UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA

FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PENGGUNA TERHADAP SISTEM INFORMASI ONLINE: STUDI KASUS PADA SISTEM MULTIFINANCE CONFINS DI PT. SASANA ARTHA FINANCE

KARYA AKHIR

FELISIA IRMA AKEMIRASTIWI 1106144733

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JANUARI 2014

Faktor-faktor yang ..., Felisia Irma Akemirastiwi, Fasilkom UI, 2014

UNIVERSITAS INDONESIA

FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PENGGUNA TERHADAP SISTEM INFORMASI ONLINE: STUDI KASUS PADA SISTEM MULTIFINANCE CONFINS DI PT. SASANA ARTHA FINANCE

KARYA AKHIR Diajukan sebagai suatu syarat untuk memperoleh gelar Magister Teknologi Informasi

FELISIA IRMA AKEMIRASTIWI 1106144733

FAKULTAS ILMU KOMPUTER PROGRAM STUDI MAGISTER TEKNOLOGI INFORMASI JAKARTA JANUARI 2014


HALAMAN PERNYATAAN ORISINALITAS

ii


HALAMAN PENGESAHAN

iii


KATA PENGANTAR

Segala puji bagi Tuhan Yesus dan berkat rahmat-Nya penulis berhasil menyelesaikan Karya Akhir yang berjudul Faktor-Faktor yang Mempengaruhi Penerimaan Pengguna terhadap Sistem Informasi Online: Studi Kasus pada Sistem Multifinance Confins di PT Sasana Artha Finance tepat pada waktu yang direncanakan. Penulis menyadari bahwa dalam penulisan Karya Akhir ini masih jauh dari sempurna, oleh karena itu kritik dan saran dari semua pihak yang bersifat membangun selalu penulis harapkan demi kesempurnaan Karya Akhir ini. Selanjutnya penulis menyampaikan terima kasih kepada: 1. Bapak Riri Satria MM, yang telah mengarahkan dan membimbing penulis dengan penuh kesabaran selama mengerjakan Karya Akhir ini. 2. Seluruh karyawan PT Sasana Artha Finance khususnya teman-teman di divisi ICT. 3. Mas Henry, Mas Haris, dan Nila yang selalu memberi dukungan masukan dan membantu penulis dalam menyelesaikan Karya Akhir ini. 4. Orang Tua, Mama dan Papa yang telah mendukung penulis diberbagai aspek agar hasil penulisan Karya Akhir ini baik dan berguna. 5. Nathaniel yang selalu memberi dukungan dan kepercayaan dalam penulis menyelesaikan Karya Akhir ini 6. Teman-teman angkatan “ABRI” semester ini yang telah bersama-sama berjuang untuk meraih gelar MTI UI. 7. Teman-teman MTI UI 2011FA yang telah bersama-sama dengan penulis dalam perkuliahan di MTI. Akhir kata semoga Karya Akhir ini dapat bermanfaat bagi penulis dan juga untuk pengembangan ilmu pengetahuan.

Jakarta, Januari 2014

Penulis iv


HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA AKHIR UNTUK KEPENTINGAN AKADEMIS

v

Universitas Indonesia


ABSTRAK

Nama

: Felisia Irma Akemirastiwi

Program Studi

: Magister Teknologi Informasi

Judul Karya Akhir

: Faktor-Faktor yang Mempengaruhi Penerimaan Pengguna Terhadap Sistem Informasi Online: Studi Kasus pada Sistem Multifinance Confins di PT Sasana Artha Finance

PT. Sasana Artha Finance (SAF) mempunyai Sistem Multifinance lama yaitu eMF seiring berjalannya waktu sistem ini digantikan oleh sistem baru yaitu Sistem Confins. Kenyataan sistem yang tidak sesuai dengan harapan merupakan kendala yang dihadapi SAF saat ini. Salah satu penyebabnya adalah tidak pernah melakukan evaluasi terhadap sistem yang berjalan. Penelitian ini akan melakukan evaluasi penerimaan terhadap sebuah sistem dengan tujuan untuk mengetahui faktor-faktor apa saja yang mempengaruhi penerimaan Sistem Confins. Model penerimaan yang digunakan adalah UTAUT2 dan dianalisa menggunakan konsep Structural Equation Modeling (SEM) berbasis varian dengan menggunakan perangkat lunak SmartPLS. Hasil penelitian ini menunjukkan bahwa penerimaan Sistem Confins dipengaruhi oleh Effort Expectancy, Facilitating Condition, dan Habit.

Kata Kunci: UTAUT, UTAUT2, SEM, PLS, Confins, model penerimaan, acceptance model

vi



ABSTRACT

Name

: Felisia Irma Akemirastiwi

Program

: Master of Information Technology

Title

: Factors that Influence User Acceptance of Online Information System: Case Study of Confins Multifinance System at PT. Sasana Artha Finance

PT. Sasana Artha Finance (SAF) has old multifinance system named eMF, over time this system was replaced by a new system named Confins System. The fact that the system is not in accordance with the expectations of the constraints faced by the SAF today. One of the reasons is that SAF has never performed an evaluation of this system. This study will evaluate the acceptability of a system in order to determine the factors that influence the acceptance of Confins System. The model is using UTAUT2. The Analyzed method is using the concept of Structural Equation Modeling (SEM) based variants using software SmartPLS. The results of this study indicate that the admission system Confins influenced by Effort Expectancy, Facilitating Condition, and Habit. Keywords: UTAUT2, UTAUT, acceptance model,SEM, PLS, Confins

vii



DAFTAR ISI

HALAMAN PERNYATAAN ORISINALITAS ................................................ ii HALAMAN PENGESAHAN .............................................................................. iii KATA PENGANTAR .......................................................................................... iv HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI KARYA AKHIR UNTUK KEPENTINGAN AKADEMIS .............................................. v ABSTRAK ............................................................................................................ vi ABSTRACT ......................................................................................................... vii DAFTAR ISI ....................................................................................................... viii DAFTAR GAMBAR ............................................................................................ xi DAFTAR TABEL .............................................................................................. xiii BAB 1 PENDAHULUAN ..................................................................................... 1 1.1 Latar Belakang ...................................................................................... 1 1.2 Identifikasi Masalah .............................................................................. 2 1.2.1 Harapan terhadap Sistem Confins di SAF ................................ 2 1.2.2 Keadaan Sistem Confins di SAF saat ini .................................. 3 1.2.3 Kerangka Tulang Ikan ............................................................... 7 1.2.4 Pertanyaan Penelitian ................................................................ 9 1.3 Ruang Lingkup Penelitian ..................................................................... 9 1.4 Tujuan Penelitian ................................................................................ 10 1.5 Manfaat Penelitian .............................................................................. 10 1.6 Sistematika Penulisan ......................................................................... 10 BAB 2 LANDASAN TEORI .............................................................................. 12 2.1 Tingkat Penerimaan Pengguna ............................................................ 12 2.1.1 Theory of Reasoned Action (TRA) ......................................... 12 2.1.2 Theory of Planned Behaviour(TPB) ....................................... 13 2.1.3 Technology Acceptance Model (TAM) .................................. 14 2.1.4 Technology Acceptance Model 2 (TAM 2) ............................ 16 2.1.5 Technology Acceptance Model 3 (TAM 3) ............................ 18 2.1.6 The Unified Theory of Acceptance and Use of Technology (UTAUT)................................................................................. 20 2.1.7 The Unified Theory of Acceptance and Use of Technology 2 (UTAUT2)............................................................................... 25 2.2 Structural Equation Model (SEM) ...................................................... 26 2.2.1 Definisi Structural Equation Model (SEM) ............................ 26 2.2.2 Variabel – variabel dalam SEM .............................................. 29 2.2.3 SEM Berbasis Varian dan Kovarian ....................................... 30 2.2.4 Tahapan Penggunaan SEM ..................................................... 33 2.2.5 Model Pengukuran (Outer Model) .......................................... 34 2.2.6 Model Struktural (Inner Model) .............................................. 36 2.2.7 Uji Efek Moderasi ................................................................... 36 2.3 Penelitian Terdahulu ........................................................................... 36 2.3.1 Penelitian menggunakan ADUTAUT di Universitas Islam Negeri Syarif Hidayatullah Jakarta ......................................... 37 viii



2.3.2

Penelitian menggunakan UTAUT di Kementrian Sekertariat Negara Republik Indonesia ..................................................... 38 2.3.3 Penelitian menggunakan UTAUT di Taiwan .......................... 39 2.3.4 Penelitian menggunakan UTAUT di Kecamatan Gondokusuman Yogyakarta .................................................... 41 2.3.5 Penelitian menggunakan UTAUT pada sistem e-goverment di Saudi........................................................................................ 43 2.3.6 Penelitian menggunakan UTAUT2 di Direktorat Jendral Pendidikan Anak Usia Dini..................................................... 45 2.4 Kerangka Pemikiran ............................................................................ 46 2.4.1 Alasan Pemilihan Model UTAUT2 ........................................ 47 2.5 Hipotesis Penelitian............................................................................. 47 2.6 Variabel Penelitian .............................................................................. 49 BAB 3 METODOLOGI PENELITIAN ............................................................ 54 3.1 Tahapan Penelitian .............................................................................. 54 3.2 Populasi dan Sampel ........................................................................... 57 3.2.1 Populasi ................................................................................... 57 3.2.2 Sampel ..................................................................................... 58 3.3 Metode Penelitian dan Pengumpulan Data ......................................... 60 3.3.1 Data Primer ............................................................................. 60 3.3.2 Data Sekunder ......................................................................... 60 3.4 Metode Pengolahan Data dan Analisis Data ....................................... 60 BAB 4 PROFIL ORGANISASI ......................................................................... 63 4.1 PT. Sasana Artha Finance (SAF) ........................................................ 63 4.2 Struktur Organisasi Grup MPM .......................................................... 63 4.3 Visi dan Misi SAF............................................................................... 64 4.3.1 Misi SAF ................................................................................. 64 4.3.2 Visi SAF .................................................................................. 64 4.3.3 Ikrar SAF................................................................................. 64 4.4 Nilai-Nilai Utama SAF ....................................................................... 65 4.5 Struktur Organisasi SAF ..................................................................... 65 4.6 Consumer Finance& Leasing Solution (Confins) ............................... 68 BAB 5 ANALISIS DAN PEMBAHASAN ........................................................ 72 5.1 Data Responden .................................................................................. 72 5.2 Asumsi-asumsi dalam SEM ................................................................ 76 5.3 Model Awal Penelitian ........................................................................ 76 5.4 Uji Validitas ........................................................................................ 77 5.4.1 Uji Validitas Konvergen ......................................................... 78 5.4.1.1 Uji Validitas Konvergen Performance Expectancy (PE) 78 5.4.1.2 Uji Validitas Konvergen Effort Expectancy(EE) ........... 80 5.4.1.3 Uji Validitas Konvergen Social Influence (SI) .............. 80 5.4.1.4 Uji Validitas Konvergen Facilitating Condition (FC) ... 81 5.4.1.5 Uji Validitas Konvergen Habit (HT) ............................ 82 5.4.1.6 Uji Validitas Konvergen Behavioral Intention (BI)....... 83 5.4.1.7 Uji Validitas Konvergen Use Behaviour (U) ................. 84 5.4.1.8 Rangkuman Uji Validitas Konvergen ............................ 84 5.4.2 Uji Validitas Diskriminan ....................................................... 86 ix



5.5 5.6 5.7 5.8

Uji Reliabilitas .................................................................................... 88 Uji Model Struktural (Inner Model) .................................................... 89 Uji Hipotesis Berdasarkan Variabel Utama ........................................ 90 Uji Efek Moderasi ............................................................................... 92 5.8.1 Uji Efek Moderasi Usia (Age) ................................................ 92 5.8.1.1 Moderasi Usia Pengaruh Effort Expectancy terhadap Behavioral Intention ..................................................... 93 5.8.1.2 Moderasi Usia Pengaruh Facilitating Condition terhadap Behavioral Intention ..................................................... 94 5.8.1.3 Moderasi Usia Pengaruh Habit terhadap Behavioral Intention ........................................................................ 95 5.8.1.4 Moderasi Usia Pengaruh Facilitating Condition terhadap Uee Behavior ................................................................ 96 5.8.1.5 Moderasi Usia Pengaruh Habit terhadap Use Behavior 97 5.8.2 Uji Efek Moderasi Jenis Kelamin (Gender)............................ 98 5.8.2.1 Moderasi Jenis Kelamin Pengaruh Effort Expectancy terhadap Behavioral Intention ...................................... 99 5.8.2.2 Moderasi Jenis Kelamin Pengaruh Facilitating Condition terhadap Behavioral Intention .................................... 100 5.8.2.3 Moderasi Jenis Kelamin Pengaruh Habit terhadap Behavioral Intention ................................................... 101 5.8.2.4 Moderasi Jenis Kelamin Pengaruh Habit terhadap Use Behaviour.................................................................... 102 5.8.3 Uji Efek Moderasi Pengalaman Kerja (Experience) ............. 103 5.8.3.1 Moderasi Pengalaman Kerja Pengaruh Effort Expectancy terhadap Behavioral Intention .................................... 103 5.8.3.2 Moderasi Pengalaman Pengaruh Facilitating Condition terhadap Behavioral Intention .................................... 105 5.8.3.3 Moderasi Pengalaman Pengaruh Habit terhadap Behavioral Intention ................................................... 106 5.8.3.4 Moderasi Pengalaman Pengaruh Facilitating Condition terhadap Use Behaviour.............................................. 107 5.8.3.5 Moderasi Pengalaman Pengaruh Habit terhadap Use Behaviour.................................................................... 108 5.8.4 Rangkuman Uji Efek Moderasi ............................................. 109 5.9 Pembahasan Hasil Penelitian ............................................................ 112 5.9.1 Implikasi Penelitian pada Sistem Confins............................. 114 5.9.2 Implikasi Penelitian pada Manajemen SAF .......................... 115 5.9.3 Implikasi Penelitian pada Penelitian Selanjutnya ................. 116 BAB 6 KESIMPULAN DAN SARAN ............................................................. 117 6.1 Kesimpulan ....................................................................................... 117 6.2 Saran .................................................................................................. 118 6.2.1 Saran Untuk Manajemen SAF .............................................. 118 6.2.2 Saran Untuk Penelitian Selanjutnya ...................................... 119 DAFTAR PUSTAKA ........................................................................................ 120 DAFTAR LAMPIRAN ..................................................................................... 123 x



DAFTAR GAMBAR

Gambar 1. 1 Sistem Pembayaran Online SAF-Confins periode 8 Juli-12 September 2013 ..................................................................................... 5 Gambar 1. 2 Kerangka Tulang Ikan ........................................................................ 8 Gambar 2. 1 Theory of Reasoned Action (Fishbein & Ajzen, 1975) ................... 13 Gambar 2. 2 Theory of Planned Behaviour (Ajzen, 1991) ................................... 14 Gambar 2. 3 Technology Acceptance Model (Davis F. , 1989) ............................ 15 Gambar 2. 4 Model TAM 2 (Venkatesh & Davis, 2000)...................................... 17 Gambar 2. 5 Model TAM3 (Venkatesh & Bala, 2008)......................................... 19 Gambar 2. 6 Model UTAUT (Venkatesh, V, et al, 2003) ..................................... 22 Gambar 2. 7 Model UTAUT2 (Venkatesh, Thong, & Xu, 2012) ......................... 26 Gambar 2. 8 Variabel Laten Endogen dan Eksogen (Wijanto, 2008) ................... 29 Gambar 2. 9 Simbol Variabel Teramati (Wijanto, 2008)...................................... 30 Gambar 2. 10 Kerangka Pemikiran (Muthahhari, 2011)....................................... 38 Gambar 2. 11 Kerangka Pemikiran (Sitorus, 2011) .............................................. 39 Gambar 2. 12 Kerangka Pemikiran (Wu, Tao, & Yang, 2003) ............................ 40 Gambar 2. 13 Kerangka Pemikiran (Indriani, Santosa, & Kusumawardani, 2012) ............................................................................................................. 42 Gambar 2. 14 Kerangka Pemikiran (Alshehri, Drew, & AlGhamdi, 2012) ......... 44 Gambar 2. 15 Kerangka Pemikiran (Aji, 2013) .................................................... 45 Gambar 2. 16 Kerangka Pemikiran ....................................................................... 46 Gambar 3. 1 Tahapan Penelitian ........................................................................... 54 Gambar 4. 1 Struktur Organisasi Grup MPM ....................................................... 64 Gambar 4. 2 Struktur Organisasi Pusat ................................................................. 66 Gambar 4. 3 Struktur Organisasi Cabang ............................................................. 67 Gambar 4. 4 Portofolio Confins ............................................................................ 68 Gambar 4. 5 Model Bisnis Confins ....................................................................... 69 Gambar 4. 6 Tampilan Awal Confins ................................................................... 70 Gambar 4. 7 Modul-Modul Confins ..................................................................... 70 Gambar 5. 1 Pie Chart Data Responden berdasarkan Jenis Kelamin ................... 74 Gambar 5. 2 Pie Chart data responden berdasarkan jenis kelamin ...................... 74 Gambar 5. 3 Pie Chart data responden berdasarkan pengalaman kerja ............... 75 Gambar 5. 4 Model Awal Penelitian ..................................................................... 76 Gambar 5. 5 Uji Outer Model ............................................................................... 78 Gambar 5. 6 Uji Validitas Konvergen PE ............................................................. 79 Gambar 5. 7 Uji Validitas PE setelah PE5 dihapus .............................................. 79 Gambar 5. 8 Uji Validitas Konvergen EE ............................................................. 80 Gambar 5. 9 Uji Validitas Konvergen SI .............................................................. 81 Gambar 5. 10 Uji Validitas Konvergen SI setelah SI4 dihapus ............................ 81 Gambar 5. 11 Uji Validitas Konvergen FC ........................................................... 82 Gambar 5. 12 Uji Validitas Konvergen FC setelah FC4 dihapus ......................... 82 Gambar 5. 13 Uji Validitas Konvergen HT .......................................................... 83 Gambar 5. 14 Uji Validitas Konvergen HT setelah HT1 dihapus ........................ 83 Gambar 5. 15 Uji Validitas Konvergen BI ........................................................... 84 Gambar 5. 16 Uji Validitas Konvergen U ............................................................. 84 xi



Gambar 5. 17 Model Setelah Uji Validitas ........................................................... 86 Gambar 5. 18 Model Akhir Berdasarkan Variabel Utama .................................... 91 Gambar 5. 19 Model Pengujian Moderasi Usia terhadap EE dan BI.................... 93 Gambar 5. 21 Model Pengujian Moderasi Usia terhadap FC dan BI.................... 94 Gambar 5. 22 Model Pengujian Moderasi Usia terhadap HT dan BI ................... 95 Gambar 5. 23 Model Pengujian Moderasi Usia terhadap FC dan U ..................... 97 Gambar 5. 24 Model Pengujian Moderasi Usia terhadap HT dan U .................... 98 Gambar 5. 25 Model Pengujian Moderasi Jenis Kelamin terhadap EE dan BI .... 99 Gambar 5. 26 Model Pengujian Moderasi Jenis Kelamin terhadap FC dan BI .. 100 Gambar 5. 27 Model Pengujian Moderasi Jenis Kelamin terhadap HT dan BI .. 101 Gambar 5. 28 Model Pengujian Moderasi Jenis Kelamin terhadap HT dan U ... 102 Gambar 5. 29 Model Pengujian Moderasi Pengalaman terhadap EE dan BI ..... 104 Gambar 5. 30 Model Pengujian Moderasi Pengalaman terhadap FC dan BI ..... 105 Gambar 5. 31 Model Pengujian Moderasi Pengalaman terhadap HT dan BI ..... 106 Gambar 5. 32 Model Pengujian Moderasi Pengalaman terhadap FC dan U ...... 107 Gambar 5. 33 Model Pengujian Moderasi Pengalaman terhadap HT dan U ...... 108 Gambar 5. 34 Model Akhir Hasil Penelitian ....................................................... 114

xii



DAFTAR TABEL

Tabel 2. 1 Perbandingan SEM Berbasis Kovarian dan SEM berbasis Varian ...... 31 Tabel 2. 2 Parameter Uji Validitas dalam Model Pengukuran PLS (Jogiyanto, 2011) ................................................................................................... 35 Tabel 2. 3 Hipotesis Penelitian.............................................................................. 47 Tabel 2. 4 Indikator Pengukuran ........................................................................... 49 Tabel 2. 5 Kuesioner Penelitian ............................................................................ 51 Tabel 3. 1 Populasi Penelitian ............................................................................... 57 Tabel 3. 2 Sampel Populasi ................................................................................... 59 Tabel 5. 1 Jumlah Sampel ..................................................................................... 72 Tabel 5. 2 Rangkuman Uji Validitas parameter AVE dan Communality ............. 85 Tabel 5. 3 Rangkuman Uji Validitas parameter Loading Factor.......................... 85 Tabel 5. 4 Nilai AVE dan Akar AVE ................................................................... 87 Tabel 5. 5 Nilai Korelasi antar Variabel Laten ..................................................... 87 Tabel 5. 6 Uji Reliabilitas ..................................................................................... 88 Tabel 5. 7 Nilai R2 pada Uji Struktural ................................................................. 89 Tabel 5. 8 Uji Hipotesis berdasarkan Variabel Utama .......................................... 90 Tabel 5. 9 Rangkuman Uji Hipotesis Variabel Utama .......................................... 91 Tabel 5. 10 Total Effects Moderasi EE*AgeBI ................................................. 93 Tabel 5. 11 Total Effects Moderasi FC*AgeBI ................................................. 95 Tabel 5. 12 Total Effects Moderasi HT*AgeBI ................................................. 96 Tabel 5. 13 Total Effects Moderasi FC*AgeU .................................................. 96 Tabel 5. 14 Total Effects Moderasi HT*AgeU .................................................. 97 Tabel 5. 15 Total Effects Moderasi EE*GenderBI ........................................... 99 Tabel 5. 16 Total Effects Moderasi FC*GenderBI ......................................... 100 Tabel 5. 17 Total Effects Moderasi HT*GenderBI ......................................... 101 Tabel 5. 18 Total Effects Moderasi HT*GenderU .......................................... 102 Tabel 5. 19 Total Effects Moderasi EE*ExperienceBI ................................... 103 Tabel 5. 20 Total Effects Moderasi FC*ExperienceBI ................................... 105 Tabel 5. 21 Total Effects Moderasi HT*ExperienceBI ................................... 106 Tabel 5. 22 Total Effects Moderasi FC*ExperienceU .................................... 107 Tabel 5. 23 Total Effects Moderasi HT*ExperienceU .................................... 109 Tabel 5. 24 Rangkuman Hipotesis Efek Moderasi Awal .................................... 109 Tabel 5. 25 Rangkuman Hipotesis Efek Moderasi.............................................. 110

xiii



BAB 1 PENDAHULUAN

Bab ini membahas latar belakang penelitian beserta perumusan masalah, tujuan serta ruang lingkup penelitian. 1.1

Latar Belakang

PT. Sasana Artha Finance (SAF) adalah salah satu dari perusahaan pembiayaan/kredit sepeda motor Honda. Seiring dengan perkembangannya, SAF memiliki 36 cabang yang tersebar diseluruh Indonesia. eMF (Electronic Multifinance) adalah aplikasi multifinance berbasis web yang digunakan oleh SAF saat ini untuk menjalankan proses bisnisnya. Seluruh data operasional berada di wilayah Jakarta sebagai kantor utama (Head Office). Seiring dengan perkembangan teknologi dan bisnis pada perusahaan multifinance, SAF mengambil langkah untuk mengimplementasikan sistem baru sebagai pengganti eMF yang dipakai oleh beberapa multifinance yang ada di Indonesia dan merupakan aplikasi standar multifinance untuk Grup Mitra Pinastikha Mustika (MPM). Sistem aplikasi yang akan digunakan adalah Confins. Confins merupakan aplikasi multifinance yang dikembangkan oleh AdIns (Advance Innovation, 2013) dengan penyesuaian mengikuti kegiatan operasional dan prosedur yang ada di SAF. Implementasi sistem baru dan proses migrasi dari sistem lama ke sistem baru (eMF ke Confins) bukan merupakan hal pertama yang dialami oleh SAF. Pada awal tahun 2000 dilakukan implementasi sistem eMF sebagai pengganti sistem Clipper (aplikasi terdistribusi). Proses implementasi eMF tersebut memakan waktu hampir 2 tahun hingga seluruh cabang berhasil menggunakan eMF. Pada tahun 2013 ini dilakukan migrasi sistem eMF ke Confins dengan beberapa gelombang. Gelombang pertama meliputi 7 cabang yaitu Surabaya, Sidoarjo, Jakarta I (Kebayoran), Jakarta II (Klender), Bogor, Tangerang dan Head Office

1



2

(Jakarta). Diharapkan sebelum akhir tahun 2013, seluruh cabang SAF sudah menggunakan Confins. 1.2 Identifikasi Masalah Identifikasi masalah akan dilakukan dengan cara melihat harapan berkaitan dengan penggunaan sistem Confins di SAF dengan keadaan saat ini. Gap antara harapan dan keadaan saat ini dapat didefinisikan menjadi masalah pada penelitian ini. Data yang dikumpulkan untuk memperoleh harapan dan fakta-fakta terhadap sistem Confins dilakukan dengan metode wawancara utama terhadap manajer ICT (Information Communication and Technology) SAF, Bapak Wangaratta, diiikuti dengan

wawancara

pendukung

terhadap

bebeberapa

orang

yang telah

menggunakan Confins di cabang-cabang gelombang 1. 1.2.1

Harapan terhadap Sistem Confins di SAF

Sistem Confins yang baru diterapkan di SAF saat ini, sebenarnya sudah cukup dikenal dikalangan Grup MPM sebagai holding company dari SAF. Adanya keberadaan Eloan (Sistem Confins model lama) yang digunakan oleh PT. Mitra Pinastika Mustika Finance membuat top level management dari SAF bersepakat untuk mengubah sistem eMF yang ada dengan sistem Confins dengan harapan bahwa Confins akan membawa perubahan yang lebih baik untuk kinerja SAF di segala aspek departemen. Sistem yang sudah dipakai oleh beberapa perusahan finance ini seperti yang terlihat di dalam website AdIns (Advance Innovation, 2013) diharapkan mampu menjadi sistem yang dapat diandalkan untuk membangun proses bisnis SAF menjadi lebih baik lagi. Harapan lain juga tertumpu pada proses pembayaran online. SAF memiliki patner third party untuk menjembatani proses pembayaran konsumen dengan menggunakan BCA dan Kantor Pos secara online yaitu dengan PT Sarana Yukti Bandana (SYB). Pada saat sistem ini berjalan di eMF ada beberapa masalah yang terjadi seperti misalnya hasil rekonsiliasi antara BCA, SYB, dan SAF yang sering tidak sesuai yang menyebabkan SAF harus melakukan pembatalan penerimaan. Adanya teknologi dan pengembangan sistem yang lebih baik, Confins diharapkan Universitas Indonesia


3

mampu menangani permasalahan yang terjadi di sistem pembayaran online SAF ini. Sistem pembayaran online ini bekerja sama dengan empat pihak yaitu SAF, SYB (sebagai mediator), BCA dan POS. Relasi antara empat pihak ini dihubungkan oleh suatu jaringan. Dari sisi SAF sendiri ada dua sistem yang terhubung secara langsung yaitu sistem internal SAF dan sistem internal pembayaran online. Sistem ini saling berkaitan satu dengan yang lain. Jika sistem internal SAF dan sistem internal pembayaran online ini tidak terhubung/timeout akan menyebabkan tagihan tidak akan masuk ke sistem internal pembayaran online dan konsumen tidak bisa membayar melalui POS atau BCA. Sistem eMF yang berbasis Java dengan teknologi open source kerap kali mengalami kendala seperti sistem sering down atau out of memory. Adanya sistem Confins yang berbasis .net yang menggunakan platform Microsoft harapanya adalah Confins menjadi lebih baik tidak terlalu sering down mengalami error atau kendala. 1.2.2

Keadaan Sistem Confins di SAF saat ini

Sistem Confins yang sudah berjalan di 6 cabang dan kantor pusat saat ini pada kenyataan tidak berjalan sesuai yang diharapkan. Ada sisi positif namun ada sisi negatif yang seharusnya sudah bukan lagi menjadi masalah, mengingat sisi negatif dari sistem Confins ini ternyata sudah pernah di alami pada sistem eMF sehingga dirasakan oleh beberapa para narasumber adalah sistem ini kurang efektif dalam perjalanannya. Menurut (Siagian, 2001), efektivitas adalah pemanfaatan sumber daya, sarana dan prasarana dalam jumlah tertentu yang secara sadar ditetapkan sebelumnya untuk menghasilkan sejumlah barang atas jasa kegiatan yang dijalankannya. Efektivitas menunjukkan keberhasilan dari segi tercapai tidaknya sasaran yang telah ditetapkan. Jika hasil kegiatan semakin mendekati sasaran, berarti makin tinggi efektivitasnya. Menurut (Abdurahmat, 2003), efektivitas adalah pemanfaatan sumber daya, sarana dan prasarana dalam jumlah tertentu yang secara sadar Universitas Indonesia


4

ditetapkan sebelumnya untuk menghasilkansejumlah pekerjaan tepat pada waktunya. Menurut (Hidayat, 1986) yang menjelaskan bahwa, efektifitas adalah suatu ukuran yang menyatakan seberapa jauh target (kuantitas,kualitas dan waktu) telah tercapai, dimana makin besar prosentasetarget yang dicapai, makin tinggi efektifitasnya. Sehingga dapat ditarik kesimpulan efektif adalah pencapaian hasil sesuai dengan tujuan yang telah ditetapkan dalam pengertian yang lebih singkat adalah tepat sasaran. Adanya banyak harapan terhadap sistem Confins ini, namun tidak semua harapan tersebut terpenuhi. Seperti wawancara yang telah dilakukan penulis dengan Ibu Mardiana, Bapak Wangaratta,dan Ibu Metta Sari, dari sisi internal sistem sendiri, sistem ini ternyata masih terdapat banyak bug atau error seiring masa implementasinya. Hal ini tentu saja menjadi masalah pada SAF, mengingat jika error pada sistem dapat menyebabkan proses bisnis di SAF menjadi terhambat dan pengguna tidak bisa melakukan pekerjaannya. Contoh bug yang bermasalah adalah pada proses pembuatan kontrak yang mengakibatkan sistem penjurnalan di SAF mengalami selisih, selain itu juga ada juga error yang sering terjadi adalah pada saat login dan pada saat klik menu terutama pada modul Application Manager, modul yang digunakan untuk mengatur pengguna dan hak akses pengguna. Selain itu error yang paling bermasalah adalah pada modul payment receive atau penerimaan angsuran konsumen, menurut Jurnal Pelaksanaan 1.01 (Revisi 4) 12 Maret 2008 yang dikeluarkan oleh SAF bahwa kuitansi atau bukti penerimaan uang tidak boleh ditulis manual yang diperbolehkan hanya kuitansi sementara bukan kuitansi asli. Adapun syarat-syarat kuitansi sementara juga tertuang dalam jurnal pelaksanaan 1.01a 6 Januari 2009 dimana tidak semua orang berhak membuat kuitansi sementara ini sehingga jika modul ini error dampaknya adalah penumpukan konsumen karena tidak bisa melakukan pembayaran. Hal lain yang juga terjadi adalah pada pembayaran online SAF melalui BCA dan POS, terdapat beberapa kendala dan kendala tersebut justru datang dari cabang yang menggunakan sistem Confins. Hal ini dikarenakan ada kendala pada sistem internal SAF yang menggunakan Confins dan sistem internal pembayaran online Universitas Indonesia


5

sering timeout. Padahal dari sisi sistem internal SAF yang menggunakan eMF dan sistem internal pembayaran online tidak terjadi masalah. Menurut data yang diterima per tanggal 12 September 2013 (8 Juli 2013 – 12 September 2013), untuk error log yang terjadi akibat sistem pembayaran timeout dan mengakibatkan konsumen tidak bisa melakukan pembayaran kepada SAF. Dari Gambar 1. 1di bawah ini dapat dilihat bahwa dari awal sistem Confins di pakai oleh SAF, terdapat banyak kendala terutama masalah timeout, dari log file yang terlihat 59,09% mengalami waktu time out. Hal ini tentunya menjadi penghambat bagi berjalannya proses bisnis di SAF.

Gambar 1. 1 Sistem Pembayaran Online SAF-Confins periode 8 Juli-12 September 2013

Permasalahan dari internal sistem juga dialami oleh tim ICT support dan beberapa narasumber yang lain, dimana tim ICT Support ini berperan untuk mengatur menu-menu dan hak akses pagi para pengguna. Menurut wawancara dengan divisi Support yaitu Ibu Mardiana dan Ibu Metta Sari mereka mendapati bahwa Confins ini kurang user friendly seperti misalnya pada saat akan mengatur cabang Jakarta I kemudian jika ingin mengatur cabang Jakarta II, maka mereka harus melakukan logout sistem. Ini berbeda dengan eMF yang dari awal bisa melakukan proses ganti cabang tanpa melakukan logout ataupun juga saat memilih hak akses cabang untuk pengguna terdapat kerumitan seperti pemilihan data yang ditampilkan lebih Universitas Indonesia


6

dari satu halaman pengguna harus menekan tombol simpan terlebih dahulu baru kemudian bisa melanjutkan ke halaman berikutnya untuk melakukan pemilihan. Padahal jika dilakukan di eMF, eMF bisa menyimpan record berapapun untuk pergantian halaman sebelum disimpan tanpa perlu menyimpan record pada tiap halaman. Dari pihak manajemen SAF sendiri ada masalah lain yang juga dihadapi oleh SAF setelah implementasi sistem Confins adalah prosedur kerja di eMF dan Confins agak sedikit berbeda, ada beberapa model prosedur eMF yang tidak bisa diterapkan di Confins. Hal ini berdampak pada pengguna yang mengalami kesulitan pada pengenalan sistem baru. Dari narasumber kami seperti yang dikemukakan oleh Ibu Daesy seperti pada contoh proses pencairan klaim asuransi yang biasa dilakukan di eMF hanya melakukan satu kali release BPKP (Bukti Kepemilikan Kendaraan Bermotor) sedangkan di Confins harus dilakukan beberapa kali proses sebelum akhirnya bisa di release BPKB. Juga belum adanya prosedur yang baru untuk pengaturan sistem Confins juga menjadi kendala bagi pengguna yang ingin melakukan proses di sistem, karena jika menggunakan prosedur sistem eMF akan ada kendala karena perbedaan proses di sistem tersebut. Juga job desk eMF yang berbeda dari Confins dan itu belum diatur kembali juga menyebabkan kesulitan pagi para pengguna untuk menggunakan sistem Confins ini. Ketidakjelaskan mengenai siapa yang seharusnya mengoperasikan modul menjadi hambatan sistem ini berjalan dengan maksimal. Selain itu juga dari pihak pengguna adanya penolakan terhadap sistem Confins, kenyamanan selama beberapa tahun bersama eMF membuat keengganan tersendiri bagi para pengguna untuk mempelajari sistem baru dan menyesuaikan diri dengan kondisi sistem yang berbeda. Sistem Confins yang dibangun saat ini adalah sistem secara standar bukan sistem yang sudah diperbaharui seperti sistem eMF sehingga banyak data-data atau laporan yang ada di eMF tidak ada di Confins, hal ini menyebabkan pula kesulitan bagi pengguna untuk melanjutkan pekerjaannya. Kurangnya pengetahuan pengguna akan sistem baru ini juga menjadi kendala sistem ini berjalan kurang efektif. Ada beberapa pengguna yang Universitas Indonesia


7

tidak tahu bagaimana harus melakukan suatu proses tertentu yang biasa terjadi di eMF. Seperti yang diutarakan oleh beberapa narasumber kami seperti Ibu Anastasia, yang merasa kurang paham akan modul-modul yang ada di Confins. Selain itu ketakutan akan kesalahan pada proses input data yang tinggi menyebabkan proses di sistem Confins menjadi lambat dan menghambat beberapa pekerjaan pengguna. Dari sisi evaluasi terhadap sistempun, menurut narasumber, semenjak SAF berdiri belum pernah dilakukan evaluasi sebuah sistem. Berdasarkan banyak sebab yang dijelaskan di atas, ada satu faktor penyebab sistem Confins ini kurang efektif yaitu adanya sedikit penolakan dari pengguna terhadap sistem Confins ini. Penggunaan sistem Confins adalah keharusan bagi pengguna atau disebut sebagai penggunaan yang bersifat mandatory. Kurangnya penerimaan pengguna tersebut dapat menyebabkan pengguna hanya sekedar terpaksa menggunakan dan tanpa diimbangi dengan penggunaan yang handal pada sistem tersebut. Selain itu juga dapat menyebabkan ketidakpuasan bagi pengguna terhadap sistem tersebut. Keengganan dan penolakan dari pengguna ini dapat menjadi penyebab tidak diperolehnya manfaat dan keuntungan dari sistem tersebut yang secara tidak langsung menyebabkan kegagalan impementasi sistem (Nah, Xin, & Hing, 2004) 1.2.3

Kerangka Tulang Ikan

Setelah melihat adanya perbedaan antara harapan dan kondisi Confins saat ini seperti yang sudah dijelaskan sebelumnya, maka berikut ini akan digambarkan kerangka tulang ikan untuk permasalahan yang terjadi di SAF pasca implementasi sistem Confins :



8

Gambar 1. 2 Kerangka Tulang Ikan Universitas Indonesia


9

Pada dasarnya sistem yang telah diimplementasikan di banyak perusahaan atau organisasi dengan biaya yang tidak sedikit. Permasalahan yang sering timbul adalah penggunaan sistem yang masih rendah atau kurang suksesnya sistem dioperasikan. Rendahnya penggunaan sistem diidentifikasikan sebagai penyebab utama yang mendasari terjadinya productivity paradox yaitu investasi yang mahal di bidang sistem tetapi menghasilkan return yang rendah (Venkatesh & Davis, 2000). Productivity paradox ini menandakan bahwa sistem dalam perusahaan atau organisasi tidak efektif. Banyak faktor yang dapat mengakibatkan sistem tidak efektif, diantaranya berasal dari pengguna maupun sistem itu sendiri. Sehubungan dengan adanya sistem Confins di SAF saat ini dan melihat kembali masalah yang terjadi di atas, maka sangat penting untuk mengetahui faktor-faktor apa saja yang mempengaruhi pengguna dalam hal penerimaan atau penggunaan sistemConfins. Jika penelitian ini tidak dilakukan maka tidak akan diketahui masukan untuk perbaikan kedepan terhadap sistem Confins ini. 1.2.4

Pertanyaan Penelitian

Berdasarkan fakta-fakta yang telah dijabarkan oleh penulis, maka dapat dirumuskan sebuah pertanyaan penelitian : Faktor-faktor apa saja yang mempengaruhi penerimaan pengguna terhadap Sistem Confins di SAF? 1.3

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah : a. Objek dari penelitian adalah karyawan SAF yang telah menggunakan sistem Confins pada saat penelitian ini berlangsung adalah seluruh cabang gelombang 1 meliputi Jakarta HO, Surabaya, Sidoarjo, Jakarta I, Jakarta II, Tangerang, dan Bogor b. Identifikasi dan analisis penelitian difokuskan untuk mengetahui faktorfaktor yang mempengaruhi penerimaan pengguna Confins. c. Moderasi pengalaman menggunakan pengalaman kerja selama di SAF karena sebelumnya pernah ada sistem sejenis Confins yaitu eMF yang sudah berjalan selama 10 tahun. Universitas Indonesia


10

1.4 Tujuan Penelitian Tujuan yang ingin dicapai dari penelitian ini adalah: a. Mendapatkan model penerimaan untuk sistem Confins. b. Menganalisis faktor-faktor apa saja yang mempengaruhi penerimaan pengguna terhadap sistem Confins. 1.5

Manfaat Penelitian

Manfaat penelitian ini dapat dilihat dari 2 sisi, yaitu bagi ilmu pengetahuan dan bagi organisasi (SAF) : a. Manfaat bagi ilmu pengetahuan Penelitian ini diharapkan dapat memberi kontribusi sebagai tambahan referensi yang lebih memperkaya pengetahuan pada model penerimaan pengguna untuk teknologi sistem informasi. b. Manfaat bagi PT Sasana Artha Finance Hasil penelitian ini diharapkan mampu menjadi referensi bagi manajemen SAF dalam upaya memaksimalkan penggunaan sistem Confinsdi SAF. 1.6

Sistematika Penulisan

Sistematika penulisan Karya Akhir ini akan terbagi menjadi enam bab, yang diawali dengan bab pendahuluan, bab landasan teori, bab metodologi penelitian, bab profil organisasi, bab analisis data dan pembahasan dan bab kesimpulan dan saran. Selain itu Karya Akhir ini juga dilengkapi dengan abstraksi dan daftar pustaka. Berikut adalah penjelasan mengenai masing-masing bagian yang ada di dalam laporan Karya Akhir ini :

BAB I PENDAHULUAN Bab pertama ini berisi latar belakang pengambilan topik, permasalahan penelitian, pertanyaan penelitian, ruang lingkup penelitian, tujuan dan manfaat penelitian serta sistematika penelitan yang digunakan dalam penyusunan penelitian ini.



11

BAB II LANDASAN TEORI Bab kedua berisi beberapa teori-teori yang akan digunakan dalam penelitian ini yaituTheory of Reasoned Action (TRA), Theory of Planned Behaviour (TPB), Technology Acceptance Model (TAM), The Unified Theory of Acceptance and Use of Technology (UTAUT), Structural Equation Model (SEM) dan beberapa penelitian terdahulu yang relevan, kerangka pemikiran dan hipotesis yang ada dalam penelitian ini.

BAB III METODOLOGI PENELITIAN Bab ketiga berisi tahapan penelitian, populasi dan sampel, metode pengumpulan data, metode pengolahan data yang akan digunakan dalam penelitian.

BAB IV PROFIL ORGANISASI Bab keempat berisi penjelasan singkat mengenai profil organisasi yaitu, sejarah singkat, visi, misi dan struktur organisasi dari objek penelitian yang diambil.

BAB V ANALISIS DAN PEMBAHASAN Bab kelima berisi hasil pengolahan data yang kemudian akan dianalisis oleh peneliti. Secara lebih jelas akan dijelaskan langkah-langkah yang diambil dalam melakukan analisis data.

BAB VI KESIMPULAN DAN SARAN Bab keenam berisi kesimpulan dari penelitian ini serta saran-saran yang diberikan kepada organisai tempat objek penelitian berdasarkan hasil penelitian.



BAB 2 LANDASAN TEORI

Bab ini membahas mengenai beberapa teori yang digunakan dalam penelitian, beberapa penelitian terdahulu yang relevan dan kerangka pemikiran yang digunakan dalam penelitian ini. 2.1

Tingkat Penerimaan Pengguna

Subbab ini akan membahas beberapa teori yang berkaitan dengan tingkat penerimaan pengguna. Teori-teori lama yang ada dalam landasan teori digunakan untuk melihat perbandingan antara penerimaan model yang lama dengan penelitian yang baru dan model penelitian yang digunakan oleh peneliti dalam penelitian ini. 2.1.1

Theory of Reasoned Action (TRA)

Theory of Reasoned Action (TRA) adalah suatu teori yang berhubungan dengan sikap (attitude toward behavior) dan pengaruh social (subjective norms) dalam melaksanakan kegiatan.Model ini dikembangkan oleh Fishbein dan Ajzen (Fishbein & Ajzen, 1975). Dalam TRA ini, Ajzen menyatakan untuk melakukan suatu perilaku, menentukan akan dilakukan atau tidak dilakukannya perilaku tersebut tergantung dari niat pelaku tersebut. Lebih lanjut, Ajzen mengemukakan bahwa niat melakukan atau tidak melakukan perilaku tertentu dipengaruhi oleh dua penentu dasar, yang pertama berhubungan dengan sikap (attitude towards behavior) dan yang lain berhubungan dengan pengaruh sosial yaitu norma subyektif (subjective norms). Komponen pertama mengacu pada sikap terhadap perilaku. Sikap ini merupakan hasil pertimbangan untung dan rugi dari perilaku tersebut (outcome of the behavior). Disamping itu juga dipertimbangkan pentingnya konsekuensikonsekuensi yang akan terjadi bagi individu (evaluation regarding the outcome). Komponen kedua mencerminkan dampak dari norma-norma subyektif. Norma Universitas Indonesia 12


13

sosial mengacu pada keyakinan seseorang terhadap bagaimana dan apa yang dipikirkan orang-orang yang dianggapnya penting (referent person) dan motivasi seseorang untuk mengikuti pikiran tersebut.

Gambar 2. 1 Theory of Reasoned Action (Fishbein & Ajzen, 1975)

2.1.2

Theory of Planned Behaviour(TPB)

Theory of Planned Behavior (TPB) merupakan perilaku yang direncanakan ataudiprogram dalam pemanfaatan dan penggunaan teknologi sistem informasi. TPB ini merupakan penyempurnaan dari Theory of Reasoned Action (TRA). Inti dari dari model TPB adanya unsur kontrol perilaku (perceived behavioral control) yang dirasakan dalam mempengaruhi perilaku sebagai faktor tambahan yang mempengaruhi niat konsumen untuk menggunakan teknologi sistem informasi. Dalam hal ini, perilaku individu bukan dibiarkan dalam pemanfaatan dan penggunaan teknologi sistem informasi, tetapi dikendalikan dengan berbagai alat kontrol terkait dengan perilaku individu tersebut. Menurut TPB, tindakan individu pada perilaku ditentukan oleh niat individu tersebut untuk melakukan perilaku. Niat yang tinggi terhadap penggunaan teknologi sistem informasi akan mempengaruhi perilaku dalam mengoptimalkan kinerja teknologi sistem informasi. Niat itu sendiri dipengaruhi sikap terhadap perilaku, norma subyektif yang mempengaruhi perilaku dan kontrol keperilakuan yang dirasakan. Sikap terhadap perilaku menunjukkan tingkatan seseorang mempunyai evaluasi yang baik atau yang kurang baik tentang perilaku tertentu.



14

Evaluasi ini diukur dengan perilaku individu dalam pemanfaatan dan penggunaan teknologi sistem informasi. Norma subyektif menunjukkan tekanan sosial yang dirasakan untuk melakukan atau tidak melakukan tindakan, sedangkan kontrol keperilakuan yang dirasakan menunjukkan mudahnya atau sulitnya seseorang melakukan tindakan dan dianggap sebagai cerminan pengalaman masa lalu di samping halangan atau hambatan yang terantisipasi. Norma subyektif meliputi dukungan pimpinan puncak, hubungan antar rekan atau relasi kerja, lingkungan pekerjaan yang kondusif atau tidak dan berbagai faktor lainnya. Kontrol keperilakuan

berupa

kesesuaian

pendidikan,

kompetensi

pada

individu,

pengalaman terkait dengan penggunaan sistem informasi, kemudahan dalam pembelajaran sesuatu yang baru serta adaptasi pada lingkungan yang baru.

Gambar 2. 2 Theory of Planned Behaviour (Ajzen, 1991)

2.1.3

Technology Acceptance Model (TAM)

Model TAM berasal dari teori psikologis untukmenjelaskan perilaku pengguna teknologi informasi yang berlandaskan pada kepercayaan (belief), sikap (attitude), minat (intention) dan hubungan perilaku pengguna (user behavior relationship). Tujuan model ini adalah untuk dapatmenjelaskan faktor-faktor utama dari perilaku pengguna teknologi informasi terhadap penerimaanpenggunaan teknologi informasi itu sendiri. Model ini akan menggambarkan bahwa penggunaanteknologi sistem informasi akan dipengaruhi oleh variabel kemanfaatan (usefulness) dan variabel kemudahan Universitas Indonesia


15

pemakaian (ease of use), dimana keduanya memiliki determinan yang tinggi dan validitas yang telah teruji secara empiris (Davis F. , 1989). TAM meyakini bahwa penggunaan teknologi sistem informasi akan meningkatkan kinerja individu atau perusahaan. Di samping itu penggunaan teknologi sistem informasi adalah mudah dan tidak memerlukan usaha keras dari penggunanya. Dengan menggunakan perceived usefulness dan perceived ease of use, maka TAM diharapkan dapat menjelaskan penerimaan pemakai sistem informasi terhadap sistem informasi itu sendiri.

Gambar 2. 3 Technology Acceptance Model (Davis F. , 1989)

Berikut penjelasan tiap-tiap variabel pada model TAM(Davis F. , 1989) : a. External Variable External Variable adalah faktor-faktor dari luar yang dapat mempengaruhi tingkat penerimaan seseorang untuk menggunakan sebuah teknologi. b. Perceived Ease of Use (PEOU) Perceived Ease of Use didefinisikan sebagai tingkat dimana seseorang meyakini bahwa penggunaan sistem informasi merupakan hal yang mudah dan tidak memerlukan usaha keras dari penggunanya. Konsep ini mencakup kejelasan tujuan penggunaan SI dan kemudahaan penggunaan sistem untuk tujuan sesuai dengan keinginan pemakai. c. Perceived Usefulness (PU) Perceived Usefullness didefinisikan sebagai tingkat keyakinan individu bahwa penggunaan sistem informasi tertentu akan meningkatkan kinerjanya. Konsep ini menggambarkan manfaat sistem bagi penggunanya yang



16

berkaitan dengan produktivitas, kinerja tugas, efektivitas, pentingnya suatu tugas dan overall usefulness. d. Attitude Toward Using (ATU) Attitude Toward Using didefinisikan sebagai perasaan-perasaan positif atau negatif dari seseorang individu jika harus menggunakan suatu teknologi atau juga dapat dilihat sebagai suatu bentuk evaluasi pemakai tentang ketertarikannya menggunakan suatu sistem. e. Behavioral Intention (BI) Behavioral Intention adalah tingkatan dimana seseorang telah merumuskan rencana sadar untuk melakukan atau tidak melakukan beberapa perilaku tertentu masa depan. f. Actual Usage (AU) Actual Usage adalah kondisi dimana sistem secara nyata digunakan oleh pengguna. Variabel AU ini dikonsepkan dalam bentuk pengukuran terhadap frekuensi dan durasi waktu pada penggunaan teknologi informasi. 2.1.4

Technology Acceptance Model 2 (TAM 2)

Pada tahun 2000, melalui jurnal (Venkatesh & Davis, 2000) yang berjudul “A Theoretical Extension of the Technology Acceptance Model Four Longitudinal Field Studies” mereka membuat pengembangan dari TAM yaitu TAM2. Versi baru dari TAM ini memasukkan faktor-faktor baru dan menambahkannya ke dalam model TAM versi yang pertama. Faktor-faktor ini ditambahkan karena penggunaan teknologi yang makin lama makin berkembang dari sisi ilmu pengetahuan. Faktor-faktor tersebut adalah norma subyektif (subjective norm), image, pekerjaan (job relevance), kualitas keluaran (output quality), penunjukan hasil (result demonstrability), dan persepsi kemudahaan penggunaan (perceived ease of use) dengan dua moderator yaitu pengalaman (experience) dan sukarela (voluntariness).



17

Gambar 2. 4 Model TAM 2 (Venkatesh & Davis, 2000)

Berikut penjelasan beberapa variabel untuk model TAM 2 : a. Subjective Norm Norma Subyektif (Subjective Norm) adalah tingkat dimana seorang individu merasa bahwa kebanyakan orang yang berarti dalam hidupnya berpikir harus atau tidak harusnya menggunakan teknologi sistem informasi (Venkatesh & Davis, 2000), (Fishbein & Ajzen, 1975). b. Image Image adalah tingkat dimana seseorang merasakan bahwa penggunaaninovasi akan meningkatkan statusnya di dalam sistem social (Moore & Benbasat, 1991). c. Job Relevance Job Relevance adalah tingkat dimana seseorang percaya bahwa target dari sistem dapat dipakai untuk pekerjaannya (Venkatesh & Davis, 2000). d. Output Quality Output Quality adalah tingkat dimana seseorang percaya bahwa sistem melakukan tugas-tugas pekerjaan dengan baik (Venkatesh & Davis, 2000).



18

e. Result Demonstrability Result Demonstrability adalah tingkat dimana seseorang percaya bahwa hasil menggunakan sistem yang nyata, diamati, dan menular (Moore & Benbasat, 1991). 2.1.5

Technology Acceptance Model 3 (TAM 3)

Venkatesh & Bala menggabungkan TAM2 dan model determinan dari persepsi kemudahan penggunaan (perceived ease of use) dan membangun model penerimaan yang disebut TAM3 (Venkatesh & Bala, 2008). TAM3 menambahkan variabel yang termasuk golongan adjustment dan anchor

yang berhubungan

dengan variabel persepsi kemudahan penggunaan (perceived ease of use) Berikut ini adalah penjelasan beberapa variabel dari TAM3 : a. Computer Self-efficacy Computer Self-efficacy adalah tingkat dimana seseorang percaya bahwa dia memiliki

kemampuan

untuk

melakukan

tugas

tertentu

/

pekerjaan

menggunakan komputer. b. Perceived of External Control Perceived of External Control adalah tingkat dimana seseorang percaya bahwa sumber daya organisasi dan teknis ada untuk mendukung penggunaan sistem. c. Computer Anxiety Computer Anxiety adalah tingkat ketakutan individu, atau bahkan ketakutan, ketika seseorang tersebut dihadapkan dengan kemungkinan menggunakan komputer (Venkatesh V. , 2000). d. Computer Playfulness Computer Playfulness adalah tingkat spontanitas kognitif pada interaksi mikro.



19

Gambar 2. 5 Model TAM3 (Venkatesh & Bala, 2008)

e. Perceived Enjoyment Perceived Enjoyment adalah sejauh mana aktivitas untuk menggunakan sistem yang spesifik dianggap menyenangkan dalam dirinya sendiri, selain dari konsekuensi kinerja yang dihasilkan dari penggunaan sistem (Venkatesh V. , 2000). f. Objective Usability Objective Usability adalah perbandingan sistem berdasarkan tingkat aktual (bukan persepsi) dari usaha yang dibutuhkan untuk menyelesaikan tugas-tugas tertentu (Venkatesh V. , 2000).



20

2.1.6

The Unified Theory of Acceptance and Use of Technology (UTAUT)

The Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan salah satu model penerimaan teknologi yang dikembangkan oleh Venkatesh, Morris dan beberapa peneliti lain. Model UTAUT ini sebenarnya merupakan sintesis atau penggabungan daripada elemen-elemen yang terdapat dalam delapan model penerimaan teknologi terkemuka lainnya dengan tujuan untuk memperoleh kesatuan pandangan mengenai pengguna(Venkatesh, V, et al, 2003). Delapan model yang dijadikan acuan pada metodologi UTAUT yaitu 

Theory Reasoned Action (TRA) Seperti yang pernah dijelaskan sebelumnya teori ini mempunyai dua variabel utama yaitu sikap (attitude toward behavior) dan pengaruh sosial (subjective norms). Kedua variabel ini yang digunakan untuk membangun model UTAUT.



Theory Acceptance Model (TAM) TAM juga telah dijelaskan pada subbab sebelumnya, teori ini mempunyai variabel utama yaitu perceived ease of use dan perceived usefulness. Pada pengembangan UTAUT ada satu variabel yang digunakan untuk membangun UTAUT yaitu subjective norm (TAM 2).



Motivational Model (MM) Penelitian dalam bidang psikologi yang telah mendukung teori motivasi umum sebagai penjelasan tingkah laku. Penelitian yang ini dilakukan oleh Davis, Bagozzi, Warshaw pada tahun 1992 (Davis, Bagozzi, & Warshaw, 1992) mempunyai dua variabel utama yaitu Extrinsic Motivation (dengan penguatan) dan Intrinsic Motivation (tanpa penguatan).



Theory of Planned Behaviour (TPB) TPB juga telah dijelaskan pada subab sebelumnya, pengembangan UTAUT mengambil variabel Attitude Toward Behavior, Subjective Norm, Perceived Behavioral Control.



Combined TAM and TPB Universitas Indonesia


21

Model ini sering disebut sebagai Decomposed Theory of Planned Behaviour. Perbedaan model teori ini terletak pada faktor penentu sikap dimana tidak hanya tergantung pada persepsi kegunaan dan persepsi kemudahan penggunaan saja tetapi juga dipengaruhi oleh kecocokan. Variabel yang digunakan untuk membangun UTAUT adalah Attitude Toward Behavior, Subjective Norm, Perceived Behavioral Control, Perceived Usefulness. 

Model of PC Utilization (MPTU) Model teori ini dikembangkan dengan menggunakan pendekatan faktorfaktor yang mempengaruhi sebuah perilaku dalam konteks sistem informasi untuk memprediksi pemanfaatan PC (Personal Computer). Variabel yang digunakan untuk membangun UTAUT adalah Job-fit, Complexity, Longterm Consequences, Affect Towards Use, Social Factors, dan Facilitating Conditions.



Innovation Diffusion Theory (IDT) Model ini didasarkan pada teori

Diffusion of Innovations

yang

dikembangkan oleh Everett M. Rogers pada tahun 1960 dengan mempelajari berbagai inovasi. Variabel yang digunakan untuk membangun UTAUT adalah Relative Advantage, Ease of Use, Image, Visibility, Compatibility, Results Demonstrability, Voluntariness of Use. 

Social Cognitive Theory (SCT). Teori SCT banyak digunakan untuk menerangkan teori perilaku manusia dalam konteks pengggunaan computer. Variabel yang digunakan untuk membangun UTAUT adalah Outcome Expectations, Performance Outcome, Expectation Personal, Self-Efficacy, Affect, Anxiety.

Model UTAUT sendiri terdiri dari 4 variabel utama yakni Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Condition. Dan juga terdiri dari 4 variabel tambahan atau moderator, yakni Gender, Age, Experience dan Voluntariness of Use. Dalam metodologi UTAUT ini menggambarkan keterkaitan antara masing-masing variabel utama dan variabel pendukung seperti terlihat dalam Gambar 2. 6. Universitas Indonesia


22

Gambar 2. 6 Model UTAUT (Venkatesh, V, et al, 2003)

Penjelasan untuk tiap-tiap variabel pada UTAUT menurut (Venkatesh, V, et al, 2003) adalah sebagai berikut a. Performance Expectancy Performance Expectancy didefinisikan sebagai sejauh mana seorang individu percaya bahwa menggunakan sistem akan membantunya untuk mencapai keuntungan dalam kinerja pekerjaannya. Performance Expectancy merupakan variabel yang memberikan prediksi terkuat terkait Intention, dan tetap signifikan pada semua titik pengukuran baik pada pengguna wajib maupun sukarela. Hubungan antara Performance Expectancy dan Intention (niat), dipengaruhi oleh 2 moderator, yaitu age (usia) dan gender (jenis kelamin). Teori-teori yang tergabung dalam faktor ini adalah: 1. Perceived Usefulness 2. Extrinsic Motivation 3. Job-fit 4. Relative Advantage 5. Outcome Expectations Universitas Indonesia


23

b. Effort Expectancy Effort Expectancy didefinisikan sebagai tingkat kemudahan dalam menggunakan sistem. Seperti halnya Performance Expectancy, konstruk Effort Expectancy juga signifikan dalam kedua konteks penggunaan sukarela dan wajib dalam memberikan prediksi terkait Intention, namun masingmasing signifikan hanya selama periode awal penggunaaan sistem saja, dan menjadi tidak signifikan untuk periode berkelanjutan. Hubungan antara Effort Expectancy dan Intention, dipengaruhi oleh 3 moderator, yaitu age (usia), gender (jenis kelamin), dan experience (pengalaman). Teori-teori yang tergabung dalam faktor ini adalah: 1. Perceived Ease of Use 2. Complexity 3. Ease of Use c. Social Influence Social Influence didefinisikan sebagai sejauh mana seorang individu memandang bahwa pentingnya keberadaan orang lain dalam menggunakan sistem baru akan mempengaruhi individu tersebut dalam menggunakan sistem baru tersebut juga. Pengaruh sosial juga sebagai variabel penentu langsung terkait intention. Hubungan antara Social Influence dan Intention, dipengaruhi oleh 4 moderator, yaitu age (usia), gender (jenis kelamin), experience (pengalaman), dan volutariness of use. Teori-teori yang tergabung dalam faktor ini adalah: 1. Subjective Norm 2. Social Factor 3. Image d. Facilitating Condition Facilitating Condition didefinisikan sebagai sejauh mana seorang individu percaya bahwa infrastruktur organisasi dan teknis hadir untuk mendukung penggunaan sistem. Berdasarkan pada model-model yang telah ada sebelumnya, bila terdapat Performance Expectancy dan Effort Expectancy, maka Facilitating Condition menjadi tidak signifikan dalam memprediksi Universitas Indonesia


24

Intention, dan ketika Facilitating Condition dimoderatori oleh experience (pengalaman) dan age (usia), Facilitating Condition akan memiliki pengaruh signifikan dalam memprediksi Use Behaviour. Teori-teori yang tergabung dalam faktor ini adalah: 1. Perceived Behavioral Control 2. Facilitating Condition 3. Compatibility

e. Behavioral Intention Behavioral Intention (niat perilaku) memiliki pengaruh positif yang signifikan dalam memprediksi Use Behaviour (penggunaan teknologi). f. Gender Gender dimasukkan sebagai moderate variabel, karena penelitian mengenai perbedaan gender mengindikasikan bahwa laki-laki cenderung lebih task oriented dibanding perempuan. Oleh karena itu, Performance Expectancy, yang fokus pada penyelesaian pekerjaan, lebih menonjol pada laki-laki. Sedangkan pada wanita yang lebih menonjol adalah Effort Expectancy (Venkatesh, V, et al, 2003). g. Age Sama seperti gender, age secara teori memiliki peran sebagai moderating variabel. Age dianggap mempunyai efek pada sikap (attitude), dimana efek tersebut akan lebih kuat bagi pekerja yang lebih muda (Venkatesh, V, et al, 2003). h. Experience Experience termasuk

sebagai variabel moderator. Pengaruh

Effort

Expectancy adn Social Influence terhadap Behavioral Intention akan kuat pada awal experience (pengalaman) pemakaian sistem. Begitu juga dengan pengaruh Facilitating Condition pada pemakaian (use) akan dipengaruhi Experience, yakni efek akan semakin kuat dengan meningkatkatnya Experience (Venkatesh, V, et al, 2003). i. Voluntariness of Use Voluntariness of Use adalah apakah sistem yang digunakan secara sukarela atau

merupakan

suatu

keharusan.

Variabel

moderator

ini

akan



25

mempengaruhi Social Influence, yakni akan mempengaruhi Social Influence jika dalam keadaan mandatory pada awal pemakaian sistem (Venkatesh, V, et al, 2003). 2.1.7

The Unified Theory of Acceptance and Use of Technology

2

(UTAUT2) UTAUT2 adalah penelitian dengan mengadopsi model penerimaan sebelumnya yaitu UTAUT. Model penerimaan UTAUT2 dibuat oleh Venkatesh, Thong, dan Xin Xu (Venkatesh, Thong, & Xu, 2012) dalam penelitian yang berjudul “Consumer Acceptance and Use Information Technology : Exentending The Unified Theory of Acceptance and Use of Technology”. UTAUT2 menggunakan variabel-variabel dalam UTAUT. Model yang diajukan pada UTAUT2 adalah model UTAUT yang ditambah dengan 3 (tiga) variabel baru yaitu Hedonic Motivation, Price Value, dan Habit. Penelitian yang dilakukan oleh Venkantesh dkk ini menunjukkan, dalam konteks penggunaan konsumen atas teknologi, pengaruh hedonic motivation, price value, dan habit adalah sangat kompleks. Pertama dampak dari hedonic motivation dan behavioral intention dimoderatori oleh usia, jenis kelamin, dan pengalaman konsumen. Kedua, pengaruh price value atas behavioral intention dimoderatori oleh usia dan jenis kelamin konsumen. Habit memiliki dampak-dampak secara langsung maupun termediasi atas penggunaan teknologi dan dampak-dampak tersebut dimoderatori oleh perbedaanperbedaan individu konsumen. Berikut ini adalah model UTAUT2 yang diusulkan oleh Venkatesh dkk pada tahun 2012 seperti yang terlihat pada Gambar 2. 7. Secara umum studi oleh Venkatesh dkk ini mengkonfirmasi peran penting dari hedonic motivation, price value, dan habit dalam mempengaruhi penggunaan teknologi pada konsumen (Venkatesh, Thong, & Xu, 2012). Berikut adalah definisi variabel baru yang ada di UTAUT2 : 1

Hedonic Motivation Hedonic Motivation adalah tingkatan kesenangan seseorang atas penggunaan teknologi.

2

Prive Value Universitas Indonesia


26

Price Value adalah tingkatan pengaruh harga terhadap penggunaan teknologi. 3

Habit Habit adalah tingkatan kebiasaan orang dalam menggunakan teknologi menjadi penentu penggunaan teknologi yang lain

Gambar 2. 7 Model UTAUT2 (Venkatesh, Thong, & Xu, 2012)

2.2

Structural Equation Model (SEM)

Subbab ini akan membahas beberapa teori yang berkaitan dengan Structural Equation Model (SEM).

2.2.1

Definisi Structural Equation Model (SEM)

Menurut (Jogiyanto, 2011) jika suatu model hanya menggunakan satu variabel dependen saja maka suatu teknik regresi dapat digunakan. Namun, apabila suatu model sudah menggunakan lebih dari satu dependen variabel, maka penyelesaian model menggunakan beberapa persamaan regresi akan menjadi tidak tepat, Universitas Indonesia


27

sehingga dibutuhkan teknik analisis SEM yang mempunyai model yang berbentuk struktur banyak dependen variabel. SEM adalah teknik yang memungkinkan hubungan yang terpisah untuk masingmasing set variabel dependen. Dalam pengertian yang paling sederhana, pemodelan persamaan struktural memberikan teknik estimasi yang paling efisien untuk serangkaiaan persamaan regresi. Secara umum, teknik di dalam SEM terbagi menjadi dua : a. Mengestimasi beberapa persamaan yang saling berhubungan secara simultan (Structural Model). b. Merepresentasikan

variabel

construct

berdasarkan

variabel

observed

(Measurement Model). Structural Equation Model (SEM) merupakan sebuah teknik analisis statistika yang mengkombinasikan beberapa aspek yang terdapat pada analisis jalur dan analisis faktor konfirmatori untuk mengestimasi beberapa persamaan secara simultan. Menurut (Jogiyanto, 2011) SEM dapat digunakan untuk pengujian beberapa statistika lanjutan. Pengujian-pengujian yang dapat dilakukan oleh SEM meliputi : 

Invariance, yaitu ekspresi nilai yang tidak berubah ketika dilakukan proses eksekusi atau iterasi atau nilai yang tidak dapat diubah dalam proses transformasi.



Multiple Group Comparison, yaitu teknik yang digunakan untuk mengatasi masalah yang timbul ketika seperangkat data diuji secara simultan melalui teknik statistika inferensi.



Latent Growth Modeling, yaitu teknik analisis longitudinal yang digunakan dalam rerangka SEM untuk mengestimasi garis kurva pertumbuhan di sepanjang periode waktu tertentu.



Hierarchical/multilevel model, yaitu moda statistis parameter yang bervariasi pada lebih dari satu jenjang. Model ini dapat juga dilihat sebagai GLM walaupun dapat juga digunakan pada pengembangan model non-linear. Universitas Indonesia


28 

Item Response Theory (IRT) model, yaitu inti teori yang menggambarkan aplikasi model matematika suatu data dari kuesioner dan menguji sebagai dasar pengukuran kemampuan, sikap atau variabel lain. Tujuan IRT adalah membangun kerangka berfikir untuk mengevaluasi kinerja dan menilai kualitas individu terhadap pekerjaan.



Mixture model (latent class) SEM, yaitu model probabilistik untuk estimasi populasi yang menggunakan distribusi campuran. Model ini

dapat

dianalogikan sebagai tipe pengklasteran. 

Multi-method multi-trait model (MTMM), yaitu suatu pendekatan untuk menguji validitas konstruk dengan mengukur kesamaan dan perbedaan sifat (trait) sebagai bentuk pengujian validitas konvergen dan diskriminan. Terdapat enam pertimbangan ketika menguji validitas konstruk melalui matrik MTMM, yaitu : a. Evaluasi validitas konvergen, yaitu pengujian yang didesain untuk mengukur bahwa indikator-indikator dalam konstruk yang sama harus saling berkorelasi. b. Evaluasi validitas diskriminan, yaitu indikator-indikator di suatu konstruk seharusnya tidak saling berkorelasi dengan indikator di konstruk lain. c. Unit metode trait, yaitu setiap pengujian yang digunakan untuk mengukur suatu konstruk dimasukkan ke dalam unit metode trait sehingga varian dalam pengukuran merupakan bagian dari trait dan metode. Secara umum, peneliti menginginkan varian spesifik metode lebih rendah sedangkan varian trait lebih tinggi. d. Multi-metode/trait, yaitu lebih dari satu trait dan metode yang harus digunakan untuk menguji validitas diskriminan dan kontribusi relatif varian spesifik dari metode dan trait. e. Metodologi berbeda, yaitu ketika menggunakan metode beragam, perbedaan ukuran aktual harus dipertimbangkan, seperti pengukuran dengan skala wawancara dan pembacaan psikomatik harus berbeda. f. Karakteristik trait, yaitu trait harus berbeda untuk dapat dibedakan tetapi cukup serupa untuk diuji melalui matrik MTMM. Universitas Indonesia


29 Variabel – variabel dalam SEM

2.2.2

Ada 2 macam variabel dalam SEM yaitu variabel laten dan variabel teramati. Berikut akan dibahas kedua variabel tersebut.

1. Variabel Laten Variabel Laten biasa disebut Latent Variabel (LV) merupakan konsep abstrak yang hanya dapat diamati secara tidak langsung dan tidak sempurna melalui efeknya pada variabel teramati. Variabel Laten terbagi menjadi 2 yaitu variabel laten eksogen dan variabel laten endogen. Variabel laten eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang ada dalam model. Sedangkan variabel endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model.

Gambar 2. 8 Variabel Laten Endogen dan Eksogen (Wijanto, 2008)

2. Variabel Teramati Variabel teramati (observed variabel) atau variabel terukur (measured variabel) adalah variabel yang dapat diamati atau dapat diukur secara empiris dan sering disebut sebagai indikator. Variabel teramati merupakan efek dari variabel laten eksogen (ksi/xi) diberi notasi matematik dengan label X, sedangkan yang bekaitan dengan variabel laten endogen (eta) diberi label Y.



30

Gambar 2. 9 Simbol Variabel Teramati (Wijanto, 2008)

2.2.3

SEM Berbasis Varian dan Kovarian

SEM dapat berbasis varian atau kovarian. SEM berbasis varian adalah SEM yang menggunakan varian dalam proses iterasi atau blok varian antar indikator atau parameter yang diestimasi dalam suatu variabel laten tanpa mengkorelasikannya dengan indikator-indikator yang ada di variabel laten lain dalam suatu model penelitian. Berbeda dengan SEM berbasis kovarian yang melakukan interkorelasi atau membebaskan indikator-indikatornya saling berkorelasi dengan indikator dan variabel laten lainnya. Konsekuensi proses iterasi berbasis varian adalah adanya pengabaian efek multikolinearitas antarindikator dan variabel laten. Selain itu, iterasi berbasis varian tidak menuntut berbagai asumsi yang rigid, sehingga informasi yang dihasilkan tidak cukup untuk model estimasi. Sebaliknya, metode ini tepat digunakan untuk model prediksi yang hanya mengukur efek kausalitas pada jenjang variabel laten. Banyak teknik statsitika yang menggunakan SEM berbasis varian. Salah satu SEM berbasis varian yang mulai banyak digunakan adalah PLS (Partial Least Square). sedangkan teknik statistika menggunakan SEM berbasis kovarian diantaranya adalah LISREL (Linear Structural Relationship) dan AMOS (Analysis Moment Structure). Berikut ini adalah perbandingan SEM berbasis kovarian (AMOS, LISREL) dengan SEM berbasis varian (PLS).



31

Tabel 2. 1 Perbandingan SEM Berbasis Kovarian dan SEM berbasis Varian (Jogiyanto, 2011)

Parameter

SEM berbasis

SEM berbasis Varian

Pembanding

Kovarian (Lisrel dan

(PLS)

AMOS) Keunggulan

Canggih dan handal

Informasi yang dihasilkan

untuk model estimasi

efisien dan mudah

pada pengujian teori dan

diinterpretasikan terutama

pada model yang

pada model yang

kompleks atau hipotesis

kompleks atau hipotesis

model

model, dapat digunakan pada data set yang kecil, tidak mensyaratkan asumsi normalitas, linearitas dan heteroskedatisitas, serta dapat digunakan pada indikator yang bersifat reflektif dan formatif terhadap variabel latennya.

Keterbatasan

Rumit dan mensyaratkan

Lemah secara dasar

data set yang besar,

statistika atau matematika

asumsi normalitas dan

dalam mengestimasi

indikator yang bersifat

model, aplikasi perangkat

reflektif terhadap

lunak yang dikembangkan

variabel latennya

masih terbatas dan membutuhkan aplikasi perangkat lunak lain untuk menghasilkan output tertentu, misal probabilitas signifikansi.

Ukuran Sampel

Estimasi LISREL

Dapat dijalankan pada Universitas Indonesia


32

Parameter

SEM berbasis

SEM berbasis Varian

Pembanding


(PLS)

AMOS) membutuhkan sampel

sampel kecil

besar Basis Teori

Mensyaratkan dasar teori Dapat menguji model yang kuat

penelitian dengan dasar teori yang lemah

Asumsi Distribusi

Harus memenuhi asumsi

Tidak mensyaratkan data

distribusi normal

terdistribusi normal

Sifat Konstruk

Reflektif

Reflektif dan formatif

Pengujian

- Model dapat diuji dan

- Tidak dapat diuji dan

Signifikansi

difalsifikasi

difalsifikasi

- Estimasi parameter dan

- Estimasi parameter dapat

uji kelayakan model

dilakukan tetapi tidak

(GOF)

untuk uji kelayakan model

Jenis Pemodelan

Model estimasi

Model prediksi

Maksimasi

- Faktor atau kovarian

- Komponen berdasarkan

Komponen

berdasarkan kovarian

maksimasi varian

penjelas

- Residual Variance

- Kovarian diminimasi

diminimasi  minimasi

maksimum korelasi

perbedaan

- Probabilitas data yang

- Fixed point estimation,

diobservasi

sama dengan teknik least

- Memaksimalkan model

square

Estimasi poin

hipotesis yang dibangun Optimasi

Fokus pada penyelesaian

Terbatas dalam

masalah optomasi global

kemampuan optimasi global melalui metode Universitas Indonesia


33

Parameter

SEM berbasis

SEM berbasis Varian

Pembanding


(PLS)

AMOS) dasar OLS (Ordinary Least Square) Error Software

Sering bermasalah

Relatif tidak menghadapi

dengan inadmissible dan

masalah (crashing) dalam

faktor indeterminacy

proses menjalankan (iterasi) model.

2.2.4

Tahapan Penggunaan SEM

Menurut (Jogiyanto 2011) secara garis besar, tahapan dalam menggunakan SEM adalah sebagai berikut: 1. Spesifikasi Model, yaitu membangun model yang sesuai dengan tujuan dan masalah penelitian dengan landasan teori yang kuat 2. Estimasi

parameter

bebas,

yaitu

komparasi

matrik

kovarian

yang

merepresentasi hubungan antarvariabel dan mengestimasinya ke dalam model yang paling sesuai. Parameter untuk mengukur kesesuaian model adalah maximum likehood, weighted least squares atau asymptotically distributionfree methods. Berbagai program yang dapat digunakan antara lain SPSS, AMOS, EQS, LISREL dan Mplus. 3. Assesment of fit, yaitu eksekusi estimasi kesesuaian model dengan menggunakan parameter antara lain: Chi-Square (ukuran dasar kesesuaian model yang secara konseptual merupakan fungsi dari ukuran sampel dan perbedaan antara matrik kovarian yang diobservasi dengan matrik kovarian model), Root Mean Square Error of Approximation (RMSEA), Standarized Root Mean Residual (SRMR) dan Comparative Fit Index (CFI). 4. Modifikasi model, yaitu mengembangkan model yang diuji di awal untuk meningkatkan goodness-of-fit (GOF) model. Peluang untuk mengembangkan model tergantung besarnya degree of freedom dari model. Namun



34

pengembangan model harus mempertimbangkan dasar teori, tidak dapat dilakukan hanya berdasarkan alasan/argumen statistis. 5. Interpretasi dan komunikasi, yaitu interpretasi hasil pengujian statistika dan pengakuan bahwa konstruk yang dibangun berdasarkan model yang paling sesuai. Namun, hasil tersebut dapat dicapai ketika desain riset dibangun secara cermat sehingga dapat membedakan hipotesis rival. 6. Replikasi dan validasi ulang, yaitu kemampuan model yang dimodifikasi untuk dapat direplikasi dan divalidasi ulang sebelum hasil penelitian diinterpretasikan dan dikomunikasikan. 2.2.5

Model Pengukuran (Outer Model)

Model Outer adalah bagian dari model yang mendeskripsikan hubungan antara variabel laten dengan indikator. Model pengukuran sendiri digunakan untuk menguji validitas konstruk dan reliabilitas instrument. Berikut akan dijelaskan uji validitas, uji diskriminan, dan uji reliabilitas. 1. Uji Validitas Validitas terdiri dari validitas eksternal dan validitas internal. Validitas eksternal menunjukkan bahwa hasil dari suatu penelitian adalah valid yang dapat digeneralisir ke semua objek, situasi dan waktu yang berbeda. Validitas internal menunjukkan kemampuan dari instrument penelitian mengukur apa yang seharusnya diukur dari suatu konsep. Uji Validitas bisa diukur dengan menggunakan AVE, Communality, Redudancy, Cronbach’s Alpha, dan Composite Reliability. AVE (Average Variance Extracted) adalah rerata presentase skor varian yang diekstraksi dari seperangkat variabel laten yang diestimasi melalui loading standardize indikatornya dalam proses iterasi algoritma dalam PLS. Communality adalah ukuran kualitas model pengukuran pada tiap blok variabel laten yang dihasilkan dalam proses iterasi algoritma dalam PLS. Redundancy adalah ukuran kualitas model struktural pada tiap blok variabel dependen yang diperoleh pada proses iterasi algoritma dalam pengujian model pengukuran. Universitas Indonesia


35 Cronbach’s Alpha adalah teknik statistika yang digunakan untuk mengukur konsistensi internal dalam uji reliabilitas instrumen atau data psikometrik. Composite Reliability adalah teknik statistika untuk uji reliabilities yang sama dengan Cronbach’s Alpha. Namun Composite Reliability mengukur nilai reliabilitas sesungguhnya dari suatu variabel sedangkan Cronbach’s Alpha mengukur nilai terendah (lower bound) reliabilitas suatu variabel sehingga nilai Composite Reliability selalu lebih tingi dari nilai Cronbach’s Alpha Validitas Konstruk menyatakan korelasi yang kuat antara konstruk dengan indikator. Validitas konstruk terdiri atas validitas konvergen dan validitas diskriminan. Ukuran untuk validitas konvergen dapat dilihat pada Tabel 2. 2. Pada uji validitas diskriminan, parameter yang diukur adalah membandingkan akar AVE sebuah konstruk dengan korelasi antar variabel laten tersebut. Nilai akar AVE harus lebih besar dibandingkan korelasi antar variabel. Tabel 2. 2 Parameter Uji Validitas dalam Model Pengukuran PLS (Jogiyanto, 2011)

Uji Validitas

Parameter Faktor Loading

Rule of Thumb Lebih dari 0,7

Konvergen Average Varian Extracted Lebih dari 0,5 Communality

Lebih dari 0,5

Validitas

Akar AVE dan korelasi

Akar AVE > Korelasi

Diskriminan

variabel Laten

variabel laten

Cross Loading

Lebih dari 0,7 dalam satu variabel laten

Reliabilitas

Cronbach’s Alpha

Lebih dari 0,6

Composite Reliability

Lebih dari 0,7

2. Uji Reliabilitas Uji reliabilitas dapat dilihat dari nilai Cronbach’s Alpha dan nilai Composite Reliability. Untuk dapat dikatakan reliabel, sebuah konstruk harus memiliki nilai Cronbach’s Alpha >0,6, dan nilai Composite Reliability harus bernilai >0,7.



36

2.2.6

Model Struktural (Inner Model)

Inner Model adalah bagian dari model yang mendeskripsikan hubungan antara variabel laten yang membentuk model. Dievaluasi dengan menggunakan R2 untuk konstruk dependen, nilai koefisien path atau t-values tiap path untuk uji signifikansi antarkonstruk dalam model struktural. Uji model struktural menggunakan aturan yang dikemukakan oleh Wynne W. Chin (1998) pada penelitian yang berjudul “The Partial Least Squares Approach to Structural Equation Modeling” dalam (Latan & Ghozali, 2013) yakni 0,67 sebagai model kuat, 0,33 sebagai model moderate, dan 0,19 sebagai model lemah. 2.2.7

Uji Efek Moderasi

Ada empat cara dalam menguji efek moderasi seperti yang diungkapkan oleh (Latan & Ghozali, 2013) yakni Product Indicator Approach, Two Stage Approach, The Hybrid Approach, dan The Orthogonalizing Approach. 1. Product Indicator Approach Uji efek moderasi ini dilakukan jika konstruk eksogen dan moderator berbentuk refleksif. 2. Two Stage Approach Uji efek moderasi ini dilakukan jika konstruk eksogen dan moderator ada yang berbentuk formatif. 3. The Hybrid Approach Uji efek moderasi yang dilakukan untuk menguji model PLS dalam bentuk non linear. 4. The Orthogonalizing Approach Uji efek moderasi ini merupakan prosedur interaksi yang diaplikasikan untuk SEM berbasis kovarian tetapi dapat ditransfer untuk model jalur PLS. 2.3

Penelitian Terdahulu

Beberapa penelitian terdahulu yang sekiranya relevan dengan topik penelitian akan dilihat tujuan, kerangka pemikiran dan hasil penelitiannya. Hal ini dilakukan Universitas Indonesia


37

supaya peneliti dapat membandingkan dan mencari persamaan antar penelitian untuk memperkuat landasan berfikir dan membuat kerangka pemikiran yang sesuai dengan penelitian ini. 2.3.1

Penelitian menggunakan ADUTAUT di Universitas Islam Negeri Syarif Hidayatullah Jakarta

Sebuah penelitian oleh (Muthahhari, 2011) yang berjudul “Kajian Tentang Penerimaan pengguna Sistem Informasi dengan Pendekatan UTAUT: Studi Kasus Universitas Islam Negeri Syarif Hidayatullah Jakarta”, bertujuan untuk mengetahui faktor-faktor yang mempengaruhi pengguna terhadap penerimaan AIS (Academic Information System) yang dikembangkan oleh Puskom UIN Syarif Hidayatullah Jakarta.Kerangka pemikiran dari penelitian ini dapat dilihat pada Gambar 2. 10. Hasil dari penelitian ini memperlihatkan bahwa dengan ADUTAUT dapat diketahui faktor-faktor yang mempengaruhi penerimaan pengguna AIS UIN SyarifHidayatullah Jakarta dan faktor-faktor yang mempengaruhi tingkat penerimaan pengguna.

Faktor-faktor yang berpengaruh terhadap penerimaan

pengguna pada AIS di UIN Syarif Hidayatullah Jakarta adalah Performance Expectancy (PE), Effort Expectancy (EE), Facilitating Condition (FC), Behavioral Intention (BI), disiplin akademik, usia, jenis kelamin dan kesukarelaan pemakaian sistem.



38

Gambar 2. 10 Kerangka Pemikiran (Muthahhari, 2011)

Penelitian ini menggunakan model penelitian UTAUT sedangkan pada penelitian yang dilakukan oleh peneliti menggunakan model penelitian UTAUT2. 2.3.2

Penelitian menggunakan UTAUT di Kementrian Sekertariat Negara Republik Indonesia

Sebuah penelitian oleh (Sitorus, 2011) yang berjudul “Penerapan Model UTAUT Untuk Memahami Penerimaan dan Penggunaan Sistem Persuratan dan Disposisi Elektronik (SPDE): Studi Kasus Kementrian Sekertariat Negara Republik Indonesia”, bertujuan menganalisisa sistem persuratan dan disposisi elektronik yang telah diimplementasikan di beberapa Unit Kerja, serta mengetahui seberapa banyak pengguna dari item ini dan tren login pengguna tiap bulannya. Kerangka pemikiran dari penelitian ini dapat dilihat pada Gambar 2. 11 .



39

Gambar 2. 11 Kerangka Pemikiran (Sitorus, 2011)

Hasil dari penelitian ini adalah model penelitian ini memiliki 4 variabel utama yaitu

Ekspektansi

Performa

(Performance

Expectancy),

Minat

Perilaku

(Behavioral Intention), Pengaruh Sosial (Social Influence), Kondisi Fasilitas (Facilitating Condition), serta 2 moderasi yang berpengaruh terhadap interaksi antara Ekspektansi Performa dengan minat perilaku yang dipengaruhi oleh moderating jenis kelamin, serta interaksi antara kondisi pendukung dengan actual use yang dipengaruhi oleh moderating umur, sehingga dari semua konstruk utama dan moderating berpengaruh terhadap penggunaan SPDE. Penelitian ini menggunakan model penelitian UTAUT sedangkan pada penelitian yang dilakukan oleh peneliti menggunakan model penelitian UTAUT2. 2.3.3

Penelitian menggunakan UTAUT di Taiwan

Penelitian oleh (Wu, Tao, & Yang, 2003) yang berjudul “Using UTAUT to Explore the Behavior of 3G Mobile Communication Users” ingin membuktikan hubungan antara intention/behavior dari adopsi layanan telekomunikasi 3G dan determinannya menggunakan model teoritis. Kerangka pemikiran dari penelitian ini adalah sebagai berikut



40

Gambar 2. 12 Kerangka Pemikiran (Wu, Tao, & Yang, 2003)

Setelah beberapa kali melakukan penyesuaian pada proses penelitiannya, maka gambar diatas adalah revisi terakhir model framework untuk penelitian ini. Dengan menggunakan model UTAUT dan variabel moderator seperti gender, voluntariness of use, age, experience & education. Hipotesis penelitian ini adalah Hipotesis 1

:

performance expectancy mempengaruhi behavioral intention

Hipotesis 2

:

effort expectancy mempengaruhi behavioral intention

Hipotesis 3

:

social expectancy mempengaruhi behavioral intention

Hipotesis 4

:

facilitating condition mempengaruhi behavioral intention

Hipotesis 5

:

behavioral intentionmempengaruhi use behavior

Dalam penelitian ini pengumpulan data dilakukan kuesioner dengan menyebar kuesioner dan yang diolah menjadi data adalah 394 kuesioner, dengan profil pria, berumur 26-35 tahun bekerja secara professional, dan merupakan lulusan universitas, serta tinggal di metropolitan area, juga mempunyai pengalaman selama lima tahun dengan telepon, gaji di atas 400 NT$, serta mengakses 3G kurang dari 15 menit. Sedangkan analisis yang digunakan pada penelitian ini menggunakan AMOS untuk menganalisis data dan menggunakan SEM untuk mengevaluasi hubungan dalam model UTAUT. Penelitian ini digunakan untuk membangun model UTAUT yang digunakan untuk mengukur pengaruh pengalaman user melalui potensial determinan dari behavioral intention untuk layanan telekomunikasi 3G. Hasil menunjukkan bahwa Universitas Indonesia


41

performance expenctancy, social expectancy, dan facilitating condition akan mempengaruhi behavioral intention dan behavioral intention akan mempengaruhi use behavior pada layanan telekomunikasi 3G. 2.3.4

Penelitian menggunakan UTAUT di Kecamatan Gondokusuman Yogyakarta

Penelitian oleh (Indriani, Santosa, & Kusumawardani, 2012) yang berjudul “Efek Moderasi dari Usia dan Jenis Kelamin dalam Penerimaan e-KTP di Kecamatan Gondokusuman Yogyakarta” menjelaskan faktor-faktor yang mempengaruhi penerimaan e-KTP di Kecamatan Gondokusuman Yogyakarta. Kerangka pemikiran dari penelitian ini dapat dilihat pada Gambar 2. 13. Kerangka pemikiran menggunakan model UTAUT yang dimodifikasi sesuai dengan kebutuhan model penerimaan e-KTP di Kecamatan Gondokusuman Moderator yang digunakan dalam penelitian ini adalah gender dan age. Hipotesis dari penelitian ini adalah H1

: Performance expectancy berpengaruh positif terhadap intention to use.

H1a

: Gender memiliki efek moderasi yang mempengaruhi hubungan performance expectancy terhadap intention to use.

H1b

: Age memiliki efek moderasi yang mempengaruhi hubungan performance expectancy terhadap intention to use.

H2

: Social influence berpengaruh positif terhadap intention to use.

H2a

: Gender memiliki efek moderasi yang mempengaruhi hubungan social influence terhadap intention to use.

H2b

: Age memiliki efek moderasi yang mempengaruhi hubungan social influence terhadap intention to use.

H3

: Facilitating condition berpengaruh positif terhadap intention to use.



42

Gambar 2. 13 Kerangka Pemikiran (Indriani, Santosa, & Kusumawardani, 2012)

H3a :

Gender memiliki efek moderasi yang mempengaruhi hubungan facilitating condition terhadap intention to use.

H3b :

Age memiliki efek moderasi yang mempengaruhi hubungan facilitating condition terhadap intention to use.

:

Perceived credibility berpengaruh positif terhadap intention to use.

H4a :

Gender memiliki efek moderasi yang mempengaruhi hubungan

H4

perceived credibility terhadap intention to use. H4b :

Age memiliki efek moderasi yang mempengaruhi hubungan perceived

H5

:

H5a :

Anxiety berpengaruh positif terhadap intention to use. Gender memiliki efek moderasi yang mempengaruhi hubungan anxiety terhadap intention to use.

H5b :

Age memiliki efek moderasi yang mempengaruhi hubungan anxietyterhadap intention to use.



43

Dalam penelitian ini pengumpulan data dilakukan kuesioner dengan menyebar sejumlah 200 kuesioner dan yang diolah menjadi data adalah 184 kuesioner. Dari hasil pengumpulan data diperoleh data statistik deskriptif yang kemudian diolah dengan menggunakan metode regresi dengan bantuan SPSS. Hasil dari penelitian ini adalah faktor yang mempengaruhi penerimaan e-KTP adalah performance expectancy, facilitating conditions, dan perceived credibility, dimana social influence dan anxiety terbukti tidak signifikan mempengaruhi penerimaan masyarakat terhadap e-KTP. Pengujian efek moderasi yang dilakukan pada gender dan age membuktikan bahwa hanya gender yang memiliki efek moderasi yang signifikan, sedangkan age terbukti tidak memiliki efek moderasi yang signifikan. Penelitian ini menggunakan model penelitian UTAUT sedangkan pada penelitian yang dilakukan oleh peneliti menggunakan model penelitian UTAUT2. 2.3.5

Penelitian menggunakan UTAUT pada sistem e-goverment di Saudi

Penelitian oleh (Alshehri, Drew, & AlGhamdi, 2012) yang berjudul "Analysis Of Citizens' Acceptance For e-Goverment Services:Applying The UTAUT Model" menjelaskan faktor-faktor yang mempengauhi penerimaan penduduk Saudi dalam menggunakan sebuah sistem e-goverment yang sedang dikembangkan di Saudi Arabia sebagai prioritas utama pemerintah Saudi. Model yang digunakan adalah model UTAUT. Kerangka pemikiran dari penelitian ini dapat dilihat pada Gambar 2. 14.



44

Gambar 2. 14 Kerangka Pemikiran (Alshehri, Drew, & AlGhamdi, 2012)

Hipotesis dari penelitian ini adalah H1

: PE akan mempengaruhi BI

H2

: EE akan mempengaruhi BI

H3

: SI akan mempengaruhi BI

H4

: FC akan mempengaruhi BI

Dengan variabel moderator adalah gender, age, dan internet experience. Dalam penelitian ini pengumpulan data dilakukan kuesioner dengan menyebar sejumlah 500 kuesioner dan yang diolah menjadi data adalah 400 kuesioner dari penduduk Saudi. Sedangkan analisis yang digunakan pada penelitian ini menggunakan SPSS untuk menganalisis data dan menggunakan SEM untuk mengevaluasi hubungan dalam model UTAUT. Secara rinci analisis dilakukan dengan statistik deskriptif, reliabilitas, validitas dan pengujian hipotesis. Hasil dari penelitian ini adalah bahwa faktor-faktor yang mempengaruhi penduduk Saudi menggunakan e-government adalah Performance Expectancy, Effort Expectancy, and Facilitating Condition, sedangkan Social Influence tidak mempengaruhi perilaku penduduk Saudi dalam menggunakan e-Goverment.



45

Penelitian ini menggunakan model penelitian UTAUT sedangkan pada penelitian yang dilakukan oleh peneliti menggunakan model penelitian UTAUT2. 2.3.6

Penelitian

menggunakan

UTAUT2

di

Direktorat

Jendral

Pendidikan Anak Usia Dini Penelitian oleh (Aji, 2013) yang berjudul "Kajian Penerimaan Aplikasi Pendapatan Ditjen PAUDNI dengan Pendekatan Unified Theory Of Acceptance Use of Technology 2 (UTAUT2)" menjelaskan mengenaifaktor-faktor apa saja yang mempengaruhi penerimaan aplikasi pendataan Ditjen PAUDNI oleh para pengguna. Model yang digunakan adalah model UTAUT2. Kerangka pemikiran

dari penelitian ini dapat dilihat pada Gambar 2. 15.

Gambar 2. 15 Kerangka Pemikiran (Aji, 2013)

Terdapat 32 hipotesis dalam penelitian ini. Jumlah responden yang kurang dari 100 membuat penelitian ini menggunakan SEM berbasis varian sehingga software yang digunakan adalah SmartPLS. Hasil akhir dari penelitian ini adalah 1. Social Influence yaitu pengaruh lingkungan sosial pengguna aplikasi. Faktor ini meliputi pengaruh atasan atas pentingnya penggunaan Aplikasi Pendataan Ditjen PAUDNI, pengaruh rekan kerja yang mendukung pengguna atas penggunaan aplikasi pendataan Ditjen PAUDNI serta nilai lebih yang diterima



46

oleh pengguna atas tugasnya sebagai petugas atau operator Pendataan Ditjen PAUDNI. 2. Facilitating Condition yaitu kondisi fasilitasi yang diterima oleh pengguna Aplilkasi Pendataan Ditjen PAUDNI. Faktor ini meliputi ketersediaan layanan bantuan bagi para pengguna yang mengalami kesulitan dalam menggunakan Aplikasi Pendataan Ditjen PAUDNI, ketersediaan manual penggunaan Aplikasi Pendataan Ditjen PAUDNI serta kondisi fasilitasi sarana dan prasarana bagi para pengguna untuk mengakses Aplikasi Pendataan Ditjen PAUDNI. 3. Habit yaitu keterbiasaan pengguna dalam menggunakan Aplikasi Pendataan atau aplikasi berbasis web lainnya. 2.4

Kerangka Pemikiran

Pada penelitian ini menggunakan modifikasi model UTAUT2 yang dikembangkan oleh Venkatesh (Venkatesh, Thong, & Xu, 2012), hubungan variabel-variabel yang digunakan dalam penelitian ini dapat dilihat pada Gambar 2. 16 berikut ini :

Gambar 2. 16 Kerangka Pemikiran

Perilaku pengguna teknologi dipengaruhi oleh 5 komponen utama yaitu Perfomance Expectation (PE), Effort Expectancy (EE), Social Influence (SI), Universitas Indonesia


47

Facilitating Condition (FC) dan Habit (HT). Dengan variabel moderator yang terdiri dari gender, age, dan experience. 2.4.1

Alasan Pemilihan Model UTAUT2

UTAUT2 adalah model pengembangan dari UTAUT yang menambahkan variabel baru yaitu hedonic motivation, price value, dan habit. Dalam penelitian ini hanya digunakan satu variabel baru UTAUT2 yaitu habit. Sedangkan untuk dua variabel baru UTAUT2 yaitu hedonic motivation dan price value tidak digunakan. Alasan tidak digunakannya dua variabel baru mengambil dari penelitian sebelumnya yaitu penelitian yang dilakukan oleh (Aji, 2013) karena obyek penelitian Aji dengan obyek penelitian peneliti mirip yaitu sama-sama menggunakan obyek penelitian di organisasi / perusahaan. Price value tidak digunakan dalam penelitian karena obyek penelitian yang merupakan aplikasi yang tidak diperjualbelikan sedangkan hedonic motivation tidak digunakan karena obyek penelitian bukan merupakan produk teknologi yang menjadi alasan untuk hedonic motivation. 2.5

Hipotesis Penelitian

Berdasarkan kerangka pemikiranpenelitian pada subbab sebelumnya, diketahui bahwa terdapat 28 hipotesis utama pada penelitian ini. Hipotesis-hipotesis tersebut dapat dilihat ke dalam Tabel 2. 3. Tabel 2. 3 Hipotesis Penelitian

No.

Kode

Hipotesis

1

H1

Performance Expectancy mempengaruhi Behavioral Intention

2

H1a

Pengaruh Performance Expectancy terhadap Behavioral Intention dimoderatori oleh jenis kelamin pengguna

3

H1b

Pengaruh Performance Expectancy terhadap Behavioral Intention dimoderatori oleh usia pengguna

4

H2

Effort Expectancy mempengaruhi Behavioral Intention

5

H2a

Pengaruh Effort Expectancy terhadap Behavioral Intention dimoderatori oleh jenis kelamin pengguna Universitas Indonesia


48

No.

Kode

6

H2b

Hipotesis Pengaruh Effort Expectancy terhadap Behavioral Intention dimoderatori oleh usia pengguna

7

H2c

Pengaruh Effort Expectancy terhadap Behavioral Intention dimoderatori oleh pengalaman kerja pengguna

8

H3

Social Influence mempengaruhi Behavioral Intention

9

H3a

Pengaruh Social Influence terhadap Behavioral Intention dimoderatori oleh jenis kelamin pengguna

10

H3b

Pengaruh Social Influence terhadap Behavioral Intention dimoderatori oleh usia pengguna

11

H3c

Pengaruh Social Influence terhadap Behavioral Intention dimoderatori oleh pengalaman kerja pengguna

12

H4

Facilitating Condition mempengaruhi Behavioral Intention

13

H4a

Pengaruh Facilitating Condition terhadap Behavioral Intention dimoderatori oleh jenis kelamin pengguna

14

H4b

Pengaruh Facilitating Condition terhadap Behavioral Intention dimoderatori oleh usia pengguna

15

H4c

Pengaruh Facilitating Condition terhadap Behavioral Intention dimoderatori oleh pengalaman kerja pengguna

16

H5

Facilitating Condition mempengaruhi Use Behavior

17

H5a

Pengaruh

Facilitating

Condition

terhadap

Use

Behavior

terhadap

Use

Behavior

dimoderatori oleh usia pengguna

18

H5b

Pengaruh

Facilitating

Condition

dimoderatori oleh pengalaman kerja pengguna

19

H6

Habit mempengaruhi Behavioral Intention

20

H6a

Pengaruh Habit terhadap Behavioral Intention dimoderatori oleh jenis kelamin pengguna

21

H6b

Pengaruh Habit terhadap Behavioral Intention dimoderatori oleh usia pengguna

22

H6c

Pengaruh Habit terhadap Behavioral Intention dimoderatori oleh pengalaman kerja pengguna

23

H7

Habit mempengaruhi Use Behavior Universitas Indonesia


49

No.

Kode

24

H7a

Hipotesis Pengaruh Habit terhadap Use Behavior dimoderatori oleh jenis kelamin pengguna

25

H7b

Pengaruh Habit terhadap Use Behavior dimoderatori oleh usia pengguna

26

H7c

Pengaruh Habit terhadap Use Behavior dimoderatori oleh pengalaman kerja pengguna

27

H8

Behavioral Intention mempengaruhi Use Behavior

28

H8a

Pengaruh

Behavioral

Intention

terhadap

Use

Behavior

dimoderatori oleh pengalaman kerja pengguna

Hipotesis tersebut akan diujikan pada model penerimaan pengguna untuk masingmasing kelompok responden yang dikelompokkan berdasarkan moderating variabel yaitu jenis kelamin (gender), umur (age), dan pengalaman kerja (experience). 2.6

Variabel Penelitian

Indikator-indikator pengukuran beserta hubungan antara variabel laten dalam kerangka pemikiran dengan variabel indikatornya terdapat pada Tabel 2. 4. Tabel 2. 4 Indikator Pengukuran

Variabel Performance

Indikator PE1

Expectancy (Venkatesh, Thong, &

Sistem membantu menyelesaikan pekerjaan dengan cepat

PE2

Meningkatkan produktifitas

(Venkatesh, V, et al,

PE3

Efesiensi waktu

2003)

PE4

Kemanfaatan sistem

PE5

Peluang kenaikan gaji atau jabatan

Effor t Expectancy

EE1

Kemudahan dipelajari

(Venkatesh, Thong, &

EE2

Kemudahan digunakan

EE3

Kemudahan dimengerti

EE4

Kemudahan menjadi ahli

Xu, 2012)

Xu, 2012) (Venkatesh, V, et al, 2003)



50

Variabel Social Influence

Indikator SI1

(Venkatesh, Thong, & Xu, 2012) (Venkatesh, V, et al,

Adanya

pengaruh

lingkungan

kerja

untuk

menggunakan sistem SI2

Adanya dorongan dari atasan menggunakan sistem

2003)

SI3

Adanya atasan yang membantu menggunakan sistem

SI4

Adanya sosialisasi penggunaan sistem

Facilitating Condition

FC1

Dukungan perusahaan menggunakan sistem


FC2

Sistem cocok dan selaras dengan pekerjaan

FC3

Adanya rekan kerja atau divisi lain yang

Xu, 2012) (Venkatesh, V, et al,

membantu

2003)

FC4

Adanya kemudahan menggunakan sistem diluar kantor

Habit

HT1

Terbiasa menggunakan sistem yang sama


HT2

Terbiasa menggunakan sistem

HT3

Keharusan menggunakan sistem

Behavioral Intention

BI1

Niat untuk terus menggunakan sistem


BI2

Prediksi akan menggunakan sistem

BI3

Rencana untuk menggunakan sistem

UI

Setiap hari menggunakan sistem

U2

Minimal waktu penggunaaan sistem

Xu, 2012) (Venkatesh, V, et al, 2003)

Xu, 2012) (Venkatesh, V, et al, 2003) Use Behaviour (Venkatesh, Thong, & Xu, 2012) (Venkatesh, V, et al, 2003)

Setelah mendapat indikator-indikator yang dapat digunakan untuk pengukuran variabel laten dalam penelitian, selanjutnya adalah membuat kuesioner penelitian yang disesuaikan dengan indikator-indikator tersebut dan obyek penelitian. Universitas Indonesia


51

Tabel 2. 5 Kuesioner Penelitian

Indikator

Pernyataan Indikator / Kuesioner Sistem membantu menyelesaikan pekerjaan dengan cepat

PE1

Menggunakan Confins akan membuat saya menyelesaikan pekerjaan dengan lebih cepat. Meningkatkan produktifitas

PE2

Menggunakan Confins akan meningkatkan produktivitas kerja saya. Efesiensi waktu

PE3

Menggunakan Confins akan mengurangi waktu yang dibutuhkan untuk mengerjakan perkerjaan penting secara bertanggung jawab.

PE4

Kemanfaatan sistem Penggunaan Confins akan berguna bagi pekerjaan saya Peluang kenaikan gaji atau jabatan

PE5

Jika saya menggunakan Confins, akan meningkatkan peluang saya untuk mendapatkan kenaikan baik gaji atau jabatan

EE1

EE2

EE3

EE4

Kemudahan dipelajari Mudah bagi saya mempelajari Confins Kemudahan digunakan Bagi saya Confins mudah digunakan atau dioperasikan Kemudahan dimengerti Menurut saya aplikasi Confins mudah dimengerti Kemudahan menjadi ahli Mudah bagi saya menjadi ahli dalam menggunakan Confins Adanya pengaruh lingkungan kerja untuk menggunakan sistem

SI1

Orang yang mempengaruhi perilaku saya (seperti rekan kerja atau atasan), merasa bahwa saya harus menggunakan Confins Adanya dorongan dari atasan menggunakan sistem

SI2

Orang yang penting bagi saya (seperti rekan kerja atau atasan), merasa bahwa saya harus menggunakan Confins

SI3

Adanya atasan yang membantu menggunakan sistem Universitas Indonesia


52

Indikator

Pernyataan Indikator / Kuesioner Atasan saya dalam pekerjaan, banyak membantu saya dalam menggunakan Confins

SI4

FC1

Adanya sosialisasi penggunaan sistem ICT mensosialisasikan penggunaan Confins Dukungan perusahaan menggunakan sistem Secara umum, perusahaan mendukung penggunaan Confins Sistem cocok dan selaras dengan pekerjaan

FC2

Menggunakan Confins sangat cocok dan selaras pada semua aspek pekerjaan saya Adanya rekan kerja atau divisi lain yang membantu

FC3

Adanya rekan kerja atau divisi lain yang spesifik untuk membantu saya dalam kesulitan ketika menggunakan Confins Adanya kemudahan menggunakan sistem di luar kantor

FC4

Saya dapat mengakses Confins dengan mudah di luar kantor dengan menggunakan IP Public Terbiasa menggunakan sistem yang sama

HT1

Saya sudah terbiasa menggunakan aplikasi berbasis web lainnya seperti Confins

HT2

HT3

BI1

BI2

BI3

UI

Terbiasa menggunakan sistem Saya sudah terbiasa menggunakan Confins Keharusan menggunakan sistem Saya harus menggunakan Confins Niat untuk terus menggunakan sistem Saya berniat akan terus menggunakan Confins kedepannya Prediksi akan menggunakan sistem Saya memprediksi akan menggunakan Confins Rencana untuk menggunakan sistem Saya berencana akan menggunakan Confins Setiap hari menggunakan sistem Setiap hari saya menggunakan Confins Universitas Indonesia


53

Indikator

Pernyataan Indikator / Kuesioner Minimal waktu penggunaaan sistem

U2

Setiap kali saya mengakses Confins, saya mengakses lebih dari 1 jam



BAB 3 METODOLOGI PENELITIAN

Bab ini membahas langkah-langkah penelitian yang akan digunakan untuk pemecahan permasalahan penelitian dan mencapai tujuan penelitian. 3.1

Tahapan Penelitian

Gambar 3. 1 Tahapan Penelitian

54



55

Penjelasan dari setiap tahap penelitian di atas adalah sebagai berikut : 1. Minat penelitian diidentifikasi, kemudian topik dipilih 2. Pengumpulan data awal. Teknik pengumpulan data awal di lakukan dengan wawancara dengan pihak SAF, pengumpulan data dan studi literatur mengenai minat penelitian terkait (model-model penerimaan dan penelitian-penelitian terdahulu mengenai penerimaan teknologi). 3. Perumusan Masalah Mencari tahu ekspetasi dari pergantian sistem dari eMF menjadi Confins yang kemudian dibandingkan dengan keadaan saat ini. Keadaan saat ini yang menjadi permasalahan diperoleh dari hasil wawancara dan beberapa fakta-fakta yang ada. Setelah membandingkan antara ekspektasi dan kenyataan saat ini, diketahuilah gap yang kemudian dirumuskan masalahnya oleh peneliti. 4. Tinjauan Pustaka Melakukan studi literatur yang lebih intensif mengenai teori, penelitianpenelitian sebelumnya dan metodologi yang relevan dengan topik pembahasan penelitian ini 5. Pengembangan Kerangka Pemikiran Pengembangan

kerangka

pemikiran

dilakukan

dengan

cara

membandingkan dan mencari persamaan dengan penelitian terdahulu yang berkaitan dengan tingkat penerimaan sistem informasi 6. Perumusan Hipotesis Perumusan hipotesis dilakukan dengan acuan variabel-variabel yang dibentuk pada kerangka pemikiran 7. Pengumpulan data Instrumen yang akan digunakan pada tahap pengumpulan data adalah dengan menggunakan kuesioner. Tahapan ini dimulai dengan melakukan penyusunan kuesioner, pertanyaan-pertanyaan pada kuesioner tersebut dibuat berdasarkan item pengukuran yang didapat dari studi literatur. Kuesioner menggunakan skala Likert. Setelah kuesioner selesai dirancang, maka kuesioner akan diuji dengan meminta kurang lebih 30 karyawan Universitas Indonesia


56

SAF yang tersebar dari 7 cabang penelitian untuk mengisi kuesioner dan memberikan umpan balik. Jika terdapat umpan balik saat pengujian kuesioner, maka kuesioner akan diperbaiki sesuai dengan umpan balik yang diberikan.Kuesioner yang telah sesuai kemudian disebar kembali sesuai dengan ketentuan sampel dalam populasi yang telah ditentukan dalam penelitian ini. 8. Uji Outer Model Uji Outer Model meliputi uji validitas yaitu uji validitas konvergen dan uji validitas diskriminan selain itu juga uji reliabilitas dapat dilihat dari nilai Cronbach’s Alpha dan nilai Composite Reliability. Untuk dapat dikatakan reliabel, sebuah konstruk harus memiliki nilai Cronbach’s Alpha > 0,6, dan nilai Composite Reliability harus bernilai > 0,7. 9. Uji Inner Model Uji Inner Model dilakukan dengan melihat nilai R2 dari variabel laten endogen yang ada. 10. Uji Efek Moderasi Setelah didapatkan model yang umum, maka akan dilakukan pengujian terhadap variabel-variabel moderasi yang ada di penelitian ini. 11. Model Penelitian Akhir Bagian hasil dan pembahasan ini akan mengulas bagaimana model penerimaan yang dihasilkan dari analisa PLS dan dibandingkan dengan hipotesis penelitian yang sudah ditentukan sebelumnya. Dari sini kemudian diketahui hipotesis-hipotesis yang diterima dan ditolak oleh analisis PLS. 12. Kesimpulan dan Saran Menyimpulkan seluruh penelitian yang sudah dilakukan oleh peneliti serta memberikan saran-saran berkaitan dengan dampak penelitian yang sudah dilakukan.



57

3.2

Populasi dan Sampel

Berikut ini akan dijelaskan mengenai jumlah populasi dan sampel dari penelitian yang akan dilakukan. 3.2.1

Populasi

Menurut (Sugiyono, 2007), populasi adalah wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi dari penelitian ini adalah pengguna sistem ini yaitu seluruh pegawai SAF yang telah menggunakan Confins pada gelombang I yaitu Jakarta HO, Surabaya, Sidoarjo, Jakarta I, Jakarta II, Bogor, dan Tangerang yang dapat dilihat pada Tabel berikut ini. Tabel 3. 1 Populasi Penelitian

No

Objek

Jumlah

Prosentase

1

502

Surabaya

47

31.76%

2

507

Sidoarjo

25

16.89%

3

523

Jakarta I

10

6.76%

4

532

Bogor

12

8.11%

5

535

Jakarta II

14

9.46%

6

536

Tangerang

11

7.43%

7

999

Jakarta HO

29

19.59%

Jumlah Populasi

148

Dari Tabel 3. 1 Populasi Penelitian populasi penelitian dapat dilihat bahwa jumlah populasi untuk cabang yang sudah memakai Confins adalah 148 pegawai yang tersebar di tujuh cabang yang dalam penelitian ini disebut strata.



58

3.2.2

Sampel

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sedangkan sampling adalah suatu proses memilih sebagian dari unsur populasi yang jumlahnya mencukupi secara statistik sehingga dengan mempelajari sampel serta memahami karakteristik-karakteristiknya (ciri-cirinya) akan diketahui informasi tentang keadaan populasi (Sugiyono, 2007). Probability Sampling adalah teknik sampling untuk memberikan peluang yang sama pada setiap anggota populasi untuk dipilih menjadi anggota sampel. Proportionate Stratified Random Sampling adalah pengambilan sampel dari anggota populasi secara acak dan berstrata secara proporsional, dilakukan sampling ini apalagi anggota populasinya heterogen (tidak sejenis). Proportionate stratified random sampling ini dilakukan dengan cara membuat lapisan-lapisan (strata), kemudian dari setiap lapisan diambil sejumlah subjek secara acak. Jumlah subjek dari setiap lapisan (strata) adalah sampel penelitian. Strata yang dimaksud dalam penelitian ini adalah cabang. Perhitungan jumlah sampel menggunakan rumus Slovin seperti yang dituliskan dalam (Umar, 2004) :

Keterangan n

: Jumlah sampel

N

: Total populasi

e

: Taraf kesalahan



59

Setelah diketahui jumlah sampel keseluruhan yaitu 109, maka dapat dihitung jumlah sampel untuk tiap strata sesuai dengan prosentasi kontribusi masingmasing komponen terhadap jumlah sampel. Berikut perhitungan jumlah sampel per komponen strata : 1. Cabang Surabaya

= = 34.6149

2. Cabang Sidoarjo

35

= = 18.4122

3. Cabang Jakarta I

18

= = 7.36486

4. Cabang Bogor

7

= = 8.83784

5. Cabang Jakarta II

8

= = 10.3108

6. Cabang Tangerang

10

=7.43% = 8.10135

7. Cabang Jakarta HO

8

= 19,59

= 21.3581

21

Tabel 3. 2 Sampel Populasi

No

Objek

Jumlah

Prosentase

1

502 Surabaya

35

32.11%

2

507 Sidoarjo

19

17.43%

3

523 Jakarta I

7

6.42%

4

532 Bogor

9

8.26%

5

535 Jakarta II

10

9.17%

6

536 Tangerang

8

7.34%

7

999 Jakarta HO

21

19.27%

Jumlah Sample

109 Universitas Indonesia


60

Pada Tabel 3. 2 Sampel Populasi di atas dapat dilihat sampel untuk penelitian ini adalah 109, dengan menggunakan Proportionate Stratified Random Sampling dari populasi yang berjumlah 148. 3.3

Metode Penelitian dan Pengumpulan Data

Metode penelitian pada penelitian ini dengan menggunakan kuesioner. Data yang dikumpulkan pada penelitian ini terdapat dua jenis yaitu data primer dan data sekunder. 3.3.1

Data Primer

Data primer merupakan data yang diperoleh dari sumber data utama atau tangan pertama di lapangan. Dalam penelitian ini data primer diperoleh dengan cara menggunakan kuesioner yang disebarkan kepada para pengguna sistem Confins dengan menggunakan model skala likert. Untuk jawaban dari setiap pertanyaan diberikan 5 alternatif jawaban. Skala yang digunakan dalam jawaban tersebut adalah Sangat Setuju (nilai=5), Setuju (nilai=4), Biasa Saja (nilai=3), Tidak Setuju (nilai=2), Sangat Tidak Setuju (nilai=1). 3.3.2

Data Sekunder

Data sekunder adalah data yang dikumpulkan dari orang lain yang dapat membantu penelitian. Data ini biasanya diperoleh dari laporan-laporan penelitian terdahulu. Dalam penelitian ini data sekunder diperoleh dari sumber kepustakaan (buku dan jurnal) dan melalui pencairan data dan artikel di internet. 3.4

Metode Pengolahan Data dan Analisis Data

Data yang dikumpulkan dari kuesioner kemudian digunakan untuk menguji kerangka pemikiran atau hipotesis-hipotesis dengan menggunakan tahapan pada SEM berbasis varian dengan menggunakan software SmartPLS, agar dapat diketahui sejauh mana kerangka pemikiran didukung oleh data.



61

PLS sebagai model prediksi tidak mengasumsikan distribusi tertentu untuk mengestimasi parameter dan memprediksi hubungan kausalitas (Jogiyanto, 2011). Dari studi literatur terhadap penelitian terdahulu seperti pada penelitian yang dilakukan oleh (Aji, 2013) dan buku-buku SEM berbasis varian, maka peneliti menggunakan langkah-langkah untuk pengolahan data adalah sebagai berikut ini (Jogiyanto, 2011) : 1. Uji Model Pengukuran (Outer Model) Model pengukuran sendiri digunakan untuk menguji validitas konstruk dan reliabilitas instrumen. a) Uji Validitas Konstruk Uji validitas konstruk ini diperoleh dari penggunaan suatu pengukuran sesuai dengan teori-teori yang digunakan untuk mendefinisikan suatu konstruk. Untuk tahap pengukurannya ada dua yang dilakukan dalam uji validitas yaitu uji validitas konvergen dan uji validitas diskriminan. 1. Uji Validitas Konvergen Uji validitas konvergen seperti pada penelitian yang dilakukan oleh (Aji, 2013), yaitu nilai indikator reflektif berdasarkan loading faktor harus lebih besar dari 0,7. Selain itu nilai AVE dan nilai communality harus lebih besar dari 0,5. 2. Uji Validitas Diskriminan Uji validitas diskriminan digunakan untuk mengukur dua konstruk yang diprediksi tidak berkorelasi menghasilkan skor yang memang tidak berkorelasi. Pengukuran dalam uji validitas diskriminan dengan menggunakan perbandingan nilai akar AVE untuk setiap konstruk dengan korelasi antara konstuk dengan konstruk lainnya dalam model seperti yang dilakukan oleh (Aji, 2013). b) Uji Reliabilitas Uji Reliabilitas digunakan untuk mengukur konsistensi internal alat ukur. Uji reliabilitas dalam PLS dapat menggunakan dua metode yaitu Cronbach’s alpha dan Composite reliability. Cronbach’s alpha Universitas Indonesia


62

mengukur batas bawah nilai reliabilitas suatu kontruk sedangkan Composite reliability mengukur nilai sesungguhnya reliabilitas suatu konstruk. Nilai Composite reliability memiliki nilai yang lebih besar dari nilai Cronbanch’s alpha. Nilai Cronbach’s alpha dalam penelitian ini untuk uji reliabilitas lebih besar dari 0,6 seperti penelitian yang dilakukan oleh (Aji, 2013). Sedangkan nilai Composite reliability harus lebih besar dari 0,7. 2. Uji Model Struktural (Inner Model) Model struktural dalam PLS dievaluasi dengan menggunakan R2 untuk konstruk dependen, nilai koefisien path atau t-values tiap path untuk di uji signifikansi antarkonstruk dalam model struktural (Jogiyanto, 2011). Skor untuk nilai path koefisien menggunakan t-table 1,96 seperti studi literatur yang dilakukan oleh peneliti terhadap penelitian terdahulu yaitu (Aji, 2013). 3. Uji Efek Moderasi Uji Efek Moderasi dilakukan dengan menambahkan variabel moderator dalam hubungan antara variabel independen dan variabel dependen. Variabel moderator adalah variabel yang mempengaruhi (memperkuat dan memperlemah) hubungan antara variabel independen dan variabel dependen (Sugiyono, 2007). Uji efek moderasi pada penelitian ini menggunakan efek moderasi dengan mengikuti kaidah (Baron & Kenny, 1986) dimana pengujian efek moderasi dapat dilakukan jika efek utama (hubungan langsung antara variabel independen dan dependen) adalah signifikan.



BAB 4 PROFIL ORGANISASI

Bab ini akan membahas mengenai profil organisasi dari objek yang diteliti yaitu SAF atau PT. Sasana Artha Finance. 4.1 PT. Sasana Artha Finance (SAF) PT. Sasana Artha Finance (SAF) adalah bagian dari Grup MPM dimana Grup MPM ini memiliki beberapa perusahaan dengan 4 bidang yaitu MPM Motor dan PT Mitra Pinasthika Mulia pada Distribution dan Retail, PT Federal Karyatama (FKT) pada Consumer Auto Parts, PT Mitra Pinasthika Mustika Rent (MPM Rent) pada Consumer Auto Service, PT Mitra Pinastika Mustika Finance (MPM Finance - Car), PT Sasana Artha Finance (SAF-Motorcycle), and PT Asuransi Mitra Pelindung Mustika (MPM Insurance) pada Consumer Finance Service. SAF memiliki fokus utama pada pembiayaan sepeda motor Honda dan juga pada barang elektronik. SAF hanya melakukan pembiayaan terhadap kendaraan sepeda motor Honda untuk sepeda motor baru. Sejak tanggal 31 Juli 2013, SAF telah memiliki 36 cabang yang tersebar mulai dari Jakarta, Jawa Barat, Jawa Timur, Bali, Nusa Tenggara Barat, dan Nusa Tenggara Timur. 4.2 Struktur Organisasi Grup MPM Struktur organisasi grup MPM ditampilkan pada bab ini dengan alasan bahwa sistem Confins yang dikembangkan di SAF sudah terlebih dahulu dikembangkan di salah satu anak perusahaan lain di group MPM yaitu MPM Finance yang samasama bergerak di bidang Consumer Finance Service dengan ruang lingkup yang berbeda. MPM Finance merupakan perusahaan yang bergerak di bidang finance untuk pembiayaan mobil, sedangkan SAF merupakan perusahaan yang bergerak di bidang yang sama yaitu finance namun untuk pembiayaan sepeda motor.

63



64

Gambar 4. 1 Struktur Organisasi Grup MPM

4.3

Visi dan Misi SAF

Dalam perkembangannya sebagai perusahaan SAF juga memiliki visi dan misi. Berikut akan ditampilkan visi dan misi SAF. 4.3.1

Misi SAF

Menyediakan produk dan layanan keuangan berkualitas prima dan ramah sehingga pelanggan senang. 4.3.2

Visi SAF

Menjadi nama yang akrab di benak setiap insan yang diciptakan oleh manusia yang penuh semangat dan cerdik di bawah para pemimpin yang berwibawa dan bersahaja. 4.3.3

Ikrar SAF

Berikut adalah ikrar dari SAF : 1. Kita harus bersyukur atas apa yang kita miliki. 2. Para pemimpin kita harus berwibawa dan bersahaja. Universitas Indonesia


65

3. Kita menghargai, peduli dan berlaku adil terhadap para mitra usaha dan pemasok. 4. Kesuksesan dan kekuatan kita berasal dari kecerdikan, semangat untuk bekerjasama dan dorongan untuk berprestasi tinggi. 5. Kita berkewajiban untuk membuat pelanggan senang dengan cara melampaui harapan mereka. 6. Kepercayaan dari para pemangku kepentingan hanya dapat diraih melalui integritas tanpa kompromi. 7. Keunggulan kompetitif kita dicapai dari perbaikan berkesinambungan dan kemampuan untuk beradaptasi terhadap perubahan. 8. Prestasi kerja individu maupun kelompok harus diakui dan dihargai. 9. Para pemegang saham

layak mendapatkan keuntungan yang wajar atas

investasi mereka. 10. Keberadaan kita hendaknya memberikan dampak positif bagi lingkungan. 4.4

Nilai-Nilai Utama SAF

Berikut adalah nilai-nilai utama SAF : 1. Semangat berprestasi tinggi 2. Perbaikan berkesinambungan 3. Kemampuan beradaptasi 4. Rasa bersyukur 5. Rendah hati 6. Menghormati 7. Integritas 8. Kerjasama 4.5 Struktur Organisasi SAF SAF memiliki 1 kantor pusat yang terletak di Jakarta dan 36 cabang yang terletak di berbagai wilayah di Indonesia. Adapun untuk struktur organisasi dibedakan menjadi dua yaitu struktur organisasi untuk kantor pusat (head office) dan struktur organisasi untuk kantor cabang. Universitas Indonesia


66

Gambar 4. 2 Struktur Organisasi Pusat Universitas Indonesia


67

Gambar 4. 3 Struktur Organisasi Cabang Universitas Indonesia


68

Pada Gambar 4. 2dan Gambar 4. 3 ditampilkan struktur organisasi SAF pusat dan SAF Cabang. Struktur organisasi cabang dikepalai oleh seorang manajer cabang (branch manager) yang juga menjadi bagian dalam struktur organisasi SAF pusat. 4.6 Consumer Finance& Leasing Solution (Confins) Consumer Finance& Leasing Solution (Confins) merupakan aplikasi berbasis web yang dikembangkan dengan bahasa pemrograman Microsoft.net., XML, Ajax, dan N Tiers Design. Database yang digunakan pada sistem Confins adalah Microsoft SQL Server dengan aplikasi report server adalah Crystal Report. Confins telah disertifikasi oleh Microsoft Platform Test for ISV Solutions. Berikut ini akan ditampilkan portofolio dari Confins yang sudah dipakai oleh beberapa perusahaan finance yang lain seperti yang terlihat pada Gambar 4. 4.

Gambar 4. 4 Portofolio Confins

Seperti yang terlihat pada Gambar 4. 4 ada beberapa perusahaan yang sudah menggunakan Confins, salah satunya adalah MPM Finance yang merupakan perusahaan yang bersama-sama dengan SAF dalam satu grup MPM.



69

Confins sendiri juga mempunyai model bisnisnya seperti yang terlihat pada Gambar 4. 5. Namun tidak semua dari gambar tersebut digunakan di SAF karena memang dari sistem internal SAF sendiri memang belum mengembangkan ke beberapa pihak terkait.

Gambar 4. 5 Model Bisnis Confins

Saat ini server Confins berada di pusat (head office) dan dikelola oleh pusat. Cabang melakukan akses Confins dengan menggunakan WAN (Wide Area Network) sehingga bisa terhubung ke server pusat. Selain server Confins sendiri, Confins juga berelasi dengan sistem B2B pembayaran online yaitu SYB (dalam hal ini pos dan BCA) dan juga asuransi dalam hal ini asuransi AAB (Asuransi Astra Buana). Adapun tampilan awal Confins ditunjukan pada Gambar 4. 6, tampilan awal dibuat oleh team Adins selanjutnya tampilan tersebut dimodifikasi oleh team ICT SAF.



70

Gambar 4. 6 Tampilan Awal Confins

Pada saat akan login ke sistem Confins ada 2 aplikasi yang menjadi pilihan default adalah Confins dan yang kedua adalah application manager. Aplikasi Confins adalah aplikasi yang digunakan oleh pengguna pada umumnya sedangkan aplikasi manager digunakan oleh tim ICT yang ditunjuk untuk mengelola menu dan pengguna pada sistem Confins. Confins sendiri memiliki beberapa modul seperti yang terlihat pada Gambar 4. 7

Gambar 4. 7 Modul-Modul Confins



71

Pada Gambar 4. 7 ditampilkan modul-modul utama yang ada disistem Confins yaitu marketing, product, credit, disbursement, funding & placement, insurance, account maintenance, document custody, amendment, dan collection. Selain modul di atas ada juga beberapa modul pendukung dari sistem Confins ini yaitu menu & user management, GL Interface, dan parameter setting.



BAB 5 ANALISIS DAN PEMBAHASAN

Bab ini akan membahas mengenai data responden yang diperoleh, penerapan prosedur SEM berbasis varian untuk analisis dan pengujian hipotesis. 5.1

Data Responden

Data sampel yang dibutuhkan dengan rumus Slovin seperti yang dijelaskan pada subbab 3.2.2 adalah sebanyak 109 sampel. Kuesioner yang disebar adalah sejumlah 120 sampel. Hal ini dilakukan karena kuesioner menggunakan hardcopy dan posisi responden yang berjauhan dengan peneliti (kecuali Jakarta HO), untuk menghindari adanya kemungkinan kuesioner yang hilang atau rusak sehingga responden tidak bisa mengisi kuesioner, maka kuesioner dilebihkan dari proporsi sampel tiap cabang. Kuesioner yang dikirim berjumlah 120 kuesioner dengan kuesioner kosong sejumlah 20 kuesioner, 4 kuesioner tidak kembali dan kuesioner terisi sejumlah 96 kuesioner. Sehingga data yang bisa diteliti adalah 96 kuesioner. Tabel 5. 1 Jumlah Sampel

No 1 2 3 4 5 6 7

Objek

Jumlah Sampel yang Diperoleh

502 Surabaya 507 Sidoarjo 523 Jakarta I 532 Bogor 535 Jakarta II 536 Tangerang 999 Jakarta HO TOTAL

Jumlah Sampel Slovin

25 17 7 7 10 7 23 96

35 19 7 9 10 8 21 109

Target pengambilan sampel sesuai dengan metode Proportionate Stratified Random Sampling yang berjumlah 109 dan yang kembali sejumlah 96 akan tetapi proporsi untuk pengambilan data dengan strata cabang tidak berjalan seperti yang dijelaskan pada bab sebelumnya karena ada beberapa strata dalam penelitian 72



73

iniyang adalah cabang, ada yang melebihi sampel yang diharapkan dan ada strata dengan jumlah responden yang kurang dari yang diharapkan. Pada Tabel 5. 1 terlihat jumlah sampel dengan metode Proportionate Stratified Random Sampling dan jumlah sampel yang diterima oleh peneliti. Seperti terlihat pada cabang Surabaya dimana sampel yang dibutuhkan adalah sebanyak 35 namun kuesioner yang kembali ke peneliti hanya 25 saja. Lain halnya dengan cabang Sidoarjo, Bogor, Tangerang, dan Jakarta HO dimana sampel yang kembali melebihi jumlah sampel yang sudah dirumuskan sebelumnya. Jumlah sampel yang digunakan untuk penelitian SEM berbasis kovarian adalah sebanyak 5 kali jumlah parameter yang akan diestimasi (Bentler & Chou, 1987). Pada penelitian ini memiliki 25 parameter, sehingga sampel yang dibutuhkan adalah 125 sampel. Demikian juga diungkapkan oleh (Byrne, 2010) untuk minimal sampel penelitian SEM adalah 100. Melihat pada syarat jumlah responden untuk melakukan penelitian SEM berbasis kovarian, jumlah responden yang didapat tidak memenuhi syarat untuk penelitian SEM berbasis kovarian sehingga pada penelitian ini akan digunakan teknik SEM berbasis varian dengan menggunakan alat bantu SmartPLS yang dapat digunakan untuk data kecil (Jogiyanto, 2011). Responden yang telah diperoleh datanya kemudian dicari informasinya yaitu umur (age), pengalaman kerja (experience), dan jenis kelamin (gender). Jumlah responden yang didapat berjumlah 96 responden dengan karateristik yang jenis kelamin yaitu laki-laki dan perempuan, usia dengan rentang <= 35 tahun dan >35 tahun, pengalaman kerja dengan rentang 0-4 tahun, 5-10 tahun, dan > 10 tahun. Dikarenakan rentang pengalaman kerja pada saat pembagian kuesioner tidak ada dasar pembagian rentang maka peneliti memutuskan untuk menggabungkan rentang 5-10 tahun dan >10 tahun dengan alasan bahwa penghargaan masa kerja di SAF adalah di atas 5 tahun.



74

Berikut ini akan ditampilkan karateristik responden berdasarkan jenis kelamin (gender), usia (age), dan pengalaman kerja (experience) dengan menggunakan pie chart.

Gambar 5. 1 Pie Chart Data Responden berdasarkan Jenis Kelamin

Pada penelitian ini komposisi responden berdasarkan jenis kelamin tidak menggunakan proporsi tertentu. Data untuk jenis kelamin diambil secara acak, berdasarkan pengumpulan data didapatkan responden laki-laki sebanyak 55 orang (57,29%) dan responden perempuan sebanyak 41 orang (42,71%).

Gambar 5. 2 Pie Chart data responden berdasarkan jenis kelamin

Sama halnya dengan komposis responden sesuai jenis kelamin, karaterisitik untuk usia tidak menggunakan proporsi tertentu. Data untuk jenis kelamin diambil Universitas Indonesia


75

secara acak. Rentang usia dalam penelitian ini disesuaikan dengan rentang usia pekerja yang menggunakan Confins yaitu 21 – 55 tahun. Untuk pembagiannya peneliti menggunakan kategori usia menurut departemen kesehatan RI yaitu <= 35 tahun untuk kategori dewasa awal dan > 35 tahun untuk kategori dewasa akhir. Data yang berhasil dikumpulkan untuk kategori usia, didapatkan responden yang berusia <=35 tahun sebanyak 68 responden (70,83%) dan responden yang berusia >35 tahun sebanyak 28 responden (29,17%).

Gambar 5. 3 Pie Chart data responden berdasarkan pengalaman kerja

Selain dikelompokkan dalam kategori jenis kelamin dan umur, responden juga dikategorikan ke dalam pengalaman kerjanya. Masa kerja di SAF digunakan sebagai tolak ukur pada moderasi experience karena fakta bahwa Confins adalah sistem baru sehingga pengalaman yang didapat pengguna adalah sama sehingga peneliti menggunakan masa kerja di SAF sebagai moderasi experience. Awalnya pengalaman kerja dibagi menjadi 3 kelompok yaitu 0-4 tahun, 5- 10 tahun dan > 10 yang kemudian menjadi 2 kelompok yaitu < 5 tahun dan >= 5 tahun. Penggabungan ini didasarkan pada penghargaan masa kerja di SAF adalah 5 tahun ke atas. Rentang untuk kategori pengalaman kerja menjadi kelompok <5 tahun sebanyak 61 responden (63,54%) dan kelompok >=5 tahun sebanyak 35 responden (36,46%) Universitas Indonesia


76

5.2

Asumsi-asumsi dalam SEM

Asumsi-asumsi yang harus dipenuhi dalam SEM seperti uji normalitas, uji multikolinearitas, dan uji outliers tidak dilakukan dalam penelitian ini karena SEM berbasis varian yang ada digunakan dalam penelitian ini tidak mensyaratkan pengujian tersebut (Jogiyanto, 2011). 5.3 Model Awal Penelitian Seluruh variabel dan indikator yang ada dalam penelitian ini akan dibuat jalurnya sehingga terbentuk satu model utuh.

Gambar 5. 4 Model Awal Penelitian

Pada Gambar 5. 4 dapat dilihat bahwa variabel laten yang ada berjumlah 7 variabel laten yaitu PE, EE, SI, FC, HT, BI, U. Variabel-variabel laten tersebut mempunyai beberapa indikator. Variabel laten PE mempunyai 5 indikator, variabel laten EE mempunyai 4 indikator, variabel laten SI mempunyai 4 Universitas Indonesia


77

indikator, FC mempunyai 4 indikator, variabel HT mempunyai 3 indikator, variabel BI mempunyai 3 indikator, dan variabel AU mempunyai 2 indikator 5.4

Uji Validitas

Uji validitas ini termasuk dalam uji model pengukuran (outer model). Dalam uji validitas dilakukan 2 kali pengujian yaitu uji validitas konvergen dan uji validitas diskriminan. Uji validitas konvergen adalah uji validitas yang menggunakan parameter loading factor (korelasi antara skor item/skor komponen dengan skor konstruk), Average Variance Extracted (AVE) dan Communality. Besarnya nilai AVE minimal yang direkomendasikan adalah 0,5.Jika nilai AVE didapatkan lebih besar dari 0,5 maka indikator-indikator didalam model yang dikembangkan terbukti benar-benar mengukur konstrak laten yang ditargetkan dan tidak mengukur konstrak laten yang lain. Untuk nilai communality minimal juga sama dengan nilai AVE yaitu 0,5 dan untuk nilai loading factor, nilai yang direkomendasikan adalah 0,7. Sedangkan uji validitas diskriminan adalah uji yang berhubungan dengan prinsip pengukur-pengukur variabel yang berbeda seharusnya tidak berkorelasi dengan tinggi. Uji validitas diskriminan ini dapat diukur dengan dua cara yang pertama melihat nilai akar AVE dengan korelasi variabel laten lainnya atau melihat nilai cross loading dalam satu variabel harus lebih besar dari 0,7. Uji validitas dilakukan dengan menggunakan alat bantu SmartPLS. Skema pembobotan yang digunakan untuk pengujian adalah path weighting schema. Tidak ada perbedaan yang signifikan untuk skema pembobotan dalam menghasilkan skor loading indikator dan variabel laten (Jogiyanto, 2011), sehingga peneliti menggunakan skema pembobotan default SmartPLS. Output yang dihasilkan ada dua macam yaitu data model penelitian yang menampilkan nilai skor loading (outer loading) dan model pengukuran yang disajikan dalam bentuk report yang menampilkan output data yang lebih rinci dengan format default adalah html. Universitas Indonesia


78

Gambar 5. 5 Uji Outer Model

Pada Gambar 5.5 dapat ditunjukkan bahwa setiap jalur telah memiliki nilai skor loading (outer loading). Skor loading tersebut adalah korelasi antara skor indikator dengan skor variabel. 5.4.1

Uji Validitas Konvergen

Uji validitas konvergen akan dilakukan pada tiap-tiap konstruk/variabel yang ada dalam penelitian ini yaitu Performance Expectancy (PE), Effort Expectancy (EE), Social Influence (SI), Facilitating Condition (FC), Habit (HT), Behavioral Intention (BI), dan Use Behaviour (U). 5.4.1.1 Uji Validitas Konvergen Performance Expectancy (PE) Variabel teramati atau indikator yang mengukur performance expectancy ada 5 yaitu PE1, PE2, PE3, PE4 dan PE5. Pada uji validitas tidak semua indikator pada variabel/konstruk PE ini mempunyai loading factor>0,7. Hasil uji validitas dapat Universitas Indonesia


79

dilihat pada Gambar 5. 6, indikator PE1 mempunyai nilai loading factor sebesar 0,877, PE2 mempunyai nilai loading factor sebesar 0,867, PE3 mempunyai loading factor sebesar 0,711, PE4 mempunyai loading factor sebesar 0,710 dan PE5 mempunyai loading factor sebesar 0,054.

Gambar 5. 6 Uji Validitas Konvergen PE

Hasil dari pengujian tersebut diketahui adanya satu indikator yang mempunyai nilai loading factor < 0,7 yaitu PE5, sehingga indikator PE5 tersebut harus dihapus dari variabel PE. Setelah dihapus, terjadi perubahan nilai loading factor pada variabel PE ini seperti terlihat pada Gambar 5. 7 berikut ini.

Gambar 5. 7 Uji Validitas PE setelah PE5 dihapus

Setelah PE5 dihapus dari variabel PE, nilai indikator untuk PE1 mempunyai nilai loading factor 0,877, PE2 mempunyai nilai loading factor 0,868, PE3 mempunyai nilai loading factor 0,713 dan PE4 mempunyai nilai loading factor 0,710. Skor AVE dan communality yang dihasilkan oleh variabel ini setelah PE5 dihapuskan adalah sebesar 0,633344 dan 0,633345. Skor AVE sebesar 0,633344 lebih besar dari 0,5 dan skorcommunality sebesar 0,633345 lebih besar dari 0,5 sehingga variabel PE dinyatakan valid.



80

5.4.1.2 Uji Validitas Konvergen Effort Expectancy(EE) Variabel teramati atau indikator yang mengukur effort expectancy ada empat yaitu EE1, EE2, EE3 dan EE4. Semua indikator pada variabel/konstruk EE ini mempunyai loading factor> 0,7. Hasil uji validitas dapat dilihat pada Gambar 5. 8, indikator EE1 mempunyai nilai loading factor sebesar 0,884, EE2 mempunyai nilai loading factor sebesar 0,896, EE3 mempunyai loading factor sebesar 0,857 dan EE4 mempunyai loading factor sebesar 0,763.

Gambar 5. 8 Uji Validitas Konvergen EE

Skor AVE dan communality yang dihasilkan oleh variabel ini adalah sebesar 0,725440 dan 0,725440. Skor AVE sebesar 0,725440 lebih besar dari 0,5 dan skor communality sebesar 0,725440 lebih besar dari 0,5 sehingga variabel EE dinyatakan valid. 5.4.1.3 Uji Validitas Konvergen Social Influence (SI) Variabel teramati atau indikator yang mengukur social influence ada lima yaitu SI1, SI2, SI3, dan SI4. Tidak semua indikator pada variabel/konstruk SI ini mempunyai loading factor> 0,7. Hasil uji validitas dapat dilihat pada Gambar 5. 9, indikator SI1 mempunyai nilai loading factor sebesar 0,741, SI2 mempunyai nilai loading factor sebesar 0,855, SI3 mempunyai loading factor sebesar 0,722, SI4 mempunyai loading factor sebesar 0,681.



81

Gambar 5. 9 Uji Validitas Konvergen SI

Hasil dari pengujian tersebut diketahui adanya satu indikator yang mempunyai nilai loading factor< 0,7 yaitu SI4, sehingga indikator tersebut harus dihapus dari variabel SI. Setelah dihapus, terjadi perubahan nilai loading factor pada variabel SI ini seperti terlihat pada Gambar 5. 10 berikut

Gambar 5. 10 Uji Validitas Konvergen SI setelah SI4 dihapus

Setelah SI4 dihapus dari variabel SI, nilai indikator untuk SI1 mempunyai nilai loading factor 0,783, SI2 mempunyai nilai loading factor 0,892, SI3 mempunyai nilai loading factor 0,701. Skor AVE dan communality yang dihasilkan oleh variabel ini setelah SI4 dihapuskan adalah sebesar 0,633452 dan 0,633452. Skor AVE sebesar 0,633452 lebih besar dari 0,5 dan skor communality sebesar 0,633452 lebih besar dari 0,5 sehingga variabel SI dinyatakan valid. 5.4.1.4 Uji Validitas Konvergen Facilitating Condition (FC) Variabel teramati atau indikator yang mengukur facilitating condition ada empat yaitu FC1, FC2, FC3, dan FC4. Tidak semua indikator pada variabel/konstruk FC ini mempunyai loading factor> 0,7. Hasil uji validitas dapat dilihat pada Gambar 5. 11, indikator FC1 mempunyai nilai loading factor sebesar 0,738, FC2



82

mempunyai nilai loading factor sebesar 0,828, FC3 mempunyai loading factor sebesar 0,750, FC4 mempunyai loading factor sebesar 0,399.

Gambar 5. 11 Uji Validitas Konvergen FC

Hasil dari pengujian tersebut diketahui adanya satu indikator yang mempunyai nilai loading factor< 0,7 yaitu FC4, sehingga indikator tersebut harus dihapus dari variabel FC. Setelah dihapus, terjadi perubahan nilai loading factor pada variabel FC ini seperti terlihat pada Gambar 5. 12berikut

Gambar 5. 12 Uji Validitas Konvergen FC setelah FC4 dihapus

Setelah FC4 dihapus dari variabel FC, nilai indikator untuk FC1 mempunyai nilai loading factor 0,759, FC2 mempunyai nilai loading factor 0,839, FC3 mempunyai nilai loading factor 0,756. Skor AVE dan communality yang dihasilkan oleh variabel ini setelah SI4 dihapuskan adalah sebesar 0,617306 dan 0,617306. Skor AVE sebesar 0,617306 lebih besar dari 0,5 dan skor communality sebesar 0,617306 lebih besar dari 0,5 sehingga variabel FC dinyatakan valid. 5.4.1.5 Uji Validitas Konvergen Habit (HT) Variabel teramati atau indikator yang mengukur habit ada 4 yaitu HTI1, HT2, dan HT3. Tidak semua indikator pada variabel/konstruk HT ini mempunyai loading factor> 0,7. Hasil uji validitas dapat dilihat padaGambar 5. 13, indikator HT1 Universitas Indonesia


83

mempunyai nilai loading factor sebesar 0,589, HT2 mempunyai nilai loading factor sebesar 0,802, HT3 mempunyai loading factor sebesar 0,837.

Gambar 5. 13 Uji Validitas Konvergen HT

Hasil dari pengujian tersebut diketahui adanya satu indikator yang mempunyai nilai loading factor< 0,7 yaitu HT1, sehingga indikator tersebut harus dihapus dari variabel HT. Setelah dihapus, terjadi perubahan nilai loading factor pada variabel HT ini seperti terlihat pada Gambar 5. 14 berikut

Gambar 5. 14 Uji Validitas Konvergen HT setelah HT1 dihapus

Setelah HT1 dihapus dari variabel HT, nilai indikator untuk HT2 mempunyai nilai loading factor 0,816, HT3 mempunyai nilai loading factor 0,898. Skor AVE dan communality yang dihasilkan oleh variabel ini setelah HT1 dihapuskan adalah sebesar 0,617306 dan 0,617306. Skor AVE sebesar 0,617306 lebih besar dari 0,5 dan skor communality sebesar 0,617306 lebih besar dari 0,5 sehingga variabel HT dinyatakan valid. 5.4.1.6 Uji Validitas Konvergen Behavioral Intention (BI) Variabel teramati atau indikator yang mengukur behavioral intention ada empat yaitu BI1, BI2, dan BI3. Semua indikator pada variabel/konstruk BI ini mempunyai loading factor>0,7. Hasil uji validitas dapat dilihat pada Gambar 5. 15, indikator BI1 mempunyai nilai loading factor sebesar 0,904, BI2 mempunyai nilai loading factor sebesar 0,934, BI3 mempunyai loading factor sebesar 0,902. Universitas Indonesia


84

Gambar 5. 15 Uji Validitas Konvergen BI

Skor AVE dan communality yang dihasilkan oleh variabel ini adalah sebesar 0,834152 dan 0,834152. Skor AVE sebesar 0,834152 lebih besar dari 0,5 dan skor communality sebesar 0,834152 lebih besar dari 0,5 sehingga variabel BI dinyatakan valid. 5.4.1.7 Uji Validitas Konvergen Use Behaviour (U) Variabel teramati atau indikator yang mengukur Use Behavior ada dua yaitu U1 dan U2. Semua indikator pada variabel/konstruk BI ini mempunyai loading factor>0,7. Hasil uji validitas dapat dilihat pada Gambar 5. 16, indikator U1 mempunyai nilai loading factor sebesar 0,911, U2 mempunyai nilai loading factor sebesar 0,861.

Gambar 5. 16 Uji Validitas Konvergen U

Skor AVE dan communality yang dihasilkan oleh variabel ini adalah sebesar 0,785825 dan 0,785825. Skor AVE sebesar 0,785825 lebih besar dari 0,5 dan skor communality sebesar 0,785825 lebih besar dari 0,5 sehingga variabel BI dinyatakan valid. 5.4.1.8 Rangkuman Uji Validitas Konvergen Hasil perhitungan seluruh uji validitas pada variabel laten dirangkum pada Tabel 5. 2 Universitas Indonesia


85

Tabel 5. 2 Rangkuman Uji Validitas parameter AVE dan Communality

Variabel Laten

AVE

Kesimpulan Uji

Communality

Validitas

BI

0,8342

0,8342

Valid

EE

0,7254

0,7254

Valid

FC

0,6173

0,6173

Valid

HT

0,7362

0,7362

Valid

PE

0,6333

0,6333

Valid

SI

0,6335

0,6335

Valid

U

0,7858

0,7858

Valid

Tabel 5. 3 Rangkuman Uji Validitas parameter Loading Factor

Loading Factor>0,7 PE1

0,877 EE1

0,884 SI1

0,759 HT2

0,816 BI1

0,904 U1

0,911

PE2

0,868 EE2

0,896 SI2

0,839 HT3

0,898 BI2

0,934 U2

0,861

PE3

0,713 EE3

0,857 SI3

0,756

PE4

0,71 EE4

BI3

0,902

0,763

Dari hasil uji validitas dengan parameter loading factor dari indikator yang skornya < 0,7 dihapuskan. Indikator awal pada penelitian ini adalah PE1, PE2, PE3, PE4, PE5, EE1, EE2, EE3, EE4, SI1, S12, SI3, SI4, HT1, HT2, HT3, BI1, BI2, BI3, UI1, UI2. Dari Indikator awal tersebut kemudian ada beberapa indikator yang dihapus karena mempunyai nilai loading factor<0,7 yaitu PE5, SI4, HT1. Indikator yang didapat pada akhirnya PE1, PE2, PE3, PE4, EE1, EE2, EE3, EE4, SI1, S12, SI3, HT2, HT3, BI1, BI2, BI3, UI1, UI2. Model penelitian setelah dilakukan uji validitas konvergen dapat dilihat pada Gambar 5. 17.



86

Gambar 5. 17 Model Setelah Uji Validitas

Uji validitas konvergen yang dilakukan pada model utuh menghasilkan beberapa variabel yang harus dihapuskan dari variabel latennya karena variabel tersebut tidak sesuai dengan syarat uji validitas konvergen. Indikator atau variabel teramati yang dihapuskan setelah uji validitas konvergen adalah PE5, SI4, HT1. Hasil dari uji validitas konvergen menunjukkan bahwa indikator untuk PE sebanyak 4 indikator, indikator untuk EE sebanyak 4 indikator, indikator untuk SI sebanyak 3 indikator, indikator untuk FC sebanyak 3 indikator, indikator untuk HT sebanyak 2 indikator, indikator untuk BI sebanyak 3 indikator, dan indikator untuk U sebanyak 2 indikator. 5.4.2

Uji Validitas Diskriminan

Metode yang digunakan untuk mengukur validitas diskriminan adalah dengan membandingkan akar AVE untuk setiap variabel dengan korelasi antara variabel Universitas Indonesia


87

dengan variabel lainnya dalam model. Nilai akar AVE lebih besar dari korelasi variabel laten lain maka variabel tersebut dikatakan valid. Tabel 5. 4 Nilai AVE dan Akar AVE

Variabel Laten

AVE

Akar AVE

BI

0,8342

0,913345

EE

0,7254

0,851704

FC

0,6173

0,785684

HT

0,7362

0,858021

PE

0,6333

0,795801

SI

0,6335

0,795927

U

0,7858

0,886454

Nilai-nilai dari akar AVE di atas dibandingkan dengan nilai korelasi antar variabel laten yang tertera pada Tabel 5. 5 Tabel 5. 5 Nilai Korelasi antar Variabel Laten

BI

EE

FC

HT

PE

SI

U

BI

1.0000

0

0

0

0

0

0

EE

0,5391

1.0000

0

0

0

0

0

FC

0,6068

0,5835

1.0000

0

0

0

0

HT

0,546

0,5131

0,5385

1.0000

0

0

0

PE

0.4692

0,5644

0,7123

0.4745

1.0000

0

0

SI

0.4554

0.3818

0,556

0,5006

0,5259

1.0000

0

U

0.4574

0.2822

0,5411

0.4739

0.425

0.4539 1.0000

Jika dilihat dari variabel BI dengan nilai variabel laten yang lain terlihat bahwa nilai akar AVE BI adalah 0,913345. Nilai akar AVE tersebut lebih besar dari nilai korelasi dengan variabel laten yang lain. Pada Tabel 5. 5 dapat dilihat nilai korelasi BI dengan EE 0,5391, sehingga dapat disimpulkan pada uji validitas diskriminan untuk variabel BI adalah valid. Demikian pula dapat dilihat pada Tabel 5. 5 untuk nilai akar AVE pada variabel EE, FC,HT, PE, SI, dan U semua Universitas Indonesia


88

skornya melebihi nilai korelasi dengan variabel laten lainnya sehingga dapat disimpulkan bahwa seluruh variabel adalah valid. 5.5

Uji Reliabilitas

Uji Reliabilitas dilakukan dengan menggunakan nilai Cronbach’s Alpha dan Composite Reliability. Uji reliabilitas merupakan pengujian data yang menyelidiki konsistensi internal data sedangkan uji validitas merupakan pengujian data yang menentukan apakah alat pengukuran atau instrument yang digunakan adalah tepat (Aji, 2013). Nilai Cronbach’s Alpha harus lebih dari 0,6 dan nilai Composite Reliability harus lebih dari 0,7. Tabel 5. 6 Uji Reliabilitas

Cronbach’s

Composite

Kesimpulan

Alpha

Reliability

Uji Reliabilitas

BI

0,9005

0,9378

Reliabel

EE

0,8732

0,9133

Reliabel

FC

0,6905

0,8284

Reliabel

HT

0,6472

0,8478

Reliabel

PE

0,8063

0,8724

Reliabel

SI

0,7035

0,837

Reliabel

U

0,7311

0,88

Reliabel

Dalam uji reliabilitas seperti yang ditunjukkan pada Tabel 5. 6 untuk variabel laten Performance Expectancy (PE) didapat nilai Cronbach’s Alpha sebesar 0,8063 yang artinya indikator-indikator dari variabel PE adalah reliabel karena nilai Cronbach’s Alpha untuk variabel PE melebihi 0,6. Untuk variabel/konstruk laten Effort Expectancy (EE) diperoleh nilai Cronbach’s Alpha sebesar 0,8732 angka ini melebihi batas 0,6, artinya indikator-indikator untuk variabel laten EE adalah reliabel. Variabel Social Influence (SI) nilai Cronbach’s Alpha lebih kecil dibandingkan dua konstruk yang telah dibahas yaitu sebesar 0,7035, tetapi variabel/konstruk ini reliabel karena nilai Cronbach’s Alphanya juga melebihi 0,6. Variabel Facilitating Condition (FC) memiliki nilai Cronbach’s Alpha sebesar 0, Universitas Indonesia


89

6905 sehingga konstruk ini dinyatakan reliabel. Selanjutnya variabel laten Habit nilainnya sebesar 0, 6472, indikator-indikator untuk variabel ini reliabel. Demikian pula dengan dua konstruk terakhir yaitu Behavioral Intention (BI) dan Use Behavior (U) masing-masing memiliki nilai Cronbach’s Alpha sebesar 0,9005 dan 0,7311, keduanya reliabel. Sedangkan jika diperhatikan nilai dari Composite Reliability, semua konstruk memiliki nilai lebih dari 0,7, yang artinya semuanya reliabel. Perbandingan nilai Cronbach’s Alpha dan nilai Composite Reliability dari tiap-tiap konstruk dapat dilihat pada Tabel 5. 6. 5.6 Uji Model Struktural (Inner Model) Uji model struktural menggunakan R2 untuk variabel independen. Dalam penelitian ini terdapat 2 variabel independen yaitu Behavioral Intention (BI) dan Use Behaviour (U). Tabel 5. 7 Nilai R2 pada Uji Struktural

R Square BI

0.4676

EE

0

FC

0

HT

0

PE

0

SI

0

U

0.3491

Pada Tabel 5. 7 dapat dilihat bahwa nilai R2 untuk BI adalah 0,4676 berarti variabel ini bisa dijelaskan oleh variabel Effort Expectancy (EE), Facilitating Condition (FC), Habit (HT), Social Influence (SI) dan Performance Expectation (PE) sebesar 47% sedangkan sisanya diukur oleh variabel lain diluar penelitian ini. Variabel independen U mempunyai nilai R2 adalah 0.3491 yang berarti variabel ini bisa di jelaskan oleh variabel Facilitating Condition (FC), Habit (HT), dan Behavioral Intention (BI) sebesar 35% sedangkan sisanya diukur oleh variabel lain diluar penelitian ini. Menurut Wynne W. Chin (1998) pada penelitian yang berjudul “The Partial Least Squares Approach to Structural Equation Modeling” Universitas Indonesia


90 dalam (Latan & Ghozali, 2013) nilai R2 untuk BI sebesar 0,4676 masuk dalam kategori moderate dan nilai R2 untuk U sebesar 0.3491 masuk kedalam kategori moderate. 5.7

Uji Hipotesis Berdasarkan Variabel Utama

Path Coefficient digunakan untuk menguji hipotesis dengan mengamati perbandingan antara nilai T-Table dan T-Statistic. Jika nilai T-Statistics lebih besar daripada T-Table maka hipotesis terdukung. Untuk tingkat keyakinan 95% (signifikansi level=5%) maka digunakan nilai T-Table sebagai acuan sebesar 1,96. Tabel 5. 8 Uji Hipotesis berdasarkan Variabel Utama

Original Sample

Standard

Standard

Sample

Mean

Deviation

Error

(O)

(M)

(STDEV)

(STERR)

T Statistics (|O/STERR|)

BI U

0.1288

0.1388

0.121

0.121

1.0641

EE  BI

0.2164

0.1934

0.0902

0.0902

2.3985

FC  BI

0.345

0.3396

0.1172

0.1172

2.9447

FC  U

0.3459

0.344

0.1027

0.1027

3.369

HT  BI

0.228

0.2366

0.112

0.112

2.0357

HT  U

0.2173

0.223

0.0968

0.0968

2.2447

PE  BI

-0.058

-0.034

0.0932

0.0932

0,6219

SI  BI

0.0974

0.0921

0.1106

0.1106

0,8803

Pada Tabel 5. 8 di atas terdapat relasi antara PEBI yang bernilai negatif (Hipotesis H1 ditolak Tabel 5. 9). Nilai negatif dalam relasi antar variabel laten berarti semakin tinggi nilai PE makan nilai BI akan semakin turun. Dalam penelitian ini berarti bahwa tingkat kepercayaan seseorang menggunakan sebuah sistem (PE) berbanding terbalik dengan niat seseorang menggunakan sebuah sistem (BI). Berikut akan ditampilkan dalam tabel rangkuman hasil uji hipotesis berdasarkan variabel utama.



91

Tabel 5. 9 Rangkuman Uji Hipotesis Variabel Utama

T Statistics (|O/STERR|) BI U EE  BI FC  BI FC  U HT  BI HT  U PE  BI SI  BI

Hipotesis

Hasil

1.0641

H8

Ditolak

2.3985

H2

Diterima

2.9447

H4

Diterima

3.369

H5

Diterima

2.0357

H6

Diterima

2.2447

H7

Diterima

0,6219

H1

Ditolak

0,8803

H3

Ditolak

Pada Tabel 5. 9 terdapat 5 hipotesis yang diterima yaitu H2, H4, H5, H6, dan H7. Nilai T-Statistic tertinggi terdapat pada hipotesis H5 dengan nilai T-statistic 3,369, kemudian menyusul hipotesis H4 dengan nilai T-Statistic 2,9447. Hipotesis H2 memyusul dengan nilai T-Statistic 2,3985. Dua hipotesis terakhir adalah H7 dan H6 dengan nilai T-Statistic adalah 2,2447 dan 2,0357. Dari hasil hipotesis variabel utama, terbentuklah model yang dihasilkan seperti pada Gambar 5. 18.

Gambar 5. 18 Model Akhir Berdasarkan Variabel Utama

Berdasarkan uji variabel utama tersebut menghasilkan model dengan lima variabel utama yaitu EE, FC, HT, BI, dan U. Relasi antara variabel laten tersebut Universitas Indonesia


92

adalah EE, FC, dan HT bersama-sama mempengaruhi BI dan FC, HT bersamasama mempengaruhi U. 5.8

Uji Efek Moderasi

Uji moderasi menunjukkan interaksi antara variabel moderator dengan variabel independen (prediktor) dalam mempengaruhi variabel dependen (Jogiyanto, 2011). Pengujian dengan efek moderasi ini menggunakan pendekatan (Baron & Kenny, 1986) dimana untuk menguji efek moderasi membutuhkan nilai signifikan dari pengaruh antara variabel independen terhadap dependen. Moderasi yang akan dilakukan menggunakan cara moderasi product indicator approach. Cara moderasi ini diterapkan karena variabel eksogen dan moderator berbentuk reflektif (Latan & Ghozali, 2013). Uji moderasi akan melihat nilai total effect yang dihasilkan, karena efek moderasi tidak hanya dilakukan efek langsung (direct effect) variabel independen ke variabel dependen, tetapi juga hubungan interaksi antara variabel independen dan variabel moderasi terhadap variabel dependen (indirect effect) (Jogiyanto, 2011). Uji efek moderasi ini menggunakan cara yang umum yang digunakan regresi linear berganda biasa yaitu Moderated Regression Analysis (MRA) dengan memasukkan variabel ketiga berupa perkalian antara dua variabel independen (eksogen) sebagai variabel moderating. Hal ini sebenarnya dapat menimbulkan kesalahan pengukuran dari koefisien estimasi MRA. Solusi yang diberikan SEM adalah dengan memasukkan pengaruh interaksi tersebut ke dalam model. 5.8.1

Uji Efek Moderasi Usia (Age)

Berikut akan ditampilkan uji efek moderasi usia dalam penelitian ini ada lima uji moderasi usia yang akan dilakukan yaitu moderasi usia pada pengaruh Effort Expectancyterhadap Behavioral Intention, moderasi usia pada pengaruh Facilitating Condition terhadap Behavioral Intention, moderasi usia pengaruh Facilitating Condition terharap Use Behaviour, moderasi usia pengaruh Habit



93

terhadap Behavioral Intention, moderasi usia pengaruh Habit terhadap Use Behaviour. 5.8.1.1 Moderasi Usia Pengaruh Effort Expectancy terhadap Behavioral Intention

Gambar 5. 19 Model Pengujian Moderasi Usia terhadap EE dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel EE dengan variabel moderasi usia (age) terhadap variabel BI seperti terlihat pada Error! Reference source not found.. Tabel 5. 10 Total Effects Moderasi EE*AgeBI

T Statistics (|O/STERR|) AGE  BI EE  BI EE * AGE  BI FC  BI FC  U

0.316353 1.28268 0.429717 2.777478 4.462517 Universitas Indonesia


94

T Statistics (|O/STERR|) HT  BI HT  U

2.126011 2.943716

Berdasarkan tabel total effect pada pengujian efek moderasi usia yang dilakukan pada hubungan effort expectancy dan behavioral intention diperoleh nilai Tstatistic variabel moderasi < 1.96 yaitu sebesar 0.429717. Jadi, dapat disimpulkan bahwa perbedaan tingkat usia tidak berpengaruh dalam hubungan antara effort expectancy dan behavioral intention. 5.8.1.2 Moderasi Usia Pengaruh Facilitating Condition terhadap Behavioral Intention

Gambar 5. 20 Model Pengujian Moderasi Usia terhadap FC dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel FC dengan variabel moderasi usia (age) terhadap variabel BI seperti terlihat pada Gambar 5. 20. Universitas Indonesia


95

Tabel 5. 11 Total Effects Moderasi FC*AgeBI

AGE -> BI EE -> BI FC -> BI FC -> U FC * AGE -> BI HT -> BI HT -> U

T Statistics (|O/STERR|) 0.599484 2.131918 2.217966 4.01135 0.700548 2.497923 2.586917

Berdasarkan tabel total effect pada pengujian efek moderasi usia yang dilakukan pada hubungan facilitating condition dan behavioral intention diperoleh nilai Tstatistic variabel moderasi < 1.96 yaitu sebesar 0,700548. Jadi, dapat disimpulkan bahwa perbedaan tingkat usia tidak berpengaruh dalam hubungan antara facilitating condition dan behavioral intention. 5.8.1.3 Moderasi Usia Pengaruh Habit terhadap Behavioral Intention

Gambar 5. 21 Model Pengujian Moderasi Usia terhadap HT dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel HT dengan variabel moderasi usia terhadap variabel BI seperti terlihat pada Gambar 5. 21. Universitas Indonesia


96

Tabel 5. 12 Total Effects Moderasi HT*AgeBI

AGE  BI EE  BI FC  BI FC  U HT  BI HT  U HT * AGE  BI


Berdasarkan tabel total effect pada pengujian efek moderasi usia yang dilakukan pada hubungan habit dan behavioral intention diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0,589490. Jadi, dapat disimpulkan bahwa perbedaan tingkat usia tidak berpengaruh dalam hubungan antara habit dan behavioral intention. 5.8.1.4 Moderasi Usia Pengaruh Facilitating Condition terhadap Uee Behavior Tabel 5. 13 Total Effects Moderasi FC*AgeU

AGE  U EE BI FC BI FC U FC * AGE  U HT  BI HT U


Berdasarkan tabel total effect pada pengujian efek moderasi usia yang dilakukan pada hubungan facilitating condition dan use behavior diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0,962769.



97

Gambar 5. 22 Model Pengujian Moderasi Usia terhadap FC dan U

Model pengujian memasukkan pengaruh interaksi antara variabel HT dengan variabel moderasi age (usia) terhadap variabel BI seperti terlihat pada Gambar 5. 22. Jadi, dapat disimpulkan bahwa perbedaan tingkat usia tidak berpengaruh dalam hubungan antara facilitating condition dan use behavior. 5.8.1.5 Moderasi Usia Pengaruh Habit terhadap Use Behavior Tabel 5. 14 Total Effects Moderasi HT*AgeU

AGE  U EE  BI FC  BI FC  U HT  BI HT  U HT * AGE  U


Berdasarkan tabel total effect pada pengujian efek moderasi usia yang dilakukan pada hubungan habit dan use behavior diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0,838783. Universitas Indonesia


98

Gambar 5. 23 Model Pengujian Moderasi Usia terhadap HT dan U

Model pengujian memasukkan pengaruh interaksi antara variabel HT dengan variabel moderasi usia (age) terhadap variabel BI seperti terlihat pada Gambar 5. 23. Jadi, dapat disimpulkan bahwa perbedaan tingkat usia tidak berpengaruh dalam hubungan antara habit dan use behavior. 5.8.2

Uji Efek Moderasi Jenis Kelamin (Gender)

Berikut akan ditampilkan uji efek moderasi jenis kelamin dalam penelitian ini ada lima moderasi jenis kelamin yang akan dilakukan yaitu moderasi jenis kelamin pada pengaruh Effort Expectancy terhadap Behavioral Intention, moderasi jenis kelamin pada pengaruh Facilitating Condition terhadap Behavioral Intention, moderasi jenis kelamin pengaruh Habit terhadap Behavioral Intention, moderasi jenis kelamin pengaruh Habit terhadap Use Behaviour. Efek moderasi untuk jenis kelamin juga tetap menggunakan konsep (Baron & Kenny, 1986) dimana uji moderasi akan dilakukan jika hubungan langsung antara variabel independen dan dependen adalah signifikan. Uji moderasi jenis kelamin kali ini hanya menguji efek moderasi antara variabel laten sebanyak empat kali moderasi, hal ini disesuaikan dengan model moderasi UTAUT2.



99

5.8.2.1 Moderasi Jenis Kelamin Pengaruh Effort Expectancy terhadap Behavioral Intention

Gambar 5. 24 Model Pengujian Moderasi Jenis Kelamin terhadap EE dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel EE dengan variabel moderasi jenis kelamin (gender) terhadap variabel BI seperti terlihat pada Gambar 5. 24. Tabel 5. 15 Total Effects Moderasi EE*GenderBI

T Statistics (|O/STERR|) EE - BI EE * GENDER  BI FC  BI FC U GENDER  BI HT  BI HT  U

1.060294 0.111818 2.910978 4.52155 0.046642 2.417316 2.81698

Berdasarkan tabel total effect pada pengujian efek moderasi jenis kelamin yang dilakukan pada hubungan effort exepectancy dan behavioral intention diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0.111818. Jadi, dapat



100

disimpulkan bahwa perbedaan tingkat jenis kelamin tidak berpengaruh dalam hubungan antara effort expectancy dan behavioral intention. 5.8.2.2 Moderasi Jenis Kelamin Pengaruh Facilitating Condition terhadap Behavioral Intention

Gambar 5. 25 Model Pengujian Moderasi Jenis Kelamin terhadap FC dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel FC dengan variabel moderasi jenis kelamin (gender) terhadap variabel BI seperti terlihat pada Gambar 5. 25. Tabel 5. 16 Total Effects Moderasi FC*GenderBI

T Statistics (|O/STERR|) EE -> BI FC -> BI FC -> U FC * GENDER -> BI GENDER -> BI HT -> BI HT -> U

2.351349 1.628819 4.278725 0.016767 0.0661 2.307807 2.737788

Berdasarkan tabel total effect pada pengujian efek moderasi jenis kelamin yang dilakukan pada hubungan facilitating condition dan behavioral Intention Universitas Indonesia


101

diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0.016767. Jadi, dapat disimpulkan bahwa perbedaan tingkat jenis kelamin tidak berpengaruh dalam hubungan antara facilitating condition dan behavioral intention. 5.8.2.3 Moderasi Jenis Kelamin Pengaruh Habit terhadap Behavioral Intention

Gambar 5. 26 Model Pengujian Moderasi Jenis Kelamin terhadap HT dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel HT dengan variabel moderasi jenis kelamin (gender) terhadap variabel BI seperti terlihat pada Gambar 5. 26. Tabel 5. 17 Total Effects Moderasi HT*GenderBI

T Statistics (|O/STERR|) EE -> BI FC -> BI FC -> U GENDER -> BI HT -> BI HT -> U HT * GENDER -> BI

2.07716 3.476753 4.68969 1.663644 0.3359 2.971453 1.61983

Berdasarkan tabel total effect pada pengujian efek moderasi jenis kelamin yang dilakukan pada hubungan habit dan behavioral Intention diperoleh nilai TUniversitas Indonesia


102

statistic variabel moderasi < 1.96 yaitu sebesar 1.619830. Jadi, dapat disimpulkan bahwa perbedaan tingkat jenis kelamin tidak berpengaruh dalam hubungan antara habit dan behavioral intention. 5.8.2.4 Moderasi Jenis Kelamin Pengaruh Habit terhadap Use Behaviour

Gambar 5. 27 Model Pengujian Moderasi Jenis Kelamin terhadap HT dan U

Model pengujian memasukkan pengaruh interaksi antara variabel HT dengan variabel moderasi jenis kelamin (gender) terhadap variabel U seperti terlihat pada Gambar 5. 27. Tabel 5. 18 Total Effects Moderasi HT*GenderU

T Statistics (|O/STERR|) EE -> BI

2.282099

FC -> BI FC -> U GENDER -> U HT -> BI HT -> U HT * GENDER -> U

3.320165 4.646425 0.46421 2.400197 0.577139 0.406874 Universitas Indonesia


103

Berdasarkan tabel total effect pada pengujian efek moderasi jenis kelamin yang dilakukan pada hubungan Habit dan use behavior diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0.406874. Jadi, dapat disimpulkan bahwa perbedaan tingkat jenis kelamin tidak berpengaruh dalam hubungan antara habit dan use behavior. 5.8.3

Uji Efek Moderasi Pengalaman Kerja (Experience)

Berikut akan ditamplkan uji efek moderasi pengalaman kerja dalam penelitian ini ada lima moderasi jenis kelamin yang akan dilakukan yaitu moderasi jenis kelamin pada pengaruh Effort Expectancy terhadap Behavioral Intention, moderasi pengalaman pada pengaruh Facilitating Condition terhadap Behavioral Intention, moderasi pengalaman pengaruh Facilitating Condition terharap Use Behaviour, moderasi pengalaman pengaruh Habit terhadap Behavioral Intention, moderasi pengalaman pengaruh Habit terhadap Use Behaviour. Efek moderasi untuk pengalaman kerja juga tetap menggunakan konsep (Baron & Kenny, 1986) dimana uji moderasi akan dilakukan jika hubungan langsung antara variabel independen dan dependen adalah signifikan. Uji moderasi jenis kelamin kali ini hanya menguji efek moderasi antara variabel laten sebanyak lima kali moderasi, hal ini disesuaikan dengan model moderasi UTAUT2. 5.8.3.1 Moderasi Pengalaman Kerja Pengaruh Effort Expectancy terhadap Behavioral Intention Tabel 5. 19 Total Effects Moderasi EE*ExperienceBI

T Statistics (|O/STERR|) EE -> BI EE * EXPERIENCE -> BI EXPERIENCE -> BI FC -> BI FC -> U HT -> BI

0.220887 0.548082 0.355812 3.483877 4.207002 2.341287 Universitas Indonesia


104

T Statistics (|O/STERR|) HT -> U

2.862184

Berdasarkan tabel total effect pada pengujian efek moderasi pengalaman yang dilakukan pada hubungan effort expectancy dan behavioral Intention diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0,548082.

Gambar 5. 28 Model Pengujian Moderasi Pengalaman terhadap EE dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel EE dengan variabel moderasi pengalaman kerja (experience) terhadap variabel BI seperti terlihat pada Gambar 5.28. Jadi, dapat disimpulkan bahwa perbedaan tingkat pengalaman tidak berpengaruh dalam hubungan antara effort expectancy dan behavioral intention.



105

5.8.3.2 Moderasi Pengalaman Pengaruh Facilitating Condition terhadap Behavioral Intention

Gambar 5. 29 Model Pengujian Moderasi Pengalaman terhadap FC dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel EE dengan variabel moderasi pengalaman kerja (experience) terhadap variabel BI seperti terlihat pada Gambar 5. 29. Tabel 5. 20 Total Effects Moderasi FC*ExperienceBI

T Statistics (|O/STERR|) EE -> BI EXPERIENCE -> BI FC -> BI FC -> U FC * EXPERIENCE -> BI HT -> BI HT -> U

1.733271 0.201102 1.533072 4.598099 0.377605 2.036237 2.790608

Berdasarkan tabel total effect pada pengujian efek moderasi pengalaman yang dilakukan pada hubungan facilitating condition dan behavioral intention diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0.377605. Jadi, dapat Universitas Indonesia


106

disimpulkan bahwa perbedaan tingkat pengalaman tidak berpengaruh dalam hubungan antara facilitating condition dan behavioral intention. 5.8.3.3 Moderasi

Pengalaman

Pengaruh

Habit

terhadap

Behavioral

Intention

Gambar 5. 30 Model Pengujian Moderasi Pengalaman terhadap HT dan BI

Model pengujian memasukkan pengaruh interaksi antara variabel EE dengan variabel moderasi pengalaman kerja (experience) terhadap variabel BI seperti terlihat pada Gambar 5. 30. Tabel 5. 21 Total Effects Moderasi HT*ExperienceBI

T Statistics (|O/STERR|) EE -> BI EXPERIENCE -> BI FC -> BI FC -> U HT -> BI HT -> U HT * EXPERIENCE -> BI

1.560857 0.987278 3.394503 4.672132 0.052372 3.208926 1.160814



107

Berdasarkan tabel total effect pada pengujian efek moderasi pengalaman yang dilakukan pada hubungan habit dan behavioral intention diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 1.160814. Jadi, dapat disimpulkan bahwa perbedaan tingkat pengalaman tidak berpengaruh dalam hubungan antara habit dan behavioral intention. 5.8.3.4 Moderasi Pengalaman Pengaruh Facilitating Condition terhadap Use Behaviour

Gambar 5. 31 Model Pengujian Moderasi Pengalaman terhadap FC dan U

Model pengujian memasukkan pengaruh interaksi antara variabel FC dengan variabel moderasi pengalaman kerja (experience) terhadap variabel U seperti terlihat pada Gambar 5. 31. Tabel 5. 22 Total Effects Moderasi FC*ExperienceU

T Statistics (|O/STERR|) EE -> BI EXPERIENCE -> U FC -> BI

2.346508 1.461617 3.496692 Universitas Indonesia


108

T Statistics (|O/STERR|) FC -> U FC * EXPERIENCE -> U HT -> BI HT -> U

0.343449 1.308044 2.640533 2.512911

Berdasarkan tabel total effect pada pengujian efek moderasi pengalaman yang dilakukan pada hubungan facilitating condition dan use behavior diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 1.308044. Jadi, dapat disimpulkan bahwa perbedaan tingkat pengalaman tidak berpengaruh dalam hubungan antara facilitating condition dan use behavior 5.8.3.5 Moderasi Pengalaman Pengaruh Habit terhadap Use Behaviour

Gambar 5. 32 Model Pengujian Moderasi Pengalaman terhadap HT dan U

Model pengujian memasukkan pengaruh interaksi antara variabel HT dengan variabel moderasi pengalaman kerja (experience) terhadap variabel U seperti terlihat pada Gambar 5. 32.



109

Tabel 5. 23 Total Effects Moderasi HT*ExperienceU

T Statistics (|O/STERR|) EE -> BI EXPERIENCE -> U FC -> BI FC -> U HT -> BI HT -> U HT * EXPERIENCE -> U

2.405882 0.862814 3.398721 4.429625 2.647336 0.47731 0.76154

Berdasarkan tabel total effect pada pengujian efek moderasi pengalaman yang dilakukan pada hubungan habit dan use behavior diperoleh nilai T-statistic variabel moderasi < 1.96 yaitu sebesar 0,761540. Nilai T-statistics yang dihasilkan dari pengujian ini kurang dari 1,96 maka dapat disimpulkan bahwa perbedaan tingkat pengalaman tidak berpengaruh dalam hubungan antara habit dan use behavior Rangkuman Uji Efek Moderasi

5.8.4

Hasil dari uji hipotesis berdasarkan variabel utama telah didapatkan model seperti yang telah ditunjukan pada Gambar 5. 18. Uji moderasi yang dilakukan dengan melihat nilai yang signifikan antara variabel independen terhadap dependen sehingga didapatkan hasil hipotesis untuk uji efek moderasi setelah didapatkan model akhir berdasarkan uji hipotesis variabel utama karena variabel utama ditolak sehingga tidak dilakukan pengujian terhadap efek moderasinya. Tabel 5. 24 Rangkuman Hipotesis Efek Moderasi Awal

No. Kode 1

H1a

Hipotesis

Hasil

Pengaruh Performance Expectancy Ditolak terhadap

Behavioral

Intention

dimoderatori oleh jenis kelamin pengguna 2

H1b

Pengaruh Performance Expectancy Ditolak terhadap

Behavioral

Intention Universitas Indonesia


110

No. Kode

Hipotesis

Hasil

dimoderatori oleh usia pengguna 3

H3a

Pengaruh Social Influence terhadap Ditolak Behavioral Intention dimoderatori oleh jenis kelamin pengguna

4

H3b

Pengaruh Social Influence terhadap Ditolak Behavioral Intention dimoderatori oleh usia pengguna

5

H3c

Pengaruh Social Influence terhadap Ditolak Behavioral Intention dimoderatori oleh pengalaman kerja pengguna

6

H8a

Pengaruh

Behavioral

Intention Ditolak

terhadap Use Behavior dimoderatori oleh pengalaman kerja pengguna Uji moderasi di atas tidak dilakukan dan sudah dipastikan ditolak karena pengujian efek moderasi menggunakan konsep (Baron & Kenny, 1986), sehingga variabel utama yang ditolak juga membuat variabel moderasi yang berinteraksi dengan variabel utama tersebut tidak dilakukan. Setelah didapatkan model akhir kemudian dilakukan uji efek moderasi terhadap variabel-variabel yang memiliki nilai signifikan yaitu Effort Expectancy (EE), Facilitating Condition (FC), dan Habit (HT) terhadap Behavioral Intention (BI) dan Facilitating Condition (FC) dan Habit (HT) terhadap Use Behavior (U). Dari hasil pengujian efek moderasi yang sudah dilakukan pada subbab sebelumnya didapatkan hasil hipotesis seperti berikut ini. Tabel 5. 25 Rangkuman Hipotesis Efek Moderasi

No. Kode 1

H2a

Hipotesis

Hasil

Pengaruh Effort Expectancy terhadap Ditolak Behavioral Intention dimoderatori oleh jenis kelamin pengguna Universitas Indonesia


111

No. Kode 2

H2b

Hipotesis

Hasil

Pengaruh Effort Expectancy terhadap Ditolak Behavioral Intention dimoderatori oleh usia pengguna

3

H2c

Pengaruh Effort Expectancy terhadap Ditolak Behavioral Intention dimoderatori oleh pengalaman kerja pengguna

4

H4a

Pengaruh

Facilitating

terhadap

Behavioral

dimoderatori

oleh

Condition Ditolak Intention

jenis

kelamin

pengguna 5

H4b

Pengaruh

Facilitating

terhadap

Behavioral


dimoderatori oleh usia pengguna 6

H4c

Pengaruh

Facilitating

terhadap

Behavioral


dimoderatori oleh pengalaman kerja pengguna 7

H5a

Pengaruh

Facilitating

Condition Ditolak

terhadap Use Behavior dimoderatori oleh usia pengguna 8

H5b

Pengaruh

Facilitating

Condition Ditolak

terhadap Use Behavior dimoderatori oleh pengalaman kerja pengguna 9

H6a

Pengaruh Habit terhadap Behavioral Ditolak Intention

dimoderatori

oleh

jenis

kelamin pengguna 10

H6b

Pengaruh Habit terhadap Behavioral Ditolak Intention

dimoderatori

oleh

usia

pengguna 11

H6c

Pengaruh Habit terhadap Behavioral Ditolak Universitas Indonesia


112

No. Kode

Hipotesis

Hasil

Intention dimoderatori oleh pengalaman kerja pengguna 12

H7a

Pengaruh Habit terhadap Use Behavior Ditolak dimoderatori

oleh

jenis

kelamin

pengguna 13

H7b

Pengaruh Habit terhadap Use Behavior Ditolak dimoderatori oleh usia pengguna

14

H7c

Pengaruh Habit terhadap Use Behavior Ditolak dimoderatori oleh pengalaman kerja pengguna

Hasil uji efek moderasi di atas didapatkan hasil hipotesis ditolak karena pada saat pengujian dengan total effect didapatkan nilai yang kurang dari 1,96 (tingkat kepercayaan 95%). 5.9 Pembahasan Hasil Penelitian Hasil pengujian yang dilakukan pada variabel utama menunjukkan bahwa hipotesis yang diterima adalah hipotesis H2 yaitu Effort Expectancy (EE) mempengaruhi Behavioral Intention (BI), hipotesis H4 yaitu Facilitating Condition (FC) mempengaruhi Behavioral Intention (BI), hipotesis H6 yaitu Habit (HT) mempengaruhi Behavioral Intention (BI), hipotesis H5 yaitu Facilitating Condition (FC) mempengaruhi Use Behavior (U), hipotesis H7 yaitu Habit (HT) mempengaruhi Use Behavior (U). Hasil pengujian memang menunjukkan bahwa niat perilaku tidak mempengaruhi penggunaan Sistem Confins dengan ditolaknya hipotesis H8 yaitu Behavioral Intention (BI) mempengaruhi Use Behavior (U). Hal ini dikarenakan sistem mandatory setting dalam Confins yang bisa dikatakan memaksa para pengguna untuk menggunakan sistem tersebut baik dengan niat ingin menggunakan atau tidak. Seperti pada wawancara yang sudah dilakukan, ada pengguna yang memang menolak implementasi Sistem Confins bahkan pada awal-awal Universitas Indonesia


113

implementasi ada cabang yang masih bersikeras menggunakan eMF, namun niatan pengguna yang tidak ingin menggunakan Sistem Confins ini tidak berdampak pada penggunaan Sistem Confins tersebut karena penggunaan sistem ini bukan berdasarkan keinginan pengguna semata namun berdasarkan pada keputusan manajemen SAF. Hal-hal yang mempengaruhi penerimaan penggunaan sistem Confins dipengaruhi oleh beberapa kondisi yaitu kemudahan mempelajari sistem Confins, kemudahan untuk mengoperasikan dan menggunakan sistem Confins, kemudahan Sistem Confins untuk dimengerti, dan juga kemudahan untuk menjadi ahli menggunakan sistem Confins. Kemudahan-kemudahan yang ditawarkan oleh Sistem Confins menjadi pengaruh tersendiri bagi pengguna untuk menggunakan sistem tersebut. Selain itu yang mempengaruhi penerimaan pengguna baik itu niat penggunaan dan menggunakan Sistem Confins adalah kondisi fasilitas penggunaan Sistem Confins ini. Fasilitas tersebut misalnya dukungan perusahaan terhadap penggunaan sistem seperti menambah koneksi internet ke cabang sehingga lebih cepat dalam mengakses Sistem Confins, atau mungkin Sistem Confins ini dirasa oleh pengguna cocok dan selaras dengan pekerjaannya, dan juga dukungan dari rekan kerja atau divisi lain yang membantu pengguna jika mengalami kesulitan menggunakan Sistem Confins. Adanya kebiasaan menggunakan Sistem Confins juga menjadi pengaruh niat penggunaan dan menggunakan sistem Confins. Seperti misalnya keterbiasaan sehari-hari

menggunakan

Confins

juga

mempengaruhi

niat

pengguna

menggunakan suatu sistem, serta keharusan menggunakan sistem Confins juga menjadi pengaruh niat pengunaan dan menggunakan sistem Confins. Dalam pengujian efek moderasi, dengan tingkat kepercayaan 95% (signifikansi level = 5%) semua hipotesis tidak diterima karena semua nilai T-Statistics hasil uji efek moderasi menggunakan perangkat lunak SmartPLS kurang dari 1,96. Sehingga efek moderasi tidak memiliki pengaruh terhadap model utama penelitian. Hasil pengujian akhir didapatkan model penelitian sebagai berikut Universitas Indonesia


114

Gambar 5. 33 Model Akhir Hasil Penelitian

Model akhir penelitian yang dihasilkan setelah uji efek moderasi tetap sama dengan hasil model akhir penelitian uji hipotesis berdasarkan konstruk utama yaitu diterimanya hipotesis H2, H4, H5, H6, dan H7. 5.9.1

Implikasi Penelitian pada Sistem Confins

Penelitian ini dilakukan untuk mengetahui faktor-faktor yang mempengaruhi penerimaan pengguna terhadap sistem Confins karena belum pernah sama sekali dilakukan evaluasi terhadap penerimaan sebuah sistem di SAF. Hasil penelitian yang menunjukkan bahwa salah satu faktor yang mempengaruhi penerimaan pengguna Sistem Confins adalah Effort Expectancy. Effort Expectancy seperti yang telah dijelaskan pada bab sebelumnya adalah mengenai tingkatan kemudahan seseorang menggunakan sebuah sistem. Jadi dapat disimpulkan bahwa jika Sistem Confins ini mudah digunakan, dapat dipelajari dengan mudah, kemudahan untuk dimengerti, dan mudah untuk menjadi ahli dalam sistem menjadi alasan sistem ini dapat diterima oleh pengguna. Adapun faktor lain yang mempengaruhi penerimaan pengguna terhadap Sistem Confins adalah Facilitating Condition. Implikasinya dengan penerimaan Sistem Confins adalah adanya keselarasan dan kecocokan antara sistem Confins dengan pekerjaan yang dilakukan oleh pengguna. Dalam artinya jika sistem Confins ini Universitas Indonesia


115

mendukung setiap pekerjaan yang dilakukan pengguna maka sistem ini dapat diterima oleh pengguna. Selain itu faktor Habit (HT) juga mempengaruhi penerimaan pengguna terhadap Sistem Confins. Habit (HT) disini menjelaskan bagaimana kebiasaan seseorang menggunakan teknologi menjadi penunjang untuk menggunakan teknologi lain. Terbiasanya seorang pengguna menggunakan Sistem Confins dan keharuskan menggunakan Sistem Confins menjadi pendukung sistem ini bisa diterima oleh pengguna. 5.9.2

Implikasi Penelitian pada Manajemen SAF

Berdasarkan hasil penelitian ini terdapat dua faktor yang mempengaruhi penerimaan pengguna terhadap Sistem Confins yang memiliki implikasi pada pihak manajemen yaitu Facilitating Condition.

Dalam hal ini memang

perusahaan mendukung sepenuhnya penggunaan Sistem Confins seperti keputusan bahwa menggunakan Sistem Confins adalah keharusan, memperbaiki bandwidth internet setiap cabang yang sudah menggunakan Sistem Confins juga merupakan bentuk dukungan perusahaan dalam menggunakan Sistem Confins juga adanya penambahan dan penggantian komputer yang sudah tidak layak pakai juga menjadi pendukung sistem Confins ini bisa diterima oleh pengguna. Selain itu juga adanya mandat atau perintah dari manajemen yang mengharuskan divisi ICT untuk membantu mendukung cabang yang kesulitan menggunakan sistem juga menjadi pendukung sistem ini bisa diterima dengan baik. Adanya kebijakan bahwa diperlukan branch operation untuk tiap cabang juga merupakan langkah yang baik yang diambil manajemen SAF untuk membantu pengguna dalam menggunakan Sistem Confins karena jabatan branch operation ini mempunyai hampir semua modul di Sistem Confins sehingga bisa membantu rekan-rekan yang lain yang mengalami kesulitan

dan juga jabatan branch

operation ini memegang kendali terhadap modul-modul penting Sistem Confins.



116

5.9.3

Implikasi Penelitian pada Penelitian Selanjutnya

Penelitian kali ini menggunakan model UTAUT2 yang hanya menggunakan variabel Habit sebagai variabel utama sehingga diharapkan pada penelitianpenelitian selanjutnya bisa menggunakan variabel UTAUT2 lain seperti Hedonic Motivation dan Price Value. Selain itu juga penelitian ini menggunakan SEM berbasis varian yang hanya digunakan untuk memprediksi model karena keterbatasan pada jumlah responden yang diterima. Diharapkan pada penelitian selanjutnya dengan jumlah responden yang cukup seperti yang dikemukakan (Bentler & Chou, 1987) sebanyak lima kali jumlah parameter yang diuji atau (Byrne, 2010) penelitian SEM dengan jumlah responden minimal 100 diharapkan bisa dilakukan sehingga mendapatkan hasil penelitian SEM yang berbasis kovarian.



117

BAB 6 KESIMPULAN DAN SARAN

Bab ini membahas kesimpulan dari hasil penelitian yang telah dilakukan. Dari

identifikasi masalah yang telah disebutkan pada subbab 1.2.2 didapatkan beberapa masalah yang ada di SAF semenjak implementasi Sistem Confins. Namun pada penelitian ini tidak semua permasalahan dicari penyelesaiannya, hanya permasalahan yang berkaitan dengan faktor-faktor yang mempengaruhi tingkat penerimaan pengguna saja yang dibahas dan diteliti lebih lanjut seperti yang dituangkan dalam pertanyaan penelitian yang disebutkan pada subbab 1.2.4 serta saran yang berisi rekomendasi untuk manajemen SAF dan usulan untuk penelitian selanjutnya.

6.1 Kesimpulan Penelitian

ini

menyimpulkan

bahwa

faktor-faktor

yang

mempengaruhi

penerimaan Sistem Confins oleh para pengguna seperti yang telah dijelaskan pada pembahasan penelitian pada subbab 5.9 yaitu 

Effort Expectancy yaitu tingkatan kemudahan seseorang menggunakan sebuah sistem. Faktor ini meliputi Sistem Confins ini mudah digunakan,

dapat dipelajari dengan mudah, kemudahan untuk dimengerti, dan mudah untuk menjadi ahli dalam sistem menjadi alasan sistem ini dapat diterima oleh pengguna. 

Facilitating Condition yaitu sebagai sejauh mana seorang individu percaya bahwa infrastruktur organisasi dan teknis hadir untuk mendukung penggunaan sistem. Faktor ini meliputi dukungan perusahaan terhadap penggunaan sistem seperti menambah koneksi internet ke cabang sehingga lebih cepat dalam mengakses Sistem Confins, atau mungkin Sistem Confins ini dirasa oleh pengguna cocok dan selaras dengan pekerjaannya, dan juga dukungan dari rekan kerja atau divisi lain yang membantu pengguna jika mengalami kesulitan menggunakan Sistem Confins.



118 

Habit yaitu tingkatan kebiasaan orang dalam menggunakan teknologi menjadi penentu penggunaan teknologi yang lain. Faktor ini meliputi keterbiasaan sehari-hari menggunakan Confins juga mempengaruhi niat pengguna menggunakan suatu sistem, serta keharusan menggunakan sistem Confins juga menjadi pengaruh niat pengunaan dan menggunakan sistem Confins.

6.2

Saran

Subbab ini akan memaparkan beberapa saran ditujukan kepada pihak manajemen SAF untuk peningkatan dan optimalisasi Sistem Confins, kemudian saran untuk penelitian selanjutnya

6.2.1

Saran Untuk Manajemen SAF

Berdasarkan temuan faktor-faktor yang berpengaruh pada model penerimaan, beberapa rekomendasi yang dapat dipertimbangkan oleh manajemen SAF adalah sebagai berikut: 

Untuk

modul-modul

berikutnya

yang

akan

ditambahkan

dan

diimplementasikan ke dalam Sistem Confins diharapkan mempunyai kemudahan dalam penggunaan dan kemudahan untuk dipelajari dengan interface yang user friendly. 

Pada saat ini proyek yang sedang dikerjakan oleh manajemen SAF adalah portal aplikasi SAF dan call center, diharapkan dengan proyek ini dapat dibuat dengan interface yang user friendly sehingga menambah tingkat penerimaan pengguna terhadap sistem yang ada di SAF sendiri.



Manajemen yang dalam hal ini diwakili oleh pihak ICT diharapkan tetap memberi dukungan terhadap penggunaan Sistem Confins seperti terus memantau kondisi jaringan Sistem Confins dan menjaga agar setiap pengguna bisa dengan lancar menggunakan Sistem Confins tanpa mengalami hambatan permasalahan di jaringan.



119 

Perbedaan SOP antara Sistem eMF dan Sistem Confins diharapkan bisa segera terselesaikan sehingga tidak menimbulkan kesulitan cabang untuk menggunakan Sistem Confins.



Pembuatan manual book online agar user bisa yang mengalami kendala mengenai penggunaan Sistem Confins bisa langsung melihat pada manual book yang telah di publikasikan secara online.



Meningkatkan jumlah dan kualitas tim helpdesk pada divisi IT support untuk menampung keluh kesah pengguna terhadap kekurangan Sistem Confins yang sulit diperbaiki karena tidak ada source codenya.



Role menu dalam Confins diharapkan bisa sesegera diatur, sehingga jelas dalam role menu siapa saja pengguna yang berhak untuk mengakses agar cabang tidak mengalami kesulitan untuk mengetahui siapa yang seharusnya menjalankan menu-menu tertentu di Confins.

6.2.2

Saran Untuk Penelitian Selanjutnya

Beberapa saran yang dapat digunakan untuk penelitian selanjutnya adalah: 

Menggunakan seluruh variabel dalam UTAUT2 dengan obyek penelitian bersifat komersial.



Penelitian selanjutnya diharapkan bisa menggunakan SEM berbasis kovarian dengan jumlah responden yang sesuai dengan syarat penelitian SEM berbasis kovarian.



120

DAFTAR PUSTAKA

Abdurahmat, F. (2003). Organisasi dan Manajemen Sumber Daya Manusia. Jakarta: Rikneka Cipta. Advance Innovation. (2013). Retrieved September 9, 2013, from http://www.adins.com/portfolio.asp?PID=2&vID=6 Aji, H. (2013). Kajian Penerimaan Aplikasi Pendapatan Ditjen PAUDNI dengan Pendekatan Unified Theory Of Acceptance Use of Technology 2 (UTAUT2). Jakarta: MTI UI. Alshehri, M., Drew, S., & AlGhamdi, R. (2012). Analysis Of Citizens' Acceptance For E-Goverment Services : Applying The UTAUT Model. Presented to IADIS International Conferences Theory and Practice in Modern Computing and Internet Applications and Research . Baron, R. M., & Kenny, D. A. (1986). The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. Journal of Personality and Social Psychology , 11731182. Bentler, P., & Chou, C.-P. (1987). Practical Issues in Structural Modeling. Sociological Methods Research , 16-78. Byrne, B. M. (2010). Structural Equation Modeling with AMOS : Basic Concept, Applications, and Programming (Second Edition ed.). New York: Routledge. Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic and Intrinsic Motivation to Use Computers. Journal of Applied Social Psychology (22:14) , 1111-1132. Davis, F. (1989). Perceived Usefulness, Perceived Ease of Use, and Acceptance of Information System Technology. MIS Quarterly. Vol.13, No. 3 , 319-339. Universitas Indonesia


121

Fishbein, M., & Ajzen, I. (1975). Belief, Attitude,Intentions and Behavior: An Introduction to Theory and Research. Boston: Addison-Wesely. Hidayat. (1986). Teori Efektifitas Dalam Kinerja Karyawan. Yogyakarta: Gajah Mada University Press. Indriani, M., Santosa, P. I., & Kusumawardani, S. S. (2012). Efek Moderasi dari Usia dan Jenis Kelamin dalam Penerimaan E-KTP di Kecamatan Gondokusuman Yogyakarta. Jurnal Penelitian IPTEK-KOM Vol. 14 , 1. Jogiyanto. (2011). Konsep dan Aplikasi SEM Berbasis Varian dalam Penelitian Bisnis. Yogyakarta: UPP STIM YKPN. 2011Kajian Tentang Penerimaan Pengguna Sistem Informasi dengan Pendekatan UTAUT : Studi Kasus Universitas Islam Negeri Syarif Hidayatullah JakartaUniversitas

IndonesiaProgram

Magister

Teknologi

InformasiJakartaUniversitas Indonesia Latan, H., & Ghozali, I. (2013). Konsep, Teknik dan Aplikasi SMART PLS 2.0 Untuk Penelitian Empiris. Semarang: UNDIP. Moore, G. C., & Benbasat, I. (1991). Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation. Inform. Systems Res. 2 , 192–222. Nah, F. H., Xin, T., & Hing, T. S. (2004). An Empirical Investigation on EndUsers’ Acceptance of Enterprise Systems. Information Resources Management Vol 17 . Siagian, S. P. (2001). Kiat Meningkatkan Produktivitas Kerja. Jakarta: Rineka . Sitorus, F. S. (2011). Penerapan Model UTAUT untuk Memahami Penerimaan dan Penggunaan Sistem Persuratan dan Disposisi Elektronik : Studi kasus Kementrian Sekertariat Negara Republik Indonesia. Jakarta: Universitas Indonesia. Universitas Indonesia


122

Sugiyono. (2007). Statistika untuk Penelitian. Bandung: Alfabeta. Umar, H. (2004). Metode Penelitian untuk Skripsi dan Tesis Bisnis. Jakarta: PT. Rajagrafindo Persada. Venkatesh, V, et al. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3) , 425–478. Venkatesh, V. (2000). Determinants of Perceived Ease of Use: Integrating Perceived Behavioral Control, Computer Anxiety and Enjoyment into the Technology Acceptance Model. Information Systems Research 11 , 497–518. Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences Vol. 39 No. 2 . Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model Four Longitudinal Field Studies. Management Science 2000 INFORMS , 186–204. Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer Acceptance And Use Of Information Technology : Extending The Unified Theory of Acceptance And Use Of Technology. MIS Quarterly Vol. 36 No. 1 , 157-178. Wijanto, S. H. (2008). Struktural Equation Modeling dengan LISREL 8.8. Yogyakarta: Graha Ilmu. Wu, Y.-L., Tao, Y.-H., & Yang, P.-C. (2003). Using UTAUT to Explore the Behavior of 3G Mobile Communication Users. Department of Information Management, I-Shou University, Kaohsiung County, Taiwan .



123

DAFTAR LAMPIRAN

Wawancara Wawancara Utama Bapak Wangaratta ( ICT – Assistant Manager) Felisia

Sore ko, mau tanya-tanya seputar ICT dan Confins nih

Ko Wanga

Ok fel ada apa?

Felisia

Sekarang ini kan lagi impelementasi sistem baru nih Confins gimana tuh pendapat ko wang mengenai hal itu?

Ko Wanga

Sistem ini kan memang manajemen yang memutuskan untuk menggunakan Confins ya, kamu juga tentunya masih ingat kan pas pak Danu bilang kalo MPM Finance sudah pake sistem ini dan sukses ya kita menghadapi dengan sisi positif aja mungkin ini adalah langkah ke depan untuk menuju ke yang lebih baik. Ya walaupun harapan saya terhadap Confins ini sangat tinggi tapi saya mencoba tetap berpikiran positif dibalik kenyataan yang tidak seperti yang diharapkan.

Felisia

Adakah masalah-masalah yang dihadapi ko semenjak implementasi sistem Confins ini?

Ko Wanga

Ada pastinya ya namanya juga sistem baru. Tapi yang membuat saya heran katanya di MPM finance sistem Confins itu jarang sekali bermasalah entah kenapa di SAF banyak sekali masalah yang terjadi. Saya sering mengutarakan ke pihak manajemen kalo Confins itu masih sering error tapi ada pihak dari manajemen yang kadang tidak percaya dan mengganggap Confins ini perfectdengan melihat pengalaman di MPMF. Kamu bisa tanya ke mbak di atau metta yang support gimana error yang sering terjadi di Confins atau mungkin ke user-user di cabang yang memakai sistem ini juga. Jadi kalo jaman dulu eMF sering down sering trouble terus hadirlah Confins yah Confins dan eMF ada plus minusnya. Saya juga masih khawatir mengenai sistem bunga harian yang ada di Confins sudah Universitas Indonesia


124

masuk gelombang 1 untuk flexi ini belum bisa terselesaikan. Felisia

Kalo sistem ganti kan pasti juga juklak ganti SOP ganti biasanya kan gitu ya ko? Kalo di Confins ini bagaimana ko?

Ko Wanga

Sejauh ini sih proses bisnis dibuat seperti SAF mau ya tapi memang harus ada SOP pengganti dari eMF yang lama sih ya, sampai saat ini sih belum ada SOP baru.

Felisia

Kalo dari sisi user sendiri gimana ko? Apakah ada user yang menolak atau tidak setuju dengan pergantian sistem?

Ko Wanga

Banyak salah satunya kan bos kita Pak Anton(ICT Manager) yang tidak setuju dengan pergantian sistem ini. eMF itu dibangun dengan susah payah menghabiskan masa waktu implementasi sampai 2 tahun. Terus juga anak-anak programmer rata-rata mereka dari Java tiba-tiba sistem berganti pakai .Net. Yang java dulu dapat source codenya enak pengembangannya sekarang pake .Net gak ada source code pengembangan yang berkaitan dengan core itu gak bisa kita lakukan. Saya juga masih ingat betul saat cabang Surabaya pertama kali live Confins, BranchManager dari Cabang Surabaya sempat berkata bagaimana kalo Surabaya balik menggunakan eMF saja karena terjadi kekacauan di Surabaya pada saat Confins pertama kali diimplementasikan.

Felisia

Ko, pernah gak sih diadakan gitu semacam evaluasi sistem kalo sistem yang digunakan itu bisa diterima baik oleh pengguna

Ko Wang

Setahu saya dari jaman Navision, eMF sampai Confins sih belum pernah ada ya evaluasi sistem. Bagus juga kalo memang ada evaluasi mau melihat juga kondisi dari sisi user sendiri bagaimana.

Felisia

Kalo misalnya saya mau mengevaluasi sistem Confins gitu gimana ko? Terkait dengan penerimaan sistem Confins. Sistem ini kan banyak ditolak sama user gara-gara user sudah enak dengan eMF.

Ko Wang

Wah bagus juga tuh jadi kita bisa tahu ya user menerima Confins itu gimana. Bikin yang bener yah.

Felisia

Ok ko thanks yaa.. Universitas Indonesia


125

Ko Wang

Sama-sama

Wawancara Pendukung Mardiana S – ICT Head of Quality Assurance and Support Felisia

Mbak Diana kan sekarang ini Confins ya yang dipakai di SAF, menurut mbak Diana bagaimana Confins itu?

Mbak Di

Sistem ada plus minusnya ada yang bagus eMF ada yang bagus di Confins. Tapi dari awal ketemu Confins gak ada yang wah gitu untuk

sistem

dengan

harga

yang

segitu.

Mending

buat

pengembangan eMF aja eMF lumayan kok dengan pengembangan sana sini juga bagus. Terus juga Confins ini sering banyak banget bugnya tiba-tiba error sendirilah tiba-tiba gak bisa lah aneh deh pokoknya. Oh ya tahu sendiri kan fel kalo bikin user nih di Confins ribetnya kayak apa berapa kali kita harus klik capek kurang user friendly terus kita kan sering nih rotasi BM yah nah si Confins ini gak bisa rotasi otomatis jadi kita harus daftarin BM ke cabang yang baru nah data di cabang yg lama jadi sampah donk lama-lama datanya. Metta Sari – ICT Support Felisia

Program ini suka error nih mbak, kadang waktu login error waktu simpen data kadang error. Kalau dulu kan setiap perubahan saya pasti tahu ya karena divisi support yang bikin request kalo sekarang enggak kadang ada perubahan kita gak tahu nanti kalo error baru teriak ke konsultannya. Jaman eMF dulu sih yang bangun kan internal SAF jadi kalo ada error tuh bisa minta programmernya langsung benerin. Sekarang ni agak susah karena harus lewat konsultan. Dulu juga kalo mau request perubahan atau buat aplikasi baru kan tidak perlu bayar karena programmernya orang dalam SAF sekarang kalo mau request harus dipikir matang-matang ya karena bayar itu. Kalo mana yang lebih enak sih lebih enak eMF lahh lebih pengguna friendly walau eMF sering error tapi kan eMF berjasa besar buat Universitas Indonesia


126

SAF udah sejak tahun 2000 dipakai dengan pengembangan ke sana ke sini. Kalo error juga enak programernya orang SAF sendiri tinggal teriak bisa beres. Nah ini kalo ada kebutuhan-kebutuhan harus bayar. Jadi harus diseleksi mana yang penting mana yang enggak kan repot. Apalagi servernya juga mahal. Apalagi pada prakteknya juga si Confins sama aja sering eror terus ada deploydeploy jg kadang gak tahu. Kalo dulu di eMF kan strict banget tuh kalo ada deploy kita juga tahu karena semua teroganisir. Liliek Dwi Hartomo – Head of Database & Network Infrastuktur of ICT Department Felisia

Menurut Ko Liliek, apa tanggapan ko Liliek dengan adanya Confins ini?

Ko Liliek

Ya, harapannya sih server gak sering down kayak dulu jamanjaman eMF kan sering down tuh. Padahal eMF punya server yang bagus dan ada tiga buah semua berjalan pake application server yang bagus pula udah tak customize juga tetep aja sering down. Nah sekarang ini memang Confins jarang down lagipula kalo down atau gimana-gimana kan masih ada consultan disini sembari sambil belajarlah sama yang sudah expert gak kayak dulu pas eMF kan semua harus cari tahu sendiri fel. Satu hal sih yg masih ke inget banget hahaha migrasi…. Nyusahin ribet hahaha.

Daesy S - Administration Head Cabang Jakarta II Felisia

Mbak Daesy, kan sekarang ini go live Confins ya cabang klender udah pakai Confins, menurut Mbak Daesy gimana Confins itu?

Mbak

Takut-takut salah gw nek kalo input di Confins makanya ini semua

Daesy

gw catet habis gw bingung kan ini sistem beda bener sama eMF. Training sih udah training tp kan ya nek yang namanya sistem baru lu tau sendiri gimana repotnya gw belajar lagi. Ini kayak kerjaan anak buah gw jg gw harus tau kan gak lucu ntar gw gak ngerti ya nek. Banyak banget yg perlu dipelajari nih. Kenapa sih pake acara ganti-ganti sistem. Itu para jendral kagak ngerti gimana rasanya Universitas Indonesia


127

prajurit berperang yakk. Anastasia Bunga - Data Entry Cabang Jakarta II Felisia

Menurut Meily apa pendapat Meily dengan adanya sistem Confins ini berjalan di SAF?

Meily

Kerjaanku tambah buanyak sejak pake Confins mbak. Apa-apa sudah dan harus teliti salah input aja nih urusan bisa panjang. Kadang-kadang aku sampai takut lo input takut salah gitu.

Ika Devi Christina – Branch Operation Cabang Sidoarjo Felisia

Menurut Mbak Devi apa pendapat Mbak Devi dengan adanya sistem Confins ini berjalan di SAF?

Mbak Devi

Iki Confins berasa kayak hidup dan mati yaaa...Bisa gak sih balik ke eMF aja?kok cabangku jadi kayak kelinci percobaan gini. Kalo input ini salah kalo input salah nanti bisa dimarahi kan ya ngeri yaa sampe kan harus minta-minta diajarin dulu kalo mau input yang baru-baru. Tambah berat gak sih Confins iki kok komputerku sering low memory sejak pakai Confins.

Kiki Hertanto - Marketing Head Cabang Bogor Felisia

Menurut Mas Kiki apa pendapat Mas Kiki dengan adanya sistem Confins ini berjalan di SAF?

Mas Kiki

Sekarang jamannya Confins malah jadi ribet ya mbak. Bisa gak kalo Bogor balik lagi ke eMF aja gitu. Kalo sistemnya canggih tapi di kita malah jadi riweh kan gak bener juga sistemnya.

Ginawati - Kasir Head Cabang Bogor Felisia

Menurut Mbak Gina apa pendapat Mbak Gina dengan adanya sistem Confins ini berjalan di SAF?

Mbak Gina

Pusing ini gw kalo dikit-dikit error kayaknya kemarin bisa deh ini proses settlement kenapa hari ini gak bisa? besok ada eror apalagi nih Confins?Terus kapan bisa kelar itu gw gak bisa tutup kasir kalo settlement belum bisa jg gimana ini. Tambah lama tambah lieur kenapa sejak ada Confins semua dilimpahin ke operation. Numpuk numpuk donk tugas gw.Sistem confUse ini sih gw bilang Universitas Indonesia


128

Kuesioner Penelitian UNIVERSITAS INDONESIA FAKULTAS ILMU KOMPUTER MAGISTER TEKNOLOGI INFORMASI

Kepada Yth Karyawan PT Sasana Artha Finance Di tempat

Dengan Hormat, Perkenalkan saya, Felisia Irma Akemirastiwi, ICT Programmer SAF HO, selaku mahasiswa pasca sarjana program Magister Teknologi Informasi Universitas Indonesia yang sedang mengadakan penelitian untuk memperoleh data guna menyelesaikan Karya Akhir (tesis). Penelitian yang saya lakukan mengenai “Faktor-Faktor yang Mempengaruhi Penerimaan Pengguna terhadap Sistem Informasi Online (Studi Kasus pada Sistem MultifinanceConfins di PT. Sasana Artha Finance)” Kuesioner ini semata-mata hanya untuk kepentingan akademis dan tidak berdampak apapun pada kegiatan saudara sebagai karyawan PT Sasana Artha Finance. Adapun kerahasiaan pengisian kuesioner ini akan dijamin sepenuhnya. Oleh karena itu, saya berharap saudara menjawab setiap pertanyaan dengan apa adanya, dalam arti betul-betul sesuai dengan kondisi yang saudara alami bukan apa yang anda harapkan dan juga pengaruh orang lain Atas perhatian dan kerjasamanya saya mengucapkan terimakasih.

Jakarta, Oktober 2013

Hormat Saya,

Felisia Irma Akemirastiwi Universitas Indonesia


129

PETUNJUK PENGISIAN Mohon kesediaan Bapak/Ibu Karyawan SAF untuk memberikan tanda silang (X) pada angka di sebelah kanan setiap pernyataan yang ada, sesuai dengan tingkat persetujuan Anda atas setiap pernyataan yang ada. Skala penilaian : 

1 = Sangat Tidak Setuju (STS)



2 = Tidak Setuju (TS)



3 = Biasa Saja (BS)



4 = Setuju (S)



5 = Sangat Setuju (SS)

Setiap pernyataan dan pertanyaan diharapkan dapat diisi dengan penilaian seobjektif mungkin. Terimakasih.

Contoh Pengisian : No 1

Jawaban STS TS BS S

Pernyataan Membaca buku memberi saya banyak ilmu pengetahuan

SS

4 1

2

3

5

DAFTAR PERNYATAAN No

Jawaban

Pernyataan

STS TS BS S SS Performance Expectancy 1

2

Menggunakan Confins akan membuat saya menyelesaikan pekerjaan dengan lebih cepat. Menggunakan

Confins

produktivitas kerja saya.

akan

meningkatkan

1

2

3

4

5

1

2

3

4

5



130

No

Jawaban

Pernyataan

STS TS BS S SS Menggunakan Confins akan mengurangi waktu 3

yang dibutuhkan untuk mengerjakan perkerjaan

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

penting secara bertanggung jawab. 4

Penggunaan Confins akan berguna bagi pekerjaan saya Jika

5

saya

menggunakan

Confins,

akan

meningkatkan peluang saya untuk mendapatkan kenaikan baik gaji atau jabatan

Effort Expectancy 6 7 8 9

Mudah bagi saya mempelajari Confins Bagi saya Confins mudah digunakan atau dioperasikan Menurut saya aplikasi Confins mudah dimengerti Mudah

bagi

saya

menjadi

ahli

dalam

menggunakan Confins

Social Influence Orang yang mempengaruhi perilaku saya (seperti 10

rekan kerja atau atasan), merasa bahwa saya harus menggunakan Confins Orang yang penting bagi saya (seperti rekan kerja

11

atau

atasan),

merasa

bahwa

saya

harus

menggunakan Confins 12 13

Atasan saya dalam pekerjaan, banyak membantu saya dalam menggunakan Confins ICT mensosialisasikan penggunaan Confins

Facilitating Condition



131

No

Jawaban

Pernyataan

STS TS BS S SS 14

15

Secara

umum,

perusahaan

mendukung

penggunaan Confins Menggunakan Confins sangat cocok dan selaras pada semua aspek pekerjaan saya

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

Adanya rekan kerja atau divisi lain yang spesifik 16

untuk membantu saya dalam kesulitan ketika menggunakan Confins

17

Saya dapat mengakses Confins dengan mudah di luar kantor dengan menggunakan IP Public

Habit 18

Saya sudah terbiasa menggunakan aplikasi berbasis web lainnya seperti Confins

19

Saya sudah terbiasa menggunakan Confins

1

2

3

4

5

20

Saya harus menggunakan Confins

1

2

3

4

5

1

2

3

4

5

Behavioral Intention 21

Saya berniat akan terus menggunakan Confins kedepannya

22

Saya memprediksi akan menggunakan Confins

1

2

3

4

5

23

Saya berencana akan menggunakan Confins

1

2

3

4

5

1

2

3

4

5

1

2

3

4

5

Actual Use 24 25

Setiap hari saya menggunakan Confins Setiap kali saya mengakses Confins, saya mengakses lebih dari 1 jam



132

DATA RESPONDEN

Bagian ini adalah akhir dari kuesioner yang mencakup informasi pribadi. Mohon beri tanda silang (X) pada kotak pilihan jawaban yang sesuai dengan keadaan Anda saat ini. 1.

Apakah jenis kelamin Anda (G)?  Laki-laki  Perempuan

2.

Berapa Usia Anda? Tahun

3.

Berapa lama Anda bekerja di PT. Sasana Artha Finance?  Kurang dari 5 tahun  5 – 10 Tahun  Lebih dari 10 Tahun

4. Di cabang SAF mana anda bekerja sekarang?  Jakarta HO  Surabaya  Sidoarjo  Jakarta 1  Jakarta 2  Tangerang  Bogor



133

Jawaban Kuesioner NO 1

PE1 3

PE2 4

PE3 4

PE4 4

PE5 3

EE1 3

EE2 3

EE3 3

EE4 3

SI1 4

SI2 3

SI3 3

SI4 3

FC1 4

FC2 4

FC3 4

FC4 2

HT1 3

HT2 3

HT3 3

BI1 3

BI2 2

BI3 3

U1 4

U2 4

2

4

4

4

5

2

3

3

3

3

4

4

3

5

4

4

4

3

3

4

4

3

4

3

4

4

3

3

3

3

3

3

3

2

3

3

3

3

2

3

3

3

3

2

3

3

3

2

2

3

3

3

4

3

3

3

3

3

3

3

3

3

3

3

3

4

4

3

4

2

4

4

3

3

3

3

3

5

3

4

4

3

3

3

3

3

4

4

3

3

3

4

3

3

4

3

3

4

3

3

3

6

3

2

2

3

2

3

3

3

3

3

3

3

3

3

2

3

4

4

4

4

4

4

4

7

4

4

4

4

3

4

3

2

2

4

4

4

4

4

4

4

3

3

3

4

4

3

8

3

2

3

3

2

3

3

3

3

3

2

3

3

4

3

3

4

4

4

4

2

9

3

3

4

4

2

4

4

3

3

4

4

3

3

4

3

2

4

3

3

4

3

10

4

4

4

4

3

4

4

4

3

3

4

3

3

4

4

4

2

3

4

4

11

3

4

4

4

3

3

4

4

3

3

3

3

4

3

3

3

4

3

3

12

3

3

4

4

2

4

4

4

4

2

2

4

4

4

4

4

2

4

4

13

3

3

3

4

3

3

3

3

4

4

4

3

3

4

3

3

4

3

14

3

2

3

3

2

4

3

3

3

2

2

3

2

4

3

3

2

15

4

4

2

4

2

4

4

4

3

4

4

4

4

4

3

4

2

16

3

3

3

4

1

3

3

3

3

3

3

2

2

4

3

3

17

2

3

2

3

3

3

3

2

3

2

3

3

4

4

3

18

3

4

4

4

3

3

3

3

3

3

3

3

4

4

19

4

3

3

5

3

4

4

4

3

3

3

3

2

5

20

3

3

3

3

3

4

4

3

3

3

3

4

3

21

3

3

3

4

3

3

3

3

3

3

3

4

22

2

3

3

4

2

2

2

2

2

3

3

3

23

4

4

4

4

3

4

4

4

4

4

4

24

4

4

4

4

3

4

3

3

3

5

25

4

4

4

5

3

4

4

3

3

5

26

4

4

4

4

3

4

4

3

3

27

3

3

3

3

4

3

3

3

3

JK 1

AGE 1

EXP 1

BRANCH Jakarta HO

2

1

1

Jakarta HO

2

1

1

Jakarta HO

3

1

1

1

Jakarta HO

4

3

1

1

1

Jakarta HO

4

4

2

1

1

Jakarta HO

3

4

4

1

1

1

Jakarta HO

3

3

4

3

2

1

1

Jakarta HO

3

3

4

4

2

1

1

Jakarta HO

4

4

4

4

4

1

1

1

Jakarta HO

3

3

3

3

4

3

1

2

2

Jakarta HO

4

4

4

4

4

4

1

1

1

Jakarta HO

3

3

3

3

3

3

5

1

2

2

Jakarta HO

3

2

3

3

3

3

3

3

1

2

2

Jakarta HO

3

3

3

4

4

4

4

4

1

1

1

Jakarta HO

3

3

3

3

3

3

3

4

4

1

2

1

Jakarta HO

2

4

4

3

3

3

3

3

4

5

1

1

1

Tangerang

3

4

4

4

3

4

3

3

3

4

4

1

1

1

Tangerang

4

4

2

5

3

4

3

3

3

5

5

1

1

1

Tangerang

4

4

3

4

4

4

4

3

3

3

4

4

1

2

1

Tangerang

4

3

3

3

4

4

4

4

3

3

3

4

4

1

1

1

Tangerang

4

4

2

4

4

4

2

2

2

2

2

4

4

2

1

1

Tangerang

4

4

5

4

4

4

4

4

4

4

4

4

5

5

1

2

1

Tangerang

4

4

4

5

4

4

4

4

4

4

4

4

2

4

5

2

1

1

Jakarta 2

4

3

4

5

4

4

3

4

4

5

4

4

4

5

5

2

1

1

Jakarta 1

5

4

4

4

5

4

4

4

4

4

4

4

4

4

5

5

2

1

1

Jakarta 2

3

3

4

3

4

3

4

3

3

2

3

4

4

4

4

5

1

1

1

Jakarta 2



134

NO

PE1

PE2

PE3

PE4

PE5

EE1

EE2

EE3

EE4

SI1

SI2

SI3

SI4

FC1

FC2

FC3

FC4

HT1

HT2

HT3

BI1

BI2

BI3

U1

U2

AGE

EXP

28

4

4

3

4

3

4

3

3

3

5

5

4

5

5

3

4

5

3

4

5

4

4

4

5

5

JK 1

1

1

BRANCH Jakarta 2

29

5

5

4

5

1

4

4

4

3

4

5

3

4

4

4

4

3

4

4

5

4

4

4

5

5

2

2

1

Jakarta 2

30

4

3

3

3

4

4

3

3

4

3

3

4

3

4

4

4

3

3

3

3

3

3

3

4

5

2

1

1

Jakarta 2

31

5

4

4

4

3

4

4

3

3

3

4

4

4

4

4

4

3

5

4

4

5

4

4

5

5

1

1

1

Jakarta 2

32

3

3

3

4

4

4

4

3

4

3

3

4

4

4

4

4

3

3

3

4

4

4

4

4

5

1

1

1

Jakarta 2

33

2

2

2

3

3

2

2

2

2

4

4

3

3

3

3

3

3

4

3

4

3

3

3

4

4

1

2

1

Jakarta 1

34

4

4

4

4

3

3

4

4

3

3

4

4

4

3

4

4

4

4

3

4

3

3

3

4

5

2

1

1

Jakarta 1

35

3

3

4

4

3

3

3

3

3

4

4

3

4

4

3

4

4

3

3

3

3

3

3

4

4

2

1

1

Jakarta 1

36

2

2

2

4

3

2

2

3

3

4

3

3

3

3

3

3

4

4

3

3

3

3

3

4

4

1

1

1

Jakarta 1

37

3

2

3

3

3

3

2

2

2

4

4

2

3

3

3

3

5

5

4

4

3

3

3

4

4

1

1

1

Jakarta 1

38

3

3

2

3

3

3

3

3

3

4

4

4

4

3

3

4

4

4

3

3

3

2

3

4

5

2

1

1

Jakarta 1

39

3

3

3

4

3

5

5

4

4

4

4

3

4

5

3

4

2

5

4

4

4

4

4

4

5

1

1

2

Sidoarjo

40

4

4

3

4

4

4

3

3

3

4

4

4

3

5

4

4

2

4

3

3

4

4

4

4

4

1

1

1

Sidoarjo

41

3

3

3

4

4

3

3

2

3

4

3

2

4

3

3

4

3

3

3

3

2

2

2

4

4

1

2

2

Surabaya

42

2

3

4

3

4

3

3

3

3

3

4

4

4

4

3

4

2

3

4

4

3

3

3

4

4

1

2

2

Surabaya

43

3

4

4

3

4

4

4

4

3

3

3

4

4

5

3

4

5

4

4

3

3

3

3

5

5

1

2

2

Sidoarjo

44

3

3

2

2

4

3

3

3

3

3

3

3

4

4

3

3

2

4

4

3

4

3

3

4

4

2

1

2

Sidoarjo

45

2

3

2

3

1

2

3

2

3

4

4

3

4

5

3

3

2

3

3

4

4

4

4

5

5

2

1

2

Sidoarjo

46

4

4

4

5

4

4

4

4

4

4

4

4

4

5

4

4

4

4

4

4

4

4

4

5

5

2

1

2

Sidoarjo

47

4

4

4

4

3

4

4

4

4

4

4

4

4

4

4

4

4

3

4

4

4

4

4

4

4

1

2

2

Sidoarjo

48

4

4

2

4

3

4

4

4

3

4

4

3

3

4

3

3

3

4

3

3

3

4

3

4

4

1

2

2

Sidoarjo

49

4

4

4

2

2

4

4

4

4

5

5

3

3

4

3

3

3

3

4

4

4

4

4

4

4

2

1

2

Sidoarjo

50

4

3

4

4

3

4

4

3

3

4

3

4

3

4

3

3

4

3

3

4

3

3

3

4

3

1

1

1

Sidoarjo

51

4

4

4

3

2

4

4

4

4

4

4

3

3

4

3

4

3

3

4

4

3

3

3

4

4

2

1

2

Sidoarjo

52

4

4

4

4

2

3

3

2

3

3

3

4

3

4

3

3

3

3

3

3

3

3

3

4

4

2

2

2

Sidoarjo

53

3

3

3

3

2

4

4

3

3

4

4

3

3

4

3

2

3

4

2

4

4

4

3

4

4

1

2

2

Sidoarjo

54

3

3

3

3

3

4

4

4

4

4

4

4

4

4

4

4

3

4

4

4

4

4

4

4

4

2

1

2

Sidoarjo

55

2

3

3

4

4

4

4

3

4

3

3

3

2

4

4

4

4

4

4

4

5

4

4

5

4

2

1

2

Sidoarjo



135

NO

PE1

PE2

PE3

PE4

PE5

EE1

EE2

EE3

EE4

SI1

SI2

SI3

SI4

FC1

FC2

FC3

FC4

HT1

HT2

HT3

BI1

BI2

BI3

U1

U2

AGE

EXP

56

4

4

4

4

4

4

4

4

3

4

4

5

5

4

4

5

4

3

3

4

2

4

4

4

3

JK 2

1

1

BRANCH Sidoarjo

57

3

3

3

4

3

4

4

4

3

4

4

4

3

4

4

4

4

4

3

4

4

4

3

4

4

1

2

2

Sidoarjo

58

3

3

4

4

3

4

4

4

3

5

5

5

4

3

4

5

5

4

4

4

4

4

4

5

5

2

1

1

Jakarta 2

59

3

4

4

4

3

4

4

4

4

3

3

3

3

4

4

4

4

4

4

3

3

3

3

3

5

1

1

1

Bogor

60

3

4

3

5

3

4

4

4

3

4

4

3

4

4

4

4

5

3

4

5

3

3

4

4

4

1

1

1

Bogor

61

4

4

4

3

3

4

3

4

3

4

4

4

5

5

4

5

4

4

4

4

4

4

3

5

5

1

2

1

Jakarta 2

62

3

3

3

4

3

3

4

3

3

4

4

4

4

5

3

3

4

4

3

4

3

3

3

3

5

1

1

1

Jakarta HO

63

4

4

3

4

2

2

2

2

3

4

4

4

4

5

4

4

4

5

4

4

4

4

4

5

5

1

2

1

Jakarta HO

64

2

2

2

2

2

2

2

2

2

2

4

4

3

4

2

2

2

3

2

3

3

2

2

4

4

1

1

1

Bogor

65

2

2

3

3

3

2

2

2

2

3

3

3

3

3

3

2

2

4

3

4

2

2

2

4

4

1

1

1

Bogor

66

2

2

2

2

2

2

2

2

2

2

2

2

3

3

2

3

4

4

3

3

3

3

3

3

4

2

1

1

Bogor

67

2

2

2

3

2

3

3

3

3

3

3

3

4

3

3

3

3

4

3

3

3

3

3

3

3

2

1

1

Bogor

68

3

3

2

4

3

3

2

4

3

3

4

4

3

3

3

4

3

4

3

3

3

3

3

4

4

2

1

1

Bogor

69

3

3

3

4

1

3

3

3

2

3

3

2

3

3

3

4

2

3

2

4

4

4

4

4

5

1

2

1

Jakarta HO

70

3

4

4

4

1

4

4

4

4

3

4

4

5

4

4

4

3

4

4

3

4

5

4

4

5

1

1

1

Jakarta HO

71

4

4

4

4

3

3

3

3

3

4

4

3

3

4

4

4

3

4

2

4

4

4

4

3

3

2

1

1

Jakarta HO

72

3

3

4

3

4

3

3

3

3

4

3

3

4

4

3

3

3

3

3

3

3

4

3

4

4

1

2

2

Surabaya

73

3

3

4

3

2

3

2

3

3

4

3

3

4

3

3

3

3

3

3

2

2

2

3

4

4

2

1

1

Surabaya

74

3

2

3

4

3

3

4

3

3

3

3

3

4

3

3

3

2

3

3

3

2

3

3

4

4

2

2

2

Surabaya

75

3

4

3

3

3

4

3

3

3

4

4

4

3

3

3

3

3

3

3

4

3

3

3

3

3

1

2

2

Surabaya

76

4

4

3

5

3

4

4

3

3

4

4

4

4

4

3

4

3

3

4

4

4

4

4

5

5

1

2

2

Surabaya

77

2

3

3

3

2

3

2

3

3

3

3

3

3

3

3

3

2

3

3

2

2

2

3

4

3

1

2

2

Surabaya

78

2

3

2

3

3

3

3

3

3

3

3

4

4

4

3

3

2

4

3

3

4

4

3

3

3

1

1

1

Jakarta HO

79

3

3

3

3

2

3

3

3

3

4

4

4

4

4

3

4

2

3

3

4

4

4

4

4

4

2

1

2

Surabaya

80

4

4

4

5

3

3

4

3

3

4

4

5

5

5

4

4

4

4

3

4

4

4

4

5

4

1

1

1

Surabaya

81

3

3

2

3

2

2

2

2

2

3

3

3

3

3

2

4

2

3

3

2

2

3

2

3

3

2

1

2

Surabaya

82

3

2

3

3

3

2

3

3

3

4

4

2

3

4

3

3

2

3

4

4

3

3

3

4

4

2

2

2

Surabaya

83

4

4

3

3

3

3

3

3

4

4

3

3

3

4

3

3

3

4

3

4

3

4

4

4

5

1

1

2

Surabaya



136

NO

PE1

PE2

PE3

PE4

PE5

EE1

EE2

EE3

EE4

SI1

SI2

SI3

SI4

FC1

FC2

FC3

FC4

HT1

HT2

HT3

BI1

BI2

BI3

U1

U2

AGE

EXP

84

3

4

2

4

3

4

4

4

4

2

4

4

4

4

3

3

3

4

4

4

3

3

3

4

4

JK 2

1

1

BRANCH Surabaya

85

3

3

3

3

3

3

3

2

3

3

3

3

3

3

3

3

3

3

3

3

2

2

2

3

3

2

1

1

Surabaya

86

3

3

3

3

2

3

3

3

3

2

2

2

3

3

3

3

2

3

3

3

3

3

3

4

4

2

1

1

Surabaya

87

4

4

4

4

3

4

4

3

3

3

4

4

3

5

4

4

4

4

4

4

4

4

4

5

4

2

1

1

Surabaya

88

3

3

3

4

3

3

4

3

4

3

3

3

3

3

3

3

3

4

3

3

3

3

3

3

4

1

1

2

Surabaya

89

4

3

3

4

3

4

4

4

3

4

4

4

4

4

4

4

4

4

4

4

3

4

4

4

4

2

2

2

Surabaya

90

3

4

4

3

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

4

2

1

2

Surabaya

91

4

3

5

4

3

4

4

4

4

4

3

3

3

4

4

4

4

4

4

4

4

4

4

4

4

2

1

2

Surabaya

92

3

3

3

3

3

2

3

2

2

3

3

3

3

4

3

2

2

3

2

3

3

3

3

4

4

1

1

1

Surabaya

93

3

3

3

4

1

3

3

3

3

3

2

2

3

4

3

3

2

4

3

3

4

4

4

3

3

2

1

2

Surabaya

94

4

4

4

4

2

3

3

3

3

4

4

4

4

4

3

4

4

4

4

4

4

4

4

4

4

1

1

1

Surabaya

95

3

3

3

3

3

3

3

3

3

3

4

3

3

4

3

4

2

3

3

3

3

3

3

3

3

1

2

2

Surabaya

96

3

3

3

3

3

2

3

3

3

3

3

2

2

4

3

3

3

3

3

3

3

3

3

4

4

1

2

2

Jakarta HO



137

Error SistemConfins

Berikut beberapa contoh error yang sering terjadi di Sistem Confins. Menurut nara sumber dan data dari JIRA (email) kejadian seperti payment receive error sering sekali terjadi sehingga menggangu jalannya aktifitas cabang.



138



139



UNIVERSITAS INDONESIA

Recommend Documents