Penggunaan Model DEMATEL Untuk Menentukan Faktor-Faktor Manfaat, Peluang, Biaya, dan Risiko yang Mempengaruhi Adopsi Teknologi Cloud: Studi Kasus Pada Perusahaan Jasa Pertambangan Skala Menengah dan Besar Nathan, Achmad Nizar Hidayanto dan Siti Aminah Information System, Faculty of Computer Science, Universitas Indonesia E-mail:
[email protected]
Abstrak Teknologi cloud adalah fenomena baru dalam bidang teknologi informasi. Teknologi cloud banyak menawarkan keuntungan meskipun teknologi cloud juga memiliki banyak kekurangan. Selain itu identifikasi tentang adopsi teknologi baru juga semakin penting sehingga diperlukan model yang bisa mengidentifikasi faktor yang mempengaruhi adopsi teknologi cloud. Penelitian ini mengadopsi model DEMATEL untuk mengidentifikasi faktor yang mempengaruhi adopsi teknologi cloud dilihat dari perspektif manfaat, peluang, biaya, dan risiko(BOCR). Studi kasus dilakukan pada dua perusahaan yang bergerak pada bidang jasa pertambangan, yaitu PT. Darma Henwa(PTDH) dan PT. United Tractors(UT). Proses pengambilan data menggunakan metode forum group discussion (FGD) dan metode delphi melibatkan para petinggi divisi TI sebagai pengambil keputusan. Kedua organisasi tersebut memiliki karakter berbeda untuk menggali keterkaitan antara karakteristik organisasi dengan faktor yang mempengaruhi adopsi teknologi cloud. Hasil penelitian menunjukkan bahwa model DEMATEL dan BOCR berhasil mengidentifikasi faktor tersebut. Faktor yang mempengaruhi adopsi teknologi cloud sangat dipengaruhi karakteristik organisasi. Karakteristik internal organisasi yang paling mempengaruhi adopsi teknologi cloud adalah ketersediaan sumberdaya, diikuti dengan struktur organisasi ketersediaan tenaga ahli, dan dukungan pimpinan organisasi.
Using DEMATEL Model for Determining Benefits, Opportunities, Costs, and Risks Factors Affecting the Adoption of Cloud Technologies: Case Study in Middle and Large Scale Mining Service Company Abstract Currently cloud technologies could be said as a new phenomenon in the field of information technology. Cloud technologies offered many advantages although has many drawbacks. Moreover, the identification of the adoption of new technologies is also increasingly important. Therefore there is a need to build a model that can identify the factors affecting the adoption of cloud technologies. This research adapted the DEMATEL model to identify the factors that affecting the adoption of cloud technologies from the perspective of benefit, opportunity, cost, and risk (BOCR). Case study is conducted on two organizations that engaged in mining service industry, namely PT. Darma Henwa (PTDH) and PT. United Tractors (UT). Data collecting process using FGD and Delphi technique and involves the IT department leader as decision maker. Both organizations have different character to explore the linkage between organization’s internal characteristics and factor that affecting the adoption of cloud technologies. This study found that the improved DEMATEL with BOCR model successfully identify these factors. Factors that affecting the adoption of cloud technologies are greatly affected by organization’s characteristics. The availability of resource is the most influential factor followed by organizational structure, the availability of IT expert, and strength of organizational support. Keywords: Cloud Technologies, DEMATEL, BOCR, Case Study
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
Pendahuluan Teknologi cloud adalah sebuah model teknologi yang memungkinkan penyimpanan data dan proses komputasi yang dilakukan pada jaringan internet. Saat ini bisa dilihat bahwa semakin banyak aplikasi yang dibangun menggunakan model teknologi cloud. Hal tersebut menunjukan bahwa model teknologi cloud adalah sebuah model yang populer. Fenomena ini disebabkan oleh berbagai kelebihan yang dimiliki teknologi cloud seperti mengurangi biaya teknologi, meningkatkan kapasitas penyimpanan data, memaksimalkan otomasi proses Teknologi Informasi (TI), akses data yang bisa dilakukan dimana saja kapan saja, dan meringankan beban departemen TI [1]. Manfaat-manfaat tersebut menyebabkan penetrasi yang tinggi dari teknologi cloud oleh organisasi. Namun seperti halnya model teknologi lainnya, model teknologi cloud juga memiliki beberapa kekurangan yang bisa berdampak buruk bagi organisasi. Beberapa kekurangan yang dimiliki oleh model teknologi cloud adalah rentan terhadap serangan keamanan, ketergantungan terhadap pihak ketiga atau penyedia layanan teknologi cloud, biaya yang dibutuhkan untuk transisi dari model teknologi konvensional ke model teknologi cloud, dan ketidakpastian jangka panjang dari model ini [1]. Juga terdapat fakta bahwa adopsi teknologi atau solusi TI terbaru selalu menjadi topik yang penting karena teknologi atau solusi TI tersebut dilihat dari sudut pandang bisnis bukan hanya sebagai alat tetapi sebagai pendorong untuk peningkatan daya saing organisasi [2][3]. Selain itu, dalam mengadopsi model teknologi cloud setiap organisasi akan memiliki pertimbangan yang berbeda berdasarkan pada karakteristik dari masing-masing organisasi. Beberapa karakteristik organisasi tersebut seperti (1)ukuran dari organisasi yang diakui sebagai faktor penting yang memfasilitasi adopsi teknologi cloud dan dukungan yang diberikan oleh para pimpinan organisasi dalam bentuk penyediaan/alokasi sumberdaya dan (2)kompetensi teknis dari model teknologi cloud yang dimiliki organisasi [4][5][6]. Berdasarkan hal-hal di atas, penelitian ini berusaha menjawab rumusan masalah mengenai faktor-faktor penentu organisasi dalam mengadopsi teknologi cloud dan keterkaitan antara faktor-faktor tersebut dengan karakteristik organisasi. Model yang digunakan dalam penelitian ini adalah adopsi dari model DEMATEL dan BOCR [2][7]. Studi kasus dilakukan dengan objek penelitian dua organisasi yang bergerak pada bidang jasa pertambangan, yaitu PT. Darma Henwa dan PT. United Tractors. Dari kedua organisasi tersebut akan diidentifikasi faktor-faktor penentu adopsi teknologi cloud dan mencari keterkaitan antara kemunculan faktor-faktor tersebut dengan karakteristik masing-masing organisasi.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
Landasan Teori A. Teknologi Cloud Katzan Jr (2009) mendefinisikan model teknologi cloud sebagai metode untuk mengakses fasilitas komputer melalui internet [8]. Gong, et al. (2012) mendefinisikan model teknologi cloud sebagai kumpulan dari sumberdaya yang bersifat virtual dimana sumberdaya tersebut mudah untuk diakses dan digunakan [9]. Shaikh (2011) mendefinisikan model teknologi cloud sebagai sekumpulan layanan dan sumberdaya yang berbasis internet [10]. Sedangkan Babcock (2010) mendefinisikan model teknologi cloud sebagai bentuk outsourcing dari sumberdaya komputasi [11]. Selain definisi-definisi di atas, masih banyak berbagai penelitian di bidang ini yang membuat definisi tentang model teknologi cloud. Namun tidak ada satupun definisi umum yang bisa dipakai untuk menggambarkan model teknologi cloud. Identifikasi karakteristik dilakukan untuk mendefinisikan model teknologi cloud. Berikut adalah karakteristik dan definisi yang berhasil dirangkum untuk mengidentifikasi model teknologi cloud [12][14][15]: 1. On-demand self service: Pengguna memiliki kemampuan untuk mengkonfigurasi kapasitas dari layanan cloud sesuai kebutuhan secara independen. 2. Broad Network Access: Teknologi cloud menggunakan internet untuk menyediakan layanan yang diberikan melalui perangkat keras dan lunak dan diakses oleh thin dan thick platform. 3. Resource Pooling: Secara infrastruktur teknologi cloud mungkin disediakan secara terdistribusi namun secara virtual pengguna melihat layanan komputasi yang diberikan sebagai keutuhan komputasi yang disesuaikan dengan kebutuhan setiap pengguna. 4. Rapid Elasticity: Kapabilitas dari model teknologi cloud untuk menambah atau mengurangi kapasitas komputasi berdasarkan keinginan dan kebutuhan pengguna. 5. Measured Service: Pengguna memiliki kemampuan untuk mengontrol penggunaan sumberdaya karena teknologi cloud mengukur penggunaan sumberdaya. 6. Driven by Economies of Scale: Model teknologi cloud didorong oleh keinginan untuk menekan biaya karena sumberdaya komputasi disediakan oleh satu sumber umum. B. Manfaat, Peluang, Biaya, dan Risiko dari Teknologi Cloud Dalam proses mengukur adopsi suatu teknologi pada umumnya dilakukan identifikasi terhadap nilai positif dan nilai negatif dari teknologi tersebut. Nilai positif menjadi faktor pendorong sedangkan nilai negatif menjadi faktor penghambat adopsi teknologi oleh
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
organisasi. Nilai positif dari adopsi teknologi cloud bukan hanya manfaat saja, tetapi juga pada peluang yang didapat di masa depan. Nilai negatif adopsi teknologi cloud bukan hanya biaya saja, tetapi juga risiko yang ada[16][17]. Karena dalam proses identifikasi tersebut melibatkan banyak faktor maka penyelesaian permasalahan tersebut harus diselesaikan dengan kerangka Multi Criteria Decision Making(MCDM). Salah satu kerangka MCDM adalah BOCR (benefit-opportunity-cost-risk), yaitu kerangka berbasis matematika yang digunakan dalam masalah yang saling terkait dan dipengaruhi oleh banyak atribut [18]. BOCR adalah sebuah kerangkan yang melakukan identifikasi dengan empat kriteria, yaitu benefit (manfaat), opportunity (peluang), cost (biaya), dan risk (risiko). Dalam penelitian ini, untuk setiap kriteria BOCR penulis melakukan studi literatur untuk mencari faktor-faktor yang bisa mewakili kriteria tersebut. Berikut adalah hasil studi literatur tersebut: Tabel 1. Faktor-faktor Karakteristik Benefit No
Faktor
Definisi
B1
Economic
Keuntungan berkaitan dengan efisiensi ekonomi [16]
B2
Independence Managerial
Keuntungan berkaitan dengan kebebasan organisasi dari managerial [16]
B3
Satisfaction
Keuntungan berkaitan dengan kepuasan karena kebutuhan organisasi terpenuhi[16]
B4
Effort
Keuntungan dari sisi personal atau individud[16]
B5
Time
Keuntungan berkaitan dengan waktu implementasi yang singkat[16]
B6
Functionality
Keuntungan berkaitan dengan fungsionalitas teknologi cloud[29]
Tabel 2. Faktor-faktor Karakteristik Opportunity No
Faktor
Definisi
O1
Cost Saving
Peluang melakukan penghematan biaya di masa depan [16]
O2
Expansion
Peluang ekspansi karena teknologi cloud bisa memfasilitasi perpindahan sumberdaya dengan mudah[16]
O3
Innovation
Peluang untuk berinovasi di masa depan[16]
O4
Agility
Peluang untuk meningkatkan kecepatan dan fleksibilitas[30]
O5
Optimization of IT
Peluang yang didapat organisasi karena teknologi cloud mengoptimisasi perangkat keras dan lunak organisasi[31]
Tabel 3. Faktor-faktor Karakteristik Cost No
Faktor
Definisi
C1
Infrastructure
Biaya untuk memfasilitasi infrastruktur TI [16]
C2
Deployment
Biaya untuk proses implementasi teknologi cloud [16]
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
C3
Maintenance
Biaya untuk menjaga stabilitas teknologi cloud [16]
C4
Switching
Biaya untuk perpindahan vendor atau perpindahan model cloud [16]
C5
Service
Biaya layanan tidak terduga ketika proses adopsi dan penggunaan[16]
C6
Human Resource
Biaya investasi sumberdaya manusia [16]
Tabel 4. Faktor-faktor Karakteristik Risk No
Faktor
Definisi
R1
Data Access and Integrity
Risiko yang muncul dari sisi akses dan integritas data [16]
R2
Lack-of-Control
Risiko akibat kesulitan melakukan kontrol terhadap sistem dan data[16]
R3
Seccurity
Risiko yang muncul berkaitan dengan keamanan data [16]
R4
Internet Latency
Risiko yang muncul dari sisi jaringan internet [16]
R5
Permanence
Risiko yang muncul berkaitan dengan umur dari teknologi cloud [16]
R6
Vendor Lock-in
Risiko akibat kebergantungan pada regulasi yang diberikan provider[16]
C. Model DEMATEL DEMATEL adalah singkatan dari Decision-making trial and evaluation laboratory, yang pertama kali dikembangkan oleh The Science and Human Affairs Program of the Battelle
Memorial
Institute
of
Geneve
antara
tahun
1972-1976.
Tujuan
utama
dikembangkannya DEMATEL adalah untuk mempelajari dan mencari penyelesaian permasalahan yang rumit dan saling berkaitan satu sama lain dengan konsep dasar mengukur tingkat pengaruh suatu objek dengan objek lainnya [19][20]. Beberapa keunggulan yang dimiliki oleh model DEMATEL adalah sebagai berikut: 1. DEMATEL menyediakan pendekatan sistematis untuk mengidentifikasi kriteria, hubungan antar kriteria, dan bobot masing-masing untuk pengambilan keputusan [21]. 2. Keluaran dari model berupa causal diagram yang menggunakan graf berarah sehingga bisa memberi gambaran secara mendasar tentang hubungan kontekstual dan kekuatan pengaruh antar elemen [22]. 3. DEMATEL bisa digunakan untuk menjawab permasalahan inti dari sistem yang kompleks dengan tujuan untuk memudahkan pengambilan keputusan [23]. DEMATEL telah berhasil diaplikasikan di berbagai bidang penelitian dengan tujuan untuk menyederhanakan masalah rumit dan mentransformasikan sistem yang kompleks menjadi hubungan sebab akibat yang terstruktur [24]. Karena itu DEMATEL cocok untuk mengetahui faktor utama penyebab organisasi mengadopsi model teknologi cloud. Penjelasan terhadap langkah-langkah model DEMATEL yang digunakan dalam penelitian ini bisa dilihat pada bagian Model Konseptual Penelitian di bawah.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
D. Karakter Organisasi dalam Adopsi Teknologi Jeyaraj, Rottman, dan Lacity (2006) dalam penelitiannya yang menganalisis adopsi dari 99 jenis teknologi oleh organisasi yang diumumkan antara tahun 1992-2003 menyimpulkan bahwa faktor yang berasal dari internal organisasi, seperti dukungan manajemen pusat dan ukuran organisasi keduanya menjadi determinan yang sangat signifikan apakah sebuah organisasi bisa mengimplementasi model teknologi baru dengan baik atau tidak [25]. Hal ini juga berarti bahwa adopsi teknologi cloud sangat dipengaruhi karakteristik organisasi. Selain itu perusahaan kecil telah lama diidentifikasi berbeda dengan perusahaan besar dalam konteks adopsi sistem informasi dan bukan hanya sekadar penyederhanaan atau model sederhana dari perusahaan besar [26]. Berdasarkan hal-hal tersebut dalam penelitian ini akan dilakukan identifikasi antara karakter organisasi dan adopsi teknologi: Tabel 5. Karakteristik Internal Organisasi no
Karakteristik Internal Organisasi
Sumber Pendukung
K1
Struktur Organisasi dan Struktur
Perusahaan dengan struktur yang kompleks memiliki tingkat
Managerial
formalisasi yang tinggi, spesialisasi kerja yang detil, dan proses pengambilan keputusan yang kompleks akan mempengaruhi tingkat adopsi teknologi inovatif [32].
K2
Sumberdaya Finansial dan
Perusahaan kecil menanggung risiko yang lebih besar dalam
Pengetahuan
implementasi teknologi dibandingkan dengan perusahaan besar karena sumberdaya dan pengetahuan yang lebih terbatas [33][34].
K3
Tenaga Ahli TI Internal
Perusahaan kecil secara umum kurang berpengalaman di teknologi baru dan kekurangan ahli teknologi tersebut dalam internal organisasi [35]. Hal ini dikarenakan perusahaan kecil biasanya kesulitan untuk merekrut atau mempertahankan ahli TI internal karena prospek karir yang terbatas jika terus bertahan di perusahaan kecil [36].
K4
Dukungan dan Perspektif Internal
Faktor lain seperti dukungan internal dan pelatihan internal akan mendorong adopsi teknologi oleh organisasi kecil [37].
E. Model Konseptual Penelitian Tidak seperti model DEMATEL versi awal yang hanya menggunakan satu kriteria, model DEMATEL yang digunakan dalam penelitian ini dikombinasikan dengan analisis BOCR sehingga menggunakan empat kriteria yang dibagi menjadi dua segmen, yaitu kriteria BO dan CR. Oleh karena itu, secara garis besar pengembangan model DEMATEL yang diusulkan untuk penelitian ini terdiri dari tiga langkah utama, yaitu (1) pemilihan faktor-faktor
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
untuk kriteria BOCR (2) implementasi empat langkah utama model DEMATEL versi awal yang telah dijelaskan sebelumnya, dan (3) membangun matriks BOCR. Data yang didapat dari kuesioner akan dipetakan menjadi matriks awal. Selanjutnya dihitung vektor ! dan ! yang masing-masing mewakili total setiap baris dan kolom yang terdapat pada matriks hubungan total. Sumbu horizontal, mewakili nilai ! + !, dibaca sebagai “Prominence”, yaitu menggambarkan tingkat kepentingan dari faktor tersebut. Sedangkan sumbu vertikal, mewakili nilai ! – !, dibaca sebagai “Relation”, yaitu membagi faktor-faktor menjadi dua kelompok, yaitu kelompok-sebab dan kelompok-akibat. Sebuah faktor masuk kedalam kelompok “sebab” jika nilai dari “Relation” bernilai negatif, dan sebaliknya akan masuk kedalam kelompok “akibat” jika nilai ! – ! bernilai positif [22].
Gambar 1. Model Konseptual Penelitian
Namun terdapat beberapa perbedaan utama antara model DEMATEL yang konvensional dengan model DEMATEL yang digunakan dalam penelitian ini. Model DEMATEL yang diusulkan untuk penelitian ini menggunakan analisis BOCR sebagai kriteria, dan analisis BOCR dibagi menjadi dua segmen, yaitu segmen positif (terdiri dari faktor benefit dan opportunity) yang mendorong adopsi model teknologi cloud dan segmen negatif (cost dan risk) yang menghambat adopsi model teknologi cloud. Untuk setiap kriteria dalam setiap segmen akan dibangun matriks BO-CR untuk menggambarkan hubungan sebabakibat antar faktor. Matriks untuk masing-masing kriteria akan terbagi menjadi dua kuadran, yaitu kuadran atas (kuadran 1 dan 2) menyatakan faktor-faktor yang masuk dalam kelompok “sebab” dan kuadran bawah (kuadran 3 dan 4) menyatakan faktor-faktor yang masuk dalam kelompok “akibat”. Pembagian dua segmen tersebut akan memudahkan pembaca untuk menganalisis dan membandingkan faktor-faktor yang menjadi pendorong dan penghambat organisasi dalam mengadopsi model teknologi cloud.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
Gambar 2. Matriks BO-CR
Berikut adalah langkah-langkah matematis dari pengembangan model DEMATEL yang digunakan dalam penelitian ini: : Membangun matriks hubungan langsung !
Langkah (1)
Matriks hubungan-langsung fase awal,yang dalam penelitian ini disebut matriks !, adalah matriks ! × ! yang didapat dengan cara membangun keterkaitan antar kriteria, dimana karakteristik keterkaitan tersebut adalah (1) seberapa besar kriteria yang satu mempengaruhi kriteria lainnya dan (2) keterkaitan tersebut bersifat satu arah, sebagai contoh pengaruh kriteria A terhadap B berbeda dengan pengaruh kriteria B terhadap kriteria A. Keterkaitan tersebut dalam penelitian ini dinyatakan sebagai !!" , dimana !!" menyatakan tingkat pengaruh kriteria i terhadap kriteria j sedemikian sehingga ! = [!!" ]!×! . Langkah (2)
: Normalisasi matriks hubungan-langsung X
Langkah selanjutnya adalah menormalisasi matriks !. Matriks normalisasi tersebut, disebut matriks!, dinyatakan dengan cara ! = [!!" ]!×! dan 0 ≤ !!" ≤ 1 bisa didapatkan dengan mengoperasikan formula (1) dan (2), dimana secara prinsip semua elemen diagonal dari matriks bernilai nol. ! = !. !
(1)
dimana ! =
!
!"# ! !!" !!!!! !!!
Langkah (3)
, !, ! = 1,2, … , ! : Membangun matriks hubungan-total !
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
(2)
Sesudah matriks normalisasi ! didapat, matriks hubungan-total ! bisa didapatkan dengan mengoperasikan formula (3), dimana ! mewakili matriks identitas: ! = !(! − !)!! Langkah (4)
(3) : Membangun causal-diagram
Total penjumlahan dari setiap baris dan kolom, yang masing-masing secara terurut diwakili dengan ! dan !, didapatkan dengan mengoperasikan formula (4), (5), dan (6): ! = [!!" ]!×!
(4)
! = [
! !!! !!" ]!×!
= [!! ]!×!
(5)
! = [
! !!! !!" ]!×!
= [!! ]!×!
(6)
Langkah (5)
: Membangun cause-effect diagram
Causal-diagram bisa dibangun dengan memetakan kumpulan data(! + !, ! − !), dimana sumbu horizontal (! + !) didapat dengan menjumlahkan ! dan ! sedangkan sumbu vertikal (! − !) didapat dengan mengurangkan ! dan !. Untuk faktor-faktor dari kriteria cost dan risk, nilai ! + ! akan diberi tanda minus agar secara visual faktor-faktor yang termasuk dalam dua kriteria tersebut akan berada pada segmen negatif. Pada proses analisa data, kedua causal diagram tersebut akan dibandingkan satu sama lain. Untuk memudahkan proses analisa tersebut, data yang akan dipetakan ke dalam causaldiagram akan dibuat agar memiliki jangkauan nilai yang sama, yaitu antara -10 sampai dengan 10. Cara yang dilakukan adalah dengan mengambil nilai paling tinggi dan kemudian membagi semua nilai dengan nilai tertinggi tersebut. Hasil pembagian tersebut dikali dengan bilangan 10 agar semua nilai memiliki jangkauan data -10 dan 10. Metodologi Penelitian Pendekatan yang dilakukan untuk penelitian ini adalah pendekatan yang bersifat kuantitatif, yaitu melakukan studi kasus pada dua organisasi dan membandingkan hasil yang didapat dari kedua organisasi tersebut. Penelitian ini akan melakukan pendekatan studi kasus pada dua perusahaan, yaitu PT. Darma Henwa(PTDH) dan PT. United Tractors(UT). Alasan pemilihan kedua organisasi tersebut adalah sebagai berikut: 1. Kedua perusahaan tersebut bergerak pada bidang yang sama, yaitu pertambangan dan kontraktor. Hal ini dimaksudkan agar mendapatkan perbandingan yang valid berdasarkan kebutuhan organisasi akan TI [26].
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
2. Kedua perusahaan memiliki karakteristik internal yang berbeda. Hal ini dimaksudkan agar bisa mendapatkan perbandingan antar kedua organisasi dan mencari keterkaitan antara faktor yang mempengaruhi adopsi teknologi cloud dengan karakteristik organisasi. 3. Kedua perusahaan memiliki level adopsi teknologi cloud yang sama, yaitu level preliminary yaitu belum pernah mengadopsi teknologi cloud. Hal ini dimaksudkan agar pengetahuan dan pengalaman yang dimiliki kedua organisasi seimbang. A. Proses Pengumpulan Data Prosedur pengumpulan data yang dilakukan pada penelitian ini untuk setiap organisasi melibatkan tiga tahap. Tahap pertama dilakukan untuk menjamin kesesuaian karakter organisasi dengan kriteria yang dibutuhkan penulis untuk penelitian ini. Ketiga kriteria tersebut adalah karakteristik internal organisasi kedua organisasi yang berbeda, tipe bisnis utama organisasi dan tahap adopsi teknologi cloud saat ini harus sama. Wawancara tahap pertama ini ditujukan hanya kepada manajer divisi TI dari masing-masing organisasi. Sedangkan tahap yang kedua dilakukan untuk melakukan pengumpulan data untuk mengisi matriks awal model DEMATEL. Untuk pengumpulan data ini digunakan dua teknik, yaitu teknik FGD dan teknik Delphi. Teknik FGD digunakan pada pengumpulan data ke PTDH sedangkan teknik Delphi digunakan untuk pengumpulan data ke UT. Namun tujuan yang ingin dicapai melalui kedua teknik di atas adalah sama, yaitu membangun matriks relasi awal yang berisi skala Likert 5-level, dimana skala 0 berarti sangat tidak berhubungan dan skala 4 berarti sangat berhubungan. Tahap ketiga sebagai tahap terakhir pada prosedur pengumpulan data dilakukan untuk melakukan klarifikasi terhadap hasil-hasil yang didapat setelah pengolahan data pada tahap kedua. Tahap ketiga dilakukan jika terdapat data-data yang dirasakan kurang untuk mendukung proses analisa dan juga mengklarifikasikan kepada organisasi yang bersangkutan tentang hasil yang didapat dari penelitian ini. Selanjutnya metode pengumpulan data yang digunakan dalam penelitian ini ada dua, yaitu Focus Group Discussion (FGD) dan Delphi Technique, dimana untuk kedua metode tersebut penulis meminta kesediaan tiga orang dengan jabatan strategis di bidang TI. Proses FGD digunakan untuk PTDH dengan ketiga responden menjabat sebagai Head of System Support Department, Head of Application Support Department, dan Head of IT Department. Ketiga orang tersebut memiliki pengalaman 15-20 tahun dalam organisasi tersebut dan menjabat posisi paling tinggi dari departemen TI PTDH. Sedangkan Delphi Technique
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
digunakan untuk UT dengan ketiga responden menjabat sebagai Data Center Leader, Network and Infrastructure Leader, dan Asset Management Leader. Ketiga orang tersebut memiliki pengalaman hampir 17 tahun dalam organisasi dan menjabat posisi strategis dari departemen TI UT. Pembahasan A. Profil Tempat Studi Kasus Berikut adalah rangkuman dari hasil identifikasi terhadap karakteristik dari kedua organisasi, PTDH dan UT yang didapat dari proses pengumpulan data terhadap manajer divisi TI masing-masing organisasi: 1. Struktur organisasi UT lebih kompleks dibanding dengan PTDH. Jumlah divisi dan departemen yang dimiliki UT jauh lebih banyak jika dibandingkan dengan PTDH membuktikan bahwa UT memiliki rentang kontrol yang lebih luas, spesialisasi yang lebih detail, formalisasi kerja yang lebih tinggi. 2. Sumber daya finansial yang dimiliki UT lebih mencukupi dibandingkan dengan sumber daya finansial PTDH. Hal itu ditunjukan dari nilai pendapatan dan juga alokasi biaya yang diberikan untuk divisi TI. Nilai alokasi biaya divisi TI UT setara tiga kali alokasi biaya divisi TI PTDH. 3. Ketersediaan tenaga ahli TI yang dimiliki oleh United Tractors juga lebih baik dibandingkan dengan PTDH. Hal itu ditunjukkan dengan jumlah staff TI yang dimiliki UT lebih banyak dibandingkan dengan jumlah staff IT yang dimiliki PTDH. Hal ini juga didukung dengan pernyataan manajer TI PTDH bahwa memang untuk saat ini belum ada kesiapan dari user dan staf TI jika ingin mengadopsi teknologi cloud. Hal itu berbeda dengan pernyataan manager TI UT bahwa sudah ada kesiapan dari user dan staf TI jika ingin mengadopsi teknologi cloud. 4. Untuk dukungan yang diberikan oleh dewan direksi kepada divisi TI, kedua organisasi mendapatkan dukungan yang sama kuat. Hal itu ditunjukan dengan jumlah pelatihan yang diberikan per tahun untuk kedua organisasi sama, yaitu antara 1 – 2 pelatihan per tahun. Namun terdapat perbedaan tentang bagaimana responden masing-masing organisasi mempersepsikan teknologi cloud. Responden dari PTDH berpendapat bahwa teknologi cloud kurang bisa diterapkan dalam tipe organisasi jasa pertambangan sedangkan responden dari UT berpendapat bahwa teknologi cloud bisa diterapkan dalam tipe organisasi mereka.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
B. Pengolahan Data Pengolahan data dilakukan terhadap hasil yang didapat dari tahap pengumpulan data, yaitu matriks hubungan awal. Hasil pengolahan data tersebut menghasilkan matriks BOCR yang akan digunakan untuk melakukan perbandingan antar organisasi. Tabel 6-10 berisi proses pengolahan data dari PTDH sesuai dengan langkah model DEMATEL: Tabel 6. Matriks Awal PT. Darma Henwa B1
B2
B3
B4
B5
B6
O1
O2
O3
O4
O5
B1
0
1
1
3
2
4
O1
0
4
4
3
4
B2
3
0
4
4
4
0
O2
1
0
3
3
3
B3
4
0
0
3
3
0
O3
3
3
0
3
3
B4
4
4
2
0
1
0
O4
3
1
4
0
3
B5
1
3
4
4
0
0
O5
4
2
2
4
0
B6
1
3
3
3
4
0
C1
C2
C3
C4
C5
C6
R1
R2
R3
R4
R5
R6
C1
0
4
4
4
1
0
R1
0
3
4
0
0
0
C2
4
0
2
2
3
3
R2
4
0
4
0
0
0
C3
4
0
0
3
0
0
R3
4
2
0
3
0
1
C4
3
4
0
0
4
3
R4
4
2
2
0
1
0
C5
3
0
0
2
0
0
R5
4
3
4
2
0
4
C6
0
4
4
0
0
0
R6
0
4
4
1
4
0
Tabel 7. Matriks Normalisasi PT. Darma Henwa B1
B2
B3
B4
B5
B6
O1
O2
O3
O4
O5
B1
0,000
0,067
0,067
0,200
0,133
0,267
O1
0,000
0,267
0,267
0,200
0,267
B2
0,200
0,000
0,267
0,267
0,267
0,000
O2
0,067
0,000
0,200
0,200
0,200
0,200
0,200
0,000
0,200
0,200
B3
0,267
0,000
0,000
0,200
0,200
0,000
O3
B4
0,267
0,267
0,133
0,000
0,067
0,000
O4
0,200
0,067
0,267
0,000
0,200
O5
0,267
0,133
0,133
0,267
0,000
R1
R2
R3
R4
R5
R6
B5
0,067
0,200
0,267
0,267
0,000
0,000
B6
0,067
0,200
0,200
0,200
0,267
0,000
C1
C2
C3
C4
C5
C6
C1
0,000
0,286
0,286
0,286
0,071
0,000
R1
0,000
0,177
0,235
0,000
0,000
0,000
C2
0,286
0,000
0,143
0,143
0,214
0,214
R2
0,235
0,000
0,235
0,000
0,000
0,000
0,235
0,118
0,000
0,177
0,000
0,059
C3
0,286
0,000
0,000
0,214
0,000
0,000
R3
C4
0,214
0,286
0,000
0,000
0,286
0,214
R4
0,235
0,118
0,118
0,000
0,059
0,000
0,235
0,177
0,235
0,118
0,000
0,235
0,000
0,235
0,235
0,059
0,235
0,000
C5
0,214
0,000
0,000
0,143
0,000
0,000
R5
C6
0,000
0,286
0,286
0,000
0,000
0,000
R6
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
Tabel 8. Matriks Relasi Total PT. Darma Henwa B1
B2
B3
B4
B5
B6
D
O1
O2
O3
O4
O5
D
B1
0,56
0,54
0,61
0,83
0,64
0,42
3,61
O1
0,76
0,90
1,07
1,03
1,07
4,82
B2
0,90
0,56
0,89
1,05
0,85
0,24
4,48
O2
0,61
0,47
0,76
0,77
0,76
3,37
0,80
0,73
0,72
0,89
0,88
4,02
B3
0,71
0,40
0,45
0,73
0,59
0,19
3,08
O3
B4
0,80
0,65
0,65
0,66
0,58
0,21
3,55
O4
0,78
0,61
0,89
0,68
0,85
3,81
O5
0,87
0,70
0,85
0,94
0,73
4,09
R
3,82
3,40
4,29
4,31
4,29
R1
R2
R3
R4
R5
R6
D
B5
0,69
0,63
0,78
0,90
0,52
0,18
3,70
B6
0,77
0,73
0,84
0,98
0,85
0,21
4,38
R
4,43
3,50
4,22
5,16
4,03
1,45
C1
C2
C3
C4
C5
C6
D
0,75
0,85
0,73
0,86
0,55
0,37
4,10
R1
0,16
0,26
0,35
0,06
0,01
0,02
0,87
0,37
0,12
0,37
0,07
0,01
0,02
0,96
C1 C2
0,93
0,62
0,64
0,72
0,62
0,50
4,03
R2
C3
0,69
0,43
0,32
0,58
0,31
0,22
2,55
R3
0,41
0,26
0,21
0,22
0,03
0,08
1,21
0,40
0,25
0,30
0,06
0,07
0,03
1,12
C4
0,88
0,86
0,52
0,59
0,70
0,52
4,08
R4
C5
0,50
0,30
0,23
0,41
0,22
0,15
1,82
R5
0,56
0,46
0,59
0,25
0,08
0,29
2,23
C6
0,46
0,58
0,56
0,37
0,26
0,21
2,45
R6
0,34
0,45
0,53
0,19
0,27
0,09
1,87
R
4,23
3,64
3,00
3,54
2,66
1,97
R
2,23
1,81
2,35
0,85
0,47
0,54
Tabel 9. Nilai Koordinat Matriks BOCR sebelum Penyesuaian Skala PT. Darma Henwa D+R
D-R
D+R
D-R
B1
8,041
-0,825
B2
7,977
B3
7,294
O1
8,648
1
0,974
O2
6,776
-1,137
O3
8,309
B4
8,708
-1,615
O4
B5
7,734
-0,329
O5
B6
5,83
D+R
D-R
C1
-8,328
-0,122
-0,031
C2
-7,67
-0,269
C3
-5,548
8,126
-0,501
C4
8,376
-0,199
C5 C6
2,933
D+R
D-R
R1
-3,097
-1,364
0,397
R2
-2,765
-0,845
-0,457
R3
-3,56
-1,136
-7,613
0,54
R4
-1,975
0,265
-4,481
-0,844
R5
-2,702
1,757
0,486
R6
-2,41
1,323
-4,417
Tabel 10. Nilai Koordinat Matriks BOCR sesudah Penyesuaian Skala PT. Darma Henwa
B1
x
y
9,23
-2,81
O1
x
Y
9,93
3,41
C1
7,78
-0,11
C2
x
y
X
y
-9,56
-0,42
R1
-3,56
-4,65
1,35
R2
-8,81
-3,18
-2,88
B2
9,16
3,32
O2
B3
8,38
-3,88
O3
9,54
-0,92
C3
-6,37
-1,56
R3
-4,09
-3,87
B4
10
-5,51
O4
9,33
-1,71
C4
-8,74
1,84
R4
-2,27
0,9
B5
8,88
-1,12
O5
9,62
-0,68
C5
-5,15
-2,88
R5
-3,1
5,99
B6
6,7
10
C6
-5,07
1,66
R6
-2,77
4,51
Koordinat yang didapat pada Tabel 10 selanjutnya dipetakan kedalam Matriks BOCR dalam bentuk (x,y). Proses pengolahan data untuk UT tidak ditampilkan karena prosesnya
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
sama dengan proses yang dilakukan pada PTDH diatas. Hasil dari pengolahan data untuk PTDH dan UT bisa dilihat pada Gambar 3 di bawah. 10.00
Rela%on
R5 5.00 R6 C4 C6 C2 0.00 R4 C1 C3 -‐10.00 -‐5.00 C5 R2 0.00 R3 R1 -‐5.00
B6 B2 O1
5.00
O2 O5 B5 O3 O4 B1 10.00 B3 B4
-‐10.00 Prominence C1 C6 C2 C5
10.00 5.00 R1
Rela%on
R6 R3 0.00 R5 R4 -‐10.00 -‐5.00 R2 0.00 -‐5.00 C4 C3 -‐10.00 Prominence
O4 O3
B1 B6 B3 B2 O1 5.00 10.00 O2 B5 B4 O5
Benefit Opportunity Cost Risk
Benefit Opportunity Cost Risk
Gambar 3. Matriks BOCR PT. Darma Henwa (atas) dan United Tractors (bawah)
C. Analisis Data Analisa akan dimulai dengan membandingkan antar kriteria BOCR antar organisasi. Berdasarkan Gambar 3 tentang Matriks BOCR PTDH dan UT, untuk segmen positif yang terdiri dari kriteria benefit dan opportunity terdapat perbedaan antar organisasi. Bagi PTDH kepentingan dari kedua kriteria tersebut sama sedangkan bagi UT, kekuatan atau kepentingan dari kedua kriteria tersebut berbeda, dimana opportunity lebih penting dibanding dengan benefit. Hal ini menunjukan bahwa UT lebih bersifat strategis dalam memandang teknologi cloud. Untuk segmen negatif yang terdiri dari kriteria cost dan risk kedua organisasi memiliki tingkat kepentingan yang sama dimana cost lebih mendapat perhatian dibandingkan risk. Analisa akan dilanjutkan dengan mengidentifikasi faktor-faktor yang masuk kedalam kelompok cause factor. Cause-factor dari setiap kriteria BOCR untuk PTDH dan UT bisa dilihat dalam Tabel 11. Untuk kriteria benefit, dari tabel tersebut terlihat bahwa terdapat perbedaan antara cause factor kedua organisasi. Bagi PTDH, managerial menjadi faktor utama untuk kriteria benefit. Hal ini disebabkan karena keterbatasan sumberdaya organisasi yang dimiliki dan keterbatasan tenaga ahli TI sehingga jika mengadopsi teknologi cloud tidak lagi dipusingkan dengan masalah manajerial. Sedangkan bagi UT, economic dan satisfaction muncul. Faktor economic muncul karena mereka berpendapat bahwa organisasi bisa
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
mendapatkan keuntungan dengan cara melakukan virtualisasi sumberdaya komputasi. Sedangkan faktor satisfaction muncul karena UT sebagai organisasi besar sudah memiliki tingkat efisiensi optimal dalam hal operasional TI sehingga faktor satisfaction menjadi faktor penentu bagi UT. Tabel 11. Cause Factor PT. Darma Henwa dan United Tractors Benefit
Opportunity
Cost
Risk
PT. Darma Henwa
B2: Managerial B6: Functionality
O1: Cost Saving
C2: Deployment C4: Switching C6: Human Resource
R4: Internet Latency R5: Permanence R6: Vendor lock-in
United Tractors
B1: Economic B3: Satisfaction B6: Functionality
O3: Innovation O4: Agility
C1: Infrastructure C2: Deployment C6: Human Resource
R1: Data Access and Integrity R6: Vendor Lock-in
Untuk kriteria opportunity, cost saving muncul untuk PTDH. Teknologi cloud menjanjikan kemudahan manajerial yang mengakibatkan PTDH dihindarkan dari biaya konsultasi yang tinggi. Teknologi cloud juga menjanjikan biaya implementasi yang rendah sehingga bisa menghemat biaya. Sedangkan untuk UT, innovation dan agility muncul sebagai faktor penentu. UT dengan struktur organisasi mengharapkan teknologi cloud dengan konsep virtualisasi dan berbasis internet dipandang mampu untuk menginkatkan kelincahan dan kecepatan proses bisnis. Kelebihan fungsionalitas yang diberikan teknologi cloud diharapkan memungkinkan organisasi untuk berinovasi. Untuk kriteria cost, switching cost muncul sebagai faktor penghambat bagi PTDH. Hal ini disebabkan karena dalam proses perpindahan model teknologi cloud, tentu dibutuhkan banyak tenaga ahli dan sumberdaya. Hal ini menjadi perhatian bagi organisasi menengah seperti PTDH. Sedangkan bagi UT, faktor infrastructure muncul menjadi faktor penghambat utama. Hal ini disebabkan karena struktur organisasi yang sangat luas sehingga kemampuan infrastruktur teknologi cloud untuk mengakomodir kebutuhan organisasi menjadi perhatian. Untuk kriteria risk, internet latency dan permanence muncul sebagai faktor risiko utama bagi PTDH. Internet latency muncul karena keterbatasan sumberdaya organisasi untuk mendapatkan sumberdaya yang baik. Faktor permanence muncul karena ketidak-siapan dari ahli TI internal organisasi dalam mengelola teknologi cloud jika diharuskan. Sedangkan bagi UT, faktor risiko utama adalah data access and integrity. Faktor tersebut menjadi penting bagi organisasi besar dengan aktivitas bisnis dan transaksi yang sangat besar karena kehilangan layanan TI akan berakibat pada kehilangan kesempatan mengolah transaksi dan mengakibatkan ketidak-puasan pelanggan.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
Berdasarkan pembahasan di atas bisa diidentifikasi penyebab kemunculan cause factor tersebut dengan cara mencari keterkaitannya dengan karakteristik internal organisasi. Tabel 12 berikut merangkum keterkaitan antara karakteristik internal organisasi dengan cause factor masing-masing organisasi. Tabel 12. Relasi antara karakteristik organisasi dengan adopsi teknologi cloud PT. Darma Henwa Segmen Positif Segmen Negatif Benefit Opportu Cost Risk nity Struktur Organisasi Sumberda ya Organisasi Tenaga Ahli TI Organisasi Dukungan Internal Organisasi
manageri al
Cost saving
Deploym ent
manageri al
Cost saving
Human resource; switching
functiona lity
Internet latency
PT. United Tractors Segmen Positif Segmen negatif Benefit Opportu Cost Risk nity economic agility Infrastrc uture satisfactio deployme Data n nt access Human resource
permane nce
functionali ty
innovatio n
Kesimpulan A. Diskusi Pertama, penelitian ini berhasil melakukan identifikasi terhadap faktor-faktor yang mempengaruhi organisasi dalam adopsi teknologi cloud dengan menggunakan kombinasi antara model DEMATEL dengan model BOCR dan berhasil melakukan pengembangan terhadap penelitian sebelumnya yang dilakukan oleh Wu, Lan, & Lee (2011)[2]. Pada penelitian sebelumnya digunakan dua kriteria untuk mengidentifikasi adopsi teknologi cloud, yaitu benefit sebagai faktor pendorong dan risk sebagai faktor penghambat sedangkan pada penelitian ini ditambahkan dua kriteria lain yaitu opportunity dan risk. Berdasarkan hasil penelitian, tingkat kepentingan benefit sama atau bahkan lebih rendah dibanding dengan opportunity. Juga diketahui bahwa tingkat kepentingan risk lebih rendah dibanding dengan cost sehingga penggunaan kriteria risk saja tidak cukup untuk mengidentifikasi faktor yang mempengaruhi adopsi teknologi cloud oleh organisasi. Kedua, penelitian ini berhasil mengidentifikasi faktor-faktor yang mempengaruhi organisasi dalam hal adopsi teknologi cloud. Faktor functionality dipilih oleh kedua organisasi sebagai faktor benefit yang mendorong adopsi teknologi cloud. Hal ini menunjukkan bahwa fungsionalitas yang ditawarkan teknologi cloud menjadi daya tarik baik organisasi besar maupun organisasi menengah. Sedangkan faktor vendor lock-in dipilih oleh kedua organisasi sebagai faktor yang menghambat adopsi teknologi cloud. Hal ini menunjukkan bahwa
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
dibutuhkan sebuah jaminan, mungkin dalam bentuk standardisasi dan jaminan SLA, yang menjamin kebebasan organisasi dari penyedia layanan teknologi cloud. Selanjutnya untuk faktor-faktor positif dan negatif lainnya, persepsi yang ditunjukkan oleh organisasi sangat mencerminkan karakteristik internal organisasi. Organisasi menengah memiliki persepsi bahwa kemudahan manajerial dan peluang penghematan biaya menjadi faktor pendorong utama adopsi teknologi cloud. Sedangkan biaya perpindahan layanan, kerentanan jaringan internet dan umur dari teknologi cloud menjadi penghambat dalam adopsi teknologi cloud. Sedangkan organisasi besar memiliki persepsi bahwa faktor kepuasan layanan, efisiensi ekonomi, inovasi dan kelincahan menjadi faktor pendorong utama adopsi teknologi cloud. Sedangkan biaya infrastruktur dan ancaman kesulitan akses data menjadi faktor penghambat adopsi teknologi cloud oleh organisasi. Ketiga, studi kasus dilakukan berhasil menghubungkan faktor tersebut dengan karakteristik internal organisasi. Hasil penelitian ini menunjukkan bahwa adopsi teknologi cloud sangat bergantung pada karakteristik internal organisasi. Ketersediaan sumberdaya menjadi karakteristik yang paling mempengaruhi adopsi teknologi cloud. Sedangkan ketiga karakter organisasi lainnya, yaitu struktur organisasi, ketersediaan tenaga ahli TI dan dukungan internal organisasi memiliki tingkat pengaruh yang sama. B. Implikasi dan Limitasi Dalam penelitian ini, definisi dari teknologi cloud yang digunakan adalah teknologi cloud secara umum tanpa membagi berdasarkan model SaaS, PaaS, atau IaaS. Teknologi cloud yang diangkat dalam penelitian ini juga tidak membagi berdasarkan model private cloud, public cloud, atau hybrid cloud. Walaupun para responden dalam penelitian ini mengidentifikasi model teknologi cloud sebagai public SaaS. Gang (2010) dalam penelitiannya menjelaskan bahwa model teknologi cloud(SaaS, PaaS, IaaS) masing-masing memiliki karakteristik yang spesifik [27]. Untuk itu dalam penelitiannya selanjutnya bisa dilakukan yang mendefinisikan model teknologi cloud secara lebih spesifik. Dalam penelitian ini dicoba untuk membandingkan persepsi tentang adopsi teknologi cloud antar dua organisasi dengan dua karakteristik organisasi. Untuk membangun perbandingan tersebut penulis melakukan studi kasus terhadap dua organisasi. Tentunya semakin banyak organisasi yang diteliti semakin memberikan hasil yang semakin akurat. Muijs (2004) dalam penelitiannya menyatakan bahwa variabel-variabel yang dimiliki oleh data lebih baik jika bervariasi sehingga bisa melakukan penelitian yang lebih menarik [28]. Berdasarkan hal tersebut, dalam penelitian selanjutnya diharapkan melakukan penelitian
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
dengan objek yang lebih umum, seperti penelitian terhadap organisasi dari berbagai tipe bisnis, sehingga bisa mewakili perbandingan yang lebih valid. Daftar Pustaka [1]
Mirzaei, N. (2008). Cloud Computing. Pervasive Technology Institute Report, Community Grids Lab, Indiana University.
[2]
Wu, W. W., Lan, L. W., & Lee, Y. T. (2011). Exploring decisive factors affecting an organization’s SaaS adoption: A case study. International Journal of Information Management 31, 556-563.
[3]
Iyer, B., & Henderson, J. (2010). Preparing for the future: Understanding the seven capabilities of Cloud Computing. MIS Quarterly Executive Vol. 9, No. 2.
[4]
Espadanal, M., & Oliveira, T. (2012). Cloud Computing Adoption by firms. MCIS 2012 Proceedings, 30.
[5]
Borgman, P., Bahli, B., Heier, H., & Schewski, F. (2013). Cloudrise: Exploring Cloud Computing Adoption and Governance with TOE Framework. 46th Hawaii International Conference on System Sciences.
[6]
Kuan, K. K., & Chau, P. Y. (2001). A Perception based model for EDI adoption in small business using a technology-organization-environment framework. Information & Management 38, 507-521.
[7]
Lee, Y. C., Tang, H., & Sugumaran, V. (2012). A Deployment Model for Cloud Computing using the Analytic Hierarchy Process and BCOR Analysis. AMCIS 2012 Proceedings. Paper 18.
[8]
Katzan Jr, H. (2009). Computing Services in the Cloud. SAIS 2009 Proceedings. Paper 3.
[9]
Gong, C., Liu, J., Zhang, Q., Chen, H., & Gong, Z. (2012). The Characteristics of Cloud. 2010 39th International Conference on Parallel Processing Workshops.
[10]
Shaikh, F. (2011). Security threats in cloud computing. 6th International Conference on Internet Technology and Secured Transactions, 11-14 December 2011, Abu Dhabi, United, 214-219.
[11]
Babcock, C. (2010). Management Strategies for the Cloud Revolution, McGraw-Hill, New York.
[12]
Zhang, S., Yan, H., & Chen, X. (2012). Research on Key Technologies of Cloud Computing. Physics Procedia 33, 1791-1797.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
[13]
Vaquero, L. M., Merino, L. R., Caceres, J., & Lindner, M. (2009). A Break in the Clouds: Towards a Cloud Definition. ACM SIGCOMM Computer Communication Review, Volume 39, Number 1, 50-55.
[14]
Mell, P., & Grance, T. (2011). The NIST Definition of Cloud Computing. National Institute of Standards and Technology Special Publication 800-145, 7.
[15]
Foster, I., Zhao, Y., Raicu, I., & Lu, S. (2008). Cloud Computing and Grid Computing 360-Degree Compared. Grid Computing Environments Workshop, 2008. GCE '08.
[16]
Lee, A. H. (2009). A fuzzy supplier selection model with the consideration of benefits, opportunities, costs and risks. Expert Systems with Applications 36, 2879–2893.
[17]
Wijnmalen, D. J. (2007). Analysis of benefits, opportunities, costs, and risks (BOCR) with the AHP–ANP: A critical validation. Mathematical and Computer Modelling 46, 892–905.
[18]
Wang, W. M., Lee, A. H., Peng, L.-P., & Wuh, Z. L. (2013). An integrated decision making model for district revitalization and regeneration project selection. Decision Support Systems 54, 1092–1103.
[19]
Tzeng, G. H., Chiang, C. H., & Li, C. W. (2007). Evaluating intertwined effects in elearning programs: a novel hybrid MCDM model based on factor analysis and DEMATEL. Expert System Application 32, 1028-1044.
[20]
Dytczak, M., & Ginda, G. (2013). Is explicit processing of fuzzy direct influence evaluations in DEMATEL indispensable? . Expert Systems with Applications 40, 5027–5032.
[21]
Varma, K., & Kumar, K. S. (2012). Criteria Analysis Aiding Portfolio Selection Using Dematel. Procedia Engineering 38, 3649-3661.
[22]
Wu, W. W. (2008). Choosing knowledge management strategies by using a combined ANP and DEMATEL approach. Expert System Application 35, 828-835.
[23]
Hu, H. Y., Chiu, S. I., Cheng, C. C., & Yen, T. M. (2011). Applying the IPA and DEMATEL models to improve the order-winner criteria: A case study of Taiwan’s network communication equipment manufacturing industry. Expert Systems with Applications 38, 9674–9683.
[24]
Lin, Y.-T., Yang, Y. H., Kang, J. S., & Yu, H. C. (2011). Using DEMATEL method to explore the core competences and causal effect of the IC design service company: An empirical case study. Expert Systems with Applications 38, 6262–6268.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
[25]
Jeyaraj, A., Rottman, J. W., & Lacity, M. C. (2006). A review of the predictors, linkages, and biases in IT innovation adoption research. Journal of Information Technology 21, 1-23.
[26]
Cheng, C. H., Cheung, W., & Chang, M. K. (2002). The use of the Internet in Hong Kong: Manufacturing vs. service. International Journal Production Economics 75, 3345.
[27]
Gang, C. (2010). Data center management plan in cloud computing environment. Proceeding of Third International Conference on Information Management, Innovation Management and Industrial Engineering, 393-396.
[28]
Muijs, D. (2004). Doing Quantitative Research in Education. Southampton: SAGE Publications Ltd.
[29]
Gens, F. (2009). New IDC IT Cloud Services Survey: Top Benefits and Challenges. http://blogs.idc.com/ie/?p=730: IDC.
[30]
Harris, J. G., & Alter, A. E. (2010). Cloudrise: Rewards and Risks at the Dawn of Cloud
Computing.
http://www.accenture.com/SiteCollectionDocuments/PDF/
Accenture_Cloudrise_Rewards_and_Risks_at_the_Dawn_of_Cloud_Computing.pdf: Accenture. [31]
Civic Consulting. (2012). Cloud Computing. Brussels: European Parliament's Committee on Internal Market.
[32]
Lee, G., & Xia, W. (2006). Organizational size and IT innovation adoption: A metaanalysis. Information & Management 43, 975–985.
[33]
Cragg, P. B., & King, M. (1993). Small-firm Computing: motivators and inhibitors. MIS Quarterly 17 (1), 47-60.
[34]
Segev, E., Ein-Dor, & Philip. (1978). Organizational Context and The Success of Management Information System. Management Science 24 (10), 1064-1077.
[35]
Delone, W. H. (1988). Determinants of Success for Computer Usage in Small Business. MIS Quarterly 12(1), 51-61.
[36]
Montazemi, A. R. (1988). Factors Affecting Information Satisfaction in the Context of the Small Business EnvironmentMo. MIS Quarterly 12(2), 239-256.
[37]
Igbaria, M., & Zinatelli, N. (1997). Personal computing acceptance factors in small firms : a structural equation model. MIS Quarterly 21 (3), 270-302.
Penggunaan Mode..., Nathan, FASIKOM UI, 2013
