Abstrak. Kata kunci : Structural Equation Modeling (SEM), Bayesian, Perceived Usefulness (PU), Perceived Ease of Use (PEU)

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

(M.8) ANALISIS FAKTOR YANG MEMPENGARUHI PERSEPSI MANFAAT DAN PERSEPSI KEMUDAHAN PENGGUNAAN PETA BER-GEOREFERENCE PADA PELAKSANAAN SENSUS PENDUDUK 2010 DENGAN MENGGUNAKAN PENDEKATAN SEM BAYESIAN Lukitoningtyas 1*, Nur Iriawan 2

Mahasiswa Magister Statistika, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia1* [email protected] Jurusan Statistika, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia 2

Abstrak Pada tahun 2008 BPS melakukan pembaharuan peta dalam rangka pelaksanaan Sensus Penduduk 2010, sebagai tindak lanjut dari proses tersebut diperlukan adanya alat ukur untuk mengetahui manfaat dan tingkat kemudahan teknologi yang baru diterapkan dalam bidang pemetaan. Diketahui bahwa persepsi manfaat (perceived usefulness/PU) dan persepsi kemudahan penggunaan (perceived ease of use/PEU) dipercaya menentukan sikap dan derajat penggunaan suatu Teknologi Informasi (TI). Selain PU dan PEU, intervensi variabel eksternal secara tidak langsung juga memiliki pengaruh. Selanjutnya hubungan sebab akibat antara PEU, PU dan variabel eksternal dimodelkan dengan menggunakan pendekatan SEM Bayesian. Kelebihan pendekatan bayesian untuk SEM adalah: berfokus pada data individu; mengurangi ketergantungan pada teori asimtotik normal; lebih mudah diaplikasikan untuk kasus yang komplek; dapat digunakan untuk model dengan hubungan tidak linier; dapat digunakan untuk jenis data dikotomus dan data kategori; dan tetap reliable untuk ukuran data kecil.

Kata kunci : Structural Equation Modeling (SEM), Bayesian, Perceived Usefulness (PU), Perceived Ease of Use (PEU).

1. Pendahuluan Manfaat peta dalam sensus adalah untuk mengidentifikasi letak atau alamat dari responden yang dicacah (United Nations, 2000). Selain itu, peta juga sangat strategis untuk menghindari kesalahan cakupan yang dapat berupa lewat cacah (omission) atau ganda cacah (double counting) (BPS, 2008). Setelah proses pencacahan selesai, peta digunakan untuk visualisasi hasil sensus, mendukung demografi kewilayahan dan indikator sosial dari suatu wilayah (United Nations, 2000). Selama ini Peta yang digunakan BPS masih berupa sketsa peta yang belum bergeoreference. Peta belum menggunakan skala yang sesuai dengan letak daerah tersebut pada permukaan bumi (BPS, 2008). Pada tahun 2008 BPS melakukan pembaharuan peta dalam rangka pelaksanaan Sensus Penduduk 2010, sebagai tindak lanjut dari proses tersebut diperlukan adanya 166

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

alat ukur untuk mengetahui manfaat dan tingkat kemudahan teknologi yang baru diterapkan dalam bidang pemetaan. Menurut Davis (1989) persepsi manfaat (perceived usefulness/PU) dan persepsi kemudahan penggunaan (perceived ease of use/PEU) dipercaya menentukan sikap dan derajat penggunaan suatu Teknologi Informasi (TI). Dishaw dan Strong (1998) menunjukkan bahwa intervensi variabel eksternal secara tidak langsung mempengaruhi PEU dan PU. Variabel eksternal dipilih sesuai dengan technology features, keadaan penelitian, dan tujuan riset. Hubungan sebab akibat antara PEU, PU dan variabel eksternal dimodelkan dengan suatu metode. Para peneliti menggunakan berbagai metode untuk uji asumsi dan pembentukan model, misalnya Davis (1989) mengadopsi analisis faktor, Stan dan Saporta membandingkan Structural Equation Modeling (SEM) dengan Partial Least Squares (PLS) dan Linear Structural Relationship (LISREL), Green, Hevner dan Collin (2005) menggunakan model PLS, Handy, Whiddett dan Hunter (2001) menggunakan analisis regresi. Dan adopsi SEM untuk pembentukan model dilakukan oleh Kim, Park dan Lee (2007). Dalam makalah ini, untuk memodelkan hubungan antara PEU, PU dan variabel eksternal menggunakan pendekatan SEM Bayesian. Menurut Lee (2007) kelebihan pendekatan bayesian untuk SEM adalah: berfokus pada data individu; mengurangi ketergantungan pada teori asimtotik normal; lebih mudah diaplikasikan untuk kasus yang komplek; dapat digunakan untuk model dengan hubungan tidak linier; dapat digunakan untuk jenis data dikotomus dan data kategori; dan tetap reliable untuk ukuran data kecil.

2. Model dan Hipotesis Dalam penggunaan TI, perceived ease of use (PEU) adalah suatu ukuran dimana seseorang percaya bahwa TI mudah dipahami dan digunakan. Sedangkan perceived usefulness (PU) adalah suatu ukuran dimana penggunaan suatu teknologi dipercaya akan mendatangkan manfaat dan meningkatkan kinerja bagi orang yang menggunakannya (Davis, 1989). PEU berpengaruh langsung kepada PU. Dalam penelitian ini kami mengidentifikasi variabel eksternal yang berpengaruh pada PEU dan PU berdasarkan analisis sejenis yang telah dilakukan oleh peneliti-peneliti sebelumnya, yaitu: kualitas teknologi informasi, kemampuan sistem, dukungan organisasi dan kompleksitas teknologi. 2.1. Kualitas Teknologi Informasi (KTI) Kualitas didefinisikan sebagai kriteria pengguna berkaitan dengan keunggulan suatu teknologi informasi, dimana kualitas yang baik merujuk pada anggapan bahwa teknologi dapat memenuhi harapan pengguna, atau pelayanan yang diberikan dapat memuaskan pengguna (Chang, Li, Hung, dan Hwang, 2005). 2.2. Kemampuan Sistem (KS) Kemampuan sistem diukur dengan menggunakan tingkat efesiensi, efektifitas, dan reliabilitas dari sistem (Basaglia, Caporarello, Magni dan Pennarola, 2010). Suatu teknologi tidak secara eksplisit mempertimbangkan bagaimana harapan pengguna, tetapi kemampuan sistem akan mempengaruhi perilaku mereka. 2.3. Dukungan Organisasi (DO) Faktor organisasi dipilih sebagai eksternal variabel untuk mencerminkan dukungan dan promosi organisasi dalam penerimaan suatu teknologi informasi (Kim, dkk, 2007). Bentuk 167

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

dukungan organisasi diwujudkan dalam sumber daya dan bantuan yang diberikan organisasi dalam proses penerimaan suatu teknologi informasi. 2.4. Kompleksitas Teknologi (KT) Kompleksitas teknologi mengacu kepada sejauh mana tingkat kesulitan suatu teknologi untuk dipahami dan digunakan.Secara umum tingkat kompleksitas suatu teknologi mempengaruhi persepsi tingkat kemudahan pengguna, sebab kapasitas pemrosesan informasi manusia secara alami mengalami keterbatasan, maka tingkat kompleksitas yang tinggi harus diatasi dan menjadi perhatian utama (Teo, 2009).

Gambar 1. Model Penelitian Berdasarkan pada uraian diatas, hipotesis yang digunakan dalam penelitian ini adalah: Hipotesis 1. Kualitas Teknologi mempengaruhi Perceived Usefulness (PU) Hipotesis 2. Kemampuan sistem mempengaruhi Perceived Usefulness (PU) dan Perceived Ease of Use (PEU) Hipotesis 3. Dukungan organisasi berpengaruh langsung pada Perceived Usefulness (PU) dan Perceived Ease of Use (PEU) Hipotesis 4. Kompleksitas teknologi berpengaruh langsung pada Perceived Ease of Use (PEU) Hipotesis 5. Perceived Ease of Use (PEU) berpengaruh langsung pada Perceived Usefulness (PU)

3. Estimasi Bayesian dalam SEM Pendekatan Bayesian untuk SEM tidak menggunakan matrik kovarians dari data, tetapi menggunakan row data asli (Lee, 2007). Misalnya untuk persamaan pengukuran: (1) 6G  ‰Š ‹G % ŒG

dengan, Š adalah vektor =  , indikator untuk variabel laten eksogen  Ž yang berukuran  . Matrik ‰Š adalah koefisien struktural yang menghubungkan variabel laten dengan variabel observasi. Vektor  merupakan ukuran error untuk Š. 168

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

Jika didefinisikan   B‰Š  ‘  ’Cadalah himpunan parameter yang tidak diketahui. Misalkan ‰Š“ ” adalah baris ke-k dari ‰Š dan •– adalah elemen diagonal dari ‘ , maka diperoleh prior: n n  B‰Š“ ™•–g C—†B‰Šš“  •–g ›šŠ“ C •–g —Y k*.'˜,

,Q–g  U–g F œ —=žš  Ÿ 

(2)

n n dimana Q–g  U–g Q–g  U–g adalah elemen didalam ‰Šš“ dan ›šŠ“ adalah hiperparameter dan dengan matrik positif definit. =žš  Ÿ  adalah distribusi Wishart berdimensi q hiperparameter Ÿ dan žš adalah matrik positif definit. Misalkan  ¡“ adalah baris ke-k dari X, ¢ adalah matrik dari variabel laten, £Š“  F¤ F ›F¤ šŠ“ % ¢¢” , ¥“  £Š“ ›šŠ“ ‰Šš“ % ¢ “  dan juga diketahui bahwa U–g  U–g % F¤ F  ¡“  “ \ ¥¡“ £F¤ Selanjutnya distribusi bersyarat dari Š“ ¥“ % ‰Šš“ ”›šŠ“ ‰Šš“ . F B‰Š“  •–g ™  ¢Cakan berdistribusi Normal-gamma.

F ™  ¢C—˜,

, H % Q–g  U–g M B•–g  F C—†B,g  •–g £“ C B’™  ¢C—Y=a[¢¢¡ % žF¤ B‰Š“ ¦  ¢ •–g š ] % Ÿ c$

(3)

Pendekatan SEM Bayesian untuk data kategori diskrit adalah dengan menganggapnya sebagai observasi yang berasal dari distribusi kontinyu normal yang tersembunyi dengan mengaplikasikan suatu nilai threshold §  §¤  X  §¨ . Pendekatan threshold untuk analisisnya adalah dengan memperlakukan data kategori sebagai manifestasi dalam variabel normal x, karena x tidak tersedia, maka x akan berhubungan dengan data kategori h. Selanjutnya dihitung:

-§“   “ ™©“   ¢ ª

^

 « ¬ ­•®g 6Gg GT F

\ N®g \ ‰¯®g ŽG ° YHi

±²J± i±²J± ³L M

7Gg 

(4)

dengan, Y| 7 adalah fungsi indikator dari y (sama dengan 1 jika 7 ´ dan 0 untuk lainnya) dan ¬$  adalah suatu densitas normal standar. Terakhir menghitung distribusi posterior bersama B§  Ω µ™¶ ·C dengan menggunakan simulasi Gibbs Sampler yang merupakan jenis dari simulasi markov chain (Gelman, Carlin, Stern dan Rubin, 2004). Dimulai dari suatu inisial nilai §    Ω  µ  , selanjutnya untuk iterasi ke- akan sama dengan:

Langkah 1: Bangkitkan Ω¸D dari -Ω™¸  §¸  µ ¸  ¶ ·; Langkah 2: Bangkitkan • ¸D dari -•™Ω¸D  §¸  µ ¸  ¶ ·; Langkah 3: Bangkitkan (• ¸D  ¹ ¸D  dari -§ µ™¸D  Ω¸D  ¶ ·.

4. Metode Penelitian Berdasarkan model penelitian pada Gambar 1 dan hipotesis penelitian yang telah dijelaskan pada bagian sebelumnya, maka untuk memperoleh model persepsi kemudahan dan persepsi kemanfaatan dari peta ber-georeference yang digunakan pada pelaksanaan SP2010 adalah dengan melakukan survei pada 23 kabupaten/kota di Provinsi Sulawesi Selatan dengan jumlah sampel sebanyak 304 responden. Dari jumlah tersebut, data yang lengkap dan dapat 169

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

digunakan dalam analisis ini adalah sebanyak 202 responden. Kuesioner yang digunakan dalam penelitian, dapat dilihat pada Tabel 1.

5. Hasil dan Pembahasan Berdasarkan data yang diperoleh melalui survei untuk menguji hipotesis penelitian dan membentuk model, maka SEM untuk penelitian ini mengandung empat variabel laten eksogen Ž  Ž  Ž  Ž yang merujuk pada variabel ekternal dan dua variabel laten endogen º  º untuk PU dan PEU. Semua variabel laten dalam penelitian diukur dengan 22 variabel observasi seperti pada Tabel 1. 5.1. Uji Reliabilitas dan Validitas Semua penelitian yang akan mengukur sesuatu, harus memperhatikan tingkat akurasi yang biasa disebut sebagai ukuran reliabilitas. Tinggi rendahnya reliabilitas ditunjukkan oleh suatu angka yang disebut nilai koefisien reliabilitas, yaitu nilai alpha Cronbach (Cronbach, 1951). Sifat reliabilitas adalah merupakan skor pengukuran dan tergantung dari sampel (Gliem dan Gliem, 2003). Reliabilitas tidak mencerminkan validitas, ukuran reliabilitas adalah mengukur sesuatu secara konsisten, tetapi belum tentu mampu mengukur apa yang akan diukur. Seperti akurasi dan presisi, maka reliabilitas adalah presisi, dan validitas adalah akurasi. Validitas ditunjukkan oleh korelasi antara masing-masing pertanyaan dengan skor total dengan menghitung korelasi perkalian momen (product moment correlation). Nilai reliabilitas dan validitas dari komponen-komponen yang digunakan dalam penelitian ditunjukkan oleh Tabel 2. Tabel 1. Daftar pertanyaan pada kuesioner yang digunakan dalam penelitian

Variabel

Pertanyaan tentang persepsi pengguna peta

KTI1 (6 ) KTI2 (6 )

Peta ber-georeference telah sesuai bentuk aslinya di lapangan Peta ber-georeference telah lengkap (legenda, atribut, batas wilayah dan identitas) KTI3 (6 ) Peta ber-georeference lebih efektif dan efisien dalam penyimpanan KTI4 (6 ) Peta ber-georeference secara kualitas lebih baik KTI5 (6z ) Peta ber-georeference lebih handal (jumlah peta yang salah berkurang) Peta ber-georeference jelas dan tidak saling tumpang tindih KS1 (6! ) Peta ber-georeference meningkatkan kualitas hasil dari sensus/ survei KS2 (6» ) Peta ber-georeferencememberikan informasi yang berguna bagi KS3 (6¼ ) organisasi Peta ber-georeference meminimalkan lewat cacah dan ganda cacah KS4 (6½ ) DO1 (6 ) Atasan seharusnya mewajibkan menggunakan peta ber-georeference pada setiap kegiatan pencacahan DO2 (6 ) Kantor seharusnya menyediakan alat, bantuan dan fasilitas untuk pemetaan DO3 (6 ) Seharusnya ada staf khusus yang menangani masalah peta KT1 (6 ) Peta ber-georeference tidak sulit dibaca KT2 (6 ) Peta ber-georeference mudah digunakan 170

KT3 (6z ) PEU1 (7 ) PEU2 (7 ) PEU3 (7 ) PU1 (7 )

PU2 (7z ) PU3 (7! ) PU4 (7» )

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

Peta ber-georeference tidak rumit Peta ber-georeferencemudah digunakan dan lebih powerfull Peta ber-georeference jelas dan mudah dipahami oleh pengguna Peta ber-georeference dapat dengan mudah memenuhi apa yang diinginkan dan lebih fleksibel Peta ber-georeference memungkinkan kegiatan pencacahan selesai dalam jangka waktu yang lebih cepat Peta ber-georeference menambah bukti/bahan yang akan mendukung dalam pengambilan keputusan Peta ber-georeference menunjukkan control (pengawasan) yang lebih pada kegiatan sensus/survei Peta ber-georeference mendukung aspek penting dalam pekerjaan (BS lebih mudah ditemukan)

Dari Tabel 2 dapat dilihat bahwa untuk semua variabel eksternal, PU dan PEU semua memiliki nilai alpha cronbach lebih besar dari 0,7. menurut George dan Mallery (2003) dalam tulisan Gliem dan Gliem (2003) nilai dari Q dapat disimpulkan sebagai berikut: jika Q < w berarti baik dan untuk Q < y dianggap dapat diterima. Sedangkan untuk korelasi antara setiap komponen dengan total komponen seluruhnya bernilai positif, artinya ketepatan dan kecermatan pertanyaan dalam melakukan fungsi ukurnya cukup baik, sehingga data yang diperoleh dapat mencapai tujuan penelitian.

Tabel 2. Nilai Validitas dan Reliabilitas dari variabel penelitian

Variab el

Vali ditas

(1)

(2)

0,706 5

KTI KTI1 (6 ) KTI2 (6 ) KTI3 (6 ) KTI4 (6 ) KTI5 (6z ) KT

Relia bilita s (3)

Variab el

Vali ditas

(1)

(2)

0,7558 0,5866

KS

0,7472 0,7437

0,742

0,703 4

DO DO1 (6 ) DO2 (6 ) DO3 (6 )

0,5605

Relia bilita s (3)

171

Vali ditas

(1)

(2)

Relia bilita s (3) 0,822 4

PEU

PEU1 (7 )

0,840 9 0,798 PEU2 (7 ) 9 0,957 PEU3 (7 ) 7

0,771 8 0,855 7 0,749 6

KS1 (6! ) 0,787

Variabe l

0,725 2

0,731 5

PU

PU1 (7 )

0,696

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

KT1 (6 ) KT2 (6 ) KT3 (6z )

9 0,8094 0,7835 0,8514

0 0,779 KS2 (6» ) 0 0,726 KS3 (6¼ ) 0 0,670 KS4 (6½ ) 5

PU2 (7z )

PU3 (7! ) PU4 (7» )

2 0,741 2 0,678 7 0,894 4

5.2. S EM Bayes ian dari Mode l

Penelitian Untuk data kategori, yang diperlukan dalam analisis dan estimasi Bayesian adalah frekuensi dan proporsi untuk setiap kategori yang diperlukan untuk menentukan threshold (Q). Tabel 3 menunjukkan frekuensi untuk setiap kategori pada masing-masing pertanyaan untuk membentuk threshold yang berdistribusi N[0,1]. Jumlah kategori untuk setiap pertanyaan pada penelitian adalah antara 3 dan 5. Tabel 3. Frekuensi untuk masing-masing pertanyaan dalam penelitian Frekuensi Frekuensi Variabel Variabel 1 2 3 4 5 1 2 3 4 (1) (2) (3) (4) (5) (6) (1) (2) (3) (4) (5) KTI1 (6 ) 1 KTI2 (6 ) 0 KTI3 (6 ) 1 KTI4 (6 ) 4 KTI5 (6z ) 2 KS1 (6! ) 0 KS2 (6» ) 0 KS3 (6¼ ) 14 KS4 (6½ ) 6 DO1 (6 ) 5 DO2 (6 ) 11

42 75 72 4 20 41 5 39 46 9 18 28 0 23 40 2 31 79 7 62 100 92 96 75 121 48 149 46 145 -

12 137 111 143 137 90 33 -

DO3 (6 ) KT1 (6 ) KT2 (6 ) KT3 (6z ) PEU1 (7 ) PEU2 (7 ) PEU3 (7 ) PU1 (7 ) PU2 (7z ) PU3 (7! ) PU4 (7» )

18 2 14 24 1 0 1 33 5 3 29

132 68 126 113 12 7 31 59 45 33 64

52 132 62 65 50 82 38 63 39 104 110 152 166 109 -

5 (6) 57 94 27 -

Untuk estimasi parameter model dengan pendekatan SEM Bayesian, harus ditentukan nilai hiperparameter yang akan digunakan untuk membentuk distribusi prior. Nilai hiperparameter diasumsikan diketahui berdasarkan informasi dari studi-studi sebelumnya atau dari sumber lain yang mendukung. Pada penelitian ini kami menggunakan prior sebagai berikut: •–g —Y˜B‰Š“ ™•–g C—†B$ v•–g C dan       À  Á œF —= ¾¿          

172

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

Selanjutnya pengolahan data untuk memperoleh estimasi parameter pada model penelitian dilakukan dengan bantuan paket program WinBugs 14 dan hasilnya seperti pada Tabel 4. Dengan iterasi sebanyak 5000, telah mencapai burn in untuk semua parameter dalam model. Tabel 4. Estimasi Parameter model Var. Nilai Var. Nilai (1) (2) (1) (2) U Ã Ã Ã Ã Ãz Ã! q q q q

0,633 0,479 0,606 0,744 0,189 0,240 0,179 1,345 1,311 1,302 1,069

qz q! q» q¼ q½ q q q q q qz

Var. (1)

Nilai (2)

q! Â Â Â Â Âz Â! » ¼ ½ Â

1,245 1,229 1,176 1,262 1,387 1,329 1,182 0,704 0,920 0,813 0,760

0,926 1,198 1,760 1,648 1,688 1,347 1,725 1,825 1,563 1,454 1,633

Var. (1)     Âz Â! » ¼ ½   Â

Nilai (2) 1,847 1,443 1,88 1,703 1,875 1,341 1,608 1,414 1,281 1,785 1,667 1,881

Berdasarkan hasil pada tabel diatas, maka model hubungan antara PEU, PU dan variabel Ekternal untuk penggunaan peta ber-georeference dalam pelaksanaan SP 2010 di BPS Kabupaten/kota di Provinsi Sulawesi Selatan adalah seperti pada Gambar 2. δ1 x1

δ2

δ3

δ4

x2

x3

x4

1 1,35 1.31 1,30

δ6

x6 x7

δ8

x8

δ10 δ11 δ12

x5 1.07

ε4

ε5

ε6

ε6

y4

y5

y6

y7

ξ1

δ7

δ9

δ5

0.48

1.25

1

ξ2

1.22 1.18

0.81 0.76

0.93

ζ2

0.61

1

x9 x10 x11

0.74 1.26 1.39

δ13

x13

δ14

x14

δ15

x15

ξ3

1

x12

0.63

0.19

ζ1 0.24

η1 0.18

1.33

1

ξ4

0.7

0.92

1

y1

y2

y3

ε3

ε2

ε1

1.18

Gambar 2. Model Penelitian yang dihasilkan Pada Tabel 4 dan Gambar 2, dapat dilihat bahwa secara umum nilai faktor loading q sangat signifikan pada selang kepercayaan 95%, dimana semua nilai q lebih besar dari 0,5. 173

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

Selanjutnya kemampuan sistem pemetaan (Ž ) memiliki hubungan positif paling kuat dengan PU (º ) dan PEU (º ) yang ditunjukkan oleh nilai à   dan à  y. Pengaruh positif yang kuat pada PU juga ditunjukkan oleh kualitas teknologi pemetaan (Ž) dengan à  w. Dua variabel eksternal lainnya, yaitu dukungan organisasi (Ž ) dan kompleksitas teknologi (Ž ) juga memiliki hubungan positif dengan PU dan PEU, walaupun hubungannya tidak kuat (Ã!  v Ãz   à  v). Terakhir, PEU memiliki hubungan yang kuat dengan PU, dengan nilai U sebesar 0,63.

6. Kesimpulan Berdasarkan dari informasi pada bagian hasil dan pembahasan, dapat disimpulkan bahwa faktor yang sangat berpengaruh pada persepsi manfaat dan persepsi kemudahan penggunaan peta ber-georeference dalam pelaksanaan SP 2010 di BPS Kabupaten/Kota di Provinsi Sulawesi Selatan adalah kualitas dan kemampuan dari teknologi pemetaan. Persepsi pengguna yang berhubungan dengan kualitas peta adalah: kesesuaian peta dengan daerah aslinya, kelengkapan peta, kualitas peta yang lebih baik, tingkat kehandalan, dan efektifitas dan efisiensi dalam penyimpanan. Selanjutnya pengguna mengharapkan peta yang mampu meningkatkan kualitas hasil sensus, jelas dan tidak saling tumpang tindih, peta yang dapat memberikan informasi bagi organisasi, dan meminimalkan lewat cacah dan ganda cacah. Persepsi langsung pengguna tentang manfaat peta adalah bahwa dengan peta dimungkinkan pencacahan akan lebih cepat selesai, peta dapat digunakan sebagai bahan dalam pengambilan keputusan, peta dapat meningkatkan pengawasan, dan mendukung aspek penting dalam pekerjaan. Persepsi pengguna tentang tingkat kemudahan penggunaan peta terbukti memiliki pengaruh signifikan terhadap persepsi manfaat. Ukuran yang digunakan adalah bahwa peta lebih mudah digunakan, jelas dan mudah dipahami, dan peta dapat memenuhi keinginan pengguna. Dari hasil penelitian ini, faktor-faktor yang tersebut di atas diduga menentukan sikap dan derajat penggunaan peta ber-georeference pada pelaksanaan SP2010 di BPS Kabupaten/Kota di Provinsi Sulawesi Selatan.

7. Penghargaan Penghargaan setinggi-tingginya diberikan kepada BPS yang telah memberikan kesempatan kepada penulis untuk memperluas wawasan dalam bidang keilmuan statistika, kepada BPS Provinsi Sulawesi Selatan yang telah berpartisipasi dalam pengisian kuesioner untuk penelitian ini dan kepada Prof.Drs. Nur Iriawan, M.Ikom, Ph.D yang telah bersedia membimbing hingga terselesaikannya penelitian ini. 8. Daftar Pustaka Badan Pusat Statistik (2008), Pemetaan SP2010: Pedoman Instruktur Nasional/ Instruktur Daerah, BPS, Jakarta. Basaglia, S., Caporarello, L., Magni, M., Pennarola, F., (2010), “IT knowledge integration capability and team performance: The role of team climate”, International Journal of Information Management, Italy. Chang, I.C., Li, Y.C., Hung, W. F., dan Hwang, H.G. (2005).“An empirical study on the impact of quality antecedents on tax payers’ acceptance of Internet tax-filing systems”, 174

Prosiding Seminar Nasional Statistika Universitas Padjadjaran, 13 November 2010

Government Information Quarterly, Department of Information Management, National Chung Cheng University, Taiwan. Cronbach, L.J, (1951).”Coefficient Alpha and The Internal Structure of Tests”, Journal of Psychometrika volume 16 No.3, University of Illinois. Davis, F. D., (1989). “Perceived of Usefulness, Perceived Ease of Use and User Acceptance of Information Technology”, MIS Quarterly, 13, 318-339. Dishaw, M.T.,dan Strong, D.M., (1998). “Experience as a Moderating Variable in a TaskTechnology Fit Model,” In Fourth AmericasConference on Information Systems, Baltimore, MD: Association for Information Systems, pp. 722-724. Gelman, A., Carlin, B.J., Stern, H.S. dan Rubin, D.B. (2004), Bayesian Data Analysis: Second Edition, Chapman and Hall/CRC, USA. Gliem, J.A., dan Gliem, R.R. (2003), “Calculating, Interpreting, and Reporting Cronbach’s Alpha Reliability Coefficient for Linkert-Type Scales, Midwest Research to Practice Conference in Adult, Continuing, and Community Education. Green, G., Hevner, A., dan Collins, W. (2005). “The impacts of quality and productivity perceptions on the use of software process improvement innovations”, Journal of Information and Software Technology, University of South Florida, Tampa. Handy, J., Whiddett, R. dan Hunter, I., (2001), “A Technology Acceptance Model for InterOrganisational Electronic Medical Record Systems”, Journal, Massey University, Selandia Baru. Kim,B.G., Park,S.C. dan Lee,K.J., (2007), “A structural equation modeling of the Internet acceptance in Korea”, Journal of Electronic Commerce Reseach and Applications, Namseoul University, Korea. Lee, S.Y., (2007), Structural Aquation Modeling: A Bayesian Approach, John Wiley and Son, West Sussex, England. Lee, Y.C., Li, M.L., Yen, T.M., Huang, T.H., (2010), “Analysis of adopting an integrated decision making trial and evalution laboratory on a technology acceptance model”, Journal of Expert System with Aplication, Chung-Hua University, Taiwan. Teo, T., (2009), “Modelling technology acceptance in education: A study of pre-service teachers”, Journal of Computers and Education, Nanyang Technology University, Singapore. United Nations (2000), Handbook on geographic information systems and digital map-ping, United Nations, New York. Stan, V. dan Saporta, G., “Customer satisfaction and PLS structural equation modeling. An application to automobile market”, Conservatoire National des Arts et M´etiers, Paris.

175