HCIS,
setelah berjalan hampir 3 tahun pada 2017 disepakati oleh divisi IT dan divisi
HC terkait IT master plan di Kimia Farma maka dicanangkan sebuah sistem
terintegrasi untuk keperluan karyawan dan perusahaan dan menggunakan
sistem sigle sign on (SSO). Jadi awal develop KIFEST ini pada awal 2017 dan
setelah di uji coba beberapa kali baru di launching pada pertengahan 2018.
P: Apa fungsi dari aplikasi KIFEST?
J: fungsi KIFEST seperti dikatakan tadi, keunggulan fitur single sign on yang
akan memangkas ingatan para user dalam mengingat sistem informasi yang
ada di perusahaan ini. Jadi dengan fitur yang ada hampir semua keperluan
karyawan terhadap perusahaan harus diakses melalui aplikasi KIFEST.
P: Apa tujuan dari penerapan aplikasi KIFEST
J: tujuannya jelas untuk memudahkan pegawai dalam mengakses aplikasi dan
juga untuk kemudahan dalam mengelola data pegawai, karena kedepannya
173
akan menjadi satu big data bagi perusahaan sehinggan analisa untuk human
development lebih tersusun rapi.
P: Apa saja kendala yang ada dalam diterapkannya sistem aplikasi KIFEST?
J: karena masih tahap pengembangan, beberapa aplikasi belum optimal
dijalankan dan terkadang terjadi crash database misalnya bpjs ketenakerjaan,
informasi mutasi dan promosi tidak up date, informasi ttg bpjs, yang sekarang
berfungsi hanya e-pay, absensi online cuti on line.
P: Apa harapan untuk sistem aplikasi KIFEST?
J: harapannya semoga aplikasi ini menjadi lebih baik kedepannya, meski
diketahui beberapa kendala teknis semoga saja memberikan rasa puas bagi para
pengguna dan juga dapat diterima sebagai aplikasi penunjang aktifitas
perusahaan.
174
Responden : Dra. Rosrini, Apt.
Jabatan : Manajer Human Capital Operation
Pewawancara : M Hasbi Hilmi
Tanggal : 23 Oktober 2018
Tempat : Ruang kerja manajer HCO
P: Bagaimana pandangan Anda terkait aplikasi KIFEST?
J: KIFEST bagi saya merupakan sebuah trobosan baru dalam pengelolaan
administrasi karyawan di perusahaan ini. Hadirnya aplikasi ini tentu saja
membawa perubahan positif karena disamping fitur unggulannya yaitu single
sign on juga aplikasi ini membuat efesiensi penggunaan aplikasi perusahaan
semakin meningkat. Semua aplikasi terintegrasi dalam satu aplikasi KIFEST
ini dan juga dapat diakses dari ponsel pintar juga.
P: Jika diperkenankan, boleh saya mengetahui jumlah karyawan di Kimia Farma
serta berapa jumlah pengguna KIFEST?
J: Jika total seluruh karyawan kimia farma beserta seluruh anak perusahaannya
ada sekita 8700 karyawan, diantaranya hanya sekitar 460 yang berkantor di
kantor pusat ini. Lainnya tersebar di seluruh penjuru Indonesia. Dan seluruh
karyawan adalah pengguna KIFEST karena proses absensi dan penggajian
mereka berada di aplikasi ini.
P: Apa tujuan dari penerapan aplikasi KIFEST?
J: tujuannya seperti tadi dikatakan untuk proses monitoring absensi dan
penggajian karyawan melalui aplikasi KIFEST, dan juga fungsi-fungsi lain
175
yang memang berhubungan dengan proses bisnis di perusahaan ini agar
menjadi lebih efisien dan efektif.
P: Apa saja kendala yang ada dalam diterapkannya sistem aplikasi KIFEST?
J: kendala yang muncul tentu saja saya mendapat laporan beberapa karyawan
yang berusia sudah lankut merasa kesulitan beradaptasi, kemudian ada lporan
juga bahwa integrasi antara satu aplikasi dan aplikasi lain dalam KIFEST masih
ada kekurangan, ini yang patut diselidiki bagaimana dan apa yang harus
dilakukan.
P: Apa harapan untuk sistem aplikasi KIFEST?
J: harapannya menjadi lebih bisa diterima oleh semua karyawan dan sesuai
dengan tujuan awal yakni menciptakan efisiensi dan efektifitaas dalam
menyelesaikan pekerjaan.
176
Responden : Subiantoro, S.Kom
Jabatan : Pelaksana Strategi Pengembangan IT
Pewawancara : M Hasbi Hilmi
Tanggal : 25 Oktober 2018
Tempat : Ruang kerja IT
P: Membangun aplikasi KIFEST ini awalnya bagaiamana?
J: Pengembangan aplikasi ini awalnya dari sistem kepegawaian yang berdiri
sendiri, sistem penggajian, sistem absensi, sistem surat menyurat dan sistem
lain yang sebetulnya bisa terintegrasi tapi dibuat sebagai sistem yang berbeda
beda, akhirnya saya dan tim merumuskan bagaimana membuat sistem yang
terintegrasi lalu lahirlah ide membuat aplikasi employee service yang diberi
nama KIFEST ini.
P: Sampai hari ini berapa sih pengguna yang sudha mengakses KIFEST dan
berapa pengguna aktif setiap harinya?
J: per hari ini hampir 7000 pengguna telah minimal tiga kali mengakses aplikasi
KIFEST, dan hampir 5000 menjadi pengguna aktif setiap harinya.
P: Khusus untuk pengguna atau karyawan yang berkantor di kantor pusat sendiri
berapa persen yang menjadi pengguna aktif?
J: hampis 97% menjadi pengguna aktif atau sekitar 400 user aktif setiap harinya.
P: Apa saja kendala yang ada dalam diterapkannya sistem aplikasi KIFEST?
177
J: Proses integrasi antar aplikasi membutuhkan waktu sehingga memunculkan
laporan kendala dari berbagai divisi terkait integrasi aplikasi ini dengan sistem
yang dimiliki divisi
P: Apa harapan untuk sistem aplikasi KIFEST?
J: harapannya menjadi aplikasi yang terintegrasi dengans seluruh aplikasi yang
digunakan di perusahaan ini
178
Lampiran 5
Surat-Surat Pendukung Penelitian
179
180
181
182