BAB IV DATA DAN ANALISIS

BAB IV DATA DAN ANALISIS 4.1. Implementasi ERP di PT. GMF AeroAsia 4.1.1. Pengertian SAP-Swift SAP-Swift adalah sistem SAP yang sudah dikonfigurasi secara best practice untuk bisnis perawatan pesawat terbang dengan mengacu pada bisnis proses yang sudah lengkap dan teruji dengan baik di semua fungsi yang ada di BAE (British Airways Engineering) yang sudah terbukti diimplementasikan, dan merupakan hasil kolaborasi dengan TATA Consultancy Services (TCS) sebagai partner. SAP-Swift juga memberikan solusi untuk bisnis proses yang lengkap dari semua fungsi, bukan hanya untuk proses E&M (Engineering & Maintenance), tetapi juga secara langsung terintegrasi dengan proses Finance dan Human Resources. SAP-Swift mempunyai empat modul yang saling keterkaitan, yaitu : 1. MRO ( Maintenance Repair and Overhaul) 2. FICO (Finance & Controlling) 3. SCM ( Supply Chain Management) 4. HCM (Human Capital Management) 4.1.2. Implementasi SAP-Swift Implementasi SAP-Swift di PT. GMF AeroAsia meliputi 6 tahapan yaitu: 1. Project Preparation ( persiapan proyek ), November – Desember 2012 2. Business Blueprint ( perencanaan/cetak biru bisnis ), Desember 2012 – Maret 2013 3. Realization and Testing ( realisasi dan pengujian ), Februari – November 2013 4. Final Preparation ( persiapan akhir ), September – Desember 2013 5. Go-Live, Januari 2014 6. Warranty Support ( melakukan garansi ), Januari – Desember 2014

44

http://digilib.mercubuana.ac.id/

Detail dari enam tahapan tersebut diuraikan sebagai berikut : 1. Project Preparation : a. Program

Governance

yaitu

penyusunan

tim

termasuk

Change

Management b. Setup Sandbox yaitu menyiapkan sistem mesin untuk training core user c. Demo Swift MRO Pre-Configured Solution, yaitu mendemonstrasikan SAP-Swift yang original dari British Airways Engineering d. High Level Gap Fit Analysis yaitu menganalisa gap antara SAP-Swift yang diterapkan di British Airways Engineering dengan sistem di GMF 2. Business Blueprint : a. Conduct Workshop (Role Based) yaitu menyelenggarakan workshop yang diikuti oleh core user dan perwakilan departemen b. Data Migration Strategy yaitu menyusun strategi migrasi data c. Setup

Development

Landscape

yaitu

menyusun

pengembangan

perencanaan per area kerja d. Identify Test Scenarios yaitu menyusun scenario test berupa integration test dan user acceptance test e. Core User Training yaitu melakukan training terhadap 47 core user f. Detailed Business Process / Gap Filment Analysis yaitu menyusun proses bisnis yang akan diiplementasikan pada SAP-Swift g. Finalize Business Process yaitu finalisasi terhadap proses bisnis yang ada di semua departemen 3. Realization and Testing : a. Solution Configuration yaitu melakukan tes dan realisasi proses bisnis b. FRICEW Development yaitu pengembangan form, report, interface, conversion, enhancement, dan workarround c. Data Migration – Cleansing / Transformation yaitu melakukan verifikasi data dan input data d. Role and Authorization Setup yaitu mengatur role dan otorisasi penggunaan T-code untuk transaksi e. Unit Testing yaitu melakukan pengujian role dan otorisasi berdasarkan fungsi

45


f. Setup of Test Server yaitu melakukan setup server quality untuk keperluan training dan tes lanjutan g. Data Migration – Rehearsal-1 yaitu migrasi data ke dalam server quality dan pengujian tahap pertama h. Perform Integration Cycle (IR1) yaitu pengujian sistem integrasi data di server quality tahap pertama i. Close Issues in IR1 yaitu menyelesaikan masalah-masalah pada pengujian pertama j. Validate IR1 yaitu melakukan validasi sistem integrasi k. End User Training yaitu melakukan training kepada end user l. Perform Integration Cycle (IR2) yaitu pengujian sistem integrasi data di server quality tahap kedua m. Close Issues in IR2 yaitu menyelesaikan masalah-masalah pada pengujian kedua n. Validate IR2 yaitu melakukan validasi sistem integrasi o. Peform Security Testing yaitu pengujian sistem keamanan p. Mock Data Migration - Rehearsal-2 yaitu pengujian sistem integrasi data di server production dengan menggunakan data yang seolah-olah data riil q. Perform Performance Testing for Critical Transactions yaitu melakukan pengujian transaksi MRO dengan SCM r. Close PSV Issues yaitu menyelesaikan masalah-masalah pada pengujian kedua s. User Acceptance Testing yaitu pengujian user acceptance pada masingmasing fungsi t. Resolve UAT Issues yaitu menyelesaikan masalah pada pengujian user acceptance 4. Final Preparation : a. Setting up of Pre-Production Environment yaitu melakukan setup server production b. Mock Rehearsal-1 yaitu simulasi Go-Live tahap pertama c. Review Go-Live Plans yaitu meninjau kembali perencanaan Go-Live

46


d. Setting up of Pre-Production Environment yaitu melakukan setup server production yang akan dipergunakan e. Mock Rehearsal-2 simulasi Go-Live tahap kedua f. Review Go-Live Plans yaitu meninjau kembali perencanaan Go-Live g. Go-Live Readiness Check yaitu melakukan pemeriksaan kesiapan Go-Live 5.

Go-Live

6. Warranty Support

4.1.3. Transaksi SAP-Swift Tabel 4.1. Transaksi untuk Base Maintenance Vice President Transaksi CN23 CN23 CNS41; ZIW39

Fungsi Mengetahui update dari projaet schedule Melihat Gantt-chart Mengetahui biaya yang sudah terjadi dalam project secara actual

ZIW39

Mengetahui persentase penyelesaian project, Melihat list order secara keseluruhan

IH08

Melihat material yg masuk dalam list Waiting to be used (WTU) Melihat komponen yg masuk dalam list Waiting to repair (WFR) Mengetahui list semua project yang sedang dikerjakan di TB, Mengetahui detail informasi dari revision

IH08 WPS1

Sumber : SAP-Swift Document (2015)

Tabel 4.2. Transaksi untuk Project Manager Transaksi CN23 & CN22 WPS1 ZIW39 ZIW39

Fungsi Preview , Edit, and Print Maintenance Gantt Chart Memeriksa Aircraft Maintenance ETS & STS Memeriksa Open, Progress, Closed Work Memastikan semua Job-cards & MDR's closed, Display daily menu,Memeriksa progress status


47


Tabel 4.3. Transaksi untuk Certifying Staff Transaksi

Fungsi

ZRAISEHANGDEF

Membuat MDR (Maintenance Discrepancy and Rectification)

LBK1

Membuat Tech log (AML) stetelah maintenance untuk item yang deferred Meng-close open tech log yang sudah diselesaikan di base maintenance Meng-close HIL (ADD) notification yang sudah diselesaiakn di base maintenacne Preview , Edit, and Print Maintenance Gantt Chart Mengetahui informasi notification Melakukan perubahan terhadap MDR maupun rectification order Memeriksa keberadaan material di gudang

CN23 & CN22 IW23/ ZIW29 IW32 MMBE

WPS1

Memeriksa Open, Progress, Closed Work Memeriksa status of revision Memeriksa schedule of revision, ETS, STST, and ATS Memeriksa daily menu Memeriksa completeness of order Set ATS

ZIW39, IW33

Memastikan All Jobcards & MDR's closed Display daily menu Memeriksa progress status

ZJCPRINT/ ZSEAL

Untuk melakukan print terhadap job card dan MDR


Tabel 4.4. Transaksi untuk Technician Transaksi

Fungsi

Bar Coding

Me-record actually man-hours used selama pengerjaan maintenance task

MMBE

Memberikan informasi material stock di GMF Store


48


Tabel 4.5. Transaksi untuk Production General Manager Transaksi

Fungsi

MMBE

Mengetahui stok material

LT24

Mengetahui semua transfer order yang harus segera di proses

VA03N/VA05N

Mengetahui status pemenuhan material terhadap order Mengetahui daftar list Purchase Order Mengetahui daftar Purchase Requisition Mengetahui ketersediaan material dalam satu revison atau lebih Mengetahui update dari schedule project Mengetahui material yg masuk dalam list Waiting to be used (WTU) & Waiting to repair (WFR) Mengetahui material yang telah expired, Mengontrol agar material di gudang tidak sampai expired Mengetahui daftar SO ( Sales Order )

VL06

Mengetahui material yang telah datang

IW13 / MD04 ME2M ME5A ZREVAVREV CN23 IH08/ MB52 MB5M


Tabel 4.6. Transaksi untuk Planning Engineer Transaksi CN22

Fungsi Mengubah dan mempublish network

ZREVCERTCARDS Printing control sheet ZSEAL

Printing job

ZIW38/ IW32

Melakukan pengubahan terhadap order

CJ03 IL03 MMBE WPS1

Memeriksa WBS dari project Memeriksa functional location Memeriksa ketersediaan material Membuat paket pekerjaan dalam project

ZDUWB

Mengupload notifikasi ke dalam revision


49


Tabel 4.7. Transaksi untuk Planning and Controling General Manager Transaksi

Fungsi

IW47

Mengetahui Produktivitas Man power

CNS41

Mengetahui Cost dalam sebuah project

ZREVAVREP

Mengetahui ketersediaan material dalam satu project/ revision

CN23

Menampilkan project dalam bentuk Barchart

IH08

Melihat material yg masuk dalam list Waiting to be used (WTU) & Waiting to repair (WFR)

IW13

Mengetahui pemenuhan material untuk setiap project atau setiap work center

MD04

Mengetahui antrian material

MMBE

Mengetahui stok material

WPS

Melihat kesesuaian pesawat di lapangan dan di system, Melihat availability slot secara system

WPS1

Mengetahui semua project/ revision yang ada di Base Maintenance

WPS1 / CN23

Mengetahui schedule (Plan, STS, ETS, ATS) setiap project

WPS1 / ZIW39

Mengetahui persentase penyelesaian project secara aktual

ZIW39 / IW33

Melihat created order dalam 1 project atau secara keseluruhan project


50


Tabel 4.8. Transaksi untuk Engineer Transaksi

Fungsi

ZIW39 IW32 MMBE ZJCPRINT, ZSEAL ZRAISEHANGDEF

Memeriksa status of order Meng-edit order yang telah dibuat untuk component, RO, etc Give information the material stock in GMF Store Senior Technician responsible for searching maintenance manual and print it if required Senior Technician create MDR through SWIFT after found defect during maintenance

Senior Technician responsible for creating Rectification Order (RO) while create MDR, Ask ZRAISEHANGDEF assistance from PE if any complex MDR that require PE assistance ZRAISEHANGDEF

Record actually man-hours used during performed maintenance task

Insert material in the order if rectification require ZRAISEHANGDEF material, Inform PE if any material PN not exist in SWIFT Sumber : SAP-Swift Document (2015)

Tabel 4.9. Transaksi untuk Maintenance Shift Manager / Production Manager Transaksi

Fungsi

IW23/ ZIW29

Melakukan perubahan terhadap MDR maupun rectification order Preview , Edit, and Print Maintenance Gantt Chart Melihat kesiapan kapasitas manpower yang ada untuk mengerajakan load dalam satu work center Mengetahui informasi notification

WPS1

Memeriksa Aircraft Maintenance ETS & STS

ZIW39

Memeriksa Open, Progress, Closed Work

IW32 CN23 & CN22 ZCPWL

Memastikan semua Jobcards & MDR's closed, Display daily menu, memeriksa progress status ZRAISEHANGDEF Membuat MDR ZIW39


51


Tabel 4.10. Transaksi untuk Material Store Keeper / Store Manager Transaksi

Fungsi

LX02 Q, MB1B Q

Memastikan PN Project Stock tidak ada di 1000

LX02, ME21N, VL10B, VL02N

Tidak ada PN UNMOVED dan tidak dibutuhkan di GAH3 1000

MIGO, MB01

Memastikan setiap barang yang masuk sesuai Requirement

IH08

Tidak ada Material WTC & WTU di Work Area

LT22

Tidak ada Technical Order (TO) Open

IH08

Tidak ada material WFR di GAH3 3000

LT01, LT12, LT 10

Menyimpan part yang berada di XDC dan G70 10402E yang belum ada TO Transfer sesuai segregasinya.

LT11, VL02N

Memastikan setiap permintaan terpenuhi sesuai Requirement.

LX02 M, MB1B M

Mengontrol keberadaan part pooling

MB51

Memeriksa pergerakan material yang RTS

VL02N

Memastikan part unserviceable terkirim ke Cardex/Shop


Tabel 4.11. Transaksi untuk Procurement General Manager Transaksi

LT24 ME2M ME5A ZREVAVREV MMBE

Fungsi Mengetahui semua transfer order yang harus segera di proses Mengetahui daftar list Purchase Order Mengetahui daftar Purchase Requisition Mengetahui ketersediaan material dalam satu revison atau lebih Mengetahui stok material


52


Tabel 4.11. Transaksi untuk Procurement General Manager (lanjutan) Transaksi

Fungsi

VA03N/VA05N

Mengetahui material yang telah expired, Mengontrol agar material di gudang tidak sampai expired Mengetahui update dari schedule project Melihat material yg masuk dalam list Waiting to be used (WTU) & Waiting to repair (WFR) Mengetahui status pemenuhan material terhadap order Mengetahui daftar SO ( Sales Order )

VL06

Mengetahui material yang telah datang

MB5M CN23 IH08/ MB52 IW13 / MD04


Tabel 4.12. Transaksi untuk Procurer Transaksi

Fungsi

ADSUBCON FBL1N IW21 MB51 MB52 ME28 ME2M/ ME2N

Membuat Purchase Order subcontract / outsource Memeriksa pending payment fro TA-TX Melakukan update master data Memeriksa historical material consumption Mengetahui list material dalam suatu storage locaton Release Purchase Order Memeriksa historical order

ME2N

Reporting Purchase Orders by PO Number

ME54N

Melakukan Release PR Suatu Permintaan Material Monitor Kebutuhan Material dalam suatu Maintenance Project

ZREVAVREP MM03

Melihat MRP Parameter pada Master Data material

ME01/ QI01 ME03 ME13 ME21N

Memasukkan source list to system Melihat source Pembelian Material Melihat Record Purchase per Vendor Membuat Purchase Order / PO Memeriksa PR for related Part Number, Check Open Purchase Requisition / MRP Tracking

ME5A/ MD04


53


Tabel 4.13. Transaksi untuk Production Engineering Transaksi

Fungsi

CV01N

CV04N, CV02N IW13, ZIW39 ZIW39 CC01, IA05 IQ03, IH09, IH08 MMBE, MD04 ZREVAVREP ZIA09

Membuat lampiran manual seperti AMM, CMM, SRM atau Drawing di Sistem untuk kebutuhan RO MDR atau PD Sheet Mengecek list-list DMS yang telah dibuat jika ada update manual jika ada dari Authority maupun manufacture Mengetahui dan memeriksa kebutuhan material di Order Melihat dan memeriksa List Update MDR Membuat standard RO MDR dan PD Sheet Mengetahui Status Exist tidaknya Part Number di dalam Sistem Mengetahui stok material Mengetahui ketersediaan material dalam satu project/ revision Mengecek list tasklist RO yang telah dibuat


Tabel 4.14. Transaksi untuk Satellite Planner

Transaksi

Fungsi

CJ2B

Release Project for Maintenance Turnaround Time (TAT) changed karena NIL material, customer request, etc. Mencetak Jobcard & MDR Release Order for Maintenance

CN22 WPS1, ZSEAL ZIW38, IW32

ZREVCERTCARDS Mencetak Jobcard & MDR Inventory ZIW38, ZTECO1

Technical Completion for Maintenance Order

WPS1

Memeriksa Date, Func.Loc., Order, PMPS, Scheduling, etc. Memeriksa Project Center Memeriksa Date, Status Published, Zone, Gantt Chart, etc. Release Revision for Maintenance

WPS1, LBK1, IW21

Withdrawn, Cancelled, Deferred Work

WPS1, ZIW39 CJ03 CN23


54


Tabel 4.15. Transaksi untuk Fleet Logistic Controller Transaksi

Fungsi

MB1B

Memindahkan Part Pooling dari Local Store ke Sloc

ZREVAVREP, IW13

Melihat ketersediaan material per project, Melihat pemenuhan material per work center

ZRTS

Mengembalikan material serviceable yang tidak dibutuhkan di SLoc

ADSUBCON

Membuat perintah pengiriman part pooling pada system

CCM2, IL03

Memastikan part yang ter-remove dari pesawat akan ter-install secara system

IH08, MB52

Melihat material yg masuk dalam list Waiting to be used (WTU)

IH08, MB52

Melihat komponen yg masuk dalam list Waiting to repair (WFR)

IW32

Melakukan permintaan transfer material ke SLoc

MD04, MB51

Melihat progres pergerakan material

ME21N

Membuat permintaan material/part antar plant

MMBE

Melihat lokasi ketersediaan material

VL02N

Memeriksa pengiriman part/component

WPS1

Melihat status revision dan order

Sumber : Hasil Pengolahan Data (2015)

4.2. Data Penelitian 4.2.1. Data Primer Menurut Sugiyono (2014), data primer diperoleh dari interview atau wawancara dan kuesioner. Data primer yang diperoleh dengan cara interview atau wawancara dilakukan kepada pihak Core User SAP-Swift dan Manager pada Dinas Base Maintenance PT. GMF AeroAsia. Data primer juga diperoleh dengan cara penyebaran kuesioner dengan responden End User dan Manager. End User dan Manager tersebut telah mendapatkan training SAP-Swift dan telah mendapatkan User ID sesuai dengan

55


role and responsibility-nya. Kuesioner didistribusikan kepada 165 responden yang merupakan pengguna SAP-Swift.

4.2.2. Data Sekunder Data sekunder diperoleh dari data-data perusahaan seperti Dokumen SAPSwift dan Base Maintenance KPI BSC Achievement. Data SAP-Swift terdiri dari informasi modul, Critical Success Factor, dan SAP-Swift Project Time Frame, yang akan dibahas pada Bab V. Sedangkan data Base Maintenance BSC Achievement merupakan data pencapaian kinerja Dinas Base Maintenace PT. GMF AeroAsia periode 2013 (sebelum implementasi SAP-Swift) dan periode 2014 (periode pelaksanaan SAP-Swift).

4.3. Analisis Statistik Inferensial Pada penelitian ini menggunakan analisis statistik Structural Equation Modeling menggunakan sofeware SEM AMOS version 19. Model terdiri dari tiga variabel laten yang terdiri dari Implementasi ERP, Non-Financial Performance, dan Financial Performance, dengan detail sebagai berikut : a. Implementasi ERP sebagai Variabel Laten Eksogen (variabel bebas). b. Non-Financial Performance sebagai Variabel Laten Endogen (variabel tak bebas) terhadap Implementasi ERP dan Variabel Laten Eksogen (variabel bebas) terhadap Financial Performance. c. Financial Performance sebagai Variabel Laten Endogen (variabel tak bebas) terhadap Implementasi ERP dan Non-Financial Performance. Variabel Laten Implementasi ERP mempunyai variabel manifes sebagai berikut : a. TMS : Top Management Support b. BPR : Business Process Reengineering c. PTM : Project Team & Change Management d. EFC : Effective Communication e. MEP : Monitoring and Evaluation of Performance Variabel Laten Non-Financial Performance mempunyai variabel manifes sebagai berikut : a. CSI : Customer Satisfaction Index

56


b. TAT : Turn Around Time Ratio c. PRD : Productivity Variabel Laten Financial Performance mempunyai variabel manifes sebagai berikut : a. RVN : Revenue b. OPM : Operating Profit Margin c. CPQ : Cost of Poor Quality Hubungan antar variabel digambarkan dalam Path Diagram pada Gambar 4.1. Pada Gambar 4.1 di bawah ini terlihat nilai Chi Square sebesar 73,914 dan Probability sebesar 0,001. Pada Model SEM, untuk menurunkan nilai Chi Square dan menaikkan nilai probability dapat ditempuh dengan cara memodifikasi model.

Gambar 4.1. Model Awal Penelitian Pada Tabel 4.1. terdapat nilai covariances terbesar pada e3 -- e12 yaitu sebesar 19,814.

57


Tabel 4.16. Hasil Output Modification Indices pada Model Awal Modification Indices (Group number 1 ‐ Default model) Covariances: (Group number 1 ‐ Default model)

e7 e3 e3 e3 e4 e4 e5

<--> <--> <--> <--> <--> <--> <-->

e8 e12 e8 e1 e12 e8 e3

M.I.

Par Change

4,121 19,814 5,654 4,275 7,926 4,792 4,021

0,207 0,428 0,282 -0,279 -0,269 -0,257 -0,238


Model kemudian dimodifikasi dengan cara menghubungkan e3 dengan e12, dan menghasilkan Path Diagram di bawah ini.

Gambar 4.2. Model Setelah Modifikasi

4.3.1. Uji Asumsi Model 4.3.1.1. Ukuran Sampel Menurut Santoso (2007), ukuran sampel yang harus dipenuhi dalam pemodelan SEM berjumlah 15 kali jumlah indikator. Menurut Ghozali (2005) 58


ukuran sampel yang direkomendasikan antara 100 sampai 200. Menurut Hair et al. (2010), ukuran sampel minimum untuk jumlah konstruk di bawah lima adalah 100 sampai 200. Dalam penelitian ini jumlah indikator (variabel manifes) sebanyak 11 sehingga ukuran sampel yang diperlukan sebanyak 165. Sampel tersebut kemudian diseleksi dan menghasilkan 161 ukuran sampel yang dapat dilakukan pengujian lanjutan, dan 4 ukuran sampel yang tidak lulus seleksi (data outlier). Adapun data outlier adalah responden ke-37, responden ke-102, responden ke-141, dan responden ke-144. Nilai critical ratio (c.r) setelah penghapusan data outlier adalah 1,892 dari sebelumnya 3,233 (data dinilai normal jika nilai c.r. pada probabilitas 0,05 adalah diantara -1,96 sampai dengan 1,96).

4.3.1.2. Uji Normalitas Pada Tabel 4.17. tentang Assesment of Normality terlihat bahwa secara umum semua indikator berdasarkan nilai c.r. tidak berada dalam range nilai yang direkomendasikan,yaitu antara -1,96 sampai dengan 1,96, secara multivariate pada penelitian ini memiliki nilai normalitas 3,233 (tidak berada pada skala -1,96 sampai dengan 1,96) sehingga data tidak terdistribusi secara normal. Oleh karena itu perlu dilakukan seleksi data dengan tidak menggunakan data yang termasuk ke dalam outliers pada penelitian ini. Hasil uji normalitas setelah dilakukan seleksi data dengan tidak menggunakan data yang termasuk outliers yaitu data responden ke-37, responden ke-102, responden ke-141, dan responden ke-144, maka hasil uji normalitasnya dapat dilihat pada Tabel 4.18. Pada Tabel 4.18. tentang Assesment of Normalitiy terlihat bahwa secara umum semua indikator berdasarkan nilai c.r. berada dalam range nilai yang direkomendasikan, yaitu antara

-1,96 sampai dengan 1,96.

Secara multivariate data pada penelitian ini memiliki nilai normalitas 1,892 (berada pada skala -1,96 sampai dengan 1,96), sehingga data telah terdistribusi secara normal dan memenuhi persyaratan untuk dilakukan analisis lebih lanjut.

59


Tabel 4.17. Hasil Uji Normalitas Sebelum Seleksi Data Assessment of normality (Group number 1)

Variable RVN OPM CPQ PRD TAT CSI TMS BPR PTM EFC MEP Multivariate

min 8 7 7 8 7 6 9 8 6 8 6

max 15 15 15 15 14 15 15 15 15 15 15

skew 0,406 0,447 0,11 -0,001 -0,142 -0,049 0,151 -0,079 -0,008 0,065 -0,127

c.r. 2,128 2,345 0,576 -0,008 -0,744 -0,255 0,793 -0,413 -0,043 0,34 -0,667

kurtosis -0,465 0,086 -0,292 -0,542 -0,724 -0,418 -0,15 -0,145 0,261 -0,472 0,514 8,514

c.r. -1,22 0,224 -0,765 -1,421 -1,897 -1,096 -0,394 -0,381 0,685 -1,238 1,347 3,233


Tabel 4.18. Hasil Uji Normalitas Setelah Seleksi Data Assessment of normality (Group number 1)

Variable RVN OPM CPQ PRD TAT CSI TMS BPR PTM EFC MEP Multivariate

min 8 7 7 8 7 6 9 8 6 8 6

max 15 15 15 15 14 15 15 15 15 15 15

skew 0,315 0,476 0,077 -0,031 -0,121 -0,081 0,148 -0,062 0,101 0,047 -0,134

c.r. 1,633 2,468 0,399 -0,16 -0,627 -0,42 0,766 -0,323 0,522 0,243 -0,696

kurtosis -0,668 0,15 -0,242 -0,506 -0,718 -0,39 -0,086 -0,166 0,233 -0,525 0,611 5,044

c.r. -1,73 0,388 -0,628 -1,311 -1,859 -1,011 -0,224 -0,431 0,602 -1,359 1,582 1,892


4.3.1.3. Uji Outlier Uji outlier adalah pengujian kenormalan data. Data yang tidak normal atau masuk dalam kategori outlier akan mempengaruhi kenormalan data secara keseluruhan, sehingga perlu dilakukan penghilangan data responden yang termasuk kategori outlier tersebut. Uji outlier dapat dilihat dari hasil keluaran software AMOS Versi 19.0 pada bagian Observations farthest from the centroid

60


(Mahalonobis distance). Pada pengujian ini didapatkan empat data outlier yaitu responden ke-37, responden ke-102, responden ke-141, dan responden ke-144. Kemudian dilakukan penghapusan empat outlier tersebut. Setelah dilakukan penghapusan, ternyata nilai c.r. menjadi 1,892, yang dapat dilihat pada Tabel 4.18. Pada Tabel 4.19. ditampilkan hasil uji outlier tersebut. Data yang menjadi fokus perhatian uji outlier adalah nilai Mahalanobis distance p1 dan p2. Kategori data outlier adalah p1 atau p2 lebih kecil dari 0,05 menurut Hair et al (2010), Santoso (2007), dan Ghozali (2005). Nilai p1 atau p2 yang lebih kecil dari 0,05 terdapat pada observation number 73, 102, 141, dan 144. Tabel 4.19. Hasil Uji Outlier Observations farthest from the centroid (Mahalanobis distance) (Group number 1)

Observation number

Mahalanobis d-squared

p1

p2

98 116 37 144 141 102 48 24 36 100 62 63 117 13 97 74 68 145 4 94 139 79

30,39 27,666 27,458 26,487 25,907 25,537 19,955 19,062 18,976 18,97 18,303 18,071 18,003 17,943 17,893 17,881 17,622 17,588 17,466 17,207 16,948 16,943

0,001 0,004 0,004 0,005 0,007 0,008 0,046 0,06 0,062 0,062 0,075 0,08 0,082 0,083 0,084 0,084 0,091 0,092 0,095 0,102 0,109 0,11

0,203 0,122 0,028 0,013 0,005 0,002 0,638 0,779 0,691 0,568 0,697 0,675 0,592 0,504 0,416 0,318 0,329 0,254 0,22 0,239 0,264 0,194

Sumber :HasilPengolahan Data (2015)

61


4.3.2. Uji Kesesuaian

Hasil pengujian model penelitian setelah menjalani pengujian asumsi

model dapat terlihat pada Gambar 4.3. berikut :

Gambar 4.3. Hasil Pengujian Model Penelitian

Hipotesis yang menjelaskan kondisi data empiris dengan model atau teori adalah : Ho : Data empiris identik dengan teori atau model (Hipotesis akan diterima apabila P > 0,05) H1 : Data empiris berbeda dengan teori atau model (Hipotesis akan ditolak apabila P < 0,05). Pada Gambar 4.3. terlihat bahwa penelitian ini memiliki nilai Probalitas (P) sebesar 0,109 sehingga sesuai dengan rekomendasi pengolahan data dengan menggunakan SEM. Nilai probabilitas yang direkomendasikan adalah Probalitas (P) > 0,05 menurut Hair et al (2010), Santoso (2007), dan Ghozali (2005). Dalam menentukan suatu model dapat dinyatakan sesuai (fit) tidak hanya menggunakan nilai probabilitas (P), ada beberapa persyaratan lain yang harus dipenuhi antara lain Absolute Fit Measure, Increamental Fit Measure dan Parsimoniuos Fit Measure dengan target tingkat kesesuaian yang telah ditentukan. Setelah

62


mengetahui syarat-syarat yang harus dipenuhi, langkah berikutnya adalah melakukan analisa model yang ada yang dinyatakan dengan sesuai (Fit) atau tidak sesuai (tidak fit). Hasil analisa model dapat dilihat pada Tabel 4.20.

Tabel 4.20. Target-Tingkat Kesesuaian Target-Tingkat Kesesuian

Ukuran Absolute Fit Indices Chi-Square

Nilai χ2 kecil

Probabilitas CMIN/DF GFI AGFI RMR Increamental Fit Indices NFI CFI IFI RFI Parsimoniuos Fit Indices PNFI PCFI RMSEA

AIC

Hasil Estimasi

Tingkat Kesesuian

p > 0.05 <5 Mendekati 1 Mendekati 1 Mendekati 0

51,261 0,109 1,282 0,948 0,913 0,114

Fit Fit Fit Fit

Mendekati 1 Mendekati 1 Mendekati 1 Mendekati 1

0,922 0,981 0,982 0,893

Fit Fit Fit Fit

Diantara 0 dan 1 Diantara 0 dan 1 < 0,08 Lebih kecil dari Saturated Model(<132) atau Independence Model (<680,481)

0,671 0,714 0,042

Fit Fit Fit

103,261

Fit

Fit


Berdasarkan Tabel 4.20, keseluruhan model mempunyai tingkat kesesuaian fit, yang berarti bahwa Measurement Model dan Structure Model dapat dilanjutkan.

4.3.3. Uji Parameter Model Uji parameter model digunakan untuk mengetahui nilai λ (faktor loading), bobot faktor (regression weight) dan reliabilitas dari model yang telah dibangun

63


untuk menguji parameter model. Pengujian ini dibagi menjadi dua tahapan yaitu tahapan pengujian validitas dan tahapan pengujian realibilitas. 1.

Uji Validitas Pengujian terhadap validitas variabel dilakukan dengan melihat nilai Signifikansi (Sig) yang diperoleh tiap variabel indikator dibandingkan dengan nilai ά (0,05).

kemudian

Sig ≤ 0,05 maka tolak H0, artinya

variabel indikator tersebut merupakan konstruktor yang valid bagi variabel tertentu. Indikator yang memiliki factor loading dibawah batas minimum tersebut akan dikeluarkan dari model pengukuran. Analisa dilakukan berdasarkan Tabel 4.21. Tabel 4.21. Tabel Uji Validitas Standardized Regression Weights: (Group number 1 - Default model)

MEP EFC PTM BPR TMS CSI TAT PRD CPQ OPM RVN

<--<--<--<--<--<--<--<--<--<--<---

Implemen_ERP Implemen_ERP Implemen_ERP Implemen_ERP Implemen_ERP NonFin_Perform NonFin_Perform NonFin_Perform Fin_Perform Fin_Perform Fin_Perform

Estimate 0,724 0,701 0,623 0,621 0,609 0,655 0,708 0,699 0,767 0,793 0,563

Sumber : HasilPengolahan Data (2015)

Tabel 4.21. pada kolom estimate menunjukkan factor loadings setiap indikator terhadap konstruk yang terkait. Karena tidak ditemukan factor loading dengan nilai di bawah 0,5 maka semua indikator diikutsertakan dalam model dan model pengukuran dan dinyatakan valid menurut Hair et al. (2010), Santoso (2007), dan Ghozali (2005). 2.

Uji Reliabilitas Uji reliabilitas adalah ukuran konsistensi internal dari indikator-indikator suatu variabel bentukan yang menunjukan derajat setiap indikator sebagai konstruktor variabel bentukan. Pendekatan dalam menilai sebuah model

64


pengukuran (measurement model) ini adalah dengan menilai besaran composite reliability serta masing-masing konstruk. Berikut disajikan Tabel 4.22 yang menjelaskan hubungan antar variabel laten dengan variabel indikatornya. Tabel 4.22. Hasil Uji Hubungan Antar Variabel Laten dengan Indikatornya Squared Multiple Correlations: (Group number 1 - Default model)

No

Variabel

1

Implementasi ERP

2

3

Financial Performance

Non-Financial Performance

Indikator

Nilai (Nilai Loading Loading)2

erorr (1(nilai loading)2)

1. TMS : Top Management Spt.

0,609

0,371

0,629

2. BPR : Business Process Reengin. 3. PTM : Project Team & Change Management 4. EFC : Effective Communication 5. MEP : Monitoring and Evaluation of Performance

0,621

0,386

0,614

0,623

0,388

0,612

0,701

0,491

0,509

0,724

0,524

0,476

Total

3,278

2,160

2,840

0,563

0,317

0,683

2. OPM : Op. Profit Margin

0,793

0,629

0,371

3. CPQ : Cost of Poor Quality

0,767

0,588

0,412

Total

2,123

1,534

1,466

1. CSI : Customer Satisfaction Index

0,655

0,429

0,571

2. TAT : Turn Around Time Ratio 3. PRD : Productivity

0,708

0,501

0,499

0,699

0,489

0,511

Total

2,062

1,419

1,581

1. RVN : Revenue


65


Selanjutnya dihitung composite reliability dari setiap konstruk dengan menggunakan rumus construct reliability, hasilnya adalah sebagai berikut:

Implementasi

ERP

=

(Σ std.loading) 2 (Σ std.loading) 2  Σe

(3,278) 2

=

(3,278)  2,840

=

2

j

10,745  0,791 13,585

Financial Performance=

(Σ std.loading) 2 (Σ std.loading) 2  Σe

= j

(2,123) 2 (2,123) 2  1,446

=

4,507  0,755 5,973

Non-Financial Performance=

(Σ std.loading) 2 (Σ std.loading)  Σe

=

2

(2,062) 2 (2,062)  1,581

=

2

j

4,252  0,729 5,833

Dari hasil perhitungan dengan construct reliability, konsistensi internal dari indikator-indikator dalam model penelitian ini diterima, sebab hasil perhitungannya diatas 0,70. Nilai yang digunakan untuk sebuah tingkat reliabilitas yang diterima minimal 0,70 menurut Hair et al. (2010), Santoso (2007), dan Ghozali (2005). 4.4. Korelasi antar Dimensi

Interprestasi angka korelasi menurut Sugiyono (2007) 0

– 0,199 : Sangat lemah

0,20 – 0,399 : Lemah 0,40 – 0,599 : Sedang 0,60 – 0,799 : Kuat 0,80 – 1,0

: Sangat kuat

66


Tabel 4.23. Matrik Korelasi antara Dimensi pada Implementasi ERP dengan Financial Performance Financial Performance Operating Cost of Poor Revenue Profit Margin Quality

Implementasi ERP Top Management Support

0.244

0.343

0.332

Business Process Reengineering

0.249

0.35

0.338

Project Team & Change Management

0.373

0.525

0.508

0.28

0.395

0.382

0.29

0.408

0.394

Effective Communication Monitoring and Evaluation of Performance Sumber : HasilPengolahan Data (2015)

Pada Tabel 4.23. terlihat korelasi yang termasuk kategori sedang adalah korelasi Project Team & Change Management dengan Operating Profit Margin sebesar 0,525, Project Team & Change Management dengan Cost of Poor Quality sebesar 0,508, dan Monitoring and Evaluation of Performance dengan Operating Profit Margin sebesar 0,408.

Tabel 4.24. Matrik Korelasi antara Dimensi pada Implementasi ERP dengan Non-Financial Performance Non-Financial Performance Customer Turn Around Productivity Satisfaction Time Ratio Index

Implementasi ERP Top Management Support Business Process Reengineering

0.231

0.234

0.217

0.236

0.239

0.221

Project Team & Change Management

0.476

0.483

0.447

Effective Communication

0.266

0.269

0.249

Monitoring and Evaluation of Performance

0.275

0.278

0.257


67


Pada Tabel 4.24. terlihat korelasi yang termasuk kategori sedang adalah korelasi Project Team & Change Management dengan Productivity sebesar 0,476, Project Team & Change Management dengan Turn Around Time Ratio sebesar 0,483, dan Project Team & Change Management dengan Customer Satisfaction Index sebesar 0,447.

Tabel 4.25. Matrik Korelasi antara Dimensi pada Non-Financial Performance dengan Financial Performance Financial Performance

Revenue

Operating Profit Margin

Cost of Poor Quality

Productivity

0.33

0.464

0.449

Turn Around Time Ratio

0.334

0.471

0.455

Customer Satisfaction Index

0.309

0.435

0.421

Non-Financial Performance


Pada Tabel 4.25. terlihat korelasi yang termasuk kategori sedang adalah korelasi Productivity dengan Operating Profit Margin sebesar 0,464, Productivity dengan Cost of Poor Quality sebesar 0,449, dan Turn Around Time Ratio dengan Operating Profit Margin sebesar 0,471, Turn Around Time Ratio

dengan Cost of Poor Quality sebesar 0,445, Customer Satisfaction Index dengan Operating Profit Margin sebesar 0,435, dan Customer Satisfaction Index dengan Cost of Poor Quality sebesar 0,421.

68


BAB IV DATA DAN ANALISIS

Recommend Documents