Artikel Ilmiah - repository.uksw.edu...Salah satu faktor yang cukup berperan penting untuk...
Transcript of Artikel Ilmiah - repository.uksw.edu...Salah satu faktor yang cukup berperan penting untuk...
Analisis Tingkat Penerimaan Teknologi Informasi Menggunakan
Technology Acceptance Model (TAM V.3)
(Studi kasus : Paguyuban UMKM Kendal Permai)
Artikel Ilmiah
Peneliti :
Christanty Kailola
Program Studi Sistem Informasi
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
Salatiga
2016
1. Pendahuluan
Kemajuan teknologi informasi saat ini sudah berkembangan sangat pesat,
sehingga TI telah diperlukan di berbagai bidang. Karena teknologi informasi
dapat membantu untuk memudahkan perkerjaan dengan efektif dan efisien.
Begitu juga dengan UMKM yang memanfaat TI untuk meningkatkan kinerja dan
meningkatkan daya saing bagi UMKM sendiri. Hal tersebut berkaitan dengan
peran UMKM dalam pertumbuhan ekonomi nasional melalui terciptanya produk
domestik bruto (PDB) sebagai kontribusi nyata dari sektor tersebut sehingga
menjadi nilai tambah secara nasional. Dengan adanya Strategi peningkatan daya
saing bagi UMKM, maka peran UMKM bagi sektor pembangunan perekonomian
nasional akan semakin besar. Salah satu faktor yang cukup berperan penting untuk
meningkatkan daya saing UMKM adalah dengan mengadopsi teknologi informasi
(TI).
Para pengusaha yang tergabung dalam Usaha Mikro Kecil dan Menengah
(UMKM) Kabupaten Kendal, saat ini mulai diperkenalkan untuk memanfaatkan
teknologi dengan diperkenalkannya pemasaran online lewat kendal-
marketplace.com, yang merupakan web berisikan kumpulan dari UMKM yang
ada di Kendal beserta produk-produknya.
Salah satu metode yang digunakan untuk menganalisis penerimaan pengguna
terhadap teknologi adalah TAM. Techonology Acceptance Model (TAM)
merupakan satu-satunya model yang paling banyak menarik perhatian dari
komunitas sistem informasi dalam hal penerimaan pengguna terhadap teknologi
[1].
Pemanfaatan teknologi infomasi merupakan pertahanan dalam dunia bisnis
khususnya bagi UMKM Kendal Permai yang mampu mendukung pengembangan
bisnis saat ini. Penggunaan perangkat TI juga membantu kinerja lebih kreatif
yang dapat diimplementasikannya dalam bisnis. Namun, keterbatasan komputer
dan takut dan enggan untuk menggunakan komputer yang juga merupakan faktor
penerimaan TI di UMKM Kendal Permai dikarenakan latarbelakang pendidikan
dan faktor ekonomi yang tidak memungkinkan sehingga tujuan dari analisis ini
adalah untuk melihat tingkat penerimaan TI menggunakan Technology
Acceptance Model (TAM V.3) di Paguyuban UMKM Kendal Permai, khususnya
pada bagian pemanfaatan serta peran teknologi informasi yang menempatkan
faktor sikap dari tiap-tiap perilaku pengguna dengan dua variabel faktor kunci;
kemudahan penggunaan (ease of use) dan kemanfaatan (usefulness) sebagai
pengukuran tingkat penerimaan teknologi informasi. Berdasarkan proses analisis
yang dilakukan, akan menghasilkan temuan tingkat penerimaan teknologi
informasi dan rekomendasi untuk solusi temuan yang ada sehingga bagian
Paguyuban UMKM kendal Permai dapat melakukan proses pengambilan
keputusan untuk tiap rekomendasi yang diberikan.
2. Landasan Teori
Penelitian terkait dengan TAM yaitu penelitian berjudul “Kajian Tentang
Perilaku Pengguna Sistem Informasi Dengan Pendekatan Technology Acceptance
Model (TAM)”. Penelitian ini menghasilkan output berdasarkan pertanyaan
kuesioner dan hasil pengolahan data dapat diketahui bahwa pemasangan software
antivirus lebih mencerminkan rasa penolakan terhadap pengaruh negatif yang bisa
muncul dari penggunaan web, sementara pemasangan software pengatur
download mencerminkan rasa menerima atas informasi yang disajikan oleh web.
Berdasarkan hasil pengukuran menggunakan model TAM yang diperkenalkan
oleh Davis dapat digunakan dalam penelitian ini, mengingat sistem informasi
berbasis web adalah bagian dari teknologi khususnya teknologi informasi.
Penelitian ini memberikan 3 usulan yang diajukan untuk penelitian berikutnya [2].
Penelitian lain yaitu “ Analisis Technology Acceptance Model (TAM)
Terhadap Penggunaan Sistem Informasi di Nusa Dua Beach Hotel & Spa” yang
mempunyai latar belakang masalah yang dipandang memerlukan penggunaan
sistem informasi berbasis teknologi untuk menunjang aktivitas operasionalnya
agar efektif dan efisien. Penelitian ini menggunakan metode survey dengan teknik
kuesioner dan wawancara. Kuesioner diukur dengan menggunakan skala Likert.
Teknik analisis data penelitian adalah Analisis Regresi Linier Berganda, di mana
pengolahan data menggunakan bantuan program SPSS for Windows. Kesimpulan
dari hasil penelitian ini, variabel computer self efficacy dan trust masing-masing
berpengaruh positif dan signifikan terhadap kedua variabel dependen (perceived
usefulness dan perceived ease of use). Berbeda halnya dengan variabel
personalization yang tidak berpengaruh terhadap kedua varabel tersebut,
dikarenakan responden berada dalam ruang lingkup yang pekerjaannya kompleks
dan dituntut selesai pada waktu yang terbatas [3].
Berdasarkan penelitian terdahulu dengan menggunakan Technology
Acceptance Model (TAM), maka dilakukan penelitian untuk melihat tingkat
penerimaan TI dengan menempatkan faktor sikap dari tiap-tiap perilaku pengguna
dengan dua faktor kunci yaitu variabel; kemudahan penggunaan (ease of use) dan
kemanfaatan (usefulness) sebagai pengukuran tingkat penerimaan teknologi
informasi.
2.1 Adopsi TI
Perkembangan teknologi informasi (TI) telah mengubah cara dan peta dunia
bisnis. Penggunaan Internet dan Electronic Data Interchange (EDI) untuk
mendukung pertukaran informasi dan transaksi merupakan contoh. Banyak
penelitian telah dilakukan untuk melihat difusi dan adopsi TI oleh kalangan
bisnis. Namun demikian belum banyak kajian tentang difusi dan adopsi TI
yang dilakukan dengan kasus usaha kecil dan menengah (UKM).
Penelitian sebelumnya membahas tentang faktor-faktor yang mempengaruhi
usaha kecil star-up. Dalam penelitian ini bertujuan untuk mengindentifikasi
karakteristik variabel demografi pada tingkat pembentukan organisasi memicu
untuk start-up bisnis kecil [4]. Dalam kewirausahaan difokuskan pada pengusaha
dan lingkungan yang cenderung mempengaruhi pembentukan usaha kecil itu
sendiri. Analisis regresi logistik dilakukan untuk mengetahui pengaruh variabel
demografis pada keputusan untuk mendirikan sebuah bisnis kecil. Hasil regresi
logistik adalah enam belas variabel independen yang berkaitan dengan isu-isu
demografi kemunduran pada variabel dependen dikotomis. Karakteristik variabel
ini diukur dari ; usia, tingkat pendidikan, jender, etnis, pengalaman kerja
sebelumnya, pengganguran, perdesaan versus lokasi perkotaan sampai
pengelaman keluarga dengan usaha kecil. Penelitian ini menyoroti potensi
pentingnya tiga variabel demografis yaitu; jender (Genjer), kerja pemerintah
sebelumnya (previous government employment) dan redudansi (recent
redundancy). Gambaran keseluruhan dari pengaruh faktor demografi pada usaha
kecil start-up adalah “kabur” dan membutuhkan penelitian tambahan. Temuan
penelitian ini menunjukkan bahwa perempuan, yang di PHK dan karyawan sektor
publik mungkin memerlukan perhatian khusus baik oleh peneliti akademis dan
pembuat kebijakan publik di masa depan jika tingginya tingkat pembentukan
usaha kecil yang ingin dicapai.
Adopsi teknologi informasi (TI) oleh UKM masih rendah. Banyak faktor
yang menjadi penghambat adopsi TI, seperti belum munculnya kebutuhan
terhadap TI dalam mendukung proses bisnis dan kurangnya dukungan finansial
[5]. UKM yang menggunakan TI punmasih pada tataran operasional atau
oportunistik, dan belum sampai pada tingkat strategis. Rendahnya adopsi TI oleh
UKM di Indonesia sebagian besar adalah faktor internal. Selain itu, adopsi TI di
UKM di Indonesia sudah tergolong cukup baik, namun penggunaan TI oleh
sebagian besar UKM masih terbatas pada aplikasi perkantoran dasar untuk
mendukung tugas administrasi [5]. Could Computing merupakan inovasi yang
memungkinkan pengguna teknologi informasi berdasarkan utilitas secara on-
demand. Hal ini yang menjadi tantangan di Indonesia dengan masalah keamanan
dan keterbatasan bandwidth untuk mengimplementasikan teknologi ini. Selain itu
ditemukan variasi dalam penggunaan TI pada beberapa subsektor pada UKM
manufuktur karena adanya perbedaan karakteristik.
Penelitian yang berjudul “A Conceptual Model of the Determinants of
Performance of Tourism Sector Smaal and Medium Enterprises (SMEs)” ini,
untuk menguji faktor-faktor penentu kinerja usaha kecil dan menengah (UKM) di
Afrika Selatan [6]. Hasil penelitian ini akan menghasilkan wawasan yang berguna
yang akan membantu para pemangku kepentingan yang relevan menerapkan
langkah-langkah intervensi yang dapat meningkatkan kinerja UKM di negara ini,
mengenai besaran yang berbeda dalam atribut pengusaha, karakteristik perusahaan
dan faktor lingkungan eksternal yang berhubungan dengan kinerja UKM. Populasi
survei penelitian ini adalah sektor pariwisata kecil dan menengah ukuran di
Tshwane. Koefisien Cramer’s V dari ketiga faktor tersebut menunjukkan adanya
hubungan yang kuat antara atribut pengusaha dan kinerja dana usaha kecil dan
menengah. Hasil menegaskan bahwa atribut pengusaha, karakteristik perusahaan
dan faktor lingkungan eksternal memiliki beberapa efek yang signifikan terhadap
kinerja usaha kecil dan menengah.
2.2 Technology Acceptance Model (TAM)
Techomogy Acceptance Model (TAM) merupakan satu-satunya model yang
paling banyak menarik perhatian dari komunitas sistem informasi dalam hal
penerimaan pengguna terhadap teknologi [1]. Model yang dibangun oleh Fred
Davis ini telah mengalami beberapa revisi hingga mencapai bentuk finalnya pada
Gambar 1. Venkatesh dan Bala membentuk TAM 3 dengan menambahkan
variabel yang termasuk golongan adjustment dan anchor yang berhubungan
dengan variabel persepsi kemudahan penggunaan (Perceived ease of use).
Gambar 1 TAM 3 (sumber: Venkatesh dan Bala, 2008)
TAM terbilang cukup sederhana, sehingga dapat diekstensi dengan
menambahkan variable-variable yang menjelaskan motif di balik POU dan PEOU.
Berikut adalah penjelasan masing-masing konstruk yang ada pada TAM 3
1) Subjective Norm adalah persepsi manusia ketika berpikir bahwa dia harus
melakukan sebuah perilaku (behaviour) atau tidak.
2) Experience merupakan variabel yang menjadi tolak ukur penentuan ketika
subjective norm akan menentukan persepsi kegunaan (perceived usefulness)
sebuah sistem informasi atau teknologi yang secara langsung juga akan
menentukan behavioural intention.
3) Voluntariness. Selain pengalaman (experience), tingkat sukarela
(voluntariness) juga mempengaruhi subjective norm dalam menentukan
behavioural intention
4) Image. Menurut Venkatesh adalah tingkatan dimana penggunaan sebuah
teknologi informasi dipersepsikan untuk meningkatkan status seseorang di
mata masyarakat. Image dapat secara langsung mempengaruhi persepsi
kegunaan sebuah sistem informasi atau sebuah teknologi dan tingkatan nya
dapat dipengaruhi oleh subjective norm.
5) Perceived of Usefulness. Komponen ini menunjukkan tingkat dimana seorang
manusia percaya bahwa dengan menggunakan sistem informasi akan
membantuk dirinya untuk meningkatkan performa pekerjaan.
6) Job Relevance. Komponen ini berkaitan dengan persepsi manusia tentang
seberapa pentingnya sebuah sebuah informasi atau teknologi dalam membantu
atau mempengaruhi pekerjaan mereka.
7) Output quality. Komponen ini berkaitan dengan tingkatan kepercayaan
individu manusia bahwa sebuah sistem informasi atau teknologi yang mereka
gunakan akan memberikan hasil yang baik untuk pekerjaan mereka
8) Result of demonstrability. Komponen ini berkaitan dengan hasil penggunaan
teknologi informasi yang dapat diukur
9) Computer Self-efficacy. Komponen ini menjelaskan tingkatan kepercayaan
manusia bahwa mereka mempunyai kemampuan untuk melakukan tugas
tertentu dengan menggunakan komputer
10) Perception of external control. Komponen ini menjelaskan tingkatan
kepercayaan atau persepsi individu manusia bahwa adanya infrastruktur atau
hal lain yang ada untuk mendukung penggunaan sebuah sistem informasi
11) Computer anxiety berkaitan dengan psikologis manusia yang takut atau enggan
ketika berpikir bahwa dia kemunkginan akan menggunakan komputer.
12) Computer playfulness. Komponen ini berkaitan dengan spontanitas manusia
untuk berinteraksi dengan komputer.
13) Perceived enjoyment. Persepsi manusia dimana kegiatan menggunakan sebuah
sistem informasi dipersepsikan akan menyenangkan, terlepas dari kinerja yang
dihasilkan dari penggunaan sistem informasi.
14) Objective usability. Komponen ini mengungkapkan tentang perbandingan
tentang usaha yang dibutuhkan sebuah sistem informasi untuk menyelesaikan
sebuah tugas tertentu. Komponen ini bukan merupakan sebuah persepsi
manusia karena bersifat objektif.
15) Perceived ease of use didefinisikan sebagai persepsi manusia bahwa sebuah
sistem informasi yang dia lihat mudah digunakan.
16) Behavioural intention berkaitan dengan tingkatan dimana seorang manusia
sudah memformulasikan rencana untuk melakukan atau tidak melakukan
sebuah perilaku di masa depan.
17) Komponen terakhir adalah komponen yang dipengaruhi oleh komponen-
komponen di atas, yaitu komponen use behaviour. Use behaviour adalah
perilaku manusia sebenarnya ketika menggunakan sebuah sistem informasi.
3. Metode Penelitian
Jenis penelitian yang digunakan adalah penelitian kuantitatif. Penelitian ini
menggunakan teknik Probability Sampling. Teknik Probability sampling yang
digunakan adalah Simple Random Sampling, di mana peneliti dalam memilih
sampel dengan memberikan kesempatan yang sama kepada semua anggota
populasi untuk ditetapkan sebagai anggota sampel. Jumlah data yang digunakan
sebanyak 42 Responden Panguyuban UMKM Kendal Permai. Data yang
digunakan dalam penelitian ini adalah data primer. Pengumpulan data dilakukan
melalui Kuesioner, guna mendapatkan jawaban dari responden dalam hal ini
anggota-anggota yang tergabung dalam Paguyuban UMKM Kendal Permai
mengenai tingkat penerimaan Teknologi Informasi. Bentuk pilihan responden
terhadap setiap pertanyaan dalam skala likert adalah sebagai berikut : sangat
setuju (SS), setuju (S), tidak setuju (TS), sangat tidak setuju (STS). Penskoran
yang diberikan untuk setiap jawabab sebagai berikut : sangat setuju (SS) diberi
skor 1, setuju (S) diberi skor 2, tidak setuju (TS) diberi skor 3 dan sangat tidak
setuju (STS) diberi skor 4.
Metode analisis data menggunakan aplikasi SmartPLS. Partial Least Square
(PLS) merupakan teknik statistik multivariat yang bisa menangani banyak
variabel respon dan variabel eksplanatori sekaligus. PLS digunakan untuk
mengetahui kompleksitas hubungan suatu konstrak dan konstrak yang lain, serta
hubungan suatu konstrak dan indikator-indikatornya. PLS didefinisikan oleh dua
persamaan, yaitu inner model dan outer model. Inner model menentukan
spesifikasi hubungan antara konstrak dan indikator-indikatornya. Konstrak terbagi
menjadi dua yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen
merupakan konstrak penyebab, konstrak yang tidak dipengaruhi oleh konstrak
lainnya. Konstrak eksogen memberikan efek kepada konstrak lainnya, sedangkan
konstrak endogen merupakan konstrak yang dijelaskan oleh konstrak eksogen.
Konstrak endogen adalah efek dari konstrak eksogen [7].
PLS dapat bekerja untuk model hubungan konstrak dan indikator-
indikatornya yang bersifat reflektif dan formatif. Metode PLS mempunyai
keunggulan tersendiri diantaranya: data tidak harus berdistribusi normal
multivariate (indikator dengan skala kategori, ordinal, interval sampai rasio dapat
digunakan pada model yang sama) dan ukuran sampel tidak harus besar [8].
Gambar 2 Model Penelitian yang digambarkan dalam aplikasi SmartPLS berdasarkan
model asli Technology Acceptance Model (TAM V.3)
3.1 Model Penelitian
Pada penelitian ini menggunakan 15 variabel pengembangan model teknologi
penerimaan Technology Acceptance Model (TAM V.3) yang menjadi penentu
adopsi Teknologi Informasi dan penggunaanya, yaitu; PU (Perceived Usefulness),
PEOU (Percieved ease of use) dan BI (Behavioral Intention) dioperasikan dengan
menggunakan item diadaptasi [9]. Konsisten dengan Davis, menggunakan USE
(Use Behaviour) perilaku penggunaan. Operasinalisasi faktor-faktor penentu
persepsi kemudahan yaitu ; CSE (Computer Self-Efficacy), PEC (Perceptions of
External Control), CPLAY (Computer Playfulness), CANX (Computer Anxiety),
dan ENJ (Perceived Enjoyment) adalah konsisten dengan Venkatesh [10]. Penentu
manfaat yang disarankan diukur dengan menggunakan item dari Venkatesh dan
Davis [10]. SN (Subjective Norm) diukur dengan menggunakan empat item yaitu ;
IMG (Image), RES (Result Demonstrability), REL (Job Relevance), OUT (Output
Quality) dan VOL (Voluntariness).
Berdasarkan model Technnology Acceptance Model (TAM V.3) yang
diadopsi oleh Venkatesh (2008) hipotesis yang dibangun dalam penelitian ini
adalah :
H 1 : Kemudahan penggunaan (PEOU) mempengaruhi manfaat yang dirasakan
(PU)
H 2 : Manfaat yang dirasakan (PU) mempengaruhi niat menggunakan (BI)
H 3 : Kemudahan penggunaan (PEOU) mempengaruhi niat menggunakan (BI)
H 4 : Kemudahan penggunaan (PEOU) mempengaruhi berinteraksi dengan
komputer (CPLAY)
H 5 : Niat menggunakan (BI) mempengaruhi perilaku penggunaan (USE)
H 6 : Manfaat yang dirasakan (PU) mempengaruhi status pengguna (IMG)
H 7 : Manfaat yang dirasakan (PU) mempengaruhi hubungan pekerjaan (REL)
H 8 : Manfaat yang dirasakan (PU) mempengaruhi kualitas hasil (OUT)
H 9 : Manfaat yang dirasakan (PU) mempengaruhi hasil yang dapat diukur
(RES)
H 10 : Manfaat yang dirasakan (PU) mempengaruhi presepsi melakukan atau
tidak (SN)
H 11 : Tingkat sukarela (VOL) mempengaruhi presepsi melakukan atau tidak
(SN)
H 12 : Tingkat sukarela (VOL) mempengaruhi niat menggunakan (BI)
H 13 : Kemudahan penggunaan (PEOU) mempengaruhi keahlian penggunaan
komputer (CSE)
H 14 : Kemudahan penggunaan (PEOU) mempengaruhi presepsi kontrol eksternal
(PEC)
H 15 : Kemudahan penggunaan (PEOU) mempengaruhi kecemasan penggunaan
komputer (CANX)
H16 : Kemudahan penggunaan (PEOU) mempengaruhi presepsi penggunaan
akan menyenangkan (ENJ)
4. Hasil dan Pembahasan
Penelitian ini dilakukan dengan cara menyebarkan kuesioner secara langsung
kepada para responden sebanyak 42 responden untuk anggota Paguyuban UMKM
Kendal Permai yang menjadi obyek penelitian ini. Responden berdasarkan
karakteristik responden Perempuan lebih banyak dari laki-laki dengan presentase
68,00%, sedangkan presentasi laki-laki hanya 32,00%.
Pada bagian analisis dan pembahasan akan menjelaskan mengenai
pengolahan data dengan menggunakan model teknik partial least square (PLS).
PLS adalah pilihan alternatif digunakan untuk jumlah sampel yang kecil. Analisa
pada PLS dilakukan dengan tiga tahap yaitu; (1) Analisa outer model, (2) Analisa
ineer model dan (3) Pengujian Hipotesa. Analisa outer model dilakukan untuk
memastikan bahwa measurement yang digunakan layak untuk dijadikan
pengukuran (valid dan reliabel). Sedangkan analisa inner model/analisa struktural
model dilakukan untuk memastikan bahwa model struktural yang dibangun robust
dan akurat. Untuk pengujian Hipotesa dilakukan dengan melihat nilai probabilitas
nya dan tstatistik nya. Untuk nilai probabilitas, nilai p-value dengan alpha 5%
adalah kurang dari 0,05. Nilai t-tabel untuk alpha 5% adalah 1,96. Sehingga
kriteria penerimaan Hipotesa adalah ketika t-statistik > t-tabel. (Ghozali, 2008)
[11].
Analisa pada PLS dilakukan untuk mengetahui tingkat penerimaan teknologi
informasi di UMKM Kendal Permai, dengan menempatkan faktor sikap dari tiap-
tiap perilaku pengguna dengan dua variabel faktor kunci; kemudahan penggunaan
(ease of use) dan kemanfaatan (usefulness) sebagai pengukuran tingkat
penerimaan teknologi informasi.
4.1 Model Pengukuran atau Outer Model
Model Pengukuran (Outer Model) mendefinisikan bagaimana setiap blok
indikator berhubungan dengan variabel latennya. Perancangan Model Pengukuran
menentukan sifat indikator dari masing-masing variabel laten, apakah refleksif
atau formatif, berdasarkan definisi operasional variabel [12]. Analisa outer model
dilakukan untuk memastikan bahwa measurement yang digunakan layak untuk
dijadikan pengukuran (valid dan reliabel).
4.1.1 Uji Validitas Konvorgen
Evaluasi model dapat dilakukan menggunakan validitas konvergen pada
model refleksif dengan melihat nilai factor loading. Nilai factor loading suatu
indikator dinyatakan valid jika memiliki korelasi (loading) dengan konstruk
(variabel laten) yang ingin diukur ≥ 0,5. Jika salah satu indikator memiliki nilai
loading < 0,5, maka indikator tersebut harus dibuang karena mengindikasikan
bahwa indikator tidak cukup baik untuk mengukur konstruk secara tepat. Nilai
dapat dilihat pada tabel berikut :
Tabel 1 Uji Validitas Konvorgen
Indikator Variabel Uji Loading Keterangan
Niat menggunakan (BI) 1 1.000 Valid
Manfaat yang dirasakan (PU) 2 1.000 Valid
Meningkatkan status pengguna (IMG) 3 1.000 Valid
Hubungan pekerjaan (REL) 4 0.891 Valid
Hubungan Pekerjaan (REL) 5 0.712 Valid
Kualitas hasil (OUT) 6 0.647 Valid
Kualitas hasil (OUT) 7 0.885 Valid
Kualitas hasil (OUT) 8 0.669 Valid
Hasil yang dapat diukur (RES) 9 1.000 Valid
Kemudahan penggunaan (PEOU) 10 1.000 Valid
Keahlian penggunaan komputer (CSE) 11 1.000 Valid
Presepsi kontrol eksternal (PEC) 12 1.000 Valid
Kecemasan komputer (CANX) 13 1.000 Valid
Berinteraksi dengan komputer (CPLAY) 14 0.696 Valid
Berinteraksi dengan komputer (CPLAY) 15 0.973 Valid
Presepsi penggunaan akan menyenangkan (ENJ) 16 0.509 Valid
Presepsi penggunaan akan menyenangkan (ENJ) 17 0.964 Valid
Presepsi melakukan/ tidak (SN) 18 1.000 Valid
Tingkat sukarela (VOL) 19 1.000 Valid
Perilaku penggunaan (USE) 20 1.000 Valid
Berdasarkan nilai pada outer loading dapat diketahui bahwa indikator semua
variabel hasil uji validasi pada tabel diatas diterima karena memiliki nilai loading
atau korelasi skor indikator dengan konstruk di atas 0,50 [11]. Karena nilai
loading diterima maka tidak ada yang dibuang. Dari hasil analisis didapatkan
bahwa nilai faktor loading sudah tergolong baik karena indikator yang
dipergunakan dalam penelitian ini adalah valid atau telah memenuhi convergent
validity dan menunjukan bahwa memiliki hubungan yang kuat untuk tingkat
penerimaan teknologi informasi di Paguyuban UMKM Kendal Permai.
4.1.2 Uji Validitas Diskriminan
Uji validitas diskriminan dengan membandingkan nilai Average Variance
Extracted (AVE) setiap konstruk dengan korelasi antara konstruk lainnya dalam
model. Jika nilai akar AVE setiap konstrak lebih besar maka di katakan memiliki
nilai discriminant validity yang baik [13].
Tabel 2 Validitas Diskriminan
AVE AKAR AVE
Niat menggunakan (BI) 1.000 1
Manfaat yang dirasakan (PU) 1.000 1
Meningkatkan status pengguna (IMG) 1.000 1
Hubungan pekerjaan (REL) 0.651 0.806
Kualitas hasil (OUT) 0.550 0.741
Hasil yang dapat diukur (RES) 1.000 1
Kemudahan penggunaan (PEOU) 1.000 1
Keahlian penggunaan komputer (CSE) 1.000 1
Presepsi kontrol eksternal (PEC) 1.000 1
Kecemasan komputer (CANX ) 1.000 1
Berinteraksi dengan komputer (CPLAY) 0.715 0,845
Presepsi penggunaan akan menyenangkan (ENJ) 0.594 0.770
Presepsi melakukan/ tidak (SN) 0.525 0,724
Tingkat sukarela (VOL) 1.000 1
Perilaku penggunaan (USE) 1.000 1
Berdasarkan hasil uji discriminant validity pada tabel diatas nilai AVE setiap
konstruk dibandingkan dengan hasil dari akar AVE memiliki nilai lebih besar
sehingga hasil uji discriminant validity dikatakan baik. Sebagai contoh nilai akar
AVE variabel kualitas hasil (OUT) 0.550 adalah 0.741. Hasil yang didapatkan
untuk nilai akar AVE ini lebih besar dibandingkan nilai AVE dengan demikian
konstruk akar AVE telah memenuhi validitas diskriminan.
4.1.3 Uji Realibilitas
Uji reliabilitas dilakukan dengan melihat nilai composite reliability dari blok
indikator yang mengukur konstruk. Hasil composite reliability akan menunjukan
nilai yang memuaskan jika diatas 0.7. Uji reliabilitas juga bisa dengan melihat
nilai cronbach’s alpha diatas 0,6 [14]. Nilai dapat dilihat pada pada tabel berikut : Tabel 3 Uji Realibilitas
Composite
Reliability
Cronbach
Alpha
Keterangan
Niat menggunakan (BI) 1.000 1.000 Reliabel
Manfaat yang dirasakan (PU) 1.000 1.000 Reliabel
Meningkatkan status pengguna (IMG) 1.000 1.000 Reliabel
Hubungan pekerjaan (REL) 0.786 0.480 Tidak
Kualitas hasil (OUT) 0.782 0.579 Tidak
Hasil yang dapat diukur (RES) 1.000 1.000 Reliabel
Kemudahan penggunaan (PEOU) 1.000 1.000 Reliabel
Keahlian penggunaan komputer (CSE) 1.000 1.000 Reliabel
Presepsi kontrol eksternal (PEC) 1.000 1.000 Reliabel
Kecemasan komputer (CANX ) 1.000 1.000 Reliabel
Berinteraksi dengan komputer (CPLAY) 0.830 0.676 Reliabel
Presepsi penggunaan akan menyenangkan (ENJ) 0.808 0.415 Tidak
Presepsi melakukan/ tidak (SN) 1.000 1.000 Reliabel
Tingkat sukarela (VOL) 1.000 1.000 Reliabel
Perilaku penggunaan (USE) 1.000 1.000 Reliabel
Hasil yang didapatkan untuk uji realibilitas diatas nilai composite reliability
semua memiliki hasil yang memuaskan diatas 0,7[14], tetapi juga memiliki nilai
cronbach aplha dibawah 0,6 yang artinya juga mempengaruhi hasil dari reliabel
suatu indikator. Hasil yang menandakan bahwa nilai ini memuaskan atau reliabel
karena menunjukan bahwa semua konstruk pada model yang diestimasi
memenuhi kriteria discriminant validity, artinya pada UMKM Kendal mereka
sudah ada niat untuk menggunakan komputer sehingga penggunaan kedepannya
dapat mempermudah pekerjaan mereka. Sedangkan hasil analisis yang tidak
reliabel yaitu variabel ; 1) Hubungan Pekerjaan (Job Relevance), 2) Kualitas Hasil
(Quput Quality), 3) Presepsi penggunaan akan menyenangkan (Perceived
Enjoyment). Hasil ini menunjukan bahwa tingkat penggunaan komputer di
UMKM Kendal sebagai alat untuk membantu atau mempengaruhi pekerjaan
mereka masih rendah diakibatkan oleh kurangnya pemahaman tentang seberapa
penting TI dalam lingkup pekerjaan. Tingkat kepercayaan mereka akan TI juga
mempengaruhi kualitas hasil pekerjaan mereka diakibatkan karena rasa takut dan
enggan untuk berinteraksi dengan komputer sehingga presepsi ini yang
mengakibatkan penerimaan TI masih rendah di UMKM Kendal.
4.2 Model Struktural atau Inner Model
Setelah model yang diestimasi memenuhi kriteria Outer Model, berikutnya
dilakukan pengujian model structural (Inner Model). Model Struktural atau Inner
Model dilakukan untuk menjelaskan hubungan antara variabel laten yang satu
dengan variabel laten lainnya. Tujuannya adalah untuk menentukan bahwa model
struktural dikategorikan sebagai model yang baik atau tidak. Evaluasi inner model
dilakukan dengan uji r-square [12]. Berikut adalah nilai R-Square pada konstruk:
Tabel 4 R-square
r- Square
Niat menggunakan (BI) 0.101
Manfaat yang dirasakan (PU) 0.026
Meningkatkan status pengguna (IMG) 0.005
Hubungan pekerjaan (REL) 0.300
Kualitas hasil (OUT) 0.243
Hasil yang dapat diukur (RES) 0.172
Keahlian penggunaan komputer (CSE) 0.070
Presepsi kontrol eksternal (PEC) 0.043
Kecemasan komputer (CANX ) 0.068
Berinteraksi dengan komputer (CPLAY) 0.199
Presepsi penggunaan akan menyenangkan (ENJ) 0.006
Presepsi melakukan/ tidak (SN) 0.172
Perilaku penggunaan (USE) 0.269
Berdasarkan tabel diatas dapat dijelaskan bahwa variabel penentu BI mampu
menjelaskan BI sebesar 10% selebihnya dijelaskan oleh variabel yang lain.
Variabel penentu PU mampu menjelaskan PU sebesar 0,2% selebihnya dijelaskan
oleh variabel lain. Variabel penentu CSE mampu menjelaskan CSE sebesar 0,7%
selebihnya dijelaskan oleh variabel yang lain. Variabel penentu PEC mampu
menjelaskan PEC sebesar 0,4% selebihnya dijelaskan oleh variabel yang lain.
Variabel penentu CANX mampu menjelaskan CANX sebesar 0,6% selebihnya
dijelaskan oleh variabel lain. Variabel penentu CPLAY mampu menjelaskan
CPLAY sebesar 19% selebihnya dijelaskan oleh variabel yang lain. Variabel
penentu ENJ mampu menjelaskan ENJ sebesar 0,0% sedangkan 100% sisanya
dijelaskan oleh variabel lain. Variabel penentu IMG mampu menjelaskan IMG
sebesar 0,0% sedangkan 100% sisanya dijelaskan oleh variabel lain. Variabel
penentu REL mampu menjelaskan REL sebesar 30% selebihnya dijelaskan oleh
variabel lain. Variabel penentu OUT mampu menjelaskan OUT sebesar 24%
selebihnya dijelaskan oleh variabel lain. Variabel penentu RES mampu
menjelaskan RES sebesar 17% selebihnya dijelaskan oleh variabel lain. Variabel
penentu SN mampu menjelaskan SN sebesara 17% sedangkan sisanya dijelaskan
oleh variabel lain. Variabel penentu USE mampu menjelaskan USE sebesar 26%
sedangkan sisanya dijelaskan oleh variabel lain.
Hasil analisis menunjukan bahwa nilai r-square variabel indikator untuk
meningkatkan status pengguna (IMG) dan presepsi penggunaan akan
menyenangkan (ENJ) hanya mampu menjelaskan sebesar 0,0% sedangkan 100%
sisanya dijelaskan oleh variabel lain, sehingga dikatagorikan sebagai model yang
tidak baik karena untuk berinteraksi dengan komputer pengguna masih rendah di
Paguyuban UMKM Kendal Permai. Sedangkan variabel yang lain dapat
dikategorikan sebagai model yang baik karena dapat menjelaskan hubungan
antara variabel laten yang satu dengan variabel laten lainnya.
4.2 Uji Hipotesis
Tabel 5 Uji Hipotesis
Original
Sample
(O)
T Statistics
(|O/STDEV|)
Keterangan
Niat menggunakan (BI) -> Perilaku penggunaan(USE) 0.519 4.343 Diterima
Kemudahan penggunaan (PEOU) -> Niat
menggunakan (BI)
-0.025 0.158 Ditolak
Kemudahan penggunaan (PEOU) -> Kecemasan
penggunaan (CANX)
0.260 1.492 Ditolak
Kemudahan penggunaan (PEOU) -> Berinteraksi
dengan Komputer (CPLAY)
0.447 2.639 Diterima
Kemudahan penggunaan (PEOU) -> Keahlian
penggunaan (CSE)
0.265 1.262 Ditolak
Kemudahan penggunaan (PEOU) -> Kenikmatan
penggunaan (ENJ)
0.080 0.302 Ditolak
Kemudahan penggunaan (PEOU) -> Manfaat yang
dirasakan (PU)
0.163 1.039 Ditolak
Kemudahan penggunaan (PEOU) -> Presepsi kontrol
external (PEC)
0.207 1.086 Ditolak
Manfaat yang dirasakan (PU) -> Niat menggunakan
(BI)
0.264 2.131 Diterima
Manfaat yang dirasakan (PU) -> Meningkatkan status
pengguna (IMG)
-0.071 0.460 Ditolak
Manfaat yang dirasakan (PU) -> Hubungan pekerjaan
(REL)
0.547 4.700 Diterima
Manfaat yang dirasakan (PU) -> Kualitas hasil (OUT) 0.493 4.377 Diterima
Manfaat yang dirasakan (PU) -> Hasil yang dapat
diukur (RES)
0.414 3.978 Diterima
Manfaat yang dirasakan (PU) -> Presepsi
melakukan/tidak (SN)
0.372 2.740 Diterima
Tingkat sukarela (VOL) -> Niat menggunakan (BI) 0.139 0.734 Ditolak
Tingkat sukarela (VOL) -> Presepsi melakukan/ tidak
(SN)
0.129 0.488 Ditolak
Tabel 5 berisi hasil uji hipotesis. Uji hipotesis dilakukan dengan melihat t-
statistik dan Nilai Original Sample. Nilai t-statistik menunjukkan signifikansi
konstruk, sedangkan Nilai Original Sample menunjukkan sifat hubungan antar
konstruk (positif atau negatif). Pengujian hipotesis ini dilakukan dengan metode
Resampling bootstrapping. Suatu hubungan akan siignifikan apabila t statistik
lebih besar dari t tabel (t tabel signifikan 5% = 1,96) [12].
Berdasarkan tabel uji hipotesis diatas maka dapat dijelaskan sebagai berikut :
1) Niat penggunaan mempengaruhi perilaku sebenarnya menggunakan komputer
dengan nilai original sample positif dan memiliki hubungan yang signifikan
karena nilai t-statistik 4,343 lebih besar dari nilai t tabel signifikan 5% = 1,96.
2) Kemudahan penggunaan mempengaruhi niat penggunaan dengan memiliki
nilai original sample negatif dan juga tidak memiliki hubungan yang
signifikan karena nilai t-statistik 0,158 lebih kecil dari nilai t tabel signifikan
5% = 1,96.
3) Kemudahan penggunaan mempengaruhi kecemasan penggunaan dengan nilai
original sample positif tetapi tidak memiliki hubungan yang signifikan karena
nilai t-statistik 1,492 lebih kecil dari t tabel signifikan 5% = 1,96.
4) Kemudahan penggunaan mempengaruhi berinteraksi dengan komputer
dengan nilai original sample positif dan memiliki hubungan yang signifikan
karena nilai t-statistik 2,639 lebih besar dari t tabel signifikan 5% - 1.96
5) Kemudahan penggunaan mempengaruhi keahlian penggunaan dengan nilai
original sample positif tetapi tidak memiliki hubungan yang signifikan karena
nilai t-statistik 1,262 lebih kecil dari t tabel signifikan 5% = 1,96.
6) Kemudahan penggunaan mempengaruhi kenikmatan penggunaan dengan
nilai original sample positif tetapi tidak memiliki hubungan yang signifikan
karena nilai t-statistik 0,302 lebih kecil dari t tabel signifikan 5% = 1,96.
7) Kemudahan penggunaan mempengaruhi manfaat yang dirasakan dengan nilai
original sample positif tetapi memiliki hubungan yang signifikan karena nilai
t-statistik 1,039 lebih kecil dari t tabel signifikan 5% = 1,96.
8) Kemudahan penggunaan mempengaruhi presepsi kontrol external dengan
nilai original sample positif tetapi tidak memiliki hubungan signifikan karena
nilai t-statistik 1,086 lebih kecil dari t tabel signifikan 5% = 1,96.
9) Manfaat yang dirasakan mempengaruhi niat penggunaan dengan nilai
original sample positif dan memiliki hubungan yang signifikan karena nilai t-
statistik 2,131 lebih besar dari nilai t tabel signifikan 5% = 1,96.
10) Manfaat yang dirasakan mempengaruhi meningkatkan status pengguna
dengan nilai original sample negatif dan tidak memiliki hubungan yang
signifikan karena nilai t-statistik 0,460 lebih kecil dari t tabel signifikan 5% =
1,96.
11) Manfaat yang dirasakan mempengaruhi hubungan pekerjaan dengan nilai
original sample positif dan memiliki hubugan yang signifikan karena nilai t-
statistik 4,700 lebih besar dari t tabel signifikan 5% = 1,96.
12) Manfaat yng dirasakan mempengaruhi kualitas hasil dengan nilai original
sample positif dan memiliki hubungan yang signifikan karena nilai t-statistik
4,377 lebih besar dari t tabel signifikan 5% = 1,96.
13) Manfaat yang dirasakan mempengaruhi hasil yang dapat diukur dengan nilai
original sample positif dan memiliki hubungan yang signifikan karena nilai t-
statistik 3,978 lebih besar dari t tabel signifikan 5% - 1,96.
14) Manfaat yang dirasakan mempengaruhi perilaku melakukan atau tidak
dengan nilai original sample positif dan memiliki hubungan yang signifikan
karena nilai t-statistik 2,740 lebih besar dari t tabel signifikan 5% = 1,96.
15) Tingkat sukarela mempengaruhi niat penggunaan dengan nilai original
sample positif akan tetapi tidak memiliki hubungan yang signifikan karena
nilai t-statistik 0,734 lebih kecil dari t tabel signifikan 5% = 1,96.
16) Tingkat sukarela mempengaruhi perilaku pengguna dengan nilai original
sample positif akan tetapi tidak memiliki hubungan yang signifikan karena
nilai t-statistik 0,488 lebih kecil dari t tabel signifikan 5% = 1,96.
Berdasarkan nilai original sample maka diperoleh bahwa nilai tertinggi yang
mempengaruhi manfaat yang dirasakan (PU) adalah hubungan pekerjaan (REL)
yaitu sebesar 0,547. Hal tersebut menunjukan bahwa manfaat yang dirasakan
menggunakan komputer mempunyai pengaruh terhadap hubungan pekerjaan lebih
tinggi dari pada pengaruh manfaat yang dirasakan terhadap kualitas hasil (OUT)
0,493. Lebih lanjut, manfaat yang dirasakan (PU) dari 3 varibel yang
mempengaruhi secara langsung, yaitu hasil yang dirasakan (RES), perilaku
melakukan atau tidak (SN), dan niat menggunakan (BI). Niat menggunakan (BI)
mempengaruhi perilaku penggunaan (USE) yaitu sebesar 0,519. Sedangkan
original sample terkecil yaitu kemudahan penggunaan (PEOU) mempengaruhi
berinteraksi dengan komputer (CPLAY) yaitu sebesar 0,447. Hasil hipotesis ini
diterima, yang mengindikasikan bahwa UMKM Kendal apabila mereka merasa
penggunaan teknologi komputer memberikan manfaat bagi mereka, mereka pasti
menggunakannya.
Hasil yang didapatkan berdasarkan kemudahan penggunaan (PEOU)
mempengaruhi niat menggunakan (BI) hipotesis ini ditolak. Artinya, tingkat
penerimaan maupun penggunaan teknologi komputer di UMKM Kendal, tidak
dipengaruhi oleh kondisi yang mengfasilitasinya, sebagai contoh, ada tidaknya
seseorang yang membantu apabila mengalami kesulitan, tidak mempengaruhi
perilaku mereka untuk menggunakan teknologi komputer. Lebih lanjut,
kemudahan penggunaan (PEOU) dari 5 variabel yang dipengaruhi yaitu,
kecemasan penggunaan (CANX), keahlian penggunaan (CSE), kenikmatan
penggunaan (ENJ), manfaat yang dirasakan (PU), dan presepsi kontrol eksternal
(PEC). Artinya, tingkat penerimaan maupun penggunaan teknologi di UMKM
Kendal, tidak oleh lingkungan luar. Hal ini sejalan dengan penelitian Venkatesh et
al. [10] yang menyatakan bahwa social influence hanya akan berpengaruh apabila
penggunaan teknologi merupakan kewajiban yang harus dilakukan pengguna.
Oleh karenanya, dalam aktivitas para UMKM Kendal dimana penggunaan
komputer tidak diwajibkan, social influence tidak memiliki pengaruh yang
signifikan terhadap penggunaan teknologi komputer. Manfaat yang dirasakan
(PU) mempengaruhi meningkatkan status pengguna (IMG) hipotesis ditolak, hal
ini mengindikasikan bahwa ketika para UMKM Kendal sudah memiliki banyak
pengalaman dalam menggunakan teknologi komputer, maka tingkat penerimaan
terhadap teknologi baru akan meningkat. Tingkat sukarela (VOL) mempengaruhi
niat menggunakan (BI), juga mempengaruhi perilaku pengguna (SN) hipotesis ini
ditolak. Kesukarelaan tidak mempengaruhi para UMKM Kendal dalam
menggunakan teknologi komputer. Hal ini mengindikasikan bahwa suka ataupun
tidak, apabila penggunaan teknologi komputer memberikan manfaat bagi mereka,
mereka tetap akan menggunakannya.
Gambar 3 Model Akhir
Dari gambar model akhir diatas menggambarkan faktor-faktor yang
mempengaruhi tingkat penerimaan Teknologi Informasi pada Paguyuban UMKM
Kendal Permai yaitu niat penggunaan komputer (BI) mempengaruhi perilaku
sebenarnya menggunakan komputer (USE). Presepsi kemudahan dalam
penggunaan komputer (PEOU) memepengaruhi berinteraksi dengan komputer
(CPLAY). Presepsi manfaat dari penggunaan komputer (PU) juga
memepengaruhi hubungan pekerjaan (REL). Presepsi manfaat dari penggunaan
komputer (PU) mempengaruhi kualitas hasil (OUT). Presepsi manfaat dari
penggunaan komputer (PU) mempengaruhi hasil yang dapat diukur (RES).
Presepsi manfaat dari penggunaan komputer (PU) juga mempengaruhi presepsi
melakukan atau tidak suatu perilaku (SN).
5 Kesimpulan
Dari hasil penelitian ini dapat disimpulkan bahwa tingkat penerimaan
teknologi informasi di Paguyuban UMKM Kendal Permai dipengaruhi oleh niat
pengguna apabila mereka merasa penggunaan teknologi komputer memberikan
manfaat bagi mereka, mereka pasti menggunakannya.
Adapun temuan yang didalam penelitian ini yaitu adanya pandangan akan
manfaat, mendorong anggota-anggota UMKM Kendal Permai memanfaatkan
komputer didalam aktifitas pekerjaan mereka, adanya ketertarikan yang
mendorong untuk menggunakan komputer untuk menyelesaikan pekerjaan
mereka, adanya kecemasan takut atau enggan kemungkinan untuk menggunakan
komputer.
Berdasarkan hasil temuan maka dapat memberikan rekomendasi untuk
Paguyuban UMKM Kendal Permai yaitu tingkatkan pelatihan tentang
pemanfaatan teknologi infomasi sehingga memudahkan anggota-anggota UMKM
dalam penggunaan dan mengetahui manfaatnya untuk pekerjaan dengan demikian
dapat memberikan dorongan sikap dan niat untuk mengenal dan belajar
memanfaatkan teknologi informasi dalam lingkungan bisnis.
USE
PU
BI
PEOU CPLAY
REL
OUT
RES
SN
6. Daftar Pustaka
[1] Chuttur M.Y. 2009. Overview of the Technology Acceptance Model:
Origins, Developments and Future Directions, Indiana University, USA.
Sprouts: Working Papers on Information Systems, Vol.9, No.37.
[2] Wibowo. 2006. Kajian Tentang Perilaku Pengguna Sistem Informasi
Dengan Pendekatan Technology Acceptance Model (TAM). Universitas
Budi Luhur, Jakarta selatan.
[3] Devi & Wayan. 2014. Analisis Technology Acceptance Model (TAM)
Terhadap Penggunaan Sistem Informasi di Nusa Dua Neach Hotel & Spa. E-Jurnal Akuntansi Universitas Udayana 6.1 (2014):167-184.
[4] Mazzarol, T., Volery, T., Doss, N., dan Thein, V. 1999. Factors influencing
small business start-ups. International Journal of Entrepreneurial Behaviour
& research, 5(2),48-63.
[5] Wahid, Iswari. 2007. Adopsi Teknologi Informasi oleh Usaha Kecil dan
Menengah di Indonesia. Seminar Nasional Aplikasi Teknologi Informasi
2007 (SNATI 2007) Yogyakarta, 16 Juni 2007.
[6] Muzenda. 2014. A Conceptual Model of the Determinants of Performance
of Tourism Sector Small and Medium Enterprises (SMEs). International
Journal of Business and Management Invention. Volume 3 Issue 1ǁ January.
2014ǁ PP.30-35.
[7] Yamin, S. Dan Kurniawan, H. 2009. Struktural equation modeling: belajar
lebih mudah teknik analisis data kuesioner dengan LISREL-PLS. Jakarta:
Salemba Infotek.
[8] Yanuarto E, Rahab, Kumorohadi, Untung. 2012. Peran Kapabilitas Inovasi
Terhadap Perbaikan Produk Usaha Kecil Menengah (UKM) Dengan
Tekanan Lingkungan Dan Ukuran Perusahaan Sebagai Variabel Moderasi
(Studi Pada UKM di Kabupaten Purbalingga). Performance Vol. 16 No.2 –
Sept 2012.
[9] Davis, F. D. 1989. Perceived usefulness, perceived ease of use, and user
acceptance of information technology, MIS Quarterly 13 (3): 319–340.
[10] Venkatesh. 2008. Technology Acceptance Model 3 and a Research Agenda
on Interventions. Journal compilation. Decision Sciences Volume 39
Number 2 May 2008.
[11] Ghozali, Imam. 2008. Structural Equation Modeling Metode Alternatif
dengan PLS, edisi kedua. Semarang. UNDIP
[12] Hendri. M. Bekti. D. R, Marpaung. H., 2012. Metode Partial Least Squares
Untuk Menganalisis Pertumbuhan Ekonomi Di Pulau Kalimantan Berbasis
Desktop Application.
[13] Charismawati D.C., 2011. Analisis Hubungan Antara Love Of Money
Dengan Persepsi Etika Mahasiswa Akuntansi.
[14] Sayyida, A. Anekawati, 2012. Penggunaan Analisis Structural Equation
Modelling (SEM) dalam Mengidentifikasikan Pengaruh Variabel Moderasi
Struktur Desentralisasi Terhadap Hubungan Partisipasi Dalam Penyusunan
Anggaran dan Kinerja Manajerial SKPD di Kabupaten Sumenep, ISBN.
978-602-19681-1-6