PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 KAJIAN PENERAPAN SISTEM INFORMASI LAYANAN AKADEMIK BERBASIS WEB BERDASARKAN PENDEKATAN TAM : Studi Kasus di AMIK BSI JAKARTA Oleh: Eni Heni Hermaliani ABSTRAK Di era globalisasi ini, informasi menjadi sesuatu yang memiliki nilai komoditas tinggi dan menjadi sesuatu yang bersifat krusial. Teknologi informasi memberikan konstribusi yang sangat luar biasa dalam hal penyebaran materi informasi ke berbagai belahan dunia tanpa dibatasi oleh ruang dan waktu. Dalam bidang pendidikan saat ini, penggunaan internet sudah merupakan suatu kebutuhan. Sekolah-sekolah, lembaga-lembaga pendidikan maupun universitas sudah banyak yang memanfaatkan internet sebagai sarana pendukung bagi kegiatan akademisnya, baik sebagai alat bantu proses pembelajaran maupun sebagai media untuk pengaksesan sistem informasi layanan keakademikan berbasis web. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi penerimaan pengguna terhadap Sistem Informasi Layanan Akademik berbasis Web, dan untuk mengidentifikasi bagaimana model penerimaan pengguna Sistem Informasi Layanan Akademik di AMIK BSI dengan menggunakan model untuk menggambarkan hubungan faktor-faktor yang mempengaruhi penerimaan Sistem Informasi Layanan Akademik 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. Adapun variabel yang digunakan pada penelitian ini adalah variabel laten eksogen sebagai variabel independen (X) yang berupa kemudahan menggunakan (Percieved Ease of Use), serta variabel laten endogen sebagai variabel dependen (Y) yaitu adanya kemanfaatan (Percieved Usefulness), sikap kearah penggunaan (Attitude Toward Using), perilaku atau niat untuk terus menggunakan (Behavioral Intention to Use) serta penggunaan sistem secara nyata (Actual System Usage). Dari hasil penelitian diketahui bahwa penerapan layanan akademik berbasis web dipengaruhi oleh adanya kemudahan. Dengan kemudahan dalam penggunaan maka akan memperoleh suatu manfaat dan dengan manfaat akan timbul sikap serta niat untuk menggunakan, sehingga dengan demikian penggunaan sistem secara nyata akan dilakukan oleh pengguna. Kata-kata Kunci : Internet, Sistem Informasi Berbasis Web, Technology Acceptance Model (TAM), Structural Equation Modeling (SEM) dan AMOS
1
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 I. PENDAHULUAN Perkembangan teknologi informasi yang cepat membawa perubahan yang sangat dramatis terhadap berbagai bidang kehidupan, demikian pula terhadap bidang pendidikan. Teknologi informasi memungkinkan terjadinya proses komunikasi yang bersifat global dari dan ke seluruh penjuru dunia sehingga batas wilayah suatu negara menjadi tiada dan seluruh negara di dunia terhubungkan menjadi satu kesatuan membentuk apa yang disebut global village atau desa dunia. Kehadiran teknologi informasi tidak memberikan pilihan lain kepada dunia pendidikan selain turut serta dalam memanfaatkannya baik untuk sistem pembelajaran maupun untuk sistem layanan yang berbasis teknologi. Sejalan dengan visinya yaitu menjadi institusi pendidikan yang berbasis teknologi dan informasi maka BSI tidak tinggal diam dan segera melakukan perubahan terhadap proses bisnisnya dengan menerapkan Sistem Informasi Layanan Akademik Berbasis Web dimana kecenderungan yang lebih mengarah pada End User Computing (EUC). Dengan memanfaatkan fasilitas online website, dimana upaya ini dilakukan adalah dalam rangka memberikan kemudahan kepada mahasiswa untuk pemenuhan kebutuhannya akan informasi, dimana dan kapanpun dapat mengakses hal yang berkaitan dengan akademik secara mudah dan cepat tanpa batas ruang dan waktu serta jarak dan lokasi, sehingga tidak ada lagi antrian yang panjang di meja Front Office karena semua akan terlayani melalui website untuk berbagai informasi akademik yang dibutuhkan seperti melihat, mengecek, melakukan transaksi dan mencetak nilai Hasil Ujian Murni (HUM), Kartu Hasil Studi (KHS), data pribadi mahasiswa, status pembayaran, jadwal kuliah, jadwal UTS dan UAS, Kartu Rencana Studi, pendaftaran her, pencetakan kartu peserta her, pendaftaran tugas akhir, kartu ujian sidang tugas akhir, pengajuan cuti akademik, pembuatan surat keterangan dan lain-lain. Sukses penerapan teknologi informasi sangat bergantung pada penerimaan user
sebagai pengguna teknologi. Seorang peneliti bernama Fred D. Davis telah mengembangkan suatu model penerimaan teknologi (Technology Acceptance Model– TAM) untuk menjelaskan dan memprediksi penerimaan teknologi oleh pengguna. [Davis, 1989]. Penelitian ini mempunyai tujuan untuk mengidentifikasi faktor-faktor dominan apa saja yang saling berhubungan dan berpengaruh terhadap tingkat penerimaan pengguna dalam penggunaan Sistem Informasi Layanan Akademik Berbasis Web dan seberapa besar faktor-faktor tersebut saling berhubungan dan berpengaruh, serta mengidentifikasi suatu model penerimaan teknologi dalam penggunaan Sistem Informasi Layanan Akademik Berbasis Web. Dari latar belakang yang dikemukakan, maka dapat diidentifikasi permasalahan adalah sebagai berikut: 1) Apa saja faktor-faktor dominan yang saling berhubungan dan berpengaruh terhadap penerimaan teknologi bagi pengguna akhir (end user) pada Sistem Informasi Layanan Akademik Berbasis Web di sebuah institusi pendidikan. 2) Perlu adanya model yang dapat menggambarkan faktor-faktor dominan yang saling berhubungan dan berpengaruh terhadap penerimaan teknologi bagi pengguna akhir (end user) pada Sistem Informasi Layanan Akademik Berbasis Web di sebuah institusi pendidikan. II. TINJAUAN PUSTAKA Jerry Fitzgerald [Jogiyanto, 2003, hal. 1] mendefinisikan bahwa sistem adalah suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu sasaran tertentu. Sedangkan informasi menurut [Jogiyanto, 2003, hal. 8] adalah data yang diolah menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. Robert A. Leitch [Jogiyanto, 2003, hal. 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
2
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan. Teknologi informasi adalah suatu teknologi yang digunakan untuk mengolah data, termasuk memproses, mendapatkan, menyusun, menyimpan, memanipulasi data dalam berbagai cara untuk menghasilkan informasi yang berkualitas, yaitu informasi yang relevan, akurat dan tepat waktu yang digunakan untuk keperluan pribadi, bisnis maupun pemerintahan dan merupakan informasi yang strategis untuk pengambilan keputusan. Teknologi ini menggunakan seperangkat komputer untuk mengolah data, sistem jaringan untuk menghubungkan satu komputer dengan komputer lainnya sesuai dengan kebutuhan, dan teknologi telekomunikasi digunakan agar data dapat disebar dan diakses secara global. [http://www.informatika.lipi.go.id/perkemba ngan-teknologi-informasi-di-indonesia]. Menurut Kadir [2005, hal. 444] menyatakan bahwa internet adalah suatu jaringan komputer yang menghubungkan jutaan komputer yang tersebar diseluruh dunia. Pertumbuhan internet mulai meningkat cepat setelah dikembangkan sistem-sistem seperti Gopher, Mosaic maupun Netscape yang bekerja dalam modus client-server. Kemudian jenis browser tersebut dapat digunakan untuk bekerja dengan beberapa jenis server seperti server World Wide Web (WWW) dan server Gopher sehingga pencarian atau penjelajahan informasi (browsing) di internet akan sangat mudah. Pada perkembangan terkini, web tidak hanya dapat digunakan untuk mengakses halaman web saja, namun dapat digunakan sebagai interface sistem informasi yang terhubung dengan database. Sistem informasi inilah yang dinamakan dengan Sistem Informasi Berbasis Web. Model Persamaan Struktural menurut Ferdinand [Augusty, 2002, hal. 6] atau Structural Equation Modeling (SEM) adalah sekumpulan teknik-teknik statistikal yang memungkinkan pengujian sebuah rangkaian hubungan yang relatif “rumit” secara simultan. Hubungan yang rumit itu dapat dibangun antara satu atau
beberapa variabel dependen dengan satu atau beberapa variabel independen. Menurut Hair [Ghozali, Imam, 2005, hal 19] bahwa tahapan pemodelan dan analisis persamaan struktural atau SEM dibentuk dalam tujuh langkah yaitu pengembangan model secara teoritis, menyusun diagram jalur (path diagram), mengubah diagram jalur menjadi persamaan struktural, Memilih matriks input untuk analisis data, menilai identifikasi model, mengevaluasi estimasi model, interpretasi terhadap model. TAM adalah teori sistem informasi yang membuat model tentang bagaimana pengguna mau menerima dan menggunakan teknologi. Model TAM ini banyak digunakan dalam penelitian sistem informasi untuk mengetahui reaksi pengguna terhadap sistem informasi (Landry et.al.,2006). Salah satu faktor yang dapat mempengaruhi adalah persepsi pengguna antar kemudahan dan kemanfaatan penggunaan teknologi sebagai suatu tindakan yang beralasan dalam konteks pengguna teknologi informasi sehingga alasan seseorang dalam melihat kemudahan dan manfaat penggunaan teknologi menjadikan tindakan orang tersebut dapat menerima penggunaan teknologi informasi. Model ini mengusulkan bahwa ketika pengguna ditawarkan untuk menggunakan suatu sistem yang baru, sejumlah faktor mempengaruhi keputusan mereka tentang bagaimana dan kapan akan menggunakan sistem tersebut, khususnya dalam hal: kemanfaatan (usefulness), kemudahan (ease of use), sikap (attitude), perilaku (behavioural intention), dan penggunaan secara nyata (actual). Fred D. Davis menjelaskan model TAM pada gambar berikut ini:
3
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 Gambar II.1 Technology Acceptance Model (TAM) (Davis, 1989) Penelitian yang 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 komputer terhadap pengguna. Penelitian ini menunjukkan bahwa Perceived Usefulness dan Perceived Ease of Use merupakan penentu dasar dari penggunaan komputer. Penelitian Davis berhasil menunjukkan bahwa penggunaan teknologi (usage) dipengaruhi oleh tingkat penerimaan terhadap teknologi (TAM). Menurut Christina Gardner dan Donald L, Amoroso, Ph.D (2004), dimana hasil penelitiannya menyatakan bahwa apa yang ada dalam model dasar Davis berupa variabel eksternal (gender, experience, complexity, dan voluntariness) sangat berpengaruh terhadap variabel-variabel internal yang ada. Namun penelitian ini telah dibuktikan sebelumnya oleh E. Milchramn (2003) bahwa ternyata variabel eksternal hanya memberikan sedikit pengaruh dalam penerimaan teknologi. Penelitian ini dilakukan dengan meniadakan variabel eksternal yang terbukti sedikit memiliki pengaruh. Model TAM yang digunakan dalam penelitian ini tergambar pada model sebagai berikut:
Gambar II.2 Kerangka Pemikiran Model Penelitian Dalam hipotesis umum dibawah 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 atau model hipotesis diterima jika p0,05) dan Hoo : p s (Data empiris berbeda dengan teori atau model hipotesis diterima jika p<0,05). Sedangkan hipotesis khusus dalam penelitian ini bahwa: H1 : Diduga Percieved Ease of Use (PEoU) atau persepsi kemudahan mahasiswa dalam menggunakan Website BSI berpengaruh terhadap Percieved Usefulness (PU) atau kemanfaatan menggunakan Website BSI. Dimana semakin mudah Website BSI digunakan maka semakin besar manfaat bagi mahasiswa yang menggunakannya. H2 : Diduga Percieved Ease of Use (PEoU) atau persepsi kemudahan mahasiswa dalam menggunakan Website BSI berpengaruh terhadap Attitude Toward Using (ATU) atau sikap mahasiswa sebagai pengguna. Dimana semakin mudah Website BSI digunakan maka semakin baik sikap mahasiswa untuk menggunakannya. H3 : Diduga Percieved Usefulness (PU) atau manfaat menggunakan Website BSI berpengaruh terhadap Attitude Toward Using (ATU) atau sikap mahasiswa sebagai pengguna Website BSI. Dimana semakin besar manfaat penggunaan Website BSI maka semakin baik sikap mahasiswa untuk menggunakannya. H4 : Diduga Attitude Toward Using (ATU) atau sikap mahasiswa sebagai pengguna Website BSI berpengaruh terhadap Behavioral Intention to Use (ITU) atau perilaku atau niat untuk menggunakan Website BSI itu sendiri. Dimana semakin baik sikap mahasiswa untuk menggunakan Website BSI, maka semakin tinggi tingkat perilaku atau niat mahasiswa untuk menggunakannya. H5 : Diduga Percieved Usefulness (PU) atau manfaat menggunakan Website BSI berpengaruh terhadap Behavioral Intention to Use (ITU) atau perilaku atau niat untuk menggunakan Website BSI. Dimana semakin besar manfaat penggunaan Website BSI maka semakin tinggi tingkat
4
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 perilaku atau niat mahasiswa untuk menggunakannya. H6 : Diduga Behavioral Intention to Use (ITU) atau perilaku atau niat untuk menggunakan Website BSI berpengaruh terhadap Actual System Usage (ASU) atau penggunaan sistem (Website BSI) secara nyata. Dimana semakin tinggi tingkat perilaku atau niat untuk menggunakan Website BSI maka semakin tinggi tingkat penggunaan secara nyata. III. METODE PENELITIAN Salah satu model teknik pengumpulan data yang digunakan adalah berupa kuesioner atau angket yang menggunakan skala pengukuran diferensial semantik (semantic differential scale) dengan range 1 sampai 7 untuk jawaban sangat tidak setuju sampai jawaban sangat setuju [Riduwan, 2003 : 18]. Analisis data yang dilakukan pada penulisan ini adalah analisa statistik deskriptif dan analisa statistik inferensial. Analisa statistik inferensial dilakukan dengan menggunakan Structural Equation Modeling (SEM) dengan tujuan untuk memperoleh model yang sesuai bagi permasalahan yang sedang diteliti. Selain itu analisis dengan SEM juga ditujukan untuk mengetahui hubungan kausalitas antara variabel dependen dan independen yang dikembangkan pada model persamaan struktural yang diajukan dalam penelitian ini. Berikut ini adalah 7 (tujuh) langkah dalam pengujian model dengan menggunakan pendekatan dasar SEM [Hair et.al, 1998]: a. Pengembangan Model Berbasis Teori. Pengembangan ini bertujuan untuk mengembangkan sebuah model yang mempunyai pembenaran yang kuat secara teoritis untuk mendukung upaya analisis terhadap suatu masalah yang sedang diteliti. Dalam penelitian ini digunakan variabel yang tidak dapat diukur secara langsung (laten variabel) yaitu: 1). Konstruk Eksogen (construct exogen) sebagai variabel independen (X) yaitu: Kemudahan menggunakan (Percieved Ease of Use).
2). Konstruk Endogen (construct endogen) sebagai variabel dependen (Y) yaitu: Kemanfaatan (Perceived Usefulness), Sikap Pengguna kearah menggunakan (Attitude Toward Using), Perilaku atau niat menggunakan (Behavioral Intention to Use), Penggunaan sistem secara nyata (Actual System Usage). b. 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: e2
e1
e3
1
1
y2
y1
e4
1
1
y3
y4
1
g4
PU
1
1
1
y11
e11
1 1
g2
g1
ASU
ATU
ITU
y5 1
y6 1
g3
y7
y12
e12
1
1
PEoU
1
y13
1
e13
1
1
1
e5 x1
x2
x3
1
1
1
d1
d2
d3
x4 1
d4
e6
e7 y8 1
e8
y9 1
e9
y10 1 e10
Gambar III.1 Diagram Jalur Penelitian ”Kajian penerapan Sistem Informasi Layanan Akademik Berbasis Web Berdasarkan Pendekatan TAM” c. Konversi Diagram Jalur ke dalam persamaan. Jika langkah 1 dan 2 telah dilakukan, selanjutnya mengkonversi spesifikasi model tersebut kedalam rangkaian persamaan, yaitu: 1). Persamaan-persamaan Struktural (Structural Equations). Persamaan ini dirumuskan untuk menyatakan hubungan sebab akibat (kausal) antar berbagai konstruk
5
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 dengan membentuk model pengukuran variabel laten eksogen dan endogen. Bentuk persamaan struktural dari model TAM yang diajukan adalah sebagai berikut:
2). 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
d. Pemilihan Jenis Input Matriks dan Estimasi Model yang Diusulkan. Langkah ini bertujuan untuk menetapkan data input yang digunakan dalam pemodelan dan teknik estimasi model. Pada model 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 karena memiliki keunggulan dalam menyajikan perbandingan yang valid antar populasi atau sampel yang berbeda. Penelitian ini menggunakan perangkat lunak AMOS versi 6.0 untuk melakukan estimasi dari model yang dikembangkan serta matriks input yang dipilih dengan teknik estimasi Maximum
Likelihood (ML). Teknik estimasi Maximum Likelihood terbukti lebih efisien dan tidak bias dengan kriteria sampel yang banyaknya 100 sampai 200. e. 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. Solusi untuk mengatasi masalah identifikasi model adalah dengan memberikan lebih banyak kendala pada model yang sedang dianalisis. Hal ini berarti mengeliminasi jumlah koefisien yang diestimasi sehingga hasil yang diperoleh adalah suatu model yang overidentified. Apabila setiap estimasi dilakukan muncul masalah identifikasi model maka yang harus dilakukan adalah menata ulang model yang diusulkan, antara lain dengan memperbanyak konstruk atau menghapus jalur sampai masalah identifikasi tersebut hilang. f. Penilaian Kriteria Goodness of Fit. Langkah 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. 1. Uji Asumsi SEM. 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. Data mempunyai distribusi normal jika sebagian besar variabel critical ratio skewness value memenuhi batas atau berada di bawah harga mutlak 2.58. Evaluasi Outlier: Deteksi terhadap multivariat outlier dilakukan dengan memperhatikan nilai mahalanobis distance tabel yang ditetapkan
6
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 berdasarkan nilai 2 tabel. Semua kasus yang mempunyai nilai mahalanobis distance 2 hitung > 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. 2. Uji Kesesuaian Model (Overall Model Fit): Merupakan uji model secara menyeluruh untuk mengukur kesesuaian antara matriks varians-kovarians 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 varians-kovarians populasi dugaan sama dengan matriks varians-kovarians sampel, maka model fit atau diterima), H1:p s (Matriks varians-kovarians populasi dugaan tidak sama dengan matriks varians-kovarians sampel, maka model tidak fit atau tidak diterima). Uji yang dilakukan untuk mengetahui model yang dibangun diterima atau tidak adalah sebagai berikut : a. Absolute Fit Measure: Digunakan untuk menguji kemampuan model dalam memprediksi matriks varianskovarians populasi secara akurat berdasarkan data sampel. Statistik uji yang digunakan adalah: 1). Chi-Square Statistic. Merupakan alat uji paling fundamental untuk mengukur kesesuaian model. Model yang diuji dipandang baik jika data empiris identik dengan teori yaitu bila nilai chi-square rendah (karena dalam uji
beda chi-square=0, berarti benarbenar tidak ada perbedaan, Ho diterima) dan diterima berdasarkan probabilitas dengan cut-off sebesar > 0.05. 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), H1: Data empiris berbeda dengan teori antar model (p > 0.05) berarti model ditolak (tidak fit). 2). CMIN/DF. Merupakan nilai chi-square dibagi dengan degree of freedom akan menghasilkan indeks CMIN/DF atau disebut juga dengan chi-square relative yang digunakan untuk mengukur tingkat fit sebuah model. Nilai yang diharapkan adalah < 2.0. 3). 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. 4). RMSEA (The Root Mean Square Error of Approximation). Merupakan sebuah indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang lebih besar. Nilai RMSEA < 0.08 merupakan index untuk dapat diterimanya model yang menunjukkan sebuah close fit dari model itu berdasarkan derajat kebebasan (degree of freedom). b. Incremental Fit Measur. 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: 1). AGFI (Adjusted Goodness of Fit).
7
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 Merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of freedom untuk proposed model dan null model. Nilai AGFI yang direkomendasikan adalah > 0.90. 2). TLI (Tucker Lewis Index). Menggabungkan ukuran parsimony kedalam index komparasi antara proposed model dan null model. Nilai TLI yang direkomendasikan adalah > 0.95. 3). NFI (Normed Fit Index). Ukuran perbandingan antara proposed model dan null model. Nilai NFI yang direkomendasikan adalah > 0.90. 4). 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. c. Parsimonious Fit Measur. Digunakan untuk menguji kemampuan model dalam memprediksi matriks varians-kovarians populasi secara akurat dengan mempertimbangkan jumlah parameter yang diestimasi. Prinsip yang menjadi acuan adalah jumlah parameter minimal dengan tingkat akurasi maksimal. Statistik uji yang digunakan adalah: 1). PNFI (Parsimonious Normal Fit Index). Merupakan modifikasi dari NFI dengan kegunaan utama untuk membandingkan model dengan degree of freedom yang berbeda, selain itu PNFI juga digunakan untuk membandingkan model alternatif sehingga tidak ada nilai yang direkomendasikan sebagai nilai fit yang diterima. Nilai PNFI yang direkomendasikan adalah > 0.60. 2). PGFI (Parsimonious Goodness of Fit Index). Merupakan modifikasi dari GFI atas dasar parsimony estimate model.
Nilai PGFI yang direkomendasikan adalah > 0.60. 3. Uji Parameter Model. Digunakan untuk mengetahui nilai lamda ( = factor loading), bobot faktor (regression weight) dan reliabilitas dari model yang telah dibangun. a. Uji Validitas (Loading Factor). Digunakan untuk menguji keakuratan variabel indikator sehingga dapat mewakili variabel laten. Pada penelitian ini terdapat 5 (lima) variabel laten yang terdiri dari 1 (satu) variabel eksogen dan 4 (empat) variabel endogen dengan 4 (empat) variabel indikator untuk menjelaskan variabel eksogen dan 13 variabel indikator untuk menjelaskan variabel endogen. Sehingga jumlah keseluruhan dari variabel indikator adalah 17 dengan masing-masing nilai diukur pada setiap variabel indikator yang dianalisis. 1). Nilai lamda ( ) signifikan secara statistik, hal tersebut dapat diketahui dengan mengajukan hipotesa untuk melihat dukungan variabel indikator terhadap variabel laten, H0 : i-j = 0 , H1 : i-j 0 Dengan harapan agar H0 dapat ditolak sehingga H1 dapat diterima. Hipotesis variabel laten eksogen : H0 : i_ 1...., 4 = 0 ; Variabel pengukuran X1 sampai X4 bukan merupakan konstruk yang valid bagi variabel laten eksogen. H1 : i_ 1...., 4 0 ; Variabel pengukuran X1 sampai X4 merupakan konstruk yang valid bagi variabel laten eksogen. Hipotesis variabel laten endogen : H0 : j_ 1...., 13 = 0 ; Variabel pengukuran Y1 sampai Y13 bukan merupakan konstruk yang valid bagi variabel laten endogen. H1 : j_ 1...., 13 0 ; Variabel pengukuran Y1 sampai Y13 merupakan konstruk yang valid bagi variabel laten endogen.
8
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 2). 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. b. 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 4 dengan hipotesis sebagai berikut: Hipotesis (regresi antara variabel eksogen dengan variabel endogen): 1). H0 : 11 = 0 ; Percieved Ease of Use (PEoU) atau persepsi kemudahan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web tidak berpengaruh terhadap Perceived Usefulness (PU) atau kemanfaatan. 2). H1 : 11 0 ; Percieved Ease of Use (PEoU) atau persepsi kemudahan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web berpengaruh terhadap Perceived Usefulness (PU) atau kemanfaatan. 3). H0 : 21 = 0 ; Percieved Ease of Use (PEoU) atau persepsi kemudahan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web tidak berpengaruh terhadap Attitude Toward Using (ATU) atau sikap kearah penggunaan. 4). H1 : 21 0 ; Percieved Ease of Use (PEoU) atau persepsi kemudahan dalam
menggunakan Sistem Informasi Layanan Akademik berbasis Web berpengaruh terhadap Attitude Toward Using (ATU) atau sikap kearah penggunaan. Hipotesis (regresi antar variabel endogen) : 1). H0 : 21 = 0 ; Perceived Usefulness (PU) atau kemanfaatan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web tidak berpengaruh terhadap Attitude Toward Using (ATU) atau sikap kearah penggunaan. 0; Perceived 2). H1 : 21 Usefulness (PU) atau kemanfaatan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web berpengaruh terhadap Attitude Toward Using (ATU) atau sikap kearah penggunaan. 3). H0 : 31 = 0 ; Perceived Usefulness (PU) atau kemanfaatan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web tidak berpengaruh terhadap Behavioral Intention to Use (ITU) atau perilaku atau niat untuk menggunakan Sistem Informasi Layanan Akademik berbasis Web. 4). H1 : 31 0 ; Perceived Usefulness (PU) atau kemanfaatan dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web berpengaruh terhadap Behavioral Intention to Use (ITU) atau perilaku atau niat untuk menggunakan Sistem Informasi Layanan Akademik berbasis Web. 5). H0 : 32 = 0; Attitude Toward Using (ATU) atau sikap kearah penggunaan Sistem Informasi Layanan Akademik berbasis Web tidak berpengaruh terhadap Behavioral Intention to
9
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 Use (ITU) atau perilaku/niat dalam menggunakan Sistem Informasi Layanan Akademik berbasis Web. 6). H1 : 32 0; Attitude Toward Using (ATU) atau sikap dalam penggunaan Sistem Informasi Layanan Akademik berbasis Web berpengaruh terhadap Behavioral Intention to Use (ITU) atau perilaku/niat untuk menggunakan Sistem Informasi Layanan Akademik berbasis Web itu sendiri. 7). H0 : 34 = 0 ; Behavioral Intention to Use (ITU) atau perilaku/niat untuk menggunakan Sistem Informasi Layanan Akademik berbasis Web tidak berpengaruh terhadap Actual System Usage (ASU) atau penggunaan secara nyata Sistem Informasi Layanan Akademik berbasis Web. 8). H1 : 34 0 ; Behavioral Intention to Use (ITU) atau perilaku/niat untuk menggunakan Sistem Informasi Layanan Akademik berbasis Web berpengaruh terhadap Actual System Usage (ASU) atau penggunaan secara nyata Sistem Informasi Layanan Akademik berbasis Web. c. Uji Reliabilitas: Reliabilitas adalah ukuran konsistensi internal dari indikator-indikator 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. 1). Construct Reliability : Nilai yang direkomendasikan adalah > 0.7, Dengan rumus:
Keterangan: Standardized Loading = diperoleh langsung dari Standardized Loading masingmasing indikator = j Measurement error = 1– (Standardized Loading)2 2). Variance Extracted : Nilai yang direkomendasikan adalah > 0.5, dengan rumus :
g. 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. IV. HASIL PENELITIAN DAN PEMBAHASAN Pengujian atau analisa terhadap statistik deskriptif dijelaskan bahwa data memiliki nilai Valid N (listwise)dengan tingkat validitas yang baik yaitu sebesar 137 (100 %), demikian pula dengan kriteria lain yang terdapat pada uji statistik deskriptif. Sedangkan analisis statistik inferensial diuraikan dalam rincian berikut ini: a. Uji Asumsi Model 1). Ukuran Sampel: Ukuran sampel yang harus dipenuhi dalam pemodelan
10
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 SEM minimum berjumlah 100 atau antara 100 - 200. Penelitian ini menggunakan 137 sampel. 2). Uji Normalitas: Berdasarkan pengujian Assesment of Normality bahwa nilai yang berada pada kolom c.r semuanya berada dalam range nilai yang direkomendasikan yaitu antara -2.58 sampai 2.58. Hal ini dapat dikatakan bahwa data terdistribusi secara normal, berarti data memenuhi syarat untuk dilakukan analisis selanjutnya. 3). Uji Outliers: Pengujian dilakukan dengan mengetahui bahwa dalam Mahalanobis d-squared 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 33,408 (1%,17) dengan jumlah variabel indikator sebanyak 17. Pada penelitian awal yang dilakukan ternyata masih terdapat outlier sehingga perlu dilakukan modifikasi terhadap model. b. Pengolahan Dengan Model Persamaan Struktural (SEM) 1). Pengujian Model Berbasis Teori: Berikut ini adalah hasil pengujian model berbasis teori dilakukan dengan menggunakan software AMOS Versi 6.0.
1.26
.70
1.43
2.11
e1
e2
e3
1
1
e4
1
1
y2
y3
y4
y1
1.00 1.07.96
.99
1.14
g4
PU g2
g1.91 1.80
1.06 1.02
1.19
x1
x2
x3
1
1
1
d1
4.36
d2
.90
d3
ATU
ITU
1.00
y5
y6
y7 .62
1
1
e5 x4 1 1.95
d4
1.00
1 2.76
.39
1.89
1.04 1.21 .16
PEoU
2.34
1
3.06
e6
e11
1
-.67 .42 .64
1 .65
2.61
1
y11
1.00
ASU .84
1
g3 .84
.99
1
y12
2.90 e12
.98
2.95
y13
1
e13
1.00
UJI HIPOTESIS Chi-Square = 215.213 Probabilitas = .000 Degree of freedom = 113 CMIN/DF = 1.905 y8 y9 y10 GFI = .850 1 1 1 3.29 2.12 1.07 RMSEA = .082 AGFI = .797 e8 e9 e10 TLI = .880 NFI = .815 CFI = .900 PNFI = .677 PGFI = .628
1.63
e7
Gambar IV.1 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 diterima apabila P>0.05). H1: Data empirik berbeda dengan teori atau model (Hipotesis ditolak apabila P<0.05). Pada Gambar IV.1 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 dibawah nilai yang direkomendasikan yaitu > 0.05.
11
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 Untuk sementara diketahui bahwa output model tersebut belum memenuhi persyaratan penerimaan H0, sehingga tidak dapat dilakukan uji hipotesis selanjutnya. Agar model yang diajukan dinyatakan fit, maka dapat dilakukan modifikasi model sesuai dengan yang disarankan oleh program AMOS. Berdasarkan hasil Estimasi dan Regressión Weight, maka dilakukan modifikasi dengan menghapus variabel indikator yang bukan merupakan konstruktor yang valid bagi model struktural yang diajukan dengan ketentuan: a). Jika nilai estimate pada loading factor () dari suatu variabel indikator < 0.5 maka indikator tersebut hendaknya di drop (dihapus), b). Selanjutnya melihat signifikasi (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 variabel 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: 1. Langkah Pertama: Dilakukan dengan menghapus jalur PEoU ke ATU karena berdasarkan model awal diketahui bahwa pada jalur tersebut sig bernilai > 0.05 yang artinya tidak mempunyai pengaruh (tidak signifikan). Tabel berikut memperlihatkan hasil Signifikansi (Sig) dan estimasi untuk variabel PEoU ke ATU. Adapun hasil proses run secara lengkap dapat dilihat dalam Lampiran. Tabel IV.1 Modifikasi variabel indikator PEoU ke ATU
1.27
.73
1.43
2.10
e1
e2
e3
1
1
1
1
y2
y3
y4
y1
e4
.96 1.00 1.00 1.07
1.14
g4
PU
-.54 .43 .76
1 .61
1
g2
.91
g1
ATU
.40
1.74
ITU
1.06 1.23
1.00
y5
PEoU
x1 1
1.18
x2
d1
x3 1
1 2.36
4.32
d2
.91
d3
2.69
e5 x4 1 1.94
d4
y6 1
1 1.00
2.99
e6
ASU .99
1
g3
1.80
1.06 1.03
2.61
1
y11
1.00
e11
1 .99
1
y12
2.91 e12
.99
2.94
y13
1
e13
y7
.63
1
UJI HIPOTESIS Chi-Square = 216.179 Probabilitas = .000 Degree of freedom = 114 CMIN/DF = 1.896 y8 y9 y10 GFI = .849 1 1 1 3.27 2.09 1.11 RMSEA = .081 AGFI = .797 e10 e8 e9 TLI = .881 NFI = .814 CFI = .901 PNFI = .682 PGFI = .633
.85
1.00
1.64
e7
Gambar IV.2 Hasil Model Penelitian langkah Pertama dengan AMOS 6.0 2. Langkah Kedua: Berdasarkan kepada hasil modifikasi langkah pertama dilakukan penghapusan jalur PU ke ITU karena diketahui bahwa pada jalur tersebut sig bernilai > 0.05 yang artinya tidak mempunyai pengaruh (tidak signifikan). 3. Langkah Ketiga: Dari modifikasi yang dilakukan pada langkah kedua, dimana semua konstruk sudah memenuhi nilai sig < 0.05, akan tetapi model belum fit, nilai chisquare masih tinggi dan probability masih belum memenuhi syarat ≥ 0.05 maka langkah ketiga dilakukan dengan menelusuri nilai kovarian pada MI (Modifications Indices). Berdasarkan nilai MI dalam data hasil langkah kedua terlihat untuk error faktor e5 ke d4 memiliki kisaran angka lebih tinggi sehingga disarankan untuk dihapus (drop) untuk konstruk Y5 (rasa menerima) pada ATU dan X4 (kemudahan untuk berinteraksi) pada PEoU dapat
12
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007
4.
5.
6.
7.
dikatakan bahwa sebagian besar responden tidak setuju dengan pernyataan tersebut, dalam arti bahwa faktor penerimaan tidak mempengaruhi kemudahan berinteraksi. Langkah Keempat: Berdasarkan nilai MI dalam data hasil langkah ketiga terlihat untuk error faktor d2 ke g4 memiliki kisaran nilai tinggi sehingga disarankan untuk dihapus (drop) untuk konstruk X2 (kemudahan untuk mengakses) pada PEoU dan g4 pada ASU (penggunaan sistem secara nyata), karena tidak memiliki pengaruh. Langkah kelima: Berdasarkan nilai MI dalam data hasil langkah keempat terlihat untuk error faktor e8 ke d4 bernilai tinggi sehingga disarankan untuk dihapus (drop) untuk konstruk Y8 (penambahan software pendukung) pada ITU dan X4 (kemudahan untuk berinteraksi) dapat dikatakan bahwa sebagian besar responden tidak setuju dengan pernyataan tersebut dalam arti bahwa penambahan software pendukung tidak mempengaruhi kemudahan untuk berinteraksi. Langkah Keenam: Berdasarkan nilai MI dalam data hasil langkah kelima terlihat untuk error faktor e13 ke PEoU bernilai tinggi sehingga disarankan untuk dihapus (drop) untuk konstruk Y13 (kepuasan pengguna) pada ASU dan PEoU (kemudahan) dapat dikatakan bahwa tidak ada hubungan antara kemudahan dengan kepuasan pengguna. Langkah Ketujuh : Berdasarkan nilai MI dalam data hasil langkah keenam dilakukan dengan menghubungkani antara error faktor e10 ke e1 untuk konstruk Y10 (memotivasi ke pengguna lain) pada ITU dan Y1 (menjawab kebutuhan informasi) pada PU, sehingga dari hasil modifikasi diketahui bahwa penggunaan web adalah bermanfaat dalam menjawab kebutuhan informasi
tercermin adanya memotivasi ke pengguna lain. Setelah itu dilakukan modifikasi model maka didapatkan model yang fit seperti pada gambar berikut ini. -.52
2.99 .81
1.29
e1
e2
1
1
1
1
y1
y2
y3
y4
1
e4
e3
1.45
e6
2.08
1.48
e7 1
y6
2.20
e9 1
y7
y9
x1 1 2.39
d1
1.16
x3 1 .95
d3
ATU 1 .63
g2
1.00
x4 1 1.89
d4
1.00
1
y11
2.60 e11
y10 ASU
1.16 1.00
.77
.92 1.85
PEoU 1.04
1
1.00 .77
1.13 .27
PU g1
g4
1
.96 1.01 1.00 1.07
1 .49
1.41
.45 e10
1.12
2.40 1
y12
e12
ITU 1 1.92
g3
UJI HIPOTESIS Chi-Square = 75.226 Probabilitas = .089 Degree of freedom = 60 CMIN/DF = 1.254 GFI = .927 RMSEA = .043 AGFI = .890 TLI = .975 NFI = .913 CFI = .981 PNFI = .702 PGFI = .611
Gambar IV.3 Hasil Model Akhir Penelitian dengan AMOS 6.0 c.
Uji Kesesuaian Model: Kriteria fit atau tidaknya model menyangkut kriteria lain yang meliputi ukuran Absolut Fit Measures, Incremental Fit Measures dan Parsimonious Fit Measures. 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 IV.2 Uji Perbandingan Kesesuaian Model
13
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007
Masing-masing variabel indikator X1 (kemudahan untuk dipelajari atau dipahami), X3 (mudah digunakan) dan X4 (kemudahan untuk berinteraksi) secara signifikan merupakan konstruktur yang valid bagi variabel laten PEoU. Dengan demikian responden merasa mudah menggunakan website serta mudah untuk memperoleh layanan keakademikan melalui website. 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 dengan hasil pengujian: 1. Uji Parameter Model Pengukuran Variabel Laten. a. Pengujian Validitas: Pengujian terhadap validitas variabel laten dilakukan dengan melihat nilai Signifikansi (Sig) yang diperoleh tiap variabel indikator kemudian dibandingkan dengan nilai (0.05). Jika Sig ≤ 0.05 maka Tolak Ho, artinya variabel indikator tersebut merupakan konstruktor yang valid bagi variabel laten tertentu. 1. Variabel Laten Eksogen a. PEoU (Perceived Ease Of Use)
2. Variabel Laten Endogen a. PU (Perceived Usefulness) Tabel IV.4 Uji Parameter variabel PU
Variabel indikator Y1 (menjawab kebutuhan informasi), Y2 (membantu penyelesaian kegiatan atau pekerjaan), Y3 (mempertinggi efektifitas) dan Y4 (meningkatkan efisiensi) secara signifikan merupakan konstruktur yang valid bagi variabel laten PU. Dengan demikian responden merasa dengan menggunakan website selalu mendapat informasi. Penggunaan website juga lebih efektif dan efisien dan dapat membantu pekerjaan. b. ATU (Attitude Toward Using) Tabel IV.5 Uji Parameter variabel ATU
Tabel IV.3 Uji Parameter variabel PEoU
14
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 Variabel indikator Y6 (rasa penolakan), dan Y7 (perasaan personal atau afektif) secara signifikan merupakan konstruktor yang valid bagi variabel laten ATU. Dengan demikian maka berarti responden sudah memiliki akses untuk menggunakan website serta senang menggunakannya. c. ITU (Behavioral Intention to Use) Tabel IV.6 Uji Parameter variabel ITU
Variabel indikator Y9 (motivasi tetap menggunakan), dan Y10 (memotivasi ke pengguna lain) secara signifikan merupakan konstruktor yang valid bagi variabel laten ITU. Dengan demikian maka berarti responden sudah terdorong untuk menggunakannya. d. ATU (Actual System Usage) Tabel IV.7 Uji Parameter variabel ASU
Variabel indikator Y11 (penggunaan secara nyata), dan Y12 (frekuensi penggunaan) secara signifikan merupakan konstruktor yang valid bagi variabel laten ASU. Dengan demikian maka berarti responden sudah secara nyata menggunakan setiap waktunya. b. Pengujian Reliabilitas. 1. Pengujian Secara Langsung Pengujian ini dapat dilihat secara langsung dari output AMOS dengan melihat R2 (Squared Multiple
Correlation). 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 untuk variabel X (eksogen) dimana X1 bernilai 0.454, X3 bernilai 0.723 dan X4 bernilai 0.496. Sedangkan untuk variabel Y (endogen) Y1 bernilai 0.612, Y2 bernilai 0.742, Y3 bernilai 0.562, Y4 bernilai 0.502, Y6 bernilai 0.455, Y7 bernilai 0.561, Y9 bernilai 0.533, Y10 bernilai 0.905, Y11 bernilai 0.398 dan Y12 bernilai 0.478. Berdasarkan nilai di atas dapat dilihat bahwa variabel indikator Y10 memiliki nilai R2 tertinggi yaitu sebesar 0.905 sehingga dapat disimpulkan bahwa variabel laten ITU berkontribusi terhadap varians Y10 sebesar 90.5 % sedangkan sisanya 9.5 % dijelaskan oleh measurement error. Variabel indikator Y11 merupakan indikator yang paling kurang reliabel dari variabel laten ASU, karena nilai R2 nya paling kecil yaitu sebesar 0.398. Hasil output diatas menghasilkan uji reliabilitas secara individual. 2. Pengujian Tidak Langsung Dengan melakukan uji reliabilitas gabungan, pendekatan yang dianjurkan adalah mencari nilai besaran Composite Reliability dan Variance Extracted dari masing-masing variabel laten dengan menggunakan informasi pada loading factor dan measurement error. Composite Reliability menyatakan ukuran konsistensi internal dari indikatorindikator sebuah konstruk yang menunjukan derajat masing-masing indikator itu mengindikasikan sebuah konstruk atau laten yang umum. Sedangkan Variance Extracted menunjukan indikator-indikator tersebut telah mewakili secara baik konstruk
15
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 laten yang 2005).
dikembangkan
(Ghozali,
Tabel IV.8 Tabel uji Reliabilitas
Pada tabel diatas terlihat bahwa PEoU, PU, ATU, ITU dan memiliki nilai Composite Reliability di atas 0.70. Sedangkan ASU 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 dibawah batas kritis tersebut (0.70) masih diperbolehkan. Selama range berkisar antara 0.5 – 0.6 dinilai sudah mencukupi untuk menjustifikasi sebuah hasil penelitian. Keempat variabel laten memenuhi batas nilai Variance Extracted yaitu ≥ 0.50. Dengan demikian dapat dikatakan bahwa semuanya memiliki reabilitas yang baik. 2. Uji Parameter Model Struktural a. Uji Hipotesis 1. Hipotesis Deskriptif H1 : Diduga Percieved Ease of Use (PEoU) atau persepsi kemudahan mahasiswa dalam menggunakan Website BSI berpengaruh terhadap Percieved Usefulness (PU) atau kemanfaatan menggunakan Website BSI. Dimana semakin mudah Website BSI digunakan maka semakin besar manfaat bagi mahasiswa yang menggunakannya. H3 : Diduga Percieved Usefulness (PU) atau manfaat menggunakan Website BSI berpengaruh terhadap Attitude Toward Using (ATU) atau sikap mahasiswa sebagai pengguna Website BSI. Dimana semakin besar manfaat penggunaan Website BSI maka semakin baik sikap mahasiswa untuk menggunakannya.
H4 : Diduga Attitude Toward Using (ATU) atau sikap mahasiswa sebagai pengguna Website BSI berpengaruh terhadap Behavioral Intention to Use (ITU) atau perilaku/niat untuk menggunakan Website BSI itu sendiri. Dimana semakin baik sikap mahasiswa untuk menggunakan Website BSI, maka semakin tinggi tingkat perilaku atau niat mahasiswa untuk menggunakannya. H6 : Diduga Behavioral Intention to Use (ITU) atau perilaku/niat untuk menggunakan Website BSI berpengaruh terhadap Actual System Usage (ASU) atau penggunaan sistem (Website BSI) secara nyata. Dimana semakin tinggi tingkat perilaku atau niat untuk menggunakan Website BSI maka semakin tinggi tingkat penggunaan secara nyata. Berdasarkan modifikasi model yang dilakukan, telah dhilangkan dari model yaitu jalur hubungan kausal dari PEoU (Perceived Ease of Use) ke ATU (Attitude Toward Using), dan PU (Perceived Usefulness) ke ITU (Behavioral Intention to Use). Dengan demikian, maka pada model akhir, didapatkan empat hipotesis yang layak untuk diuji untuk melihat pengaruhnya. 2. Hipotesis Statistik: Variabel laten eksogen : H0 : n = 0 ; Tidak berpengaruh (Terima Ho) dan H1 : n ≠ 0 ; Berpengaruh (Tolak H0), sedangkan Variabel laten endogen : H0 : n = 0 ; Tidak berpengaruh (Terima Ho) dan H1 : n ≠ 0 ; Berpengaruh (Tolak H0) 3. Taraf Nyata: Tarif nyata yang digunakan () = 5 % = 0.05 4. Kriteria Pengambilan Keputusan : Jika Probabilitas (Sig) > 0.05.maka Terima H0 dan Jika Probabilitas (Sig) < 0.05 maka Tolak H0 b. Hasil Pengujian Hipótesis Tabel IV.9 Hasil Pengujian Hipotesis
16
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007
Berdasarkan tabel di atas, dapat dijelaskan bahwa: 1). Perceived Ease of Use (PEoU) memiliki pengaruh terhadap Perceived Usefulness (PU), 2). Perceived Usefulness (PU) memiliki pengaruh terhadap Attitude Toward Using (ATU), 3). Attitude Toward Using (ATU) memiliki pengaruh terhadap Behavioal Intention to Use (ITU), 4). Behavioal Intention to Use (ITU) memiliki pengaruh terhadap Actual System Usage (ASU). c. Interpretasi Model Berdasarkan modifikasi model dan hasil pengujian hipótesis, maka dapat dijelaskan bahwa model yang didapatkan pada penelitian ini adalah sebagai berikut:
ASU
PU
ATU
ITU
PEoU Gambar IV.4 Hasil Akhir Model Penelitian Dari model akhir tersebut dapat diketahui bahwa penggunaan website sebagai fasilitas layanan akademik berbasis web mengindikasikan adanya pengaruh: Pertama, kemudahan (PEoU) dalam
menggunakan website BSI berpengaruh terhadap kemanfaatan (PU) dengan asumsi bahwa semakin mudah website BSI digunakan maka semakin besar manfaatnya bagi pengguna. Berdasarkan hasil uji terhadap indikator pada masingmasing variabel laten PEoU dan PU diketahui bahwa PEoU berkonstribusi terhadap masing-masing indikator dengan urutan indikator kemudahan untuk digunakan (X3) memiliki presentasi tertinggi dari pada indikator kemudahan untuk dipelajari atau dipahami (X1) dan kemudahan untuk berinteraksi (X4). Sedangkan variabel laten PU berkonstribusi kepada masing-masing indikator dengan presentasi tertinggi adalah membantu penyelesaian kegiatan atau pekerjaan (Y2), disusul dengan indikator menjawab kebutuhan informasi (Y1), mempertinggi efektivitas (Y3) dan meningkatkan efisiensi (Y4). Kedua, kemanfaatan (PU) dalam menggunakan website BSI berpengaruh terhadap sikap kearah penggunaan (ATU), dengan asumsi bahwa semakin besar manfaat yang diperoleh dalam penggunaan website BSI maka akan tumbuh baik sikap kearah penggunaan website BSI tersebut. Sedangkan variabel laten ATU berkonstribusi kepada masingmasing indikatornya dengan presentasi tertinggi adalah penolakan (Y6) disusul dengan perasaan personal atau afektif (Y7). Ketiga, sikap untuk menggunakan website BSI (ATU) berpengaruh terhadap perilaku atau niat untuk terus menggunakan (ITU), dengan asumsi bahwa semakin baik sikap kearah penggunaan maka semakin tinggi perilaku atau niat untuk terus menggunakan. Sedangkan variabel laten ITU berkonstribusi kepada masing-masing indikatornya dengan presentasi tertinggi adalah memotivasi ke pengguna lain (Y10) disusul dengan motivasi tetap menggunakan (Y9). Keempat, niat untuk terus menggunakan (ITU) website BSI berpengaruh terhadap penggunaan secara nyata (ASU) dengan asumsi bahwa semakin tinggi perilaku atau niat maka semakin tinggi penggunaan nyata website BSI. Sedangkan variabel laten ASU berkonstribusi kepada masing-masing
17
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 indikatornya dengan presentasi tertinggi adalah frekuensi penggunaan (Y12) disusul dengan penggunaan nyata (Y11). User (dalam hal ini mahasiswa) akan menggunakan website BSI karena menemukan adanya kemudahan dalam penggunaan sehingga menimbulkan adanya suatu manfaat, dimana pengguna bersikap menerima untuk menggunakan dan berniat untuk selalu menggunakannya, sehingga berpengaruh terhadap penggunaan nyata dari website BSI. V. PENUTUP 1. Kesimpulan Berdasarkan uraian dari bab-bab sebelumnya, maka dapat disimpulkan bahwa: a). Penelitian ini menggunakan model TAM untuk mengidentifikasi faktor-faktor yang saling berhubungan dan berpengaruh pada penerimaan teknologi bagi pengguna (mahasiswa) dalam penggunaan Sistem Informasi Layanan Akademik berbasis Web untuk mengakses berbagai keperluan layanan akademik. Sedangkan alat analisis yang diterapkan adalah Structural Equation Modeling (SEM) dan software pengolah adalah AMOS versi 6.0. Pemilihan SEM sebagai alat analisis karena merupakan teknik statistik yang mampu menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara langsung. b). Penerimaan teknologi oleh pengguna website BSI dipengaruhi oleh sejumlah faktor-faktor yaitu adanya persepsi kemudahan (Percieved Ease of Use) dalam penggunaan website BSI sehingga menimbulkan manfaat dalam penggunaan (Percieved Usefulness) website BSI tersebut. Dengan adanya kemanfaatan dalam penggunaan website BSI tersebut menumbuhkan adanya sikap pengguna untuk menggunakan (Attitude Toward Using) website BSI dan dengan adanya sikap tersebut maka mempengaruhi adanya perilaku atau niat pengguna untuk menggunakan (Behaviour Intetion to Use) website BSI, sehingga akan mempengaruhi pengguna untuk secara
nyata menggunakan teknologi tersebut (Actual System Usage) website BSI. c). Persepsi kemudahan (Percieved Ease of Use) tidak berpengaruh terhadap sikap pengguna untuk menggunakan (Attitude Toward Using), karena berdasarkan signifikasi, memiliki nilai signifikasi melebihi batas nilai signifikasi yang ditentukan. Demikian pula untuk persepsi kemanfaatan (Percieved Usefulness) tidak berpengaruh terhadap perilaku atau niat untuk menggunakan (Behaviour Intetion to Use), karena berdasarkan signifikasi, memiliki nilai signifikasi melebihi batas nilai signifikasi yang ditentukan serta memiliki nilai jalur yang negatif. 2. Saran Sesuai dengan penelitian yang telah dilakukan, berikut ini saran-saran yang dapat diajukan, yaitu: a). Untuk penelitian lebih lanjut diharapkan responden yang digunakan lebih dari 137 responden, agar dapat mencoba teknik estimasi lain yang ada di SEM sehingga data dapat diolah secara maksimal menggunakan parameter lain pada software AMOS. b). Alangkah baiknya penelitian dikembangkan terhadap aspek lainnya dan untuk penelitian lebih lanjut pengembangan dari model dan menambah item pernyataan data dalam kuesioner untuk indikatorindikator yang ada sebaiknya dilakukan. c). Diharapkan Website BSI untuk Sistem Informasi Layanan Akademik berbasis Web yang dikembangkan oleh BSI dapat mempertahankan kinerja dan terus berupaya untuk memberikan berbagai kemudahan dan manfaat sehingga dapat dirasakan positif oleh mahasiswa serta dapat juga dibuktikan secara empiris dalam penelitian berikutnya. DAFTAR PUSTAKA Davis, F. D., 1989. Perceived Usefulness, Rerceived Ease of Use and User Acceptance of Information
18
PARADIGMA VOL. IX NO. 3, AGUSTUS 2007 Tehnology, Management Information System Quarterly. Ferdinand, Augusty., 2002. Structural Equation Modeling Dalam Penelitian manajemen, BP UNDIP, Semarang. Gardner, Christina, & Amoroso L. Donald, 2004. Development of an Instrument to Measurement Acceptance of Internet Technology by Consumers, Proceedings of the 37th Hawaii International Conference on System Sciences. Ghozali, Imam A., 2005. Model Persamaan Struktural – konsep dan aplikasi dengan program AMOS Ver 5.0, BP UNDIP, Semarang.
Sianipar, Pandapotan, 2006. Panduan Menggunakan Internet, Elex Media Komputindo, Jakarta. Stern, Morgan., 1998. NetWare Untuk Koneksi ke Internet, Elexmedia Komputindo, Jakarta. Widodo, Prabowo, Pudjo, 2006. Statistika Analisis Multivariat : Seri Metode Kuantitatif, Kumpulan Modul Kuliah, Jakarta. Zulganef, 2006. Pemodelan Persamaan Struktur dan Aplikasinya Menggunakan Amos 5, Pustaka, Bandung.
Jogiyanto, HM, 2003. Analisa Desain Sistem Informasi, Andi, Yogyakarta. Kadir, Abdul., 2005. Pengenalan Teknologi Informasi, Andi, Yogyakarta. Landry B, J.L., Griffeth R. & Hartman S., 2006. Measuring Student Perceptions of Blackboard Using the Technology Acceptance Model, Decision Sciences Journal of Innovative Education, Volume 4 Number 1 January 2006. USA. (http://www.blackwell_sinergy.com) Leong, Leslie, 2003. “Theoretical Models in IS Research and the Technology Acceptance (TAM)”, Central Connecticut State University, USA. Mc Leod., Raymond, 2001. Sistem Informasi Manajemen, Jilid I, Prenhallindo, Jakarta. Nugroho, Bhuono, Agung., 2005. Strategi Jitu Memilih Metode Statistik Penelitian dengan SPSS, Andi Offset, Yogyakarta. Riduwan., 2003. Skala Pengukuran VariabelVariabel Penelitian, Alfabeta, Bandung.
19
