PARADIGMA VOL. IX. NO. 2, APRIL 2007

PARADIGMA VOL. IX. NO. 2, APRIL 2007

FAKTOR-FAKTOR YANG MEMPENGARUHI PERILAKU KARYAWAN DALAM PENGGUNAAN SISTEM INFORMASI PERPAJAKAN BERBASIS WEB BERDASARKAN PENDEKATAN TAM (Studi Kasus di Kantor Pelayanan Pajak Cikarang Satu – Bekasi) Oleh : Herlawati ABSTRAK Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi perilaku karyawan dalam penggunaan Sistem Informasi Perpajakan berbasis Web, juga untuk mengetahui bagaimana model penerimaan pengguna Sistem Informasi Perpajakan di Kantor Pelayanan Pajak (KPP) Cikarang Satu. Penelitian yang berjudul “Faktor–Faktor Yang Mempengaruhi Perilaku Karyawan Dalam Penggunaan Sistem Informasi Perpajakan Berbasis Web Berdasarkan Pendekatan TAM” ini menggunakan model untuk menggambarkan hubungan faktor-faktor yang mempengaruhi penggunaan Sistem Informasi Perpajakan tersebut adalah Technology Acceptance Model (TAM) dengan analisis data menggunakan Structural Equation Modelling (SEM) pada perangkat lunak Analisys of MOment Structure (AMOS) versi 6.0. Variabel yang digunakan pada penelitian ini adalah variabel laten eksogen sebagai variabel independen (X) yang berupa kemudahan menggunakan (Percieved Ease of Use), dan variabel laten endogen sebagai variabel dependen (Y) yaitu adanya kemanfaatan (Percieved Usefulness), niat menggunakan (Intention to use) serta perilaku penggunaan website (Website Usage Behavior). Faktor-faktor yang dapat mempengaruhi user (karyawan) dalam menggunakan intranet sebagai sarana pendukung dalam membantu menyelesaikan pekerjaan adalah adanya kemudahan menggunakan (Percieved Ease of Use) yang akan menimbulkan adanya perilaku penggunaan website (Website Usage Behavior). Karyawan yang sudah mengetahui kemudahan (Percieved Ease of Use) dan manfaat (Percieved Usefulness.) pengggunaan intranet akan mempunyai niat untuk menggunakan website (Intention to Use) sehingga menimbulkan perilaku penggunaan website (Website Usage Behavior). Tidak terdapat hubungan antara kemudahan menggunakan (Percieved Ease of Use) dengan niat untuk menggunakan website (Intention to Use). Bahkan timbul hubungan kausal yang baru yaitu adanya kemudahan menggunakan (Percieved Ease of Use) dengan perilaku penggunaan website (Website Usage Behavior). Dalam pengertiannya bahwa user menggunakan intranet memang benar-benar membutuhkan dan untuk sesuatu yang bermanfaat. Kata-kata Kunci : Intranet, Sistem Informasi Perpajakan, SEM, TAM, dan AMOS I. PENDAHULUAN Beberapa perusahaan yang telah memanfaatkan teknologi intranet sebagian besar menggunakannya untuk: mengakses prosedur dan manual, mengakses data-data penting, mengirimkan halaman web pribadi, mengirimkan lamaran pekerjaan internal,

memeriksa dan menyetujui dokumen, mengakses informasi pegawai, membuat jadwal, dan mengakses database. Sejalan dengan pesatnya perkembangan teknologi informasi di Indonesia saat ini maka Kantor Pelayanan Pajak Cikarang Satu juga

40


mulai menerapkan teknologi informasi berupa penggunaan intranet dalam setiap aktifitasnya diantaranya adalah adanya website Sistem Informasi Perpajakan sebagai sarana informasi untuk karyawan Kantor Pelayanan Pajak Cikarang Satu. Perangkat komputer yang tersambung dengan intranet terdapat di setiap ruangan kerja sebagai sarana pendukung proses pelayanan pajak, serta mempermudah karyawan untuk berhubungan dengan kantor pelayanan pajak di seluruh Indonesia. Tujuan yang ingin dicapai dengan adanya penelitian ini adalah : a. Untuk mengidentifikasi faktor-faktor dominan apa saja yang dapat mempengaruhi perilaku karyawan dalam penggunaan Sistem Informasi Perpajakan Berbasis Web. b. Untuk mengidentifikasi bagaimana model penerimaan pengguna Sistem Informasi Perpajakan Berbasis Web di KPP Cikarang Satu. II. PEMBAHASAN Menurut McLeod (2001, halaman 13) sistem adalah sekelompok elemenelemen yang terintegrasi dengan maksud yang sama untuk mencapai suatu tujuan. Menurut Jogiyanto (2003, halaman 8) informasi adalah data yang diolah menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. Menurut Robert A. Leitch (Jogiyanto, 2003, halaman 11) mendefinisikan Sistem Informasi adalah suatu sistem di dalam organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial, dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan. Intranet adalah Jaringan Komputer yang khusus untuk penggunaan pada lingkungan di dalam batasan suatu Organisasi. Dilihat dari sudut teknisinya, Intranet didefinisikan sebagai penggunaan teknologi Internet dan

WWW (World Wide Web) di dalam sebuah jaringan komputer lokal (Local Area Network). Local Area Network (LAN) adalah sekumpulan komputer-komputer yang saling dihubungkan pada suatu daerah atau lokasi tertentu. Intranet memaksimalkan penggunaan LAN tersebut dengan menambahi kemampuan-kemampuan Internet kedalamnya . Structural Equation Modeling (SEM) adalah sekumpulan teknik-teknik analisis statistika yang mengkombinasikan beberapa aspek yang terdapat pada analisis jalur dan analisis faktor konfirmatori untuk mengestimasi beberapa persamaan secara simultan dan berjenjang. Hubungan simultan dan berjenjang yang dimaksud dibangun antara satu atau beberapa variabel dependen dengan satu atau beberapa variabel independen. Masing-masing variabel dependen dan independen dapat berbentuk faktor atau konstruk yang dibangun dari beberapa variabel indikator (Ghozali, 2005, halaman 1). Model Penerimaan Teknologi atau Technology Acceptance Model (TAM) digunakan untuk memprediksi penerimaan pengguna terhadap penggunaan teknologi baru. Model yang diperkenalkan oleh Davis F.D pada tahun 1989 ini merupakan model yang paling banyak digunakan dalam penelitian sistem informasi karena menghasilkan validitas yang baik. Penelitian pertama berkaitan dengan pengunaan model SEM untuk TAM dilakukan oleh Fred D. Davis yang membahas mengenai “Perceived Usefulness, Perceived Ease of Use and User Acceptance of Information Technology” Penelitian tersebut dilakukan untuk menguji variabel-variabel yang dapat memprediksi tingkat penerimaan penggunaan komputer terhadap pengguna. Penelitian tersebut menunjukkan bahwa Perceived Usefulness dan Perceived Ease of Use merupakan penentu dasar dari penggunaan komputer, selain itu

41


penggunaan teknologi (usage) dipengaruhi oleh tingkat penerimaan terhadap teknologi (TAM). Gambar 2.1 berikut memperlihatkan model Penerapan teknologi (TAM) yang dikembangkan oleh Davis.

Gambar 2.2. Model TAM oleh MONEY and TURNER 2004

Gambar 2.1 Technology Acceptance Model (TAM) Telah dilakukan beberapa penelitian yang berkaitan dengan penerimaan dari Knowledge Management System dalam perusahaan terhadap perilaku penggunanya yaitu karyawan, diantaranya penelitian yang dilakukan oleh (Money dan Turner, 2004) dengan judul penelitiannya yaitu “Application of Technology Acceptance Model to a Knowledge Management System”. Penelitian tersebut dilakukan untuk menguji variabel-variabel yang dapat memprediksi tingkat penerimaan Knowledge Management System terhadap pengguna. Penelitian ini menunjukkan bahwa Perceived Usefulness dan Perceived Ease of Use merupakan penentu dasar penggunaan Knowledge Management System. Gambar 2.2 berikut memperlihatkan model yang dikembangkan oleh (Money dan Turner, 2004).

Penelitian ini merupakan salah satu penelitian lanjutan yang dikembangkan dari teori TAM yang diperkenalkan Davis pada tahun 1989 yang menguji dua faktor penerimaan teknologi yaitu Perceived Ease of Use (PeoU) dan Perceived Usefulness (PU). Pada penelitian ini diajukan konsep berdasarkan Money dan Turner (2004). Penelitian ini menggambarkan penggunaan pendekatan Technology Acceptance Model (TAM) yang mensyaratkan bahwa karyawan menggunakan Sistem Informasi Perpajakan Berbasis Web dipengaruhi oleh faktor-faktor berikut ini :

Gambar 2. 3 Kerangka Pemikiran Model Penelitian Hipotesis umum yang diajukan dalam penelitian ini adalah analisa pengaruh konstruk terhadap penerimaan Sistem Informasi Perpajakan berbasis web (website KPP Cikarang Satu) berdasarkan pendekatan TAM.

42


Hal ini diindikasikan bahwa dugaan matriks varians-kovarians populasi sama dengan matriks varians-kovarians pada sampel atau dinyatakan dengan p = s . Hoo : p = s (Data empiris berbeda dengan teori/model  hipotesis diterima jika p0,05) dan Hoo : p  s (Data empiris berbeda dengan teori/model  hipotesis diterima jika p<0,05) Sedangkan hipotesis khusus dalam penelitian ini adalah : H1 : Diduga Percieved Ease of Use (PEoU) berpengaruh terhadap Percieved Usefulness (PU). Dimana semakin mudah Sistem Informasi Perpajakan digunakan maka semakin besar manfaat bagi karyawan yang menggunakannya, H2 : Diduga Percieved Ease of Use (PEoU) berpengaruh terhadap Intention to Use (ITU). Dimana semakin mudah Sistem Informasi Perpajakan digunakan maka semakin tinggi niat karyawan menggunakannya, H3 : Diduga Percieved Usefulness (PU) berpengaruh terhadap Intention to Use (ITU). Dimana semakin besar manfaat penggunaan Sistem Informasi Perpajakan maka semakin tinggi tingkat niat karyawan menggunakannya, H4 : Diduga Intention to Use (ITU) berpengaruh terhadap Website Usage Behavior (WUB). Dimana semakin besar niat untuk menggunakan Sistem Informasi Perpajakan maka semakin tinggi tingkat perilaku penggunaannya oleh karyawan. Menurut Hair, Anderson, Tatham dan Black (1998) : Langkah–langkah dalam pengujian model dengan menggunakan pendekatan dasar SEM terbagi dalam tujuh tahap yaitu : 1. Pengembangan Model Berbasis Teori: Pengembangan model berbasis teori ini bertujuan untuk mengembangkan sebuah model yang mempunyai pembenaran yang kuat secara teoritis untuk mendukung upaya analisis terhadap suatu masalah yang sedang diteliti. 2. Pengembangan Path Diagram (Diagram Jalur) : Setelah diketahui konstruk dan indikatornya, maka

langkah selanjutnya adalah pengembangan model diagram alur yang memudahkan peneliti melihat hubungan antara konstruk, indikator dan error atau residunya. Biasanya diketahui hubungan-hubungan kausal dinyatakan dalam persamaan. Tetapi dalam SEM hubungan kausalitas cukup digambarkan dalam sebuah path diagram. Selanjutnya, bahasa program akan mengkonversikan gambar menjadi persamaan, dan persamaan menjadi estimasi. Model selengkapnya digambarkan sebagai berikut :

Gambar 2.4 Diagram Jalur Faktor-faktor yang mempengaruhi perilaku karyawan dalam penggunaan Sistem Informasi Perpajakan Berbasis Web berdasarkan model TAM. 3. Konversi Diagram Jalur ke dalam persamaan Setelah langkah 1 dan 2 dilakukan, selanjutnya mengkonversi spesifikasi model tersebut ke dalam rangkaian persamaan, diantaranya adalah :

43


a. Persamaan-persamaan Struktural (Structural Equations) Persamaan ini dirumuskan untuk menyatakan hubungan sebab akibat (kausal) antar berbagai konstruk dengan membentuk model pengukuran variabel laten eksogen dan endogen. Bentuk persamaan struktural dari model TAM yang diajukan adalah sebagai berikut : PU = PEoU + 1, ITU = PEOU + 21 PU + 2 , WUB = 32ITU + 3 b. Persamaan spesifikasi model pengukuran (measurement model) Persamaan ini menyatakan hubungan antara konstruk eksogen dan endogen dengan variabel indikator serta korelasi antar konstruk yang dihipotesakan sebagai berikut : Persamaan pengukuran konstruk eksogen :

indikator

Persamaan pengukuran konstruk endogen :

indikator

4. Pemilihan Jenis Input Matriks dan Estimasi Model yang Diusulkan Pemilihan ini bertujuan untuk menetapkan data input yang digunakan dalam pemodelan dan teknik estimasi model. Dalam SEM hanya menggunakan matriks varians atau kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. Matriks varians-kovarians umumnya lebih banyak digunakan sebagai data input dalam SEM karena memiliki keunggulan dalam menyajikan perbandingan yang valid antar populasi atau sampel yang berbeda.

Teknik estimasi Maximum Likelihood digunakan karena lebih efisien dan tidak bias dan biasanya digunakan pada sampel yang banyaknya 100 hingga 200 (Hair, 1998). 5. Penilaian Identifikasi Model Struktural Masalah identifikasi model pada prinsipnya adalah masalah yang terkait dengan ketidakmampuan model yang diusulkan untuk menghasilkan estimasi yang unik. Untuk melihat ada tidaknya masalah tersebut dilakukan pemeriksaan terhadap Offending Estimate yang merupakan hasil pendugaan parameter baik pada model struktural maupun pada model pengukuran dimana nilainya berada diluar batas yang dapat diterima. 6. Penilaian Kriteria Goodness of Fit Penilaian ini dilakukan untuk mengetahui seberapa jauh model persamaan struktural yang dihipotesakan sesuai dengan sampel data. Penilaian dilakukan dengan menggunakan uji asumsi SEM, uji kesesuaian model (Overall Model Fit), dan uji parameter model. a. Uji Asumsi SEM Ukuran Sampel : Menurut Hair dkk, jumlah sampel minimal untuk SEM adalah 100–200 dengan menggunakan perbandingan jumlah sampel terhadap jumlah indikator adalah 1 : 5. Normalitas Data : Evaluasi normalitas data dilakukan dengan menggunakan kriteria critical ratio skewness value yang berada diantara –2.58 dan 2.58, pada tingkat signifikansi p = 0.01. Evaluasi Outlier : Deteksi terhadap multivariat outlier dilakukan dengan memperhatikan nilai mahalanobis distance tabel yang ditetapkan berdasarkan nilai 2 tabel.

44


Semua kasus yang mempunyai nilai mahalanobis distance 2 hitung > 2 tabel maka berarti mengindikasikan adanya multivariat outlier. Evaluasi Multikolineritas dan Singularitas : Multikolineritas dan singularitas dapat dilihat melalui determinan matriks kovarian. Nilai determinan kovarian yang mendekati 0 (nol) menunjukan adanya masalah dengan multikolineritas dan singularitas sehingga data dinyatakan tidak valid. Jika nilai dari determinan matriks kovarian jauh dari angka nol maka tidak terdapat masalah dengan multikolineritas dan singularitas sehingga data dinyatakan valid. b. Uji Kesesuaian Model (Overall Model Fit) : Merupakan uji model secara menyeluruh untuk mengukur kesesuaian antara matriks varianskovarians sampel dengan matriks varians-kovarians populasi berdasarkan model yang diajukan. Dengan kata lain untuk menyatakan model fit atau tidak. Hipotesis yang diajukan adalah hipotesis deskriptif H0 dan H1 sebagai berikut : H0:p = s (Matriks varianskovarians populasi dugaan sama dengan matriks varians-kovarians sampel, maka model fit atau diterima). H1:p  s (Matriks varianskovarians populasi dugaan tidak sama dengan matriks varianskovarians sampel, maka model tidak fit atau tidak diterima). Uji yang dilakukan untuk mengetahui model yang dibangun diterima atau tidak adalah sebagai berikut :

1). Absolute Fit Measure Digunakan untuk menguji kemampuan model dalam memprediksi matriks varians-kovarians populasi secara akurat berdasarkan data sampel. Statistik uji yang digunakan adalah : a). Chi-Square Statistic Merupakan alat uji paling fundamental untuk mengukur kesesuaian model. Pengujian hipotesis untuk menjelaskan kondisi data empiris dengan model terhadap teori adalah H0 : Data empiris identik dengan teori antar model (p>0.05) berarti model diterima (fit) dan H1 : Data empiris berbeda dengan teori antar model (p > 0.05) berarti model ditolak (tidak fit). b). CMIN/DF Merupakan nilai chi-square dibagi dengan degree of freedom akan menghasilkan indeks CMIN/DF atau disebut juga dengan chisquare relative yang digunakan untuk mengukur tingkat fit sebuah model. Nilai yang diharapkan adalah < 2.0. c). GFI (Goodness of Fit Index) Merupakan index kesesuaian yang menghitung proporsi dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasi. Nilai GFI berkisar antara 0 (poor fit) sampai 1.0 (perfect fit). Sedangkan nilai GFI yang disyaratkan adalah > 0.9. d). RMSEA (the Root Mean Square Error of Approximation) Merupakan sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang lebih besar.

45


Nilai RMSEA < 0.08 merupakan index untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan derajat kebebasan (degree of freedom). 2). Incremental Fit Measure Digunakan untuk menguji kesesuaian model dengan cara membandingkan model yang diajukan (proposed model) dengan model realistik (base model/null model). Statistik uji yang digunakan adalah : a). AGFI (Adjusted Goodness of Fit) Merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk proposed model dan null model. Nilai AGFI yang direkomendasikan adalah > 0.90. b). TLI (Tucker Lewis Index) Menggabungkan ukuran parsimony kedalam index komparasi antara proposed model dan null model. Nilai TLI yang direkomendasikan adalah > 0.95, c). NFI (Normed Fit Index) Ukuran perbandingan antara proposed model dan null model. Nilai NFI yang direkomendasikan adalah > 0.90. d). CFI (Comparative Fit Index) : Merupakan sebuah alternatif incremental fit index yang membandingkan sebuah model yang diuji terhadap baseline model, nilai yang diharapkan untuk diterimanya model adalah  0.95. 3). Parsimonious Fit Measure Digunakan untuk menguji kemampuan model dalam memprediksi matriks varians-kovarians populasi secara akurat dengan mempertimbangkan jumlah parameter yang diestimasi. Statistik uji yang digunakan adalah : a). PNFI (Parsimonious Normal Fit Index)

Merupakan modifikasi dari NFI dengan kegunaan utama untuk membandingkan model dengan degree of freedom yang berbeda, Nilai PNFI yang direkomendasikan adalah > 0.60. b). PGFI (Parsimonious Goodness of Fit Index) : Merupakan modifikasi dari GFI atas dasar parsimony estimate model. Nilai PGFI yang direkomendasikan adalah > 0.60. c. Uji Parameter Model Digunakan untuk mengetahui nilai lamda ( = factor loading), bobot faktor (regression weight) dan reliabilitas dari model yang telah dibangun. 1). Uji Loading Factor (Uji Validitas) Digunakan untuk menguji keakuratan variabel indikator sehingga dapat mewakili variabel laten. Uji ini bertujuan untuk mengkonfirmasi : a). Apakah nilai lamda () cukup signifikan dalam menjelaskan variabel indikator atau faktor yang dianalisis. Nilai lamda () yang disyaratkan adalah  0.40. Jika nilai  < 0.40 maka sebaiknya model direvisi dengan mengeluarkan variabel indikator yang tidak menjelaskan laten yang dianalisis. Pada penelitian ini terdapat 7 variabel laten yang terdiri dari 1 variabel eksogen dan 3 variabel endogen dengan 4 variabel indikator untuk menjelaskan variabel eksogen dan 10 variabel indikator untuk menjelaskan variabel endogen. Sehingga jumlah keseluruhan dari variabel indikator adalah 14 dengan masing-masing nilai  diukur pada setiap variabel indikator yang dianalisis. b). Apakah nilai lamda () signifikan secara statistik. Hal tersebut dapat diketahui dengan

46


H1 : 21  0 ; Percieved Ease of Use (PEoU) berpengaruh terhadap Intention to Use (ITU). Hipotesis  (regresi antar variabel endogen) : a). H0:  21=0; Perceived Usefulness (PU) tidak berpengaruh terhadap Intention to Use (ITU) atau niat untuk menggunakan. H1 :  21  0 ; Perceived Usefulness (PU) berpengaruh terhadap Intention to Use (ITU) atau niat untuk menggunakan. b). H0 :  32 = 0 ; Intention to Use (ITU) tidak berpengaruh terhadap Website Usage Behavior (WUB). H1: 32  0; Intention to Use (ITU) tidak berpengaruh terhadap Website Usage Behavior (WUB).

mengajukan hipotesa untuk melihat dukungan variabel indikator terhadap variabel laten, sebagai berikut : H0 : i-j = 0 dan H1 : i-j  0 Dengan harapan agar H0 dapat ditolak sehingga H1 dapat diterima. Hipotesis variabel laten eksogen : H0 : i_ 1...., 12 = 0 ; Variabel pengukuran X1 sampai X4 bukan merupakan konstruk yang valid bagi variabel laten eksogen. H1 : i_ 1...., 12  0 ; Variabel pengukuran X1 sampai X4 merupakan konstruk yang valid bagi variabel laten eksogen. Hipotesis variabel laten endogen : H0 : j_ 1...., 10 = 0 ; Variabel pengukuran Y1 sampai Y10 bukan merupakan konstruk yang valid bagi variabel laten endogen. H1 : j_ 1...., 10  0 ; Variabel pengukuran Y1 sampai Y10 merupakan konstruk yang valid bagi variabel laten endogen. 2). Uji Bobot Faktor (regression weight) Digunakan untuk menjelaskan hubungan antar variabel laten dengan melihat nilai Critical Ratio(CR), jika nilai CR>2.0 maka terdapat pengaruh dari variabel laten yang satu dengan variabel laten yang lain. Penelitian ini memiliki 2 dan 2 dengan hipotesis sebagai berikut : Hipotesis  (regresi antara variabel eksogen dengan variabel endogen) : a). H0 : 11 = 0 ; Percieved Ease of Use (PEoU) tidak berpengaruh terhadap Perceived Usefulness (PU). H1 : 11  0 ; Percieved Ease of Use (PEoU) berpengaruh terhadap Perceived Usefulness (PU). b). H0 : 21 = 0 ; Percieved Ease of Use (PEoU) tidak berpengaruh terhadap Intention to Use (ITU).

3). Uji Reliabilitas Reliabilitas adalah ukuran konsistensi internal dari indikatorindikator suatu variabel bentukan yang menunjukkan derajat setiap indikator sebagai konstruktor sebuah variabel bentukan. Pendekatan yang dianjurkan dalam menilai sebuah model pengukuran (measurement model) ini adalah dengan menilai besaran composite reliability serta variance extracted dari masingmasing konstruk. a). Construct Reliability : Nilai yang direkomendasikan adalah > 0.7, Dengan rumus:



Keterangan : Standardized Loading =diperoleh langsung dari Standardized Loading masing-masing indikator  j = Measurement error = 1 – (Standardized Loading)2

47


b). Variance Extracted : Nilai yang direkomendasikan adalah > 0.5, dengan rumus:

7. Interpretasi dan Modifikasi Model Langkah ini bertujuan untuk memutuskan bentuk lanjutan setelah dilakukan evaluasi asumsi dan uji kesesuaian model. Jika model dinyatakan cukup baik maka langkah berikutnya adalah melakukan interpretasi. Tetapi bila model belum memenuhi syarat pengujian maka perlu diadakan modifikasi. Setelah model diestimasi, residualnya harus kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat simetrik. Batas keamanan untuk jumlah residual adalah 5%, bila nilai residualnya lebih besar dari 5% dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi mulai perlu dipertimbangkan. Pengujian atau analisa terhadap statistik deskriptif dijelaskan bahwa data memiliki nilai Valid N (listwise) dengan tingkat validitas yang baik yaitu sebesar 104 (100%), demikian pula dengan kriteria lain yang terdapat pada uji statistik deskriptif. Sedangkan Analisis Statistik Inferensial-nya terdiri dari : 1. Uji Asumsi Model a. Ukuran Sampel : Ukuran sampel yang harus dipenuhi dalam pemodelan SEM, minimum berjumlah 100 atau antara 100 200. Penelitian ini menggunakan 104 sampel. b. Uji Normalitas : Pada Tabel Assesment of Normality dapat dilihat bahwa nilai yang berada pada kolom c.r. semuanya berada dalam range nilai yang direkomendasikan yaitu antara 2.58 sampai 2.58.

c. Uji Outliers : Pada Tabel Mahalanobis distance dapat dilihat pada Mahalabobis dsquared apakah nilai yang diuji memenuhi syarat yaitu < χ2 tabel, sehingga tidak menimbulkan adanya multivariat outlier. Uji outlier pada penelitian ini menunjukkan nilai mahalanobis distance harus berada dibawah χ2 tabel yaitu 29.14 (1%,14) dengan jumlah variabel indikator sebanyak 14. 2. Pengolahan Dengan Model Persamaan Struktural (SEM) Pengujian Model Berbasis Teori : Pengujian model berbasis teori dilakukan dengan menggunakan software AMOS Versi 6.0. Berikut ini adalah hasil pengujian model tersebut : .96

1.91

1.79

.89

e1 1

e2 1

e3 1

e4 1

Y1

Y2

Y3

Y4

-.19 g3 .69

.51 .19

1.00

1.56 g1

.94

.79

.54

PU

1.00

PEoU

Y5 1 .91

d1

.91

1.04

X2

X3

1 .74 d2

1

e9

1.15 1.73

.33

1.59

1 1.08

1.96 e8 1.10

.96

Y9

ITU .30

X1

WUB

1

1

Y8

1.00

g2

1

1.00

1

1 .58 d3

.58

e5

X4 1 d4

1.39

.77

Y6 1 1.83 e6

1.07

Y10

1

Y7 1 1.04 e7

Chi-Square = 443.427 Probabilitas = .000 Degree of freedom = 73 CMIN/DF =6.074 GFI = .647 RMSEA = .222 AGFI = .492 TLI =.465 NFI =.535 CFI = .571 PNFI = .429 PGFI = .450

Gambar 2.5 Hasil Model Awal Penelitian Dengan AMOS 6.0 Hipotesis yang menjelaskan kondisi data empiris dengan model atau teori adalah: H0 : Data empirik identik dengan teori atau model (Hipotesis akan diterima apabila P ≥ 0.05). H1 : Data empirik berbeda dengan teori atau model (Hipotesis akan ditolak apabila P < 0.05).

48

e10


Pada Gambar 2.5 terlihat bahwa model teori yang diajukan pada penelitian ini tidak sesuai dengan model populasi yang diobservasi, karena diketahui bahwa nilai probabilitas (P) = 0.00 tidak memenuhi persyaratan karena hasilnya di bawah nilai yang direkomendasikan yaitu p > 0.05. Agar model yang diajukan dinyatakan fit, maka dapat dilakukan modifikasi model sesuai dengan yang disarankan oleh program AMOS. Berdasarkan hasil Estimasi dan Regression Wieght, maka dilakukan modifikasi dengan menghapus variabel laten dan variabel indikator yang bukan merupakan konstruktor yang valid bagi model struktural yang diajukan dengan ketentuan : a). Jika nilai estimate pada loading factor (λ) dari suatu variabel indikator < 0.5 maka indikator tersebut hendaknya di drop (dihapus). b). Selanjutnya melihat signifikansi (Sig), nilai yang dipersyaratkan adalah <0.05. Jika nilai Sig > 0.05 maka dapat dikatakan bahwa indikator tersebut bukan merupakan konstruktor yang valid bagi suatu variebel laten dan sebaiknya hal ini di drop (dihapus). Modifikasi tersebut dilakukan dengan tujuan untuk mendapatkan nilai Probalility > 0.05 sehingga model dinyatakan fit (sesuai). Pada penelitian ini modifikasi yang dilakukan adalah sebagai berikut : a. Tahap pertama : Berdasarkan nilai signifikansi variabel indikator Y3 sebesar 0.118 (sign < 0.05) artinya tidak signifikansi dengan variabel PU (Kemanfaatan) maka perlu dilakukan penghapusan Y3 (meningkatkan kinerja) karena tidak mempunyai pengaruh terhadap variabel yang dituju yaitu PU (Perceived Usefulness). Variabel indikator yang digunakan untuk mengukur variabel PU adalah Y1 (mempertinggi efektifitas), Y2 (menjawab kebutuhan informasi), dan Y4 (meningkatkan efisiensi).

Terlihat bahwa semua variabel indikator merupakan konstruk yang valid bagi PU, karena nilai signifikansi memenuhi syarat (Sign < 0.05) dan nilai estimasi yang > 0.05. Tabel berikut memperlihatkan hasil Signifikansi (Sign). Tabel 2.1 Modifikasi variabel indikator PU (Perceived Usefulness)

Dari tabel diatas dapat diketahui bahwa sebagian konstruk ada yang valid tetapi tidak ada hubungan dengan PU sehingga Y3 bisa dihapus (di drop). Berikut ini adalah gambar ketika indikator Y3 dihapus, dan menghubungkan nilai d1 dan e5 juga menghubungkan d2 dan e7, karena nilai probabilitas masih < 0,05 maka harus dilakukan modifikasi selanjutnya. .95

1.93

.84

e1 1

e2 1

e4 1

Y1

Y2

Y4

.01 g3 1.05

.49

1.00

1.55 g1

.95

1

g2

WUB

1

1

.62

.62

PU

1.00

PEoU

1 1.28 d1

X2 1 .95 d2

1

e9

1.09

.68

Y6

Y5 1 .51

X1

e8

1.82 .29

1.25

1.03

1.96

1

1.05

.99

Y9

ITU .36

1.00

Y8

1.00

1.27

X3 1 .25 d3

.66

e6

e5

X4 1

1 1.85

1.37

d4

-.68

.98

Y10

1

e10

Y7 1 .96 e7

Chi-Square = 266.460 Probabilitas = .000 Degree of freedom = 59 CMIN/DF =4.516 GFI = .730 RMSEA = .185 AGFI = .584 TLI =.656 NFI =.696 CFI = .740 PNFI = .526 PGFI = .473

.76

Gambar 2.6 Hasil Modifikasi Model Penelitian tahap 1 Dengan AMOS 6.0

49


b. Tahap kedua : Pada tahap kedua ini dilakukan dengan menghapus variabel indikator X4 karena nilai lamda jalur tersebut sebesar 0.66 dan paling rendah dibandingkan dengan nilai lamda yang lainnya. Jalur PEoU dan ITU perlu dihapus berdasarkan nilai lamda jalur tersebut paling rendah (0.29) dibandingkan dengan nilai lamda yang lainnya. Kemudian PEoU dihubungkan ke WUB untuk memperkecil nilai chi-square dan memperbesar nilai probabilitasnya supaya lebih besar sama dengan dari 0.05. c. Tahap Ketiga : Berdasarkan hasil pada tahap yang kedua, dilihat dari regression weight dan modification indices maka pada tahap ketiga ini dilakukan penghubungan antara d3 dengan e9, e6 dengan e10, e5 dengan e7, e6 dengan e8, e2 dengan e7, e1 dengan e2, e1 dengan e8, e2 dengan e4, e2 dengan e9, dan e8 dengan e9. Dihubungkan dengan tujuan untuk menurunkan nilai Chi-square dan nilai probabilitasnya. d. Tahap Keempat : Berdasarkan hasil pada tahap yang ketiga, Maka pada tahap keempat ini dilakukan dengan menghapus Y2 karena mempunyai nilai lamdanya sebesar 0.60 paling rendah dibandingkan dengan yang lainnya. Kemudian menghubungkan e1 dengan e6, e4 dengan g3, e4 dengan g2, e6 dengan e7, e5 dengan e7, d2 dengan d3 dan e8 dengan e9. Hal ini dilakukan dengan tujuan untuk menurunkan nilai Chisquare dan nilai probabilitasnya. e. Tahap Kelima : Berdasarkan hasil pada tahap yang keempat, dilihat dari gambar diagramnya terlihat bahwa nilai lamda untuk variabel indikator Y6 paling kecil dibandingkan yang lainnya, oleh sebab itu maka variabel Y6 dihapus dari Diagram Jalur, hasilnya terlihat pada gambar berikut ini :

.84 .45

1.00

.40 2.06

1.70 e4

e1

1

1 .71

1.72

Y4

Y1 1.00

g1

.54

1 .50

1 .90

PU

1.69

1.00

X1 1 1.11 d1

X2 .79

Y7

Y8 1.15

Y9

1 -.46

Y10

-.94

.43

d3

d2

.21 -.66

e8

.78 -.31

.16

-.29 .88

1 e9

1.26

e7

e5

X3 1

1.99 1

1.00

.35

WUB

1 -.03 1.05

1

1.17

Y5 .26

PEoU .90

g3 1

ITU 1.00

.35

.21

g2

1

1.61 e10 Chi-Square = 28.392 Probabilitas = .076 Degree of freedom = 19 CMIN/DF =1.494 GFI = .951 RMSEA = .069 AGFI = .857 TLI =.962 NFI =.955 CFI = .984 PNFI = .403 PGFI = .328

Gambar 2.7 Hasil Pengujian Model Akhir Penelitian 3. Uji kesesuaian model : Kriteria fit atau tidaknya model menyangkut kriteria lain yang meliputi ukuran Absolut Fit Measures, Incremental Fit Measures dan Parsimonious Fit Measaures. Untuk membandingkan nilai yang didapat pada model ini dengan batas nilai kritis pada masing-masing kriteria pengukuran tersebut, maka dapat dilihat pada Tabel berikut ini : Tabel 2.2 Uji Perbandingan Kesesuaian Model

50


Berdasarkan tabel di atas maka dapat dikatakan secara keseluruhan model dinyatakan fit (sesuai). Model yang diajukan pada penelitian ini didukung oleh fakta di lapangan. Hal ini diindikasikan bahwa dugaan matriks varians-kovarians populasi sama dengan matriks varians-kovarians sampel (data observasi) atau dapat dinyatakan ∑p= ∑s. Pada penelitian ini dilakukan analisis full model (model secara keseluruhan) yang mengindikasikan bahwa model dinyatakan fit (sesuai) secara keseluruhan. Hasil Pengujian diuraikan sebagai berikut : A. Uji Parameter Model Pengukuran Variabel Laten Pengujian ini berkaitan dengan pengujian validitas dan reliabilitas. 1. Pengujian Validitas : Pengujian terhadap validitas variabel laten dilakukan dengan melihat nilai Signifikansi (Sig) yang diperoleh tiap variabel indikator kemudian dibandingkan dengan nilai ά (0.05). Jika Sig ≤ 0.05 maka tolak H0, artinya variabel indikator tersebut merupakan konstruktor yang valid bagi variabel laten tertentu. a). Variabel Laten Eksogen PEoU (Perceived Ease of Use) Tabel 2.3 Uji Parameter Variabel PEOU

Masing-masing variabel indikator X1 (Kemudahan untuk mengakses), X2 (kemudahan untuk dipelajari) dan x3 (kemudahan untuk digunakan) secara signifikan merupakan konstruktur yang valid bagi variabel laten PEoU.

Dengan demikian responden terhadap intranet di KPP Cikarang Satu merasa mudah menggunakan intranet dan mudah mempelajari intranet serta mudah dalam hal pengaksesannya. b). Variabel Laten Endogen 1). PU (Perceived Usefulness) Tabel 2.4 Uji Parameter Variabel PU

Variabel indikator Y1 (mempertinggi efektifitas), dan Y4 (meningkatkan efisiensi), secara signifikan merupakan konstruktur yang valid bagi variabel laten PU. Dengan demikian responden merasa dengan mengunakan intranet dapat mempertinggi efektifitas dan efisiensi dalam membantu menyelesaikan pekerjaan yang berhubungan dengan perpajakan. 2). ITU (Intention to Use) Tabel 2.5 Uji Parameter Variabel ITU

Variabel indikator Y5 (penambahan software pendukung) dan Y7 (memotivasi ke pengguna lain) secara signifikan merupakan konstruktor yang valid bagi variabel laten ITU. Dengan demikian responden

51


merasa perlu menambahkan software pendukung misalnya software pen-download dan software antivirus dalam menggunakan intranet untuk keperluan pekerjaan dalam hal ini sistem informasi perpajakan, selain itu responden perlu memotivasi ke pengguna lain untuk menggunakan sistem informasi perpajakan ini terutama portaldjp untuk mengetahui informasi-informasi yang terbaru dari Direktorat Jenderal Perpajakan.

Reliabilitas dari suatu indikator dapat dilihat dengan mempertahankan nilai R2 yang menjelaskan mengenai seberapa besar proporsi varians indikator yang dijelaskan oleh variabel laten (sedangkan sisanya dijelaskan oleh measurement error). Hasil output AMOS mengenai nilai R2 (Squared Multiple Correlation) adalah sebagai berikut : Tabel 2.7 Squared Multiple Correlation untuk variabel X (Eksogen)

3). WUB (Website Usage Behavior) Tabel 2.6 Uji Parameter Variabel WUB

Tabel 2.8 Squared Multiple Correlation untuk variabel Y (Endogen) Variabel indikator Y8 (Memahami cara penggunaan) dan Y9 (menyampaikan kepuasan) serta Y10 (Frekuensi penggunaan) secara signifikan merupakan konstruktor yang valid bagi variabel laten WUB. Dengan demikian maka berarti responden sebelum menggunakan intranet memahami dahulu cara penggunaanya dan jika ada kesulitan mereka bertanya atau berdiskusi kepada yang lebih mengetahuinya. Responden juga merasa puas dengan kinerja dalam penggunaan website KPP cikarang Satu. 2. Pengujian Reliabilitas a. Pengujian Secara Langsung Pengujian ini dapat dilihat secara langsung dari output AMOS dengan melihat R2 (Squared Multiple Correlation).

Berdasarkan Tabel 2.7 dapat dilihat bahwa variabel indikator X3 memiliki nilai R2 tertinggi yaitu sebesar 0.811 sehingga dapat disimpulkan bahwa variabel laten PEoU berkontribusi terhadap varians X3 sebesar 81.1 % sedangkan sisanya 18.9 % dijelaskan pada measurement error. Pada Tabel 2.8 terlihat bahwa Variabel indikator Y4 merupakan indikator yang paling kurang realibel dari variabel laten PU, karena nilai R2 nya paling kecil yaitu sebesar 0.113 artinya

52


variabel laten PU berkontribusi terhadap variansi Y4 hanya sebesar 11.3 % sedangkan sisanya 88.7 % dijelaskan pada measurement error. b. Pengujian Tidak Langsung Dengan melakukan uji reliabilitas gabungan, pendekatan yang dianjurkan adalah adalah mencari nilai besaran Composite Reliability dan Variance Extracted dari masingmasing variabel laten dengan menggunakan informasi pada loading factor dan measurement error. Composite Reliability menyatakan ukuran konsistensi internal dari indikator-indikator sebuah konstruk yang menunjukkan derajat masingmasing indikator itu mengindikasikan sebuah konstruk/laten yang umum. Sedangkan Variance Extracted menunjukkan indikator-indikator tersebut telah mewakili secara baik konstruk laten yang dikembangkan (Ghozali,2005). Tabel 2.9 Realibilitas

Pada Tabel 2.9 terlihat bahwa PEoU, ITU dan WUB memiliki nilai Composite Reliability di atas 0.70. Sedangkan PU memiliki nilai Composite Reliability < 0.70 tetapi masih dapat dikatakan realibel karena masih berada pada range nilai yang diperbolehkan. Batas nilai kritis yang direkomendasikan untuk Composite Reliability adalah 0.70. Tetapi bila penelitian yang dilakukan bersifat eksploratori, maka nilai di bawah batas kritis tersebut (0.70) masih

diperbolehkan. Selama range berkisar antara 0.5 – 0.6 dinilai sudah mencukupi untuk menjustifikasi sebuah hasil penelitian. Variabel laten PU, PEoU, ITU dan WUB sudah mememuhi batas nilai Variance Extracted yaitu ≥ 0.50. Dengan demikian dapat dikatakan bahwa PEoU, PU, ITU dan WUB memiliki realibilitas yang baik, sedangkan apabila ada salah satu yang memiliki nilai < 0.50 tetapi karena pada uji composite reliability sudah terpenuhi reliabilitasnya maka bisa diangap realible. B. Uji Parameter Model Struktural 1. Uji Hipotesis a. Hipotesis Deskriptif : H1 : Diduga Perceived Ease of Use (PEoU) berpengaruh terhadap Percieved Usefulness (PU). Dimana semakin mudah dalam menggunakan Sistem Informasi Perpajakan maka semakin besar manfaat yang diperoleh karyawan yang akan menggunakannya. H2 : Diduga Percieved Usefulness (PU) berpengaruh terhadap Intention to Use (ITU). Dimana semakin besar manfaat penggunaan Sistem Informasi Perpajakan maka semakin tinggi tingkat niat karyawan menggunakannya. H3 : Diduga Intention to Use (ITU) berpengaruh terhadap Website Usage Behavior (WUB). Dimana semakin besar niat untuk menggunakan Sistem Informasi Perpajakan maka semakin tinggi tingkat perilaku pengggunaanya oleh karyawan. H4 : Diduga Perceived Ease of Use (PEoU) berpengaruh terhadap Website Usage Behavior (WUB).

53


Dimana semakin mudah dalam menggunakan Sistem Informasi Perpajakan maka semakin tinggi tingkat perilaku pengggunaanya oleh karyawan. Berdasarkan modifikasi model yang dilakukan tidak terdapat hubungan kausal dari PEoU (Perceived Ease of Use) ke Intention to Use (ITU) tetapi muncul hubungan kausal baru dari PEoU (Perceived Ease of Use) ke Website Usage Behavior (WUB). Dengan demikian, maka pada model akhir, didapatkan empat hipotesis yang layak untuk diuji untuk melihat pengaruhnya. b. Hipotesis Statistik Variabel laten eksogen : H0 : γn = 0 ; Tidak berpengaruh (Terima H0) dan H1 : γn ≠ 0 ; Berpengaruh (Tolak H0) sedangkan Variabel laten endogen : H0 : βn = 0 ; Tidak berpengaruh (Terima H0) dan H1 : βn ≠ 0 ; Berpengaruh (Tolak H0) c. Taraf Nyata : Taraf nyata yang digunakan (α ) = 5 % = 0.05 d. Kriteria Pengambilan Keputusan: Jika Probabilitas (Sig) > 0.05 maka terima H0 dan Jika Probabilitas (Sig) < 0.05 maka Tolak H0 2. Hasil Pengujian Hipotesis Tabel 2.10 Hasil Pengujian Hipotesis

Berdasarkan Tabel di atas, dapat dijelaskan bahwa : a). Perceived Ease of Use (PEoU) memiliki pengaruh terhadap Perceived Usefulness (PU),

b). Perceived Usefulness (PU) memiliki pengaruh terhadap Intention to Use (ITU), c). Intention to Use (ITU) memiliki pengaruh terhadap Website Usage Behavior (WUB), d). Perceived Ease of Use (PEOU) memiliki pengaruh terhadap Website Usage Behavior (WUB). C. Interpretasi Model Berdasarkan modifikasi model dan hasil pengujian hipotesis, maka dapat dijelaskan bahwa model yang didapatkan pada penelitian ini adalah sebagai berikut:

Gambar 2.8 Hasil Akhir Model Penelitian Dari model akhir yang terlihat pada Gambar 2.8 dapat diketahui bahwa Penggunaan intranet dalam hal ini website KPP Cikarang Satu oleh karyawan di kantor tersebut sebagai sarana pendukung dalam membantu menyelesaikan pekerjaannya, dipengaruhi oleh adanya kemudahan atau Perceived Ease of Use (PEoU), manfaat atau Perceived Usefulness (PU), niat untuk menggunakan atau Intention to Use (ITU) dan perilaku penggunaan website atau Website Usage Behavior (WUB).

54


Pemakai (User) akan menggunakan intranet secara langsung bila menemukan adanya kemudahan dalam penggunaan intranet tersebut, User juga apabila melihat intranet tersebut mempunyai manfaat maka timbul niat untuk menggunakan intranet tersebut. Model akhir yang didapatkan pada penelitian ini adalah gabungan atau modifikasi dari model TAM (Technology Acceptance Model) oleh Money and Turner (2004) dan Heijden (2000). Model TAM (Technology Acceptance Model) menurut Money and Turner (2004) yang sesuai pada penelitian ini adalah variabel PEoU (Perceived Ease of Use) berhubungan dengan variabel PU (Perceived Usefulness) kemudian variabel PU (Perceived Usefulness) berpengaruh langsung terhadap variabel ITU (Intention To Use) dan variabel ITU (Intention To Use) berpengaruh terhadap variabel WUB (Website Usage Behaviour). Sedangkan yang sesuai dengan Heijden (2000) adalah variabel PEoU (Perceived Ease of Use) berhubungan dengan Website Usage Behavior (WUB). Heijden (2000) melakukan penelitian dengan menggunakan pendekatan TAM (Technology Acceptance Model ) pada penelitiannya tentang “Using The TAM To Predict Website Usage: Extention And Empirical Test”. Pada penelitian ini Hans Van Der Heijden mengambarkan hubungan faktor Perceived ease of use, perceived usefulness, perceived entertainment value, perceived presentation attractivness terhadap website usage. Hasil penelitian tersebut menyimpulkan bahwa dua faktor utama yang berpengaruh pada pengunaan website adalah perceived usefulness dan perceived entertainment value, perceived presentation attractivness. Penelitian yang telah dilakukan oleh Hans Van Der Heijden dapat digambarkan sebagaimana gambar berikut ini :

Gambar 2.9 Karakteristik website yang berpengaruh pada penggunaan website. Pada penelitian ini hal tersebut terbukti. Sehingga dapat diartikan bahwa semakin mudah intranet digunakan maka semakin besar perilaku penggunaan website oleh user (dalam hal ini karyawan) yang menggunakannya. Kemudahan yang dimaksud adalah kemudahan dalam mengakses, kemudahan untuk dipelajari atau dipahami dan kemudahan untuk digunakan, dan ini merupakan faktor utama yang menyebabkan responden mau mengggunakan intranet sebagai sarana pendukung dalam membantu menyelesaikan pekerjaan. Sedangkan manfaat yang dirasakan disini adalah mempertinggi efektifitas dan meningkatkan efisiensi dalam pekerjaan misalnya untuk melihat data wajib pajak atau laporan-laporan tahunan tidak perlu lagi melihat berkas yang banyak dan bertumpuk dapat dilihat dari Sistem Informasi Perpajakan versi web, juga mengenai informasi terbaru dari Direktorat Jenderal Perpajakan tidak perlu harus diposkan atau di fax tapi bisa dilihat dari portaldjp, untuk informasi terbaru mengenai kantor misalnya dari data kepegawaian bisa dilihat di website KPP Cikarang Satu.

55


Penelitian ini juga menemukan bahwa PEoU (kemudahan) berpengaruh secara langsung terhadap WUB (perilaku penggunaan website) dalam menggunakan intranet yang berarti bahwa semakin besar kemudahan dalam penggunaan intranet maka semakin tinggi tingkat perilaku penggunaan website oleh user tanpa harus mengetahui manfaatnya lebih dahulu atau niat untuk menggunakannya terlebih dahulu. Ini berarti bahwa responden merasakan manfaat penggunaan intranet yaitu mempertinggi efektifitas dan meningkatkan efisiensi pekerjaan sehingga menimbulkan niat atau motivasi untuk selalu menggunakan intranet bahkan menambah software pendukung untuk mendukung pekerjaan. III. PENUTUP 3.1 Kesimpulan Berdasarkan penjelasan pada babbab sebelumnya, maka penulis menyimpulkan bahwa: 1. Faktor-faktor yang dapat mempengaruhi karyawan (user) dalam menggunakan intranet sebagai sarana pendukung dalam membantu menyelesaikan pekerjaan adalah adanya kemudahan menggunakan (Percieved Ease of Use) yang akan menimbulkan adanya perilaku penggunaan website (Website Usage Behavior). Karyawan yang sudah mengetahui kemudahan (Percieved Ease of Use) dan manfaat (Percieved Usefulnes.) pengggunaan intranet akan mempunyai niat untuk menggunakan website (Intention to Use) sehingga menimbulkan perilaku penggunaan website (Website Usage Behavior). 2. Tidak terdapat hubungan antara kemudahan dalam menggunakan (Percieved Ease of Use) dengan niat untuk menggunakan website (Intention to Use). Bahkan muncul

hubungan kausal yang baru yaitu adanya kemudahan menggunakan (Percieved Ease of Use) dengan perilaku penggunaan website (Website Usage Behavior). Dalam pengertiannya bahwa user menggunakan intranet memang benar-benar membutuhkan dan untuk sesuatu yang bermanfaat. 3. Model akhir yang didapatkan pada penelitian ini adalah gabungan atau modifikasi dari model TAM (Technology Acceptance Model) oleh Money and Turner (2004) dan Heijden (2000). Model TAM menurut Money and Turner (2004) yang sesuai pada penelitian ini adalah variabel (Percieved Ease of Use) atau kemudahan berpengaruh langsung terhadap PU (Perceived Usefulness) atau kemanfaatan kemudian PU (Perceived Usefulness) atau kemanfaatan berpengaruh langsung terhadap variabel ITU (Intention To Use) atau keinginan untuk menggunakan, dan variabel ITU (Intention To Use) atau keinginan untuk menggunakan berpengaruh terhadap variabel WUB (Website Usage Behaviour) atau perilaku penggunaan website. Sedangkan yang sesuai dengan Heijden (2000) adalah variabel PEoU (Perceived Ease of Use) atau kemudahan berhubungan dengan Website Usage Behavior (WUB) atau perilaku penggunaan website. 3.2 Saran Adapun saran yang diajukan sesuai dengan penelitian yang telah dilakukan adalah: 1. Pada penelitian selanjutnya diharapkan penggunaan intranet terutama di lembaga-lembaga pemerintahan agar dapat diperluas lagi kearah penggunaan sistem yang berbasis Web dalam segala hal karena saat ini teknologi informasi semakin pesat perkembangannya.

56


2. Perlunya dilakukan peningkatan kemudahan (PEoU) dan kemanfaatan (PU) dari website KPP Cikarang Satu termasuk disini portaldjp dan Sistem infomasi Perpajakan versi web sehingga dapat lebih meningkatkan penggunaan intranet tersebut. Sehingga tujuan untuk diimplementasikannya semua sistem dalam versi web dapat cepat tercapai. 3. Variabel eksogen dan endogen yang digunakan dalam penelitian ini, seperti PU dan PEoU masih menekankan kepada sisi penerimaan teknologi informasi terhadap keberhasilan penggunaan intranet. Untuk penelitian selanjutnya diharapkan dapat meneliti variabel lain yang sifatnya berhubungan dengan faktor-faktor kultur dan sosial yang dapat mempengaruhi keberhasilan penggunaan intranet tersebut. 4. Pemanfaatan fasilitas intranet dilingkungan instansi atau departemen sebaiknya lebih ditingkatkan untuk membantu dalam menyelesaikan pekerjaan. DAFTAR PUSTAKA Davis, F. D., 1989. Perceived Rerceived Ease of Use Acceptance of Tehnology, Management System Quarterly.

Usefulness, and User Information Information

Ferdinand, Augusty. 2002. Structural Equation Modeling Dalam Penelitian manajemen, BP UNDIP, Semarang. Ghozali, Imam A. 2005. Model Persamaan Struktural – konsep dan aplikasi dengan program AMOS Ver 5.0, BP UNDIP, Semarang. Hair, J. F. 1998. Multivariat Data Analysis. Prentice Hall. , New Jersey.

Heijden, Hans Van Der. 2000. Using The TAM To Predict Website Usage : Extention And Empirical Test. Serie Resarch Memoranda (http://ideas.repec.org). HM, Jogiyanto. 2003. Analisa Desain Sistem Informasi, Andi, Yogyakarta. Jöreskog, K.G. & Sörbom, D. 1984. LISREL-VI user's guide (3rd ed.). Mooresville, IN: Scientific Software. Kaplan, D. 1989. Model modification in covariance structure analysis: Application of the expected parameter change statistic. Multivariate Behavioral Research, 24, 285–305. Mc Leod., Raymond, 2001. Sistem Informasi Manajemen, Jilid I, Prenhallindo, Jakarta. Money, W., Turner, A. 2004. Application of the Technology Acceptance Model to a Knowledge Management System, In Proceedings of the 37th Hawaii International Conference on Systems Sciences. Natigor Nasution, Fahmi. 2004. Pengunaan Teknologi Informasi Berdasarkan Aspek Perilaku (Behavioral Aspect), USU Digital Library (http://library.usu.ac.id). Siregar, Syafarudin. 2004. Statistik Terapan Untuk Penelitian, Grasindo, Jakarta. Stern, Morgan. 1998. NetWare Untuk Koneksi Ke Sistem Informasi Perpajakan berbasis web, Elexmedia Komputindo, Jakarta. Widodo, Prabowo, P. 2006. Statistika : Analisis Multivariat. Seri Metode Kuantitatif, Universitas Budi Luhur, Jakarta. Wothke, W. 1993. Nonpositive definite matrices in structural modeling. In Bollen, K.A. & Long, J.S. [Eds.], Testing structural equation models (pp. 256– 293). Newbury Park, CA: Sage.

57

PARADIGMA VOL. IX. NO. 2, APRIL 2007

Recommend Documents