UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA

ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI EFEKTIVITAS APLIKASI PEMUTAKHIRAN DATA KELUARGA: STUDI KASUS BADAN KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL

KARYA AKHIR

SRI WAHYUNI 1206194940

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JULI 2014

Analisis faktor-faktor..., Sri Wahyuni, Fasilkom UI, 2014

UNIVERSITAS INDONESIA

ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI EFEKTIVITAS APLIKASI PEMUTAKHIRAN DATA KELUARGA: STUDI KASUS BADAN KEPENDUDUKAN DAN KELUARGA BERENCANA NASIONAL

KARYA AKHIR Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Teknologi Informasi

SRI WAHYUNI 1206194940

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JULI 2014


ii


iii


KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena atas berkat dan rahmat-Nya, penulis dapat menyelesaikan Karya Akhir ini. Penulisan karya akhir ini dilakukan dalam rangka memenuhi salah satu syarat untuk mencapai gelar Magister Teknologi Informasi, Fakultas Ilmu Komputer – Universitas Indonesia. Penulis menyadari bahwa, tanpa bantuan dan bimbingan dari berbagai pihak, dari masa perkuliahan sampai pada penyusunan karya akhir ini, sangatlah sulit bagi penulis untuk menyelesaikannya. Oleh karena itu, penulis mengucapkan terima kasih kepada: 1.

Bapak Drs. Widijanto Satyo Nugroho, M.Math., Ph.D. dan Bapak Satrio Baskoro Yudhoatmojo, S.Kom, M.T.I, selaku dosen pembimbing yang telah menyediakan waktu, tenaga, dan pikiran untuk mengarahkan penulis dalam penyusunan karya akhir ini;

2.

Bapak Dr. Indra Budi, S.Kom., M.Kom dan Bapak Rizal Fathoni Aji, S.Kom., M.Kom, selaku dosen penguji karya akhir yang telah memberikan banyak masukan;

3.

Ayahanda H. Erman dan Ibunda Hj. Ratnawilis yang selalu memberikan doa restu, cinta, dan dukungan moral tiada henti kepada penulis;

4.

Jerry Ferdana, Muhamad Iqbal, dan Radiah Annisyak, selaku saudara kandung yang telah memotivasi dan mendo’akan penulis;

5.

Bapak Muhamad Arfan, ST., M.P.H., selaku Kepala Seksi Pengembangan Sistem Aplikasi yang telah mengizinkan penulis untuk melakukan penelitian di BKKBN;

6.

Bapak Pembangunan Gultom, selaku staf Direktorat Teknologi Informasi dan Dokumentasi (DITTIFDOK) Badan Kependudukan dan Keluarga Berencana

Nasional

(BKKBN)

yang

telah

membantu

penulis

mengumpulkan data penelitian; 7.

Para pengguna aplikasi Pemutakhiran Data Keluarga (MDK) di seluruh provinsi di Indonesia yang telah menyediakan waktu untuk mengisi kuesioner penelitian ini; iv


8.

Boby Anggoro Putro, Vit Zuraida, dan Raufan Multahada, selaku pengembang Aplikasi MDK dan sahabat yang telah membantu penulis mengumpulkan data penelitian;

9.

Samuel Rizal, S.Kom dan Ariefender Limupa, S.Kom yang telah membantu penulis dalam mempelajari aplikasi LISREL;

10. Aldrian, Nicholas Mario Dahana, Eva Zakiah, Argiesta Destantria, Natanael Widiyanto, Gilang Bhagaskara, Raka Satria, Eulis Fitriansyah, Nurul Indah Razaak, Aan Marzuki, Aditya Zahir, Adhiatma Nugrahanto, Fuady Rosma, Malky Wulur, Dewi Chandra, dan teman-teman PT Altrovis Tekno Global yang memberikan warna bagi hidup penulis ketika berjuang menyelesaikan karya akhir; 11. Aditya Kusumah, Siti Chadidjah Maulidya, Genta Moerita, dan Yansy Ayuningtyas yang telah memotivasi penulis untuk menyelesaikan karya akhir ini; 12. Purwanto, Risnal Diansyah, Fajar Purwo Nugroho, Andhika Paramartha Putra, Nurul Amri, Anna Yatia Putri, dan seluruh teman-teman MTI angkatan 2012 yang telah menyemangati penulis dalam menyelesaikan karya akhir ini; 13. Bebel, Beki, Mia, Agha, Icha, Vira, Maya, Amira, dan teman-teman Wisma Verona yang telah memberikan motivasi kepada penulis untuk menyelesaikan karya akhir ini. Akhir kata, penulis berharap Tuhan Yang Maha Esa berkenan membalas segala kebaikan semua pihak yang telah membantu. Semoga karya akhir ini membawa manfaat bagi pengembangan ilmu.

Jakarta, 14 Juli 2014

Sri Wahyuni Penulis

v


vi


ABSTRAK

Nama : Sri Wahyuni Program Studi : Magister Teknologi Informasi Judul : Analisis Faktor-Faktor Yang Memengaruhi Efektivitas Aplikasi Pemutakhiran Data Keluarga: Studi Kasus Badan Kependudukan Dan Keluarga Berencana Nasional

Aplikasi MDK merupakan aplikasi yang digunakan oleh BKKBN untuk mencatat dan menghasilkan laporan terkait data keluarga di 33 provinsi di Indonesia. Aplikasi MDK telah digunakan sejak tahun 2011, tetapi aplikasi ini masih belum efektif. Hal ini terbukti dengan masih adanya masalah yang muncul sehingga aplikasi MDK tidak dapat menjalankan fungsinya dengan baik. Beberapa masalah yang sering muncul dalam penerapan aplikasi MDK di BKKBN adalah keluaran tidak akurat, penurunan performa ketika periode entry data, dan operator tidak mengikuti SOP yang ada. Oleh karena itu, penulis menganalisis faktorfaktor yang dapat memengaruhi efektivitas aplikasi MDK, dengan menggunakan model UTAUT dan model DeLone and McLean serta model persamaan struktural. Model UTAUT dan model DeLone and McLean menunjukkan pengaruh antara satu variabel dengan variabel lain yang memengaruhi perilaku pengguna dalam menerima sistem informasi. Model UTAUT berfokus pada aspek individu (pengguna) dan organsisasi, seperti ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kondisi fasilitas, dan niat perilaku. Model DeLone and McLean berfokus pada aspek teknologi, seperti kualitas informasi, kualitas sistem, kualitas layanan, minat menggunakan, dan kepuasan pengguna. Data penelitian dikumpulkan melalui kuesioner yang disebarkan ke pengguna aplikasi MDK. Data kuesioner yang diperoleh diolah dan dianalisis menggunakan SPSS 22, AMOS 22, dan LISREL 8.80. Berdasarkan hasil analisis tersebut diperoleh hasil bahwa kepuasan pengguna merupakan faktor yang secara langsung memengaruhi efektivitas aplikasi MDK, sedangkan kualitas layanan, kualitas informasi, kondisi fasilitas, dan kualitas sistem merupakan faktor yang memengaruhi efektivitas aplikasi MDK secara tidak langsung, melalui kepuasan pengguna. Kata kunci: Aplikasi MDK, efektivitas, model UTAUT, model DeLone and McLean, model persamaan struktural xii + 163 halaman; 26 gambar; 23 tabel; 11 lampiran

vii

Universitas Indonesia


ABSTRACT

Name : Sri Wahyuni Study Program : Master of Information Technology Title : The Analysis Of Factors That Affect The Effectiveness Of Family Data Updates Application: Case Study At The National Population And Family Planning Board

MDK application is an application used by the BKKBN to record the data and generate reports related families in 33 provinces in Indonesia. MDK application has been used since 2011, but this application is not yet effective. This is proven by the existence of a problem that appears to applications MDK can not function properly. Some of the problems that often arise in the application of MDK in BKKBN application are inaccurate output, a decrease in performance when the data entry period, and the operators do not follow the SOP. Therefore, the author analyzes the factors that affect the effectiveness of the MDK application, by using the UTAUT model and the model of DeLone and McLean and structural equation models. Model of UTAUT and model of DeLone and McLean show the effect of one variable with another variable that affects the behavior of users in receiving the information system. UTAUT model focuses on individual aspects (users) and organization, such as performance expectancy, effort expectancy, social influence, facilitating conditions, and behavioral intentions. DeLone and McLean model focuses on technological aspects, such as information quality, system quality, service quality, intention to use, and user satisfaction. Data were collected through questionnaires distributed to users’ MDK application. Questionnaire data obtained were processed and analyzed using SPSS 22, AMOS 22, and LISREL 8.80. The results of analysis showed that user satisfaction are factors that directly affect the effectiveness of applications MDK, while service quality, information quality, facilitating conditions, and system quality are factors that affect the effectiveness of the application MDK indirectly, through user satisfaction. Keywords: MDK application, effectiveness, UTAUT model, DeLone Ana McLean models, structural equation model xii + 163 pages; 26 figures; 23 tables; 11 attachments

viii



DAFTAR ISI

HALAMAN PERNYATAAN ORISINALITAS ................................................. ii HALAMAN PENGESAHAN .............................................................................. iii KATA PENGANTAR .......................................................................................... iv HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA AKHIR UNTUK KEPENTINGAN AKADEMIS ............................................. vi ABSTRAK ............................................................................................................ vii ABSTRACT ........................................................................................................ viii DAFTAR ISI ......................................................................................................... ix DAFTAR TABEL ................................................................................................. xi DAFTAR GAMBAR ........................................................................................... xii BAB I PENDAHULUAN ...................................................................................... 1 1.1. Latar Belakang ................................................................................................. 1 1.2. Perumusan Masalah ......................................................................................... 2 1.3. Pertanyaan Penelitian ....................................................................................... 5 1.4. Tujuan Penelitian ............................................................................................. 5 1.5. Manfaat Penelitian ........................................................................................... 5 1.5.1. Bagi Akademisi ..................................................................................... 5 1.5.2. Bagi BKKBN......................................................................................... 6 1.6. Ruang Lingkup Penelitian................................................................................ 6 BAB 2 TINJAUAN PUSTAKA ............................................................................ 7 2.1. Aplikasi Pemutakhiran Data Keluarga (MDK) ................................................ 7 2.1.1. Pengertian Sistem Informasi.................................................................. 7 2.1.2. Pengertian Aplikasi MDK ..................................................................... 8 2.1.3. Fitur ..................................................................................................... 12 2.1.4. Pengguna ............................................................................................. 14 2.2. Model DeLone dan McLean .......................................................................... 15 2.3. Model the Unified Theory of Acceptance and Use of Technology ............... 17 2.4. Structural Equation Model (SEM) ................................................................. 21 2.5. Skala Likert .................................................................................................... 24 2.6. Penelitian-Penelitian Sebelumnya.................................................................. 25 2.7. Kerangka Teoritis ........................................................................................... 37 BAB 3 METODOLOGI PENELITIAN ............................................................ 41 3.1. Desain Penelitian ........................................................................................... 41 3.2. Metode Pengumpulan Data ............................................................................ 43 3.3. Variabel Penelitian ......................................................................................... 44 3.3.1. Variabel Kualitas Informasi ................................................................ 44 3.3.2. Variabel Kualitas Sistem ..................................................................... 45 3.3.3. Variabel Kualitas Layanan .................................................................. 46 3.3.4. Variabel Kepuasan Pengguna .............................................................. 46 3.3.5. Variabel Manfaat Bersih...................................................................... 48 3.3.6. Variabel Ekspektasi Kinerja ................................................................ 48 3.3.7. Variabel Ekspektasi Usaha .................................................................. 49 3.3.8. Variabel Pengaruh Sosial .................................................................... 50 3.3.9. Variabel Kondisi Fasilitas ................................................................... 50 ix



3.4. Populasi dan Sampel ...................................................................................... 51 3.5. Instrumen Penelitian ...................................................................................... 54 BAB 4 ANALISIS DAN PEMBAHASAN ......................................................... 56 4.1. Analisis Statistik Deskriptif ........................................................................... 56 4.1.1. Profil Responden ................................................................................. 56 4.1.2. Rekapitulasi Jawaban Responden........................................................ 61 4.2. Analisis Inferensial ........................................................................................ 81 4.2.1. Membuat Diagram Alur dan Persamaan Struktural ............................ 81 4.2.2. Pemilihan Matriks Input dan Teknik Estimasi Model ......................... 85 4.2.3. Identifikasi Model ............................................................................... 86 4.2.4. Estimasi Model .................................................................................... 86 4.2.5. Uji Kelayakan Model .......................................................................... 90 4.3. Implikasi Penelitian ..................................................................................... 105 4.3.1. Implikasi untuk Penelitian Selanjutnya ............................................. 105 4.3.2. Implikasi untuk Badan Kependudukan dan Keluarga Berencana Nasional ............................................................................................. 106 BAB 5 KESIMPULAN DAN SARAN ............................................................. 108 5.1. Kesimpulan .................................................................................................. 108 5.2. Saran ............................................................................................................ 109 DAFTAR PUSTAKA ........................................................................................ 111 LAMPIRAN 1: WAWANCARA...................................................................... 114 LAMPIRAN 2: KUESIONER .......................................................................... 119 LAMPIRAN 3: REKAPITULASI JAWABAN RESPONDEN .................... 131 LAMPIRAN 4: UJI NORMALITAS I ............................................................ 132 LAMPIRAN 5: UJI OUTLIERS ...................................................................... 134 LAMPIRAN 6: UJI NORMALITAS II ........................................................... 140 LAMPIRAN 7: UJI OFFENDING ESTIMATE ............................................ 142 LAMPIRAN 8: UJI RELIABILITAS ............................................................. 146 LAMPIRAN 9: UJI KECOCOKAN MODEL AWAL .................................. 153 LAMPIRAN 10: SARAN MODIFIKASI ........................................................ 154 LAMPIRAN 11: UJI KECOCOKAN MODEL AKHIR ............................... 160

x



DAFTAR TABEL

Tabel 2.1 Indikator dari Variabel Penelitian Kamalia (2012) .............................. 27 Tabel 2.2 Indikator dari Variabel Penelitian Septikasari (2012) .......................... 29 Tabel 2.3 Indikator dari Variabel Penelitian Ramadhan (2014) ........................... 35 Tabel 3.1 Indikator Variabel Kualitas Informasi .................................................. 44 Tabel 3.2 Indikator Variabel Kualitas Sistem ...................................................... 45 Tabel 3.3 Indikator Variabel Kualitas Layanan ................................................... 46 Tabel 3.4 Indikator Variabel Kepuasan Pengguna ............................................... 47 Tabel 3.5 Indikator Variabel Manfaat Bersih ....................................................... 48 Tabel 3.6 Indikator Variabel Ekspektasi Kinerja ................................................. 48 Tabel 3.7 Indikator Variabel Ekspektasi Usaha ................................................... 49 Tabel 3.8 Indikator Variabel Pengaruh Sosial ...................................................... 50 Tabel 3.9 Indikator Variabel Kondisi Fasilitas ..................................................... 50 Tabel 3.10 Jumlah Pengguna Aplikasi MDK ....................................................... 51 Tabel 3.11 Jumlah Sampel ................................................................................... 53 Tabel 4.1 Persebaran Responden Berdasarkan Provinsi ...................................... 58 Tabel 4.2 Hasil Uji Multikolinearitas dan Singularitas ........................................ 88 Tabel 4.3 Hasil Uji Validitas ................................................................................ 90 Tabel 4.4 Uji Reliabilitas ...................................................................................... 93 Tabel 4.5 Standar Nilai Goodness of Fit .............................................................. 94 Tabel 4.6 Nilai Komponen Goodness of Fit Model Penelitian ............................ 95 Tabel 4.7 Penambahan Error Covariance ............................................................ 96 Tabel 4.8 Nilai Goodness of Fit Setelah Penambahan Error Covariance ........... 97 Tabel 4.9 Hasil Uji Hipotesis Penelitian ............................................................ 101

xi



DAFTAR GAMBAR

Gambar 2.1 Arus Pencatatan dan Pelaporan Pendataan Keluarga ......................... 9 Gambar 2.2 Model Kesuksesan Sistem Informasi ............................................... 15 Gambar 2.3 Model Kesuksesan Sistem Informasi yang telah Diperbaharui ........ 16 Gambar 2.4 Model UTAUT ................................................................................. 18 Gambar 2.5 Variabel Laten dan Manifes ............................................................. 22 Gambar 2.6 Model Penelitian Ramadhan ............................................................. 34 Gambar 2.7 Kerangka Teoritis ............................................................................. 38 Gambar 3.1 Desain Penelitian .............................................................................. 41 Gambar 4.1 Diagram Usia Responden ................................................................. 56 Gambar 4.2 Diagram Jenis Kelamin Responden .................................................. 57 Gambar 4.3 Diagram Role Responden dalam Aplikasi MDK ............................. 58 Gambar 4.4 Diagram Jenis Kelamin Responden .................................................. 60 Gambar 4.5 Diagram Latar Belakang Pendidikan ................................................ 60 Gambar 4.6 Diagram Pengalaman Menggunakan Aplikasi Komputer ................ 61 Gambar 4.7 Sebaran Data Untuk Variabel Ekspektasi Kinerja ............................ 62 Gambar 4.8 Sebaran Data Untuk Variabel Ekspektasi Usaha .............................. 64 Gambar 4.9 Sebaran Data Untuk Variabel Pengaruh Sosial ................................ 65 Gambar 4.10 Sebaran Data Untuk Variabel Kualitas Sistem ............................... 67 Gambar 4.11 Sebaran Data Untuk Variabel Kualitas Informasi .......................... 70 Gambar 4.12 Sebaran Data Untuk Variabel Kualitas Layanan ............................ 72 Gambar 4.13 Sebaran Data Untuk Variabel Kondisi Fasilitas ............................. 74 Gambar 4.14 Sebaran Data Untuk Variabel Kepuasan Pengguna ....................... 77 Gambar 4.15 Sebaran Data Untuk Variabel Manfaat Bersih ............................... 80 Gambar 4.16 Diagram Alur Model Penelitian .................................................... 82 Gambar 4.17 Uji Structural Model (Nilai T)........................................................ 99 Gambar 4.18 Uji Structural Model (Estimate) ................................................... 100

xii



BAB I PENDAHULUAN

Bab ini diawali dengan penjabaran latar belakang yang mendasari penelitian. Masalah dan pertanyaan penelitian kemudian akan dirumuskan berdasarkan latar belakang tersebut. Tujuan, manfaat, dan ruang lingkup penelitian kemudian ditentukan untuk memberi arah dan batasan dalam pelaksanaan penelitian. 1.1. Latar Belakang Sekarang ini, teknologi informasi dan komunikasi (TIK) berkembang dengan pesat. TIK tidak hanya dimanfaatkan oleh individu, tetapi juga organisasi baik swasta maupun pemerintahan. Pemanfaatan TIK dalam pemerintahan biasanya dikenal dengan electronic government (e-government). E-government merupakan cara yang dilakukan oleh pemerintah dalam menggunakan TIK yang paling inovatif untuk menyediakan akses yang lebih nyaman terhadap layanan dan informasi pemerintahan bagi penduduknya (Fang, 2002). Akses tersebut meliputi pengumpulan data, pengolahan data, pengelolaan informasi, sistem manajemen, proses kerja, dan transaksi secara elektronis. BKKBN, sebagai Lembaga Pemerintah Non Departemen, telah melaksanakan pelayanan publik melalui e-government sesuai dengan INPRES Nomor 3 Tahun 2003 tentang Kebijakan dan Strategi Nasional Pengembangan E-government meliputi pelayanan penyebarluasan data dan informasi kepada G2E, G2G, G2C, dan G2B. Dalam penyelenggaraan e-government tersebut, salah satu aplikasi yang dikelola oleh BKKBN adalah Aplikasi Pemutakhiran Data Keluarga (MDK). BKKBN telah menggunakan aplikasi MDK sejak tahun 2011 (Arfan, 2014). Aplikasi ini memiliki 2 fungsi pendataan, yaitu pencatatan (record) dan pelaporan (report). Fungsi pencatatan mencakup pengumpulan, perekaman serta pengelolaan data keluarga dan individu yang dilakukan secara digital. Fungsi pelaporan mencakup laporan dan rekapitulasi berdasarkan data atau informasi yang berasal dari data keluarga dan individu. 1



2

Negara Indonesia terdiri atas 34 provinsi yang dihuni oleh jutaan jiwa, tetapi di aplikasi MDK masih 33 provinsi. Hingga tahun 2010, Indonesia memiliki penduduk sebanyak 237.641.326 jiwa (Badan Pusat Statistik Republik Indonesia, 2012). Setiap individu memiliki sekelompok data. Aplikasi MDK memfasilitasi penggunanya untuk mencatat serta memberikan laporan dan rekapitulasi berdasarkan data-data tersebut.

1.2. Perumusan Masalah Pada dokumen Panduan Pengguna Aplikasi MDK (BKKBN, 2013) disebutkan bahwa tujuan umum aplikasi MDK adalah untuk melakukan perekaman dan pengolahan Formulir Pemutakhiran Data Keluarga menjadi Basis Data Keluarga. Formulir MDK mencatat secara lengkap data keluarga yang meliputi informasi tentang kependudukan, keluarga berencana, dan keluarga sejahtera melalui kegiatan Pendataan Keluarga/Pemutakhiran Data Keluarga di seluruh tingkatan wilayah di Indonesia. Berdasarkan penggunaan aplikasi MDK, BKKBN dapat memperoleh basis data keluarga yang memberikan gambaran secara tepat dan menyeluruh keadaan di lapangan sampai ke tingkat keluarga tentang hasil-hasil pelaksanaan program Keluarga Berencana Nasional. Hasil tersebut dapat digunakan untuk kepentingan operasional langsung di lapangan serta untuk kepentingan penetapan kebijakan, perencanaan, pengendalian dan penilaian oleh pengelola dan pelaksana di semua tingkatan. Selain tujuan umum, aplikasi MDK juga memiliki beberapa tujuan khusus (BKKBN, 2012) sebagai berikut: a. menyediakan data yang berkaitan dengan informasi demografi, seperti ukuran dan struktur penduduk b. menyediakan data yang berkaitan dengan keluarga berencana, seperti informasi Unmeet Need, jumlah Pasangan Usia Subur (PUS), Wanita Usia Subur (WUS), dan lain-lain



3

c. menyediakan data yang berkaitan dengan keluarga sejahtera, meliputi informasi tentang status tahapan keluarga sejahtera d. menyediakan data anggota keluarga, seperti nama, alamat, hubungan dengan kepala keluarga, dan jenis kelamin. Namun pada penerapannya masih terdapat permasalahan terkait aplikasi MDK. Berdasarkan hasil wawancara dengan Bapak Muhamad Arfan (2014), selaku Kepala Seksi Pengembangan Sistem Aplikasi BKKBN, dan Bapak Pembangunan Gultom (2014), selaku Staf Direktorat Teknologi Informasi dan Dokumentasi (DITTIFDOK) BKKBN yang memberikan pelayanan kepada pengguna aplikasi MDK, permasalahan yang sering muncul dalam penerapan aplikasi MDK adalah sebagai berikut: a. keluaran berupa laporan rekapitulasi tidak muncul (error) karena adanya data yang ganda Aplikasi MDK diakses oleh 34 provinsi di Indonesia. Koneksi internet di provinsi-provinsi ini berbeda-beda. Bagi wilayah dengan koneksi internet yang rendah, ketika melakukan penyimpanan data keluarga akan membutuhkan waktu lebih lama. Ketika aplikasi masih memproses penyimpanan tersebut, pengguna sering tidak yakin bahwa datanya tersimpan. Oleh karena itu, pengguna menyimpan data tersebut sekali lagi. Hal ini mengakibatkan sistem menyimpan data yang sama sebanyak dua kali (ganda). b. aplikasi tersebut sering mengalami penurunan ketika periode entry data Selain aplikasi MDK, BKKBN juga memiliki sistem lain, seperti aplikasi Keluarga Sejahtera (KS), aplikasi Statistik Rutin (SR), sistem informasi diklat (SIDIKA), dan sistem informasi kepegawaian (SIMPEG). Semua aplikasi ini berjalan di satu server yang sama. Pada periode tertentu, operator MDK dan SR di seluruh provinsi Indonesia melakukan entri data. Ketika beberapa pengguna melakukan entri pada waktu yang bersamaan, aplikasi MDK sering mengalami penurunan kinerja, seperti penyimpanan 1 data keluarga membutuhkan waktu setengah jam.



4

c. operator melakukan entry data tidak sesuai dengan Standard Operating Procedure (SOP) yang ditentukan Aplikasi MDK terdiri atas beberapa formulir yang harus diisi oleh pengguna MDK. Terdapat beberapa formulir yang bergantung kepada formulir lain, tetapi kondisi ini belum difasilitasi oleh aplikasi MDK. Oleh karena itu, kondisi tersebut dicantumkan di SOP yang harus diikuti oleh pengguna aplikasi MDK. Namun, sosialisasi SOP penggunaan MDK yang dilakukan oleh BKKBN pusat kepada pengguna aplikasi MDK provinsi masih rendah. Selain itu, pengguna aplikasi yang telah mengikuti sosialisasi masih banyak yang tidak mengindahkan SOP tersebut. d. pelayanan yang diberikan oleh staf BKKBN Pusat terkait pengaduan masalah aplikasi MDK dari pengguna provinsi masih belum optimal BKKBN Pusat memiliki staf khusus yang bertugas untuk melayani pengaduan terkait masalah aplikasi MDK. Ketika staf layanan mendapatkan pengaduan, pengaduan tersebut dicatat secara manual. Kondisi ini memungkinkan adanya pengaduan yang tidak direspon oleh staf BKKBN Pusat. Dalam merespon pengaduan tersebut, staf BKKBN membutuhkan waktu hingga 1 bulan. Permasalahan di atas mengakibatkan aplikasi MDK belum sepenuhnya menjalankan fungsinya serta mencapai tujuan-tujuannya. Menurut Abdurahmat (2003), sumber daya, sarana, dan prasarana yang tidak dapat menjalankan seluruh pekerjaannya tepat waktu disebut dengan tidak efektif. Dengan demikian dapat dikatakan bahwa aplikasi MDK juga tidak efektif dalam penerapannya di BKKBN. Oleh karena itu, berdasarkan kenyataan tersebut perlu diadakan suatu penelitian untuk mengetahui faktor-faktor yang dapat memengaruhi efektivitas aplikasi MDK. Menurut DeLone & McLean (2003), kualitas informasi, kualitas sistem, kualitas layanan, minat menggunakan, dan kepuasan pengguna merupakan faktor-faktor yang memengaruhi efektivitas suatu sistem informasi. Selain DeLone & McLean (2003), Venkatesh, et al (2003) juga merumuskan beberapa faktor yang memengaruhi efektivitas sistem informasi, seperti ekspektasi kinerja, ekspektasi usaha, pengaruh sosial, kondisi fasilitas, dan niat perilaku. Universitas Indonesia


5

1.3. Pertanyaan Penelitian Perumusan masalah menunjukkan bahwa aplikasi MDK masih belum efektif. Hal ini terbukti dengan adanya permasalahan yang muncul selama penerapan aplikasi tersebut. DeLone & McLean (2003) serta Venkatesh, et al (2003) telah merumuskan beberapa faktor yang memengaruhi efektivitas sistem informasi, tetapi semua faktor tersebut belum tentu cocok dengan aplikasi MDK. Atas dasar tersebut, dalam penelitian ini dirumuskan masalah penelitian, yaitu sebagai berikut: Faktor-faktor mana saja yang dapat memengaruhi efektivitas Aplikasi Pemutakhiran Data Keluarga (MDK)? Berangkat dari pertanyaan penelitian tersebut, pada bab ini selanjutnya akan dijabarkan tujuan, manfaat, dan ruang lingkup penelitian ini.

1.4. Tujuan Penelitian Melalui pertanyaan penelitian yang telah ditetapkan, tujuan penelitian ini adalah menentukan faktor-faktor yang dapat memengaruhi efektivitas Aplikasi Pemutakhiran Data Keluarga (MDK).

1.5. Manfaat Penelitian Penelitian ini dapat memberikan manfaat, baik dari segi teoritis bagi akademisi, maupun dari segi praktis bagi BKKBN. Berikut uraian manfaat penelitian ini bagi berbagai pemangku kepentingan: 1.5.1. Bagi Akademisi Manfaat yang diharapkan dari penelitian ini bagi akademisi adalah agar dapat memberikan kontribusi dalam melengkapi penelitian-penelitian sebelumnya yang sejenis.



6

1.5.2. Bagi BKKBN Manfaat yang diharapkan dari penelitian ini bagi BKKBN adalah memberikan tolok ukur untuk masukan penilaian penerapan aplikasi MDK dan bahan acuan untuk meningkatkan efektivitas aplikasi MDK.

1.6. Ruang Lingkup Penelitian Keterbatasan sumber daya membuat penelitian ini perlu dibatasi dengan beberapa hal. Ruang lingkup penelitian ditentukan sebagai berikut: a. Aplikasi Pemutakhiran Data Keluarga (MDK), bukan aplikasi lain yang dimiliki oleh BKKBN b. penelitian berfokus pada penentuan faktor-faktor yang memengaruhi efektivitas aplikasi MDK c. penelitian dilakukan dalam satu waktu tertentu (cross sectional).



BAB 2 TINJAUAN PUSTAKA

Bab ini berisi pembahasan tentang teori, penelitian terdahulu, dan kerangka teoritis penelitian ini. Pembahasan dalam bab ini dibagi menjadi beberapa bagian, yaitu teori-teori yang berkaitan dengan aplikasi Pemutakhiran Data Keluarga (MDK) dan model-model efektivitas sistem, seperti model DeLone dan McLean, model UTAUT, dan SEM,

serta penelitian terdahulu yang terkait

dengan penelitian ini. Pada akhir bab ini, semua teori dirangkum menjadi sebuah kerangka teoritis yang dijadikan dasar dari keseluruhan penelitian ini. 2.1. Aplikasi Pemutakhiran Data Keluarga (MDK) Sub bagian ini membahas pengertian sistem informasi serta pengertian, fitur, dan pengguna aplikasi MDK. 2.1.1. Pengertian Sistem Informasi Pengertian sistem informasi dibahas oleh banyak peneliti. Salah satunya adalah Gelinas, et al (1990) yang mengemukakan bahwa sistem informasi merupakan suatu sistem buatan manusia yang secara umum terdiri atas sekumpulan komponen berbasis komputer dan manual (prosedur kerja) yang dibuat untuk menghimpun, menyimpan, dan mengelola data serta menyediakan informasi keluaran kepada para penggunanya. Beberapa tahun kemudian, Kaidir (2002) juga menyatakan pendapatnya tentang pengertian sistem informasi. Sistem informasi merupakan kerangka kerja yang mengkoordinasikan sumber daya (manusia dan komputer) untuk mengubah masukan (input) menjadi keluaran, guna mencapai sasaran perusahaan. Berdasarkan kedua pendapat tersebut, dapat disimpulkan bahwa sistem informasi merupakan sekumpulan komponen (manusia, komputer, prosedur) yang digunakan untuk mengelola data sehingga menghasilkan informasi (keluaran), guna mencapai tujuan tertentu. Apabila pengertian ini dipetakan ke aplikasi MDK, maka dapat dikatakan bahwa aplikasi MDK merupakan suatu sistem 7



8

informasi. Aplikasi MDK digunakan oleh staf BKKBN (manusia) melalui komputer/laptop sesuai dengan prosedur yang telah ditetapkan. Aplikasi MDK mengelola data keluarga dan menghasilkan laporan sebagai keluaran.

2.1.2. Pengertian Aplikasi MDK Aplikasi MDK merupakan aplikasi yang memfasilitasi proses pencatatan dan pelaporan pendataan keluarga. Pendataan keluarga adalah pengumpulan data primer tentang data demografi, data keluarga berencana, data tahapan keluarga sejahtera, dan data anggota keluarga (BKKBN, 2012). Kegiatan ini dilakukan oleh masyarakat bersama pemerintah (Kantor BKKBN) secara serentak pada waktu yang ditentukan (bulan Juli sampai September setiap tahunnya) melalui kunjungan ke keluarga dari rumah ke rumah. Aplikasi

MDK

terbagi

2,

yaitu

aplikasi

MDK

online

(aplikasi.BKKBN.go.id/mdk) dan aplikasi MDK Offline. Aplikasi MDK Offline memfasilitasi pengguna untuk melakukan pencatatan dan pelaporan pendataan keluarga tanpa menggunakan internet. Arus pencatatan dan pelaporan pendataan keluarga terlihat pada Gambar 2.1.



9

Gambar 2.1 Arus Pencatatan dan Pelaporan Pendataan Keluarga (Sumber: BKKBN, 2012)

Berdasarkan gambar di atas, dapat diketahui bahwa arus pencatatan dan pelaporan pendataan keluarga terdiri atas beberapa tahapan, yaitu: a. Data demografi dan KB serta tahapan keluarga sejahtera, keluarga miskin, dan hampir miskin dikumpulkan pada 1 Juli sampai 30 September setiap tahunnya

menggunakan

Register

Pendataan

Keluarga

(R/I/KS/07).

R/I/KS/07 yang sudah diisi kemudian disalin dan dikirim secara berjenjang ke Unit Pengolah Data di PDPKB Kabupaten/Kota atau ke BKKBN Provinsi melalui PKB/PLKB atau petugas yang ditunjuk oleh pejabat yang Universitas Indonesia


10

berwenang, Pengendali PLKB atau petugas yang ditunjuk oleh pejabat yang berwenang, dan PDPKB Kabupaten/Kota b. Sub PPKBD mengambil data R/I/KS/07 dari RT (Rukun Tetangga) untuk dimasukkan ke dalam Rekapitulasi Pendataan Keluarga Tingkat Dusun/RW (Rek.Dus.R/I/KS/07) dan Rekapitulasi Hasil Pemutakhiran Data Keluarga Pra

Sejahtera

dan

Keluarga

Sejahtera

I

Tingkat

Dusun/RW

(Rek.Dus.R/I/Pra S- KS I/07), oleh Sub PPKBD dikirim ke PPKBD selambat-lambatnya tanggal 14 Oktober tahun yang bersangkutan c. Rekapitulasi Pendataan Keluarga Tingkat Dusun/RW (Rek.Dus.R/I/KS/07) dan Rekapitulasi Hasil Pemutakhiran Data Keluarga Pra Sejahtera dan Keluarga Sejahtera I Tingkat Dusun (Rek.Dus.R/I/Pra S- KS I/07), oleh Sub PPKBD dikirim ke PPKBD selambat-lambatnya tanggal 14 Oktober tahun yang bersangkutan d. Rekapitulasi

Pendataan

Keluarga

Tingkat

Desa/Kelurahan

(Rek.Des.R/I/KS/07) dan Rekapitulasi Hasil Pemutakhiran Data Keluarga Pra Sejahtera dan Keluarga Sejahtera I Tingkat Desa/Kelurahan (Rek.Des.R.I/Pra S- KS I/07), oleh PPKBD dikirim melalui PLKB/PKB atau petugas yang ditunjuk oleh pejabat yang berwenang selambatlambatnya tanggal 21 Oktober tahun yang bersangkutan e. Rekapitulasi

hasil

Pendataan

Keluarga

Tingkat

Kecamatan

(Rek.Kec.R/I/KS/07) dan Rekapitulasi Hasil Pemutakhiran Data Keluarga Pra

Sejahtera

dan

Keluarga

Sejahtera

I

Tingkat

Kecamatan

(Rek.Kec.R/I/Pra S-KS I/07) dikirim oleh Pengendali PLKB atau petugas yang ditunjuk oleh pejabat yang berwenang ke SKPB KB Kabupaten/Kota selambat-lambatnya tanggal 28 Oktober tahun yang bersangkutan f. Tembusan Rek.Kec.R/I/KS/07 dan Rek.Kec.R/I/Pra S- KS I/07 dikirim oleh Pengendali PLKB atau petugas yang ditunjuk oleh pejabat yang berwenang kepada Camat kepala wilayah selambat-lambatnya tanggal 28 Oktober tahun yang bersangkutan g. Rekapitulasi

hasil

Pendataan

Keluarga

Tingkat

Kabupaten/Kota

(Rek.Kab.R/I/KS/07) dan Rekapitulasi Hasil Pemutakhiran Data Keluarga Pra Sejahtera dan Keluarga Sejahtera I Tingkat Kabupaten/Kota Universitas Indonesia


11

(Rek.Kab.R/I/Pra S- KS I/07) dikirim oleh SKPD KB Kabupaten/Kota ke BKKBN Provinsi selambat-lambatnya tanggal 5 November tahun yang bersangkutan h. Tembusan Rek.Kab.R/I/KS/07 dan Rek.Kab.R/I/Pra S- KS I/07 dikirim oleh PDPKB Kabupaten/Kota kepada Bupati/Walikota, Mitra Kerja Tingkat Kabupaten/Kota dan ke BKKBN Pusat Cq. Direktorat Pelaporan dan Statistik selambat-lambatnya tanggal 5 November tahun yang bersangkutan i. Rekapitulasi

hasil

Pendataan

Keluarga

Tingkat

Provinsi

(Rek.Prov.R/I/KS/07) dan Rekapitulasi Hasil Pemutakhiran Data Keluarga Pra Sejahtera dan Keluarga Sejahtera I Tingkat Provinsi (Rek.Prov.R/I/Pra S- KS I/07) dikirim oleh BKKBN Provinsi ke BKKBN Pusat Cq. Direktorat Pelaporan dan Statistik selambat-lambatnya tanggal 12 November tahun yang bersangkutan j. Tembusan Rek.Prov.R/I/KS/07 dan Rek.Prov.R/I/Pra S- KS I/07 dikirim oleh PDPKB BKKBN Provinsi kepada Gubernur dan Mitra Kerja Tingkat Provinsi

selambat-lambatnya

tanggal

12

November

tahun

yang

bersangkutan k. Hasil pengolahan salinan R/1/KS/07 oleh Unit Pengolah Data di PDPKB Kabupaten/Kota atau BKKBN Provinsi, berupa print out R/I/KS/07 hasil pengolahan dikirim kembali secara bertahap ke SKPD KB Kabupaten/Kota, Pengendali PLKB atau Petugas yang ditunjuk oleh pejabat yang berwenang, PKB/PLKB atau Petugas yang ditunjuk oleh pejabat yang berwenang, sampai kepada Sub PPKBD/PPKBD l. Laporan umpan balik tentang hasil Pendataan Keluarga dikirim dari BKKBN Pusat, minat Direktorat Pelaporan dan Statistik ke BKKBN Provinsi selambat-lambatnya tanggal 3 Desember tahun yang bersangkutan m. Laporan umpan balik tentang hasil Pendataan Keluarga dikirim dari BKKBN Pusat, minat Direktorat Pelaporan dan Statistik ke Mitra Kerja di tingkat Pusat selambat-lambatnya tanggal 3 Desember tahun yang bersangkutan.



12

2.1.3. Fitur Aplikasi MDK terdiri atas beberapa modul (BKKBN, 2013), yaitu: a. Modul Periode Modul Periode merupakan modul yang hanya dapat diakses oleh Administrator. Modul Periode memiliki fungsi untuk pengelolaan rentang waktu pengisian atau perubahan (update) data keluarga. Pada modul ini ditampilkan tabel berisi periode beserta statusnya. Periode memiliki 3 jenis status, yaitu sudah berlalu, aktif, dan belum aktif. Modul ini memiliki tiga fitur, yaitu fitur Menambah Periode, Mengubah Periode, dan Menghapus Periode. b. Modul Indikator KS Modul Indikator KS merupakan modul yang hanya dapat diakses oleh Administrator. Modul Indikator KS berfungsi untuk mengelola variabelvariabel yang digunakan dalam menentukan status tahapan keluarga sejahtera pada sebuah keluarga. Indikator KS memiliki lima fungsi pengelolaan, yaitu Nilai Indikator, Indikator, Tingkat Kesejahteraan, Kategori Keluarga, dan Pertanyaan Fasilitas. Setiap fungsi pengelolaan memiliki fitur menambah, mengubah, dan menghapus. c. Modul Data Keluarga Modul Data Keluarga merupakan salah satu modul utama dalam aplikasi MDK. Modul Data Keluarga berfungsi untuk mengelola data keluarga, terutama data mutasi. Modul ini memiliki fitur Menambah Data Keluarga, Melihat Data Keluarga, Mengubah Data Keluarga, Menandai Data Keluarga, dan Menghapus Data Keluarga. Seorang administrator hanya memiliki akses untuk melihat dan menghapus data keluarga yang telah tersedia. Fitur menambah, melihat, dan mengubah data keluarga dapat diakses oleh operator. d. Modul R/I/KS Modul R/I/KS adalah salah satu modul utama untuk operator R/I/KS. Modul ini memiliki fitur menambah dan mengubah data R/I/KS. Operator R/I/KS hanya terdapat di 2 tingkatan wilayah, yaitu tingkat provinsi dan Universitas Indonesia


13

kabupaten. Operator R/I/KS Provinsi hanya dapat mengisi Rekapitulasi Kabupaten (Rek.Kab.R/I/KS) untuk kabupaten yang tidak memiliki Operator R/I/KS Kabupaten. Di lain sisi, Operator R/I/KS Kabupaten mengisi Rekapitulasi Kecamatan (Rek.Kec.R/I/KS) untuk kecamatankecamatan yang ada di bawahnya. e. Modul Cari Individu Modul Cari Individu berfungsi untuk melakukan pencarian terhadap individu yang telah terdaftar pada aplikasi. f. Modul Grafik MDK Modul Grafik MDK adalah halaman yang menampilkan ringkasan beberapa informasi kependudukan dalam bentuk diagram batang dan pie. Informasi yang ditampilkan berupa jumlah keluarga, jumlah individu, jumlah peserta PUS, dan peserta KB. g. Modul Peralatan Modul Peralatan berfungsi untuk melakukan sinkronisasi data keluarga, ekspor/impor master data serta pengelolaan RW/RT. Fitur-fitur yang terdapat pada aplikasi online MDK adalah Ekspor Data Keluarga, Unggah Data Keluarga, dan Ekspor Master Data. Di lain sisi, fitur yang muncul pada aplikasi offline MDK adalah Hitung Ulang Detail Keluarga, Hitung Ulang Detail Individu, Bersihkan Tabel-Tabel Precalculated, Ekspor Data Keluarga, Impor Data Keluarga, Impor Master Data, Manajemen RW, dan Manajemen RT. h. Modul Laporan Modul Laporan merupakan modul yang digunakan untuk melihat laporanlaporan yang telah dihasilkan berdasarkan data keluarga dan R/I/KS yang di-entry ke dalam aplikasi. Modul Laporan terdiri dari 6 (enam) tab, yaitu Ouput Dasar, Rekapitulasi, Kependudukan, KB, Tahapan KS, dan Profil Pendataan Keluarga. Tiap tab memiliki berbagai laporan yang mengandung informasi-informasi yang berbeda. Hak akses seorang pengguna untuk melihat laporan dibatasi, disesuaikan dengan tingkatan wilayah pengguna tersebut.



14

i. Modul About Modul About berisi informasi mengenai aplikasi MDK. Untuk mengakses halaman ini, Administrator cukup memilih modul About yang terletak di kanan atas halaman. Pada halaman About, pengguna dapat melihat informasi versi aplikasi, Batasan dan Pengertian MDK, FAQ serta dokumen Panduan Penggunaan Aplikasi MDK yang dapat diunduh oleh seluruh pengguna. Pada halaman ini, pengguna juga dapat mengunduh updater (pembaharuan) Aplikasi MDK Offline with Report dan Aplikasi MDK Offline Input Only dengan cara memilih link updater yang telah disediakan. j. Modul User dan Wilayah Modul ini berfungsi untuk mengelola pengguna dan wilayah. Modul User dan Wilayah hanya terdapat di aplikasi MDK Online dan hanya dapat diakses oleh superadmin dan admin wilayah. Modul User dan Wilayah terbagi menjadi 4 submodul, yaitu Log User, User Online, Status Wilayah, dan Wilayah Entri MDK & R/I/KS.

2.1.4. Pengguna Aplikasi MDK dapat diakses oleh empat jenis pengguna yang tersebar di 34 provinsi di Indonesia (BKKBN, 2013), yaitu: a. Administrator Administrator (admin pusat dan admin wilayah) dapat mengelola periode pengisian atau perubahan (update) data keluarga, dan indikator KS. Administrator tidak dapat menambah atau mengubah data keluarga, tetapi dapat melakukan pencarian dan penghapusan data keluarga, melakukan pencarian data individu serta melihat berbagai jenis laporan. b. Operator Fungsi utama operator adalah menambah atau mengubah data keluarga. Operator juga dapat melakukan pencarian data keluarga, pencarian data individu serta menandai data keluarga yang ingin dihapus tetapi tidak dapat menghapus data keluarga yang telah ditandai. Selain itu, operator juga dapat melihat berbagai jenis laporan. Universitas Indonesia


15

c. Operator R/I/KS Fungsi utama operator R/I/KS adalah menambah atau mengubah data R/I/KS. Selain itu, operator R/I/KS juga dapat melihat data keluarga, melihat data individu, dan melihat berbagai jenis laporan. d. Supervisor Supervisor dapat melihat data keluarga, melihat data individu, dan melihat berbagai jenis laporan. Supervisor tidak dapat melakukan penambahan atau perubahan apapun pada aplikasi.

2.2. Model DeLone dan McLean Banyak penelitian yang dilakukan untuk mengidentifikasi faktor-faktor yang memengaruhi kesuksesan sistem informasi. Salah satunya penelitian yang dilakukan oleh Shannon dan Weaver (1949). Penelitiannya menghasilkan beberapa faktor yang memengaruhi kesuksesan sistem informasi, yaitu level teknis, level semantik, dan level efektivitas. Selain itu, Mason (1978) juga merumuskan beberapa faktor berdasarkan penelitiannya berupa produksi, produk, penerimaan, pengaruh bagi penerima, dan pengaruh sistem. DeLone dan McLean (1992) berhasil menggabungkan penelitian-penelitian tersebut dan merumuskan sebuah model yang terdiri atas 6 faktor (variabel) yang memengaruhi kesuksesan sistem informasi. Keenam faktor tersebut tersaji pada gambar di bawah ini.

System Quality

Use

Individual Impact Information Quality

Organizational Impact

User Satisfaction Gambar 2.2 Model Kesuksesan Sistem Informasi (Sumber: DeLone & McLean, 1992)



16

Gambar di atas menunjukkan keterhubungan antara keenam variabel kesuksesan sistem informasi. Keenam variabel tersebut yaitu kualitas sistem (system quality), kualitas informasi (information quality), penggunaan (use), kepuasan pengguna (user satisfaction), dampak bagi individu (individual impact), dan dampak bagi organsisasi (organizational impact). Keterhubungan tersebut disusun berdasarkan model proses dan model kausal dari variabel-variabel kesuksesan sistem informasi. Model proses menggambarkan sebuah variabel A mengikuti variabel B, sedangkan model kausal menggambarkan variabel A mengakibatkan variabel B. Model DeLone dan McLean berhasil menarik perhatian dan

mencapai

kesuksesan. Hal ini terbukti bahwa hingga tahun 2003, hampir 300 artikel menjadikan model ini sebagai referensi (Delone & McLean, 2003). Selain itu, model ini juga mendapatkan beberapa kritik. Salah satunya kritik yang disampaikan oleh Seddon (1997). Seddon (1997) mengatakan bahwa proses dan penjelasan kausal tidak boleh digabungkan dalam satu model. Hal ini dapat menimbulkan kerancuan. Kritik ini pun diterima oleh DeLone dan McLean (2003). Pada tahun 2003, DeLone dan McLean memperbaharui model kesuksesan sistem informasinya seperti yang terlihat pada Gambar 2.3.

Information Quality Intention To Use

Use

System Quality

Net Benefit

User Satisfaction Service Quality

Gambar 2.3 Model Kesuksesan Sistem Informasi yang telah Diperbaharui (Sumber: DeLone & McLean, 2003)



17

Berdasarkan perbandingan Gambar 2.2 dan Gambar 2.3 diperoleh beberapa perbaharuan yang dilakukan oleh DeLone dan McLean terhadap model kesuksesan sistem informasi yang dirumuskan pada tahun 1992, yaitu sebagai berikut: a. menambahkan variabel kualitas pelayanan (service quality) sebagai tambahan kualitas selain kualitas informasi (information quality) dan kualitas sistem (system quality) b. menggabungkan variabel dampak bagi individu (individual impact) dan dampak bagi organsisasi (organizational impact) menjadi manfaat bersih (net benefit). Hal ini dilakukan karena sistem informasi dianggap tidak hanya memberikan dampak bagi individu dan organsisasi, tetapi juga bagi grup pengguna, antar organsisasi, konsumer, pemasok, sosial, dan negara (Delone & McLean, 2003) c. menambahkan variabel minat menggunakan (intention to use) sebagai alternatif variabel penggunaan (use). Minat menggunakan merupakan suatu sikap (attitude), sedangkan penggunaan (use) merupakan suatu perilaku (behavior)

2.3. Model the Unified Theory of Acceptance and Use of Technology (UTAUT) Model UTAUT dikembangkan oleh Venkatesh, et al (2003). Dasar pembentukan model ini memiliki kesamaan dengan model yang dikembangkan oleh DeLone dan McLean (2003). Model UTAUT dan model kesuksesan sistem informasi sama-sama dirumuskan dengan mengombinasikan beberapa model yang telah ada. Perbedaannya terletak pada ruang lingkupnya. Model UTAUT hanya membahas penerimaan teknologi sebagai salah satu indikator kesuksesan sistem informasi. Venkatesh, et al (2003) membandingkan delapan model, yaitu Theory of Reasoned Action (TRA), the Technology Acceptance Model (TAM), the Motivational Model (MM), the Theory of Planned Behavior (TPB), a Universitas Indonesia


18

model combining the Technology Acceptance Model and the Theory of Planned Behavior (C-TAM-TPB), the Model of PC Utilization (MPCU), the Innovation diffusion Theory (IDT), dan the Social Cogniztive Theory (SCT). Berdasarkan perbandingan tersebut, Venkatesh, et al (2003) berhasil menyusun sebuah model yang dinamakan dengan model UTAUT. Model ini terdiri atas 2 variabel, yaitu variabel utama dan variabel tambahan (moderator). Variabel utama meliputi ekspektasi kinerja (performance expectancy), ekspektasi usaha (effort expectancy), pengaruh sosial (social influence), dan kondisi fasilitas (facilitating conditions). Variabel tambahan atau moderator meliputi jenis kelamin (gender), usia (age), pengalaman (experience), dan kesukarelaan dalam menggunakan (voluntariness of use). Model UTAUT dapat dilihat pada Gambar 2.4.

Gambar 2.4 Model UTAUT (Sumber: Venkatesh, et al, 2003)

Gambar 2.4 menunjukkan pengaruh langsung dan tidak langsung antara satu variabel dengan variabel lain yang memengaruhi perilaku pengguna dalam menerima sistem informasi. Variabel-variabel tersebut terdiri atas:



19

a. Ekspektasi kinerja (performance expectancy) Ekspektasi kinerja menggambarkan tingkat kepercayaan individu bahwa penggunaan

sistem

dapat

membantunya

dalam

mencapai

tujuan

pekerjaannya. Variabel ini memiliki hubungan langsung dengan variabel niat perilaku. Hubungan antara kedua variabel tersebut dipengaruhi oleh 2 variabel moderator, yaitu usia (age) dan jenis kelamin (gender). b. Ekspektasi usaha (effort expectancy) Ekspektasi usaha menggambarkan tingkat kemudahan dalam menggunakan sistem informasi. Sama halnya dengan variabel ekspektasi kinerja, ekspektasi usaha juga memiliki hubungan langsung dengan niat perilaku. Hubungan antara kedua variabel tersebut dipengaruhi oleh 3 variabel moderator, yaitu usia (age), jenis kelamin (gender), dan pengalaman (experience). c. Pengaruh sosial (social influence) Pengaruh sosial menggambarkan sejauh mana seorang individu memandang bahwa pentingnya keberadaan orang lain dalam menggunakan sistem baru akan memengaruhi individu tersebut dalam menggunakan sistem baru tersebut. Pengaruh sosial juga berhubungan langsung dengan niat perilaku. Hubungan ini dipengaruhi oleh 4 moderator, yaitu usia (age), jenis kelamin (gender), pengalaman (experience), dan kesukarelaan dalam menggunakan (voluntariness of use). d. Kondisi fasilitas (facilitating conditions) Kondisi fasilitas menggambarkan kepercayaan individu bahwa organisasi dan infrastruktur mendukung penggunaan sistem. Variabel ini memiliki hubungan langsung dengan penggunaan teknologi (use behaviour). Hubungan ini dipengaruhi oleh 2 moderator, yaitu usia (age) dan pengalaman (experience). e. Niat perilaku (behavioral intention) Niat perilaku menggambarkan kesadaran seseorang untuk melakukan atau tidak melakukan beberapa hal.



20

f. Jenis kelamin (gender) Jenis kelamin merupakan salah satu variabel moderator karena penelitian mengenai perbedaan jenis kelamin mengindikasikan bahwa laki-laki cenderung lebih task oriented dibanding perempuan. Oleh karena itu, ekspektasi kinerja yang berfokus pada penyelesaian pekerjaan lebih menonjol pada laki-laki. Di sisi lain, wanita lebih menonjol pada ekspektasi usaha (Venkatesh, et al, 2003). g. Usia (age) Sama seperti jenis kelamin, usia juga dimasukkan sebagai variabel moderator. Usia dianggap memiliki efek pada sikap. Efek ini lebih kuat bagi pekerja yang lebih muda (Venkatesh, et al, 2003). h. Pengalaman (experience) Pengalaman juga merupakan variabel moderator. Pengaruh ekspektasi usaha dan pengaruh sosial terhadap niat perilaku akan kuat pada awal pengalaman pemakaian sistem. Begitu juga dengan pengaruh kondisi fasilitas pada pemakaian akan dipengaruhi oleh pengalaman. Jika pengalaman meningkat, pengaruh akan semakin kuat (Venkatesh, et al, 2003). i. Kesukarelaan penggunaan (voluntariness of use) Kesukarelaan penggunaan menggambarkan apakah sistem digunakan secara sukarela atau merupakan suatu keharusan. Variabel ini akan memengaruhi pengaruh sosial jika dalam keadaan mantadory pada awal pemakaian sistem (Venkatesh, et al, 2003). Model UTAUT memiliki persamaan dengan model DeLone dan McLean (2003). Persamaan tersebut terletak pada proses penyusunannya, yaitu sama-sama dibentuk dari penggabungan beberapa model. Di sisi lain, kedua model ini juga memiliki perbedaan dari segi cakupannya. Model DeLone dan McLean (2003) berfokus pada kepuasan pengguna terkait dengan teknologi (seperti: kualitas sistem, kualitas informasi, dan kualitas pelayanan), sedangkan model UTAUT lebih berfokus pada individu (seperti: ekspektasi kinerja, ekspektasi usaha, dan pengaruh sosial) dan organisasi yang menggunakan teknologi (seperti: kondisi fasilitas). Universitas Indonesia


21

2.4. Structural Equation Model (SEM) Structural equation model (SEM), juga dikenal dengan simultaneous equation model, merupakan model regresi dengan banyak variabel (Hooper, et al, 2008). SEM digunakan untuk menguji hubungan antara variabel-variabel manifes dan laten, ataupun hubungan antara dua atau lebih variabel laten. Pada tahun 2011, Sontoso memperkuat pendapat Hooper, el al (2008) dengan mengatakan bahwa SEM merupakan teknik statistik dengan banyak variabel yang menggabungkan analisis faktor dan analisis regresi, yang bertujuan untuk menguji hubungan antar variabel yang terdapat pada sebuah model, baik antar indikator dengan variabel, atau antar variabel. Berdasarkan definisi yang disampaikan oleh Hooper, et al (2008) dan Santoso (2011) disimpulkan bahwa SEM melibatkan dua jenis variabel, yaitu: a. Variabel laten Variabel laten merupakan variabel yang tidak dapat diukur secara langsung. Untuk mengukurnya dibutuhkan model-model yang mengekspresikan variabel-variabel laten sebagai variabel manifes. Dalam SEM, semua variabel laten merupakan variabel kontinu dan secara teori memiliki jumlah nilai yang tidak terbatas (Ghozali, 2007). Variabel laten terbagi menjadi 2, yaitu variabel laten eksogen dan variabel laten endogen (Wijanto, 2008). Variabel laten eksogen adalah sebuah variabel bebas yang tidak dipengaruhi oleh variabel mana pun, tetapi variabel laten ini memengaruhi variabel laten lainnya yang disebut sebagai variabel laten endogen. Variabel endogen merupakan variabel yang bergantung terhadap variabel eksogen. Pada model SEM, dimungkinkan adanya variabel laten yang bersifat eksogen dan endogen pada saat waktu yang sama (Santoso, 2012). b. Variabel manifes Variabel manifes merupakan variabel yang digunakan untuk mengukur variabel laten, dan sering disebut sebagai indikator (Ghozali, 2007). Berikut gambaran hubungan variabel laten dan manifes dapat dilihat pada Gambar 2.5.



22

Manifes

Manifes

Manifes

Laten

Gambar 2.5 Variabel Laten dan Manifes Sumber: (Santoso, 2012)

SEM merupakan sebuah alat untuk menguji model penelitian menggunakan statistik (Santoso, 2012). Model penelitian ini dibuat berdasarkan teori. Setelah model tersebut dibangun, dilakukan beberapa uji asumsi apakah model tersebut memenuhi kriteria untuk dapat diolah menggunakan SEM. Kriteria tersebut terdiri atas: a. Ukuran sampel Menurut Lei & Wu (2007), dalam menggunakan model SEM dibutuhkan sampel minimal 200 atau 5-20 kali dari jumlah parameter yang diperkirakan. b. Normalitas Uji normalitas digunakan untuk mengetahui apakah populasi data berdistribusi normal atau tidak. Menurut Santoso (2012), penelitian yang menggunakan SEM biasanya menggunakan tingkat signifikansi untuk normalitas data sebesar 1% dan angka z ± 2,58. Jika critical ratio skewness dan critical ratio curtosis berada dalam rentang antara – 2,58 hingga + 2,58, data dikatakan terdistribusi normal. c. Pencilan (outlier) Pencilan adalah data yang memiliki perbedaan yang jauh dengan data lainnya. Menurut Santoso (2012), pada AMOS sebuah data dikatakan pencilan jika memiliki nilai p1 dan p2 yang kurang dari 0,001. d. Multikolinearitas dan singularitas Multikolinearitas dan singularitas dilakukan untuk menjamin tidak ada hubungan korelasi antara variabel independen. Salah satu metode pengujian yang dapat digunakan adalah dengan melihat nilai inflation factor (VIF) pada model regresi. Jika VIF lebih besar dari 10, maka variabel tersebut Universitas Indonesia


23

mempunyai persoalan multikolinearitas dengan variabel bebas lainnya (Hong & Cho, 2011). Setelah uji asumsi, model harus diidentifikasi. Identifikasi model ini menggunakan nilai degree of freedom (df). Menurut Santoso (2012), nilai df dihitung menggunakan rumus berikut: df = ½ [(p).(p + 1)] – k p = jumlah variabel manifes pada sebuah model k = jumlah parameter yang akan diestimasi Jika nilai df adalah 0, model akan dinamakan just identified, estimasi dan penilaian model tidak perlu dilakukan. Jika nilai df kurang dari 0, model dinamakan underidentified, estimasi dan penilaian model juga tidak perlu dilakukan. Jika nilai df lebih dari 0, model dinamakan over-identified, kondisi ini yang membuat model perlu diestimasi dan dinilai (Santoso, 2012). Setelah model bisa diidentifikasi (df > 0) maka akan dilakukan pengujian measurement model dan structural model. Dari pengujian measurement model akan didapatkan hubungan antara variabel (laten) dan indikatornya (manifes), sedangkan dari pengujian structural model akan didapatkan hubungan dari variabel (eksogen) dengan variabel lainnya (endogen) (Santoso, 2012). Untuk menjalankan SEM dibutuhkan aplikasi tertentu, seperti Amos dan LISREL (Lei & Wu, 2007). Menurut Sarwono (2008), SEM memiliki beberapa model, yaitu: a. Model sebab akibat (causal modeling) atau juga dikenal dengan analisis jalur (path analysis). Model ini menyusun hipotesis sebab akibat (causal relationship) antara variabel-variabel dan menguji model tersebut menggunakan sistem persamaan linear. Model sebab akibat dapat mencakup variabel-variabel manifest (indikator), variabel latent atau keduanya.



24

b. Analisis faktor penegasan (confirmatory factor analysis), merupakan suatu teknik kelanjutan dari analisis faktor. Pada model ini dilakukan pengujian terhadap hipotesis-hipotesis struktur factor loading dan interkorelasinya. c. Analisis faktor urutan kedua (second order factor analysis), merupakan variasi dari teknik faktor. Pada model ini, dilakukan analisis terhadap faktor-faktornya dengan memperhatikan matriks korelasi dari faktor-faktor tertentu (common factors) untuk membuat faktor urutan kedua. d. Model regresi (regression models), merupakan teknik lanjutan dari analisis regresi linear yang memberikan batasan terhadap bobot regresi agar menjadi satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai numeriknya. e. Model struktur kovarian (covariance structure models), merupakan model yang merumuskan hipotesis bahwa matrix covariance memiliki bentuk tertentu. f. Model struktur korelasi (correlation structure models), merupakan model yang merumuskan hipotesis bahwa matriks korelasi memiliki bentuk tertentu. Berdasarkan model SEM yang disampaikan oleh Sarwono (2012), penelitian ini dapat dikategorikan sebagai analisis faktor penegasan (confirmatory factor analysis). Hal tersebut terlihat dari tujuan penelitian untuk mengidentifikasi faktor-faktor yang memengaruhi efektivitas aplikasi MDK. Faktor-faktor ini dirumuskan berdasarkan pengujian terhadap hipotesis struktur factor loading dan interkorelasinya.

2.5. Skala Likert Menurut Ghozali (2007) yang didapat dari penelitian Edward dan Kenney (1946), skor yang dihasilkan oleh skala likert ternyata berkorelasi sebesar 92% jika dibandingkan dengan pertanyaan yang diukur menggunakan skala thurstone. Jadi dapat disimpulkan bahwa skala likert dapat dianggap kontinu atau interval. Banyak peneliti yang menerjemahkan skala ordinal menjadi skala interval dengan metode successive interval (MSI). Skor hasil perhitungan level ternyata Universitas Indonesia


25

mempunyai urutan yang sama dengan skor likert. Oleh karena tidak adanya perbedaan urutan, skala likert dapat dianggap berskala interval.

2.6. Penelitian-Penelitian Sebelumnya Sebelum penelitian ini, terdapat beberapa penelitian serupa yang telah dilakukan, seperti penelitian yang dilakukan oleh Hakim (2011), Kamalia (2012), Septikasari (2012), Ambarita (2014), dan Ramadhan (2014). 2.6.1. Analisis Model Penerimaan Pengguna Dengan Model UTAUT: Studi Kasus e-SPT dan e-FILING (Hakim, 2011) Penelitian ini dilakukan oleh Hakim (2011) untuk mengidentifikasi faktor-faktor yang memengaruhi penerimaan pengguna terhadap sistem e-SPT dan e-FILING. e-SPT dan e-FILING merupakan digitalisasi dan otomatisasi proses bisnis dalam kegiatan pelayanan pelaporan pajak dari wajib pajak. Hakim (2011) menggunakan kuesioner untuk mengumpulkan data dan berhasil mendapatkan 235 wajib pajak sebagai responden. Kuesioner tersebut disusun berdasarkan model UTAUT dan dianalisis mengikuti model SEM. Berdasarkan penelitiannya, Hakim (2011) menyimpulkan bahwa pada variabel jenis kelamin, pengaruh niat perilaku, dan pengaruh sosial terhadap niat perilaku serta pengaruh niat perilaku terhadap penggunaan lebih kuat pada pria dibanding wanita. Di lain sisi, pengaruh ekspektasi usaha terhadap niat perilaku dan kondisi fasilitas terhadap penggunaan lebih kuat pada wanita daripada pria. Namun pada variabel tingkat umur dapat diketahui bahwa pengaruh faktor penerimaan pengguna secara keseluruhan lebih kuat pada responden berusia 25-35 tahun dibanding responden yang berusia kurang dari 25. Penelitian Hakim (2011) memiliki tujuan yang sama dengan penelitian yang dilakukan, yaitu mengidentifikasi faktor-faktor yang memengaruhi penerimaan (efektivitas) sistem informasi di organisasi pemerintahan. Selain persamaan, penelitian Hakim (2011) juga memiliki beberapa perbedaan dengan penelitian yang dilakukan, seperti: Universitas Indonesia


26

a. meskipun cakupan penelitian Hakim (2011) dan penelitian yang dilakukan sama-sama Indonesia, tetapi jumlah pengguna e-SPT dan e-FILING jauh lebih banyak dibanding pengguna MDK b. penelitian Hakim (2011) menggunakan model UTAUT yang lebih berfokus kepada individu (pengguna sistem) dan organisasi, sedangkan penelitian yang dilakukan tidak hanya berfokus pada individu dan organsisasi, tetapi juga teknologi (kualitas sistem, kualitas informasi, dan kualitas layanan).

2.6.2. Analisis Faktor-Faktor yang Mempengaruhi Efektivitas Sistem Pelaporan Transaksi Keuangan Mencurigakan: Studi Kasus Pusat Pelaporan dan Analisis Transaksi Keuangan (Kamalia, 2012) Penelitian yang dilakukan oleh Kamalia (2012) bertujuan untuk mengkaji implementasi Sistem Pelaporan Transaksi Keuangan Mencurigakan (GRIPS) di Kasus Pusat Pelaporan dan Analisis Transaksi Keuangan (PPATK) sehingga berhasil atau sukses dan mempunyai manfaat bagi kinerja individu dan PPATK. Di samping itu, Kamalia (2012) juga mengidentifikasi faktor-faktor yang paling berpengaruh terhadap efektivitas aplikasi GRIPS. Berbeda dengan penelitian Hakim

(2011),

penelitian Kamalia

(2012)

menggunakan lima variabel yang terdapat pada model DeLone dan McLean (2003), yaitu kualitas sistem, kualitas informasi, kualitas pelayanan, kepuasan pemakai, dan manfaat-manfaat bersih. Variabel minat menggunakan dan penggunaan tidak digunakan karena sifat penggunaan dari aplikasi GRIPS bersifat wajib, setiap user baik internal maupun eksternal PPATK pasti akan menggunakan aplikasi ini. Berdasarkan kelima variabel tersebut, Kamalia (2012) menyusun beberapa hipotesis berikut ini: a. Kualitas sistem GRIPS memengaruhi secara positif ke kepuasan pemakai GRIPS b. Kualitas informasi GRIPS memengaruhi secara positif ke kepuasan pemakai GRIPS



27

c. Kualitas pelayanan GRIPS memengaruhi secara positif ke kepuasan pemakai GRIPS d. Kepuasan pemakai GRIPS memengaruhi secara positif ke manfaat-manfaat bersih GRIPS. Indikator yang digunakan terhadap masing-masing variabel tersebut adalah sebagai berikut: Tabel 2.1 Indikator dari Variabel Penelitian Kamalia (2012)

Variabel Kualitas Informasi

Indikator Keakuratan informasi Tepat waktu Relevansi Kelengkapan informasi Kepahaman Kekinian Keringkasan Penyajian Frekuensi Aman

Kualitas Sistem

Fungsionalitas Performa Kesesuaian dengan spesifikasi Daya tahan Ketahanan dari kerusakan Efisiensi Kecepatan akses Kemudahan dalam mengakses

Kualitas Pelayanan

Keandalan Universitas Indonesia


28

Variabel

Indikator Responsif Jaminan Empati

Kepuasan Pemakai

Kunjungan kembali Efisiensi Keefektifan Kebanggaan menggunakan sistem

Manfaat Bersih

Penghematan biaya Penambahan user Kecepatan melakukan pekerjaan Bantuan pada pekerjaan Produktivitas

(Sumber: Kamalia, 2012, telah diolah kembali)

Kamalia (2012) menggunakan kuesioner untuk mengumpulkan data yang dibutuhkan pada penelitiannya. Kuesioner tersebut disusun berdasarkan indikator-indikator pada Tabel 2.1. Jumlah sampel yang digunakan adalah 150 dari 5.188 user dan pengambilan sampel ini dilakukan secara acak. Hasil kuesioner dianalisis menggunakan 2 teknik, yaitu factor analysis dan regression weight pada SEM, dengan bantuan AMOS. Berdasarkan analisis tersebut, Kamalia (2012) menyimpulkan bahwa kualitas sistem, kualitas informasi, kualitas layanan, dan kepuasan pengguna merupakan faktor-faktor yang mempengaruhi efektivitas aplikasi GRIPS. Penelitian Kamalia (2012) memiliki beberapa persamaan dengan penelitian yang dilakukan, yaitu sebagai berikut: a. sama-sama mengidentifikasi faktor-faktor yang memengaruhi efektivitas sistem informasi di suatu organsisasi pemerintahan



29

b. jika dilihat dari perbandingan jumlah pengguna sistem, ruang lingkup GRIPS hampir sama dengan aplikasi MDK. Selain memiliki persamaan, penelitian Kamalia (2012) juga memiliki perbedaan dengan penelitian yang akan dilakukan. Penelitian Kamalia (2012) menggunakan model DeLone dan McLean (2003) yang hanya berfokus pada kepuasan pengguna terkait dengan teknologi, seperti kualitas informasi, kualitas sistem, dan kualitas pelayanan. Di lain sisi, penelitian yang akan dilakukan tidak hanya berfokus pada kepuasan pengguna terkait teknologi, tetapi juga organisasi dan pengguna teknologi itu sendiri.

2.6.3. Faktor-Faktor yang Mempengaruhi Kesuksesan Implementasi Sistem Informasi Pada Lembaga Pemerintah Non Kementeran (LPNK): Studi Kasus Sistem Perencanaan dan Evaluasi (SERASI) Anggaran dan Kegiatan BAPETEN (Septikasari, 2012) Penelitian yang dilakukan oleh Septikasari (2012) ini mengidentifikasi faktorfaktor yang memengaruhi kesuksesan implementasi SERASI di BAPETEN. Septikasari (2012) menggabungkan model DeLone dan McLean (2003) dan model yang digunakan oleh Sayed Muhammadbagher (2011). Berdasarkan penggabungan tersebut, Septikasari (2012) mendapatkan 6 variabel, yaitu kualitas informasi, kualitas sistem, kualitas layanan, kepuasan pengguna, manfaatmanfaat bersih, dan kepercayaan. Berikut merupakan indikator untuk keenam variabel tersebut. Tabel 2.2 Indikator dari Variabel Penelitian Septikasari (2012)

Variabel Kualitas Informasi

Indikator Akurat Kelengkapan Tepat waktu Relevan



30

Variabel

Indikator Format Mudah dimengerti

Kualitas Sistem

Mudah digunakan Presentasi Fungsi Adaptasi Ketersediaan Ketahanan Waktu respon

Kualitas Layanan

Tangibles Keandalan Responsif Jaminan Empati

Kepercayaan

Informasi Akses informasi Kebijakan Keamanan

Kepuasan Pengguna

Kebanggaan sistem

menggunakan

Kepuasan pelayanan Keinginan untuk menggunakan kembali Manfaat Bersih

Penghematan biaya Penghematan waktu Membantu pekerjaan Efektivitas

pengambilan Universitas Indonesia


31

Variabel

Indikator keputusan Produktivitas pegawai

(Sumber: Septikasari, 2012, telah diolah kembali)

Berdasarkan variabel-variabel di atas, Septikasari (2012) merumuskan lima hipotesis yang diuji dalam penelitiannya, yaitu: a. Kualitas informasi berpengaruh terhadap kepuasan pengguna b. Kualitas sistem berpengaruh terhadap kepuasan pengguna c. Kualitas layanan berpengaruh terhadap kepuasan pengguna d. Kepercayaan berpengaruh terhadap kepuasan pengguna e. Kepuasan pengguna berpengaruh terhadap manfaat-manfaat bersih Untuk menguji hipotesis-hipotesis tersebut, Septikasari (2012) mengumpulkan data menggunakan kuesioner. Kuesioner disebarkan kepada 116 orang sampel dari total 151 orang dan pengambilan sampel dilakukan secara acak. Namun berdasarkan proses normalisasi hanya 113 data kuesioner yang dianggap valid dan terdistribusi normal. Data hasil kuesioner ini dianalisis menggunakan Structural Equation Modeling (SEM) dengan bantuan software Analysis of Moment Structres (AMOS). Berdasarkan analisis tersebut, Septikasari (2012) menyimpulkan bahwa kualitas sistem, kualitas informasi, kepercayaan, dan kepuasan pengguna merupakan faktor-faktor yang mempengaruhi kesuksesan implementasi SERASI. Dari tinjauan ini, terdapat perbedaan antara penelitian Septikasari (2012) dengan penelitian yang dilakukan ini, yaitu: a. SERASI memiliki ruang lingkup yang lebih kecil dibanding aplikasi MDK, jika dilihat dari jumlah penggunanya. Total pengguna aplikasi MDK adalah sebanyak 431, sedangkan pengguna SERASI hanya 151. b. SERASI memiliki beberapa data yang memiliki tingkat kerahasiaan tinggi, sehingga setiap pengguna memiliki kekhawatiran terhadap keamanan dan akses informasi tersebut. Oleh karena itu, pada penelitiannya Septikasari Universitas Indonesia


32

(2012) menambahkan variabel kepercayaan pengguna. Berbeda dengan SERASI, aplikasi MDK mencatat data kependudukan yang memiliki tingkat kerahasiaan rendah. Hal ini mengakibatkan tidak dibutuhkannya variabel kepercayaan pada penelitian ini. Selain perbedaan, penelitian Septikasari (2012) memiliki persamaan dengan penelitian yang dilakukan, yaitu sama-sama mengidentifikasi faktor-faktor yang memengaruhi kesuksesan implementasi suatu sistem informasi. Faktor-faktor tersebut dilihat dari berbagai sudut pandang, seperti sistem itu sendiri dan penggunanya.

2.6.4. Analisis Faktor-Faktor Penerimaan Surat Eleltronik TNI AD Menggunakan Unifield Theory of Acceptance Use of Technology (UTAUT) dan Task Technology Fit (TTF): Studi Kasus E-Militer di TNI AD (Ambarita, 2014) Penelitian Ambarita (2014) bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi personel Satminkal di lingkungan TNI AD untuk menggunakan sistem e-militer. Ambarita (2014) menyusun kerangka penelitian dengan menggabungkan model UTAUT dan TTF, karena penggunaan teknologi di lingkungan TNI AD tidak hanya berdasarkan perintah atau komando. Pemilihan atau penggunaan teknologi khususnya di bidang administrasi sebagian besar didasarkan atas kemampuan personel TNI AD mengadopsi teknologi tersebut untuk kebutuhan organsisasi. Kerangka penelitian tersebut dijadikan acuan bagi Ambarita (2014) untuk menyusun kuesioner. Ambarita (2014) berhasil mengumpulkan data dari 236 responden. Responden ini dapat dikelompokkan berdasarkan usia (21 responden berusia ≤ 25 tahun, 64 responden berusia 26-35 tahun, 81 responden berusia 3645 tahun, 70 responden berusia > 45 tahun), jenis kelamin (161 responden lakilaki,

75

responden

berpendidikan

SMA,

perempuan), 30

pendidikan

responden

terakhir

berpendidikan

D3,

(154

responden

42

responden

berpendidikan S1, 10 responden berpendidikan S2), pangkat (125 responden Universitas Indonesia


33

berpangkat Ba/Ta/Go.II, 111 responden berpangkat Pa/Gol.III/IV), dan lama bekerja (34 responden telah bekerja selama ≤ 5 tahun, 33 responden telah bekerja selama 6-10 tahun, 38 responden telah bekerja selama 11-25 tahun, 46 responden telah bekerja selama 16-20 tahun, 85 responden telah bekerja selama > 20 tahun). Data kuesioner yang berhasil dikumpulkan oleh Ambarita diolah dan dianalisis. Hasil analisis menunjukkan bahwa ekspektasi usaha, kondisi fasilitas, niat perilaku merupakan faktor-faktor UTAUT yang memengaruhi penerimaan emiliter. Penelitian Ambarita (2014) memiliki persamaan dengan penelitian yang dilakukan. Hal ini terletak pada tujuan penelitian, yaitu mengidentifikasi faktorfaktor yang memengaruhi penggunaan (efektivitas) sistem informasi di suatu organisasi pemerintahan. Di samping persamaan, penelitian Ambarita (2014) juga memiliki beberapa perbedaan dengan penelitian yang dilakukan, seperti: a. penelitian Ambarita (2014) menggunakan model UTAUT dan TTF yang tidak berfokus pada teknologi (kualitas sistem, kualitas informasi, dan kualitas layanan), sedangkan salah satu fokus penelitian yang dilakukan adalah teknologi (kualitas sistem, kualitas informasi, dan kualitas layanan) b. Ambarita (2014) menggunakan model TTF karena pada TNI AD pemilihan atau penggunaan teknologi tidak hanya berdasarkan perintah, tetapi juga kemampuan personel TNI AD mengadopsi teknologi tersebut untuk kebutuhan organsisasi. Berbeda dengan TNI AD, BKKBN kurang memperhatikan kemampuan pengguna ketika pemilihan teknologi (Gultom, 2014).

2.6.5. Analisis Faktor-Faktor yang Mempengaruhi Efektivitas Sistem Informasi Manajemen dan Akuntansi Barang Milik Negara (SIMAKBMN): Studi Kasus Kementerian Pekerjaan Umum (Ramadhan, 2014) Penelitian yang dilakukan oleh Ramadhan (2014) bertujuan untuk mengetahui faktor-faktor yang memengaruhi efektivitas penerapan Sistem Informasi Universitas Indonesia


34

Manajemen dan Akuntansi Barang Milik Negara (SIMAK-BMN) untuk kepentingan pengembangan selanjutnya. Ramadhan (2014) menyusun suatu model penelitian dengan menggabungkan model UTAUT dan model DeLone dan McLean (2003). Berikut merupakan model penelitiannya.

Performance Expectancy

Effort Expectancy

Social Influence

User Satisfaction

Net Benefits

System Quality

Information Quality

Service Quality

Facilitating Conditions

Gambar 2.6 Model Penelitian Ramadhan (Sumber: Ramadhan, 2014)

Berdasarkan model penelitian pada Gambar 2.6, Ramadhan (2014) merumuskan 8 hipotesis, yaitu: a. Performance expectancy berpengaruh positif terhadap user satisfaction b. Effort expectancy berpengaruh positif terhadap user satisfaction c. Social influence berpengaruh positif terhadap user satisfaction Universitas Indonesia


35

d. System quality berpengaruh positif terhadap user satisfaction e. Information quality berpengaruh positif terhadap user satisfaction f. Service quality berpengaruh positif terhadap user satisfaction g. Facilitating conditions berpengaruh positif terhadap user satisfaction h. Use satisfaction berpengaruh positif terhadap net benefits Berikut merupakan indikator untuk setiap variabel yang digunakan oleh Ramadhan (2014): Tabel 2.3 Indikator dari Variabel Penelitian Ramadhan (2014)

Variabel System quality

Indikator Flexibility of system Integration of system Response time Reliability Ease of use Ease of learning Functionality Efficiency

Information quality

Accuracy Relevance Completeness Performance Understandability Format Security

Service quality

Tangibles Reliability Responsiveness



36

Variabel

Indikator Assurance Empathy

User satisfaction

Software satisfaction Enjoyment Degree of training Job effects Feeling of participation Understanding of system Error recovery

Net benefit

Produktivitas Manajerial Job performance Usefulness in work

Performance expectancy

Perceived usefulness Job-fit Relative advantage

Effort expectancy

Perceived ease of use Complexity

Social Influence

Subjective norm Social factor Image

Facilitating conditions

Perceived behavioral control Facilitating conditions Compatibility

(Sumber: Ramadhan, 2014, telah diolah kembali)



37

Indikator-indikator tersebut diubah menjadi butir-butir kuesioner. Hasil kuesioner diolah menggunakan PLS-SEM, karena jumlah populasi dan sampel penelitian Ramadhan (2014) kecil, tidak mencapai 200 responden. Ramadhan (2014) mengelompokkan respondennya menjadi 4 kategori, yaitu usia (76 responden berusia 21-30 tahun, 78 responden berusia 31-40 tahun, 74 responden berusia di atas 40 tahun), jenis kelamin (139 responden laki-laki, 52 responden perempuan), tingkat pendidikan (41 responden berpendidikan SLTA/sederajat, 12 responden berpendidikan D1 s.d. D3, 148 responden berpendidikan > D3), dan pengalaman (39 responden dengan pengalaman < 2 tahun, 84 responden dengan pengalaman 2 s.d. 5 tahun, 78 responden dengan pengalaman > 5 tahun). Berdasarkan hasil analisis, Ramadhan (2014) memperoleh bahwa ekspektasi usaha, kualitas layanan, kondisi fasilitas, kepuasan pengguna merupakan faktorfaktor yang memengaruhi efektivitas penggunaan SIMAK-BMN. Berdasarkan penjabaran di atas terlihat bahwa penelitian Ramadhan (2014) merupakan penelitian yang mencakup 3 aspek, yaitu individu, organisasi, dan teknologi. Hal ini berbeda dengan penelitian-penelitian sebelumnya yang hanya mencakup aspek teknologi saja atau individu dan organsisasi saja. Namun penelitian Ramadhan (2014) memiliki populasi dan sampel yang kecil dibanding penelitian yang dilakukan.

2.7. Kerangka Teoritis Dari berbagai topik yang telah dibahas, dirancang kerangka teoritis penelitian seperti diagram pemikiran sistem berikut.



38

Performance Expectancy

Effort Expectancy

Social Influennce

User Satisfaction

Net Benefits

System Quality

Information Quality

Service Quality

Facilitating Conditions

Gambar 2.7 Kerangka Teoritis

Gambar 2.7 memberikan gambaran kerangka teoritis yang dirancang berdasarkan tinjauan pustaka untuk pertanyaan penelitian yang dikaji dengan menggunakan teori-teori yang ada. Variabel di sisi kiri melambangkan independent variable (dikenal sebagai exogenous variable pada diagram jalur), sedangkan di sisi tengah dan kanan melambangkan dependent variable (dikenal sebagai endogenous variable pada diagram jalur). Tanda panah di bagian tengah melambangkan hubungan korelasi apakah variabel independen memengaruhi variabel dependen. Model penelitian ini mengacu pada model penelitian Ramadhan (2014) yang menggabungkan model UTAUT dan model DeLone dan McLean (2003). Universitas Indonesia


39

Variabel-variabel eksogen dibagi menjadi 3 kelompok, yaitu individual factors, technological context, dan organizational context. Technological context terdiri atas variabel-variabel yang berasal dari model DeLone dan McLean (2003), sedangkan individual factors dan organizational context terdiri atas variabelvariabel yang berasal dari model UTAUT. Pada model kesuksesan sistem informasi (DeLone & McLean, 2003) terdapat tujuh variabel, tetapi pada penelitian ini hanya digunakan lima variabel, yaitu variabel kualitas informasi (information quality), kualitas sistem (system quality), kualitas layanan (service quality), kepuasan pengguna (user satisfaction), dan manfaat bersih (net benefit). Variabel minat menggunakan (intention to use) dan penggunaan (use) tidak dimasukkan ke dalam model penelitian ini. Hal ini disebabkan karena untuk sistem informasi yang bersifat wajib (mandatory) tingkat penggunaan (use) memberikan sedikit informasi tentang keberhasilan sistem, sehingga dapat dihilangkan dari model (Gable, et al, 2003 dan Seddon & Kiew, 1996). Aplikasi MDK merupakan aplikasi wajib yang harus digunakan oleh semua staf BKKN yang terlibat dalam proses pencatatan dan pelaporan data keluarga, baik BKKBN pusat maupun BKKBN provinsi, sehingga variabel minat menggunakan dan penggunaan tidak dimasukkan dalam model penelitian ini. Detil pemilihan indikator variabel berdasarkan masing-masing teori akan dibahas pada sub bab Variabel Penelitian pada bab Metodologi Penelitian. Dari kerangka teoritis di atas, maka didapatkan hipotesis: H01:

Ekspektasi kinerja tidak berpengaruh terhadap kepuasan pengguna

H02:

Ekspektasi usaha tidak berpengaruh terhadap kepuasan pengguna

H03:

Pengaruh sosial tidak berpengaruh terhadap kepuasan pengguna

H04:

Kualitas sistem tidak berpengaruh terhadap kepuasan pengguna

H05:

Kualitas informasi tidak berpengaruh terhadap kepuasan pengguna

H06: Kualitas pelayanan tidak berpengaruh terhadap kepuasan pengguna H07: Kondisi fasilitas tidak berpengaruh terhadap kepuasan pengguna Universitas Indonesia


40

H08: Kepuasan pengguna tidak berpengaruh terhadap manfaat bersih HA1: Ekspektasi kinerja berpengaruh terhadap kepuasan pengguna HA2: Ekspektasi usaha berpengaruh terhadap kepuasan pengguna HA3: Pengaruh sosial berpengaruh terhadap kepuasan pengguna HA4: Kualitas sistem berpengaruh terhadap kepuasan pengguna HA5: Kualitas informasi berpengaruh terhadap kepuasan pengguna HA6: Kualitas pelayanan berpengaruh terhadap kepuasan pengguna HA7: Kondisi fasilitas berpengaruh terhadap kepuasan pengguna HA8: Kepuasan pengguna berpengaruh terhadap manfaat bersih



BAB 3 METODOLOGI PENELITIAN

Bab ini membahas desain dan metode yang digunakan dalam penelitian. Penelitian didesain menjadi beberapa langkah yang saling terkait dan digambarkan dalam suatu diagram alir. Desain tersebut kemudian dijabarkan dalam metode pengumpulan dan analisis data. 3.1. Desain Penelitian Penelitian ini merupakan penelitian kuantitatif deskriptif dengan langkah penelitian yang dirancang sebagaimana diagram di bawah:

Pengumpulan data awal

Pendefinisian pertanyaan penelitian

Pelaksanaan tinjauan pustaka

Perumusan kerangka teoritis

Perumusan kuesioner

Uji keterbacaan

Penyebaran kuesioner

Evaluasi dan pemrosesan data

Analisis hasil proses data uji hipotesis

Penarikan kesimpulan dan saran

Gambar 3.1 Desain Penelitian

Gambar 3.1 menggambarkan alur penelitian. Berikut penjabaran tahapan penelitian yang dilakukan: a. Pengumpulan data awal dilakukan untuk mencari pembuktian adanya masalah. Proses ini diawali dengan mempelajari aplikasi MDK dan masalah-masalah yang sering muncul ketika menggunakan aplikasi MDK. Data awal didapatkan dari wawancara dengan pihak BKKBN dan dokumen-dokumen terkait aplikasi MDK. Hasil tahapan ini merupakan kenyataan yang dijabarkan pada sub bab “Latar Belakang” dan “Perumusan Masalah” dalam bab “Pendahuluan”. b. Pendefinisian pertanyaan penelitian dilakukan berdasarkan data dari tahapan sebelumnya. Keluaran proses ini berupa pertanyaan penelitian, tujuan, manfaat, dan ruang lingkup penelitian yang dijabarkan pada bab “Pendahuluan”. 41



42

c. Pelaksanaan tinjauan pustaka dilakukan berdasarkan pertanyaan penelitian, yang kemudian dijadikan acuan dalam mencari teori, metodologi, serta penelitian sebelumnya yang relevan dengan topik yang dibahas. Keseluruhan tinjauan pustaka tersebut selanjutnya dirangkum untuk membentuk sebuah kerangka teoritis yang mendasari penelitian ini. Berdasarkan kerangka teoritis ini dirumuskan beberapa hipotesis penelitian. Hasil tahapan ini dijabarkan dalam bab “Tinjauan Pustaka”. d. Kerangka teoritis dirumuskan berdasarkan beberapa penelitian sebelumnya dan teori-teori yang relevan dengan penelitian yang dilakukan. Kerangka teoritis penelitian ini terdiri atas beberapa variabel yang merupakan gabungan model DeLone & McLean dan model UTAUT. e. Kerangka

teoritis

berisikan

sembilan

variabel

penelitian.

Setelah

mendapatkan sembilan variabel penelitian, penulis mencari indikator yang dapat mewakili masing-masing variabel. Indikator-indikator ini kemudian diubah ke dalam bentuk butir pertanyaan. f. Kuesioner kemudian dibuat dan disebarkan ke sejumlah responden pengguna aplikasi MDK dalam kurun waktu terbatas. Hal ini bertujuan untuk menguji keterbacaan butir-butir pertanyaan di kuesioner. Penulis melakukan uji keterbacaan terhadap 40 orang pengguna MDK yang berada di provinsi DKI Jakarta, Sumatera Utara, Kalimantan Timur, dan Jawa Timur. Uji keterbacaan ini dilakukan untuk mengetahui apakah pertanyaan yang ada pada kuesioner yang akan digunakan sudah dapat dimengerti dan tidak memiliki makna ganda. g. Setelah mendapat beberapa masukan hasil uji keterbacaan, penulis melakukan revisi terhadap pertanyaan-pertanyaan pada kuesioner agar dapat lebih mudah dimengerti oleh responden penelitian. Kuesioner yang telah direvisi kemudian disebarkan ke sampel yang telah ditentukan. h. Evaluasi dan pemrosesan data kemudian dilakukan setelah menerima keluaran dari tahapan pengumpulan kuesioner. Keluaran dari proses ini berupa data statistik indikator-indikator untuk setiap variabel yang terdapat di kerangka teoritis.



43

i. Hasil data statistik dari keenam variabel tersebut kemudian menjadi masukan untuk dilakukan analisis. Pada analisis ini, akan dibuktikan apakah hipotesis yang terdapat pada sub bab Kerangka Teoritis” terbukti atau tidak. Penulis melakukan analisis dengan menggunakan SEM dan beberapa aplikasi, seperti SPSS 22, AMOS 22, dan LISREL 8.80. j. Setelah dilakukan pembuktian terhadap hipotesis, berikutnya akan dibuat kesimpulan dan saran berdasarkan hasil dari analisis tahapan tersebut. Kesimpulan dilakukan dengan mengambil pokok hasil penelitian yang dikaitkan dengan pertanyaan penelitian. Saran dihasilkan dari pembelajaran yang diperoleh dari keseluruhan proses penelitian. Hasil proses ini akan dijabarkan pada bab “Kesimpulan dan Saran”. Seluruh rangkaian tahapan penelitian ini membentuk sebuah alur pemikiran yang bertujuan untuk menjawab pertanyaan penelitian yang telah ditentukan.

3.2. Metode Pengumpulan Data Data yang akan diambil pada penelitian ini dibagi menjadi dua jenis data, yaitu: a. Data primer Data primer merupakan data yang diambil langsung dari lapangan. Data primer pada penelitian ini didapatkan melalui melakukan wawancara dengan pihak BKKBN. Selain itu, data primer juga didapatkan melalui kuesioner yang diisi oleh staf BKKBN yang menggunakan aplikasi MDK. b. Data sekunder Data sekunder merupakan data yang diperoleh dari pihak kedua. Data sekunder didapatkan dari studi kepustakaan, yaitu dari teks, jurnal, dokumen perusahaan, serta pencarian di internet.



44

3.3. Variabel Penelitian Berdasarkan kerangka teoritis yang disusun sebelumnya, terdapat enam variabel yang digunakan pada penelitian ini. Berikut merupakan penjelasan variabel dan indikator yang digunakan dalam penelitian ini. 3.3.1. Variabel Kualitas Informasi Indikator dan referensi dari variabel kualitas informasi dapat dilihat pada Tabel 3.1 berikut ini. Tabel 3.1 Indikator Variabel Kualitas Informasi

No

Indikator

Deskripsi

Referensi

1

Akurat (KI1) Informasi yang disajikan oleh Kamalia (2012), aplikasi MDK tidak memiliki nilai Septikasari (2012), ganda pada fitur yang serupa, serta Ramadhan (2014) tidak adanya kesalahan dalam penyajian informasi

2

Relevan (KI2)

3

Kelengkapan Informasi yang disajikan oleh Kamalia (2012), aplikasi MDK lengkap, tidak ada Septikasari (2012), (KI3) informasi penting yang hilang Ramadhan (2014)

4

Kinerja (KI4)

Informasi yang disajikan oleh Ramadhan (2014) aplikasi MDK mencakup informasi statistik yang sesuai dengan tujuan penggunaan aplikasi MDK

5

Mudah dipahami (KI5)

Aplikasi MDK menyajikan informasi Kamalia (2012), Septikasari (2012), yang mudah untuk dipahami Ramadhan (2014)

6

Format (KI6)

Format/bentuk laporan yang Ramadhan (2014) disajikan oleh aplikasi MDK dapat dibaca dan dipahami maknanya dengan mudah

7

Keamanan (KI7)

Informasi yang tersimpan dalam Ramadhan (2014) aplikasi MDK aman

Informasi yang disajikan oleh Kamalia (2012), aplikasi MDK sesuai dengan Septikasari (2012), kebutuhan pengguna Ramadhan (2014)



45

No 8

Indikator Kekinian (KI8)

Deskripsi

Referensi

Aplikasi MDK menyajikan informasi Kamalia (2012) terkini

3.3.2. Variabel Kualitas Sistem Indikator dan referensi dari variabel kualitas sistem dapat dilihat pada Tabel 3.2 berikut ini. Tabel 3.2 Indikator Variabel Kualitas Sistem

No

Indikator

Deskripsi

Referensi

1

Fleksibilitas sistem (KS1)

Kemampuan aplikasi MDK untuk Ramadhan (2014) dapat dioperasikan dalam browser yang berbeda

2

Waktu respons Aplikasi MDK memiliki Septikasari (2012), kecepatan menyajikan informasi Ramadhan (2014) (KS2) yang sesuai dengan apa yang diharapkan pengguna

3

Reliabilitas (KS3)

Aplikasi MDK stabil, tidak ada Kamalia (2012), error yang penyebabnya tidak Septikasari (2012), diketahui dengan jelas Ramadhan (2014)

4

Kemudahan dalam menggunakan (KS4)

Kemudahan dalam menggunakan Kamalia (2012), aplikasi MDK, dan tampilan yang Septikasari (2012), tidak membingungkan pengguna Ramadhan (2014)

5

Kemudahan dalam memahami (KS5)

Kemudahan dalam memahami Septikasari (2012), aplikasi MDK Ramadhan (2014)

6

Fungsionalitas (KS6)

Tersedianya fitur-fitur dalam Kamalia (2012), aplikasi MDK yang sesuai dengan Septikasari (2012), kebutuhan pengguna Ramadhan (2014)

7

Efisien (KS7)

Aplikasi MDK membantu Kamalia (2012), pengguna menghemat waktu dan Ramadhan (2014) biaya dalam menyelesaikan pekerjaannya



46

No

Indikator

Deskripsi

8

Tersedia (KS8)

Aplikasi MDK selalu diakses oleh pengguna

Referensi dapat Septikasari (2012)

3.3.3. Variabel Kualitas Layanan Indikator dan referensi dari variabel kualitas layanan dapat dilihat pada Tabel 3.3 berikut ini. Tabel 3.3 Indikator Variabel Kualitas Layanan

No

Indikator

Deskripsi

Referensi

1

Tangible (KL1)

Mengetahui adanya fasilitas yang Septikasari (2012), disediakan berupa fasilitas fisik, Ramadhan (2014) perlengkapan, dan petugas yang khusus memberikan pelayanan terkait permasalahan aplikasi MDK

2

Reliabilitas (KL2)

Staf TI di layanan aplikasi MDK Kamalia (2012), memberikan pelayanan kepada Septikasari (2012), pengguna sejak pertama kali Ramadhan (2014)

3

Responsif (KL3)

Staf TI di layanan aplikasi MDK Kamalia (2012), memberikan pelayanan dengan cepat Septikasari (2012), kepada pengguna Ramadhan (2014)

4

Jaminan (KL4)

Perilaku staf TI di layanan aplikasi Kamalia (2012), MDK menumbuhkan kepercayaan Septikasari (2012), pengguna Ramadhan (2014)

5

Empati (KL5)

Pelayanan aplikasi MDK Kamalia (2012), mengutamakan kepentingan Septikasari (2012), pengguna dengan sungguh-sungguh Ramadhan (2014)

3.3.4. Variabel Kepuasan Pengguna Indikator dan referensi dari variabel kepuasan pengguna dapat dilihat pada Tabel 3.4 berikut ini.



47

Tabel 3.4 Indikator Variabel Kepuasan Pengguna

No

Indikator

Deskripsi

Referensi

1

Kepuasan terhadap sistem informasi (KP1)

Secara keseluruhan, pengguna Ramadhan (2014) merasa puas terhadap penggunaan aplikasi MDK

2

Kenyamanan (KP2)

Pengguna merasa nyaman dalam Ramadhan (2014) menggunakan aplikasi MDK sebagai pendukung penyelesaian pekerjaan

3

Pelatihan (KP3)

Tersedianya pelatihan secara Ramadhan (2014) berkesinambungan dalam membantu meningkatkan pemahaman pengguna terhadap penggunaan aplikasi MDK

4

Pemahaman terhadap sistem (KP4)

Pengguna memahami dengan baik Ramadhan (2014) bagaimana mengoperasikan aplikasi MDK

5

Pemulihan error (KP5)

Adanya kemudahan dalam proses Ramadhan (2014) pemulihan saat terjadi permasalahan

6

Kunjungan kembali (KP6)

Pengguna akan menggunakan Kamalia (2012), aplikasi MDK kembali untuk Septikasari mencatat dan menghasilkan laporan (2012) data keluarga

7

Keefektifan (KP7)

Pekerjaan pengguna dapat dibantu Kamalia (2012), secara efektif dengan aplikasi MDK Septikasari (2012)

8

Efisiensi (KP8)

Dengan adanya aplikasi MDK, Kamalia (2012), pengguna dapat menyelesaikan Septikasari pekerjaan secara cepat dan tepat (2012) sehingga menghemat waktu dan biaya

9

Kebanggaan menggunakan sistem (KP9)

Pengguna merasa bangga Kamalia (2012), Septikasari menggunakan aplikasi MDK (2012)



48

3.3.5. Variabel Manfaat Bersih Indikator dan referensi dari variabel manfaat bersih dapat dilihat pada Tabel 3.5 berikut ini Tabel 3.5 Indikator Variabel Manfaat Bersih

No

Indikator

Deskripsi

Referensi

1

Penghematan biaya (MB1)

Penggunaan aplikasi MDK dapat Kamalia (2012), menghemat biaya proses pencatatan Septikasari (2012) dan pelaporan data keluarga

2

Penghematan waktu (MB2)

Penggunaan aplikasi MDK dapat Septikasari (2012), menghemat waktu, sehingga proses Ramadhan (2014) pencatatan dan pelaporan data keluarga dapat diselesaikan lebih cepat

3

Bantuan pada Penggunaan aplikasi MDK dapat Kamalia (2012), pekerjaan membantu menyelesaikan Septikasari (2012), pekerjaan terkait dengan pencatatan Ramadhan (2014) (MB3) dan pelaporan data keluarga

4

Produktivitas pegawai (MB4)

Penggunaan aplikasi MDK dapat Septikasari (2012), meningkatkan produktivitas Ramadhan (2014) pengawai

3.3.6. Variabel Ekspektasi Kinerja Indikator dan referensi dari variabel ekspektasi kinerja dapat dilihat pada Tabel 3.6 berikut ini. Tabel 3.6 Indikator Variabel Ekspektasi Kinerja

No

Indikator

Deskripsi

Referensi

1

Manfaat yang Pengguna berharap bahwa Ramadhan (2014) diharapkan penggunaan aplikasi MDK dapat (EK1) meningkatkan performa kerjanya

2

Kecocokan dengan pekerjaan (EK2)

Pengguna berharap bahwa aplikasi Ramadhan (2014) MDK mempermudahnya dalam menyelesaikan pekerjaannya



49

No

Indikator

Deskripsi

Referensi

3

Manfaat perbandingan (EK3)

Pengguna berharap bahwa aplikasi Ramadhan (2014) MDK dapat membatu menangani pekerjaan dengan lebih baik dibanding tidak menggunakan aplikasi

4

Kecepatan pekerjaan (EK4)

Pengguna berharap bahwa Ramadhan (2014) penggunaan aplikasi MDK dapat membantunya untuk menyelesaikan pekerjaan denga cepat

3.3.7. Variabel Ekspektasi Usaha Indikator dan referensi dari variabel ekspektasi usaha dapat dilihat pada Tabel 3.7 berikut ini. Tabel 3.7 Indikator Variabel Ekspektasi Usaha

No

Indikator

Deskripsi

Referensi

1

Harapan terkait kemudahan pengguna (EU1)

Pengguna berharap bahwa aplikasi Ramadhan (2014) MDK dapat dipelajari dan dipahami dengan mudah

2

Kemudahan Pengguna berharap bahwa ia dapat Ramadhan (2014) pengoperasian mengoperasikan aplikasi MDK (EU2) dengan mudah

3

Kompleksitas (EU3)

Pengguna berharap bahwa aplikasi Ramadhan (2014) MDK menyajikan fitur-fitur yang sederhana, sehingga mudah untuk digunakan

4

Tingkat kesulitan rendah (EU4)

Pengguna berharap bahwa aplikasi Ramadhan (2014) MDK dapat memudahkannya dalam menyelesaikan pekerjaan sehari-hari



50

3.3.8. Variabel Pengaruh Sosial Indikator dan referensi dari variabel pengaruh sosial dapat dilihat pada Tabel 3.8 berikut ini. Tabel 3.8 Indikator Variabel Pengaruh Sosial

No

Indikator

Deskripsi

Referensi

1

Norma subjektif (PS1)

Adanya pengaruh individu terhadap Ramadhan (2014) persepsi penggunaan aplikasi MDK

2

Faktor sosial Adanya pengaruh sosial terhadap Ramadhan (2014) (PS2) pengguna aplikasi MDK

3

Pencitraan (PS3)

Adanya inovasi dalam aplikasi Ramadhan (2014) MDK dirasakan dapat meningkatkan cara pandang orang lain terhadap pengguna

4

Dukungan organsisasi (PS4)

Organisasi memberikan dukungan Ramadhan (2014) (bantuan dalam menghadapi masalah, regulasi, dll) terkait penggunaan aplikasi MDK

3.3.9. Variabel Kondisi Fasilitas Indikator dan referensi dari variabel kondisi fasilitas dapat dilihat pada Tabel 3.9 berikut ini. Tabel 3.9 Indikator Variabel Kondisi Fasilitas

No

Indikator

Deskripsi

Referensi

1

Panduan Pengguna memiliki panduan dari Ramadhan (2014) manual sistem organsisasi atau pengembang (petunjuk manual berupa buku atau (KF1) softcopy) untuk menggunakan aplikasi MDK

2

Arahan penggunaan sistem (KF2)

Pengguna menerima arahan dari Ramadhan (2014) organisasi untuk menggunakan aplikasi MDK



51

No

Indikator

Deskripsi

Referensi

3

Pengetahuan (KF3)

Pengguna memiliki pengetahuan Ramadhan (2014) yang memadai untuk menggunakan aplikasi MDK

4

Sumber Daya Pengguna memiliki sumber daya Ramadhan (2014) (PC, browser, dll) yang dibutuhkan (KF4) (sesuai dengan ketentuan dari petunjuk manual)

5

Kesesuaian dengan kebutuhan (KF5)

6

Kesesuaian Adanya kesesuaian antara aplikasi Ramadhan (2014) dengan cara MDK dengan pengalaman kerja (KF6) pengguna

Aplikasi MDK sesuai dengan Ramadhan (2014) kebutuhan pekerjaan pengguna

3.4. Populasi dan Sampel Penarikan sampel penelitian dilakukan berdasarkan populasi penelitian. Pada penelitian ini, populasinya merupakan semua pengguna aplikasi MDK yang tersebar di 33 provinsi. Jumlah pengguna aplikasi MDK adalah sebanyak 431 pengguna, terdiri atas 151 admin, 144 operator MDK, 30 supervisor MDK, dan 106 operator R1KS (Gultom, 2014). Distribusi pengguna tersebut di 33 provinsi terangkum pada Tabel 3.10. Tabel 3.10 Jumlah Pengguna Aplikasi MDK

Provinsi

Admin

Operator MDK

Supervisor

Operator R1KS

Jumlah

Aceh

5

8

0

11

24

Bali

3

2

0

2

7

Bangka Belitung

1

1

1

1

4

Banten

1

1

0

1

3

Bengkulu

1

2

0

1

4

DI Yogyakarta

2

7

1

1

11

DKI Jakarta

4

7

0

1

12

Gorontalo

3

2

0

1

6



52

Operator MDK

Supervisor

6

2

1

4

13

Jawa Barat

10

5

1

1

17

Jawa Tengah

11

8

2

1

22

Jawa Timur

11

9

1

11

32

Kalimantan Barat

4

2

2

1

9

Kalimantan Selatan

7

8

1

6

22

Kalimantan Tengah

1

8

0

1

10

Kalimantan Timur

6

7

1

1

15

Kep. Riau

2

6

1

1

10

Lampung

3

4

0

5

12

Maluku

1

1

1

1

4

Maluku Utara

3

1

0

1

5

Nusa Tenggara Barat

4

4

0

4

12

Nusa Tenggara Timur

2

1

1

2

6

Papua

2

1

1

1

5

Papua Barat

1

1

0

1

3

10

9

3

4

26

2

4

1

3

10

Sulawesi Selatan

10

8

5

8

31

Sulawesi Tengah

3

1

1

1

6

Sulawesi Tenggara

9

4

1

1

15

Sulawesi Utara

6

2

0

7

15

Sumatera Barat

5

3

1

9

18

Sumatera Selatan

4

7

2

7

20

Sumatera Utara

8

8

1

5

22

Provinsi

Admin

Jambi

Riau Sulawesi Barat

Operator R1KS

Jumlah

(Sumber: Gultom, 2014)

Dari populasi tersebut diharapkan memperoleh sampel sesuai dengan rumus Slovin dengan standar error 5% sebanyak (Sugiyono, 2012): n = N:[1 + N(e)2] n = 431:[1 + 432 (0.05) 2] n = 207,46 Universitas Indonesia


53

Keterangan: n : jumlah sampel N: jumlah populasi E : taraf kesalahan Besarnya sampel memiliki peran penting dalam interpretasi hasil SEM. Menurut Lei & Wu (2007), dalam menggunakan model SEM dibutuhkan sampel minimal 200 atau 5-20 kali dari jumlah parameter yang diperkirakan. Berdasarkan perhitungan di atas diperoleh jumlah sampel sebanyak 208 responden. Pemilihan sampel dilakukan menggunakan proportionate stratified random sampling. Teknik sampling ini merupakan pengambilan sampel dari anggota populasi secara acak berstrata secara proporsional, dilakukan sampling ini apabila anggota populasinya heterogen (tidak sejenis)

(Hinkle, et al, 2003).

Proportionate stratified random sampling dilakukan dengan cara membuat lapisan-lapisan (strata), kemudian dari setiap lapisan diambil sejumlah subjek secara acak. Jumlah subjek dari setiap strata adalah sampel penelitian. Pada penelitian yang akan dilakukan, strata yang dimaksud adalah provinsi dan role. Berikut merupakan jumlah sampel per komponen strata. Tabel 3.11 Jumlah Sampel

Provinsi

Admin

Operator MDK

Supervisor

Operator R1KS

Jumlah

Aceh

2

3

0

4

9

Bali

1

1

0

1

3

Bangka Belitung

1

1

1

1

4

Banten

1

1

0

1

3

Bengkulu

1

1

0

1

3

DI Yogyakarta

1

3

1

1

6

DKI Jakarta

2

3

0

1

6

Gorontalo

1

1

0

1

3

Jambi

3

1

1

2

7

Jawa Barat

3

2

1

1

7

Jawa Tengah

3

3

1

1

8

Jawa Timur

3

4

1

4

12



54

Provinsi

Admin

Operator MDK

Supervisor

Operator R1KS

Jumlah

Kalimantan Barat

2

1

1

1

5

Kalimantan Selatan

3

4

1

3

11

Kalimantan Tengah

1

4

0

1

6

Kalimantan Timur

3

3

1

1

8

Kep. Riau

1

3

1

1

6

Lampung

1

2

0

2

5

Maluku

1

1

1

1

4

Maluku Utara

1

1

1

1

4

Nusa Tenggara Barat

2

2

0

2

6

Nusa Tenggara Timur

1

1

1

1

4

Papua

1

1

1

1

4

Papua Barat

1

1

1

1

4

Riau

3

3

1

2

9

Sulawesi Barat

1

2

1

2

6

Sulawesi Selatan

3

3

2

4

12

Sulawesi Tengah

1

1

1

1

4

Sulawesi Tenggara

2

2

1

1

6

Sulawesi Utara

3

1

0

3

7

Sumatera Barat

2

1

1

4

8

Sumatera Selatan

2

3

1

3

9

Sumatera Utara

3

3

1

2

9

3.5. Instrumen Penelitian Instrumen dalam penelitian kuantitatif dapat berupa tes, pedoman wawancara, pedoman observasi, dan kuesioner (Sugiyono, 2012). Dalam penelitian ini digunakan kuesioner sebagai instrumen penelitian. Melalui kuesioner, diperoleh data berupa angka yang merupakan indikator (variabel manifes), salah satu variabel di model SEM (Hooper, et al, 2008). Setiap instrumen memiliki skala pengukuran, dan pada penelitian ini digunakan skala likert untuk pengukurannya.



55

Pembobotan nilai dengan menggunakan skala likert (Norman, 2010): a. Sangat setuju diberi skor 6 b. Setuju diberi skor 5 c. Agak setuju diberi skor 4 d. Agak tidak setuju diberi skor 3 e. Tidak setuju diberi skor 2 f. Sangat setuju diberi skor 1



BAB 4 ANALISIS DAN PEMBAHASAN

Bab ini menjelaskan hasil penelitian yang dilakukan dengan menggunakan metode statistik untuk olah data. Pengumpulan data dilakukan dengan penyebaran kuesioner, kemudian diolah menggunakan program olah data statistik. Analisis mengacu pada sub bab 3.1. 4.1. Analisis Statistik Deskriptif Pada bagian ini dijelaskan sebaran data penelitian terkait profil responden dan nilai indikator-indikator penelitian. 4.1.1. Profil Responden Berdasarkan kuesioner yang telah dikumpulkan, pada penelitian ini diperoleh diperoleh 301 responden. Setiap responden memiliki profil masing-masing. Profil responden tersebut dibagi menjadi usia, jenis kelamin, role dalam aplikasi MDK, provinsi tempat bekerja, pendidikan, pengalaman menggunakan aplikasi komputer, dan latar belakang pendidikan. a. Usia Penelitian ini memiliki 112 responden yang berusia 21 sampai 30 tahun, 178 responden yang berusia 31 sampai 40 tahun, dan hanya 11 responden yang berusia di atas 40 tahun. Persebaran responden berdasarkan usia dapat dilihat pada Gambar 4.1.

Gambar 4.1 Diagram Usia Responden (Sumber: Data kuesioner, telah diolah)

56



57

Berdasarkan diagram di atas dapat diketahui bahwa sebagian besar usia pengguna aplikasi MDK berkisar antara 31 sampai 40 tahun, dengan persentase sebesar 59% dari total keseluruhan responden.

b. Jenis Kelamin Penelitian ini terdiri atas 112 responden laki-laki dan 189 responden perempuan. Persebaran responden berdasarkan usia dapat dilihat pada Gambar 4.2.

Gambar 4.2 Diagram Jenis Kelamin Responden (Sumber: Data kuesioner, telah diolah)

Berdasarkan diagram di atas terlihat bahwa sebagian besar pengguna aplikasi MDK adalah perempuan.

c. Role dalam Aplikasi MDK Aplikasi MDK terdiri atas empat role, yaitu administrator, operator MDK, operator R1KS, dan supervisor. Persebaran responden berdasarkan keempat role tersebut dapat dilihat pada Gambar 4.3.



58

Role Dalam Aplikasi MDK Administrator 25%

34%

Operator MDK

8%

Supervisor 33%

Operator R1KS

Gambar 4.3 Diagram Role Responden dalam Aplikasi MDK (Sumber: Data kuesioner, telah diolah)

Berdasarkan diagram di atas dapat diketahui bahwa pada penelitian ini terdapat 34% responden sebagai administrator, 33% responden sebagai operator MDK, 8% responden sebagai supervisor, dan 25% responden sebagai operator R1KS di aplikasi MDK.

d. Provinsi Tempat Bekerja Berdasarkan hasil perhitungan rumus Slovin di Bab 3, penulis membutuhkan 208 responden yang tersebar di 33 provinsi. Pada perhitungan jumlah sampel penelitian, penulis juga telah menghitung jumlah responden (administrator, operator MDK, operator R1KS, dan supervisor) untuk setiap provinsi. Perbandingan persebaran responden yang diharapkan dan responden yang didapatkan dapat dilihat pada Tabel 4.1. Pada Tabel 4.1, ADM menunjukkan Administrator, OM menunjukkan Operator MDK, OR menunjukkan Operator R1KS, dan SPV menunjukkan Supervisor. Tabel 4.1 Persebaran Responden Berdasarkan Provinsi

Target

No

Provinsi

ADM OM

Terkumpul

OR

SPV

ADM OM

OR

SPV

1

Aceh

2

3

0

4

3

6

0

8

2

Sumatera Utara

1

1

0

1

2

2

0

1

3

Sumatera Barat

1

1

1

1

1

1

1

1



59

Target

No

Provinsi

ADM OM

Terkumpul

OR

SPV

ADM OM

OR

SPV

4

Riau

1

1

0

1

1

1

0

1

5

Jambi

1

1

0

1

1

1

0

1

6

Sumatera Selatan

1

3

1

1

2

5

1

1

7

Bengkulu

2

3

0

1

4

7

0

1

8

Lampung

1

1

0

1

1

1

0

1

9

Bangka Belitung

3

1

1

2

4

2

1

3

10

Kep. Riau

3

2

1

1

8

4

1

1

11

DKI Jakarta

3

3

1

1

8

5

1

1

12

Jawa Barat

3

4

1

4

9

7

1

8

13

Jawa Tengah

2

1

1

1

3

1

1

1

14

DI Yogyakarta

3

4

1

3

5

5

1

3

15

Jawa Timur

1

4

0

1

1

5

0

1

16

Banten

3

3

1

1

4

4

1

1

17

Bali

1

3

1

1

1

3

1

1

18

Nusa Tenggara Barat

1

2

0

2

2

4

0

4

19

Nusa Tenggara Timur

1

1

1

1

1

1

1

1

20

Kalimantan Barat

1

1

1

1

2

1

0

1

21

Kalimantan Tengah

2

2

0

2

2

2

0

2

22

Kalimantan Selatan

1

1

1

1

1

1

1

1

23

Kalimantan Timur

1

1

1

1

1

1

1

1

24

Sulawesi Utara

1

1

1

1

1

1

1

1

25

Sulawesi Tengah

3

3

1

2

8

6

2

2

26

Sulawesi Selatan

1

2

1

2

1

2

1

2

27

Sulawesi Tenggara

3

3

2

4

6

4

2

4

28

Gorontalo

1

1

1

1

1

1

1

1

29

Sulawesi Barat

2

2

1

1

2

2

1

1

30

Maluku

3

1

0

3

5

2

0

4

31

Maluku Utara

2

1

1

4

3

2

1

5

32

Papua

2

3

1

3

3

5

1

5

33

Papua Barat

3

3

1

2

6

5

1

4

Jumlah

208

301

(Sumber: Data kuesioner, telah diolah)

Berdasarkan tabel di atas dapat diketahui bahwa jumlah responden yang diperoleh dalam penelitian ini telah melebihi dari target yang ditentukan. Universitas Indonesia


60

e. Pendidikan Penelitian ini terdiri atas 15 responden yang berpendidikan SMA/sederajat, 96 responden yang berpendidikan D1 sampai D3, dan 190 responden yang berpendidikan di atas D3. Persebaran responden berdasarkan pendidikannya dapat dilihat pada Gambar 4.4

Gambar 4.4 Diagram Jenis Kelamin Responden (Sumber: Data kuesioner, telah diolah)

Berdasarkan diagram di atas terlihat bahwa sebagian besar pengguna aplikasi MDK berpendidikan >D3.

f. Latar Belakang Pendidikan Penelitian

ini

terdiri

atas

184

responden

berpendidikan

teknik

komputer/informatika/sistem informasi dan 117 responden berpendidikan selain teknik komputer/informatika/sistem informasi. Persebaran responden berdasarkan latar belakang pendidikan dapat dilihat pada Gambar 4.5. Latar Belakang Pendidikan 39%

61%

Teknik komputer/Infor matika/Sistem Informasi Lainnya

Gambar 4.5 Diagram Latar Belakang Pendidikan (Sumber: Data kuesioner, telah diolah)



61

Berdasarkan diagram di atas terlihat bahwa responden tersebar secara merata baik pendidikan teknik komputer/informatika/sistem informasi dan pendidikan selain teknik komputer/informatika/sistem informasi.

g. Pengalaman Menggunakan Aplikasi Komputer Penelitian ini terdiri atas 38 responden yang telah menggunakan aplikasi komputer selama 0 hingga 2 tahun, 203 responden yang telah menggunakan aplikasi komputer lebih dari 2 hingga 5 tahun, dan 60 responden yang telah menggunakan aplikasi komputer lebih dari 5 tahun. Persebaran responden berdasarkan pengalaman menggunakan aplikasi komputer dapat dilihat pada Gambar 4.6.

Gambar 4.6 Diagram Pengalaman Menggunakan Aplikasi Komputer (Sumber: Data kuesioner, telah diolah)

Berdasarkan diagram di atas terlihat bahwa sebagian besar pengguna aplikasi MDK telah menggunakan aplikasi komputer selama >2-5 tahun.

4.1.2. Rekapitulasi Jawaban Responden Berikut ini merupakan rekapitulasi jawaban responden atas kuesioner penelitian berdasarkan masing-masing variabel latennya: a. Ekspektasi Kinerja (EK) Pada variabel ekspektasi kinerja terdapat empat indikator, yaitu manfaat yang diharapkan (EK1), kecocokan dengan pekerjaan (EK2), manfaat perbandingan (EK3), dan kecepatan pekerjaan (EK4). Berdasarkan data Universitas Indonesia


62

kuesioner yang diperoleh, sebagian data berada pada nilai 6 (sangat setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.7.

Gambar 4.7 Sebaran Data Untuk Variabel Ekspektasi Kinerja (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel ekspektasi kinerja. 

Manfaat yang diharapkan (EK1) Indikator

EK1

menggambarkan

bahwa

responden

berharap

penggunaan aplikasi MDK dapat meningkatkan performa kerjanya. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 189 responden, nilai 5 (setuju) dari 94 responden, nilai 4 (agak setuju) dari 16 responden, dan nilai 3 (agak tidak setuju) dari 2 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini. 

Kecocokan dengan pekerjaan (EK2) Indikator EK2 menggambarkan bahwa responden berharap aplikasi MDK mempermudahnya dalam menyelesaikan pekerjaan. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 205 responden, nilai 5 (setuju) dari 77 responden, nilai 4 (agak setuju) dari 17 responden, dan nilai 3 (agak tidak setuju) dari 2 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini. Universitas Indonesia


63



Manfaat perbandingan (EK3) Indikator EK3 menggambarkan bahwa responden berharap aplikasi MDK dapat membantu menangani pekerjaan dengan lebih baik dibanding tidak menggunakan aplikasi. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 180 responden, nilai 5 (setuju) dari 95 responden, nilai 4 (agak setuju) dari 22 responden, dan nilai 3 (agak tidak setuju) dari 4 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini.



Kecepatan pekerjaan (EK4) Indikator

EK4

menggambarkan

bahwa

responden

berharap

penggunaan aplikasi MDK dapat membantunya menyelesaikan pekerjaan dengan cepat. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 165 responden, nilai 5 (setuju) dari 112 responden, nilai 4 (agak setuju) dari 21 responden, dan nilai 3 (agak tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini.

b. Ekspektasi Usaha (EU) Pada variabel ekspektasi usaha terdapat empat indikator, yaitu harapan terkait kemudahan pengguna (EU1), kemudahan pengoperasian (EU2), kompleksitas (EU3), dan tingkat kesulitan rendah (EU4). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 5 (setuju) dan 6 (sangat setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.8.



64

Ekspektasi Usaha Responden

200

150 EU1 100

EU2

50

EU3

0 1

2

3

4

5

6

EU4

Skala Penilaian

Gambar 4.8 Sebaran Data Untuk Variabel Ekspektasi Usaha (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel ekspektasi usaha. 

Harapan terkait kemudahan pengguna (EU1) Indikator EU1 menggambarkan bahwa responden berharap aplikasi MDK dapat dipelajari dan dipahami dengan mudah. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 167 responden, nilai 5 (setuju) dari 120 responden, nilai 4 (agak setuju) dari 11 responden, dan nilai 3 (agak tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini.



Kemudahan pengoperasian (EU2) Indikator EU2 menggambarkan bahwa responden berharap dapat mengoperasikan aplikasi MDK dengan mudah. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 169 responden, nilai 5 (setuju) dari 119 responden, nilai 4 (agak setuju) dari 10 responden, dan nilai 3 (agak tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini.



Kompleksitas (EU3) Indikator EU3 menggambarkan bahwa responden berharap aplikasi MDK menyajikan fitur-fitur yang sederhana, sehingga mudah untuk Universitas Indonesia


65

digunakan. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 130 responden, nilai 5 (setuju) dari 155 responden, nilai 4 (agak setuju) dari 12 responden, dan nilai 3 (agak tidak setuju) dari 4 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini. 

Tingkat kesulitan rendah (EU4) Indikator EU4 menggambarkan bahwa responden berharap aplikasi MDK dapat memudahkannya dalam menyelesaikan pekerjaan seharihari. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 143 responden, nilai 5 (setuju) dari 143 responden, nilai 4 (agak setuju) dari 11 responden, dan nilai 3 (agak tidak setuju) dari 4 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) dan nilai 1 (sangat tidak setuju) untuk indikator ini.

c. Pengaruh Sosial (PS) Pada variabel pengaruh sosial terdapat empat indikator, yaitu norma subjektif (PS1), faktor sosial (PS2), pencitraan (PS3), dan dukungan organsisasi (PS4). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 4 (agak setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.9.

Gambar 4.9 Sebaran Data Untuk Variabel Pengaruh Sosial (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel pengaruh sosial. Universitas Indonesia


66



Norma subjektif (PS1) Indikator PS1 menggambarkan adanya pengaruh individu terhadap persepsi penggunaan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 14 responden, nilai 5 (setuju) dari 155 responden, nilai 4 (agak setuju) dari 72 responden, nilai 3 (agak tidak setuju) dari 56 responden, dan nilai 2 (tidak setuju) dari 4 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini.



Faktor sosial (PS2) Indikator PS2 menggambarkan bahwa adanya pengaruh sosial terhadap pengguna aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 22 responden, nilai 5 (setuju) dari 28 responden, nilai 4 (agak setuju) dari 138 responden, nilai 3 (agak tidak setuju) dari 62 responden, nilai 2 (tidak setuju) dari 7 responden, dan nilai 1 (sangat tidak setuju) dari 44 responden.



Pencitraan (PS3) Indikator PS3 menggambarkan bahwa responden merasa lebih dihargai jika menggunakan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 1 responden, nilai 5 (setuju) dari 53 responden, nilai 4 (agak setuju) dari 194 responden, nilai 3 (agak tidak setuju) dari 4 responden, nilai 2 (tidak setuju) dari 47 responden, dan nilai 1 (sangat tidak setuju) dari 2 responden.



Dukungan organsisasi (PS4) Indikator PS4 menggambarkan bahwa organisasi memberikan dukungan (bantuan dalam menghadapi masalah, regulasi, dll) terkait penggunaan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 16 responden, nilai 5 (setuju) dari 197 responden, nilai 4 (agak setuju) dari 82 responden, nilai 3 (agak tidak setuju) dari 4 responden, dan nilai 1 (sangat tidak setuju) dari 2 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) untuk indikator ini.



67

d. Kualitas Sistem (KS) Pada variabel kualitas sistem terdapat delapan indikator, yaitu fleksibilitas sistem (KS1), waktu respon (KS2), reliabilitas (KS3), kemudahan dalam menggunakan (KS4), kemudahan dalam memahami (KS5), fungsionalitas (KS6), efisien (KS7), dan tersedia (KS8). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 3 (agak tidak setuju), 4 (agak setuju), dan 5 (setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.10.

Gambar 4.10 Sebaran Data Untuk Variabel Kualitas Sistem (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel kualitas sistem. 

Fleksibilitas (KS1) Indikator

KI1

menggambarkan

bahwa

aplikasi

MDK

dapat

dioperasikan dalam browser yang berbeda. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 87 responden, nilai 5 (setuju) dari 88 responden, nilai 4 (agak setuju) dari 71 responden, nilai 3 (agak tidak setuju) dari 53 responden, dan nilai 1 (sangat tidak setuju) dari 2 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) untuk indikator ini.



68



Waktu respon (KS2) Indikator KS2

menggambarkan bahwa aplikasi

MDK dapat

menyajikan informasi yang sesuai dengan cepat. Indikator ini mendapatkan nilai 5 (setuju) dari 26 responden, nilai 4 (agak setuju) dari 33 responden, nilai 3 (agak tidak setuju) dari 94 responden, nilai 2 (tidak setuju) dari 55 responden, dan nilai 1 (sangat tidak setuju) dari 93 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini. 

Reliabilitas (KS3) Indikator KS3 menggambarkan bahwa aplikasi MDK memiliki tingkat kerusakan (error) yang rendah. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 2 responden, nilai 5 (setuju) dari 18 responden, nilai 4 (agak setuju) dari 30 responden, nilai 3 (agak tidak setuju) dari 170 responden, nilai 2 (tidak setuju) dari 59 responden, dan nilai 1 (sangat tidak setuju) dari 22 responden.



Kemudahan dalam menggunakan (KS4) Indikator KI4 menggambarkan bahwa aplikasi MDK dapat digunakan dengan mudah. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 50 responden, nilai 5 (setuju) dari 126 responden, nilai 4 (agak setuju) dari 89 responden, nilai 3 (agak tidak setuju) dari 23 responden, dan nilai 2 (tidak setuju) dari 13 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini.



Kemudahan dalam memahami (KS5) Indikator KS5 menggambarkan bahwa aplikasi MDK dapat dipahami dengan mudah. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 35 responden, nilai 5 (setuju) dari 134 responden, nilai 4 (agak setuju) dari 107 responden, nilai 3 (agak tidak setuju) dari 23 responden, dan nilai 2 (tidak setuju) dari 2 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini.



Fungsionalitas (KS6) Indikator KS6 menggambarkan bahwa aplikasi MDK menyediakan fitur-fitur yang cukup memadai, dan tidak perlu adanya penambahan. Universitas Indonesia


69

Indikator ini mendapatkan nilai 5 (setuju) dari 73 responden, nilai 4 (agak setuju) dari 97 responden, nilai 3 (agak tidak setuju) dari 81 responden, nilai 2 (tidak setuju) dari 46 responden, dan nilai 1 (sangat tidak setuju) dari 4 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini. 

Efisien (KS7) Indikator KS7

menggambarkan bahwa aplikasi

MDK dapat

menghemat waktu dan biaya responden dalam menyelesaikan pekerjaan. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 21 responden, nilai 5 (setuju) dari 73 responden, nilai 4 (agak setuju) dari 80 responden, nilai 3 (agak tidak setuju) dari 87 responden, nilai 2 (tidak setuju) dari 29 responden, dan nilai 1 (sangat tidak setuju) dari 11 responden. 

Tersedia (KS8) Indikator KS8 menggambarkan bahwa aplikasi MDK selalu dapat diakses dengan baik. Indikator ini mendapatkan nilai 5 (setuju) dari 22 responden, nilai 4 (agak setuju) dari 75 responden, nilai 3 (agak tidak setuju) dari 155 responden, nilai 2 (tidak setuju) dari 12 responden, dan nilai 1 (sangat tidak setuju) dari 37 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.

e. Kualitas Informasi (KI) Pada variabel kualitas informasi terdapat delapan indikator, yaitu akurat (KI1), relevan (KI2), kelengkapan (KI3), kinerja (KI4), mudah dipahami (KI5), format (KI6), keamanan (KI7), dan kekinian (KI8). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 5 (setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.11.



70

Gambar 4.11 Sebaran Data Untuk Variabel Kualitas Informasi (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel kualitas informasi. 

Akurat (KI1) Indikator KI1 menggambarkan bahwa informasi yang disajikan oleh aplikasi MDK tidak memiliki nilai ganda pada fitur yang serupa, serta tidak adanya kesalahan dalam penyajian informasi. Indikator ini mendapatkan nilai 5 (setuju) dari 127 responden, nilai 4 (agak setuju) dari 13 responden, nilai 3 (agak tidak setuju) dari 132 responden, nilai 2 (tidak setuju) dari 26 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



Relevan (KI2) Indikator KI2 menggambarkan bahwa informasi yang disajikan oleh aplikasi MDK sesuai dengan kebutuhan responden. Indikator ini mendapatkan nilai 5 (setuju) dari 101 responden, nilai 4 (agak setuju) dari 113 responden, nilai 3 (agak tidak setuju) dari 62 responden, nilai 2 (tidak setuju) dari 22 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



71



Kelengkapan (KI3) Indikator KI3 menggambarkan bahwa informasi yang disajikan oleh aplikasi MDK lengkap, tidak ada informasi penting yang hilang. Indikator ini mendapatkan nilai 5 (setuju) dari 44 responden, nilai 4 (agak setuju) dari 77 responden, nilai 3 (agak tidak setuju) dari 74 responden, nilai 2 (tidak setuju) dari 73 responden, dan nilai 1 (sangat tidak setuju) dari 33 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



Kinerja (KI4) Indikator KI4 menggambarkan bahwa informasi yang disajikan oleh aplikasi MDK mencakup informasi statistik yang sesuai dengan tujuan penggunaan aplikasi MDK. Indikator ini mendapatkan nilai 5 (setuju) dari 101 responden, nilai 4 (agak setuju) dari 147 responden, nilai 3 (agak tidak setuju) dari 31 responden, dan nilai 2 (tidak setuju) dari 22 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) dan 1 (sangat tidak setuju) untuk indikator ini.



Mudah dipahami (KI5) Indikator KI5 menggambarkan bahwa aplikasi MDK menyajikan informasi yang mudah untuk dipahami. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 4 responden, nilai 5 (setuju) dari 181 responden, nilai 4 (agak setuju) dari 110 responden, nilai 3 (agak tidak setuju) dari 3 responden, dan nilai 2 (tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini.



Format (KI6) Indikator KI6 menggambarkan bahwa format/bentuk laporan yang disajikan oleh aplikasi MDK dapat dibaca dan dipahami maknanya dengan mudah. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 4 responden, nilai 5 (setuju) dari 220 responden, nilai 4 (agak setuju) dari 74 responden, dan nilai 2 (tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 3 (agak tidak setuju) dan 1 (sangat tidak setuju) untuk indikator ini. Universitas Indonesia


72



Keamanan (KI7) Indikator KI7 menggambarkan bahwa informasi yang tersimpan dalam aplikasi MDK aman. Indikator ini mendapatkan nilai 5 (setuju) dari 175 responden, nilai 4 (agak setuju) dari 15 responden, nilai 3 (agak tidak setuju) dari 91 responden, nilai 2 (tidak setuju) dari 3 responden, dan nilai 1 (sangat tidak setuju) dari 17 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



Kekinian (KI8) Indikator KI8 menggambarkan bahwa aplikasi MDK menyajikan informasi terbaru. Indikator ini mendapatkan nilai 5 (setuju) dari 208 responden, nilai 4 (agak setuju) dari 69 responden, dan nilai 1 (sangat tidak setuju) dari 24 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju), 3 (agak tidak setuju), dan 2 (tidak setuju) untuk indikator ini.

f. Kualitas Layanan (KL) Pada variabel kualitas layanan terdapat lima indikator, yaitu tangible (KL1), reliabilitas (KL2), responsif (KL3), jaminan (KL4), dan empati (KL5). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 4 (agak setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.12.

Gambar 4.12 Sebaran Data Untuk Variabel Kualitas Layanan (Sumber: Data kuesioner, telah diolah) Universitas Indonesia


73

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel kualitas layanan. 

Tangible (KL1) Indikator KL1 menggambarkan bahwa responden mengetahui adanya fasilitas yang disediakan berupa fasilitas fisik, perlengkapan, dan petugas yang khusus memberikan pelayanan terkait permasalahan aplikasi MDK. Indikator ini mendapatkan nilai 5 (setuju) dari 93 responden, nilai 4 (agak setuju) dari 151 responden, nilai 3 (agak tidak setuju) dari 8 responden, nilai 2 (tidak setuju) dari 28 responden, dan nilai 1 (sangat tidak setuju) dari 21 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



Reliabilitas (KL2) Indikator KL2 menggambarkan bahwa staf TI di layanan aplikasi MDK memberikan pelayanan dengan baik sejak pertama kali. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 4 responden, nilai 5 (setuju) dari 57 responden, nilai 4 (agak setuju) dari 131 responden, nilai 3 (agak tidak setuju) dari 57 responden, nilai 2 (tidak setuju) dari 49 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden.



Responsif (KL3) Indikator KL3 menggambarkan bahwa staf TI di layanan aplikasi MDK

memberikan

pelayanan

dengan

cepat.

Indikator

ini

mendapatkan nilai 5 (setuju) dari 23 responden, nilai 4 (agak setuju) dari 111 responden, nilai 3 (agak tidak setuju) dari 59 responden, nilai 2 (tidak setuju) dari 77 responden, dan nilai 1 (sangat tidak setuju) dari 31 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini. 

Jaminan (KL4) Indikator KL4 menggambarkan bahwa staf TI di layanan aplikasi MDK menumbuhkan kepercayaan responden untuk menggunakan aplikasi MDK. Indikator ini mendapatkan nilai 5 (setuju) dari 27 responden, nilai 4 (agak setuju) dari 165 responden, nilai 3 (agak tidak Universitas Indonesia


74

setuju) dari 52 responden, nilai 2 (tidak setuju) dari 38 responden, dan nilai 1 (sangat tidak setuju) dari 19 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini. 

Empati (KL5) Indikator KL5 menggambarkan bahwa pelayanan aplikasi MDK mengutamakan kepentingan responden dengan sungguh-sungguh. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 29 responden, nilai 5 (setuju) dari 68 responden, nilai 4 (agak setuju) dari 84 responden, nilai 3 (agak tidak setuju) dari 74 responden, nilai 2 (tidak setuju) dari 21 responden, dan nilai 1 (sangat tidak setuju) dari 22 responden.

g. Kondisi Fasilitas (KF) Pada variabel kondisi fasilitas terdapat enam indikator, yaitu panduan manual sistem (KF1), arahan penggunaan sistem (KF2), pengetahuan (KF3), sumber daya (KF4), kesesuaian dengan kebutuhan (KF5), dan kesesuaian dengan cara kerja (KF6). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 5 (setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.13.

Gambar 4.13 Sebaran Data Untuk Variabel Kondisi Fasilitas (Sumber: Data kuesioner, telah diolah)



75

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel kondisi fasilitas. 

Panduan manual sistem (KF1) Indikator KF1 menggambarkan bahwa responden memiliki panduan dari organsisasi atau pengembang (petunjuk manual berupa buku atau softcopy)

untuk

menggunakan

aplikasi

MDK.

Indikator

ini

mendapatkan nilai 6 (sangat setuju) dari 49 responden, nilai 5 (setuju) dari 241 responden, nilai 4 (agak setuju) dari 5 responden, nilai 3 (agak tidak setuju) dari 3 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) untuk indikator ini. 

Arahan penggunaan sistem (KF2) Indikator KF2 menggambarkan bahwa responden menerima arahan dari organsisasi untuk menggunakan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 18 responden, nilai 5 (setuju) dari 235 responden, nilai 4 (agak setuju) dari 45 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 3 (agak tidak setuju) dan 2 (tidak setuju) untuk indikator ini.



Pengetahuan (KF3) Indikator

KF3

menggambarkan

bahwa

responden

memiliki

pengetahuan yang memadai untuk menggunakan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 23 responden, nilai 5 (setuju) dari 187 responden, nilai 4 (agak setuju) dari 57 responden, nilai 3 (agak tidak setuju) dari 31 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 2 (tidak setuju) untuk indikator ini. 

Sumber daya (KF4) Indikator KF4 menggambarkan bahwa responden memiliki sumber daya (PC, browser, dll) yang dibutuhkan (sesuai dengan ketentuan dari petunjuk manual). Indikator ini mendapatkan nilai 5 (setuju) dari 153 responden, nilai 4 (agak setuju) dari 41 responden, nilai 3 (agak Universitas Indonesia


76

tidak setuju) dari 101 responden, dan nilai 2 (tidak setuju) dari 6 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) dan 1 (sangat tidak setuju) untuk indikator ini. 

Kesesuaian dengan kebutuhan (KF5) Indikator KF5 menggambarkan bahwa aplikasi MDK sesuai dengan kebutuhan pekerjaan responden. Indikator ini mendapatkan nilai 5 (setuju) dari 132 responden, nilai 4 (agak setuju) dari 89 responden, nilai 3 (agak tidak setuju) dari 29 responden, dan nilai 2 (tidak setuju) dari 51 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) dan 1 (sangat tidak setuju) untuk indikator ini.



Kesesuaian dengan cara kerja (KF6) Indikator KF6 menggambarkan adanya kesesuaian antara aplikasi MDK dengan pengalaman responden. Indikator ini mendapatkan nilai 5 (setuju) dari 100 responden, nilai 4 (agak setuju) dari 164 responden, nilai 3 (agak tidak setuju) dari 9 responden, nilai 2 (tidak setuju) dari 8 responden, dan nilai 1 (sangat tidak setuju) dari 20 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.

h. Kepuasan Pengguna (KP) Pada variabel kepuasan pengguna terdapat sembilan indikator, yaitu kepuasan terhadap sistem informasi (KP1), kenyamanan (KP2), pelatihan (KP3), pemahaman terhadap sistem (KP4), pemulihan error (KP5), kunjungan kembali (KP6), keefektifan (KP7), efisiensi (KP8), dan kebanggaan menggunakan sistem (KP9). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 4 (agak setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.14.



77

Gambar 4.14 Sebaran Data Untuk Variabel Kepuasan Pengguna (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel kepuasan pengguna. 

Kepuasan terhadap sistem informasi (KP1) Indikator KP1 menggambarkan bahwa responden merasa puas terhadap penggunaan aplikasi MDK secara keseluruhan. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 2 responden, nilai 5 (setuju) dari 30 responden, nilai 4 (agak setuju) dari 140 responden, nilai 3 (agak tidak setuju) dari 42 responden, nilai 2 (tidak setuju) dari 59 responden, dan nilai 1 (sangat tidak setuju) dari 28 responden.



Kenyamanan (KP2) Indikator KP2 menggambarkan bahwa responden merasa nyaman dalam menggunakan aplikasi MDK sebagai pendukung penyelesaian pekerjaan. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 2 responden, nilai 5 (setuju) dari 28 responden, nilai 4 (agak setuju) dari 157 responden, nilai 3 (agak tidak setuju) dari 38 responden, nilai 2 (tidak setuju) dari 52 responden, dan nilai 1 (sangat tidak setuju) dari 24 responden.



Pelatihan (KP3) Indikator

KP3

menggambarkan

adanya

pelatihan

secara

berkesinambungan dalam membantu meningkatkan pemahaman Universitas Indonesia


78

responden terhadap penggunaan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 17 responden, nilai 5 (setuju) dari 22 responden, nilai 4 (agak setuju) dari 175 responden, nilai 3 (agak tidak setuju) dari 48 responden, dan nilai 2 (tidak setuju) dari 39 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini. 

Pemahaman terhadap sistem (KP4) Indikator KP4 menggambarkan bahwa responden memahami dengan baik cara mengoperasikan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 2 responden, nilai 5 (setuju) dari 185 responden, nilai 4 (agak setuju) dari 89 responden, nilai 3 (agak tidak setuju) dari 6 responden, dan nilai 2 (tidak setuju) dari 19 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini.



Pemulihan error (KP5) Indikator KP5 menggambarkan adanya kemudahan dalam proses pemulihan saat terjadi permasalahan. Indikator ini mendapatkan nilai 5 (setuju) dari 48 responden, nilai 4 (agak setuju) dari 164 responden, nilai 3 (agak tidak setuju) dari 39 responden, nilai 2 (tidak setuju) dari 26 responden, dan nilai 1 (sangat tidak setuju) dari 24 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



Kunjungan kembali (KP6) Indikator KP6 menggambarkan bahwa responden akan menggunakan aplikasi MDK kembali untuk mencatat dan menghasilkan laporan data keluarga. Indikator ini mendapatkan nilai 5 (setuju) dari 159 responden, nilai 4 (agak setuju) dari 87 responden, nilai 3 (agak tidak setuju) dari 18 responden, dan nilai 2 (tidak setuju) dari 37 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) dan 1 (sangat tidak setuju) untuk indikator ini.



79



Keefektifan (KP7) Indikator KP7 menggambarkan bahwa aplikasi MDK dapat membantu responden secara efektif. Indikator ini mendapatkan nilai 5 (setuju) dari 65 responden, nilai 4 (agak setuju) dari 183 responden, nilai 3 (agak tidak setuju) dari 13 responden, dan nilai 2 (tidak setuju) dari 40 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) dan 1 (sangat tidak setuju) untuk indikator ini.



Efisiensi (KP8) Indikator KP8 menggambarkan bahwa dengan adanya aplikasi MDK, responden dapat menyelesaikan pekerjaan secara cepat dan tepat sehingga menghemat waktu dan biaya. Indikator ini mendapatkan nilai 5 (setuju) dari 127 responden, nilai 4 (agak setuju) dari 112 responden, nilai 3 (agak tidak setuju) dari 21 responden, nilai 2 (tidak setuju) dari 15 responden, dan nilai 1 (sangat tidak setuju) dari 26 responden. Tidak ada responden yang memberikan nilai 6 (sangat setuju) untuk indikator ini.



Kebanggaan menggunakan sistem (KP9) Indikator KP9 menggambarkan bahwa responden merasa bangga menggunakan aplikasi MDK. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 11 responden, nilai 5 (setuju) dari 208 responden, nilai 4 (agak setuju) dari 34 responden, nilai 3 (agak tidak setuju) dari 5 responden, nilai 2 (tidak setuju) dari 16 responden, dan nilai 1 (sangat tidak setuju) dari 27 responden.

i. Manfaat Bersih (MB) Pada variabel manfaat bersih terdapat empat indikator, yaitu penghematan biaya (MB1), penghematan waktu (MB2), bantuan pada pekerjaan (MB3), dan produktivitas pegawai (MB4). Berdasarkan data kuesioner yang diperoleh, sebagian data berada pada nilai 5 (setuju). Untuk lebih jelasnya dapat dilihat pada Gambar 4.15.



80

Gambar 4.15 Sebaran Data Untuk Variabel Manfaat Bersih (Sumber: Data kuesioner, telah diolah)

Berdasarkan gambar di atas dapat diketahui sebaran data kuesioner terkait indikator-indikator dari variabel manfaat bersih. 

Penghematan biaya (MB1) Indikator MB1 menggambarkan bahwa penggunaan aplikasi MDK dapat menghemat biaya proses pencatatan dan pelaporan data keluarga Indikator ini mendapatkan nilai 6 (sangat setuju) dari 14 responden, nilai 5 (setuju) dari 215 responden, nilai 4 (agak setuju) dari 18 responden, nilai 3 (agak tidak setuju) dari 14 responden, nilai 2 (tidak setuju) dari 37 responden, dan nilai 1 (sangat tidak setuju) dari 3 responden.



Penghematan waktu (MB2) Indikator MB2 menggambarkan bahwa penggunaan aplikasi MDK dapat menghemat waktu, sehingga proses pencatatan dan pelaporan data

keluarga

dapat

diselesaikan

lebih

cepat.

Indikator

ini

mendapatkan nilai 6 (sangat setuju) dari 14 responden, nilai 5 (setuju) dari 142 responden, nilai 4 (agak setuju) dari 92 responden, nilai 3 (agak tidak setuju) dari 10 responden, nilai 2 (tidak setuju) dari 19 responden, dan nilai 1 (sangat tidak setuju) dari 24 responden.



81



Bantuan pada pekerjaan (MB3) Indikator MB3 menggambarkan bahwa penggunaan aplikasi MDK dapat membantu menyelesaikan pekerjaan terkait dengan pencatatan dan pelaporan data keluarga. Indikator ini mendapatkan nilai 6 (sangat setuju) dari 13 responden, nilai 5 (setuju) dari 212 responden, nilai 4 (agak setuju) dari 32 responden, nilai 3 (agak tidak setuju) dari 41 responden, dan nilai 2 (tidak setuju) dari 3 responden. Tidak ada responden yang memberikan nilai 1 (sangat tidak setuju) untuk indikator ini.



Produktivitas pegawai (MB4) Indikator MB4 menggambarkan bahwa penggunaan aplikasi MDK dapat

meningkatkan

produktivitas

pengawai.

Indikator

ini

mendapatkan nilai 6 (sangat setuju) dari 14 responden, nilai 5 (setuju) dari 219 responden, nilai 4 (agak setuju) dari 28 responden, nilai 3 (agak tidak setuju) dari 3 responden, nilai 2 (tidak setuju) dari 13 responden, dan nilai 1 (sangat tidak setuju) dari 24 responden.

4.2. Analisis Inferensial Pada tahap ini dilakukan pengolahan dan analisis terhadap data kuesioner yang telah dikumpulkan untuk mendapatkan jawaban atas pertanyaan penelitian yang telah diajukan serta membuktikan hipotesis sebelumnya. Data pada penelitian ini akan diolah menggunakan metode statistik SEM dengan bantuan program SPSS 22, AMOS 22, dan LISREL 8.80. 4.2.1. Membuat Diagram Alur dan Persamaan Struktural Diagram alur (path diagram) merupakan representasi grafis mengenai bagaimana beberapa variabel pada suatu model berhubungan satu sama lain, yang memberikan suatu pandangan menyeluruh mengenai struktur model (Ghozali & Fuad, 2012). Diagram alur merupakan tahapan kedua dalam SEM. Diagram ini dirancang berdasarkan kerangka teori yang telah dirumuskan sebelumnya.



82

Penulis menggunakan bantuan LISREL 8.80 dalam membuat diagram alur yang tergambar pada Gambar 4.16.

Gambar 4.16 Diagram Alur Model Penelitian (Sumber: Hasil analisis LISREL)

Berdasarkan diagram alur di atas terlihat beberapa variabel eksogen, variabel endogen, dan variabel intervening. Variabel yang termasuk variabel eksogen adalah Ekspektasi Kinerja (EK), Ekspektasi Usaha (EU), Pengaruh Sosial (PS), Kualitas Sistem (KS), Kualitas Informasi (KI), Kualitas Layanan (KL), dan Universitas Indonesia


83

Kondisi Fasilitas (KF). Manfaat Bersih (MB) merupakan variabel endogen, sedangkan Kepuasan Pengguna (KP) dikenal sebagai variabel intervening. Variabel intervening merupakan variabel endogen yang dapat menjadi variabel independen dan memengaruhi variabel endogen lainnya dalam suatu model (Ghozali & Fuad, 2012). KP merupakan variabel endogen atas EK, EU, PS, KS, KI, KL, dan KF, tetapi juga variabel independen yang memengaruhi MB. Diagram alur model dapat diterjemahkan ke dalam persamaan struktural. Persamaan struktur menggambarkan hubungan antara variabel. Berikut merupakan persamaan struktural dari variabel penelitian ini: KP = γEK + γEU + γPS + γKF + γKS + γKI + γKL + ζ1 MB = βKP + ζ2 Berikut persamaan model pengukuran: a. Variabel eksogen Ekspektasi Kinerja (EK) EK1 = λEK + δ1 EK2 = λEK + δ2 EK3 = λEK + δ3 EK4 = λEK + δ4 b. Variabel eksogen Ekspektasi Usaha (EU) EU1 = λEU + δ5 EU2 = λEU + δ6 EU3 = λEU + δ7 EU4 = λEU + δ8 c. Variabel eksogen Pengaruh Sosial (PS) PS1 = λPS + δ9 PS2 = λPS + δ10 PS3 = λPS + δ11 PS4 = λPS + δ12 d. Variabel eksogen Kualitas Sistem (KS) KS1 = λKS + δ13 KS2 = λKS + δ14 Universitas Indonesia


84

KS3 = λKS + δ15 KS4 = λKS + δ16 KS5 = λKS + δ17 KS6 = λKS + δ18 KS7 = λKS + δ19 KS8 = λKS + δ20 e. Variabel eksogen Kualitas Informasi (KI) KI1 = λKI + δ21 KI2 = λKI + δ22 KI3 = λKI + δ23 KI4 = λKI + δ24 KI5 = λKI + δ25 KI6 = λKI + δ26 KI7 = λKI + δ27 KI8 = λKI + δ28 f. Variabel eksogen Kualitas Layanan (KL) KL1 = λKL + δ29 KL2 = λKL + δ30 KL3 = λKL + δ31 KL4 = λKL + δ32 KL5 = λKL + δ33 g. Variabel eksogen Kondisi Fasilitas (KF) KF1 = λKF + δ34 KF2 = λKF + δ35 KF3 = λKF + δ36 KF4 = λKF + δ37 KF5 = λKF + δ38 KF6 = λKF + δ39 h. Variabel endogen Kepuasan Pengguna (KP) KP1 = λKP + ε1 KP2 = λKP + ε2 KP3 = λKP + ε3 Universitas Indonesia


85

KP4 = λKP + ε4 KP5 = λKP + ε5 KP6 = λKP + ε6 KP7 = λKP + ε7 KP8 = λKP + ε8 KP9 = λKP + ε9 i. Variabel endogen Manfaat Bersih (MB) MB1 = λMB + ε10 MB2 = λMB + ε11 MB3 = λMB + ε12 MB4 = λMB + ε13

4.2.2. Pemilihan Matriks Input dan Teknik Estimasi Model Menurut Ferdinand (2005), perbedaan SEM dengan teknik-teknik multivariate (banyak variabel) terletak pada input data yang digunakan dalam permodelan dan estimasinya. SEM hanya menggunakan matriks varian atau kovarian atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. Salah satu metode yang dapat digunakan adalah Maximum Likehood (ML), dengan syarat ukuran sampel adalah antara 100-200 dan asumsi normalitas terpenuhi. Pendapat yang sama juga disampaikan oleh Hair, et al (2006) yang menyatakan bahwa matriks kovarian adalah input yang tepat untuk melakukan analisis SEM yang bertujuan untuk menguji teori. Oleh karena itu, matriks yang digunakan sebagai input dalam penelitian ini adalah matriks kovarian. Matriks kovarian ini merupakan matriks yang dibuat secara default oleh program LISREL. Metode estimasi yang digunakan juga adalah metode yang disediakan oleh LISREL secara default, yaitu metode Maximum Likelihood Estimation (MLE).



86

4.2.3. Identifikasi Model Menurut Santoso (2012), sebuah model dikatakan over-identified apabila memiliki degree of freedon (df) lebih dari 0. Berdasarkan hasil analisis menggunakan LISREL, diperoleh bahwa model penelitian ini memiliki df sebesar 1245. Hal ini menunjukkan bahwa model penelitian dapat diestimasi dan dinilai. Dengan kondisi seperti ini, analisis dapat dilanjutkan ke tahap selanjutnya.

4.2.4. Estimasi Model Dalam SEM terdapat beberapa asumsi yang harus dipenuhi, yaitu: 4.2.4.1. Ukuran Sampel Menurut Lei & Wu (2007), dalam menggunakan SEM dibutuhkan sampel minimal 200 atau 5-20 kali dari jumlah parameter yang diperkirakan. Penelitian ini menggunakan 287 sampel, sehingga sudah dapat memenuhi batal minimal sampel.

4.2.4.2. Normalitas Menurut Santoso (2012) penelitian yang menggunakan SEM biasanya menggunakan tingkat signifikansi untuk normalitas data sebesar 1% dan angka z ± 2,58. Jika critical ratio skewness dan critical ratio curtosis berada dalam rentang antara – 2,58 hingga + 2,58 maka data dikatakan terdistribusi normal. Hasil uji normalitas dapat dilihat pada Lampiran 4. Berdasarkan hasil uji normalitas menggunakan LISREL diperoleh bahwa hanya variabel KS5, KS7, KL2, KL5, dan KP3 yang memiliki nilai critical ratio skewness dan critical ratio curtosis pada rentang -2,58 hingga +2,58. Hal ini menunjukkan bahwa hanya variabel KS5, KS7, KL2, KL5, dan KP3 yang terdistribusi normal secara univariate, sedangkan variabel lainnya tidak terdistribusi normal secara univariate. Selain itu, model penelitian ini juga tidak terdistribusi normal secara multivariate karena memiliki nilai critical ratio skewness sebesar 137,719 dan critical ratio curtosis sebesar 29,395. Karena penelitian ini melibatkan lebih dari Universitas Indonesia


87

200 responden, maka penyimpangan dari kenormalan data dapat diabaikan (Hair, et al, 2006). Di samping itu, Sihombing (2004) juga berpendapat bahwa metode Maximum Likelihood dapat digunakan walaupun normalitas data tidak tercapai. Dengan mempertimbangkan normalitas multivariate yang belum tercapai, penelitian ini menggunakan estimasi asymptotic covariance matrix yang menurut Ghozali dan Fuad (2012) dapat mengurangi dampak hasil yang bias dari persebaran data yang tidak normal.

4.2.4.3. Outlier Outlier merupakan data yang memiliki perbedaan yang jauh dengan data lainnya. Penghapusan outlier dapat meningkatkan normalitas data. Outlier ini dapat diidentifikasi menggunakan aplikasi AMOS melalui uji mahalanobis distance. Sebuah data dikatakan outlier jika data tersebut memiliki nilai p1 dan p2 yang kurang dari 0,001 (Santoso, 2012). Berdasarkan hasil uji mahalanobis distance yang terdapat pada Lampiran 5, diperoleh 14 data yang digolongkan sebagai outlier. Semua outlier tersebut dihapus. Tujuan dari penghapusan outlier adalah untuk meningkatkan normalitas data. Oleh sebab itu, setelah 14 outlier dihapus, penulis melakukan uji normalitas kembali. Hasil uji normalitas ini dapat dilihat pada Lampiran 6. Berdasarkan hasil tersebut, terlihat bahwa data masih tidak terdistribusi secara normal. Meskipun demikian, penelitian ini masih bisa dilanjutkan karena jumlah sampel melebihi 200, yaitu 287, sehingga penyimpangan terhadap kenormalan data dapat diabaikan.

4.2.4.4. Multikolinearitas dan Singularitas Uji multikolinearitas dan singularitas berguna untuk memeriksa hubungan korelasi antara variabel independen (Hong & Cho, 2011). Pengujian ini dapat dilakukan dengan menggunakan aplikasi SPSS. Menurut Ghozali & Fuad (2012), uji multikolinearitas dan singularitas dapat dilihat dari nilai tolerance dan VIF yang dihasilkan oleh SPSS. Universitas Indonesia


88

a. Jika nilai tolerance lebih besar dari 0,10, tidak terjadi multikolinearitas atau singularitas b. Jika nilai VIF lebih kecil dari 10,0, tidak terjadi multikolinearitas atau singularitas Hasil uji multikolinearitas atau singularitas data penelitian ini dapat dilihat pada Tabel 4.2 Tabel 4.2 Hasil Uji Multikolinearitas dan Singularitas Collinearity Statistics Model Tolerance

VIF

EK1

.208

4.798

EK2

.136

7.328

EK3

.150

6.666

EK4

.204

4.891

EU1

.154

8.593

EU2

.152

9.368

EU3

.180

9.514

EU4

.196

9.394

PS1

.435

2.300

PS2

.205

4.868

PS3

.202

4.960

PS4

.521

1.920

KS1

.455

2.198

KS2

.308

3.251

KS3

.276

3.628

KS4

.228

4.389

KS5

.190

5.253

KS6

.221

4.532

KS7

.159

6.280

KS8

.353

2.830

KI1

.161

6.208

KI2

.210

4.765

KI3

.206

4.862

KI4

.141

7.105

KI5

.194

5.143

KI6

.108

9.273

KI7

.104

9.630



89

Collinearity Statistics Model Tolerance

VIF

KI8

.106

9.446

KL1

.159

6.851

KL2

.133

7.153

KL3

.194

5.658

KL4

.130

7.257

KL5

.148

6.645

KF1

.143

6.986

KF2

.122

8.206

KF3

.181

5.531

KF4

.147

6.818

KF5

.158

6.313

KF6

.171

5.842

KP1

.188

5.305

KP2

.161

6.438

KP3

.290

3.448

KP4

.147

6.810

KP5

.176

5.146

KP6

.174

5.453

KP7

.166

6.076

KP8

.147

6.376

KP9

.124

8.671

MB1

.121

8.851

MB2

.122

8.808

MB3

.139

8.495

MB4

.121

8.845

(Sumber: Hasil analisis SPSS)

Berdasarkan tabel di atas, dapat diketahui bahwa nilai Tolerance semua variabel penelitian ini lebih besar dari 0,10 dan nilai VIF semua variabel tidak ada yang lebih dari 10,0. Kedua hal ini menunjukkan bahwa tidak terdapat multilinearitas dan singularitas pada data penelitian ini.

4.2.4.5. Offending Estimate Uji offending estimate ini berguna untuk memastikan bahwa tidak ada nilai varians pada penelitian ini yang bernilai negatif. Pengujian ini dilakukan menggunakan aplikasi LISREL. Hasil uji offending estimate dapat dilihat pada Universitas Indonesia


90

Lampiran 7. Berdasarkan hasil tersebut, terlihat bahwa semua variabel penelitian memiliki nilai varians positif.

4.2.5. Uji Kelayakan Model Setelah melakukan tahapan-tahapan di atas, tahapan selanjutnya adalah menguji kelayakan model atau model fit. Uji kelayakan model ini dibagi menjadi dua bagian, yaitu menguji measurement model dan structural model. Measurement model menggambarkan hubungan antara variabel laten dan variabel manifes, sementara itu structural model menggambarkan hubungan antara variabel laten. 4.2.5.1. Uji Measurement Model Uji kelayakan model ini disebut juga dengan Confirmatory Factor Analysis (CFA). Berdasarkan penelitian yang dilakukan oleh Ramadhan (2014), measurement model terdiri atas 3 pengujian, yaitu uji validitas, uji reliabilitas, dan uji kecocokan. Ketiga pengujian ini bertujuan untuk mengukur apakah indikator-indikator yang ada sudah cukup menggambarkan variabel yang ada pada penelitian. Selain itu, pengujian ini juga melihat kecocokan model yang dikembangkan dengan data penelitian yang didapatkan. a. Uji Validitas Pengujian ini dilakukan dengan menggunakan aplikasi LISREL. LISREL akan memberikan T-value dan standardized loading. Suatu variabel dikatakan valid apabila memiliki nilai T lebih besar atau sama dengan 1,96 dan nilai loading factor lebih besar atau sama dengan 0,60 (Sharma, 1996). Hasil uji validitas variabel penelitian ini dapat dilihat pada Tabel 4.3. Tabel 4.3 Hasil Uji Validitas

Indikator

T-value

Loading Factor

(>= 1,96)

(>= 0,60)

EK1

15,08

0.77

EK2

18,00

0.86

EK3

20,55

0.93 Universitas Indonesia


91

Indikator

T-value

Loading Factor

(>= 1,96)

(>= 0,60)

EK4

18,44

0.87

EU1

22,77

0.98

EU2

23,04

0.98

EU3

17,29

0.83

EU4

15,92

0.79

PS1

8,56

0.51

PS2

16,05

0.85

PS3

15,42

0.83

PS4

2,48

0.16

KS1

1,92

0.12

KS2

10,64

0.6

KS3

16,05

0.82

KS4

12,27

0.56

KS5

12,07

0.55

KS6

10,08

0.58

KS7

13,90

0.74

KS8

9,03

0.53

KI1

13,32

0.79

KI2

13,72

0.77

KI3

11,34

0.68

KI4

13,45

0.56

KI5

5,97

0.47

KI6

1,40

0.39

KI7

14,96

0.78

KI8

9,33

0.58

KL1

17,39

0.84

KL2

19,36

0.89

KL3

19,25

0.89

KL4

22,24

0.97

KL5

16,36

0.8

KF1

6,76

0.75

KF2

3,55

0.57 Universitas Indonesia


92

Indikator

T-value

Loading Factor

(>= 1,96)

(>= 0,60)

KF3

-8,41

-0.9

KF4

-11,55

-0.8

KF5

-17,08

-0.97

KF6

-12,35

-0.88

KP1

0,00

0.65

KP2

10,53

0.68

KP3

6,92

0.43

KP4

-1,19

-0.07

KP5

11,26

0.74

KP6

11,18

0.73

KP7

11,10

0.73

KP8

11,13

0.73

KP9

13,76

0.95

MB1

0,00

0.97

MB2

27,96

0.88

MB3

27,54

0.88

MB4

33,99

0.92

(Sumber: Hasil analisis LISREL)

Berdasarkan hasil uji validitas di atas, diperoleh 18 variabel manifes (indikator) yang tidak memenuhi syarat validitas, yaitu PS1, PS4, KS1, KS4, KS5, KS6, KS8, KI4, KI5, KI6, KI8, KF2, KF3, KF4, KF5, KF6, KP3, dan KP4. Oleh karena itu, 18 variabel ini harus dihapus dari model penelitian.

b. Uji Reliabilitas Pengujian ini dilakukan dengan menggunakan aplikasi SPSS dan LISREL. Ghazali dan Fuad (2012) mengatakan bahwa dalam melakukan uji reliabilitas, nilai Cronbach’s Alpha yang dihasilkan oleh SPSS serta nilai Construct Reliability (CR) dan Variance Extracted (VE) dapat dijadikan acuan. Suatu variabel dikatakan reliabel jika memiliki nilai Cronbach’s Alpha yang lebih besar atau sama dengan 0,7 (Wijanto, 2008) serta nilai CR Universitas Indonesia


93

lebih besar atau sama dengan 0,7 dan nilai VE lebih besar atau sama dengan 0,5 (Chin, Marcolin, & Newsted, 2003). Nilai CR dan VE dapat dihitung menggunakan rumus berikut (Chin, Marcolin, & Newsted, 2003):

Keterangan: 

SLF

menunjukkan nilai hubungan suatu variabel laten dengan

indikatornya. Nilai ini diperoleh

dari

diagram alur standardized

solution yang dihasilkan oleh LISREL 8.80 

Error menunjukkan nilai error tiap indikator. Nilai ini diperoleh dari diagram alur standardized solution yang dihasilkan oleh LISREL 8.80

Hasil uji reliabilitas penelitian ini dapat dilihat pada Tabel 4.4. Tabel 4.4 Uji Reliabilitas

Variabel

CR

VE

Cronbach’s Alpha

EK

0,92

0,74

0,92

EU

0,94

0,81

0,96

PS

0,77

0,51

0,70

KS

0,88

0,50

0,80

KI

0,89

0,51

0,81

KL

0,95

0,78

0,94

KF

0,71

0,75

0,71

KP

0,89

0,52

0,88

MB

0,95

0,83

0,94

(Sumber: Hasil analisis SPSS dan LISREL, telah diolah)

Berdasarkan hasil uji reliabilitas yang terdapat pada Tabel 4.4 dapat diketahui bahwa semua variabel memenuhi ketiga komponen uji reliabilitas. Hasil uji reliabilitas selengkapnya dapat dilihat pda Lampiran 8. Universitas Indonesia


94

c. Uji Kecocokan Model (Goodness of Fit) Dalam uji kecocokan model, terdapat beberapa kriteria yang harus diperhatikan, yaitu Chi-Square, Root Mean Square Error of Approximation (RMSEA), Normed chi-square (X2/df), Standardized Root Mean Square Residual (SRMR), Normed Fit Index (NFI), Non-Normed Fit Index (NNFI), Comparative Fit Index (CFI), Goodness of Fit Index (GFI). Kriteria ini juga dikenal dengan komponen Goodness of Fit. Menurut Hooper, et al (2008), CFI, GFI, NFI, NNFI adalah komponen Goodness of Fit paling sering digunakan sebagai fit index. Setiap komponen memiliki standar nilai masing-masing. Standar nilai ini dapat dilihat pada Tabel 4.5. Tabel 4.5 Standar Nilai Goodness of Fit

Komponen

Standar

Chi-Square

Mendekati 0 lebih baik

RMSEA

≤ 0,08 adalah good fit ≤ 0,05 adalah close fit

Normed chi-square (X2/df)

≤ 1 batas bawah ≤ 2 atau ≤ 3 merupakan batas atas ≤ 5 batas yang lebih longgar

SRMR

≤ 0,05 adalah close fit

NFI

≥ 0,90 adalah good fit 0,80 ≤ NFI ≤ 0,90 adalah marginal fit ≥ 0,90 adalah good fit

NNFI

0,80 ≤ NFI ≤ 0,90 adalah marginal fit ≥ 0,90 adalah good fit

CFI

0,80 ≤ NFI ≤ 0,90 adalah marginal fit ≥ 0,90 adalah good fit

GFI

0,80 ≤ NFI ≤ 0,90 adalah marginal fit (Sumber: Wijanto, 2008)



95

Uji kecocokan model ini dilakukan menggunakan aplikasi LISREL. Menurut Ghozali & Fuad (2012), aplikasi LISREL cocok digunakan untuk data yang lebih besar atau sama dengan 200 dan tidak memenuhi uji normalitas. Aplikasi LISREL akan menghasilkan nilai komponen Goodness of Fit dari model penelitian ini. Hasil uji kecocokan model penelitian ini serta pencapaian terhadap standarnya dapat dilihat pada Tabel 4.6. Tabel 4.6 Nilai Komponen Goodness of Fit Model Penelitian

Komponen

Standar

Hasil

Keterangan

Chi-Square

Mendekati 0

5865,61

RMSEA

≤ 0,08

0,16

poor fit

SRMR

≤ 0,05

0,12

poor fit

Normed chi-square (X2/df)

≤5

8,65

poor fit

NFI

≥ 0,90

0,76

poor fit

NNFI

≥ 0,90

0,76

poor fit

CFI

≥ 0,90

0,78

poor fit

GFI

≥ 0,90

0,78

poor fit


Berdasarkan Tabel 4.6 di atas, terlihat bahwa semua komponen Goodness of Fit pada penelitian ini masih bernilai poor fit. Oleh sebab itu, penulis melakukan modifikasi untuk mendapatkan model yang cocok. Hasil lengkap uji kecocokan model penelitian ini dapat dilihat pada Lampiran 9. Menurut Ghozali & Fuad (2012), salah satu penyebab sebuah model tidak fit adalah tingginya nilai Chi-square. Untuk menurunkan nilai Chi-Square, maka dilakukan modifikasi model. Ghozali & Fuad (2012) juga menjabarkan beberapa cara untuk memodifikasi model, yaitu dengan menghapus indikator yang memiliki nilai loading factor ≤ 0,60 dan menambah hubungan antara variabel laten atau antara variabel error. Cara pertama tidak dapat dilakukan pada penelitian ini, karena model yang sekarang sudah tidak memiliki nilai loading factor ≤ 0,60. Penghapusan ini telah dilakukan ketika uji validitas dan reliabilitas. Universitas Indonesia


96

Cara kedua terkait penambahan hubungan antara variabel laten tidak dapat dilakukan tanpa adanya teori pendukung. Namun penambahan hubungan antara variabel error dapat dilakukan karena korelasi positif antara variabel error mungkin saja terjadi ketika pengumpulan data merupakan kuesioner yang terdiri atas pertanyaan yang disampaikan secara bersamaan (Kano & Yukari, 2003). LISREL

memberikan

beberapa

saran

modifikasi

model

untuk

meningkatkan nilai beberapa kriteria kelayakan model. Saran modifikasi model yang diberikan LISREL untuk penelitian ini dapat dilihat pada Lampiran 9. Berdasarkan saran tersebut, terlihat bahwa penambahan hubungan error covariance antara beberapa indikator merupakan cara yang paling berpengaruh untuk menurunkan nilai Chi-Square. Penambahan error covariance dapat dilihat pada Tabel 4.7. Tabel 4.7 Penambahan Error Covariance

Indikator 1

Indikator 2

EK1

EU4

EK1

EK2

EU1

EU2

KS2

KS7

KS3

KI2

KS7

KL4

KI1

KL2

KI2

KL3

KI3

KL4

KP1

MB3

KP2

KP1

KP6

MB2

KP7

MB3

KP8

MB1

MB1

MB4



97

Penambahan hubungan antara variabel error ini dilakukan secara satu per satu karena LISREL akan memberikan saran modifikasi berbeda setelah penulis menambahkan satu hubungan. Nilai komponen Goodness of Fit setelah dilakukan penambahan error covariance dapat dilihat pada Tabel 4.8. Tabel 4.8 Nilai Goodness of Fit Setelah Penambahan Error Covariance

Komponen

Standar

Hasil

Chi-Square

Mendekati 0

2179,00

RMSEA

≤ 0,08

0,078

Fit

SRMR

≤ 0,05

0,049

Fit

3,99

Fit

Normed

chi- ≤ 5

Keterangan

square (X2/df) NFI

≥ 0,90

0,90

Fit

NNFI

≥ 0,90

0,90

Fit

CFI

≥ 0,90

0,91

Fit

GFI

≥ 0,90

0,72

Poor Fit


Berdasarkan tabel di atas terlihat bahwa penambahan error covariance dapat mengurangi nilai Chi-Square, RMSEA, SRMS, dan normed chisquare serta meningkatkan nilai NFI, NNFI, CFI, dan GFI. Namun nilai Chi-Square dan GFI masih belum fit. Menurut Hooper, et al (2008), ChiSquare merupakan komponen yang sangat sensitif terhadap sampel yang besar, sehingga komponen ini dapat diabaikan. Hal yang sama juga berlaku terhadap nilai GFI. Menurut Sharma, et al (2003), GFI juga merupakan komponen yang dipengaruhi oleh jumlah sampel dan akan bias jika memiliki sampel yang besar, sehingga pada konsesus saat ini GFI jarang digunakan. Berdasarkan pendapat yang disampaikan oleh Hooper, et al (2008) dan Sharma, et al (2003), nilai Chi-Square dan GFI dapat diabaikan. Dengan merujuk kepada kedua pendapat tersebut, maka model penelitian ini sudah Universitas Indonesia


98

dapat dikatakan baik. Model penelitian ini telah memenuhi standar komponen Goodness of Fit, baik nilai RMSEA, SRMS, normed chi-square, NFI, NNFI, dan CFI.

4.2.5.2. Uji Structural Model Menurut Wijanto (2008), uji structural model digunakan untuk melihat hubungan (pengaruh) antara variabel laten. Hubungan tersebut mencerminkan hipotesis penelitian ini. Pengaruh tersebut ditunjukkan oleh nilai t (T value) di diagram jalur yang dihasilkan oleh LISREL. Suatu variabel laten dikatakan memengaruhi variabel laten lain jika memiliki nilai t sebesar ±1,96. Selain itu, Ghozali dan Fuad (2012) juga menyatakan bahwa besarnya hubungan antara variabel laten dapat dilihat dari persamaan regresi atau hasil estimasi yang dihasilkan oleh LISREL. Hasil uji structural model dapat dilihat pada Gambar 4.17 dan Gambar 4.18.



99

Gambar 4.17 Uji Structural Model (Nilai T) (Sumber: Hasil analisis LISREL)

Pada Gambar 4.17 terlihat bahwa terdapat nilai t yang berwarna merah dan berwarna hitam. Nilai t berwarna merah menunjukkan bahwa nilai t tidak berada pada rentang ±1,96, sehingga tidak terdapat hubungan yang signifikan antar variabel laten yang dihubungkan oleh nilai tersebut (hipotesis ditolak). Di lain sisi, nilai t berwarna hitam menunjukkan bahwa nilai t berada pada rentang ±1,96, sehingga terdapat hubungan yang signifikan antar variabel laten yang dihubungkan oleh nilai tersebut (hipotesis diterima). Universitas Indonesia


100

Berdasarkan Gambar 4.17 dapat diketahui bahwa ada 3 hubungan yang tidak signifikan, yaitu EK→KP, EU→KP, dan PS→KP. Hubungan KS→KP, KI→KP, KL→KP, dan KP→MB memiliki nilai t pada rentang ±1,96, sehingga terdapat hubungan yang signifikan.

Gambar 4.18 Uji Structural Model (Estimate) (Sumber: Hasil analisis LISREL)

Berdasarkan Gambar 4.18 terlihat bahwa variabel EU dan KS berpengaruh negative terhadap variabel KP, sedangkan variabel EK, PS, KI, KL, dan KF Universitas Indonesia


101

berpengaruh positif terhadap variabel KP. Selain itu, juga terlihat bahwa variabel KP berpengaruh positif terhadap variabel MB. LISREL juga menampilkan hubungan ini dalam bentuk persamaan regresi berikut. KP = 0,073*EK – 0,0084*EU – 0,028*PS + 0,15*KS + 0,33*KI + 0,73*KL + 0,22*KF MB = 0,95*KP

Penafsiran hasil uji structural model ini terhadap hipotesis penelitian dapat dilihat pada Tabel 4.9. Tabel 4.9 Hasil Uji Hipotesis Penelitian

Hubungan Nilai t

Estimasi

Keterangan

Kesimpulan

EK→KP

0,07

Tidak Signifikan

H01 diterima

0,79

HA1 ditolak EU→KP

-0,09

-0,01

Tidak Signifikan

H02 diterima HA2 ditolak

PS→KP

-0.37

-0,03

Tidak Signifikan

H03 diterima HA3 ditolak

KS→KP

2,79

0,15

Signifikan

H04 ditolak HA4 diterima

KI→KP

4,56

0,33

Signifikan


KL→KP

7,02

0,73

Signifikan


KF→KP

7,12

0,22

Signifikan


KP→MB

12,17

0,95

Signifikan


Berdasarkan Tabel 4.9 dapat diketahui penafsiran hasil uji structural model ini terhadap hipotesis penelitian sebagai berikut: a. Variabel ekspektasi kinerja menunjukkan seberapa besar ekspektasi pengguna aplikasi MDK dalam mendukung performa kerjanya. Variabel ini tidak memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal Universitas Indonesia


102

ini dapat dilihat dari nilai t yang tidak berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel ekspektasi kinerja tidak memiliki pengaruh terhadap kepuasan pengguna. Hasil ini selaras dengan penelitian yang dilakukan Hakim (2011) dan Venkatesh, et al (2003) yang mengatakan bahwa bagi responden laki-laki, ekspektasi kinerja berpengaruh signifikan terhadap efektivitas sistem informasi. Sebagian besar responden penelitian ini adalah perempuan, sehingga variabel ekspektasi kinerja tidak memiliki pengaruh yang signifikan terhadap efektivitas aplikasi MDK. b. Variabel ekspektasi usaha menunjukkan seberapa besar ekspektasi pengguna terhadap upaya yang harus dilakukan dalam penggunaan aplikasi MDK. Variabel ini tidak memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal ini dapat dilihat dari nilai t yang tidak berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel ekspektasi usaha tidak memiliki pengaruh terhadap kepuasan pengguna. Jenis kelamin merupakan variabel moderator antara ekspektasi usaha dan penggunaan sistem (Venkatesh, et al, 2003). Pada penelitian Ambarita (2014) dan Ramadhan (2014) diperoleh hasil bahwa ekspektasi usaha merupakan variabel yang memengaruhi efektivitas sistem, dengan sebagian responden merupakan laki-laki. Berdasarkan ketiga penelitian tersebut dapat disimpulkan bahwa bagi responden laki-laki, ekspektasi usaha merupakan variabel yang berpengaruh signifikan terhadap efektivitas sistem. Pada penelitian ini, sebagian besar responden merupakan perempuan (63%), maka hasil penelitian ini selaras dengan hasil penelitian Ambarita (2014) dan Ramadhan (2014). c. Variabel pengaruh sosial menunjukkan seberapa besar pengaruh sosial terhadap penggunaan aplikasi MDK. Variabel ini tidak memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal ini dapat dilihat dari nilai t yang tidak berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel pengaruh sosial tidak memiliki pengaruh terhadap kepuasan pengguna. Hakim (2011) berpendapat bahwa bagi responden wanita, pengaruh sosial merupakan faktor yang berpengaruh signifikan terhadap kepuasan pengguna dan efektivitas aplikasi. Selain jenis kelamin, terdapat 2 Universitas Indonesia


103

variabel lain yang memengaruhi hubungan antara pengaruh sosial dan kepuasan pengguna, yaitu usia dan pengalaman (Venkatesh, et al, 2003). Sebagian besar responden penelitian ini berusia lebih dari 30 tahun dan memiliki

pendidikan

minimal

D1

di

bidang

teknik

komputer/informatika/sistem informasi dengan pengalaman menggunakan aplikasi komputer lebih besar dari 2 tahun. Profil ini menunjukkan sebagian besar responden menghabiskan waktunya dengan komputer sehingga pengaruh sosial tidak memiliki pengaruh yang signifikan terhadap kepuasan pengguna dan efektivitas aplikasi MDK. d. Variabel kualitas sistem menggambarkan kualitas aplikasi MDK dari sisi teknis. Variabel ini memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal ini dapat dilihat dari nilai t yang berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel kualitas sistem memiliki pengaruh terhadap kepuasan pengguna. Hasil ini selaras dengan hasil penelitian Kamalia (2012) dan Septikasati (2012). Kualitas sistem dapat dilihat dari waktu respon aplikasi MDK yang cepat, rendahnya tingkat kerusakan (error) yang dimiliki aplikasi MDK, dan kemampuan aplikasi MDK dalam menghemat waktu dan biaya untuk menyelesaikan pekerjaan. e. Variabel kualitas informasi menggambarkan informasi yang dihasilkan oleh aplikasi MDK. Variabel ini memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal ini dapat dilihat dari nilai t yang berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel kualitas informasi memiliki pengaruh terhadap kepuasan pengguna. Hasil ini selaras dengan hasil penelitian Kamalia (2012) dan Septikasati (2012). Kualitas informasi dapat dilihat dari keakuratan informasi (tidak terdapat kekeliruan penyajian), kesesuaian dengan informasi yang diinginkan pengguna, kelengkapan informasi, dan keamanan informasi. f. Variabel kualitas layanan menggambarkan kualitas layanan yang diberikan oleh staf TI BKKBN Pusat dalam menangani pengaduan terkait masalah aplikasi MDK dari pengguna aplikasi MDK di provinsi-provinsi. Variabel ini memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal ini dapat dilihat dari nilai t yang berada pada rentang ±1,96. Oleh karena itu, Universitas Indonesia


104

dapat disimpulkan bahwa variabel kualitas layanan memiliki pengaruh terhadap kepuasan pengguna. Hasil ini selaras dengan hasil penelitian Kamalia (2012) dan Ramadhan (2014). Berbeda dengan penelitian Septikasari, kualitas layanan terbukti tidak memiliki pengaruh yang signifikan terhadap kepuasan pengguna dan efektivitas sistem. Berdasarkan data penelitian (kuesioner) Septikasari didapatkan bahwa kualitas layanan yang diberikan oleh BAPETEN adalah memuaskan. Keadaan ini berbeda dengan data kualitas layanan yang diperoleh pada penelitian yang dilakukan oleh penulis, Kamalia (2012), dan Ramadhan (2014). Kualitas layanan dapat dilihat dari penyediaan fasilitas, (seperti: fasilitas fisik, perlengkapan, dan petugas yang khusus memberikan pelayanan terkait permasalahan aplikasi MDK), pelayanan yang baik dari staf TI sejak pertama kali, pelayanan yang cepat dari staf TI, kemampuan staf TI dalam menumbuhkan kepercayaan pengguna untuk menggunakan aplikasi MDK, dan kesungguh-sungguhan pelayanan aplikasi MDK (mengutamakan kepentingan pengguna). Berdasarkan persamaan regresi (nilai estimasi) dapat diketahui bahwa variabel kualitas layanan merupakan variabel yang paling berpengaruh terhadap kepuasan pengguna, yaitu sebesar 0,73. g. Variabel

kondisi

fasilitas

menggambarkan

kondisi

fasilitas

yang

mendukung aplikasi MDK. Variabel ini memiliki pengaruh yang signifikan terhadap kepuasan pengguna. Hal ini dapat dilihat dari nilai t yang berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel kondisi fasilitas memiliki pengaruh terhadap kepuasan pengguna. Hasil ini selaras dengan hasil penelitian Hakim (2011), Ambarita (2014), dan Ramadhan (2014). Kondisi fasilitas dapat dilihat berdasarkan ada tidaknya panduan dari organsisasi atau pengembang (petunjuk manual berupa buku atau softcopy) untuk menggunakan aplikasi MDK. h. Variabel kepuasan pengguna menggambarkan kepuasan pengguna terhadap pemanfaatan aplikasi MDK dalam mendukung pekerjaannya. Variabel ini memiliki pengaruh yang signifikan terhadap manfaat bersih. Hal ini dapat dilihat dari nilai t yang berada pada rentang ±1,96. Oleh karena itu, dapat disimpulkan bahwa variabel kepuasan pengguna memiliki pengaruh Universitas Indonesia


105

terhadap manfaat bersih. Hasil ini selaras dengan hasil penelitian Kamalia (2012), Septikasari (2012), dan Ramadhan (2014). Kepuasan pengguna dapat dilihat dari tingkat kepuasan pengguna terhadap penggunaan aplikasi MDK secara keseluruhan, kenyamanan pengguna dalam menggunakan aplikasi MDK sebagai pendukung untuk menyelesaikan pekerjaan, kemudahan pengguna dalam mendapatkan perubahan atau perbaikan terbaru setelah menemukan dan menyampaikan adanya error, keinginan pengguna untuk menggunakan kembali aplikasi MDK dalam mencatat dan menghasilkan laporan data keluarga, pengakuan pengguna bahwa aplikasi MDK dapat membantunya menyelesaikan pekerjaan dengan efektif, pengakuan pengguna bahwa penggunaan aplikasi MDK dapat menghemat waktu dan biaya, dan kebanggaan pengguna dalam menggunakan aplikasi MDK.

4.3. Implikasi Penelitian Hasil penelitian ini diharapkan mampu memberikan kontribusi penting untuk penelitian selanjutnya dan Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN). 4.3.1. Implikasi untuk Penelitian Selanjutnya Berdasarkan penelitian ini diperoleh bahwa tidak semua faktor yang terdapat pada model DeLone dan McLean serta model UTAUT yang cocok dengan aplikasi MDK. Faktor kualitas layanan, kualitas informasi, kondisi fasilitas, dan kualitas sistem terbukti berpengaruh terhadap efektivitas aplikasi MDK melalui faktor kepuasan pengguna. Kualitas layanan, kualitas informasi, dan kualitas sistem merupakan faktor-faktor yang terdapat pada model DeLone dan McLean, sedangkan kondisi fasilitas merupakan faktor yang terdapat pada model UTAUT. Dari penelitian ini terbukti kualitas layanan merupakan faktor yang paling berpengaruh terhadap kepuasan pengguna dan efektivitas aplikasi MDK. Hasil ini diperoleh dari sisi pengguna aplikasi MDK di provinsi-provinsi di Indonesia. Pada penelitian ini, penulis mengakhiri penelitiannya hingga mendapatkan faktorUniversitas Indonesia


106

faktor yang mempengaruhi efektivitas aplikasi MDK. Penelitian ini dapat dilanjutkan dengan mengevaluasi layanan yang diberikan oleh staf TI BKKBN Pusat kepada pengguna aplikasi MDK provinsi terkait dengan pengaduan masalah aplikasi MDK. Berdasarkan evaluasi ini, peneliti selanjutnya dapat memberikan rekomendasi kepada BKKBN Pusat terkait kualitas layanannya dan manajemen TI-nya. Selain kualitas layanan, kondisi fasilitas juga merupakan salah satu faktor yang mempengaruhi efektivitas aplikasi MDK. Kondisi fasilitas merupakan salah satu faktor yang terdapat dalam model UTAUT yang dikembangkan oleh Venkatesh, et al (2003). Hasil penelitian ini menunjukkan bahwa selain model DeLone dan McLean (2003), model UTAUT juga dapat digunakan untuk mengidentifikasi faktorfaktor yang memengaruhi efektivitas suatu aplikasi. Oleh sebab itu, gabungan model ini dapat digunakan untuk penelitian selanjutnya. Penelitian selanjutnya juga dapat dilakukan untuk membuktikan bahwa faktor-faktor lain yang dimiliki oleh model UTAUT, seperti ekspektasi kinerja, ekspektasi usaha, dan pengaruh sosial juga memengaruhi kepuasan pengguna. Hasil penelitian ini juga dapat dilanjutkan dengan menjadikan kualitas sistem, kualitas informasi, kualitas layanan, dan kondisi fasilitas sebagai dasar dalam penyusunan perencanaan pengembangan sistem. Keempat faktor ini terbukti memiliki pengaruh yang signifikan untuk meningkatkan kepuasan pengguna terkait penggunaan suatu aplikasi.

4.3.2. Implikasi untuk Badan Kependudukan dan Keluarga Berencana Nasional (BKKBN) Dari penelitian ini diperoleh beberapa fakta terkait aplikasi MDK, diantaranya: a. Kualitas layanan yang diberikan oleh staf TI BKKBN kepada pengguna aplikasi MDK merupakan faktor yang paling memengaruhi kepuasan pengguna, yaitu sebesar 73%. Angka ini menunjukkan bahwa setiap Universitas Indonesia


107

peningkatan kualitas layanan akan mengakibatkan peningkatan sebesar 73% terhadap kepuasan pengguna aplikasi MDK. Oleh karena itu, selain meningkatkan kualitas informasi, kondisi fasilitas, dan kualitas sistem, yang tidak kalah penting yang harus ditingkatkan oleh BKKBN Pusat adalah kualitas layanan yang diberikan oleh staf TI BKKBN Pusat dalam melayani pengaduan masalah aplikasi MDK dari pengguna aplikasi MDK di provinsi-provinsi. b. Ekspektasi kinerja dan ekspektasi usaha merupakan faktor-faktor yang terbukti tidak memberikan pengaruh yang signifikan terhadap kepuasan pengguna aplikasi MDK, bukan tidak memberikan pengaruh sedikit pun. Walaupun demikian, BKKBN tidak dapat mengenyampingkan faktor ini karena faktor ini penting untuk memotivasi pengguna baru dalam menggunakan aplikasi MDK.



BAB 5 KESIMPULAN DAN SARAN

Bab ini menjelaskan kesimpulan dari penelitian yang dilakukan serta saran untuk BKKBN dan penelitian selanjutnya. 5.1. Kesimpulan Penelitian ini dilakukan untuk mengetahui faktor-faktor yang memengaruhi efektivitas aplikasi MDK. Dari sejumlah analisis yang dilakukan terhadap model penelitian yang diusulkan melalui hipotesis pada sub bab 2.7, penulis mendapatkan bahwa faktor-faktor yang memengaruhi efektivitas aplikasi MDK adalah sebagai berikut: a. Kepuasan pengguna aplikasi MDK merupakan faktor yang berpengaruh secara langsung terhadap efektivitas, yaitu sebesar 95%. Setiap peningkatan kepuasan pengguna akan mengakibatkan meningkatnya efektivitas aplikasi MDK, sebesar 95%. Kepuasan pengguna ditentukan oleh beberapa faktor, yaitu kualitas layanan, kualitas informasi, kondisi fasilitas, dan kualitas sistem. b. Kualitas layanan merupakan faktor yang paling memengaruhi kepuasan pengguna, yaitu 73%. Kualitas layanan menggambarkan kualitas layanan yang diberikan oleh staf TI BKKBN Pusat dalam menangani pengaduan terkait masalah aplikasi MDK dari pengguna aplikasi MDK di provinsiprovinsi. Kualitas layanan dapat diukur dari penyediaan fasilitas, (seperti: fasilitas fisik, perlengkapan, dan petugas yang khusus memberikan pelayanan terkait permasalahan aplikasi MDK), pelayanan yang baik dari staf TI sejak pertama kali, pelayanan yang cepat dari staf TI, kemampuan staf TI dalam menumbuhkan kepercayaan pengguna untuk menggunakan aplikasi MDK, dan kesungguh-sungguhan pelayanan aplikasi MDK (mengutamakan kepentingan pengguna). Hasil ini menunjukkan bahwa meskipun kualitas sistem dan kualitas informasi aplikasi MDK masih belum sempurna, tetapi bagi pengguna MDK kelemahan tersebut dapat ditutupi 108



109

dengan meningkatkan kualitas layanan yang diberikan oleh staf TI BKKBN pusat kepada pengguna MDK di berbagai provinsi di Indonesia. c. Ekspektasi kinerja dan ekspektasi usaha tidak memiliki pengaruh yang signifikan terhadap kepuasan pengguna dan efektivitas aplikasi MDK. Hubungan ini dipengaruhi oleh faktor jenis kelamin. Bagi responden lakilaki, kedua faktor ini merupakan faktor yang berpengaruh secara signifikan terhadap kepuasan pengguna dan efektivitas aplikasi. Namun sebagian besar responden penelitian ini adalah perempuan. d. Pengaruh sosial juga merupakan faktor yang tidak berpengaruh signifikan terhadap kepuasan pengguna dan efektivitas aplikasi MDK. Pada penelitian ini, sebagian besar responden adalah perempuan berusia lebih dari 30 tahun dengan pengalaman menggunakan komputer lebih dari 2 tahun. Penulis berasumsi bahwa faktor-faktor ini berpengaruh terhadap hubungan antara pengaruh sosial dengan kepuasan pengguna dan efektivitas aplikasi MDK.

5.2. Saran Saran yang diberikan penulis dibagi menjadi dua bagian yaitu untuk BKKBN dan untuk penelitian selanjutnya, berikut saran dari penulis: a. Saran untuk BKKBN Berikut merupakan beberapa saran yang diajukan oleh penulis untuk BKKBN: 

BKKBN harus memperbaiki kualitas sistem, kualitas informasi, kualitas layanan, dan kondisi fasilitas yang mendukung aplikasi, karena terbukti sangat berpengaruh (signifikan) terhadap kepuasan pengguna serta efektivitas aplikasi MDK.



Kualitas layanan yang diberikan staf TI BKKBN Pusat kepada pengguna aplikasi MDK di provinsi-provinsi terkait pengaduan masalah

MDK

merupakan

faktor

yang

paling

berpengaruh

(dibandingkan faktor-faktor lain) terhadap kepuasan pengguna serta efektivitas aplikasi MDK. Oleh karena itu, BKKBN Pusat disarankan untuk meningkatkan kualitas layanan yang diberikan kepada Universitas Indonesia


110

pengguna aplikasi MDK di provinsi terkait pengaduan masalah aplikasi MDK. Kualitas layanan tersebut dapat ditingkatkan dengan menambah

jumlah

staf

pelayanan

pengaduan

(help

desk),

meningkatkan kemampuan dan pengetahuan staf terkait masalahmasalah MDK, serta meningkatkan kecepatan dalam melayani pengguna aplikasi MDK.

b. Saran untuk penelitian selanjutnya Berikut merupakan beberapa saran yang diajukan oleh penulis untuk penelitian selanjutnya: 

Pada penelitian ini penulis menggunakan dua moda untuk mendistribusikan kuesioner penelitian, yaitu online dan offline. Namun penulis hanya memperoleh 78 dari 208 responden selama 1 bulan dari moda online. Oleh karena itu, bagi peneliti selanjutnya disarankan untuk tidak hanya mengandalkan moda distribusi kuesioner secara online (internet).



Sebelum melakukan penelitian, penulis membuat timeline penelitian. Pada timeline tersebut, penulis mengalokasikan waktu 1 bulan untuk pengumpulan data. Namun pada pelaksanaannya, proses ini membutuhkan waktu lebih dari 1 bulan, sehingga mengundur proses selanjutnya. Oleh karena itu, peneliti selanjutnya disarankan mengalokasikan waktu lebih dari 1 bulan untuk pengumpulan data penelitian.



Ketika proses pengumpulan data, (jika jumlah sampel lebih dari 200) peneliti

sebaiknya

mempelajari

beberapa

aplikasi

untuk

mengantisipasi data yang tidak memenuhi uji normalitas, sehingga penelitian dapat dilakukan sesuai dengan jadwal yang ditetapkan.



111

DAFTAR PUSTAKA

Abdurahmat, F. (2003). Organisasi dan Managemen Sumber Daya Manusia. Jakarta: Rikneka Cipta. Ambarita, J. (2014). Analisis Faktor-Faktor Penerimaan Surat Eleltronik TNI AD Menggunakan Unifield Theory of Acceptance Use of Technology (UTAUT) dan Task Technology Fit (TTF): Studi Kasus E_Militer di TNI AD. Jakarta: MTI Fakultas Ilmu Komputer Universitas Indonesia. Arfan, M. (2014, Januari 24). Permasalahan Pada Penerapan Aplikasi MDK. (S. Wahyuni, Pewawancara) Badan Pusat Statistik Republik Indonesia. (2012). Penduduk Indonesia menurut Provinsi 1971, 1980, 1990, 1995, 2000 dan 2010. Dipetik 1 31, 2013, dari BADAN PUSAT STATISTIK: http://www.bps.go.id BKKBN. (2012). Petunjuk Teknis Tata Cara Pelaksanaan Pencatatan dan Pelaporan Pendataan Keluarga. Jakarta: Badan Kependudukan dan Keluarga Berencana Nasional. BKKBN. (2013). Panduan Penggunaan Aplikasi MDK. Jakarta: BkkbN. Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A partial least squares latent variable modeling approach for measuring interaction effects: Results from a Monte Carlo simulation study and an electronic mail emotion/adoption study. Information Systems Research, 14 (2), 189-217. DeLone, W. H., & McLean, E. R. (1992). Information Systems Success: The Quest for the Dependent Variable. Information Systems Research 3 : 1, 60-95. Delone, W., & McLean, E. (2003). The DeLone and McLean Model of Information System Success: A Ten-Year Update. Journal of Management Information System. Fang, Z. (2002). E-Government in Digital Era: Concept, Practise, and Development. International Journal of The Computer, The Internet and Management, Vol. 10, No.2, 1-20. Ferdinand, A. (2005). Structural Equation Modeling. BP Undip. Gable, G., Sedera, D., & Chan, T. (2003). Enterprise Systems Success: a measurement model. 24th International Conference on Information Systems, S. T. March, A. Massey and J. I. DeGross, (hal. 14-17). Seattle, WA. Gelinas, U. J., Oram, A. E., & Wiggins, W. P. (1990). Accounting Information System. PWS-KENT Publishing Company. Ghozali, I. (2007). Model Persamaan Struktural Konsep dan Aplikasi Dengan Program AMOS 16.0. Semarang: Universitas Diponegoro. Universitas Indonesia


112

Ghozali, I., & Fuad. (2005). Structural Equation Modelling: Pengantar. Semarang: Badan Penerbit Universitas Diponegoro. Ghozali, I., & Fuad. (2012). Struktur Equation Modeling Dengan Program LISREL 8.80. Semarang: Universitas Diponegoro. Gultom, P. (2014, Januari 30). Permasalahan Pada Penerapan Aplikasi MDK. (S. Wahyuni, Pewawancara) Hair, J. F., Black, W. C., Babin, B. J., A. R., & Tathan, R. L. (2006). Multivariate data analysis (Edisi ke 6). New Jersey: Prentice-Hall, Inc. Hakim, M. M. (2011). Analisis Model Penerimaan Pengguna Dengan Model UTAUT: Studi Kasus e-SPT dan e-FILING. Jakarta: MTI Fakultas Ilmu Komputer Universitas Indonesia. Hinkle., Wiersma., & Jurs. (2003). Applied Statistics for the Behavioral Sciences, 5th Edition. New York: Houghton Mifflin Company. Hong, I. B., & Cho, H. (2011). The impact of consumer trust on attitudinal loyalty and purchase intentions in B2C e-marketplaces: Intermediary trust vs. seller trust. International Journal of Information Management 31, 469-479. Hooper, D., Coughlan, J., & Mullen, M. R. (2008). Structural Equation Modelling: Guidelines for Determining Model Fit. Electronic Journal of Business Research Methods, 6(1), 53-60. Kaidir, A. (2002). Pengenalan Sistem Informasi. Yogyakarta: Andi. Kamalia, T. R. (2012). Analisis Faktor-Faktor yang Mempengaruhi Efektivitas Sistem Pelaporan Transaksi Keuangan Mencurigakan: Studi Kasus Pusat Pelaporan dan Analisis Transaksi Keuangan. Jakarta: MTI Fakultas Ilmu Komputer Universitas Indonesia. Kano, Y., & Yukari, A. (2003). Use of SEM Program to Precisely Measure Scale Reliability. New Development in Psychometrics, 141-148. Lei, P.-W., & Wu, Q. (2007). An NCME Instructional Module on Introduction to Structural Equation Modeling: Issues and Practical Considerations. ITEMSInstructional Topics in Educational Measurement. Nisfiannoor, M. (2013). Statistika Modern: Aplikasi dengan Software SPSS dan E-Views. Jakarta: Universitas Trisakti. Norman, G. (2010). Likert scales, levels of measurement and the ‘‘laws’’ of statistics. Springer. Ramadhan, B. A. (2014). Analisis Faktor-Faktor yang Mempengaruhi Efektivitas Sistem Informasi Manajemen dan Akuntansi Barang Miliki Negara (SIMAKBMN): Studi Kasus Kementerian Pekerjaan Umum. Jakarta: MTI Fakultas Ilmu Komputer Universitas Indonesia. Universitas Indonesia


113

Santoso, S. (2011). Structural Equation Modeling, Konsep dan Aplikasi dengan AMOS 18. Jakarta: PT Elex Media Komputer. Santoso, S. (2012). Analisis SEM menggunakan AMOS + CD. Jakarta: Elex Media Komputindo. Sarwono, J. (2008, Maret 24). Teori SEM. Dipetik Februari 15, 2014, dari http://www.jonathansarwono.info/amos/sem_amos.htm Seddon, P. B. (1997). A respecification and extension of the DeLone and McLean model of IS succes. Information Systems Research 8 : 3, 240-253. Seddon, P. B., & Kiew, M.-Y. (1996). A partial test and development of DeLone and McLean's model of IS success. Australian Journal of Information System, 4(1), 90-109. Septikasari, D. (2012). Faktor-Faktor yang Mempengaruhi Kesuksesan Implementasi Sistem Informasi Pada Lembaga Pemerintah Non Kementeran (LPNK): Studi Kasus Sistem Perencanaan dan Evaluasi (SERASI) Anggaran dan Kegiatan BAPETEN. Jakarta: MTI Fakultas Ilmu Komputer Universitas Indonesia. Sharma, S. (1996). Applied multivariate technique. New York: John Wiley & Sons. Sharma, S., Mukherjee, S., Kumar, A., & Dillon, W. R. (2005). A simulation study to investigate the use of cutoff values for assessing model fit in covariance structure models. Journal of Business Research, 58 (1), 935-943. Sihombing, S. O. (2004). Hubungan Sikap dan Perilaku Memilih Satu Merek: Komparasi antara Theory of Planned Behaviour and Theory of Trying. Yogyakarta: Disertasi. Universitas Gadjah Mada. Sugiyono. (2012). Metode Penelitian Kombinasi (Mixed Methods). Jogjakarta: Alfabeta. Venkatesh, V., Moris, M. G., Davis, G. B., & Davis, F. D. (2003). User Acceptance of Information Technology: Toward A Unified View. MIS Quarterly, 27, 425-478. Wertz, C., Linn, R., & J¨oreskog, K. (1974). Intraclass reliability estimates: Testing structural assumptions. Educational and Psychological Measurement, 34(1), 25-33. Wijanto, S. H. (2008). Struktural Equation Model dengan LISREL 8.8. Yogyakarta: Graha Ilmu.



114

LAMPIRAN 1: WAWANCARA

WAWANCARA 1 Nama

: Muhamad Arfan, ST., M.P.H.

Jabatan

: Kepala Seksi Pengembangan Sistem Aplikasi BKKBN

Tanggal

: 24 Januari 2014

Q1

Sejak kapan aplikasi MDK digunakan oleh BKKBN?

A1

Sejak tahun 2011

Q2

Siapa saja yang menggunakan aplikasi MDK ya Pak

A2

Semua provinsi di Indonesia. Aplikasi MDK merupakan aplikasi yang digunakan untuk mencatat dan menghasilkan laporan terkait dengan data keluarga. Setiap provinsi memiliki staf yang ditugaskan untuk mencatat data keluarga tersebut di aplikasi MDK.

Q3

Boleh saya tahu jumlah pengguna setiap provinsi Pak?

A3

Saya tidak mengetahui secara pasti jumlah pengguna aplikasi MDK. Data tersebut mungkin bisa ditanyakan ke Bapak Pembangunan Gultom. Tapi di 33 provinsi terdapat pengguna MDK, seperti admin, operator MDK, operator R1KS, dan supervisor.

Q4

Oh begitu ya Pak. Nanti coba saya tanyakan ke Bapak Pembangunan. Kemudian, jika dihitung dari waktu penggunaan aplikasi MDK, ternyata aplikasi ini telah digunakan hampir 3 tahun. Menurut Bapak, secara keseluruhan bagaimana aplikasi MDK itu?

A4

Secara keseluruhan aplikasi MDK mampu membantu BKKBN dalam Universitas Indonesia


115

mencatat dan menghasilkan laporan terkait data keluarga. Akan tetapi, aplikasi ini masih belum dapat dikatakan sempurna, karena banyaknya bug atau masalah yang muncul.

Q5

Bisa tolong dicontohkan masalahnya Pak?

A5

Aplikasi MDK digunakan oleh 33 provinsi di Indonesia. Sekarang sudah 34, terjadi pemekaran wilayah, tetapi di aplikasi MDK masih 33 provinsi. Setiap provinsi memiliki profil pengguna dan kondisi yang berbeda. Jadi sering terjadi masalah di mana hanya terjadi di provinsi tertentu. Tetapi ada juga masalah yang terjadi di seluruh provinsi. Beberapa masalahnya seperti aplikasi yang lambat ketika melakukan entry data, data yang tidak akurat, dan data ganda. Mungkin untuk lebih lengkapnya bisa ditanyakan langsung ke Bapak Pembangunan karena dia yang bertugas untuk melayani masalah-masalah yang dihadapi oleh pengguna MDK di seluruh provinsi.



116

WAWANCARA 2 Nama

: Pembangunan Gultom

Jabatan

: Staf Direktorat Teknologi Informasi dan Dokumentasi (DITTIFDOK) BKKBN

Tanggal

: 30 Januari 2014

Q1

Berdasarkan informasi yang disampaikan oleh Bapak Arfan, saya bisa mendapatkan data pengguna aplikasi MDK di seluruh provinsi di Indonesia. Apakah bisa Pak?

A1

Bisa, datanya ada di laptop saya. Nanti saya gandakan ke USB kamu ya.

Q2

Oke Pak, terima kasih. Kemudian terkait dengan masalah yang sering muncul di apliaksi MDK, apakah benar bahwa Bapak yang menanggapi keluhan dan laporan tentang itu?

A2

Iya benar. Jika pengguna provinsi mengalami masalah ketika menggunakan aplikasi MDK, mereka dapat menghubungi saya atau menyampaikannya melalui media media khusus staf BKKBN dan pengembang aplikasi BKKBN. Saya akan mencatat semua masalah tersebut secara manual. Jika bisa saya jawab, langsung saya jawab. Jika tidak, maka permasalahan tersebut akan saya teruskan ke pengembang aplikasi MDK.

Q3

Apakah ada kemungkinan permasalahan tersebut terlewatkan Pak?

A3

Kemungkinan ada, karena selain aplikasi MDK, saya juga melayani pengaduan terkait masalah aplikasi lain.

Q4

Berapa lama pengguna MDK harus menunggu respon atau solusi atas



117

masalah yang disampaikannya ya Pak? A4

Tergantung. Terkadang untuk beberapa masalah dapat langsung saya jawab, tetapi ada juga masalah yang harus diteruskan ke pengembang MDK atau atasan saya sehingga membutuhkan waktu lebih lama, sekitar seminggu hingga satu bulan.

Q5

Masalah apa yang sering muncul ya Pak?

A5

Masalah yang paling sering dilaporkan adalah keluaran berupa laporan rekapitulasi tidak muncul (error) karena adanya data yang ganda. Biasanya data ganda ini disebabkan oleh ketika pengguna menyimpan data keluarga, tiba-tiba koneksi internet terputus. Kemudian tidak ada pemberitahuan bahwa data berhasil tersimpan. Untuk memastikan hal tersebut, pengguna meyimpannya lagi, padahal data tersebut telah tersimpan, sehingga terjadi duplikasi data. Hal ini mengakibatkan pihak BKKBN tidak dapat mengetahui data keluarga berencana, tahapan keluarga sejahtera, dan persebaran keluarga di Indonesia.

Q6

Selain itu, masalah apa lagi yang sering muncul, Pak?

A6

Entry data memiliki periode tertentu yang ditetapkan oleh pihak BKKBN. Pada masa ini, aplikasi MDK sering mengalami penurunan kinerja, seperti formulir MDK yang telah diisi tidak dapat disimpan, penyimpanan satu data keluarga membutuhkan waktu yang lebih lama sekitar setengah jam atau aplikasi MDK tidak dapat diakses. Selain itu, pada server MDK juga terdapat aplikasi-aplikasi lain BKKN, seperti SR, SIDIKA, KS, dan SIMPEG. Ini mungkin juga yang menyebabkan penurunan kinerja aplikasi MDK. Hal ini mengakibatkan terhambatnya proses pencatatan data MDK, sehingga di akhir periode semua data belum tercatat dan laporan tidak lengkap dan kurang akurat. Yang melakukan entri data adalah pengguna yang berasal dari 34 provinsi, di Universitas Indonesia


118

mana koneksi internet di sini sangat bervariasi. Tapi di aplikasi masih 33 provinsi, belum dilakukan pemekaran. Bagi daerah dengan koneksi internet yang kurang memadai, aplikasi ini akan lambat. Selain itu, pada saat bersamaan aplikasi ini diakses oleh pengguna di 33 provinsi, sehingga beban kerja aplikasi menjadi tinggi, dan juga mengakibatkan aplikasi MDK menjadi lambat.

Q7

Kalau dari segi pengguna aplikasi MDK bagaimana Pak?

A7

Terkadang terdapat beberapa operator yang melakukan entry data tidak sesuai dengan SOP yang ditentukan, sehingga menimbulkan kesalahan pada data yang dimasukkan dan data menjadi tidak akurat. Kami telah membuat SOP terkait penggunaan aplikasi MDK, tetapi sosialisasi SOP ini masih rendah dan masih banyak pengguna yang tidak mengindahkan SOP tersebut. Selain itu, terkadang ada pengguna masih belum terbiasa dengan aplikasi.

Q8

Belum terbiasa? Ketika membangun aplikasi ini, apakah kemampuan penggunanya tidak diperhatikan Pak?

A8

Pada umumnya, pembuatan aplikasi didorong oleh kebutuhan di lapangan. Namun kemampuan pengguna terkadang terabaikan, karena setiap aplikasi nantinya akan disosialisasikan. Pengguna mendapatkan pemahaman dan kemampuan menggunakan aplikasi dari pelatihan yang diadakan.



119

LAMPIRAN 2: KUESIONER

KUESIONER PENELITIAN ANALISIS FAKTOR-FAKTOR YANG MEMENGARUHI EFEKTIVITAS APLIKASI PEMUTAKHIRAN DATA KELUARGA (MDK) Peneliti: Sri Wahyuni Program Magister Teknologi Informasi Universitas Indonesia Jakarta 2014 PERMOHONAN KESEDIAAN MENJADI RESPONDEN Yth. Bapak/Ibu Pengguna Aplikasi MDK Dengan hormat, Saya adalah mahasiswi Magister Teknologi Informasi Universitas Indonesia yang sedang melakukan penelitian ilmiah mengenai efektivitas aplikasi MDK. Hasil yang diharapkan dari penelitian ini adalah dapat mengetahui faktor-faktor yang memengaruhi efektivitas aplikasi MDK. Faktor-faktor ini dapat dijadikan acuan untuk memperbaiki kekurangan aplikasi MDK, sehingga tujuan dibuatnya aplikasi ini dapat tercapai. Oleh karena itu, saya mengharapkan kesediaan Bapak/Ibu untuk menjadi responden dalam penelitian ini. Jawaban Bapak/Ibu merupakan informasi yang sangat berharga bagi penelitian. Kelengkapan dalam pengisian dan kejujuran dalam menjawab pertanyaan sangatlah diharapkan. Jawaban Bapak/Ibu akan dijaga kerahasiaannya. Akhir kata, saya mengucapkan terima kasih kepada Bapak/Ibu yang telah bersedia meluangkan waktunya untuk berpartisipasi dalam penelitian ini.

Hormat saya,

Sri Wahyuni Universitas Indonesia


120

IDENTITAS Nama Lengkap □ 21-30 tahun

Umur

□ di atas 40 tahun

□ 31-40 tahun Jenis Kelamin

□ Laki-laki

□ Perempuan

Role di Aplikasi MDK

□ Administrator

□ Operator R1KS

□ Operator MDK

□ Supervisor

□ SMA/sederajat

□ > D3

BKKBN Provinsi Pendidikan

□ D1 s.d D3 Pengalaman Menggunakan Aplikasi □ 0 - 2 tahun

□ > 5 tahun

Komputer (selain aplikasi MDK)

□ > 2 – 5 tahun

Latar Belakang Pendidikan

□ Teknik komputer/Informatika/Sistem Informasi □ Lainnya

PETUNJUK PENGISIAN Sebelum menjawab pertanyaan, Bapak/Ibu diharapkan telah memakai dan mengalami sendiri aplikasi MDK. Bapak/Ibu kemudian dimohon untuk menjawab pertanyaan berdasarkan pengalaman dan persepsi Bapak/Ibu tersebut. Pada setiap pertanyaan, Bapak/Ibu akan diminta untuk memilih salah satu skala penilaian yang tersedia antara 1 sampai 6. 1. Sangat Tidak Setuju, bila keadaan yang dirasakan oleh responden sangat tidak sesuai dengan komponen yang ditanyakan. 2. Tidak Setuju, bila keadaan yang dirasakan oleh responden kurang sesuai dengan komponen yang ditanyakan. 3. Agak Tidak Setuju, bila keadaan yang dirasakan oleh responden agak tidak sesuai dengan komponen yang ditanyakan. 4. Agak Setuju, bila keadaan yang dirasakan oleh responden agak sesuai dengan komponen yang ditanyakan. Universitas Indonesia


121

5. Setuju, bila keadaan yang dirasakan oleh responden cukup sesuai dengan komponen yang ditanyakan. 6. Sangat Setuju, bila keadaan yang dirasakan oleh responden sangat sesuai dengan komponen yang ditanyakan. Setiap pertanyaan diharapkan dapat diisi dengan penilaian se-objektif mungkin.



122

1. Ekspektasi Kinerja Butir-butir pertanyaan di bawah ini digunakan untuk mengukur seberapa besar ekspektasi pengguna terhadap aplikasi MDK dalam mendukung performa kerja. Jawaban No.

Pertanyaan 1

1

Saya

berharap,

penggunaan

2

3

4

5

6

aplikasi

MDK membantu saya meningkatkan performa kerja 2

Saya

berharap,

MDK

penggunaan

mempermudah

saya

aplikasi dalam

menyelesaikan pekerjaan 3

Saya berharap, aplikasi MDK dapat membantu menangani pekerjaan dengan lebih baik dibanding tidak menggunakan aplikasi

4

Saya MDK

berharap,

penggunaan

membantu

saya

aplikasi untuk

menyelesaikan pekerjaan dengan cepat

2. Ekspektasi Usaha Butir-butir pertanyaan di bawah ini digunakan untuk mengukur seberapa besar ekspektasi pengguna terhadap upaya yang harus dilakukan dalam penggunaan aplikasi MDK. Jawaban No.

Pertanyaan 1

1

Saya

berharap,

penggunaan

2

3

4

5

6

aplikasi Universitas Indonesia


123

Jawaban No.

Pertanyaan 1

2

3

4

5

6

MDK dapat dipelajari dan dipahami dengan mudah 2

Saya

berharap,

saya

dapat

mengoperasikan aplikasi MDK dengan mudah 3

Saya

berharap,

penggunaan

aplikasi

MDK membuat saya lebih cepat dalam menyelesaikan pekerjaan 4

Saya

berharap,

MDK

dapat

penggunaan

aplikasi

memudahkan

saya

menyelesaikan pekerjaan sehari-hari

3. Pengaruh Sosial Butir-butir pertanyaan di bawah ini digunakan untuk mengukur seberapa besar pengaruh sosial terhadap penggunaan aplikasi MDK. Jawaban No.

Pertanyaan 1

1

Rekan

kerja

atau

atasan

2

3

4

5

6

yang

berpengaruh berpikir bahwa saya harus menggunakan

aplikasi

MDK

untuk

menyelesaikan pekerjaan 2

Banyaknya membuat

rekan saya

sesama

terpacu

BKKBN

untuk

tetap

menggunakan aplikasi MDK



124

Jawaban No.

Pertanyaan 1

3

2

3

4

5

6

Menurut saya, rekan sesama BKKBN yang

menggunakan

aplikasi

MDK

menjadi lebih dihargai 4

Organisasi

memberikan

dukungan

(bantuan dalam menghadapi masalah, regulasi, dll) terkait penggunaan aplikasi MDK

4. Kualitas Sistem Butir-butir pertanyaan di bawah ini digunakan untuk mengukur kualitas aplikasi MDK dari sisi teknis. Jawaban No.

Pertanyaan 1

1

2

3

4

5

6

Aplikasi MDK dapat dijalankan pada browser Internet Explorer (minimal versi 8) atau Mozilla Firefox (minimal versi 8)

2

Menurut saya, waktu respon aplikasi MDK cepat

3

Menurut saya, aplikasi MDK memiliki tingkat kerusakan (error) yang rendah

4

Menurut saya, aplikasi MDK mudah untuk digunakan

5

Menurut saya, aplikasi MDK mudah untuk dipelajari Universitas Indonesia


125

Jawaban No.

Pertanyaan 1

6

2

3

4

5

6

Menurut saya, fitur-fitur yang tersedia dalam aplikasi MDK cukup memadai, tidak perlu adanya penambahan

7

Menurut saya, aplikasi MDK dapat membantu saya menghemat waktu dan biaya dalam menyelesaikan pekerjaan

8

Menurut saya, aplikasi MDK selalu dapat diakses dengan baik

5. Kualitas Informasi Butir-butir pertanyaan di bawah ini digunakan untuk mengukur kualitas informasi yang dihasilkan oleh aplikasi MDK. Jawaban No.

Pertanyaan 1

1

2

3

4

5

6

Menurut saya, informasi yang dihasilkan oleh aplikasi MDK akurat, tidak terdapat kekeliruan dalam penyajiannya

2

Menurut saya, informasi yang dihasilkan oleh aplikasi MDK sesuai dengan yang saya inginkan

3

Menurut saya, informasi yang dihasilkan aplikasi MDK cukup lengkap, tidak diperlukan pengolahan lebih lanjut

4

Menurut

saya,

aplikasi

MDK Universitas Indonesia


126

Jawaban No.

Pertanyaan 1

2

3

4

5

6

menghasilkan informasi statistik yang sesuai

dengan

tujuan

penggunaan

aplikasi MDK 5

Menurut saya, informasi yang dihasilkan oleh

aplikasi

MDK

mudah

untuk

dipahami 6

Menurut saya, format laporan yang dihasilkan oleh aplikasi MDK mudah dibaca dan dipahami

7

Menurut saya, informasi data keluarga tersimpan dengan aman

8

Menurut saya, aplikasi MDK menyajikan informasi (data keluarga) terkini

6. Kualitas Layanan Butir-butir pertanyaan di bawah ini digunakan untuk mengukur kualitas layanan yang diberikan oleh staf TI BKKBN Pusat kepada pengguna aplikasi MDK di seluruh provinsi dalam pemanfaatan aplikasi MDK. Jawaban No.

Pertanyaan 1

1

2

3

4

5

6

BKKBN menyediakan fasilitas, seperti fasilitas fisik, perlengkapan, dan petugas yang khusus memberikan pelayanan terkait permasalahan aplikasi MDK



127

Jawaban No.

Pertanyaan 1

2

2

3

4

5

6

Menurut saya, staf TI di layanan aplikasi MDK memberikan pelayanan dengan baik sejak pertama kali

3

Menurut saya, staf TI di layanan aplikasi MDK memberikan pelayanan dengan cepat

4

Menurut saya, staf TI di layanan aplikasi MDK menumbuhkan kepercayaan saya untuk menggunakan aplikasi MDK

5

Menurut saya, pelayanan aplikasi MDK mengutamakan kepentingan pengguna dengan sungguh-sungguh

7. Kepuasan Pengguna Butir-butir pertanyaan di bawah ini digunakan untuk mengukur kepuasan pengguna terhadap pemanfaatan aplikasi MDK dalam mendukung pekerjaan. Jawaban No.

Pertanyaan 1

1

2

3

4

5

6

Secara keseluruhan, saya merasa puas terhadap penggunaan aplikasi MDK

2

Saya

merasa

nyaman

dalam

menggunakan aplikasi MDK sebagai pendukung penyelesaian pekerjaan 3

Tingkat pelatihan penggunaan aplikasi Universitas Indonesia


128

Jawaban No.

Pertanyaan 1 MDK

yang

diberikan

kepada

2

3

4

5

6

saya

memadai 4

Saya memahami dengan baik bagaimana mengoperasikan aplikasi MDK

5

Saya dapat dengan mudah memperoleh update atau perbaikan terbaru setelah menemukan dan menyampaikan adanya error

6

Saya akan menggunakan aplikasi MDK kembali

untuk

mencatat

dan

menghasilkan laporan data keluarga 7

Pekerjaan saya dapat dibantu secara efektif dengan aplikasi MDK

8

Dengan adanya aplikasi MDK, saya dapat menyelesaikan pekerjaan secara cepat dan tepat sehingga menghemat waktu dan biaya

9

Saya

merasa

bangga

menggunakan

aplikasi MDK

8. Manfaat Bersih Butir-butir pertanyaan di bawah ini digunakan untuk mengukur manfaat yang diperoleh baik bagi individu maupun organsisasi dalam pemanfaatan aplikasi MDK.



129

Jawaban No.

Pertanyaan 1

1

2

3

4

5

6

Menurut saya, aplikasi MDK dapat menghemat biaya proses pencatatan dan pelaporan data keluarga

2

Menurut saya, aplikasi MDK dapat menghemat

waktu,

sehingga

proses

pencatatan dan pelaporan data keluarga dapat diselesaikan lebih cepat 3

Menurut saya, aplikasi MDK dapat membantu

menyelesaikan

pekerjaan

terkait dengan pencatatan dan pelaporan data keluarga 4

Menurut saya, aplikasi MDK dapat meningkatkan produktivitas saya

9. Kondisi Fasilitas Butir-butir pertanyaan di bawah ini digunakan untuk mengukur kondisi fasilitas yang mendukung aplikasi MDK. Jawaban No.

Pertanyaan 1

1

2

3

4

5

6

Saya memiliki panduan dari organsisasi atau berupa

pengembang buku

atau

(petunjuk softcopy)

manual untuk

menggunakan aplikasi MDK 2

Saya menerima arahan dari organisasi



130

Jawaban No.

Pertanyaan 1

2

3

4

5

6

untuk menggunakan aplikasi MDK 3

Saya

memiliki

pengetahuan

yang

memadai untuk menggunakan aplikasi MDK 4

Saya

memiliki

sumber

daya

(PC,

browser, dll) yang dibutuhkan (sesuai dengan ketentuan dari petunjuk manual) 5

Menurut saya, aplikasi MDK sesuai dengan kebutuhan pekerjaan saya

6

Menurut

saya,

penggunaan

aplikasi

MDK dalam menyelesaikan pekerjaan sesuai dengan cara bekerja saya



131

LAMPIRAN 3: REKAPITULASI JAWABAN RESPONDEN

R E S P

1

2

3

4

5

6

7

8

1

5

4

4

4

6

6

6

2

4

4

4

4

6

6

6

3

6

6

6

6

6

6

4

5

5

4

4

6

5

6

6

6

6

6

6

6

6

7

5

6

8

6

9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 2 1

PERNYATAAN 9

1 0

1 1

1 2

1 3

1 4

1 5

1 6

1 7

1 8

1 9

2 0

2 1

2 2

2 3

2 4

2 5

2 6

2 7

2 8

2 9

3 0

3 1

3 2

3 3

3 4

3 5

3 6

3 7

3 8

3 9

4 0

4 1

4 2

4 3

4 4

4 5

4 6

4 7

4 8

4 9

5 0

5 1

5 2

6

4

5

4

5

5

4

4

6

6

4

6

4

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

4

5

5

5

4

4

6

6

6

6

6

6

4

5

4

5

6

4

4

6

6

4

6

4

5

5

5

5

5

5

5

5

5

5

4

5

5

5

5

5

5

5

5

5

5

4

5

4

5

4

4

5

6

6

6

6

6

6

4

5

4

5

5

3

6

6

6

4

6

4

5

5

5

5

5

5

5

5

5

5

4

5

5

5

5

5

5

5

5

4

5

4

5

4

5

5

5

6

6

6

6

6

6

5

5

5

4

4

5

5

4

5

6

6

4

6

4

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

4

5

5

5

5

5

6

6

6

6

6

6

6

6

6

4

4

4

4

6

5

4

6

6

5

5

5

5

5

4

5

5

5

5

4

5

5

5

5

5

5

4

4

5

5

5

5

5

4

5

5

3

4

5

5

5

5

5

5

6

5

5

6

6

6

4

4

6

6

5

4

6

3

3

3

1

2

2

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

4

5

5

5

5

5

6

6

6

6

6

6

5

5

5

5

5

5

4

4

5

5

4

4

6

5

5

5

3

3

3

4

5

5

5

5

4

5

5

5

5

5

5

4

4

5

5

5

5

5

4

5

5

3

4

5

5

5

5

5

5

6

6

6

6

6

5

5

3

1

2

5

5

4

5

6

4

4

4

3

5

5

4

5

5

5

5

4

5

5

5

5

5

5

4

4

5

5

5

4

5

4

5

5

3

4

5

5

5

5

5

5

6

6

6

6

6

6

5

5

3

1

4

5

6

5

4

6

4

4

4

3

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

4

5

5

5

4

4

6

6

6

6

6

6

6

6

6

5

5

5

5

3

2

4

4

5

3

3

5

5

5

5

3

5

3

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

5

4

5

5

5

5

5

6

6

6

6

6

6

5

5

5

5

5

6

6

5

6

4

4

3

3

3

4

4

4

4

5

5

5

4

5

5

5

5

4

5

5

5

5

5

5

4

4

5

5

5

5

5

4

5

5

3

4

5

5

5

5

5

5

5

5

5

5

5

5

6

6

5

6

5

5

3

2

3

4

4

3

3

5

5

5

1

3

4

5

3

4

4

4

4

4

4

5

5

6

5

4

5

4

4

5

5

4

5

4

5

5

5

5

5

5

5

5

6

6

6

6

6

6

5

4

4

6

5

1

3

5

5

2

2

4

5

5

4

5

4

4

4

4

5

4

4

4

4

5

4

4

5

3

3

4

3

2

5

2

4

3

3

4

4

3

5

4

6

5

5

5

5

5

6

6

5

1

2

5

3

3

3

2

4

5

5

4

5

5

4

5

4

4

4

4

5

4

4

4

4

5

4

4

5

3

3

4

3

2

5

2

4

3

3

4

4

3

5

4

5

5

5

5

5

5

5

5

3

4

4

5

4

1

2

2

4

5

5

5

5

1

3

2

2

2

2

1

1

1

2

2

1

1

1

1

2

3

4

1

2

3

3

3

3

2

2

1

1

2

2

2

5

5

6

6

6

6

6

6

5

4

4

5

5

3

2

2

4

5

5

5

5

5

4

4

5

4

5

5

4

4

3

4

5

5

5

5

3

4

4

4

4

4

4

4

4

4

5

5

5

4

5

5

5

5

5

5

6

6

4

4

4

4

4

4

6

5

3

5

5

4

6

4

5

5

4

4

5

4

5

5

4

4

3

4

5

5

5

5

3

4

4

4

4

4

4

4

4

4

5

5

5

4

5

5

5

5

5

5

6

6

6

6

5

4

5

5

5

3

3

4

4

4

6

4

5

5

4

4

5

4

5

5

4

4

3

4

5

5

5

5

3

4

4

4

4

4

4

4

4

4

5

5

5

4

5

5

5

5

5

5

6

6

4

4

4

4

4

4

6

5

3

4

4

4

6

5

5

5

5

5

4

5

4

5

4

4

3

4

4

5

5

5

3

4

5

3

3

4

4

4

5

3

3

4

3

4

5

5

5

5

5

5

6

6

3

3

3

5

4

5

5

4

5

6

6

4

6

3

3

5

4

4

5

4

5

5

4

4

3

4

5

5

5

5

3

4

4

4

4

4

4

4

4

4

5

5

5

4

5

5

5

5

5

5

5

5

5

5

5

4

4

4

6

5

4

6

6

5

5

4

5

5

5

5

4

5

4

5

4

4

3

4

4

5

5

5

3

4

5

3

3

4

4

4

5

3

3

4

3

4

5

5



132

LAMPIRAN 4: UJI NORMALITAS I

Test of Univariate Normality for Continuous Variables Skewness

Kurtosis

Skewness and

Kurtosis Variable Z-Score P-Value EK1 -7.402 EK2 -8.307 EK3 -7.330 EK4 -6.376 EU1 -6.561 EU2 -6.668 EU3 -5.087 EU4 -5.728 PS1 -3.881 PS2 -3.262 PS3 -6.257 PS4 -8.202 KS1 -2.801 KS2 2.697 KS3 2.152 KS4 -4.230 KS5 -1.770 KS6 -1.990 KS7 -1.225 KS8 -3.403 KI1 -0.755 KI2 -4.475 KI3 -0.340 KI4 -5.569 KI5 -6.471 KI6 -9.126 KI7 -6.190 KI8 -10.859 KL1 -7.237 KL2 -2.438 KL3 -1.574 KL4 -5.685 KL5 -2.400 KF1 -12.048 KF2 -11.771 KF3 -7.392 KF4 -2.842 KF5 -4.997 KF6 -8.877 KP1 -3.319 KP2 -4.360 KP3 -0.121 KP4 -8.868 KP5 -6.340 KP6 -6.882 KP7 -6.023 KP8 -7.534

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.001 0.000 0.000 0.005 0.007 0.031 0.000 0.077 0.047 0.220 0.001 0.450 0.000 0.734 0.000 0.000 0.000 0.000 0.000 0.000 0.015 0.115 0.000 0.016 0.000 0.000 0.000 0.004 0.000 0.000 0.001 0.000 0.904 0.000 0.000 0.000 0.000 0.000

Z-Score P-Value 3.185 4.008 3.028 2.173 3.263 3.426 2.983 3.187 -2.322 -0.138 1.755 7.077 -3.368 -5.095 2.584 0.924 -0.098 -5.334 -2.161 0.821 -24.937 -0.511 -7.715 1.350 4.460 6.650 0.343 6.321 2.204 -2.394 -7.836 0.605 -1.526 9.503 9.164 4.771 69.661 -4.527 4.935 -3.914 -1.760 1.434 4.757 1.443 0.664 1.504 2.388

0.001 0.000 0.002 0.030 0.001 0.001 0.003 0.001 0.020 0.890 0.079 0.000 0.001 0.000 0.010 0.355 0.922 0.000 0.031 0.411 0.000 0.609 0.000 0.177 0.000 0.000 0.732 0.000 0.028 0.017 0.000 0.545 0.127 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.078 0.152 0.000 0.149 0.507 0.133 0.017

Chi-Square P-Value 64.930 85.073 62.901 45.375 53.695 56.201 34.780 42.970 20.459 10.661 42.230 117.359 19.191 33.235 11.309 18.746 3.144 32.413 6.170 12.253 622.407 20.285 59.636 32.841 61.771 127.516 38.439 157.865 57.233 11.674 63.884 32.683 8.088 235.462 222.543 77.401 4860.740 45.456 103.146 26.334 22.108 2.071 101.270 42.277 47.800 38.541 62.458

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.005 0.000 0.000 0.000 0.000 0.004 0.000 0.208 0.000 0.046 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.003 0.000 0.000 0.018 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.355 0.000 0.000 0.000 0.000 0.000



133

KP9 MB1 MB2 MB3 MB4

-8.859 -8.211 -7.361 -7.285 -9.577

0.000 0.000 0.000 0.000 0.000

3.611 2.738 2.418 2.475 4.713

0.000 0.006 0.016 0.013 0.000

91.519 74.924 60.037 59.194 113.926

0.000 0.000 0.000 0.000 0.000

Relative Multivariate Kurtosis = 1.328

Test of Multivariate Normality for Continuous Variables Skewness

Kurtosis

Skewness and

Kurtosis Value P-Value -----------1392.524

Z-Score P-Value

Value

Z-Score P-Value

Chi-Square

------- -------

-------

------- -------

----------

137.719

3730.037

0.000

29.395

0.000

19830.578

0.000



134

LAMPIRAN 5: UJI OUTLIERS

Observations farthest from the centroid (Mahalanobis distance) (Group number 1) Observation number

Mahalanobis d-squared

p1

p2

33

57.470

.000

.000

20

50.115

.000

.000

31

28.483

.000

.000

32

28.468

.000

.000

24

26.272

.000

.000

25

26.272

.000

.000

71

26.272

.000

.000

165

26.272

.000

.000

177

26.272

.000

.000

29

26.263

.000

.000

35

26.263

.000

.000

120

26.263

.000

.000

17

20.845

.000

.000

19

20.845

.000

.000

58

18.821

.001

.000

88

18.821

.001

.000



135

Observation number


p1

p2

254

18.821

.001

.000

39

17.874

.001

.000

26

17.372

.002

.000

43

16.011

.003

.000

207

15.430

.004

.000

28

15.261

.004

.000

30

15.261

.004

.000

130

15.261

.004

.000

22

14.465

.006

.000

27

14.465

.006

.000

200

14.465

.006

.000

79

14.360

.006

.000

82

14.360

.006

.000

199

14.360

.006

.000

289

14.360

.006

.000

38

12.633

.013

.000

41

12.633

.013

.000

77

12.633

.013

.000

80

12.633

.013

.000



136

Observation number


p1

p2

197

12.633

.013

.000

287

12.633

.013

.000

290

12.633

.013

.000

6

7.408

.116

.252

11

7.408

.116

.200

12

7.408

.116

.155

14

7.408

.116

.117

55

6.695

.153

.710

57

6.695

.153

.651

85

6.695

.153

.590

87

6.695

.153

.526

210

6.695

.153

.463

248

6.695

.153

.400

251

6.695

.153

.340

253

6.695

.153

.285

276

6.695

.153

.234

4

4.487

.344

1.000

8

4.487

.344

1.000

9

4.487

.344

1.000



137

Observation number


p1

p2

37

4.487

.344

1.000

44

4.487

.344

1.000

46

4.487

.344

1.000

92

4.487

.344

1.000

93

4.487

.344

1.000

94

4.487

.344

1.000

101

4.487

.344

1.000

118

4.487

.344

1.000

152

4.487

.344

1.000

154

4.487

.344

1.000

157

4.487

.344

1.000

159

4.487

.344

1.000

164

4.487

.344

1.000

168

4.487

.344

1.000

185

4.487

.344

1.000

188

4.487

.344

1.000

190

4.487

.344

1.000

201

4.487

.344

1.000

202

4.487

.344

1.000



138

Observation number


p1

p2

203

4.487

.344

1.000

205

4.487

.344

1.000

216

4.487

.344

1.000

217

4.487

.344

1.000

219

4.487

.344

.999

250

4.487

.344

.999

265

4.487

.344

.999

268

4.487

.344

.998

280

4.487

.344

.997

1

1.039

.904

1.000

2

1.039

.904

1.000

3

1.039

.904

1.000

5

1.039

.904

1.000

13

1.039

.904

1.000

16

1.039

.904

1.000

18

1.039

.904

1.000

34

1.039

.904

1.000

36

1.039

.904

1.000

47

1.039

.904

1.000



139

Observation number


p1

p2

48

1.039

.904

1.000

49

1.039

.904

1.000

50

1.039

.904

1.000

51

1.039

.904

1.000

52

1.039

.904

1.000

54

1.039

.904

1.000

56

1.039

.904

1.000

59

1.039

.904

1.00



140

LAMPIRAN 6: UJI NORMALITAS II

Total Sample Size = 287 Test of Univariate Normality for Continuous Variables Skewness

Kurtosis

Skewness and

Kurtosis Variable Z-Score P-Value EK1 -7.380 EK2 -8.306 EK3 -7.271 EK4 -6.313 EU1 -6.579 EU2 -6.459 EU3 -4.735 EU4 -5.078 PS1 -3.905 PS2 -2.912 PS3 -5.920 PS4 -8.237 KS1 -2.546 KS2 2.965 KS3 2.028 KS4 -4.335 KS5 -1.862 KS6 -1.706 KS7 -1.214 KS8 -3.414 KI1 -0.605 KI2 -4.505 KI3 -0.248 KI4 -5.491 KI5 -6.638 KI6 -9.157 KI7 -6.028 KI8 -10.707 KL1 -7.089 KL2 -2.372 KL3 -1.595 KL4 -5.556 KL5 -2.350 KF1 -11.860 KF2 -11.647 KF3 -7.068 KF4 -2.956 KF5 -4.880 KF6 -8.664 KP1 -3.227 KP2 -4.207 KP3 0.080 KP4 -8.679 KP5 -6.150 KP6 -6.656 KP7 -5.916

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.004 0.000 0.000 0.011 0.003 0.043 0.000 0.063 0.088 0.225 0.001 0.545 0.000 0.804 0.000 0.000 0.000 0.000 0.000 0.000 0.018 0.111 0.000 0.019 0.000 0.000 0.000 0.003 0.000 0.000 0.001 0.000 0.936 0.000 0.000 0.000 0.000

Z-Score P-Value 3.310 4.149 3.079 2.234 3.396 3.418 2.748 2.810 -2.423 -0.392 1.288 7.028 -3.374 -4.140 2.870 1.190 0.222 -5.475 -1.972 0.832 -21.299 -0.136 -7.214 1.488 4.592 6.704 0.282 6.321 2.215 -2.329 -7.862 0.608 -1.701 9.306 9.003 4.503 -73.940 -4.744 4.779 -4.067 -1.853 1.338 4.587 1.250 0.431 1.431

0.001 0.000 0.002 0.025 0.001 0.001 0.006 0.005 0.015 0.695 0.198 0.000 0.001 0.000 0.004 0.234 0.825 0.000 0.049 0.405 0.000 0.892 0.000 0.137 0.000 0.000 0.778 0.000 0.027 0.020 0.000 0.543 0.089 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.064 0.181 0.000 0.211 0.666 0.152

Chi-Square P-Value 65.428 86.206 62.344 44.844 54.808 53.400 29.971 33.683 21.119 8.635 36.700 117.241 17.865 25.933 12.351 20.208 3.518 32.882 5.361 12.346 453.995 20.310 52.102 32.363 65.151 128.785 36.419 154.590 55.157 11.049 64.362 31.241 8.415 227.261 216.703 70.231 5475.898 46.312 97.900 26.948 21.129 1.796 96.360 39.383 44.485 37.044

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.013 0.000 0.000 0.000 0.000 0.002 0.000 0.172 0.000 0.069 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.004 0.000 0.000 0.015 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.407 0.000 0.000 0.000 0.000



141

KP8 KP9 MB1 MB2 MB3 MB4

-7.349 -8.572 -8.014 -7.090 -7.084 -9.242

0.000 0.000 0.000 0.000 0.000 0.000

2.272 3.369 2.671 2.174 2.354 4.457

0.023 0.001 0.008 0.030 0.019 0.000

59.168 84.836 71.363 54.989 55.725 105.273

0.000 0.000 0.000 0.000 0.000 0.000

Relative Multivariate Kurtosis = 1.328 Test of Multivariate Normality for Continuous Variables Skewness Value -----1423.352

Z-Score P-Value ------- ------133.689 0.000

Kurtosis Value ------3728.902

Z-Score P-Value ------- ------28.706 0.000

Skewness and Kurtosis Chi-Square P-Value ---------- ------18696.923 0.000



142

LAMPIRAN 7: UJI OFFENDING ESTIMATE

LISREL Estimates (Maximum Likelihood) Measurement Equations KP1 = 0.78*KP, Errorvar.= 0.83 , R² = 0.43 (0.071) 11.62 KP2 = 0.79*KP, Errorvar.= 0.70 , R² = 0.47 (0.075) (0.061) 10.53 11.56 KP3 = 0.42*KP, Errorvar.= 0.77 , R² = 0.18 (0.060) (0.065) 6.92 11.86 KP4 =

- 0.060*KP, Errorvar.= 0.70 , R² = 0.0051 (0.051) (0.059) -1.19 11.96

KP5 = 0.82*KP, Errorvar.= 0.56 , R² = 0.55 (0.073) (0.049) 11.26 11.40 KP6 = 0.75*KP, Errorvar.= 0.48 , R² = 0.54 (0.067) (0.042) 11.18 11.42 KP7 = 0.65*KP, Errorvar.= 0.37 , R² = 0.53 (0.059) (0.033) 11.10 11.44 KP8 = 0.89*KP, Errorvar.= 0.70 , R² = 0.53 (0.080) (0.061) 11.13 11.43 KP9 = 1.28*KP, Errorvar.= 0.16 , R² = 0.91 (0.093) (0.023) 13.76 7.05 MB1 = 1.12*MB, Errorvar.= 0.069 , R² = 0.95 (0.012) 5.97 MB2 = 1.14*MB, Errorvar.= 0.38 , R² = 0.77 (0.041) (0.035) 27.96 10.83 MB3 = 0.71*MB, Errorvar.= 0.16 , R² = 0.77 (0.026) (0.014) 27.54 10.87 Universitas Indonesia


143

MB4 = 1.18*MB, Errorvar.= 0.24 , R² = 0.85 (0.035) (0.024) 33.99 10.03 EK1 = 0.48*EK, Errorvar.= 0.16 , R² = 0.59 (0.032) (0.015) 15.08 10.77 EK2 = 0.54*EK, Errorvar.= 0.10 , R² = 0.74 (0.030) (0.011) 18.00 9.45 EK3 = 0.65*EK, Errorvar.= 0.062 , R² = 0.87 (0.032) (0.0100) 20.55 6.23 EK4 = 0.59*EK, Errorvar.= 0.11 , R² = 0.77 (0.032) (0.012) 18.44 9.09 EU1 = 0.61*EU, Errorvar.= 0.017 , R² = 0.96 (0.027) (0.0033) 22.77 5.23 EU2 = 0.60*EU, Errorvar.= 0.012 , R² = 0.97 (0.026) (0.0031) 23.04 3.98 EU3 = 0.50*EU, Errorvar.= 0.11 , R² = 0.69 (0.029) (0.0099) 17.29 11.46 EU4 = 0.48*EU, Errorvar.= 0.14 , R² = 0.62 (0.030) (0.012) 15.92 11.60 PS1 = 0.46*PS, Errorvar.= 0.59 , R² = 0.26 (0.053) (0.053) 8.56 11.23 PS2 = 1.16*PS, Errorvar.= 0.50 , R² = 0.73 (0.072) (0.088) 16.05 5.76 PS3 = 0.78*PS, Errorvar.= 0.29 , R² = 0.68 (0.051) (0.043) 15.42 6.71 PS4 = 0.10*PS, Errorvar.= 0.41 , R² = 0.025 (0.041) (0.034) 2.48 11.91 KS1 = 0.13*KS, Errorvar.= 1.22 , R² = 0.015 (0.070) (0.10) 1.92 11.93 Universitas Indonesia


144

KS2 = 0.76*KS, Errorvar.= 1.00 , R² = 0.36 (0.071) (0.091) 10.64 11.00 KS3 = 0.75*KS, Errorvar.= 0.28 , R² = 0.67 (0.047) (0.032) 16.05 8.51 KS4 = 0.67*KS, Errorvar.= 0.54 , R² = 0.46 (0.055) (0.051) 12.27 10.55 KS5 = 0.54*KS, Errorvar.= 0.36 , R² = 0.44 (0.045) (0.034) 12.07 10.61 KS6 = 0.61*KS, Errorvar.= 0.74 , R² = 0.33 (0.060) (0.067) 10.08 11.12 KS7 = 0.89*KS, Errorvar.= 0.66 , R² = 0.55 (0.064) (0.066) 13.90 9.90 KS8 = 0.54*KS, Errorvar.= 0.76 , R² = 0.28 (0.060) (0.067) 9.03 11.32 KI1 = 0.80*KI, Errorvar.= 0.60 , R² = 0.52 (0.060) (0.059) 13.32 10.07 KI2 = 0.70*KI, Errorvar.= 0.42 , R² = 0.54 (0.051) (0.042) 13.72 9.89 KI3 = 0.78*KI, Errorvar.= 0.89 , R² = 0.40 (0.069) (0.083) 11.34 10.77 KI4 = 0.61*KI, Errorvar.= 0.34 , R² = 0.52 (0.045) (0.034) 13.45 10.02 KI5 = 0.22*KI, Errorvar.= 0.30 , R² = 0.13 (0.036) (0.026) 5.97 11.69 KI6 = 0.047*KI, Errorvar.= 0.28 , R² = 0.0078 (0.033) (0.023) 1.40 11.94 KI7 = 0.93*KI, Errorvar.= 0.55 , R² = 0.61 (0.062) (0.059) 14.96 9.19 KI8 = 0.59*KI, Errorvar.= 0.83

, R² = 0.29 Universitas Indonesia


145

(0.063) (0.074) 9.33 11.23 KL1 = 0.96*KL, Errorvar.= 0.39 , R² = 0.70 (0.055) (0.036) 17.39 10.89 KL2 = 0.93*KL, Errorvar.= 0.22 , R² = 0.80 (0.048) (0.021) 19.36 10.06 KL3 = 1.04*KL, Errorvar.= 0.28 , R² = 0.79 (0.054) (0.028) 19.25 10.13 KL4 = 1.01*KL, Errorvar.= 0.070 , R² = 0.94 (0.045) (0.013) 22.24 5.49 KL5 = 1.08*KL, Errorvar.= 0.64 , R² = 0.65 (0.066) (0.058) 16.36 11.14 KF1 = 0.25*KF, Errorvar.= 0.32 , R² = 0.17 (0.037) (0.027) 6.76 11.58 KF2 =

- 0.13*KF, Errorvar.= 0.34 , R² = 0.050 (0.038) (0.029) -3.55 11.86

KF3 =

- 0.43*KF, Errorvar.= 0.55 , R² = 0.25 (0.051) (0.049) -8.41 11.33

KF4 =

- 0.62*KF, Errorvar.= 0.52 , R² = 0.42 (0.054) (0.050) -11.55 10.53

KF5 =

- 0.97*KF, Errorvar.= 0.30 , R² = 0.76 (0.057) (0.051) -17.08 6.00

KF6 =

- 0.71*KF, Errorvar.= 0.58 , R² = 0.47 (0.058) (0.057) -12.35 10.22



146

LAMPIRAN 8: UJI RELIABILITAS

1. EK a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .921

N of Items .921

4


b. Construct Reliability (CR)

c. Variance Extracted (VE)



147

2.

EU a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .952

N of Items .952

4




3. PS a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .703

N of Items .678

4




148



4. KS a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .798

N of Items .807

8






149

5. KI a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .811

N of Items .797

8




6. KL a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .942

N of Items .946

5




150



7. KF a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .706

N of Items .657

6






151

8. KP a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .877

N of Items .866

9




9. MB a. Cronbach’s Alpha Reliability Statistics Cronbach's Alpha Based on Cronbach's

Standardized

Alpha

Items .944

N of Items .953

4




152





153

LAMPIRAN 9: UJI KECOCOKAN MODEL AWAL

Goodness of Fit Statistics Degrees of Freedom = 712 Minimum Fit Function Chi-Square = 5865.61 (P = 0.0) Normal Theory Weighted Least Squares Chi-Square = 6161.19 (P = 0.0) Estimated Non-centrality Parameter (NCP) = 5449.19 90 Percent Confidence Interval for NCP = (5202.06 ; 5703.57) Minimum Fit Function Value = 20.51 Population Discrepancy Function Value (F0) = 19.05 90 Percent Confidence Interval for F0 = (18.19 ; 19.94) Root Mean Square Error of Approximation (RMSEA) = 0.16 90 Percent Confidence Interval for RMSEA = (0.16 ; 0.17) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.00 Expected Cross-Validation Index (ECVI) = 22.30 90 Percent Confidence Interval for ECVI = (21.43 ; 23.19) ECVI for Saturated Model = 5.73 ECVI for Independence Model = 86.04 Chi-Square for Independence Model with 780 Degrees of Freedom = 24526.28 Independence AIC = 24606.28 Model AIC = 6377.19 Saturated AIC = 1640.00 Independence CAIC = 24792.66 Model CAIC = 6880.41 Saturated CAIC = 5460.78 Normed Fit Index (NFI) = 0.76 Non-Normed Fit Index (NNFI) = 0.76 Parsimony Normed Fit Index (PNFI) = 0.69 Comparative Fit Index (CFI) = 0.78 Incremental Fit Index (IFI) = 0.78 Relative Fit Index (RFI) = 0.74 Critical N (CN) = 40.14

Root Mean Square Residual (RMR) = 0.12 Standardized RMR = 0.12 Goodness of Fit Index (GFI) = 0.48 Adjusted Goodness of Fit Index (AGFI) = 0.40 Parsimony Goodness of Fit Index (PGFI) = 0.42 Universitas Indonesia


154

LAMPIRAN 10: SARAN MODIFIKASI

The Modification Indices Suggest to Add the Path to from Decrease in Chi-Square KP5 MB 42.9 KP7 MB 25.3 KP8 MB 23.5 KP9 MB 194.3 MB1 KP 11.7 MB3 KP 28.8 EK1 EU 15.4 EK1 KL 12.5 EK1 KF 14.9 EK2 EU 17.8 EK2 KL 10.9 EK2 KF 12.0 EK3 EU 9.9 EK3 KS 15.3 EK3 KL 17.3 EK3 KF 21.1 EK4 EU 10.2 EU2 EK 8.5 EU3 EK 47.2 EU3 KI 14.2 EU4 EK 34.7 EU4 PS 9.2 PS2 EK 24.4 PS2 EU 12.6 PS3 EK 24.4 PS3 EU 12.6 KS2 EK 36.2 KS2 PS 45.8 KS2 KL 16.5 KS3 PS 22.5 KS4 EK 20.4 KS4 KI 12.2 KS5 EK 9.0 KS7 EU 12.9 KS7 PS 8.7 KS7 KL 8.1 KI1 KS 24.7 KI3 PS 10.4 KI4 EK 12.9 KI4 KL 24.4 KI7 PS 14.3 KI7 KS 23.0 KI8 EU 8.3 KI8 PS 16.4 KI8 KL 16.1 KL1 EU 8.8 KL1 KI 28.0 KL3 KI 18.4 KL4 EK 10.8 KL4 PS 11.3

New Estimate -2.20 -1.36 -1.78 5.63 0.81 -0.96 -0.11 -0.09 0.10 -0.10 -0.07 0.07 0.07 0.09 0.09 -0.09 0.08 -0.03 0.16 -0.08 0.15 0.08 -0.34 -0.34 0.21 0.21 -0.40 0.47 0.30 -0.19 0.21 -0.20 0.12 0.21 0.19 0.20 0.32 -0.21 0.15 0.23 0.21 -0.31 -0.16 -0.25 -0.27 -0.12 0.26 -0.18 -0.08 -0.09 Universitas Indonesia


155

KL4 KL5 KL5 KL5 KL5 KF1 KF1 KF1 KF1 KF2 KF2 KF2 KF2 MB

KS EU PS KS KF EK EU KI KL EK EU KI KL KF

15.6 14.9 14.4 52.3 10.2 18.2 25.0 19.4 16.0 18.2 25.0 19.4 16.0 19.9

0.12 0.20 0.21 -0.44 0.19 -1.03 -1.17 1.11 -1.17 0.16 0.18 -0.17 0.18 0.10

The Modification Indices Suggest to Add an Error Covariance Between and Decrease in Chi-Square New Estimate KP2 KP1 186.0 0.66 KP5 KP1 41.5 0.28 KP5 KP2 95.1 0.40 KP6 KP5 8.9 0.10 KP7 KP5 25.4 0.15 KP7 KP6 24.4 0.13 KP8 KP2 12.3 0.16 KP8 KP5 26.3 0.20 KP8 KP6 24.6 -0.18 KP8 KP7 8.6 0.09 KP9 KP1 32.9 -0.16 KP9 KP2 55.6 -0.19 KP9 KP5 25.1 -0.12 MB1 KP1 8.1 -0.06 MB1 KP5 12.1 -0.06 MB1 KP9 41.3 0.08 MB2 KP2 8.7 0.10 MB2 KP5 16.5 0.12 MB2 KP6 21.3 0.13 MB2 KP7 12.6 -0.09 MB2 KP9 8.4 -0.05 MB3 KP1 8.8 0.07 MB3 KP5 50.0 -0.14 MB3 KP7 55.8 -0.12 MB3 KP8 34.6 -0.12 MB3 MB1 16.2 0.04 MB3 MB2 15.0 -0.06 MB4 MB1 49.2 -0.11 MB4 MB2 12.8 0.08 MB4 MB3 18.0 0.06 EK1 KP1 8.3 -0.07 EK1 KP2 8.6 -0.06 EK1 MB1 12.3 0.03 EK1 MB4 8.5 -0.04 EK2 KP1 12.4 -0.07 EK2 KP2 10.0 -0.06 EK2 MB1 23.5 0.03 EK2 MB4 16.4 -0.04 EK2 EK1 136.6 0.11 EK3 KP6 17.8 0.06 EK3 MB1 17.1 -0.03 EK3 MB2 12.6 0.04 Universitas Indonesia


156

EK3 EK3 EK3 EK4 EK4 EK4 EU1 EU2 EU3 EU3 EU3 EU3 EU3 EU4 EU4 EU4 EU4 EU4 EU4 PS2 PS2 PS3 PS3 KS2 KS2 KS2 KS2 KS2 KS2 KS2 KS2 KS2 KS3 KS3 KS4 KS4 KS4 KS4 KS4 KS4 KS5 KS5 KS5 KS5 KS5 KS5 KS5 KS7 KS7 KS7 KS7 KS8 KS8 KS8 KS8 KS8 KI1 KI1 KI1

MB4 EK1 EK2 EK1 EK2 EK3 KP6 EU1 KP1 MB2 EK3 EU1 EU2 KP6 MB2 EK1 EU1 EU2 EU3 KP7 EU4 KP6 EK2 KP2 KP5 KP6 KP7 KP8 MB2 EK1 EK2 PS2 KP7 KS2 KP1 KP2 KP8 EK2 EU3 EU4 KP6 KP8 EU3 EU4 KS2 KS3 KS4 KP2 KP8 KS2 KS4 KP1 KP2 EK2 EK3 KS4 KP7 KP8 EK2

8.0 25.2 15.9 18.6 18.4 48.2 8.5 290.6 12.4 24.7 8.4 20.3 16.6 9.4 13.9 13.8 20.2 19.1 196.2 22.9 8.8 15.1 9.6 10.4 17.2 20.1 15.5 48.4 19.2 9.0 9.9 8.4 32.3 10.2 16.2 13.4 9.7 9.6 12.2 15.5 22.1 18.1 13.5 15.4 48.7 43.8 132.2 8.3 24.7 26.6 35.8 22.0 19.7 23.5 9.5 21.9 15.4 9.4 11.1

0.03 -0.05 -0.04 -0.04 -0.04 0.08 -0.02 0.15 -0.07 0.07 0.02 -0.02 -0.02 0.05 0.05 0.04 -0.02 -0.02 0.11 0.16 0.06 0.11 0.04 0.18 0.20 -0.20 0.16 0.37 -0.18 -0.08 -0.07 0.16 -0.13 0.13 -0.16 -0.14 -0.11 0.05 0.05 0.06 0.12 -0.13 0.05 0.05 -0.28 -0.18 0.34 0.14 0.24 0.32 -0.27 0.23 0.20 -0.09 0.05 -0.19 -0.12 0.13 -0.06 Universitas Indonesia


157

KI1 KI1 KI1 KI1 KI1 KI2 KI2 KI2 KI2 KI2 KI2 KI2 KI2 KI2 KI2 KI2 KI3 KI3 KI3 KI3 KI3 KI3 KI3 KI3 KI3 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI4 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI7 KI8 KI8 KI8 KI8 KI8 KI8 KI8

KS3 KS4 KS5 KS7 KS8 KP1 KP7 MB2 MB3 EU1 EU3 KS3 KS4 KS7 KS8 KI1 KP5 MB1 MB2 MB4 EK2 PS3 KS4 KS5 KS7 KP6 KP7 KP8 KP9 EU1 EU3 EU4 KS3 KS4 KS5 KS7 KI1 KI2 KI3 KP1 KP7 MB1 MB2 MB3 EK2 EK3 KS2 KS3 KS4 KS8 KI3 KI4 KP1 KP2 KP5 KP6 KP8 KP9 MB1

13.4 31.2 11.2 57.1 29.1 18.4 29.3 10.6 43.0 9.5 11.6 37.7 12.0 11.1 10.4 21.6 12.8 10.3 9.5 13.6 8.4 27.1 9.2 12.6 8.2 26.9 25.6 24.6 8.1 25.1 12.8 9.8 17.9 17.3 37.9 11.3 35.5 15.5 18.3 8.2 30.9 8.7 20.4 11.3 9.6 9.9 17.8 12.0 9.9 15.8 17.9 10.2 15.2 25.5 8.6 22.0 35.2 52.4 12.6

0.11 -0.20 -0.10 0.36 0.24 0.17 -0.14 -0.09 0.11 0.02 -0.05 0.16 -0.11 -0.14 0.12 0.18 0.16 -0.07 0.12 0.12 -0.06 -0.20 -0.13 -0.13 0.16 0.14 0.12 -0.16 -0.05 -0.03 0.05 0.04 -0.09 0.11 0.14 -0.12 -0.20 -0.11 0.17 -0.13 0.17 0.05 -0.14 -0.07 0.05 -0.05 0.21 -0.10 0.11 -0.17 -0.22 0.11 -0.20 -0.24 -0.13 0.19 -0.28 0.19 0.07 Universitas Indonesia


158

KI8 KI8 KI8 KI8 KI8 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL1 KL2 KL2 KL2 KL2 KL2 KL2 KL2 KL2 KL2 KL2 KL2 KL3 KL3 KL3 KL3 KL3 KL3 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL4 KL5

MB2 EK2 KS2 KS7 KI7 KP6 KP7 KP8 KP9 MB1 MB3 EK2 KS2 KS4 KS5 KS7 KS8 KI2 KI4 KI7 KI8 KP7 MB2 KS3 KS4 KS5 KS7 KI1 KI3 KI4 KI7 KL1 KP1 MB2 EU3 KI2 KI8 KL2 KP1 KP2 KP5 KP6 KP7 MB1 MB3 PS3 KS3 KS4 KS5 KS7 KI1 KI2 KI3 KI4 KI7 KI8 KL1 KL3 KP1

14.0 9.0 33.7 37.3 12.9 22.7 18.1 33.6 8.6 19.4 8.4 9.8 27.3 11.0 34.9 28.1 8.4 16.3 64.9 10.9 39.4 23.5 14.0 20.3 17.8 18.7 11.9 23.3 19.1 13.0 11.7 28.4 10.0 12.2 11.0 17.5 30.0 45.3 43.1 34.3 15.3 28.5 40.3 14.8 9.9 9.1 12.3 12.7 10.5 38.6 10.9 9.3 21.9 17.1 25.1 29.7 42.8 44.3 37.7

-0.14 0.06 -0.34 -0.33 0.17 0.13 0.10 -0.19 -0.05 0.06 -0.05 0.04 -0.21 0.09 0.14 -0.20 0.10 -0.11 0.19 0.10 0.23 0.09 -0.07 -0.08 0.09 0.08 -0.10 -0.12 -0.13 0.07 0.08 0.11 -0.10 0.08 0.04 -0.10 -0.17 -0.12 0.14 0.11 0.07 -0.08 -0.09 -0.03 0.03 -0.04 0.05 -0.06 -0.04 0.13 0.06 0.05 0.10 -0.06 -0.09 -0.11 -0.11 0.11 -0.28 Universitas Indonesia


159

KL5 KL5 KL5 KL5 KL5 KL5 KL5 KL5 KL5 KF1 KF1 KF1 KF1 KF1 KF1 KF1 KF1 KF1 KF2 KF2 KF2 KF2 KF2 KF2 KF2 KF2 KF2

KP2 KP5 KP9 MB2 KS7 KI7 KI8 KL2 KL4 KP5 KP6 KP7 MB1 EK1 EK2 EK3 KS8 KI7 KP1 KP2 EK3 KS7 KS8 KI3 KI7 KL1 KL5

55.1 32.2 31.6 39.7 10.1 19.7 26.2 22.1 17.5 8.7 37.9 9.2 15.4 9.0 11.1 13.1 10.7 9.6 9.8 18.4 8.2 9.9 15.8 17.7 30.8 21.7 22.9

-0.31 -0.22 0.13 -0.20 -0.15 0.17 0.23 0.12 -0.09 -0.06 -0.12 -0.05 0.04 0.04 0.03 -0.03 -0.08 0.07 -0.10 -0.13 0.03 0.11 -0.12 0.15 -0.16 -0.11 0.14



160

LAMPIRAN 11: UJI KECOCOKAN MODEL AKHIR

LISREL Estimates (Maximum Likelihood) Measurement Equations

KP1 = 0.71*KP, Errorvar.= 0.90 , R² = 0.36 (0.074) 12.10 KP2 = 0.71*KP, Errorvar.= 0.82 , R² = 0.38 (0.035) (0.070) 20.10 11.77 KP5 = 0.76*KP, Errorvar.= 0.66 , R² = 0.47 (0.058) (0.056) 13.17 11.68 KP6 = 0.72*KP, Errorvar.= 0.53 , R² = 0.50 (0.072) (0.044) 10.01 12.05 KP7 = 0.68*KP, Errorvar.= 0.44 , R² = 0.52 (0.064) (0.032) 10.58 13.86 KP8 = 0.89*KP, Errorvar.= 0.78 , R² = 0.50 (0.086) (0.064) 10.34 12.15 KP9 = 1.31*KP, Errorvar.= 0.087 , R² = 0.95 (0.11) (0.019) 12.35 4.49 MB1 = 1.16*MB, Errorvar.= 0.0010, R² = 1.00 MB2 = 1.16*MB, Errorvar.= 0.41 , R² = 0.77 (0.035) (0.030) 32.88 13.60 MB3 = 0.69*MB, Errorvar.= 0.15 , R² = 0.76 (0.022) (0.011) 32.11 13.95 MB4 = 1.22*MB, Errorvar.= 0.13 , R² = 0.92 (0.037) (0.018) 33.42 7.22

EK1 = 0.45*EK, Errorvar.= 0.19 , R² = 0.51 (0.032) (0.017) Universitas Indonesia


161

13.75

11.37

EK2 = 0.51*EK, Errorvar.= 0.13 , R² = 0.67 (0.031) (0.012) 16.62 10.40 EK3 = 0.66*EK, Errorvar.= 0.044 , R² = 0.91 (0.031) (0.0095) 21.31 4.68 EK4 = 0.60*EK, Errorvar.= 0.096 , R² = 0.79 (0.032) (0.011) 18.90 8.76 EU1 = 0.50*EU, Errorvar.= 0.13 , R² = 0.65 (0.030) (0.012) 16.48 11.26 EU2 = 0.50*EU, Errorvar.= 0.12 , R² = 0.67 (0.030) (0.011) 16.83 11.20 EU3 = 0.59*EU, Errorvar.= 0.016 , R² = 0.96 (0.026) (0.0045) 22.66 3.54 EU4 = 0.58*EU, Errorvar.= 0.038 , R² = 0.90 (0.027) (0.0053) 21.50 7.15 PS2 = 1.22*PS, Errorvar.= 0.32 , R² = 0.82 (0.069) (0.097) 17.80 3.28 PS3 = 0.74*PS, Errorvar.= 0.35 , R² = 0.62 (0.052) (0.044) 14.41 7.87 KS2 = 1.23*KS, Errorvar.= 0.053, R² = 0.97 (0.090) (0.18) 13.71 0.30 KS3 = 0.53*KS, Errorvar.= 0.56 , R² = 0.33 (0.055) (0.054) 9.58 10.39 KS7 = 1.03*KS, Errorvar.= 0.29 , R² = 0.79 (0.082) (0.14) 12.63 2.07 KI1 = 0.92*KI, Errorvar.= 0.46 , R² = 0.64 (0.053) (0.056) 17.15 8.32 KI2 = 0.67*KI, Errorvar.= 0.37 , R² = 0.55 Universitas Indonesia


162

(0.044) 15.29

(0.035) 10.40

KI3 = 0.53*KI, Errorvar.= 1.18 , R² = 0.20 (0.066) (0.100) 8.06 11.79 KI7 = 0.88*KI, Errorvar.= 0.59 , R² = 0.57 (0.055) (0.057) 16.17 10.32 KL1 = 0.96*KL, Errorvar.= 0.35 , R² = 0.72 (0.051) (0.031) 18.75 11.36 KL2 = 0.93*KL, Errorvar.= 0.17 , R² = 0.84 (0.044) (0.018) 20.88 9.12 KL3 = 1.03*KL, Errorvar.= 0.28 , R² = 0.79 (0.054) (0.035) 19.08 7.96 KL4 = 0.97*KL, Errorvar.= 0.13 , R² = 0.88 (0.045) (0.015) 21.35 8.52 KL5 = 1.06*KL, Errorvar.= 0.58 , R² = 0.66 (0.061) (0.050) 17.44 11.61 KF1 = 0.62*KF, Errorvar.= 0.0010, R² = 1.00 (0.026) 23.85

Structural Equations KP = 0.073*EK - 0.0084*EU - 0.028*PS + 0.15*KS - 0.33*KI + 0.73*KL + 0.22*KF, Errorvar.= 0.61 , R² = 0.39 (0.093) (0.093) 0.077) (0.053) (0.073) (0.10) (0.069) (0.11) 0.79 -0.090 -0.37 2.79 -4.56 7.02 3.12 5.46 MB = 0.95*KP, Errorvar.= 0.098 , R² = 0.90 (0.078) (0.012) 12.17 8.20



163

Goodness of Fit Statistics Degrees of Freedom = 468 Minimum Fit Function Chi-Square = 2179.00 (P = 0.0) Normal Theory Weighted Least Squares Chi-Square = 1871.99 (P = 0.0) Estimated Non-centrality Parameter (NCP) = 1403.99 90 Percent Confidence Interval for NCP = (1274.57 ; 1540.93) Minimum Fit Function Value = 7.62 Population Discrepancy Function Value (F0) = 4.91 90 Percent Confidence Interval for F0 = (4.46 ; 5.39) Root Mean Square Error of Approximation (RMSEA) = 0.078 90 Percent Confidence Interval for RMSEA = (0.076 ; 0.088) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.06 Expected Cross-Validation Index (ECVI) = 7.43 90 Percent Confidence Interval for ECVI = (6.98 ; 7.91) ECVI for Saturated Model = 4.16 ECVI for Independence Model = 72.38 Chi-Square for Independence Model with 561 Degrees of Freedom = 20633.54 Independence AIC = 20701.54 Model AIC = 2125.99 Saturated AIC = 1190.00 Independence CAIC = 20859.96 Model CAIC = 2717.74 Saturated CAIC = 3962.39 Normed Fit Index (NFI) = 0.90 Non-Normed Fit Index (NNFI) = 0.90 Parsimony Normed Fit Index (PNFI) = 0.75 Comparative Fit Index (CFI) = 0.91 Incremental Fit Index (IFI) = 0.92 Relative Fit Index (RFI) = 0.87 Critical N (CN) = 72.15

Root Mean Square Residual (RMR) = 0.039 Standardized RMR = 0.049 Goodness of Fit Index (GFI) = 0.72 Adjusted Goodness of Fit Index (AGFI) = 0.65 Parsimony Goodness of Fit Index (PGFI) = 0.57



UNIVERSITAS INDONESIA

Recommend Documents