MODEL KESUKSESAN PENERAPAN ENTERPRISE RESOURCE PLANNING PADA PT PLN (PERSERO) DISTRIBUSI BALI
Tesis untuk memenuhi sebagian persyaratan mencapai derajat Sarjana S-2
Program Studi Magister Teknik Informatika Jurusan Teknik Informatika
diajukan oleh Brigida Arie Minartiningtyas 08.51.0040
kepada SEKOLAH PASCASARJANA STMIK AMIKOM YOGYAKARTA 2011
iii
PERNYATAAN
Dengan ini saya menyatakan bahwa dalam tesis ini tidak terdapat karya yang pernah diajukan untuk memperoleh gelar akademis di suatu Institusi Pendidikan, dan sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah ditulis dan/atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.
Yogyakarta, 14 Januari 2011
Brigida Arie Minartiningtyas
iv
HALAMAN PERSEMBAHAN
Yeremia 17 : 5-8 Beginilah firman TUHAN: Terkutuklah orang yang mengandalkan manusia, yang mengandalkan kekuatannya sendiri, dan yang hatinya menjauh dari pada TUHAN! Ia akan seperti semak bulus di padang belantara, ia tidak akan mengalami datangnya keadaan baik; ia akan tinggal di tanah angus di padang gurun, di negeri padang asin yang tidak berpenduduk. Diberkatilah
orang
yang
mengandalkan
TUHAN,
yang
menaruh
harapannya pada TUHAN! Ia akan seperti pohon yang ditanam di tepi air, yang merambatkan akar-akarnya ke tepi batang air, dan yang tidak mengalami datangnya panas terik, yang daunnya tetap hijau, yang tidak kuatir dalam tahun kering, dan yang tidak berhenti menghasilkan buah.
Tesis ini kupersembahkan untuk: Juru selamat dan penebusku, Tuhan Yesus Kristus; Orang tuaku tercinta, Bapak Aloysius Suwarmin dan Ibu Endang Werdiningsih; Adikku tersayang, Samuel Dwi Wardiyanto.
v
KATA PENGANTAR
“ Syallom ” Puji syukur kepada Tuhan Yesus Kristus, yang telah memberikan karunia, kasih dan segala berkat-Nya sehingga penulis dapat menyelesaikan Tesis dengan judul “Model Kesuksesan Penerapan Enterprise Resource Planning (ERP) Pada PT PLN (Persero) Distribusi Bali“. Penulis menyadari bahwa tesis ini tidak dapat terselesaikan tanpa adanya bantuan dari berbagai pihak, baik yang terlibat secara langsung maupun tidak langsung. Oleh karena itu pada kesempatan ini penulis ingin menyampaikan rasa terima kasih yang mendalam kepada: 1. Bapak Prof. Dr. M. Suyanto, MM, sebagai pembimbing utama, yang telah mengarahkan penulis dalam menyusun tesis ini; 2. Bapak M. Rudyanto Arief, MT, sebagai pembimbing pendamping, yang juga telah mengarahkan penulis dalam menyusun tesis ini; 3. Bapak Dr. Abidarin Rosidi, MMA, sebagai direktur program studi Magister Teknik Informatika STMIK AMIKOM Yogyakarta yang sekaligus juga sebagai penguji, yang memberi saran dan koreksi dalam tesis ini; 4. Bapak Andi Sunyoto, M.Kom, sebagai penguji, yang juga yang memberi saran dan koreksi dalam teis ini; 5. Bapak Ketut Yogaster Susenopathy, sebagai Deputi Manager Pengembangan SDM PT PLN (Persero) Distribusi Bali, yang telah memberikan ijin kepada
vi
penulis untuk melakukan riset dan penelitian di PT PLN (Persero) Distribusi Bali; 6. Yayasan STMIK Amikom Yogyakarta atas beasiswa yang telah diberikan kepada penulis untuk menempuh pendidikan di program pascasarjana Magister Teknik Informatika STMIK Amikom Yogyakarta. 7. Seluruh dosen MTI STMIK Amikom Yogyakarta yang telah membekali ilmu dan pengetahuan selama penulis menempuh pendidikan di MTI STMIK Amikom Yogyakarta; 8. Bapak Aloysius Suwarmin dan Ibu Endang Werdiningsih, orang tua penulis yang selalu memberi cinta, kasih sayang, semangat dan dorongan kepada penulis dengan doa yang tidak pernah putus, juga Adik Samuel Dwi Wardiyanto yang juga selalu memberi semangat lewat canda dan tawanya; 9. Para hamba Tuhan yang selalu memberi semangat dan nasehat di kala penulis hampir putus asa. Bapak dan Ibu Andreas, Ibu Manda, Bapak Petrus dan Bapak Priyono. Terimakasih untuk semangat dan doa yang tidak pernah putus; 10. Rahmat Riyanto yang telah menemani perjalanan penulis selama pengerjaan tesis ini. Terimakasih untuk suka dan duka, tangis dan tawa, sedih dan bahagia yang mewarnai hari-hari penulis; 11. Luh Putu Sucihartini, Wayan Ngadeg, dan Mbak Dewi yang secara tidak langsung telah memberikan kontribusi yang sangat besar dalam proses penelitian yang penulis lakukan; 12. Seluruh teman-teman MTI STMIK Amikom Yogyakarta baik reguler maupun eksekutif angkatan I. Terima kasih atas dukungan dan kebersamaannya;
vii
13. Seluruh keluarga besar penulis baik dari Yogyakarta, Malang, maupun Denpasar yang senantiasa memberikan semangat dan dorongan yang positif kepada penulis; 14. Semua pihak yang telah membantu hingga terselesaikannya tesis ini yang tak mungkin penulis sebut satu per satu di sini. Penulis menyadari bahwa penulisan tesis ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran yang sifatnya membangun sangat penulis harapkan demi sempurnanya tesis ini. Akhir kata penulis berharap semoga tesis ini dapat memberi manfaat bagi semua pihak.
Yogyakarta, 14 Januari 2011
Penulis
viii
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i HALAMAN PENGESAHAN................................................................................. ii HALAMAN PERSETUJUAN ............................................................................... iii HALAMAN PERNYATAAN ............................................................................... iv HALAMAN PERSEMBAHAN ..............................................................................v KATA PENGANTAR ........................................................................................... vi DAFTAR ISI .......................................................................................................... ix DAFTAR TABEL ................................................................................................. xii DAFTAR GAMBAR ........................................................................................... xiii DAFTAR LAMPIRAN ........................................................................................ xiv DAFTAR SINGKATAN .......................................................................................xv ABSTRACT ......................................................................................................... xvi INTISARI............................................................................................................ xvii I.
PENDAHULUAN ...................................................................................... 1 1.1 Latar Belakang .......................................................................................1 1.2 Perumusan Masalah................................................................................3 1.3 Keaslian Penelitian .................................................................................3 1.4 Maanfaat Hasil Penelitian ......................................................................4 1.5 Tujuan Penelitian....................................................................................5
II.
TINJAUAN PUSTAKA DAN LANDASAN TEORI ..............................6 2.1 Tinjauan Pustaka ....................................................................................6
ix
2.1.1 Tinjauan Struktur Organisasi ........................................................7 2.2 Landasan Teori .......................................................................................9 2.2.1 Enterprise Resource Planning (ERP) System ..............................9 2.2.2 Model Dasar Kesuksesan Teknologi Informasi .........................14 2.2.3 Structural Equation Modeling (SEM) .......................................26 2.3 Pertanyaan Penelitian ...........................................................................27 III.
METODOLOGI PENELITIAN .............................................................29 3.1 Bahan Penelitian ...................................................................................29 3.2 Alat Penelitian ......................................................................................29 3.3 Jalan Penelitian .....................................................................................30 3.3.1 Populasi dan Sampel ..................................................................30 3.3.2 Metode Pengumpulan Data........................................................31 3.3.3 Analisis Dengan SEM................................................................31 3.4 Kesulitan-Kesulitan ..............................................................................39
IV.
HASIL PENELITIAN DAN PEMBAHASAN ......................................40 4.1 Hasil Penelitian ....................................................................................40 4.1.1 Diagram Alur .............................................................................40 4.1.2 Persamaan Struktural dan Measurement Model ........................41 4.1.3 Identifikasi Model ......................................................................45 4.1.4 Uji Keseuaian Model (Goodness of Fit) ....................................53 4.1.5 Uji Kausalitas (Regression Weights) .........................................56 4.1.6 Interpretasi dan Modifikasi Model ............................................56 4.2 Pembahasan ..........................................................................................57
x
4.2.1 Analisis Hubungan Konstruk Eksogen dan Endogen ................57 4.2.2 Analisis Hubungan Antar Konstruk Eksogen ............................59 4.2.3 Analisis Hasil Estimasi ..............................................................61 4.2.4 Analisis Hipotesis ......................................................................63 V.
KESIMPULAN DAN SARAN ............................................................... 64 5.1 Kesimpulan.......................................................................................... 66 5.2 Saran .................................................................................................... 68
DAFTAR PUSTAKA ............................................................................................70 LAMPIRAN ...........................................................................................................72
xi
DAFTAR TABEL
Tabel 2.1 Kendala dalam penerapan ERP dan cara mengatasinya ........................11 Tabel 2.2 Pengukur-pengukur empiris kualitas sistem informasi ..........................18 Tabel 2.3 Pengukur-pengukur empiris kualitas informasi .....................................20 Tabel 2.4 Pengukur-pengukur empiris penggunaan informasi ..............................22 Tabel 2.5 Pengukur-pengukur empiris kepuasan pemakai ....................................23 Tabel 2.6 Pengukur-pengukur empiris net benefits ...............................................25 Tabel 3.1 Bobot nilai jawaban responden ..............................................................30 Tabel 3.2 Indikator-indikator kualitas sistem.........................................................34 Tabel 3.3 Indikator-indikator kualitas informasi ...................................................34 Tabel 3.4 Indikator-indikator net benefit ...............................................................34 Tabel 3.5 Kriteria nilai kesesuaian indeks fit .........................................................38 Tabel 4.1 Standardized regression weights ...........................................................43 Tabel 4.2 Nilai reliabilitas setiap konstruk ............................................................44 Tabel 4.3 Assesment of normality ..........................................................................46 Tabel 4.4 Hasil uji univariate outlier .....................................................................48 Tabel 4.5 Observations farthest from the centroid (Mahalanobis distance) .........51 Tabel 4.6 Indeks kesesuaian (goodness of fit indices) ...........................................55 Tabel 4.7 Regression weights.................................................................................56 Tabel 4.8 Standardized residual covariance ..........................................................57 Tabel 4.9 Hasil estimasi tiap-tiap indikator terhadap variabelnya .........................61 Tabel 4.10 Ringkasan hasil pengujian hipotesis ....................................................63
xii
DAFTAR GAMBAR
Gambar 2.1 Pemetaan modul ERP terhadap struktur organisasi PT PLN (Persero) Distribusi Bali .....................................................................................8 Gambar 2.2 Konsep dasar ERP [Hass – 2002] ......................................................10 Gambar 2.3 Model kesuksesan sistem informasi DeLone dan McLean (D&M IS Success Model) .................................................................................15 Gambar 2.4 Model kesuksesan sistem informasi D&M diperbarui .......................16 Gambar 3.1 Model sukses penerapan SAP di PT PLN (Persero) Distribusi Bali ..33 Gambar 4.1 Model diagram alur hubungan kausalitas ..........................................40 Gambar 4.2 Full model struktural ..........................................................................42 Gambar 4.3 Output hasil uji reliabilitas konstruk penelitian .................................44 Gambar 4.4 Output hasil perhitungan degree of freedom ......................................45 Gambar 4.5 Notes for model result ........................................................................54 Gambar 4.6 Model fit summary..............................................................................55 Gambar 4.7 Estimasi covariances dan correlations ..............................................60
xiii
DAFTAR LAMPIRAN
Lampiran A Model Sebelum Estimasi ...................................................................72 Lampiran B Model Setelah Estimasi .....................................................................73 Lampiran C Output AMOS ....................................................................................74 Lampiran D Reliability...........................................................................................82 Lampiran E Z-Score ...............................................................................................86 Lampiran F Data Kuesioner ...................................................................................90 Lampiran G Surat Keterangan Penelitian ..............................................................92 Lampiran H Kuesioner ...........................................................................................93
xiv
DAFTAR SINGKATAN
AMOS = Analysis of Moment Structures Df
= Degree of freedom
ERP
= Enterprise Resource Planning
PLN
= Perusahaan Listrik Negara
SAP
= Systeme,
Andwendungen,
Produkte
in
der
Datenverarbeitung
(Systems, Applications, Products in Data Processing) SEM
= Structural Equation Modelling
xv
ABSTRACT This research aims to discover the factors that influence the success of the implementation of Enterprise Resorce Planning at PT PLN (Persero) Distribution of Bali with a model of successful implementation of ERP as appropriate. The study was conducted by taking the samples of the employees of PT PLN (Persero) Distribution of Bali that become the ERP users (in this case SAP). The main instrument of the data collection is in the form of questionnaires and measured by Likert scale. The number of respondents in this research is 70 respondents. The methods of data analysis used is Structural Equation Model (SEM) with a successful model approach of DeLone and McLean information systems. The results of this study indicate that the model of ERP implementation at PT PLN (Persero) Distribution Bali is influenced by three variables: system quality, information quality and net benefits with a value of degree of freedom 24 and chi-square 30.295 count. The quality of the SAP system has a positive significant effect on the net benefits of PT PLN (Persero) Distribution of Bali with the path coefficient of 0.53. SAP information quality has a positive significant effect on the net benefits of PT PLN (Persero) Distribution of Bali with the path coefficient of 0.52. The quality of the SAP system and SAP information quality positively influences each other significantly with the path coefficient of 0.66. And the aggregate quality of the SAP system and information quality SAP jointly affects the net benefits of PT PLN (Persero) Distribution of Bali positively and significantly with the path coefficient of 0.92. Compared to the quality of information, the quality of the SAP system provides a slightly larger effect on the net benefits (benefits) that can be obtained on the application of ERP in PT PLN (Persero) Distribution of Bali. In order to get more benefits from the implementation of SAP, the quality of information produced by the SAP system at PT PLN (Persero) Distribution Bali needs to be improved. Keywords : enterprise resource planning, SAP, structural equation modelling, DeLone and McLean model
xvi
INTISARI Penelitian ini bertujuan untuk menemukan faktor-faktor yang mempengaruhi kesuksesan penerapan Enterprise Resorce Planning di PT PLN (Persero) Distribusi Bali dengan model sukses penerapan ERP yang sesuai. Penelitian dilakukan dengan mengambil sampel karyawan PT PLN (Persero) Distribusi Bali yang menjadi pengguna ERP (dalam hal ini SAP). Instrumen utama pengumpulan data berupa kuesioner dan diukur dengan skala likert. Jumlah responden dalam penelitian ini sebanyak 70 responden. Metode analisis data yang digunakan adalah Structural Equation Model (SEM) dengan pendekatan model sukses sistem informasi DeLone dan McLean. Hasil penelitian ini menunjukkan bahwa model penerapan ERP di PT PLN (Persero) Distribusi Bali dipengaruhi tiga variabel, yaitu: kualitas sistem, kualitas informasi dan net benefit dengan nilai degree of freedom 24 dan chi-square hitung 30,295. Kualitas sistem SAP berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali dengan koefisien jalur adalah 0,53. Kualitas informasi SAP berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali dengan koefisien jalur adalah 0,52. Kualitas sistem SAP dan kualitas informasi SAP saling mempengaruhi secara positif signifikan dengan koefisien jalur adalah 0,66. Dan secara agregat kualitas sistem SAP dan kualitas informasi SAP bersama-sama mempengaruhi net benefit PT PLN (Persero) Distribusi Bali secara positif signifikan dengan koefisien jalur adalah 0,92. Dibandingkan kualitas informasi, kualitas sistem SAP memberikan pengaruh yang sedikit lebih besar terhadap net benefit (manfaat) yang dapat diperoleh atas penerapan ERP di PT PLN (Persero) Distribusi Bali. Agar mendapatkan manfaat yang lebih dari penerapan SAP, kualitas informasi yang dihasilkan sistem SAP di PT PLN (Persero) Distribusi Bali perlu ditingkatkan. Kata-kunci : enterprise resource planning, SAP, structural equation model, DeLone and McLean model
xvii
BAB I PENDAHULUAN
1.1 Latar Belakang Makin pesatnya perkembangan teknologi informasi akhir-akhir ini membuat banyak organisasi dan perusahaan berusaha mengadopsi teknologi informasi yang terbaru untuk dapat memenangkan persaingan. Dalam era persaingan bisnis yang dinamis dan sangat cepat berubah, teknologi informasi tidak lagi dipandang sebagai pelengkap atau pendukung, akan tetapi sudah menjadi salah satu penentu bagi kesuksesan bisnis suatu perusahaan. Teknologi informasi diaplikasikan dalam perusahaan untuk meningkatkan produktivitas dan membantu pencapaian kualitas, standar waktu, dan kepuasan baik bagi konsumen maupun karyawan, dimana dalam bisnis hal ini diwujudkan dalam sekumpulan sistem yang terdiri atas sistem informasi dan infrastruktur pendukungnya. Salah satu solusi yang menjadi primadona bisnis pada saat ini adalah paket untuk mengelola sumber daya perusahaan secara keseluruhan atau yang umum dikenal dengan istilah Enterprise Resource Planning (ERP). ERP mempunyai kemampuan untuk mengintegrasikan semua proses yang ada dalam area fungsional perusahaan, antar departemen, maupun antar lokasi yang berbeda. Dengan integrasi sistem ini data yang tadinya didapat dari sistem yang berbedabeda akan diintegrasikan menjadi sistem tunggal dengan format yang standar.
1
2
Dengan demikian tidak ada lagi perbedaan proses yang terjadi antar fungsi, antar departemen, maupun antar lokasi yang berbeda. Kemampuan untuk mengintegrasikan proses bisnis di suatu perusahaan ini yang kemudian menjadi daya tarik tersendiri bagi pihak manajemen untuk menerapkan ERP. Hal inilah yang selanjutnya melatarbelakangi banyak perusahaan di dunia, termasuk di Indonesia berama-ramai untuk menerapkan ERP di perusahaannya. Saat ini penerapan ERP pada perusahaan besar sudah menjadi kategori wajib, dapat diambil contoh perusahaan tenaga listrik seperti di Malaysia dan China, berturut-turut diwakilkan oleh Tenaga Bhd dan Shanghai Power telah lama menerapkan ERP. Untuk mensejajarkan diri dengan perusahaan-perusahaan penyedia listrik tingkat dunia, PT Perusahaan Listrik Negara (PLN) dituntut untuk menerapkan ERP dengan harapan akan meningkatkan kompetensi perusahaan. Pada tahun 2005 PT PLN (Persero) me-rollout aplikasi ERP yang diterapkan di tiga proses bisnis, yaitu: Keuangan (Financial Management), Sumber Daya Manusia (Human Resource) dan Pergudangan (Material Management). PT PLN (Persero) Distribusi Bali merupakan salah satu unit pilot project penerapan ERP yang dilakukan PT PLN (Persero). Salah satu perangkat lunak ERP adalah SAP (System Applications and Products). Sebagai sistem ERP yang cukup popular, SAP telah digunakan banyak perusahaan di Indonesia. Dengan pertimbangan khusus pula, PT PLN (Persero) memilih SAP sebagai paket perangkat lunak ERP.
3
Keputusan untuk menerapkan SAP bukanlah keputusan yang mudah karena penerapan SAP membutuhkan biaya yang tinggi. Kebutuhan biaya bukan hanya diperlukan untuk pembelian aplikasi SAP saja, tetapi juga untuk pembelian hardware, database, jaringan komunikasi data dan juga biaya konsultan yang membantu pekerjaan penerapan sistem. Setelah sistem SAP diterapkan, manajemen perlu mengetahui apakah penerapan sistem tersebut berhasil atau tidak. Pengukuran keberhasilan penerapan sistem informasi sangat diperlukan bagi manajemen untuk mengetahui apakah investasi yang telah dikeluarkan memberikan nilai tambah bagi perusahaan.
1.2 Perumusan Masalah Berdasarkan uraian dari latar belakang yang telah dikemukakan di atas, maka penulis merumuskan masalah sebagai berikut. 1.
Faktor-faktor apa saja yang mempengaruhi kesuksesan penerapan ERP (dalam hal ini SAP) di PT PLN (Persero) Distribusi Bali?
2.
Bagaimana model kesuksesan penerapan ERP yang sesuai dengan penerapan di PT PLN (Persero) Distribusi Bali?
1.3 Keaslian Penelitian Berdasarkan informasi dari pihak terkait yang khusus menangani sistem ERP di perusahaan, pada saaat penelitian ini dilakukan belum pernah ada penelitian sejenis yang dilakukan oleh pihak perusahaan ataupun penelitian lain di PT PLN (Persero) Distribusi Bali.
4
Namun berdasarkan informasi yang diperoleh lewat internet dan studi pustaka, ada beberapa penelitian yang juga membahas tentang ERP. Beberapa penelitian tersebut diantaranya adalah penelitian yang dilakukan oleh Sari (2008) terhadap kesuksesan penerapan ERP di PT Chevron Pasific Indonesia. Model penelitian mengacu dan berpatokan pada model UTAUT (Unified Theory of Acceptance and Use of Technology). Ramadhanny (2005) melakukan penelitian pada industri cor logam di Klaten (PT Sinar Semesta). Tujuan utama penelitian tersebut adalah melakukan pengkajian penerapan sistem ERP pada perusahaan dan proses bisnis serta sistem informasi pada perusahaan cor logam. Penelitian yang akan dilakukan adalah untuk mengetahui faktor-faktor yang mempengaruhi kesuksesan penerapan ERP di perusahaan dengan pendekatan Updated D&M IS Success Model yang tentunya sangat berbeda dengan penelitian Sari (2008) yang mengacu dan berpatokan pada model UTAUT. Berbeda pula dengan penelitian Ramadhany (2005) yang melakukan perancangan sistem informasi terintegrasi dengan menggunakan ERP.
1.4 Manfaat Hasil Penelitian Penelitian yang akan dilakukan diharapkan bisa memberikan kontribusi pada perusahaan dalam mengevaluasi penerapan ERP dalam mendukung tujuan bisnis perusahaan sehingga sekian banyak biaya yang diinvestasikan tidak sia-sia dan bisa mencegah kegagalan penerapan sistem pada tahap selanjutnya di PT PLN (Persero) Distribusi Bali.
5
1.5 Tujuan Penelitian Penelitian
ini
bertujuan
untuk
menemukan
faktor-faktor
yang
mempengaruhi kesuksesan penerapan ERP di PT PLN (Persero) Distribusi Bali dengan model sukses penerapan ERP yang sesuai.
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka Sari (2008) melakukan penelitian terhadap penerapan ERP di perusahaan PT Chevron Pasific Indonesia. Penelitian ini bertujuan untuk mengetahui sejauh apa user memberikan suatu bentuk acceptance terhadap sistem ERP, model penelitian mengacu dan berpatokan pada model UTAUT (Unified Theory of Acceptance and Use of Technology). Produk ERP yang digunakan adalah JD.Edward EnterpriseOne – 8.11 version. Ramadhanny (2005) melakukan penelitian pada industri cor logam di Klaten (PT Sinar Semesta). Tujuan utama penelitian tersebut adalah melakukan pengkajian penerapan sistem ERP pada perusahaan dan proses bisnis serta sistem informasi pada perusahaan cor logam. Hasilnya adalah berupa perancangan sistem informasi terintegrasi dengan menggunakan ERP. Muddasir (2008) melakukan penelitian terhadap pegawai Kantor Pelayanan Pajak (KPP) Pratama Jakarta Menteng Tiga yang menggunakan Sistem Informasi Direktorat Jenderal Pajak (SIDJP) dalam menjalankan tugas sehari-hari. Penelitian dilakukan untuk mendapatkan bukti empiris mengenai faktor-faktor apa saja yang menunjang kesuksesan penerapan SIDJP. Model yang digunakan dalam penelitian adalah model kesuksesan sistem informasi DeLone dan McLean (1992) yang dimodifikasi dengan menambahkan konstruk kualitas pelayanan (service quality) serta menghilangkan konstruk penggunaan (use) dan dampak organisasi (organizational impact) dari model. Penelitian yang akan dilakukan berfokus pada faktor-faktor yang mempengaruhi kesuksesan penerapan ERP dalam hal ini penerapan SAP. Model sukses penerapan SAP dalam penelitian ini mengadopsi model DeLone dan McLean (2003). Metode pengujian yang
6
7 digunakan dalam penelitian ini adalah metode Structural Equation Modeling (SEM) dengan menggunakan perangkat lunak Analysis of Moment Structures (AMOS). Adapun perusahaan yang akan menjadi objek penelitian adalah PT PLN (Persero) Distribusi Bali.
2.1.1 Tinjauan Struktur Organisasi Gambar 2.1 berikut ini merupakan pemetaan modul-modul ERP yang diterapkan di PT PLN (Persero) Distribusi Bali, yaitu modul FM (Financial Management), MM (Material Management) dan HR (Human Resource) terhadap struktur organisasi PT PLN (Persero) Distribusi Bali.
Gambar 2.1 Pemetaan modul ERP terhadap struktur organisasi PT PLN (Persero) Distribusi Bali
8
9 2.2 Landasan Teori 2.2.1 Enterprise Resource Planning (ERP) System Definisi Daniel O’Leary mendefinisikan ERP sebagai [OLS-2004]: “ERP systems are computer based system designed to process an organization's transactions and facilitate integrated and real time planning, production, and customer response. In particular ERP systems will be assumed to have certain characteristics”
Dhewanto dan Falahah (2007) mendeskripsikan ERP sebagai sebuah konsep untuk merencanakan dan mengelola sumber daya organisasi agar dapat dimanfaatkan secara optimal untuk menghasilkan nilai tambah bagi seluruh pihak yang berkepentingan (stakeholder) atas organisasi tersebut. Menurut Davenport (1998) ERP terdiri atas paket software komersial yang menjamin integrasi yang mulus atas semua aliran informasi di perusahaan, meliputi keuangan, akuntansi, sumber daya manusia, rantai pasok, dan informasi konsumen. Dari definisi tersebut Davenport (1998) menggambarkan konsepkonsep utama ERP dalam satu diagram seperti pada Gambar 2.2 berikut.
10
Gambar 2.2 Konsep dasar ERP [Hass – 2002]
ERP Dan Organisasi Banyak organisasi memilih dan mengembangkan sistem ERP dengan berbagai alasan strategis yang bersifat tangiable (terhitung) dan intangiable (tidak terhitung). Beberapa manfaat yang dapat diperoleh dari penggunaan sistem ERP adalah sebagai berikut. 1.
ERP menawarkan sistem terintegrasi di dalam perusahaan, sehingga proses dan pengambilan keputusan dapat dilakukan secara lebih efektif dan efisien.
2.
ERP memungkinkan melakukan integrasi secara global. Halangan yang tadinya berupa perbedaan mata uang, perbedaan bahasa, dan perbedaan budaya, dapat dijembatani secara otomatis, sehingga dapat diintegrasikan.
3.
ERP tidak hanya memadukan data dan orang, tetapi juga menghilangkan kebutuhan pemutakhiran dan koreksi data pada banyak sistem komputer yang terpisah.
11 4.
ERP memungkinkan manajemen mengelola operasi, tidak hanya sekadar memonitor saja. Dengan ERP, manajemen tidak hanya mampu menjawab pertanyaan “Bagaimana keadaan kita?”; tetapi juga mampu menjawab pertanyaan “Apa yang kita kerjakan untuk menjadi lebih baik?”
5.
ERP membantu melancarkan pelaksanaan manajemen supply chain dengan kemampuan memadukannya. Untuk mencapai manfaat tersebut, perusahaan harus melakukan
serangkaian proses dan usaha, beberapa diantaranya dapat mendatangkan masalah, sehingga sering dianggap sebagai salah satu resiko yang harus ditanggung ketika penerapan ERP. Beberapa masalah yang berpeluang dihadapi organisasi ini disajikan secara ringkas pada Tabel 2.1 berikut. Tabel 2.1 Kendala dalam penerapan ERP dan cara mengatasinya Kendala Cara Mengatasi Memakan waktu Minimisasikan isu sensitif, politik internal, dan ciptakan konsensus umum Mahal Memilih paket strategi ERP yang sesuai dengan kemampuan keuangan perusahaan Kesesuaian Arsitektur dan komponen dari sistem yang dipilih harus modul sesuai dengan proses bisnis, kultur dan sasaran strategis organisasi Kebergantungan Pertimbangkan pilihan single vs multivendor, pertimbangkan pada vendor kriteria pemilihan kombinasi terbaik dan komitmen dukungan dalam jangka waktu yang cukup panjang Fitur dan Pilih modul dan fitur yang benar-benar diperlukan oleh kompleksitas organisasi Skalabilitas dan Perhatikan investasi vendor di bidang riset dan kompabilitas pengembangan, komitmen jangka panjang atas produk dan global layanan, dan pertimbangkan sistem yang dapat berjalan di internet Pengembangan Pertimbangkan aplikasi perantara (middle ware) dan kemampuan pengembangan modul, misalnya SCM/CRM
Modul-modul Paket ERP Paket sistem ERP biasanya terdiri atas sekumpulan modul-modul yang dapat mendukung berbagai fungsi dan proses pada perusahaan. Modul-modul
12 pada paket sistem ERP biasanya dirancang untuk terintegrasi satu sama lain, meskipun pada penerapannya perusahaan boleh memilih menerapkan beberapa modul saja sesuai keperluan perusahaan. Beberapa kelompok modul yang biasanya terdapat pada sistem ERP adalah sebagai berikut. 1.
Keuangan Kelompok modul keuangan yang biasanya terdapat pada sistem ERP menyediakan berbagai fasilitas untuk menjalankan fungsi manajemen keuangan dan dukungan analisis bagi berbagai lokasi bisnis yang tersebar di berbagai belahan dunia.
2.
Penjualan dan Distribusi Kelompok modul ini terdiri atas serangkaian modul-modul yang ditujukan untuk mendukung aktivitas penjualan dan distribusi.
3.
Produksi Kelompok modul ini ditujukan untuk mendukung proses produksi atau manufacturing.
4.
Sumber Daya Manusia Modul HR (Human Resource) pada kebanyakan sistem ERP memiliki sekumpulan fitur-fitur yang dapat terintegrasi dengan modul-modul lain serta dapat dimodifikasi agar sesuai dengan kondisi dan aturan di suatu wilayah.
5.
Pemeliharaan Sarana Produksi (Plant Maintenance) Subsistem ini meliputi sekumpulan produk yang mencakup semua aspek perawatan pabrik/peralatan dan terintegrasi dengan modul-modul lainnya.
13 6.
Manajemen Kualitas Modul manajemen kualitas menggunakan integrasi sistem untuk mengaitkan tugas manajemen kualitas ke aplikasi lain, seperti material management, produksi, penjualan dan distribusi, dan akuntansi biaya.
7.
Manajemen Material Modul manajemen material mengoptimasi semua proses yang terkait dengan perencanaan, pengadaan, dan pembelian material.
SAP Dewasa ini, terdapat sekitar ratusan jenis software ERP dengan berbagai fitur, versi, skala dan kemampuan. Dari berbagai jenis software yang saat ini terdapat di pasaran, terdapat beberapa vendor yang mendominasi pasar penyedia software ERP di dunia internasional, salah satunya adalah SAP. SAP terdiri atas beberapa modul yang saling terintegrasi. Produknya utamanya meliputi SAP ERP Enterprise Core, yang merupakan solusi aplikasi ERP, dan SAP Bussiness Suite, yang merupakan paket solusi aplikasi e-bisnis dan berbagai aplikasi-aplikasi lainnya. Pengguna SAP kebanyakan adalah perusahaan berukuran menengah ke besar, dengan 80% merupakan pengguna paket SAP ERP dan 20% sisanya menggunakan solusi SAP lainnya. Untuk pasar ERP, SAP merupakan pemimpin pasar di seluruh dunia dengan penguasaan pasar lebih dari 65%. Portofolio produk SAP dilandasi oleh ERP. Komponen utama ERP memiliki fasilitas web dan ditawarkan sebagai paket produk SAP. SAP ERP adalah satu paket sistem yang terdiri atas submodul sebagai berikut.
14 1. Keuangan 2. Human Capital Management 3. Operasional 4. Layanan Korporat Selain produk-produk paket utama tersebut, SAP juga menyediakan beberapa komponen tambahan yang bisa melengkapi atau terintegrasi (bolt-on) dengan produk utama untuk menambah fungsionalitas produk. Selain itu, banyak juga software independen lainnya yang menawarkan berbagai produk yang dapat terintegrasi dengan paket bisnis SAP.
2.2.2 Model Dasar Kesuksesan Teknologi Informasi Banyak penelitian telah dilakukan untuk mengidentifikasi faktor-faktor yang menyebabkan kesuksesan sistem teknologi informasi. Salah satu penelitian yang terkenal di area ini adalah yang dilakukan DeLone dan McLean (1992). DeLone dan McLean mengembangkan suatu model parsimoni (model yang lengkap tetapi sederhana) yang mereka sebut dengan nama Model Kesuksesan Sistem Informasi DeLone dan McLean (D&M IS Success Model) seperti tampak pada Gambar 2.3 berikut ini.
15
Gambar 2.3 Model kesuksesan sistem informasi DeLone dan McLean (D&M IS Success Model) Selama 10 tahun sampai tahun 2002, sejak model DeLone dan Mclean pertama kali dikenalkan hampir 300 artikel di beberapa jurnal telah merujuknya dan menggunakan model tersebut. Kepopuleran model ini menunjukkan bukti yang kuat dari kebutuhan untuk mengintegrasikan penemuan-penemuan riset secara komprehensif di bidang sistem informasi. Dari kontribusi beberapa penelitian sebelumnya dan akibat perubahan peran dan penanganan sistem informasi yang telah berkembang DeLone dan Mclean (2003) memperbarui modelnya dan menyebutnya sebagai Model Kesuksesan Sistem Informasi D&M Diperbarui (Updated D&M IS Success Model). Hal-hal yang diperbarui adalah sebagai berikut. 1. Memasukkan variabel kualitas pelayanan. Jasa yang diberikan sistem teknologi informasi berkembang, tidak hanya menjadi penyedia informasi (information provider) saja, tetapi juga penyedia pelayanan (service provider). Untuk mengukur jasa pelayanan ini, maka DeLone dan Mclean (2003) mengusulkan menambah suatu variabel baru, yaitu variabel kualitas pelayanan (service quality).
16 2.
Merubah variabel-variabel dampak individual dan organisasional menjadi manfaatmanfaat bersih. Dampak dari sistem informasi sudah meningkat tidak hanya dampaknya pada pemakai individual dan organisasi saja, tetapi dampaknya sudah ke grup pemakai, ke antar organisasi, konsumer, pemasok, sosial bahkan ke negara. Karena banyaknya macam
dampak
ini,
DeLone
dan
McLean
(2003)
mengusulkan
untuk
menamakannya semua manfaat menjadi suatu manfaat tunggal yang disebut manfaat bersih (net benefits). 3.
Menambahkan dimensi minat memakai (intention to use) sebagai alternatif dari dimensi pemakaian (use). DeLone dan McLean (2003) mengusulkan pengukuran alternatif, yaitu minat memakai (intention to use). Minat memakai adalah suatu sikap (attitude), sedang pemakaian (use) adalah suatu perilaku (behavior). Dari analisis di atas, maka DeLone dan McLean (2003) mengusulkan suatu
model yang diperbarui yang tampak pada Gambar 2.4 berikut ini.
Gambar 2.4 Model kesuksesan sistem informasi D&M diperbarui
17
Model yang diusulkan ini merefleksikan ketergantungan dari enam pengukuran kesuksesan sistem informasi. Keenam elemen atau
faktor atau komponen atau
pengukuran dari model ini adalah sebagai berikut. 1.
Kualitas Sistem (System Quality) Kualitas sistem (system quality) digunakan untuk mengukur kualitas sistem teknologi informasinya sendiri. Swanson (1974) menggunakan pengukuran apresiasi terhadap SIM oleh para pemakai manajer untuk mengukur kualitas sistem. Item-item pengukuran yang digunakannya adalah sebagai berikut. 1) Keandalan dari sistem komputer (reliability of the computer system), 2) Waktu respon on-line (on-line response time), 3) Kemudahan menggunakan terminal (the ease of terminal use), dan lainnya Emery
(1971)
menggunakan
konsep
karakteristik
sistem
(system
characteristics) untuk mengukur kualitas sistem informasi. Karakteristik sistem (system characteristics) yang diukur adalah sebagai berikut. 1) Isi dari basis data (content of the database), 2) Agregasi dari rincian-rincian (aggregation of details), 3) Faktor manusia (human factor), 4) Waktu respon (response time),dan 5) Akurasi sistem (system accuracy). Hamilton dan Chervany (1981) menggunakan pengukuran-pengukuran sebagai berikut ini untuk mengukur kualitas sistem informasi. 1) Kekinian data diusulkan (proposed data currency), 2) Waktu respon (response time), 3) Waktu pergantian (turnaround time)
18 4) Akurasi data (data accuracy), 5) Keandalan (reliability), kelengkapan (completeness), 6) Keluwesan sistem (system flexibility), dan 7) Kemudahan penggunaan (ease of use) Pengukuran-pengukuran kualitas sistem informasi dari beberapa peneliti lain yang dilaporkan oleh DeLone dan McLean (1992) adalah seperti ditunjukkan pada Tabel 2.2 berikut ini. Tabel 2.2 Pengukur-pengukur empiris kualitas sistem informasi Peneliti Penjelasan Tipe Pengukur Bailey dan Keseluruhan Studi (1) Kenyamanan akses Pearson sistem informasi, 8 lapangan (2) Keluwesan sistem (1983) organisasi, 32 (3) Integritas sistem manajer (4) Waku respon Belardo, Karwan, dan Wallace (1982) Goslar (1986) Hiltz dan Turoff
DSS manajemen Lab darurat, 10 pengirim bantuan darurat DSS Pemasaran, Lab 43 pemasar Sistem informasi Studi pertukaran lapangan elektronik, 102 pemakai Mahmood Sistem informasi Studi (1987) spesifik, 61 lapangan manajer sistem informasi Srinivasan Sistem pemodelan Studi (1985) berbasis komputer, lapangan 29 perusahaan Sumber: DeLone dan McLean (1992) 2.
(1) Keandalan (2) Waktu respon (3) Kemudahan penggunaan (4) Kemudahan dipelajari Kegunaan dari fitur-fitru DSS Kegunaan dari fungsi-fungsi spesifik
Keluwesan sistem
(1) Waktu respon (2) Keluwesan sistem (3) Keaksesan sistem
Kualitas Informasi (Information Quality) Kualitas informasi (information quality) mengukur kualitas keluaran dari sistem informasi. Lacker dan Lessig (1980) mengembangkan enam item pertanyaan untuk mengukur kepentingan persepsi (perceived importance) dan kegunaan
19 informasi (usableness of information) dari informasi yang disajikan di laporanlaporan yang dihasilkan sistem informasi. Ahituv (1980) menggunakan lima macam karakteristik informasi untuk mengukur nilai dari informasi, yaitu akurasi (accuracy), ketepatwaktuan (timeliness), relevan (relevance), agregasi (aggregation) dan pemformatan (formatting). Swanson (1974) mengukur apresiasi SIM oleh pemakai manajer dengan menggunakan pengukuran keunikan (uniquness), ketepatan (conciseness), kejelasan (clarity), dan keterbacaan (readability). Olson dan Lucas (1982) mengusulkan wujud laporan (report appearance) dan akurasi (accuracy) sebagai pengukur kualitas sistem informasi dari sistem informasi otomatisasi kantor. Ivari dan Koskela (1987) menggunakan tiga buah konstruk untuk mengukur kualitas informasi, yaitu keinformatifan konstruk (construct informativeness), keaksesan
(accessibility)
dan
keadaptasian
(adaptability).
Keinformatifan
(informativeness) terdiri dari relevansi-item (item relevance), kelengkapan (comprehensiveness), dan kekinian (recentness), akurasi (accuracy), dan kredibilitas (credibility).
Konstruk
keaksesan
(accessbility)
terdiri
dari
kenyamanan
(convinience), ketepatwaktuan (timeliness), dan interpretabilitas (interpretability). Berikutnya adalah King dan Epstein (1983) menggunakan beberapa atribut informasi untuk mengukur nilai informasi, yaitu termasuk kecukupan (sufficiency), kepahaman (understandability), bebas dari bias (freedom from bias), relevansi keputusan (decision relevance), dan besaran (quantitativeness).
20 Pengukuran-pengukuran kualitas informasi dari beberapa peneliti lain yang dilaporkan oleh DeLone dan McLean (1992) adalah seperti ditunjukkan pada Tabel 2.3 berikut ini. Tabel 2.3 Pengukur-pengukur empiris kualitas informasi Peneliti Penjelasan Tipe Pengukur Bailey dan Keseluruhan Studi Keluaran: Pearson (1983) sistem informasi, lapangan (1) Akurasi (accuracy) 8 organisasi, 32 (2) Ketepatan (precision) manajer (3) Kekinian (currency) (4) Ketepatan waktu (timeliness) (5) Keandalan (reliability) (6) Kelengkapan (completeness) (7) Ketepatan (conciseness) (8) Bentuk (format) (9) Relevan (relevance) Blaylock dan Sistem keuangan Lab Kegunaan persepsian dari Rees (984) satu universitas, item-item laporan spesifik 16 mahasiswa MBA Jones dan Beberapa sumber Studi Kepentingan persepsian McLeod (1986) informasi, 5 lapangan untuk masing-masing item eksekutif senior King dan Sistem informasi Studi (1) Kekinian (currency) Epstein (1983) keseluruhan, 2 lapangan (2) Kecukupan (sufficiency) perusahaan, 76 (3) Kepahaman manajer (understanability) (4) Bebas dari bias (freedom from bias) (5) Ketepatan waktu (timeliness) (6) Keandalan (reliability) (7) Relevan untuk membuat keputusan (relevance to decisions) (8) Keterbandingan (comparability) (9) Kekuantitatifan (quantitativeness) Mahmood Sistem informasi Studi (1) Akurasi laporan (1987) spesifik, 61 lapangan (2) Ketepatan waktu laporan manajer sistem informasi
21 Peneliti Miller dan Doyle (1987)
Penjelasan Sistem informasi keseluruhan, 21 perusahaan keuangan, 276 manajer Mahmood dan DSS, 48 Medewitz mahasiswa (1985) pascasarjana Srinivasan Sistem (1985) pemodelan berbasis komputer, 29 perusahaan Sumber: DeLone dan McLean(1992) 3.
Tipe Studi lapangan
Lab
Studi lapangan
(1) (2) (3) (4)
Pengukur Kelengkapan informasi Akurasi informasi Relevansi laporan Ketepatan waktu laporan
Kegunaan laporan
(1) (2) (3) (4)
Akurasi laporan Relevansi laporan Kepemahaman laporan Ketepatan waktu laporan
Kualitas Pelayanan (Service Quality) Pengukuran kualitas pelayanan (service quality) awalnya digunakan di penelitian pemasaran (marketing). Penelitian-penelitian sistem informasi yang memasukkan pengukuran kualitas pelayanan (service quality) ke dalam model D&M meminjamnya dari penelitian pemasaran. Instrumen untuk mengukur kualitas pelayanan (service quality) ini berisi dengan dimensi-dimensi sebagai berikut. 1) Berwujud (tangiable), seperti misalnya sistem informasi mempunyai perangkat lunak dan perangkat keras yang mutakhir. 2) Keandalan (reliability), seperti misalnya sistem informasi dapat diandalkan. 3) Kesegaran (responsiveness), misalnya karyawan-karyawan sistem informasi memberikan pelayanan segera kepada para pemakai. 4) Jaminan
(assurance),
misalnya
karyawan-karyawan
sistem
informasi
mempunyai pengetahuan untuk melakukan pekerjaan dengan baik. 5) Empati (emphaty), misalnya sistem informasi mempunyai kepentingan terbaik di hati pemakai.
22
4.
Penggunaan Informasi (Use) Penggunaan informasi (information use) adalah penggunaan keluaran suatu sistem informasi oleh penerima. Tabel 2.4 berikut ini menunjukkan beberapa pengukuran penggunaan (use) dari sistem informasi. Tabel 2.4 Pengukur-pengukur empiris penggunaan informasi Peneliti Penjelasan Tipe Pengukur Alavi dan DSS untuk menskedul Lab Menggunakan atau tidak Henderson produksi dan tenaga menggunakan bantuan(1981) kerja, satu universitas, 45 bantuan keputusan mahasiswa pascasarjana berbasis komputer Baroudi, Sistem informasi Studi Penggunaan sistem Olson, dan keseluruhan, 200 lapangan informasi untuk Ives (1986) perusahaan, 200 manajer mendukung produksi produksi Bergeron Sistem informasi Studi Penggunaan informasi (1986b) keseluruhan, 54 lapangan organisasi, 263 manajer pemakai De Sanctis DSS, 88 mahasiswa Lab Motivasi untuk (1982) tingkat senior menggunakan Hogue (1987) DSS, 18 organisasi Studi Frekuensi dari lapangan penggunaan sukarela Kim dan Lee (1986)
Sistem informasi keseluruhan, 32 organisasi, 132 pemakai
Studi lapangan
(1) Frekuensi penggunaan (2) Kesukarelaan penggunaan
Sumber: DeLone dan McLean (1992) 5.
Kepuasan Pemakai (User Satisfaction) Kepuasan pemakai (user satisfaction) adalah respon pemakai terhadap penggunaan keluaran sistem informasi. Tabel 2.5 berikut ini menunjukkan penelitian-penelitian yang menggunakan kepuasan pemakai sebagai pengukur keberhasilan sistem informasi.
23
Tabel 2.5 Pengukur-pengukur empiris kepuasan pemakai Peneliti Penjelasan Tipe Pengukur Alavi dan DSS untuk Lab Kepuasan menyeluruh Henderson menskedul dengan DSS (1981) produksi dan tenaga kerja; satu universitas, 45 mahasiswa pascasarjana Baraoudi dan Sistem informasi Studi Kepuasan terhadap informasi Pearson (1983) keseluruhan, 200 Lapangan pemakai perusahaan, 200 manajer produksi Barki dan Huff DSS, 9 Studi Kepuasan terhadap informasi (1985) organisasi, 42 lapangan pemakai (dimodifikasi dari pengambil instrumen Bailey dan Pearson keputusan (1983)) Cats-Barril dan DSS, satu Lab Kepuasan dengan suatu DSS Huber (1987) universitas, 101 (skala multi-item) mahasiswa Ginzberg (1981) Sistem Studi Kepuasan menyeluruh manajemen lapangan portofolio online, 29 manajer portofolio Ginzberg (1981b) Sistem informasi Studi Kepuasan menyeluruh keseluruhan, 35 lapangan pemakai sistem informasi Lehman, Van Grafik-grafik Studi (1) Kepuasan perangkat Wetering, dan bisnis, 200 lapangan lunak Vogel (1986) organisasi, (2) Kepuasan perangkat keras manajer DP Lucas (1981) Sistem sediaan Lab (1) Kesenangan online, 1 (2) Kepuasan universitas, 100 eksekutif Mahmood (1987) Sistem informasi Studi Kepuasan menyeluruh spesifik, 61 lapangan manajer sistem informasi Sanders dan DSS keuangan, Studi (1) Kepuasan menyeluruh Courtney (1985) 124 organisasi lapangan (2) Kepuasan pengambilan keputusan
24 Peneliti Sanders, Courtney, dan Loy (1984)
Penjelasan Sistem Perencanaan Keuangan Interaktif (IFPS atau Interactive Financial Planning System), 124 organisasi, 373 pemakai Sumber: DeLone dan Mclean (1992) 6.
Tipe Studi lapangan
Pengukur (1) Kepuasan pengambilan keputusan (2) Kepuasan menyeluruh
Manfaat Bersih (Net Benefits) Net benefits merupakan penggabungan dampak individual (individual impact) dan dampak organisasional (organizational impact). Dampak individual (individual impact) merupakan efek dari informasi terhadap perilaku pemakai. Sedangkan dampak organisasi (organizational impact) merupakan impak
dari
informasi terhadap kinerja organisasi. Dampak atau impak (impact) berhubungan erat dengan kinerja, yaitu meningkatkan kinerja individual pemakai sistem. Mason (1978) menunjukkan urutan impak (impact) mulai dari menerima informasi, pemahaman informasi, aplikasi dari informasi tersebut ke suatu permasalah tertentu, dan merubah perilaku keputusan, dan dengan hasil perubahan di kinerja organisasi. Impak (impact) dapat juga berarti mempunyai kontribusi kepada pemakainya, pemahaman yang lebih baik terhadap pengambilan keputusan yang dilakukan, merubah kegiatan dari pemakai, atau merubah persepsi pemakai tentang pentingnya atau bergunanya sistem informasi. Rivard dan Huff (1984a) menggunakan peningkatan produktivitas pemakai (increased user productivity) untuk mengukur impak (impact). Chervany, Dickson, dan Kozar (1972) menggunakan pengurangan biayabiaya operasi dari aktivitas-aktivitas di luar kegiatan sistem informasi.
25 Rivard dan Huff (1984b) menggunakan pengurangan-pengurangan biaya dan keuntungan-keuntungan yang direalisasi sari aplikasi tertentu yang dikembangkan untuk pemakai. Lucas (1973) dan juga Hamilton dan Chervany (1981) menggunakan pendapatan perusahaan yang dapat ditingkatkan karena sistem informasi berbasis komputer. Chismar dan Kriebel (1985) menggunakan peningkatan efisiensi yang diukur dari peningkatan penjualan dan return on investment terhadap biaya-biaya input sistem informasi. Dalam penelitiannya di University of California, Irvine, Danziger (1977) menggunakan lima pengukuran hasil produktivitas, yaitu pengurangan staff (staff reduction), pengurangan biaya (cost reduction), meningkatkan volume pekerjaan (increased product volume), informasi baru (new information), dan meningkatkan efektivitas dalam melayani publik (increased effectiveness in serving the public). Tabel 2.6 berikut ini menunjukkan beberapa penelitian lain yang menggunakan net benefits sebagai pengukur keberhasilan sistem informasi. Tabel 2.6 Pengukur-pengukur empiris net benefits Penjelasan Tipe Pengukur Surat elektronik, Kasus Peningkatan produktivitas organisasi personal pemasok komputer Zmud (1983) Kanal informasi Studi Pemahaman dan eksternal, 49 lapangan penggunaan perangkat manajer lunak modern pengembang perangkat lunak Benbasat dan Keuangan, 65 Lab Kinerja laba Dexter (1986) mahasiswa bisnis Peneliti Crawfod (1982)
Benbasat, Dexter, Penentuan harga, dan Masulis (1981) satu universitas, 50 mahasiswa dan dosen
Lab
Laba
26 Peneliti Edelman (1981)
Penjelasan Hubungan industrial, satu perusahaan, 14 unit operasi PERT, satu organisasi R&D, 24 manajer Sistem informasi dikembangkan, 10 perusahaan besar
Tipe Studi lapangan
Pengukur Produktivitas manager keseluruhan (biaya informasi per karyawan)
Studi lapangan
Profitabilitas
Studi lapangan
(1) Pengurangan biaya (2) Kontribusi laba
Keseluruhan sistem informasi, direktur, 695 perusahaan Sumber: DeLone dan McLean (1992)
Studi lapangan
Laba tiap aktiva-aktiva bersih
Ein-Dor, Segev, dan Steinfeld (1981) Rivard dan Huff (1984)
Yap dan Walsham (1986)
Banyak sekali pengukuran yang digunakan untuk mengukur keberhasilan sistem informasi. Tidak ada satu pengukuran yang lebih baik dari yang lainnya. Pemilihan pengukuran harus mempertimbangkan beberapa aspek seperti misalnya sasaran dari penelitian, kontek organisasi yang menggunakan, aspek dari sistem informasinya, dan variabel-variabel independen yang digunakan untuk menilai kesuksesannya, metode risetnya, dan tingkat analisisnya apakah pada tingkat individual, organisasi, atau masyarakat. Terlalu banyaknya variabel yang digunakan akan membuat lebih sulit hasilnya untuk dibandingkan dan diterapkan.
2.2.3 Structural Equation Modeling (SEM) Structural Equation Modelling (SEM) merupakan gabungan dari dua metode statistik yang terpisah yaitu analisis faktor (factor analysis) serta model persamaan simultan (simultaneous equation modelling). SEM terdiri dari dua bagian, yaitu: bagian pengukuran yang menghubungkan observed variabel dengan latent variabel lewat
27 confirmatory factor model dan bagian struktur yang menghubungkan antar latent variabel lewat persamaan regresi simultan. Obeserved Variabel (Manifest) dan Unobserved Variabel (Latent) Variabel penelitian adalah konsep abstrak yang dapat diukur. Konsep abstrak yang langsung dapat diukur disebut observed variabel atau manifest. Namun demikian ada konsep abstrak yang tidak dapat diukur langsung atau unobserved variabel (sering juga disebut latent atau konstruk). Variabel ini diukur dengan seperangkat pertanyaan. Responden diminta untuk menjawab pertanyaan (sering disebut indikator atau manifest) dengan tipe jawaban skala Likert. Di dalam konvensi SEM variabel observed digambarkan dengan kotak dan latent variabel digambarkan dengan bulat oval atau elips.
Latent Variabel Ada dua jenis latent variabel yaitu latent variabel eksogen (independen) dan endogen (dependen). Kedua jenis konstruk ini dibedakan apakah mereka berkedudukan sebagai variabel dependen atau bukan dependen dalam suatu model persamaan. Konstruk eksogen adalah variabel independen, sedangkan kosntruk endogen adalah semua variabel dependen. Dalam bentuk grafis konstruk endogen menjadi target paling tidak satu anak panah (
) atau hubungan regresi, sedangkan
konstruk eksogen menjadi target garis dengan dua anak panah ( korelasi/kovarian.
2.3
Pertanyaan Penelitian Pertanyaan penelitian yang akan diangkat adalah sebagai berikut.
) atau hubungan
28 1.
Faktor-faktor apa saja yang mempengaruhi kesuksesan penerapan ERP di PT PLN (Persero) Distribusi Bali?
2.
Apakah variabel-variabel yang dipilih pada model sukses yang ditetapkan, mempunyai korelasi dan tepat untuk digunakan mengukur kesuksesan penerapan ERP di PT PLN (Persero) Distribusi Bali?
BAB III METODOLOGI PENELITIAN
Adapun bentuk penelitian yang digunakan dalam penelitian ini adalah menggunakan analisis data kuantitatif statistik untuk meneliti hubungan variabel-variabel penelitian, dengan memberikan kuesioner kepada pegawai PT PLN (Persero) Distribusi Bali, dan menggunakan analisis data kualitatif deskriptif, dengan tujuan mendapatkan informasi selengkap mungkin mengenai keberhasilan penerapan SAP di PT PLN (Persero) Distribusi Bali.
3.1 Bahan Penelitian Data yang menjadi bahan penelitian ini terdiri dari dua sumber data, yakni: data primer dan data sekunder. a. Data primer, yaitu data yang diperoleh melalui kuesioner yang disebarkan dan pengamatan atau studi lapangan yang dilakukan secara langsung kepada pengguna SAP di PT PLN (Persero) Distribusi Bali (responden) sebagai sumber data pertama. b. Data sekunder, yaitu data yang diperoleh bukan melalui pengamatan atau studi lapangan yang dilakukan secara langsung, akan tetapi menggunakan data yang bersumber dari dokumen-dokumen perusahaan, publikasi ilmiah, atau publikasi lainnya yang relevan dan dapat dipertanggungjawabkan. Publikasi dapat berupa jurnal, hasil penelitian yang pernah dilakukan orang lain, maupun juga dari media massa dan situs internet (website).
3.2 Alat Penelitian Penelitian ini menggunakan Structural Equation Modelling (SEM) sebagai alat untuk mengukur dimensi-dimensi yang mempengaruhi kesuksesan penerapan Enterprise Resource Planning (dalam hal ini adalah penerapan SAP) di PT. PLN (Persero) Distribusi Bali dengan
29
30 mengadopsi model sukses sistem informasi DeLone dan Mclean dan pengukur-pengukur dari penelitian-penelitian sejenis yang telah dilakukan sebelumnya. Pengukuran variabel dilakukan dengan menggunakan skala Likert. Prosedur pengukuran sebagai berikut: 1.
Responden diminta untuk menyatakan setuju atau tidak setuju terhadap pernyataan yang diajukan peneliti atas dasar persepsi masing-masing responden. Jawaban terdiri dari empat pilihan, yakni: Sangat Setuju (SS), Setuju (S), Tidak Setuju (TS), dan Sangat Tidak Setuju (STS).
2.
Pemberian nilai (scoring). Untuk jawaban Sangat Setuju (SS) diberikan nilai 4, dan seterusnya menurun sampai pada jawaban Sangat Tidak Setuju (STS) yang diberikan nilai 1. Secara lengkap dapat dilihat pada Tabel 3.1 berikut. Tabel 3.1 Bobot nilai jawaban responden Jawaban Nilai Sangat Setuju 4 Setuju 3 Tidak Setuju 2 Sangat Tidak Setuju 1
3.3 Jalan Penelitian 3.3.1
Populasi dan Sampel Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono, 2009:80). Populasi dalam penelitian ini adalah seluruh karyawan PT PLN (Persero) Distribusi Bali. Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut (Sugiyono, 2009 : 81). Sampel yang diambil dari populasi harus betul-betul representatif (mewakili). Teknik sampling yang digunakan dalam pengambilan sampel pada penelitian ini adalah Cluster Sampling. Anggota populasi yang dipilih menjadi sampel adalah manager, staf, dan teknisi yang menjadi pengguna dan menangani
31 penerapan SAP di PT PLN Distribusi Bali yang berjumlah 70 orang yang tersebar di Kantor Distribusi sebanyak 33 orang, Area Jaringan Bali Selatan sebanyak 12 orang, Area Pelayanan Denpasar sebanyak 6 orang, Area Pelayanan Kuta sebanyak 9 orang, Area Pengatur Distribusi sebanyak 6 orang, dan Area Pengatur Tegangan Tinggi dan Menengah 4 orang.
3.3.2
Metode Pengumpulan Data Proses pengumpulan data dilakukan dengan beberapa cara sebagai berikut:
a. Survei Metode survei dilakukan dengan memberikan kuesioner, dimana peneliti terjun langsung ke lapangan untuk mendistribusikan atau menyebarkan kuesioner kepada pengguna SAP di PT PLN (Persero) Distribusi Bali. b. Studi Kepustakaan Studi kepustakaan adalah teknik pengumpulan data yang dilakukan dengan cara telaah pustaka maupun sumber bacaan lainnya yang relevan dan dapat dipertanggungjawabkan. Telaah pustaka dilakukan terhadap jurnal, hasil penelitian yang pernah dilakukan orang lain, dokumen intern resmi perusahaan, maupun dari media massa dan situs internet. c. Wawancara terbatas Wawancara terbatas adalah teknik pengumpulan data yang dilakukan dengan mewawancarai beberapa pengguna SAP di PT PLN (Persero) Distribusi Bali.
3.3.3
Analisis Dengan SEM Beberapa tahapan pokok yang akan dialui untuk menggunakan SEM dalam
sebuah kegiatan penelitian adalah sebagai berikut.
32 1.
Model Berbasis Teori Pada tahap ini, dengan berdasarkan teori DeLone dan McLean dibuat sebuah model dalam bentuk diagram seperti terlihat pada Gambar 3.1. Model untuk mengukur kesuksesan penerapan SAP di PT PLN (Persero) Distribusi Bali dibuat dengan mengadopsi teori model sukses sistem informasi DeLone dan Mclean, namun kemudian disederhanakan agar lebih sesuai dengan kebutuhan dan kondisi penerapan SAP di PT PLN (Persero) Distribusi Bali. Penyederhanaan model dengan cara mengurangi jumlah konstruk dari 6 menjadi 3, yaitu dengan menghilangkan konstruk kualitas pelayanan, intensi penggunaan dan kepuasan pengguna. Alasan pemilihan konstruk yang dihilangkan adalah karena SAP adalah sistem wajib yang digunakan di PT PLN (Persero) Distribusi Bali, sehingga tidak terlalu dipengaruhi oleh variabel penggunaan atau intensi penggunaan karena suka tidak suka, mau tidak mau dan puas atau tidak puas tidak ada pilihan sistem informasi yang lain sehingga karyawan tetap harus menjadi pengguna sistem SAP. Sedangkan untuk konstruk kualitas pelayanan sebenarnya merupakan bagian dari kualitas sistem (DeLone and McLean, 2003). Walaupun kualitas pelayanan dapat dimasukkan sebagai komponen baru di model yang telah diperbarui, tetapi bobotnya berbeda dengan kualitas informasi dan kualitas sistem, tergantung tingkat analisisnya, apakah sebuah sistem informasi atau keseluruhan sistem di departemen Teknologi Informasi. DeLone dan McLean (2003) mengatakan untuk mengukur kesuksesan dari suatu sistem informasi tunggal, kualitas informasi dan kualitas sistem merupakan komponen yang paling penting. Sedangkan kualitas pelayanan merupakan komponen penting yang digunakan untuk mengukur kesuksesan keseluruhan dari departemen TI (Teknologi Informasi) bukan sebuah sistem informasi tunggal.
33
Gambar 3.1 Model sukses penerapan SAP di PT PLN (Persero) Distribusi Bali Hipotesis-hipotesis yang diusulkan dan arah dari hipotesis tampak pada Gambar 3.1 di atas. Adapun hipotesis yang diusulkan adalah sebagai berikut.
2.
H1
: kualitas sistem mempengaruhi net benefit.
H2
: kualitas informasi mempengaruhi net benefit.
H3
: kualitas sistem dan kualitas informasi saling mempengaruhi.
Variabel dan Indikator Penelitian Setelah model dibuat, model diuji dengan menggunakan data dari studi lapangan di PT PLN (Persero) dengan kuesioner. Variabel dan indikator-indikator pengukur yang digunakan dalam penelitian ini dipilih berdasarkan kondisi penerapan, tingkat kebutuhan dan kepentingan di PT PLN (Persero) Distribusi Bali. Variabel yang akan digunakan dalam pengukuran kesuksesan penerapan SAP di PT PLN (Persero) Distribusi Bali dapat didefinisikan sebagai berikut.
34 1) Kualitas sistem Kualitas sistem digunakan untuk mengukur kualitas dari sistem teknologi informasinya sendiri, dalam hal ini adalah kualitas sistem SAP yang diterapkankan di PT PLN (Persero) Distribusi Bali. Tabel 3.2 berikut menunjukkan item-item pengukuran kualitas sistem.
Kode KS1 KS2 KS3
Tabel 3.2 Indikator-indikator kualitas sistem Indikator Sumber Isi basis data Emery (1971) Kemudahan dipelajari Belardo, Karwan, dan Wallace (1982) Keluwesan sistem Bailey dan Pearson (1983)
2) Kualitas Informasi Kualitas informasi mengukur kualitas keluaran dari sistem informasi. Tabel 3.3 berikut menunjukkan item-item pengukuran kualitas informasi dari laporan-laporan yang dihasilkan oleh sistem SAP. Tabel 3.3 Indikator-indikator kualitas informasi Kode Indikator Sumber KI1 Kepahaman King dan Epstein (1983) KI2 Akurasi Bailey dan Pearson (1983) KI3 Ketepatwaktuan Mahmood (1987)
3) Net Benefit Merupakan gabungan dari efek penerapan SAP terhadap individual pemakai maupun terhadap organisasi. Tabel 3.4 berikut menunjukkan item-item pengukuran net benefits.
Kode NB1 NB2 NB3
Tabel 3.4 Indikator-indikator net benefit Indikator Sumber Peningkatan produktivitas individual Crawford (1982) Pengurangan biaya operasional Rivard dan Huff (1984) Efektivitas organisasional Irvine, Danziger (1977)
35 3.
Identifikasi Model (Model Identification) Setelah sebuah model dibuat dan desain sudah ditentukan, pada model dilakukan uji identifikasi, apakah model dapat dianalisis lebih lanjut. Ada tiga jenis identifikasi yang mungkin terjadi dalam analisis SEM, yaitu just identified yang mempunyai nilai degree of freedom sebesar 0, under identified yang mempunyai nilai degree of freedom negatif, dan overidentified yang mempunyai nilai degree of freedom positif. Menurut Santosa (2007) estimasi dan penilaian model dapat dilakukan jika mempunyai nilai degree of freedom positif. Dengan demikian besaran degree of freedom (df) perlu diketahui karena menentukan apakah sebuah model layak diuji atau tidak. Pada sebuah model SEM, degree of freedom (df) dapat diketahui degan rumus: df = ½[[(p).(p+1)]-k] dimana: p = jumlah variabel manifest (observed variabel) pada sebah model k = jumlah parameter yang akan diestimasi Dalam praktek, perhitungan df tidak perlu dilakukan secara manual karena secara otomatis akan dilakukan oleh software AMOS dan output pada bagian notes for model memberikan penjelasan perhitungan tersebut. Setelah model dibuat, proses selanjutnya adalah mengumpulkan data dari sampel dan kemudian memasukkan pada program AMOS. Setelah itu dilakukan proses penilaian (asessment) dan pengujian (estimation). Penilaian dimaksudkan untuk mengetahui sejauh mana data “fit” dengan model yang sudah dibuat, dan data sampel yang diambil dapat menunjukkan kekuatan model dalam menjelaskan sebuah
36 fenomena. Sedangkan pengujian lebih dimaksudkan untuk memperkirakan kekuatan hubungan-hubungan antar variabel di dalam model. Proses penilaian dan pengujian dilakukan menggunakan teknik MLE (Maximum Likehood Estimation), yang didasarkan pada antara matrik kovarians sampel dengan populasi. 4.
Menguji Model (Model Testing & Model Estimation) Dari pengujian measurement model, diharapkan akan diperoleh keeratan hubungan antara indikator dengan konstruknya dan memperoleh sejumlah korelasi yang menunjukkan hubungan antar konstruk. Ada beberapa alat uji model yang akan digunakan, yaitu sebagai berikut. 1) Absolute Fit Indices Absolute Fit Indices mengukur model fit secara keseluruhan (baik model struktural maupun model pengukuran secara bersama). Pengujian dengan alat ini akan membandingkan secara langsung matrik kovarians sampel dengan estimasi, alat uji golongan ini adalah dasar dari semua alat uji yang lain • Chi-square (𝜒2)
Chi-square (𝜒2) merupakan alat utama pengujian measurement model.
Nilai chi-square yang tinggi relative terhadap degree of freedom menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini menghasilkan probabilitas (p) lebih kecil dari tingkat signifikansi (𝛼). Sebaliknya nilai chi-square yang kecil akan menghasilkan nilai probabilitas (p) yang lebih besar dari tingkat signifikansi (𝛼) dan ini menunjukkan bahwa input matrik kovarian antara prediksi dengan observasi sesungguhnya tidak berbeda secara signifikan. Model yang diuji
37 akan dipandang baik atau memuaskan bila nilai chi-square rendah karena mengharapkan bahwa model yang diusulkan cocok atau fit. • GFI (Goodness of Fit Index) GFI merupakan ukuran non-statistik yang nilainya berkisar dari nilai 0 (poor fit) sampai 1.0 (perfect fit). Nilai GFI yang tinggi menunjukkan fit yang lebih baik dan berapa nilai GFI yang dapat diterima sebagai nilai yang layak belum ada standarnya, tetapi banyak peneliti menganjurkan nilai di atas 0,9 sebagai ukuran fit. Alat uji GFI memungkinkan pengaruh jumlah sampel menjadi kurang sensitif dalam proses pengambilan keputusan. • CMIN/DF Alat uji ini membagi nilai chi-square dengan degree of freedom. Menurut Wheaton et. Al (1997) nilai ratio 5 atau kurang dari 5 merupakan ukuran yang reasonable. Peneliti lainnya seperti Byrne (1988) mengusulkan nilai ratio ini < 2 merupakan ukuran fit. • RMSEA (Root Mean Square Error Of Approximation) RMSEA
merupakan
ukuran
yang
mencoba
memperbaiki
kecenderungan statistic chi-square menolak model dengan jumlah sampel besar. Nilai RMSEA antara 0,05 sampai 0,08 merupakan ukuran yang dapat diterima. 2) Incremental Fit Indices Kelompok pengujian ini pada AMOS dinamakan dengan Baseline Comparisons. Pengujian dengan alat ini akan membandingkan proposed model dengan baseline model sering disebut dengan null model, yakni model yang mempunyai asumsi bahwa semua indikator (observed variables) tidak berkorelasi satu dengan yang lainnya.
38 • CFI (Comparative Fit Index) Indeks ini pada dasarnya membandingkan angka NCP (Non Centrality Parameter) pada berbagai model. Alat ukur CFI mempunyai range value antara 0 sampai 1, pada umumnya nilai di atas 0,9 menunjukkan model sudah fit dengan data yang ada. • TLI (Tucker Lewis Index) TLI atau dikenal dengan nonnormed fit index (NNFI) menggabungkan ukuran parsimony ke dalam indeks komparasi antara proposed model dan null model. TLI mempunyai dasar yang sama dengan CFI berkisar antara 0 sampai 1, hanya di sini angka TLI dapat di bawah 0 ataupun di atas satu 1. • AGFI (Adjusted Goodness of Fit Index) AGFI merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk proposed model dengan degree of freedom untuk null model. Nilai yang direkomendasikan adalah sama atau > 0,9. Indeks-indeks kesesuaian model secara ringkas ditunjukkan pada Tabel 3.5 berikut. Tabel 3.5 Kriteria nilai kesesuaian indeks fit Goodness of Fit Index Cut off Value Chi-square Diharapkan kecil (lebih kecil dari chi-square tabel) Significance probability ≥ 0,05 GFI ≥ 0,90 CMIN/DF ≤ 2,00 RMSEA 0,05 – 0,08 CFI ≥ 0,95 TLI ≥ 0,95 AGFI ≥ 0,90
39 3) Pengujian Structural Model Pengujian structural model meliputi dua bagian utama, yaitu: menguji keseluruhan model dari structural model dan menguji hubungan di antara konstruk atau variabel independen-independen yang ada dalam structural model.
3.4 Kesulitan-Kesulitan Dalam proses melakukan penelitian tentu meiliki kesulitan-kesulitan yang dijumpai dengan tingkatan dan variasi kesulitan yang berbeda. Pada proses penelitian ini mengalami beberapa kesulitan diantaranya adalah: 1. Berbelit-belit dan lamanya proses perizinan untuk melakukan penelitian pada PT PLN (Persero) Distribusi Bali sehingga jadwal penelitian yang telah dibuat menjadi mundur dari yang sudah ditentukan. 2. Keterbatasan waktu pada saat melakukan wawancara dengan narasumber karena waktu yang disediakan sangat terbatas disebabkan rutinitas tugas dan pekerjaan para pegawai dan pejabat struktural yang ada di PT PLN (Persero) Distribusi Bali. 3. Kurangnya kesadaran beberapa responden mengisi informasi identitas responden menyebabkan kesulitan dalam menganalisis deskriptif data yang diperoleh. 4. Membutuhkan waktu cukup lama untuk mempelajari dan menggunakan tool yang digunakan untuk menganalisis pencapaian keberhasilan penerapan SAP di PT PLN (Persero) Distribusi Bali.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Hasil Penelitian 4.1.1 Diagram Alur Berdasarkan kajian teori, maka dibuat diagram alur hubungan kausalitas antar konstruk beserta indikatornya. Hubungan tersebut dapat dilihat pada Gambar 4.1. Dalam penyusunan diagram alur tersebut terdiri dari 3 (tiga) konstruk dan 9 (sembilan) indikator.
Gambar 4.1 Model diagram alur hubungan kausalitas Model diagram alur pada Gambar 4.1 di atas diadopsi dari model sukses sistem informasi DeLone dan McLean, namun disederhanakan menjadi tiga konstruk saja. Penyederhanaan ini dilakukan untuk menyesuaikan dengan kebutuhan dan keterbatasan jumlah responden yang bisa diperoleh terkait dengan penerapan SAP di PT PLN (Persero) Distribusi Bali.
40
41
4.1.2 Persamaan Struktural dan Measurement Model Persamaan struktural dari model diagram alur pada Gambar 4.1. dapat dinyatakan sebagai berikut. NB = β1 KS + β2 KI + z1 Keterangan: KS : Kualitas sistem KI : Kualitas informasi Sedangkan spesifikasi dari model pengukuran, persamaannya dapat disusun sebagai berikut. 1. Konstruk eksogen kualitas sistem KS1 = λ1KS + e1 KS2 = λ2KS + e2 KS3 = λ3KS + e3 2. Konstruk eksogen kualitas informasi KI1 = λ4KI + e4 KI2 = λ5KI + e5 KI3 = λ6KI + e6 3. Konstruk endogen net benefit NB1 = γ1NB + e11 NB2 = γ2NB + e12 NB3 = γ3NB + e13 Setelah pembentukan persamaan struktural, berikutnya dilakukan measurement model. Hasilnya sebagaimana ditunjukkan pada Gambar 4.2.
42
Gambar 4.2 Full model struktural Model yang baik sangat dipengaruhi oleh validitas indikator dan reliabilitas konstruk. Oleh karena itu, perlu dilakukan pengujian terhadap validitas dan reliabilitas terhadap model tersebut. 1. Uji validitas Uji validitas dimaksudkan untuk mengetahui apakah instrumen yang digunakan benar-benar mengukur apa yang seharusnya diukur. Validitas diuji melalui analisis faktor konfirmatori. Jika loading factor dari indikator > 0,50 indikator tersebut valid (Ghozali, 2007:135). Nilai loading factor dari semua indikator yang ada dalam model ditunjukkan pada Tabel 4.1
43 Tabel 4.1 Standardized regression weights Estimate Net Benefit <--- Kualitas Sistem ,535 Net Benefit <--- Kualitas Informasi ,519 KS1 <--- Kualitas Sistem ,536 KS2 <--- Kualitas Sistem ,634 KI3 <--- Kualitas Informasi ,741 KI2 <--- Kualitas Informasi ,750 KI1 <--- Kualitas Informasi ,862 NB1 <--- Net Benefit ,505 NB2 <--- Net Benefit ,638 NB3 <--- Net Benefit ,627 KS3 <--- Kualitas Sistem ,705
Berdasarkan Tabel 4.1 di atas ternyata loading factor dari semua indikator tidak ada yang lebih kecil dari 0,50. Dengan demikian, maka semua indikator dinyatakan valid dan proses evaluasi model dapat dilanjutkan.
2. Uji reliabilitas Uji reliabilitas pada penelitian ini bertujuan untuk mengetahui sejauh mana hasil pengukuran tetap konsisten, apabila dilakukan pengukuran dua kali atau lebih terhadap gejala yang sama dengan menggunakan alat pengukur yang sama. Peneliti melakukan uji realibilitas menggunakan Cronbach’s Alpha dari masing-masing item dalam suatu variabel atau konstruk, instrumen yang dipakai akan dianggap reliabel apabila nilai Cronbach’s Alpha > 0,60 (Nunnaly, 1978). Gambar 4.3 berikut menunjukkan output hasil uji reliabilitas dari masing-masing konstruk.
44
Gambar 4.3 Output hasil uji reliabilitas konstruk penelitian Secara ringkas nilai reliabilitas dari masing-masing konstruk terangkum dalam Tabel 4.2 berikut. Tabel 4.2 Nilai reliabilitas setiap konstruk Variabel Nilai Cronbach’s Alpha Keterangan Kualitas Sistem 0,647 Baik Kualitas Informasi 0,823 Baik Net Benefit 0,623 Baik
45 Berdasarkan Tabel 4.2 di atas dapat disimpulkan bahwa semua item pertanyaan yang digunakan untuk mengukur masing-masing konstruk penelitian dapat dinyatakan handal atau reliabel karena memiliki nilai Cronbach’s Alpha di atas nilai kritis yakni 0,60.
4.1.3
Identifikasi Model Dalam model SEM, ada hal penting yang perlu diketahui sebelum sebuah
pengujian model dilakukan, yakni model identification. Identifikasi berkaitan dengan apakah tersedia cukup informasi untuk mengidentifikasi adanya sebuah solusi dari persamaan struktural. 1.
Degree of Freedom (Df) Estimasi dan penilaian model dapat dilakukan apabila terjadi overidentified. Dalam SEM model dikatakan overidentified, jika degree of freedom (df) adalah positif. Uji identifikasi dilakukan untuk mengetahui apakah model dapat dianalisis lebih lanjut. Gambar 4.4 berikut adalah tampilan hasil perhitungan degree of freedom (df) dari model yang sudah di estimasi dengan software AMOS.
Gambar 4.4 Output hasil perhitungan degree of freedom Dari Gambar 4.4 di atas terlihat bahwa df mempunyai nilai positif, sehingga pengujian pada model dapat dilakukan.
2. Uji Normalitas Seperti metode statistik lain, SEM juga mensyaratkan data terdistribusi normal. Sebuah distribusi dikatakan normal jika data tidak miring ke kiri atau ke
46 kanan (disebut simetris dengan nilai skweness adalah 0), serta mempunyai keruncingan yang ideal (angka kurtosis adalah 0). Namun angka-angka itu sulit didapat di dalam praktek, sebaran data akan bervariasi pada skweness serta kurtosis yang negatif atau positif. Karena itu yang akan diuji adalah seberapa miring atau seberapa runcing sebuah distribusi, sehingga masih dapat dianggap normal dengan angka pembanding adalah z, angka tersebut didapat dengan melihat tabel z, dan angka z adalah ± 2,58. Dengan demikian, sebuah distribusi dikatakan normal jika angka cr skweness atau cr kurtosis ada di antara -2,58 atau di atas +2,58. Namun jika angkaangka tersebut ada di bawah -2,58 atau di atas +2,58, distribusi dapat dikatakan tidak normal Santosa (2007). Hasil pengujian distribusi data dengan software AMOS dapat dilihat pada Tabel 4.3 berikut.
Variable KS3 NB3 NB2 NB1 KI1 KI2 KI3 KS2 KS1 Multivariate
Tabel 4.3 Assesment of normality min max skew c.r. kurtosis 2,000 4,000 ,058 ,198 ,675 2,000 4,000 ,092 ,314 ,468 2,000 4,000 -,006 -,022 -,082 2,000 4,000 ,010 ,033 -,096 2,000 4,000 ,113 ,387 ,271 2,000 4,000 ,163 ,555 ,217 2,000 4,000 -,006 -,021 -,082 2,000 4,000 -,014 -,047 -,198 2,000 4,000 ,036 ,124 ,169 ,035
c.r. 1,152 ,800 -,140 -,164 ,462 ,371 -,141 -,338 ,289 ,010
Berdasarkan hasil perhitungan yang ditunjukkan pada Tabel 4.3, ternyata nilai critical ratio skewness dari semua indikator berada di dalam rentang ± 2,58. Dengan demikian dapat disimpulkan bahwa data dari semua indikator berdistribusi normal sehingga layak untuk digunakan.
47 3. Uji Outlier Uji outlier dilakukan untuk melihat kondisi observasi dari suatu data yang memiliki karakteristik unik yang terlihat sangat berbeda jauh dari observasi-observasi lainnya dan muncul dalam bentuk ekstrim, baik untuk sebuah variabel tunggal ataupun variabel-variabel kombinasi (Hair et al., 1998 dalam Ghozali, 2007 : 227). Deteksi outlier dilakukan untuk melihat univariate outlier maupun multivariate outlier. Deteksi terhadap univariate outlier dapat dilakukan dengan menentukan nilai data ke dalam skor standardized atau yang biasa disebut z-score, yang memiliki nilai means (rata-rata) sama dengan nol dan standar deviasi sama dengan satu. Menurut Hair (1998) dalam Ghozali (2006 : 40) untuk kasus sampel kecil (kurang dari 80), maka standar skor dengan nilai e” 2,5 dinyatakan outlier. Untuk sampel besar standar skor dinyatakan outlier jika nilainya pada kisaran 3 sampai 4. Jika standar skor tidak digunakan, maka kita dapat menentukan data outlier jika data tersebut nilainya lebih besar dari 2,5 standar deviasi atau antara 3 sampai 4 standar deviasi tergantung dari besarnya sampel.
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
ZKS1 -0,1536 1,63844 1,63844 -0,1536 1,63844 -1,94565 -0,1536 -0,1536 -1,94565 -0,1536 -0,1536 -1,94565 1,63844 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 1,63844 1,63844 1,63844 1,63844 -1,94565 1,63844
ZKS2 -1,737 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -1,737 -0,07138 -0,07138 -1,737 -0,07138 -0,07138 1,59423 -0,07138 -0,07138 1,59423 -1,737 -0,07138 -1,737 1,59423
Tabel 4.4 Hasil uji univariate outlier ZKS3 ZKI1 ZKI2 ZKI3 -0,08195 -0,23975 -2,18955 -0,14692 -0,08195 -0,23975 -0,29735 -0,14692 1,8302 1,625 1,59486 1,56713 -0,08195 1,625 1,59486 1,56713 -0,08195 -0,23975 -0,29735 -0,14692 -0,08195 -0,23975 -0,29735 -0,14692 1,8302 1,625 1,59486 1,56713 -1,9941 -2,10451 -0,29735 -1,86097 -1,9941 -0,23975 -0,29735 -0,14692 -1,9941 -0,23975 -2,18955 -1,86097 -0,08195 -0,23975 -0,29735 -0,14692 -1,9941 -0,23975 -0,29735 -0,14692 -0,08195 -0,23975 -0,29735 -0,14692 -1,9941 -0,23975 -0,29735 -0,14692 -0,08195 -0,23975 -0,29735 -0,14692 -1,9941 -0,23975 -0,29735 -1,86097 -1,9941 -0,23975 -0,29735 -0,14692 -0,08195 -0,23975 -0,29735 -0,14692 -0,08195 1,625 1,59486 -0,14692 -0,08195 -0,23975 -0,29735 -0,14692 -0,08195 -0,23975 -0,29735 1,56713 -0,08195 1,625 1,59486 1,56713 1,8302 1,625 -0,29735 1,56713 -0,08195 -0,23975 -0,29735 -0,14692 -0,08195 -0,23975 1,59486 -0,14692 -0,08195 -2,10451 -0,29735 -1,86097 1,8302 -0,23975 -0,29735 -0,14692
ZNB1 -1,99819 -1,99819 1,49864 -0,24977 1,49864 -0,24977 -0,24977 -1,99819 -0,24977 -1,99819 1,49864 -0,24977 -0,24977 -0,24977 -1,99819 -0,24977 -0,24977 -0,24977 -0,24977 -1,99819 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 1,49864
ZNB2 -1,80107 -0,09736 1,60636 1,60636 -0,09736 -1,80107 -0,09736 -0,09736 -0,09736 -0,09736 1,60636 -0,09736 -0,09736 -1,80107 -1,80107 -0,09736 -0,09736 1,60636 -0,09736 -0,09736 -0,09736 1,60636 1,60636 -0,09736 1,60636 -0,09736 1,60636
ZNB3 -2,04306 -0,16129 1,72047 -0,16129 1,72047 -0,16129 1,72047 -0,16129 -0,16129 -2,04306 -0,16129 -0,16129 -0,16129 -2,04306 -0,16129 -0,16129 -2,04306 1,72047 -0,16129 1,72047 -0,16129 -0,16129 -0,16129 -0,16129 1,72047 -2,04306 -0,16129 48
No 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55
ZKS1 -0,1536 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 1,63844 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 1,63844 -0,1536 1,63844 -0,1536 -0,1536 -0,1536
ZKS2 1,59423 -0,07138 1,59423 1,59423 -1,737 -1,737 -1,737 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -1,737 -1,737 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 1,59423 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -1,737
ZKS3 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 1,8302 -1,9941 -0,08195 -0,08195 -0,08195 1,8302 1,8302 1,8302 -0,08195 1,8302 -0,08195 -0,08195 -0,08195
ZKI1 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -2,10451 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -2,10451 1,625 -0,23975 1,625 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975
ZKI2 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -2,18955 1,59486 1,59486 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 1,59486 1,59486 1,59486 -0,29735 -0,29735 -0,29735 -2,18955 -0,29735
ZKI3 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 1,56713 -0,14692 -0,14692 -0,14692 -0,14692 -1,86097 -0,14692 1,56713 -0,14692 1,56713 1,56713 1,56713 -1,86097 -0,14692 -0,14692 -1,86097 -0,14692
ZNB1 -0,24977 -0,24977 1,49864 -0,24977 1,49864 -0,24977 1,49864 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 1,49864 -0,24977 -0,24977 1,49864 -0,24977 1,49864 -0,24977 1,49864 -0,24977 -0,24977 -0,24977
ZNB2 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 -1,80107 -0,09736 -0,09736 -1,80107 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 -1,80107 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 1,60636 1,60636 1,60636 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736
ZNB3 -0,16129 -0,16129 1,72047 -0,16129 -0,16129 -0,16129 1,72047 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 49
No 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
ZKS1 1,63844 -0,1536 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 1,63844 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536
ZKS2 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 1,59423 1,59423
ZKS3 1,8302 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 1,8302 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195
ZKI1 1,625 -2,10451 -2,10451 -0,23975 1,625 -0,23975 -0,23975 -0,23975 1,625 1,625 1,625 -0,23975 -0,23975 1,625 1,625
ZKI2 -0,29735 -0,29735 -2,18955 -0,29735 1,59486 -0,29735 -0,29735 -0,29735 -0,29735 1,59486 1,59486 -0,29735 -0,29735 1,59486 1,59486
ZKI3 1,56713 -1,86097 -1,86097 -0,14692 1,56713 -0,14692 -0,14692 -0,14692 1,56713 1,56713 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692
ZNB1 1,49864 -0,24977 -0,24977 -1,99819 -0,24977 1,49864 1,49864 -0,24977 -0,24977 1,49864 -0,24977 -0,24977 -0,24977 1,49864 1,49864
ZNB2 -0,09736 -1,80107 -1,80107 -0,09736 1,60636 1,60636 -0,09736 -1,80107 -0,09736 -0,09736 1,60636 -0,09736 -0,09736 -0,09736 -0,09736
ZNB3 1,72047 -2,04306 -2,04306 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 1,72047 1,72047 -0,16129 -0,16129 1,72047 1,72047
50
51 Dalam penelitian ini sampel yang digunakan tergolong kecil yakni kurang dari 80, maka standar skor yang digunakan adalah 2,5. Dari hasil pengujian sebagaimana yang ditunjukkan pada Tabel 4.4 tidak ada nilai z-score yang diatas 2,5, jadi dapat disimpulkan bahwa tidak ada masalah univariate outlier pada penelitian ini. Sementara
deteksi
terhadap
multivariate
outlier
dilakukan
dengan
memperhatikan jarak mahalanobis distance pada tingkat p < 0,001. Jarak mahalanobis itu dievaluasi dengan menggunakan 𝜒
2
pada derajat bebas sebesar
jumlah indikator yang digunakan dalam penelitian itu. Dalam penelitian ini digunakan 9 indikator, oleh karena itu semua kasus yang mempunyai mahalanobis distance yang lebih besar dari 𝜒 2 (9, 0,001) = 27,877 adalah outlier multivariate. Tabel 4.5 berikut menunjukkan hasil output mahalonobis distance.
Tabel 4.5 Observations farthest from the centroid (Mahalanobis distance) Observation number Mahalanobis d-squared p1 p2 10 18,616 ,029 ,869 57 15,959 ,068 ,955 26 15,934 ,068 ,865 49 15,106 ,088 ,875 1 15,020 ,090 ,769 20 14,937 ,093 ,640 8 14,248 ,114 ,697 34 14,208 ,115 ,564 54 13,498 ,141 ,672 25 13,477 ,142 ,546 14 13,270 ,151 ,492 23 13,237 ,152 ,375 7 12,214 ,202 ,675 56 12,169 ,204 ,580 66 12,156 ,205 ,468 36 12,073 ,209 ,391 58 12,042 ,211 ,298 18 12,027 ,212 ,214 27 11,749 ,228 ,230 69 11,489 ,244 ,244 70 11,489 ,244 ,168 17 11,415 ,248 ,129 39 10,476 ,313 ,436
51
52 Observation number 50 48 63 5 65 22 30 19 47 52 62 9 12 2 15 64 16 44 24 11 61 43 6 32 4 60 33 42 21 46 51 37 38 3 59 29 40 28 31 41 55 13 45 35
Mahalanobis d-squared 10,353 10,240 10,226 10,192 9,712 9,664 9,434 9,430 9,428 9,097 8,741 8,612 8,612 8,426 8,375 8,357 8,092 8,092 7,869 7,862 7,862 7,742 7,610 7,569 7,452 7,452 7,255 7,255 6,954 6,954 6,612 6,554 6,554 6,329 5,257 5,220 5,220 4,606 4,606 4,478 4,478 4,089 3,646 ,156
p1 ,323 ,331 ,332 ,335 ,374 ,378 ,398 ,399 ,399 ,428 ,462 ,474 ,474 ,492 ,497 ,499 ,525 ,525 ,547 ,548 ,548 ,560 ,574 ,578 ,590 ,590 ,611 ,611 ,642 ,642 ,677 ,683 ,683 ,707 ,811 ,815 ,815 ,867 ,867 ,877 ,877 ,905 ,933 1,000
p2 ,402 ,366 ,283 ,219 ,371 ,307 ,344 ,261 ,190 ,271 ,387 ,374 ,288 ,310 ,258 ,195 ,255 ,185 ,223 ,160 ,108 ,101 ,098 ,071 ,065 ,039 ,047 ,027 ,048 ,027 ,057 ,040 ,021 ,029 ,427 ,336 ,228 ,546 ,406 ,360 ,229 ,340 ,494 1,000
52
53 Observation number 53 67 68
Mahalanobis d-squared ,156 ,156 ,156
p1 1,000 1,000 1,000
p2 1,000 1,000 1,000
Dari Tabel 4.5 di atas terlihat bahwa nilai mahalonobis yang tertinggi adalah 18,616. Nilai tersebut masih di bawah 27,877, dengan demikian dapat disimpulkan bahwa tidak terdapat multivariate outlier.
4.1.4
Uji Keseuaian Model (Goodness of Fit) Pengujian model pada model persamaan struktural ditujukan untuk melihat
kesesuaian model. Uji kesesuaian model menunjukkan model ini dapat diterima atau ditolak. Chi-Square (𝝌2) Tujuan pengujian chi-square adalah untuk mengetahui apakah matriks kovarians sampel berbeda secara signifikan dengan matriks kovarian estimasi. Hipotesis kesesuaian yang diajukan adalah sebagai berikut. H0 : Tidak terdapat perbedaan antara matriks kovarian sampel dan matriks kovarian populasi yang diestimasi. H1 : Terdapat perbedaan antara matriks kovarian sampel dan matriks kovarian populasi yang diestimasi. Dasar pengambilan keputusan: 1.
Dengan membandingkan 𝜒 2 hitung < 𝜒 2 tabel Jika 𝜒 2 hitung < 𝜒 2 tabel, maka H0 diterima.
2.
Jika 𝜒 2 hitung > 𝜒 2 tabel, maka H0 ditolak.
Dengan melihat angka probabilitas (p) pada output AMOS Jika p > 0,05 maka H0 diterima.
53
54 Jika p < 0,05 maka H0 ditolak.
Gambar 4.5 Notes for model result Dari Gambar 4.5 di atas dapat diketahui bahwa: 1.
𝜒 2 hitung dari output (kata Chi-Square) didapat angka 30,295
𝜒 2 tabel pada tabel 𝜒 2, df = 24, didapat angka 36,4150285 2.
Karena 𝜒 2 hitung < 𝜒 2 tabel, maka H0 diterima.
Angka p (probability level) adalah 0,175.
Karena 0,175 > 0,05 yang berarti p > 0,05, maka H0 diterima. Kedua cara menghasilkan keputusan yang sama, yakni menerima H0. Dengan demikian, matriks kovarians sampel model di atas tidak berbeda dengan matriks kovarian estimasi, atau dapat dikatakan bahwa model fit dengan data yang ada. Demikian pula indeks-indeks kesesuaian model lainnya seperti RMSEA, GFI, AGFI, CMIN/DF, TLI dan CFI memberikan rentang nilai yang diharapkan, seperti ditunjukkan pada Gambar 4.6 berikut.
54
55
Gambar 4.6 Model fit summary Secara ringkas nilai indeks-indeks goodness of fit ditunjukkan pada Tabel 4.6 berikut. Tabel 4.6 Indeks kesesuaian (goodness of fit indices) Goodness of Fit Cut off Value Hasil Model Keterangan Dearajad bebas, Df 24 Chi-square Diharapkan 30,295 Dengan Df 24, chi-square kecil (lebih hitung nilainya relatif kecil kecil dari chi(lebih kecil dari chi-square square tabel) tabel sebesar 36,4150285) Significance probability ≥ 0,05 0,175 Baik GFI 0,919 Baik ≥ 0,90 CMIN/DF 1,262 Baik ≤ 2,00 RMSEA 0,05 – 0,08 0,062 Baik CFI 0,967 Baik ≥ 0,95 TLI 0,950 Baik ≥ 0,95 AGFI 0,848 Marginal ≥ 0,90 55
56 Berdasarkan Tabel 4.6 di atas dapat dilihat bahwa sebagian besar kriteria pengujian menunjukkan hasil yang baik. Dengan demikian maka model tersebut dapat diterima.
4.1.5
Uji Kausalitas (Regression Weights) Uji kausalitas merupakan uji-t yang pada umunya pada model-model regresi.
Hipotesis kausalitas yang akan diajukan sebagai berikut. H0 : Koefisien regresi adalah sama dengan nol. H1 : Koefisien regresi antara hubungan adalah tidak sama dengan nol. Dari pengolahan AMOS yang diperoleh, seperti ditunjukkan pada Tabel 4.7, terlihat bahwa nilai C.R. yang identik dengan uji-t dalam regresi secara signifikan tidak sama dengan nol, maka H0 yang menyatakan bahwa koefisien regresi sama dengan nol dapat ditolak, sehingga menerima H1 yang menyatakan bahwa koefisien regresi tidak sama dengan nol, hal ini menunjukkan bahwa hubungan kausalitas yang disajikan dalam model itu dapat diterima.
Net Benefit Net Benefit KS1 KS2 KI3 KI2 KI1 NB1 NB2 NB3 KS3
4.1.6
<--<--<--<--<--<--<--<--<--<--<---
Tabel 4.7 Regression weights Estimate S.E. Kualitas Sistem ,517 ,260 Kualitas Informasi ,347 ,155 Kualitas Sistem 1,000 Kualitas Sistem 1,274 ,370 Kualitas Informasi 1,000 Kualitas Informasi ,916 ,156 Kualitas Informasi 1,069 ,165 Net Benefit 1,000 Net Benefit 1,296 ,363 Net Benefit 1,153 ,326 Kualitas Sistem 1,233 ,343
C.R. 1,989 2,230
P ,047 ,026
Label par_7 par_8
3,439
***
par_1
5,857 6,473
*** ***
par_2 par_3
3,568 3,536 3,592
*** *** ***
par_4 par_5 par_9
Interpretasi dan Modifikasi Model Untuk memberikan interpretasi apakah model berbasis teori yang diuji pada
Gambar 4.2 dapat diterima atau perlu pengembangan lebih lanjut, perlu memperhatikan
56
57 kekuatan prediksi dari model tersebut dengan mengamati besarnya nilai residual yang dihasilkan. Jika nilai standardized residual covariance matrix lebih kecil dari 2,58, maka model tersebut dapat diterima. Pada Tabel 4.8 ditunjukkan standardized residual covariance sebagai berikut.
KS3 NB3 NB2 NB1 KI1 KI2 KI3 KS2 KS1
KS3 ,000 -,679 -,551 ,821 -,445 -,451 1,312 ,066 ,441
Tabel 4.8 Standardized residual covariance NB3 NB2 NB1 KI1 KI2 KI3
KS2
KS1
,000 -,341 ,567 -,008 ,449 -,419 ,740 ,182
,000 -,717
,000
,000 -,012 ,032 ,883 -,020 ,069 ,315
,000 -,479 -,168 -,465 -,026 -,395
,000 -,017 ,144 ,222 -,015
,000 -,258 -,114 -,519
,000 -,238 ,581
Dari Tabel 4.8 tampak bahwa tidak ada nilai residual standar yang lebih besar dari 2,58 maka model pada Gambar 4.2 dapat diterima atau model tersebut tidak perlu dimodifikasi
4.2 Pembahasan 4.2.1
Analisis Hubungan Konstruk Eksogen dan Endogen Setelah secara overall model tersebut dapat dianggap fit, proses selanjutnya
adalah melihat apakah ada hubungan yang signifikan dan erat antara konstruk eksogen (variabel independen) dengan konstruk endogen (variabel dependen). Berdasarkan model yang sudah dibuat, berikut adalah proses yang dilakukan. 1. Perumusan hipotesis Hipotesis dapat dirumuskan berdasar jumlah hubungan antara variabel independen – dependen yang ada pada model. Pada model yang sudah dibuat, ada dua hubungan, sehingga ada dua hipotesis sebagai berikut.
57
58 1) Hipotesis hubungan konstruk kualitas sistem dengan net benefit H0 : Tidak ada hubungan antara konstruk kualitas sistem dengan net benefit. H1 : Ada hubungan antara konstruk kualitas sistem dengan net benefit. 2) Hipotesis hubungan konstruk kualitas informasi dengan net benefit H0 : Tidak ada hubungan antara konstruk kualitas informasi dengan net benefit. H1 : Ada hubungan antara konstruk kualitas informasi dengan net benefit. 2. Dasar pengambilan keputusan Untuk pengambilan keputusan dapat langsung dilihat pada angka kolom P (probability). Jika P > 0,05 maka H0 diterima. Jika P < 0,05 maka H0 ditolak. 3. Analisis Hasil output pada program AMOS dapat dilihat pada Tabel 4.7 yang sudah ditampilkan sebelumnya. Dua baris pertama dari output menjelaskan hubungan antar konstruk. Nilai tersebut sudah dibawah 0,05, yang artinya H0 ditolak, dengan demikian memang ada hubungan yang nyata antara konstruk kualitas sistem dengan konstruk net benefit demikian pula antara konstruk kualitas informasi dengan konstruk net benefit. Artinya benefit atau manfaat yang diperoleh dari penerapan sistem SAP di PT PLN (Persero) memang dipengaruhi oleh kualitas sistem dan kualitas informasi dari sistem SAP. Sementara untuk melihat seberapa erat hubungan antara masing-masing konstruk kualitas sistem dan kualitas informasi dengan konstruk net benefit dapat dilihat pada kolom estimates pada Tabel 4.1 yang juga telah ditampilkan sebelumnya.
58
59 Menurut Santosa (2007) angka korelasi cut off (standar) pada prakteknya tidak ada pedoman yang pasti. Namun angka di atas 0,5 pada umumnya dijadikan acuan adanya keeratan antara dua variabel. Jika dilihat pada Tabel 4.1 tersebut terlihat bahwa dua angka korelasi pada dua baris pertama sudah di atas 0,5. Hal ini menunjukkan adanya korelasi yang erat di antara konstruk kualitas sistem dan kualitas informasi dengan net benefit. Dari Tabel 4.1 juga tampak bahwa kualitas sistem menunjukkan korelasi yang lebih erat dengan net benefit dibandingkan korelasi antara kualitas informasi dengan net benefit yang ditunjukkan dengan angka pada kolom estimates pada kualitas sistem (0,535) lebih besar dibanding kualitas informasi (0,519). Hal ini menunjukkan bahwa kualitas sistem sistem SAP lebih berpengaruh terhadap manfaat yang diperoleh PT PLN (Persero) Distribusi Bali terkait dengan penerapan SAP. Hal tersebut dikarenakan SAP sendiri sebagai salah satu produk aplikasi ERP, merupakan pemimpin pasar seluruh dunia dengan penguasaan pasar lebih dari 65% yang berarti kualitas dari sistem teknologi informasinya sendiri sudah tidak bisa diragukan lagi. Dengan salah satu kelebihan yang dimiliki SAP adalah aplikasi sistem SAP dapat dikonfigurasi agar sesuai dengan kebutuhan pengguna.
4.2.2
Analisis Hubungan Antar Konstruk Eksogen Selain analisis hubungan antara konstruk eksogen dan endogen, dapat pula
dilengkapi dengan pengujian hubungan antar konstruk eksogen (variabel independen). 1. Hipotesis yang diajukan H0 : Tidak ada hubungan antar dua konstruk eksogen. H1 : Ada hubungan antar dua konstruk eksogen. 2. Dasar pengambilan keputusan
59
60 Sama dengan pengujian hubungan variabel eksogen dengan endogen yakni berdasar angka P, dengan cut off sebesar 0,05. Gambar 4.7 berikut adalah analisis yang dilakukan berdasarkan output estimates pada bagian covariance dan correlation.
Gambar 4.7 Estimasi covariances dan correlations Kovarians adalah hubungan dua variabel yang bersifat dua arah (berbeda dengan regression weights yang bersifat searah). Pada model hanya ada satu kovarians, yaitu hubungan dua variabel eksogen kualitas sistem dengan kualitas informasi. Hubungan tersebut mempunyai angka P sebesar 0,005 sebagaimana terlihat pada Gambar 4.7, karena angka P dibawah 0,05, maka H0 ditolak, atau ada hubungan yang nyata antara kualitas sistem dengan kualitas informasi. Dengan kata lain kualitas sistem dengan kualitas informasi yang dihasilkan oleh sistem SAP sesungguhnya mempunyai hubungan yang erat. Setelah terbukti ada hubungan, langkah selanjutnya adalah melihat seberapa erat hubungan tersebut. Angka korelasi yang ditunjukkan pada Gambar 4.7 sebesar 0,658 menunjukkan hubungan tersebut cukup erat. Sedangkan arah hubungan adalah positif, karena tidak adanya tanda negatif (tanda”-“) pada angka 0,658. Dengan demikian, hubungan keduanya adalah searah, yang berarti semakin tinggi
60
61 kualitas sistem SAP akan semakin tinggi pula kualitas informasi yang dihasilkan oleh sistem SAP tersebut.
4.2.3 Analisis Hasil Estimasi Hasil estimasi tiap-tiap indikator terhadap variabelnya ditunjukkan pada Tabel 4.9 berikut. Tabel 4.9 Hasil estimasi tiap-tiap indikator terhadap variabelnya Variabel Kode Indikator Estimasi Kualitas Sistem KS1 Isi basis data 0,54 KS2 Kemudahan dipelajari 0,63 KS3 Keluwesan sistem 0,70 Kualitas Informasi KI1 Kepahaman 0,86 KI2 Akurasi 0,75 KI3 Ketepatwaktuan 0,74 Net Benefit NB1 Peningkatan produktivitas individual 0,51 NB2 Pengurangan biaya operasional 0,64 NB3 Efektivitas organisasional 0,63
1. Kualitas Sistem Dari hasil estimasi yang tampak pada Tabel 4.9 terlihat bahwa dari variabel kualitas sistem, indikator keluwesan sistem memiliki nilai yang paling besar yakni sebesar 0,70. Hal ini berarti bahwa keluwesan sistem memiliki pengaruh yang lebih kuat terhadap kualitas sistem dibanding dua indikator lainnya. Keluwesan sistem SAP dipandang baik oleh pengguna SAP di PT PLN (Persero) Distribusi Bali dikarenakan sistem SAP sendiri merupakan sistem yang flexible atau luwes karena paket aplikasi SAP ini tidak kaku, sistem SAP ini dapat dikonfigurasi agar sesuai dengan kebutuhan pengguna, bahkan SAP juga menyediakan seperangkat alat bantu dan teknologi integrasi yang memungkinkan PT PLN (Persero) Distribusi Bali mengintegrasikan software mereka dengan produk SAP secara mulus, agar dapat meningkatkan fungsionalitas produk utama SAP.
61
62 2. Kualitas Informasi Hasil estimasi yang ditunjukkan pada Tabel 4.9 menunjukkan bahwa indikator kepahaman dari variabel kualitas informasi memiliki nilai yang paling besar yakni sebesar 0,86. Hal ini menunjukkan bahwa tingkat kepahaman pengguna SAP di PT PLN (Persero) Dsitribusi Bali memiliki pengaruh yang lebih kuat dibandingkan indikator akurasi dan ketepatwaktuan. Dengan tidak memandang remeh unsur akurasi dan ketepatwaktuan, tingkat kepahaman akan informasi yang dihasilkan sistem SAP merupakan unsur penting dalam mengukur kualitas informasi sebuah sistem informasi. Dengan pemahaman yang baik terhadap output atau laporan-laporan yang dihasilkan sistem SAP akan memudahkan proses pengambilan keputusan yang strategis dalam mendukung tercapainya tujuan perusahaan. 3. Net Benefit Berdasarkan hasil estimasi yang ditunjukkan pada Tabel 4.9 terlihat bahwa indikator pengurangan biaya operasional memiliki nilai yang paling besar terhadap manfaat yang diperoleh PT PLN (Persero) atas penerapan sistem SAP, yakni sebesar 0,64. Demikian pula untuk indikator efektivitas organisasional, walaupun tidak sebesar indikator pengurangan biaya operasional namun ternyata juga memiliki pengaruh yang cukup kuat yakni sebesar 0,63. Hal ini berarti bahwa sistem SAP yang diterapkan di PT PLN (Persero) Distribusi Bali sudah memberikan manfaat bagi perusahaan. Sistem SAP yang diterapkan di tiga proses bisnis yakni Financial Management (FM), Material Management (MM), dan Human Resources Management (HR) menjadikan seluruh informasi pada masingmasing bagian tersebut sudah terintegrasi. Kemampuan mengintegrasikan proses
62
63 bisnis perusahaan tersebut membuat perubahan sistem organisasi menjadi lebih efektif dan efisien dalam memaksimalkan roda bisnis perusahaan.
4.2.4
Analisis Hipotesis Hasil pengujian hipotesis mengenai hubungan antar variabel ditunjukkan
secara lengkap dalam Tabel 4.10.
Hipotesis
Tabel 4.10 Hasil uji hipotesis Variabel Variabel Koefisien Independen Dependen Jalur Kualitas Net 0,53 Sistem Benefit
H1 : kualitas sistem mempengaruhi net benefit H2 : kualitas Kualitas informasi Informasi mempengaruhi net benefit H3 : kualitas sistem - Kualitas dan kualitas Sistem informasi saling - Kualitas mempengaruhi Informasi
Net Benefit
P Value (P) 0,047
Keputusan
0,52
0,026
Signifikan
0,66
0,005
Signifikan
Signifikan
Berdasarkan hasil perhitungan yang tertuang pada Tabel 4.10 di atas, maka hipotesis studi ini dapat dijelaskan sebagai berikut. 1. Kualitas sistem SAP berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali adalah diterima. Hal ini berdasarkan hasil pengujian hipotesis koefisien jalur seperti yang ditunjukkan pada Tabel 4.10. Hasil analisis jalur dengan (path coefficient) secara langsung dengan koefisien path standardized membuktikan bahwa kualitas sistem SAP sebagai variabel bebas berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali sebagai variabel bergantung dengan koefisien jalur adalah 0,53 dan p-value = 0,047 yang berarti bahwa semakin tinggi kualitas sistem SAP akan meningkatkan net benefit yang diperoleh PT PLN (Persero) Distribusi Bali. Atau dengan kata lain
63
64 semakin lengkap isi basis data sistem SAP, semakin mudah sistem SAP dipelajari, dan semakin luwes sistem SAP tersebut maka akan semakin meningkatkan produktivitas individual (dalam hal ini user SAP) dalam melaksanakan pekerjaan, semakin mengurangi biaya operasional perusahaan, serta semakin meningkatkan efektivitas organisasional. 2. Kualitas informasi SAP berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali juga diterima. Hal ini berdasarkan hasil pengujian hipotesis koefisien jalur (path coefficient) secara langsung seperti yang ditunjukkan pada Tabel 4.10. Hasil analisis jalur dengan koefisien path standardized membuktikan bahwa kualitas informasi SAP sebagai variabel bebas berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali sebagai variabel bergantung dengan koefisien jalur adalah 0,52 dan p-value = 0,026 yang berarti bahwa semakin baik kualitas informasi SAP akan semakin tinggi pula net benefit yang akan diterima PT PLN (Persero) Distribusi Bali. Atau dengan kata lain semakin mudah dipahami informasi yang dihasilkan sistem SAP, semakin tinggi tingkat akurasi dari informasi yang dihasilkan sistem SAP, dan semakin tepat waktu informasi yang dihasilkan sistem SAP maka akan semakin meningkatkan produktivitas individual (dalam hal ini user SAP) dalam melaksanakan pekerjaan, semakin mengurangi biaya operasional perusahaan, serta semakin meningkatkan efektivitas organisasional. 3. Kualitas sistem SAP dan kualitas informasi SAP saling mempengaruhi secara positif signifikan adalah diterima. Hal ini berdasarkan hasil pengujian hipotesis koefisien jalur (path coefficient) seperti yang ditunjukkan pada Tabel 4.10. Hasil analisis jalur dengan koefisien path standardized membuktikan bahwa kedua variabel independen yakni kualitas sistem dan kualitas informasi SAP saling
64
65 mempengaruhi secara positif signifikan dengan koefisien jalur adalah 0,66 dan pvalue = 0,005 yang berarti bahwa semakin tinggi kualitas sistem SAP akan semakin tinggi pula kualitas informasi yang dihasilkan oleh sistem SAP tersebut. Atau dengan kata lain semakin lengkap isi basis data sistem SAP, semakin mudah sistem SAP dipelajari, dan semakin luwes sistem SAP tersebut maka akan semakin mudah informasi yang dihasilkan sistem SAP untuk dipahami, semakin tinggi tingkat akurasi informasi yang dihasilkan sistem SAP, dan semakin tepat waktu informasi yang dihasilkan oleh sistem SAP tersebut demikian juga sebaliknya. 4. Kualitas sistem SAP dan kualitas informasi yang dihasilkan oleh sistem SAP bersama-sama mempengaruhi net benefit PT PLN (Persero) Distribusi Bali secara positif signifikan. Hal ini berdasarkan hasil estimasi seperti yang ditunjukkan pada Gambar 4.2. Nilai z1 sebesar 0,92 menunjukkan bahwa secara agregat kualitas sistem SAP dan kualitas informasi yang dihasilkan oleh sistem SAP secara bersama-sama mempengaruhi net benefit yang dapat diperoleh PT PLN (Persero) Distribusi Bali atas penerapan ERP.
65
66
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan Penelitian ini bertujuan untuk menemukan faktor-faktor yang mempengaruhi kesuksesan penerapan ERP di PT PLN (Persero) Distribusi Bali. Berdasarkan hasil analisis penelitian dengan 70 responden pengguna SAP di PT PLN (Persero) Distribusi Bali, didapat kesimpulan sebagai berikut. 1.
Model sukses penerapan ERP (dalam hal ini SAP) di PT PLN (Persero) Distribusi Bali yang diusulkan dipengaruhi tiga konstruk, yaitu: kualitas sistem, kualitas informasi dan net benefit. Model tersebut sudah fit dengan data yang ada, artinya model hipotesis terbukti secara empiris dengan nilai degree of freedom 24 dan chi-square hitung 30,295.
2.
Net benefit (manfaat) penerapan SAP di PT PLN (Persero) Distribusi Bali dipengaruhi oleh kualitas sistem dan kualitas informasi. Hal ini diperkuat dengan hasil uji kuantitatif dengan menggunakan perangkat analisis Structural Equation Modelling (SEM) yang menunjukkan bahwa kualitas sistem SAP berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali dengan koefisien jalur adalah 0,53 dan pvalue = 0,047 demikian pula kualitas informasi yang dihasilkan sistem SAP juga berpengaruh secara positif signifikan terhadap net benefit PT PLN (Persero) Distribusi Bali dengan koefisien jalur adalah 0,52 dan p-value = 0,026.
3.
Kualitas sistem SAP dan kualitas informasi yang dihasilkan oleh sistem SAP saling mempengaruhi. Hal ini diperkuat dengan hasil uji kuantitatif dengan menggunakan perangkat analisis Structural Equation Modelling (SEM) yang menunjukkan bahwa kualitas sistem SAP dan kualitas informasi yang dihasilkan dari sistem SAP memiliki
66
67 hubungan yang searah dan saling mempengaruhi dengan koefisien jalur adalah 0,66 dan p-value = 0,005. 4. Secara agregat kualitas sistem SAP dan kualitas informasi yang dihasilkan oleh sistem SAP secara bersama-sama mempengaruhi net benefit yang dapat diperoleh PT PLN (Persero) Distribusi Bali atas penerapan ERP dengan koefisien jalur sebesar 0,92. 5.
Semua indikator yang dipilih, dapat menjelaskan semua variabel yang ada, sehingga dapat disimpulkan sebagai berikut. - Kualitas dari sistem SAP menurut pengguna SAP di PT PLN (Persero) Distribusi Bali dapat dijelaskan oleh isi basis data (dengan bobot point 0,54), kemudahan dipelajari (dengan bobot point 0,63) dan keluwesan sistem (dengan bobot poin 0,70). - Kualitas informasi yang dihasilkan oleh sistem SAP di PT PLN (Persero) Distribusi Bali dipengaruhi oleh kepahaman (dengan bobot poin 0,86), akurasi (dengan bobot poin 0,75) dan ketepatan waktu dari informasi yang dihasilkan oleh sistem SAP tersebut (dengan bobot poin 0,74). - Penerapan SAP di PT PLN (Persero) Distribusi Bali dapat memberi net benefit (manfaat), hal ini dapat dijelaskan dengan indikator peningkatan produktivitas individual (dengan bobot poin 0,51), pengurangan biaya operasional (dengan bobot poin 0,64) dan efektivitas organisasional (dengan bobot poin 0,63). Dari lima kesimpulan tersebut dapat disusun kesimpulan secara umum bahwa model
sukses penerapan ERP (dalam hal ini adalah SAP) di PT PLN (Persero) Distribusi Bali disusun oleh tiga konstruk, yakni: kualitas sistem, kualitas informasi, dan net benefit. Kualitas sistem memberikan pengaruh yang lebih kuat terhadap net benefit (manfaat) penerapan SAP di PT PLN (Persero) Distribusi Bali dibandingkan kualitas informasi. Kualitas sistem dan kualitas informasi memiliki hubungan yang searah dan saling mempengaruhi satu sama lain dan secara bersama-sama mempengaruhi net benefit. Indikator-indikator yang dipilih dapat
68 menjelaskan semua variabel yang ada. Indikator keluwesan sistem memberikan pengaruh paling kuat terhadap kualitas sistem SAP, indikator kepahaman memberikan pengaruh paling kuat terhadap kualitas informasi yang dihasilkan oleh sistem SAP, dan indikator pengurangan biaya operasional memberikan pengaruh paling kuat terhadap net benefit (manfaat) penerapan SAP di PT PLN (Persero) Distribusi Bali.
5.2 Saran Adapun saran yang dapat penulis ajukan dari penelitian yang telah dilakukan adalah sebagai berikut. 1.
Model kesuksesan penerapan ERP di PT PLN (Persero) Distribusi Bali ini bisa digunakan sebagai acuan untuk melakukan evaluasi terhadap penerapan ERP (dalam hal ini adalah SAP) untuk mendukung tujuan bisnis perusahaan.
2.
Agar mendapatkan manfaat yang lebih dari penerapan SAP, kualitas informasi yang dihasilkan sistem SAP di PT PLN (Persero) Distribusi Bali perlu ditingkatkan terutama dengan meningkatkan akurasi data dan ketepatan waktu dari informasi yang dihasilkan oleh sistem SAP, karena informasi yang akurat dan tepat waktu merupakan unsur penting dalam proses pengambilan keputusan untuk mencapai tujuan perusahaan. Demikian pula untuk kualitas sistem walaupun nilai estimasi terhadap manfaat penerapan SAP di PT PLN (Persero) Distribusi Bali sudah cukup baik dan lebih besar dibandingkan kualitas informasi, namun unsur isi basis data dan kemudahan dipelajari masih tetap harus ditingkatkan guna memperoleh manfaat yang lebih maksimal lagi.
3.
Diharapkan penelitian selanjutnya dapat dikembangkan dengan memperluas cakupan di seluruh area PT PLN (Persero) di seluruh Indonesia bukan hanya di Distribusi Bali saja. Dengan jumlah responden yang semakin besar diharapkan akan diperoleh data dan
69 model yang semakin valid untuk mengukur kesuksesan penerapan SAP di PT PLN (Persero). 4.
Untuk peneliti selanjutnya diharapkan dapat memperbaiki kualitas kuesioner agar pertanyaan dari kuesioner benar-benar dapat mewakili apa yang dirasakan oleh responden.
70 DAFTAR PUSTAKA
Anggrainingsih, Rini. 2008. Model Kesuksesan Implementasi ERP (Enterprise Resource Planning) Pada Perusahaan PT Apac Inti Corpora Untuk Pabrik Spinning II di Bawean. Tesis Tidak Terpublikasi. Yogyakarta: Universitas Gadjah Mada. Arbuckle, James L. 2007. Amos 16.0 User’s Guide. United States of America: Amos Development Corporation. DeLone, W; & McLean, E. 1992. Information System Success: The Quest for the Dependent Variable. The Institute of Management Science. _____________________. 2002. Information System Success Revisited. Proceedings of the 35th Hawaii International Conference on System Science. IEEE Computer Society. Dhewanto, Wawan; & Falahah. 2007. ERP (Enterprise Resource Planning) Menyelaraskan Teknologi Informasi dengan Strategi Bisnis (Dilengkapi dengan Ulasan Fitur Berbagai Software ERP Terkemuka). Bandung: Informatika Bandung. Ghozali, Imam. 2006. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang: Badan Penerbit Universitas Dipenogoro. ____________. 2007. Model Persamaan Struktural Konsep dan Aplikasi Dengan Program AMOS 16.0. Semarang: Badan Penerbit Universitas Diponegoro. Jogiyanto, H.M. 2007. Model Kesuksesan Sistem Teknologi Informasi. Yogyakarta: Penerbit Andi. Muddasir, Ahmad. 2008. Analisis Kesuksesan Penerapan Sistem Informasi Direktorat Jendral Pajak (Studi Kasus Pada KPP Pratama Jakarta Menteng Tiga). Tesis Tidak Terpublikasi. Yogyakarta: Universitas Gadjah Mada. Nugraha, Didin. 2003. Mengenal Sistem Teknologi Informasi. www.ilmukomputer.com diakses tanggal 5 Januari 2010, pukul 10.30 WIB.
http://
Radityo, Dody; & Zulaikha. Pengujian Model DeLone and McLean Dalam Pengembangan Sistem Informasi Manajemen (Kajian Sebuah Kasus). Makassar: Simposium Nasional Akuntansi X. Rawasti, Gustini. 2007. Evaluasi Keberhasilan Penerapan SAP R/3 di Lingkungan PT. Pertamina (Persero). Tesis Tidak Terpublikasi. Yogyakarta: Universitas Gadjah Mada. Santosa, Singgih. 2007. Structural Equation Modelling Konsep dan Aplikasi dengan AMOS. Jakarta: PT Elex Media Komputindo Sari, Rika Perdana. 2008. Model Kesuksesan Penerapan Enterprise Resource Planning di Perusahaan CPI Dengan Pendekatan Model UTAUT (Unified Theory Of Acceptance
70
71 And Use Of Technology). Tesis Tidak Terpublikasi. Yogyakarta: Universitas Gadjah Mada. Sugiyono. 2009. Metode Penelitian Kuantitatif, Kualitatif Dan R&D. Bandung: Alfabeta Suyanto, M; Rosidi, A; & Rudyanto Arief, M. 2009. Pedoman Penulisan Proposal Tesis dan Tesis Magister Teknik Informatika STMIK Amikom Yogyakarta. Yogyakarta: MTI STMIK Amikom Yogyakarta http://www.pln.co.id/Portals/0/dokumen/e%2020BOOK%20SUCCESS%20%20DIRECTORY.pdf. Diakses tanggal 29 Desember 2009, pukul 13.15 WIB http://ugnews.gunadarma.ac.id/2009/04/05/seminar-%E2%80%9Ca-future-withsap%E2%80%9D/. Diakses tanggal 3 Januari 2010, pukul 10.15 WIB
LAMPIRAN A Model Sebelum Estimasi
72
73 LAMPIRAN B Model Setelah Estimasi
74 LAMPIRAN C
Output AMOS
Analysis Summary Date and Time
Date: 27 Oktober 2010 Time: 7:14:44 Title
Bab iv: 27 Oktober 2010 7:14 Groups Group number 1 (Group number 1) Notes for Group (Group number 1)
The model is recursive. Sample size = 70 Variable Summary (Group number 1) Your model contains the following variables (Group number 1)
Observed, endogenous variables KS1 KS2 KI3 KI2 KI1 NB1 NB2 NB3 KS3 Unobserved, endogenous variables Net Benefit Unobserved, exogenous variables Kualitas Sistem e1 e2 Kualitas Informasi e6 e5 e4
75 e11 e12 e13 z1 e3 Variable counts (Group number 1)
Number of variables in your model: Number of observed variables: Number of unobserved variables: Number of exogenous variables: Number of endogenous variables:
22 9 13 12 10
Parameter summary (Group number 1)
Fixed Labeled Unlabeled Total
Weights 13 0 8 21
Covariances 0 0 1 1
Variances 0 0 12 12
Means 0 0 0 0
Intercepts 0 0 0 0
Assessment of normality (Group number 1)
Variable KS3 NB3 NB2 NB1 KI1 KI2 KI3 KS2 KS1 Multivariate
min 2,000 2,000 2,000 2,000 2,000 2,000 2,000 2,000 2,000
max 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000 4,000
skew ,058 ,092 -,006 ,010 ,113 ,163 -,006 -,014 ,036
c.r. ,198 ,314 -,022 ,033 ,387 ,555 -,021 -,047 ,124
kurtosis ,675 ,468 -,082 -,096 ,271 ,217 -,082 -,198 ,169 ,035
c.r. 1,152 ,800 -,140 -,164 ,462 ,371 -,141 -,338 ,289 ,010
Observations farthest from the centroid (Mahalanobis distance) (Group number 1)
Observation number 10 57 26 49 1 20 8 34
Mahalanobis d-squared 18,616 15,959 15,934 15,106 15,020 14,937 14,248 14,208
p1 ,029 ,068 ,068 ,088 ,090 ,093 ,114 ,115
p2 ,869 ,955 ,865 ,875 ,769 ,640 ,697 ,564
Total 13 0 21 34
76 Observation number 54 25 14 23 7 56 66 36 58 18 27 69 70 17 39 50 48 63 5 65 22 30 19 47 52 62 9 12 2 15 64 16 44 24 11 61 43 6 32 4 60 33 42 21
Mahalanobis d-squared 13,498 13,477 13,270 13,237 12,214 12,169 12,156 12,073 12,042 12,027 11,749 11,489 11,489 11,415 10,476 10,353 10,240 10,226 10,192 9,712 9,664 9,434 9,430 9,428 9,097 8,741 8,612 8,612 8,426 8,375 8,357 8,092 8,092 7,869 7,862 7,862 7,742 7,610 7,569 7,452 7,452 7,255 7,255 6,954
p1 ,141 ,142 ,151 ,152 ,202 ,204 ,205 ,209 ,211 ,212 ,228 ,244 ,244 ,248 ,313 ,323 ,331 ,332 ,335 ,374 ,378 ,398 ,399 ,399 ,428 ,462 ,474 ,474 ,492 ,497 ,499 ,525 ,525 ,547 ,548 ,548 ,560 ,574 ,578 ,590 ,590 ,611 ,611 ,642
p2 ,672 ,546 ,492 ,375 ,675 ,580 ,468 ,391 ,298 ,214 ,230 ,244 ,168 ,129 ,436 ,402 ,366 ,283 ,219 ,371 ,307 ,344 ,261 ,190 ,271 ,387 ,374 ,288 ,310 ,258 ,195 ,255 ,185 ,223 ,160 ,108 ,101 ,098 ,071 ,065 ,039 ,047 ,027 ,048
77 Observation number 46 51 37 38 3 59 29 40 28 31 41 55 13 45 35 53 67 68
Mahalanobis d-squared 6,954 6,612 6,554 6,554 6,329 5,257 5,220 5,220 4,606 4,606 4,478 4,478 4,089 3,646 ,156 ,156 ,156 ,156
p1 ,642 ,677 ,683 ,683 ,707 ,811 ,815 ,815 ,867 ,867 ,877 ,877 ,905 ,933 1,000 1,000 1,000 1,000
Models Default model (Default model) Notes for Model (Default model) Computation of degrees of freedom (Default model)
Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (45 - 21): Result (Default model)
Minimum was achieved Chi-square = 30,295 Degrees of freedom = 24 Probability level = ,175 Group number 1 (Group number 1 - Default model) Estimates (Group number 1 - Default model) Scalar Estimates (Group number 1 - Default model) Maximum Likelihood Estimates Regression Weights: (Group number 1 - Default model)
45 21 24
p2 ,027 ,057 ,040 ,021 ,029 ,427 ,336 ,228 ,546 ,406 ,360 ,229 ,340 ,494 1,000 1,000 1,000 1,000
78
Net Benefit Net Benefit KS1 KS2 KI3 KI2 KI1 NB1 NB2 NB3 KS3
<--<--<--<--<--<--<--<--<--<--<---
Kualitas Sistem Kualitas Informasi Kualitas Sistem Kualitas Sistem Kualitas Informasi Kualitas Informasi Kualitas Informasi Net Benefit Net Benefit Net Benefit Kualitas Sistem
Estimate ,517 ,347 1,000 1,274 1,000 ,916 1,069 1,000 1,296 1,153 1,233
S.E. ,260 ,155
C.R. 1,989 2,230
P ,047 ,026
,370
3,439
***
,156 ,165
5,857 6,473
*** ***
,363 ,326 ,343
3,568 3,536 3,592
*** *** ***
Label
Standardized Regression Weights: (Group number 1 - Default model)
Net Benefit Net Benefit KS1 KS2 KI3 KI2 KI1 NB1 NB2 NB3 KS3
<--<--<--<--<--<--<--<--<--<--<---
Kualitas Sistem Kualitas Informasi Kualitas Sistem Kualitas Sistem Kualitas Informasi Kualitas Informasi Kualitas Informasi Net Benefit Net Benefit Net Benefit Kualitas Sistem
Estimate ,535 ,519 ,536 ,634 ,741 ,750 ,862 ,505 ,638 ,627 ,705
Covariances: (Group number 1 - Default model)
Kualitas Sistem <--> Kualitas Informasi
Estimate ,084
Correlations: (Group number 1 - Default model)
Kualitas Sistem <--> Kualitas Informasi
Estimate ,658
S.E. ,030
C.R. 2,790
P ,005
Label
79 Variances: (Group number 1 - Default model)
Kualitas Sistem Kualitas Informasi z1 e1 e2 e6 e5 e4 e11 e12 e13 e3
Estimate ,088 ,184 ,007 ,219 ,212 ,151 ,121 ,073 ,240 ,201 ,169 ,136
S.E. ,042 ,055 ,014 ,043 ,047 ,032 ,026 ,024 ,044 ,042 ,035 ,035
C.R. 2,080 3,370 ,472 5,106 4,560 4,670 4,599 3,074 5,415 4,807 4,882 3,905
P ,037 *** ,637 *** *** *** *** ,002 *** *** *** ***
Label
Matrices (Group number 1 - Default model) Residual Covariances (Group number 1 - Default model)
KS3 NB3 NB2 NB1 KI1 KI2 KI3 KS2 KS1
KS3 ,000 -,024 -,022 ,031 -,016 -,016 ,050 ,003 ,016
NB3
NB2
NB1
KI1
KI2
KI3
KS2
KS1
,000 -,014 ,021 ,000 ,016 -,017 ,030 ,007
,000 ,000 ,001 ,035 -,001 ,003 ,013
,000 -,019 -,006 -,019 -,001 -,015
,000 -,001 ,006 ,009 -,001
,000 -,011 -,004 -,019
,000 -,010 ,023
,000 -,030
,000
Standardized Residual Covariances (Group number 1 - Default model)
KS3 NB3 NB2 NB1 KI1 KI2 KI3 KS2 KS1
KS3 ,000 -,679 -,551 ,821 -,445 -,451 1,312 ,066 ,441
NB3
NB2
NB1
KI1
KI2
KI3
KS2
KS1
,000 -,341 ,567 -,008 ,449 -,419 ,740 ,182
,000 -,012 ,032 ,883 -,020 ,069 ,315
,000 -,479 -,168 -,465 -,026 -,395
,000 -,017 ,144 ,222 -,015
,000 -,258 -,114 -,519
,000 -,238 ,581
,000 -,717
,000
80 Minimization History (Default model)
Iteration 0 1 2 3 4 5 6 7 8 9
e e e e e e e e e e
Negative eigenvalues 6 3 1 0 0 0 0 0 0 0
Condition #
Smallest eigenvalue -,324 -,052 -,045
48,689 43,923 105,110 173,064 210,119 217,619 217,521
Diameter
F
NTries
Ratio
9999,000 1,835 ,606 ,681 ,590 ,444 ,241 ,074 ,008 ,000
245,565 106,231 70,937 45,657 35,311 30,930 30,335 30,296 30,295 30,295
0 20 5 5 2 1 1 1 1 1
9999,000 ,642 ,814 ,889 ,000 1,151 1,121 1,052 1,006 1,000
Model Fit Summary CMIN
Model Default model Saturated model Independence model
NPAR 21 45 9
CMIN 30,295 ,000 225,230
DF 24 0 36
P ,175
CMIN/DF 1,262
,000
6,256
RMR, GFI
Model Default model Saturated model Independence model
RMR ,016 ,000 ,106
GFI ,919 1,000 ,450
AGFI ,848
PGFI ,490
,312
,360
NFI Delta1 ,865 1,000 ,000
RFI rho1 ,798
IFI Delta2 ,969 1,000 ,000
TLI rho2 ,950
Baseline Comparisons
Model Default model Saturated model Independence model
,000
Parsimony-Adjusted Measures
Model Default model Saturated model Independence model
PRATIO ,667 ,000 1,000
PNFI ,577 ,000 ,000
PCFI ,644 ,000 ,000
,000
CFI ,967 1,000 ,000
81 NCP
Model Default model Saturated model Independence model
NCP 6,295 ,000 189,230
LO 90 ,000 ,000 145,569
HI 90 24,550 ,000 240,395
FMIN
Model Default model Saturated model Independence model
FMIN ,439 ,000 3,264
F0 ,091 ,000 2,742
LO 90 ,000 ,000 2,110
HI 90 ,356 ,000 3,484
RMSEA
Model Default model Independence model
RMSEA ,062 ,276
LO 90 ,000 ,242
HI 90 ,122 ,311
AIC 72,295 90,000 243,230
BCC 79,414 105,254 246,281
PCLOSE ,361 ,000
AIC
Model Default model Saturated model Independence model
BIC 119,514 191,182 263,467
CAIC 140,514 236,182 272,467
ECVI
Model Default model Saturated model Independence model
ECVI 1,048 1,304 3,525
LO 90 ,957 1,304 2,892
HI 90 1,312 1,304 4,267
HOELTER
HOELTER .05 83 16
Model Default model Independence model Execution time summary
Minimization: Miscellaneous: Bootstrap: Total:
,082 2,420 ,000 2,502
HOELTER .01 98 18
MECVI 1,151 1,525 3,569
82 LAMPIRAN D Reliability RELIABILITY /VARIABLES=KS1 KS2 KS3 /SCALE('ALL VARIABLES') ALL/MODEL=ALPHA /STATISTICS=DESCRIPTIVE SCALE CORR /SUMMARY=TOTAL . Case Processing Summary N Cases
Valid
70
% 100,0
0
,0
Excluded( a) Total
70 100,0 a Listwise deletion based on all variables in the procedure. Reliability Statistics Cronbach's Alpha Based on Standardized Items
Cronbach's Alpha ,641
N of Items
,647
3
Item Statistics Mean
Std. Deviation
N
KS1
3,09
,558
70
KS2
3,04
,600
70
KS3
3,04
,523
70
Inter-Item Correlation Matrix
KS1
KS1 1,000
KS2 ,248
KS3 ,434
KS2
,248
1,000
,456
KS3
,434
,456
1,000 Item-Total Statistics
KS1
Scale Mean if Item Deleted 6,09
Scale Variance if Item Deleted ,920
Corrected Item-Total Correlation ,392
Squared Multiple Correlation ,192
Cronbach's Alpha if Item Deleted ,622
KS2
6,13
,838
,412
,211
,605
KS3
6,13
,838
,563
,317
,397
83 Scale Statistics Mean
Variance
9,17
Std. Deviation
N of Items
1,285
3
1,651
RELIABILITY /VARIABLES=KI1 KI2 KI3 /SCALE('ALL VARIABLES') ALL/MODEL=ALPHA /STATISTICS=DESCRIPTIVE SCALE CORR /SUMMARY=TOTAL . Case Processing Summary N Cases
Valid Excluded( a) Total
% 70
100,0
0
,0
70
100,0
a Listwise deletion based on all variables in the procedure. Reliability Statistics
Cronbach's Alpha ,821
Cronbach's Alpha Based on Standardized Items ,823
N of Items 3
Item Statistics
KI1
Mean 3,13
Std. Deviation ,536
N
KI2
3,16
,528
70
KI3
3,09
,583
70
70
Inter-Item Correlation Matrix
KI1
KI1 1,000
KI2 ,644
KI3 ,659
KI2
,644
1,000
,520
KI3
,659
,520
1,000
Item-Total Statistics
Scale Mean if Item Deleted
Scale Variance if Item Deleted
Corrected Item-Total Correlation
Squared Multiple Correlation
Cronbach's Alpha if Item Deleted
KI1
6,24
,940
,747
,559
,682
KI2
6,21
1,040
,636
,430
,793
KI3
6,29
,932
,651
,450
,783
84 Scale Statistics Mean
Variance
9,37
Std. Deviation
N of Items
1,416
3
2,005
RELIABILITY /VARIABLES=NB1 NB2 NB3 /SCALE('ALL VARIABLES') ALL/MODEL=ALPHA /STATISTICS=DESCRIPTIVE SCALE CORR /SUMMARY=TOTAL . Case Processing Summary N Cases
Valid
% 70
100,0
0
,0
Excluded( a) Total
70 100,0 a Listwise deletion based on all variables in the procedure. Reliability Statistics Cronbach's Alpha Based on Standardized Items ,623
Cronbach's Alpha ,621
N of Items 3
Item Statistics Mean
Std. Deviation
N
NB1
3,14
,572
70
NB2
3,06
,587
70
NB3
3,09
,531
70
Inter-Item Correlation Matrix
NB1
NB1 1,000
NB2 ,321
NB3 ,388
NB2
,321
1,000
,356
NB3
,388
,356
1,000 Item-Total Statistics
NB1
Scale Mean if Item Deleted 6,14
Scale Variance if Item Deleted ,849
Corrected Item-Total Correlation ,428
Squared Multiple Correlation ,189
Cronbach's Alpha if Item Deleted ,523
NB2
6,23
,846
,405
,166
,558
NB3
6,20
,887
,458
,210
,486
85 Scale Statistics Mean 9,29
Variance 1,627
Std. Deviation
N of Items
1,276
3
LAMPIRAN E
Z-Score No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
ZKS1 -0,1536 1,63844 1,63844 -0,1536 1,63844 -1,94565 -0,1536 -0,1536 -1,94565 -0,1536 -0,1536 -1,94565 1,63844 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 1,63844
ZKS2 -1,737 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -1,737 -0,07138 -0,07138 -1,737 -0,07138 -0,07138 1,59423 -0,07138 -0,07138
ZKS3 -0,08195 -0,08195 1,8302 -0,08195 -0,08195 -0,08195 1,8302 -1,9941 -1,9941 -1,9941 -0,08195 -1,9941 -0,08195 -1,9941 -0,08195 -1,9941 -1,9941 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195
ZKI1 -0,23975 -0,23975 1,625 1,625 -0,23975 -0,23975 1,625 -2,10451 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 1,625 -0,23975 -0,23975 1,625
ZKI2 -2,18955 -0,29735 1,59486 1,59486 -0,29735 -0,29735 1,59486 -0,29735 -0,29735 -2,18955 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 1,59486 -0,29735 -0,29735 1,59486
ZKI3 -0,14692 -0,14692 1,56713 1,56713 -0,14692 -0,14692 1,56713 -1,86097 -0,14692 -1,86097 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -1,86097 -0,14692 -0,14692 -0,14692 -0,14692 1,56713 1,56713
ZNB1 -1,99819 -1,99819 1,49864 -0,24977 1,49864 -0,24977 -0,24977 -1,99819 -0,24977 -1,99819 1,49864 -0,24977 -0,24977 -0,24977 -1,99819 -0,24977 -0,24977 -0,24977 -0,24977 -1,99819 -0,24977 -0,24977
ZNB2 -1,80107 -0,09736 1,60636 1,60636 -0,09736 -1,80107 -0,09736 -0,09736 -0,09736 -0,09736 1,60636 -0,09736 -0,09736 -1,80107 -1,80107 -0,09736 -0,09736 1,60636 -0,09736 -0,09736 -0,09736 1,60636
ZNB3 -2,04306 -0,16129 1,72047 -0,16129 1,72047 -0,16129 1,72047 -0,16129 -0,16129 -2,04306 -0,16129 -0,16129 -0,16129 -2,04306 -0,16129 -0,16129 -2,04306 1,72047 -0,16129 1,72047 -0,16129 -0,16129 86
No 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
ZKS1 1,63844 1,63844 1,63844 -1,94565 1,63844 -0,1536 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 1,63844 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536
ZKS2 1,59423 -1,737 -0,07138 -1,737 1,59423 1,59423 -0,07138 1,59423 1,59423 -1,737 -1,737 -1,737 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -1,737 -1,737 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 1,59423 -0,07138
ZKS3 1,8302 -0,08195 -0,08195 -0,08195 1,8302 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 1,8302 -1,9941 -0,08195 -0,08195 -0,08195 1,8302 1,8302
ZKI1 1,625 -0,23975 -0,23975 -2,10451 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -2,10451 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 -2,10451 1,625 -0,23975
ZKI2 -0,29735 -0,29735 1,59486 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -2,18955 1,59486 1,59486 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 -0,29735 1,59486 1,59486
ZKI3 1,56713 -0,14692 -0,14692 -1,86097 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692 1,56713 -0,14692 -0,14692 -0,14692 -0,14692 -1,86097 -0,14692 1,56713 -0,14692 1,56713 1,56713
ZNB1 -0,24977 -0,24977 -0,24977 -0,24977 1,49864 -0,24977 -0,24977 1,49864 -0,24977 1,49864 -0,24977 1,49864 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 -0,24977 1,49864 -0,24977 -0,24977 1,49864 -0,24977
ZNB2 1,60636 -0,09736 1,60636 -0,09736 1,60636 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 -1,80107 -0,09736 -0,09736 -1,80107 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 -1,80107 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 1,60636 1,60636
ZNB3 -0,16129 -0,16129 1,72047 -2,04306 -0,16129 -0,16129 -0,16129 1,72047 -0,16129 -0,16129 -0,16129 1,72047 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129
87
No 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70
ZKS1 1,63844 -0,1536 1,63844 -0,1536 -0,1536 -0,1536 1,63844 -0,1536 -1,94565 -0,1536 -0,1536 -0,1536 -0,1536 1,63844 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536 -0,1536
ZKS2 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -1,737 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 1,59423 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 -0,07138 1,59423 1,59423
ZKS3 1,8302 -0,08195 1,8302 -0,08195 -0,08195 -0,08195 1,8302 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 1,8302 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195 -0,08195
ZKI1 1,625 -0,23975 -0,23975 -0,23975 -0,23975 -0,23975 1,625 -2,10451 -2,10451 -0,23975 1,625 -0,23975 -0,23975 -0,23975 1,625 1,625 1,625 -0,23975 -0,23975 1,625 1,625
ZKI2 1,59486 -0,29735 -0,29735 -0,29735 -2,18955 -0,29735 -0,29735 -0,29735 -2,18955 -0,29735 1,59486 -0,29735 -0,29735 -0,29735 -0,29735 1,59486 1,59486 -0,29735 -0,29735 1,59486 1,59486
ZKI3 1,56713 -1,86097 -0,14692 -0,14692 -1,86097 -0,14692 1,56713 -1,86097 -1,86097 -0,14692 1,56713 -0,14692 -0,14692 -0,14692 1,56713 1,56713 -0,14692 -0,14692 -0,14692 -0,14692 -0,14692
ZNB1 1,49864 -0,24977 1,49864 -0,24977 -0,24977 -0,24977 1,49864 -0,24977 -0,24977 -1,99819 -0,24977 1,49864 1,49864 -0,24977 -0,24977 1,49864 -0,24977 -0,24977 -0,24977 1,49864 1,49864
ZNB2 1,60636 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 -0,09736 -1,80107 -1,80107 -0,09736 1,60636 1,60636 -0,09736 -1,80107 -0,09736 -0,09736 1,60636 -0,09736 -0,09736 -0,09736 -0,09736
ZNB3 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 1,72047 -2,04306 -2,04306 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 -0,16129 1,72047 1,72047 -0,16129 -0,16129 1,72047 1,72047
88
89 Descriptive Statistics N
Minimum
Maximum
Mean
Std. Deviation
KS1
70
2
4
3,09
,558
KS2
70
2
4
3,04
,600
KS3
70
2
4
3,04
,523
KI1
70
2
4
3,13
,536
KI2
70
2
4
3,16
,528
KI3
70
2
4
3,09
,583
NB1
70
2
4
3,14
,572
NB2
70
2
4
3,06
,587
NB3
70
2
4
3,09
,531
Valid N (listwise)
70
90
LAMPIRAN F Data Kuesioner Responden KS1 KS2 KS3 KI1 KI2 KI3 NB1 NB2 NB3 1 3 2 3 3 2 3 2 2 2 2 4 3 3 3 3 3 2 3 3 3 4 4 4 4 4 4 4 4 4 4 3 3 3 4 4 4 3 4 3 5 4 3 3 3 3 3 4 3 4 6 2 3 3 3 3 3 3 2 3 7 3 4 4 4 4 4 3 3 4 8 3 3 2 2 3 2 2 3 3 9 2 3 2 3 3 3 3 3 3 10 3 3 2 3 2 2 2 3 2 11 3 3 3 3 3 3 4 4 3 12 2 3 2 3 3 3 3 3 3 13 4 3 3 3 3 3 3 3 3 14 2 2 2 3 3 3 3 2 2 15 3 3 3 3 3 3 2 2 3 16 3 3 2 3 3 2 3 3 3 17 3 2 2 3 3 3 3 3 2 18 3 3 3 3 3 3 3 4 4 19 3 3 3 4 4 3 3 3 3 20 3 4 3 3 3 3 2 3 4 21 3 3 3 3 3 4 3 3 3 22 4 3 3 4 4 4 3 4 3 23 4 4 4 4 3 4 3 4 3 24 4 2 3 3 3 3 3 3 3 25 4 3 3 3 4 3 3 4 4 26 2 2 3 2 3 2 3 3 2 27 4 4 4 3 3 3 4 4 3 28 3 4 3 3 3 3 3 3 3 29 2 3 3 3 3 3 3 3 3 30 3 4 3 3 3 3 4 3 4 31 3 4 3 3 3 3 3 3 3 32 3 2 3 3 3 3 4 3 3 33 3 2 3 3 3 3 3 2 3 34 3 2 3 3 3 3 4 3 4 35 3 3 3 3 3 3 3 3 3 36 3 3 3 2 2 3 3 2 3 37 3 3 3 3 4 3 3 3 3 38 3 3 3 3 4 3 3 3 3
91 Responden KS1 KS2 KS3 KI1 KI2 KI3 NB1 NB2 NB3 39 4 3 3 3 3 4 3 3 3 40 2 3 3 3 3 3 3 3 3 41 3 2 3 3 3 3 3 3 3 42 3 2 3 3 3 3 3 2 3 43 3 3 4 3 3 3 3 3 3 44 3 3 2 3 3 2 3 3 3 45 3 3 3 3 3 3 4 3 3 46 3 3 3 3 3 4 3 3 3 47 3 3 3 2 3 3 3 3 3 48 3 4 4 4 4 4 4 4 3 49 3 3 4 3 4 4 3 4 3 50 4 4 4 4 4 4 4 4 3 51 3 3 3 3 3 2 3 3 3 52 4 3 4 3 3 3 4 3 3 53 3 3 3 3 3 3 3 3 3 54 3 3 3 3 2 2 3 3 3 55 3 2 3 3 3 3 3 3 3 56 4 4 4 4 3 4 4 3 4 57 3 3 3 2 3 2 3 2 2 58 2 3 3 2 2 2 3 2 2 59 3 3 3 3 3 3 2 3 3 60 3 3 3 4 4 4 3 4 3 61 3 3 3 3 3 3 4 4 3 62 3 4 4 3 3 3 4 3 3 63 4 3 3 3 3 3 3 2 3 64 3 3 3 4 3 4 3 3 3 65 3 3 3 4 4 4 4 3 4 66 3 3 3 4 4 3 3 4 4 67 3 3 3 3 3 3 3 3 3 68 3 3 3 3 3 3 3 3 3 69 3 4 3 4 4 3 4 3 4 70 3 4 3 4 4 3 4 3 4
92 LAMPIRAN G
Surat Keterangan Penelitian
LAMPIRAN H
93
Kuesioner Informasi Demografi Sebelum memulai pengisian kuesioner ini, silahkan melengkapi informasi demografi di bawah ini agar kami dapat memahami kebutuhan yang spesifik dan berbeda dari setiap pengguna SAP dalam analisis kuesioner ini nantinya. Jabatan
: ..............................................
Departemen
: ..............................................
Pendidikan
: ..............................................
Jenis Kelamin
: ..............................................
Umur
: ..............................................
Kerahasiaan Hasil survei ini tidak akan disampaikan dalam bentuk yang dapat mengidentifikasi identitas responden. Kerahasiaan data responden secara individual dijamin penuh.
Semua yang anda isi dalam kuesioner ini akan dijaga kerahasiaannya. Survei ini bukanlah tes, sehingga tidak ada jawaban yang salah.
Berilah tanda “” pada pilihan angka (1 s/d 4) yang paling dekat dengan pernyataan yang sesuai dengan persepsi anda. Dimana:
4 = SS
: Sangat Setuju
3 = S
: Setuju
2 = TS
: Tidak Setuju
1 = STS : Sangat Tidak Setuju
94 Tentang Kualitas Sistem No 1 2 3 4 5 6 7 8 9 10 11 12 13
Pertanyaan
SS 4
S 3
TS STS 2 1
SS 4
S 3
TS STS 2 1
SAP merupakan sistem yang sangat akurat untuk membantu pekerjaan saya. SAP mampu memberikan informasi data versi terkini yang dibutuhkan. Database sistem SAP sudah sangat lengkap untuk mendukung pekerjaan saya Sistem SAP sangat mudah digunakan. Sistem SAP sangat mudah dipelajari. Sistem SAP sangat nyaman dan mudah diakses (digunakan). Sistem SAP mampu merealisasikan dan memenuhi kebutuhan saya terhadap informasi dan data terkait dengan pekerjaan saya. Fungsi fitur-fitur dalam sistem SAP sangat bermanfaat untuk membantu pekerjaan saya . SAP merupakan sistem yang sangat akurat dalam menyajikan data dan informasi untuk membantu pekerjaan saya. Sistem SAP sangat luwes dan mudah disesuaikan dengan kebutuhan pengguna. Sistem SAP sangat handal dan tidak mudah error. Sistem SAP mudah berintegrasi dan mampu berkomunikasi dengan sistem informasi lain. Sistem SAP mudah di-kustomisasi dan disesuaikan dengan kebutuhan pekerjaan saya
Tentang Kualitas Informasi No 1 2 3 4 5 6 7 8 9
Pertanyaan Informasi dan output dari sistem SAP sangat penting untuk menunjang pekerjaan saya. Informasi dan data yang dihasilkan oleh sistem SAP sangat berguna untuk membantu pekerjaan saya. Informasi dan data yang dihasilkan oleh sistem SAP sangat mudah untuk dipahami pengguna. Informasi dan data yang dihasilkan sistem SAP sangat relevan dengan kebutuhan pekerjaan saya. Format output/ informasi yang dihasilkan oleh sistem SAP sudah sesuai dengan kebutuhan pekerjaan saya Sistem SAP memberikan informasi dan data yang isinya sangat akurat untuk menunjang pekerjaan saya. Sistem SAP mampu memberikan informasi yang tepat sesuai kebutuhan pekerjaan saya. Sistem SAP mampu memberikan informasi dan data dengan sangat tepat waktu sesuai kebutuhan pekerjaan saya. Sistem SAP mampu memberikan informasi yang unik untuk pekerjaan saya, yang berbeda dengan sistem lain.
95 Tentang Net Benefit No 1 2
3 4 5 6 7 8
Pertanyaan
SS 4
S 3
TS STS 2 1
Dengan menggunakan sistem SAP membuat saya menjadi belajar banyak hal yang baru. Menggunakan sistem SAP ini, membuat saya mengerti begitu banyak informasi mengenai pekerjaan yang bisa saya ketahui dengan mengaksesnya. Sistem SAP ini membantu meningkatkan efektifitas saya dalam mengambil keputusan-keputusan penting terkait dengan pekerjaan saya. Sistem ini membantu meningkatkan produktifitas saya secara pribadi dalam melaksanakan pekerjaan. Implementasi SAP mampu mengurangi biaya-biaya operasional organisasi di departemen saya. Meskipun implementasi SAP membutuhkan biaya dan sumberdaya, namun secara umum telah terjadi pengurangan biaya di organisasi saya. Dengan implementasi SAP, secara keseluruhan bisa meningkatkan produktifitas organisasi saya. Implementasi SAP telah menyebabkan perubahan bisnis proses di organisasi saya menjadi lebih efektif.
Dengan mempertimbangkan jawaban Anda pada pertanyaan di atas, mohon berikan komentar dan saran Anda mengenai dampak implementasi sistem SAP terhadap organisasi/departemen Anda.