Oleh: PROGRAM STUDI SISTEM INFORMASI FAKULTAS...

PENGUKURAN PENGARUH KESIAPAN TERHADAP

KEBERHASILAN PENERAPAN SISTEM

UBIQUITOUS COMPUTING DI UIN SYARIF

HIDAYATULLAH JAKARTA

SKRIPSI

Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Sistem

Informasi

Oleh:

GREGORYO GUSTI

NIM: 1113093000012

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2017 M / 1439 H

SKRIPSI

PENGUKURAN PENGARUH KESIAPAN TERHADAP KEBERHASILAN

PENERAPAN SISTEM UBIQUITOUS COMPUTING DI UIN SYARIF

HIDAYATULLAH JAKARTA

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh:

GREGORYO GUSTI

1113093000012

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2017 M / 1439 H

v

ABSTRAK

Gregoryo Gusti – 1113093000012, Pengukuran Pengaruh Kesiapan Terhadap

Keberhasilan Penerapan Sistem Ubiquitous Computing di UIN Syarif Hidayatullah

Jakarta di bawah bimbingan A’ang Subiyakto, M.Kom, Nur Aeni Hidayah, MMSI.

UIN Syarif Hidayatullah Jakarta memiliki visi dan misi untuk menjadi universitas

riset dan universitas kelas dunia, salah satu upaya untuk itu adalah dengan

peningkatan proses pembelajaran. Dalam penerapan pembelajaran ini, peneliti

masih menemukan beberapa kelemahan sehingga berpengaruh terhadap tingkat

keberhasilan. Penelitian ini bertujuan untuk mengetahui pengaruh kesiapan

terhadap keberhasilan penerapan sistem Ubiquitous Computing di UIN Syarif

Hidayatullah Jakarta khususnya Fakultas Sains dan Teknologi. Metode yang

digunakan dalam penelitian ini ialah metode kuantitatif dengan model (Technology

Readiness Index) dan Keberhasilan Sistem Informasi yang dikembangkan oleh

Subiyakto. Model ini memiliki 23 hipotesis dengan 9 variabel yaitu optimism,

innovativeness, discomfort, insecurity, information quality, system quality, service

quality, user satisfaction, dan success information system. Penelitian ini

menggunakan teknik pengambilan sampel secara khusus berdasarkan aspek

penerapan sistem baru, tingkat kesiapan didalamnya berpengaruh terhadap

keberhasilan penerapan sistem. Metode pendekatan kuantitatif dengan teknik

analisis data PLS-SEM dengan SmartPLS versi 3.0. Hasilnya, terdapat 23 hipotesis

yang diuji 11 hipotesis yang diterima atau berpengaruh dan 12 hipotesis tidak

diterima. Sehingga faktor-faktor pengaruh kesiapan terhadap keberhasilan sistem

yaitu optimism melalui system quality, service quality, dan user satisfaction.

Innovativeness melalui information quality dan service quality. Insecurity

berpengaruh secarah negatif melalui information quality, system quality, dan

service quality, Information quality melalui user satisfaction. Service quality

melalui user satisfaction, user satisfaction melalui success information system.

Penelitian ini memberikan hasil kepada Pengelola Ubiquitous Computing UIN

Syarif Hidayatullah Jakarta dalam pengembangan sistem berdasarkan faktor-faktor

yang mempengaruhi kesiapan terhadap keberhasilan penerapan sistem.

Kata kunci: Model Kesiapan, Model Keberhasilan Sistem, PLS-SEM, SmartPLS.

vi

KATA PENGANTAR

Puji syukur kehadirat Allah Subhaanahu Wa Ta’ala atas limpahan rahmat, hidayah

dan nikmat-Nya, sehingga penulis dapat menyelesaikan skripsi ini yang berjudul

“Pengukuran Pengaruh Kesiapan Terhadap Keberhasilan Penerapan Sistem

Ubiquitous Computing di UIN Syarif Hidayatullah Jakarta” dengan baik.

Shalawat serta salam semoga senantiasa tercurah kepada baginda Nabi Besar

Muhammad Shallallahu ‘Alaihi Wasallam beserta keluarga, sahabat serta para

pengikutnya hinga akhir zaman.

Penulis menyadari bahwa terselesaikan skripsi ini tidak terlepas dari bantuan

berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk mengucapkan

terima kasih yang sebesar-besarnya kepada:

1. Kedua orang tua penulis, Bapak Gusti Darman dan Ibu Reviana Gusti.

Terimakasih bapak, ibu, untuk dukungan moril dan materil, serta kasih

sayang, dan doa yang luar biasa untuk saya menyelesaikan skripsi ini.

2. Bapak Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah.

3. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem Informasi

Fakultas Sains dan Teknologi dan Ibu Meinarini Catur Utami, MT selaku

Sekretaris Program Studi Sistem Informasi Fakultas Sains dan Teknologi.

4. Bapak A’ang Subiyakto, M.Kom sebagai Dosen Pembimbing I yang telah

memberikan arahan, bimbingan, pandangan dan dukungan baik secara moral

maupun teknis selama melakukan penulisan skripsi ini. Penulis mengucapkan

vii

banyak terima kasih kembali untuk waktu, tenaga, dukungan, arahan, saran,

dan kritikan yang membangun agar skripsi ini dapat terselesaikan dengan

baik.

5. Ibu Nur Aeni Hidayah, MMSI sebagai Dosen Pembimbing II yang tidak

pernah bosan dan lelah untuk membimbing, memotivasi, dan mengingatkan

penulis untuk segera menyelesaikan skripsi ini.

6. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu

yang bermanfaat kepada penulis selama perkuliahan.

7. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak

membantu penulis dalam perkuliahan, terutama dalam menyelesaikan

administrasi yang berkaitan dengan skripsi.

8. Bapak Sarwoto Wijoyo Latisuro, MSi selaku Inisiator Pengelolaan Sistem

Ubiquitous Computing dan Bapak Aji Abdul Wahab, S.S selaku pengelola

sistem Ubiquitous Computing yang telah banyak membantu penulis dalam

memperoleh data-data yang dibutuhkan dalam penyusunan skripsi ini.

9. Kedua abang tersayang yang selalu mendoakan, memotivasi, memberikan

pandangan terhadap skripsi saya serta mendukung saya untuk menyelesaikan

skripsi ini. You two are the best brothers in the world, love you.

10. Sahabat-sahabat sepermainan saya Anrihal, Satya, Budi, Diaz, Tiara, Reza,

Arsal, Priscilla, Tio, dan anjun terimakasih sudah menjadi sahabat berbagi

tawa, suka, dan duka. Dan Andisya Meutia yang selalu mendoakan dan

mendukung penulis.

viii

11. Seluruh teman-teman seperjuangan Sistem Informasi 2013, khususnya untuk

Faizal, Tris, Fauzan, Luqman, Ariful, Hersy, Bella, Prima dan Reza terima

kasih untuk kebersamaannya selama ini. Terima kasih telah membantu dan

memotivasi penulis untuk bisa menyelesaikan skripsi ini. Kebersamaan

selama ini sangat berarti bagi penulis. See you on the top guys! Love!

12. Dan semua pihak yang telah membantu penulis dalam menyelesaikan skripsi

ini yang namanya tidak dapat penulis sebutkan satu per satu.

Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan

bimbingan dari semua pihak dibalas pahala yang berlipat-lipat. Selain itu, penulis

menyadari penyusunan skripsi ini masih terdapat kekurangan dan jauh dari kata

sempurna sehingga saran dan kritik dapat disampaikan melalui

[email protected]. Akhir kata, semoga penelitian ini dapat memberikan

manfaat dan sekaligus menambah ilmu bagi kita semua. Amiiin yaa Rabbal Alamin.

Jakarta, Desember 2017

Gregoryo Gusti

1113093000012

ix

DAFTAR ISI

HALAMAN JUDUL……………………………………………………………...i

LEMBAR PERSETUJUAN……………………………………………………. ii

LEMBAR PENGESAHAN……………………………………………………. iii

LEMBAR PERNYATAAN…………………………………………………......iv

ABSTRAK…………………….…………………………………………….........v

KATA PENGANTAR……………………………………………………...........vi

DAFTAR ISI………………………………………………………………..........ix

DAFTAR GAMBAR……………………………………………………….......xiv

DAFTAR TABEL…………………………………………………………….... xv

DAFTAR LAMPIRAN……………………………………………………….. xvi

BAB I……………………………………………………………………………...1

1.1 Latar Belakang ............................................................................................. 1

1.2 Rumusan Masalah ........................................................................................ 4

1.3 Ruang Lingkup dan Batasan Masalah .......................................................... 5

1.4 Tujuan dan Sasaran Penelitian ..................................................................... 6

1.5 Manfaat Penelitian ....................................................................................... 7

1.6 Metodologi Penelitian .................................................................................. 7

x

1.7 Model Penelitian .......................................................................................... 8

1.8 Pertanyaan Penelitian ................................................................................. 10

1.9 Daftar Singkatan......................................................................................... 13

1.10 Sistematika Penulisan ................................................................................ 13

BAB II…………...….………………………………………………………….. 15

2.1 Konsep Dasar Sistem ................................................................................. 15

2.1.1 Pengertian Sistem ............................................................................... 15

2.1.2 Karakteristik Sistem ............................................................................ 15

2.2 Konsep Dasar Informasi ............................................................................. 18

2.3 Pengertian Sistem Informasi ...................................................................... 18

2.3.1 Definisi Sistem Informasi ................................................................... 18

2.3.2 Komponen Sistem Informasi .............................................................. 19

2.4 Definisi Pengukuran ................................................................................... 21

2.5 Definisi Pengaruh ....................................................................................... 22

2.6 Definisi Kesiapan ....................................................................................... 22

2.7 Konsep Dasar Kesiapan Teknologi ............................................................ 23

2.8 Definisi Kesiapan Teknologi ..................................................................... 25

2.9 Definisi Keberhasilan ................................................................................. 25

2.10 Konsep Dasar Sistem Ubiquitous Computing ............................................ 26

2.10.1 Definisi Ubiquitous Computing .......................................................... 26

2.10.2 Definisi Ubiquitous Learning ............................................................. 27

2.10.3 Karakteristik Ubiquitous Learning ..................................................... 30

2.11 Kajian Teori Sebelumnya ........................................................................... 33

xi

2.11.1 Kajian Teori Technology Readiness Index ......................................... 33

2.11.2 Kajian Teori Model Keberhasilan SI Delone dan McLean ................ 36

2.11.3 Model IPO Logic ................................................................................ 42

2.11.4 Literatur Sejenis .................................................................................. 44

2.12 Definisi Populasi dan Sampel .................................................................... 48

2.13 Teknik Pengambilan Sampel...................................................................... 49

2.14 Teknik Menentukan Ukuran Sampel ......................................................... 53

2.15 Definisi Skala Likert .................................................................................. 54

2.16 SEM (Structural Equation Modelling) ....................................................... 55

2.16.1 Teknik Analisis SEM .......................................................................... 56

2.17 Smart PLS (Partial Least Square) .............................................................. 59

2.18 Model yang Diadopsi ................................................................................. 65

2.18.1 Variabel TRI dan Keberhasilan SI ...................................................... 68

2.18.2 Indikator TRI dan Keberhasilan SI .................................................... 68

2.18.3 Hipotesis ............................................................................................. 71

BAB III ................................................................................................................. 74

3.1 Pendekatan Penelitian ................................................................................ 74

3.2 Prosedur Penelitian..................................................................................... 75

3.3 Populasi dan Sampel Penelitian ................................................................. 77

3.4 Instrumen Penelitian................................................................................... 78

3.5 Pemrosesan dan Pengumpulan Data .......................................................... 81

3.6 Analisa dan Interpretasi Hasil .................................................................... 82

xii

BAB IV ................................................................................................................. 83

4.1 Hasil Analisis ............................................................................................. 83

4.1.1 Hasil Analisis Demografi.................................................................... 83

4.2 Hasil Analisis Model Pengukuran (Outer model) ........................................ 88

4.2.1 Individual Item Realibility .................................................................. 88

4.2.2 Internal Consistency Reliability ......................................................... 90

4.2.3 Average Variance Extracted (AVE) .................................................. 91

4.2.4 Discriminant Validity .......................................................................... 92

4.3 Hasil Analisis Model Struktural (Inner Model) ........................................... 96

4.3.1 Path Coefficient (β) ............................................................................. 96

4.3.2 Coefficient of Determination (R2) ....................................................... 99

4.3.3 t-test .................................................................................................. 100

4.3.4 Effect Size ( ) ................................................................................. 101

4.3.5 Predictive Relevance ( ) ................................................................ 102

4.3.6 Relative Impact (q²) .......................................................................... 103

4.4 Interpretasi Hasil dan Diskusi Hasil ......................................................... 105

4.4.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis ................ 105

4.4.2 Interpretasi dan Diskusi Hasil Model Pengukuran ........................... 106

4.5 Interpretasi dan Diskusi Hasil Analisis Struktural Model........................ 107

BAB V ................................................................................................................. 125

5.1 Limitasi .................................................................................................... 125

5.2 Kesimpulan .............................................................................................. 125

5.2 Saran ......................................................................................................... 129

DAFTAR PUSTAKA ........................................................................................ 131

xiii

DAFTAR GAMBAR

Gambar 1.1 Model Penelitian..................................................................................9

Gambar 2.1 Karakteristik Sistem..........................................................................17

Gambar 2.2 Komponen Sistem Informasi.............................................................20

Gambar 2.3 Model Penelitian …………………...................................................24

Gambar 2.4 Model Penelitian................................................................................26

Gambar 2.5 Concept of U-Learning.……………….............................................27

Gambar 2.6 E-Learning……………………... ………………………………….28

Gambar 2.7 Technology Readiness Index (TRI)……………………….…………..35

Gambar 2.8 Model Keberhasilan SI …………………………………………….37

Gambar 2.9 Pengembangan Model Keberhasilan SI ............................................42

Gambar 2.10 IPO Logic …….…………………………………………………..43

Gambar 2.11 Kategori Sampel ………………………………………………….50

Gambar 2.12 Analisis Model Persamaan Struktural …..………………………..56

Gambar 2.13 Model Penelitian………………………………………………….67

Gambar 3.1 Kerangka Penelitian..........................................................................76

Gambar 4.1 Diagram Lingkaran Jenis Kelamin Responden.................................84

Gambar 4.2 Diagram Lingkaran Pekerjaan Responden.........................................85

Gambar 4.3 Diagram Pendidikan Responden………………………...................86

Gambar 4.4 Diagram Pengaruh Kesiapan Terhadap Keberhasilan Sistem

Ubiquitous Computing…………………………………………….......................87

Gambar 4.5 Hasil Analisis Outer Loading Model SmartPLS...............................95

Gambar 4.6 Hasil Analisis Path Coefficient.........................................................98

xiv

DAFTAR TABEL

Tabel 1.1 Daftar Istilah…………………………………………………………..13

Tabel 2.1 Perbedaan U-Learning, E-Learning, M-Learning..................................32

Tabel 2.2 Literatur Sejenis.....................................................................................44

Tabel 2.3 Variabel Model Technology Readiness Index (TRI) dan Keberhasilan

Sistem Informasi.....................................................................................................68

Tabel 2.4 Indikator Model Technology Readiness Index (TRI) dan Keberhasilan

Sistem Informasi.....................................................................................................69

Tabel 3.1 Indikator dan Butir Pertanyaan Pengujian.............................................79

Tabel 4.1 Hasil Uji Loading Factor SmartPLS......................................................89

Tabel 4.2 Hasil Uji Composite Realibility..............................................................90

Tabel 4.3 Hasil Uji Avarage Variance Extracted...................................................91

Tabel 4.4 Hasil Uji Discriminant Validity SmartPLS.............................................93

Tabel 4.5 Hasil Uji Path Coefficient SmartPLS.....................................................97

Tabel 4.6 Hasil Uji Coefficient Of Determination………………………………..99

Tabel 4.7 Hasil Uji t-Test.....................................................................................100

Tabel 4.8 Hasil Uji Predictive Relevance.............................................................102

Tabel 4.9 Hasil Analisis Struktur Model..............................................................104

xv

DAFTAR LAMPIRAN

Lampiran 1 Kuesioner……………………………………………………...xvii

Lampiran 2 Surat SK Dosen Pembimbing………………………………...xviii

Lampiran 3 Surat-surat Pendukung Penelitian……………………………...xix

1

BAB I

1.1 Latar Belakang

Dewasa ini, teknologi informasi (TI) telah menjadi kebutuhan setiap individu, TI

dapat membantu setiap individu dalam menjalankan aktivitasnya dan meningkatkan

efektivitas dan efisiensi dalam bekerja. Teknologi informasi menurut (Sutabri,

2012) ialah suatu teknologi yang digunakan untuk mengolah data, termasuk

memproses, mendapatkan, menyusun, menyimpan, memanipulasi data dalam

berbagai cara untuk menghasilkan informasi yang berkualitas, yaitu informasi yang

relevan, akurat dan tepat waktu, yang digunakan keperluan pribadi, bisnis, dan

pemerintahan dan merupakan informasi yang strategis untuk pengambilan

keputusan. Penerapan teknologi informasi yang selaras dengan proses/strategi

bisnis suatu organisasi akan meningkatkan kinerja organisasi tersebut dan

memberikan nilai tambah keunggulan kompetisi dalam persaingan bisnis

(Adityawarman, 2012; Nastiti & Hadi, 2014).

Berdasarkan riset yang dilakukan oleh (Handayani & Sudiana, 2015)

pentingnya penggunaan teknologi informasi mulai disadari oleh organisasi modern,

terutama dalam era globalisasi di mana perusahaan dituntut untuk semakin

kompetitif dan berdaya saing. Oleh karena itu menjadi penting untuk memacu

tingkat pemanfaatan dan penggunaan teknologi informasi di organisasi.

Keberadaan teknologi informasi tidak bisa dilepaskan peranannya dalam proses

pengerjaan tugas individu.

2

Penggunan sistem informasi pada organisasi saat ini telah mengalami

peningkatan. Hal ini disampaikan oleh (Handayani, 2005) bahwa penggunaan

sistem dalam organisasi meningkat secara drastis. Peningkatan ini selain

dikarenakan tuntutan organisasi modern, juga disebabkan oleh masyarakat yang

haus akan informasi. Sistem informasi akan membantu organisasi untuk

menyajikan informasi secara cepat, akurat dan terbuka seperti yang diharapkan oleh

masyarakat. Masyarakat saat ini mempunyai pemikiran maju yang lambat laun akan

meninggalkan cara-cara manual dan membuat terobosan baru untuk mendapatkan

informasi. Akan tetapi, perlu disadari bahwa pembangunan suatu sistem informasi

pada organisasi memerlukan investasi biaya yang tidak sedikit. Oleh karena itu,

dalam proses pembangunan sistem informasi diperlukan perencanaan yang matang

sehingga sistem informasi akan berkeja sesuai kebutuhan dan terintegrasi dengan

baik.

Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta merupakan

salah satu perguruan tinggi islam di Indonesia yang memiliki amanat untuk

memajukan umat islam Indonesia dan menjadi perguruan tinggi unggulan. Maka

dari itu salah satu perkembangan di era sekarang ini khususnya pada Teknologi

Informasi UIN Syarif Hidayatullah Jakarta telah mengimplementasikan salah satu

pengembangan sistem e-learning yakni Ubiquitous Computing yang berfungsi

untuk meningkatkan sistem pembelajaran antara dosen dengan mahasiswa menjadi

lebih efektif dan efisien dengan menggunakan sebuah tablet komputer yang

berguna untuk mengakses materi yang telah dimasukkan. Ubiquitous computing

menurut Mark Weisler (1991) adalah metode untuk meningkatkan kegunaan

3

komputer dan membuatnya tersedia di seluruh lingkungan fisik, hasilnya komputer

akan secara efektif tidak terlihat oleh pengguna dan akhirnya akan menyatu dengan

kehidupan sehari-hari mereka. Di sisi lain berdasarkan hasil observasi, penerapan

ubiquitous computing itu sendiri bisa dikatakan belum optimal karena pengguna

hanya dapat menggunakan sistem di satu ruangan saja seharusnya dapat

dioptimalkan dengan alat atau device yang sudah ada seperti android dalam bentuk

apk sehingga content nya dapat di download atau diakses di mana pun pengguna

berada. Sehingga beberapa dosen dan mahasiswa yang telah menggunakan sistem

ini belum merasakan dampak maksimal keberadaan Ubiquitous Computing dan

penerapannya tidak secara menyeluruh di UIN Syarif Hidayatullah Jakarta.

Masalah-masalah tersebut tentu saja dapat mengurangi kesiapan sistem yang

digunakan serta dapat menghambat pengguna dalam penerapannya.

Untuk mengembangkan suatu sistem yang ada, maka diperlukan

pengukuran sejauh mana kesiapan ubiquitous computing terhadap keberhasilan

pembelajaran ini diterapkan. Kesiapan dalam aspek teknologi atau Technology

Readiness adalah bagaimana seorang individu atau organisasi dapat dengan siap

beradaptasi, menggunakan dan memanfaatkan teknologi dalam kegiatan mereka

sehari-hari (Lazuardi, 2013).Dari kesiapan tersebut apakah berpengaruh terhadap

keberhasilan sistem, menurut (Indrajit, 2000) keberhasilan ialah penerapan sistem

informasi tidak tergantung pada besarnya dana investasi yang didedikasikan,

namun terletak pada keampuhan strategi yang dipilih dan diterapkan oleh suatu

institusi. (Subiyakto & Ahlan, 2013) menjelaskan salah satu tantangan pemanfaatan

sistem informasi adalah bagaimana menjamin tingkat keberhasilannya.

4

Dalam studi ini peneliti menggunakan gabungan Technology Readiness

Index (TRI) yang dikembangkan oleh (Parasuraman & Colby, 2015) kesiapan

teknologi dan keberhasilan SI (Delone & McLean, 2003), yang dikembangkan oleh

(Subiyakto, 2017) model kesiapan dan keberhasilan SI. Penelitian ini dilakukan

karena belum adanya penelitian tentang topik ini sehingga belum diketahui sejauh

mana kesiapan terhadap keberhasilan penerapan sistem ubiquitous computing.

Penelitian ini dilakukan dengan menggunakan pendekatan kuantitatif karena

menurut (Sugiyono, 2013) metode penelitian ini berlandaskan pada filsafat

positivisme, digunakan untuk meneliti pada populasi atau sampel tertentu, teknik

pengambilan sampel pada umumnya dilakukan secara random, pengumpulan data

menggunakan instrumen penelitian, analisis data bersifat kauntitatif/statistik

dengan tujuan untuk menguji hipotesis yang telah ditetapkan. Berdasarkan

pembahasan diatas makan penulis tertarik untuk melakukan suatu penelitian dengan

judul “Pengukuran Pengaruh Kesiapan Terhadap Keberhasilan Penerapan Sistem

Ubiquitous Computing Di UIN Jakarta”. Penelitian ini diharapkan dapat

menghasilkan pertimbangan untuk pihak terkait untuk rencana pengembangan

sistem ubiquitous computing dan diharapkan dapat menjadi model alternatif.

1.2 Rumusan Masalah

Sistem informasi telah menjadi kebutuhan bagi perguruan tinggi terlebih

perguruan tinggi seperti UIN Syarif Hidayatullah Jakarta yang memiliki visi dan

misi untuk menjadi universitas riset dan universitas kelas dunia, salah satu upaya

utuk itu ialah pengembangan proses pembelajaran. Karena itu UIN Syarif

5

Hidayatullah Jakarta telah mengembangkan suatu proses pembelajaran dengan

menggunakan sistem yang dinamakan ubiquitous computing. Dalam penerapan

pembelajaran ini praktek dilapangan memperlihatkan bahwa sistem belum berjalan

secara optimal. Mungkin saja hal ini terjadi karena belum dioptimalkannya alat-alat

yang sudah ada. Dari hal tersebut peneliti tertarik untuk mengetahui kesiapan sistem

yang mempengaruhi keberhasilan penerapannya berdasarkan persepsi pengguna.

Kesiapan dalam aspek teknologi atau Technology Readiness adalah bagaimana

seorang individu atau organisasi dapat dengan siap beradaptasi, menggunakan dan

memanfaatkan teknologi dalam kegiatan mereka sehari-hari (Lazuardi, 2013).

Maka dari itu peneliti tertarik untuk melakukan penelitian terhadap, apakah faktor

kesiapan pengguna di dalam memanfaatkan teknologi ubiquitous computing di UIN

Syarif Hidayatullah Jakarta berpengaruh terhadap keberhasilan penerapan sistem

itu sendiri? Dan faktor-faktor apa saja yang mempengaruhi kesiapan terhadap

keberhasilan penerapan sistem ubiquitous computing?.

1.3 Ruang Lingkup dan Batasan Masalah

1) Penelitian ini dilakukan di UIN Syarif Hidayatullah Jakarta, khususnya

terkait dengan penerapan Sistem ubiquitous computing di Fakultas

Sains dan Teknologi. Penelitian ini dilakukan di Fakultas Sains

Teknologi UIN Jakarta yang beralamat di Jl. Ir.H. Djuanda No.95,

Ciputat.

2) Proses yang dilakukan pada penelitian ini adalah mengukur pengaruh

kesiapan terhadap keberhasilan penerapan sistem ubiquitous computing

6

yang akan dilakukan pada para Dosen dan Mahasiswa di FST UIN

Syarif Hidayatullah Jakarta.

3) Secara teori, penelitian ini mengadopsi 9 variabel dari penggabungan

model TRI (Parasuraman & Colby, 2015) dan keberhasilan proyek SI

(Delone & McLean, 2003) yang telah dikembangkan oleh (Subiyakto,

2017).

4) Teknik analisis data kuantitatif ini penulis menggunakan metode PLS-

SEM dan untuk pengelolaan data yang didapat peneliti menggunakan

software SmartPLS versi 3.0.M3.

1.4 Tujuan dan Sasaran Penelitian

Tujuan yang ingin dicapai dalam penelitian ini adalah :

1) Mengetahui status pengaruh kesiapan terhadap keberhasilan sistem

ubiquitous computing.

2) Mengetahui faktor-faktor yang mempengaruhi kesiapan terhdap

keberhasilan penerapan sistem ubiquitous computing.

Merujuk pada tujuan penelitian diatas, sasaran penelitian ini ialah:

1) Diketahuinya status pengaruh kesiapan terhadap keberhasilan

penerapan sistem ubiquitous computing berdasarkan persepsi

pengguna, khususnya para dosen, mahasiswa, dan staf multimedia FST

UIN Syarif Hidayatullah Jakarta.

7

2) Diketahuinya faktor-faktor yang mempengaruhi kesiapan terhadap

keberhasilan penerapan sistem ubiquitous computing berdasarkan

model penelitian yang digunakan persepsi penggunanya.

1.5 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut.

1) Secara teoritis, model kesiapan dan keberhasilan sistem yang

digunakan dapat menjadi model alternatif untuk digunakan oleh

penelitian selanjutnya.

2) Secara metodologis, mendorong pemanfaatan penelitian mengunakan

metode kuantitatif dalam penyusunan skripsi khususnya di UIN Syarif

Hidayatullah Jakarta.

3) Secara praktis, menjadi bahan untuk dipertimbangkan oleh pihak yang

terkait dalam rencana pengembangan sistem ubiquitous computing di

UIN Syarif Hidayatullah Jakarta.

1.6 Metodologi Penelitian

Dalam penelitian ini penulis menggunakan beberapa metode untuk membantu

dalam melakukan analisis. Penelitian ini menggunakan dua model yang

digabungkan untuk mengukur pengaruh kesiapan dalam penelitian ini berupa model

TRI 2.0 (Parasuraman & Colby, 2015) dan model Keberhasilan Sistem Informasi

(Delone & McLean, 2003) yang telah dikembangkan oleh (Subiyakto, 2017).

8

Kedua model tersebut di kombinasikan sehingga menghasilkan model baru dalam

pengukuran pengaruh kesiapan terhadap keberhasilan sistem, kuesioner yang

dibuat dari pemaduan variabel dan indikator dari kedua model tersebut. Pada

penelitian ini sampel responden adalah dosen, staf multimedia, dan mahasiswa yang

khususnya telah menggunakan sistem ubiquitous computing di fakultas sains

teknologi UIN Syarif Hidayatullah Jakarta. Kuesioner disebarkan secara langsung

penyebaran secara langsung bertujuan untuk mendapatkan responden yang

sesuai/yang telah menggunakan melalui interaksi secara langsung. Tahap akhir

seluruh kuesioner yang telah terisi akan ditampung di MS. Excell dan nantinya akan

dianalisis. Analisis penelitian ini secara kuantitatif menggunakan pendekatan PLS

dengan SmartPLS versi 3.0.

1.7 Model Penelitian

Model yang digunakan pada penelitian ini mengadopsi, mengkombinasi, dan

mengadaptasi (Subiyakto, 2017) dua model peneliti. Pertama penggunaan model

Technology Readiness Index (TRI) oleh (Parasuraman & Colby, 2015). Sedangkan

model keduanya model Keberhasilan Sistem Informasi oleh (Delone & McLean,

2003), dan dikembangkan oleh (Subiyakto, 2017). Model peneltian pengukuran

pengaruh kesiapan terhadap keberhasilan penerapan sistem ini terdiri dari 9 variabel

yaitu Optimism (OPT), Innovativeness (INN), Discomfort (DIS), Insecurity (INS),

Information Quality (INQ), System Quality (SYQ), Service Quality (SVQ), User

Satisfaction (USF), Success Information System (SIS). Untuk pengadopsian,

penggabungan, dan pengkombinasian kedua model tersebut peneliti menggunakan

9

asumsi mengenai model logika input-process-output oleh (Davis, 1998), teori

lingkungan proyek oleh (Howsawi, Eager, & Bagia, 2011; McLeod & MacDonell,

2011; Subiyakto & Ahlan, 2014). Berikut model yang diajukan pada penelitian ini:

Gambar 1.1 Model Penelitian (Subiyakto, 2017)

Keterangan: OPT: Optimisme DIS: Discomfort

INQ: Information Quality INN: Innovativeness

INS: Insecurity SYQ: System Quality

SVQ: Service Quality USF: User Satisfaction

SIS: Success Information System

10

1.8 Pertanyaan Penelitian

Berdasarkan tujuan dan sasaran pada penelitian ini, maka pertanyaan penelitian

dalam hal ini:

Q.1 Apakah kesiapan berpengaruh terhadap keberhasilan penerapan sistem

ubiquitous computing di UIN Syarif Hidayatullah Jakarta?

Q.2 Apa saja faktor yang mempengaruhi pengaruh kesiapan terhadap

keberhasilan penerapan sistem ubiquitous computing di UIN Syarif

Hidayatullah Jakarta?

Q.2.1 Apakah Optimisme (Optimism) berpengaruh secara signifikan

terhadap Kualitas Informasi (Information Quality)?


terhadap Kualitas Sistem (System Quality)?

Q.2.3 Apakah Optimisme (Optimism) berpengaruh secara

signifikan terhadap Kualitas Layanan (Service Quality)?


terhadap Kepuasan Pengguna (User Satisfaction)?

Q.2.5 Apakah Inovasi (Innovativeness) berpengaruh secara

signifikan terhadap Kualitas Informasi (Information

Quality)?


signifikan terhadap Kualitas Sistem (System Quality)?

11




signifikan terhadap Kepuasan Pengguna (User Satisfaction)?

Q.2.9 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif

secara signifikan terhadap Kualitas Informasi (Information

Quality)?

Q.2.10 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif

secara signifikan terhadap Kualitas Sistem (System Quality)?

Q.2.11 Apakah Ketidaknyamanan (Discomfort) berpengaruh

negatif secara signifikan terhadap Kualitas Layanan (Service

Quality)?

Q.2.12 Apakah Ketidaknyamanan (Discomfort) berpengaruh

negatif secara signifikan terhadap Kepuasan Pengguna (User

Satisfaction)?

Q.2.13 Apakah Ketidakamanan (Insecurity) berpengaruh negatif

secara signifikan terhadap Kualitas Informasi (Information

Quality)?


secara signifikan terhadap Kualitas Sistem (System Quality)?


secara signifikan terhadap Kualitas Layanan (Service

Quality)?

12


secara signifikan terhadap Kepuasan Pengguna (User

Satisfaction)?

Q.2.17 Apakah Kualitas Informasi (Information Quality)

berpengaruh secara signifikan terhadap Kepuasan Pengguna

(User Satisfaction)?

Q.2.18 Apakah Kualitas Informasi (Information Quality)

berpengaruh secara signifikan terhadap Keberhasilan Sistem

Informasi (Success Information System)?

Q.2.19 Apakah Kualitas Sistem (System Quality) berpengaruh


Satisfaction)?

Q.2.20 Apakah Kualitas Sistem (System Quality) berpengaruh

secara signifikan terhadap Keberhasilan Sistem Informasi

(Success Information System)?

Q.2.21 Apakah Kualitas Layanan (Service Quality) berpengaruh


Satisfaction)?

Q.2.22 Apakah Kualitas Layanan (Service Quality) berpengaruh

secara signifikan terhadap Keberhasilan Sistem Informasi

(Success Information System)?

13

Q.2.23 Apakah Kepuasan Pengguna (User Satisfaction)

berpengaruh secara signifikan terhadap Keberhasilan sistem

informasi (Success Information System)?

1.9 Daftar Istilah

Tabel 1.1 Daftar Istilah

OPT : Optimism

INN : Innovativeness

DIS : Discomfort

INS : Insecurity

INQ : Information Quality

SYQ : System Quality

SVQ : Service Quality

USF : User Satisfaction

SIS : Success Information System

TRI : Technology Readiness Index

ISQ : Information System Quality

OP : Organizational Performance

TR : Technology Readiness

FST : Fakultas Sains dan Teknologi

1.10 Sistematika Penulisan

Dalam penyusunan laporan penelitian, pembahasan terbagi dalam lima bab yang

secara singkat akan diuraikan sebagai berikut :

14

BAB I PENDAHULUAN

Bab ini berisi penjelasan secara singkat mengenai latar belakang masalah, rumusan

masalah, pertanyaan penelitian, batasan penelitian, tujuan dan manfaat penelitian,

metode penelitian, dan sistematika penulisan.

BAB II LANDASAN TEORI

Bab ini membahas mengenai dasar-dasar teori yang mendukung tentang

Pengukuran Pengaruh Kesiapan Terhadap Keberhasilan Penerapan Sistem

Ubiquitous Computing di UIN Jakarta.

BAB III METODOLOGI PENELITIAN

Bab ini membahas tentang metodologi yang digunakan dalam penelitian ini, yaitu

metode pengumpulan data dan metode analisis yang digunakan.

BAB IV HASIL DAN PEMBAHASAN

Bab ini menguraikan profil singkat perusahaan dan membahas hasil-hasil yang

diperoleh dari hasil evaluasi.

BAB V PENUTUP

Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan masalah serta

beberapa saran untuk pengembangan keberhasilan sistem ubiquitous computing

lebih lanjut pada UIN Jakarta.

15

BAB II

2.1 Konsep Dasar Sistem

2.1.1 Pengertian Sistem

Secara umum, sistem dapat diartikan kumpulan elemen yang saling berhubungan

dan berinteraksi dalam satu kesatuan untuk menjalankan suatu proses pencapaian

suatu tujuan yang sama (Sutarman, 2012). Sistem adalah serangkaian komponen

yang saling berhubungan yang menghasilkan hasil tertentu (Shelly & Rosenblatt,

2012). Dalam bidang sistem informasi, sistem diartikan sebagai sekelompok

komponen yang saling berhubungan, bekerja sama untuk mencapai tujuan bersama

dengan menerima input serta menghasilkan output dalam proses transformasi yang

teratur. Apabila suatu komponen tidak memberikan kontribusi terhadap sistem

untuk mencapai tujuan, tentu saja komponen tersebut bukan bagian dari sebuah

sistem. (Mulyanto, 2009).

2.1.2 Karakteristik Sistem

Menurut Sutabri (2012), suatu sistem memiliki karakteristik atau sifat-sifat tertentu,

yaitu:

1) Komponen sistem (Components)

Suatu sistem terdiri dari sejumlah komponen yang sering disebut

dengan subsistem yang saling berinteraksi, yang artinya saling

bekerjasama membentuk satu kesatuan. Komponen-komponen sistem

dapat berupa subsistem atau bagian-bagian dari sistem

16

2) Batas sistem (Boundary)

Batas sistem merupakan daerah yang membatasi antara suatu sistem

dengan sistem yang lainnya atau dengan lingkungan luarnya. Batas

sistem memungkinkan suau sistem dipandang sebagai satu kesatuan.

Batas suatu sistem menunjukkan ruang lingkup (scope) sistem itu

sendiri.

3) Lingkungan luar sistem (Environments)

Lingkungan luar dari suatu sistem adalah apapun di luar batas dari

sistem yang mempengaruhi operasi sistem. Lingkungan luar sistem

dapat bersifat menguntungkan dan dapat juga bersifat merugikan bagi

sistem tersebut.

4) Penghubung sistem (Interface)

Penghubung yang dimaksud adalah media yang dapat menghubungkan

antara subsistem dengan subsistem lainnya. Melalui penghubung ini

memungkinkan sumber-sumber daya mengalir dari satu sistem ke

subsistem yang lain.

5) Masukan sistem (Input)

Masukan yaitu energi yang dimasukkan ke dalam sistem, dimana dapat

berupa masukan perawatan dan masukan sinyal. Masukkan perawatan

adalah energi yang diinputkan supaya sistem tersebut dapat beroperasi,

sedang masukan sinyal adalah energi yang diproses untuk mendapatkan

keluaran.

17

6) Keluaran sistem (Output)

Keluaran yaitu hasil dari energi yang diolah dan diklasifikasikan

menjadi keluaran yang berguna dan sisa pem buangan.

7) Pengolah sistem (Process)

Suatu sistem dapat mempunyai suatu bagian pengolah yang akan

merubah input menjadi output.

8) Sasaran sistem (Objective)

Suatu sistem pasti mempunyai tujuan (goal) atau sasaran (objective).

Gambar 2.1 Karakteristik Sistem (Sutabri, 2012)

18

2.2 Konsep Dasar Informasi

Menurut Sutabri (2012) informasi adalah data yang telah diklasifikasikan atau

diolah atau diinterpretasikan untuk digunakan dalam proses pengambilan

keputusan. Sedangkan menurut Jogiyanto (2007), informasi adalah data yang diolah

menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. Serta

menurut Mulyanto (2009) informasi yaitu sesuatu yang menunjukan hasil

pengolahan data yang diorganisasikan dan berguna kepada orang yang

menerimanya. Dari ketiga definisi diatas dapat disimpulkan bahwa informasi ialah

data yang telah melewati proses pengolahan untuk penambahan nilai yang berguna

bagi penggunanya dan dapat digunakan untuk hal – hal yang penting.

2.3 Pengertian Sistem Informasi

2.3.1 Definisi Sistem Informasi

Sistem informasi dapat didefinisikan secara teknis sebagai suatu komponen yang

saling berhubungan yang mengumpulkan (mendapatkan-kembali), memproses,

menyimpan, dan mendistribusikan informasi untuk mendukung pengambilan

keputusan, koordinasi dan pengawasan dalam organisasi (Laudon & Laudon,

2007). Selain mendukung pembuatan keputusan, koordinasi, dan pengawasan,

sistem informasi dapat membantu manajer dalam menganalisa masalah dan

menvisualisasi masalah-masalah kompleks. Informasi yang diberikan oleh sistem

informasi menjelaskan salah satu sistem utama dilihat dari apa yang telah terjadi di

masa lalu, apa yang sedang terjadi, dan apa yang mungkin terjadi di masa depan

19

(Jati & Herry, 2012). Sebuah sistem informasi merupakan kumpulan dari perangkat

keras dan perangkat lunak komputer serta perangkat manusia yang akan mengolah

data menggunakan perangkat keras dan perangkat lunak tersebut (Kristanto, 2008).

Penggunaan SI dapat memberikan banyak manfaat, baik bagi organisasi/

perusahaan maupun bagi pengguna individual (user). Manfaat penggunaan SI bagi

perusahaan adalah dapat meningkatkan keunggulan kompetitif perusahaan.

Perusahaan dapat memperoleh informasi yang relevan, akurat, tepat waktu, dan

lengkap yang diperlukan oleh perusahaan yang berasal dari lingkungan internal

maupun ekternal perusahaan. Sedangkan bagi pengguna individual (user)

penggunaan SI dapat memberikan manfaat yaitu meningkatkan produktivitas kerja,

kualitas output, dan efektifitas pekerjaan.

2.3.2 Komponen Sistem Informasi

Sistem informasi terdiri dari lima sumber daya yang dikenal sebagai komponen

sistem informasi. Kelima sumber daya tersebut adalah manusia, hardware,

software, data, dan jaringan. Kelima komponen tersebut memainkan peranan yang

sangat penting dalam suatu sistem informasi. Namun, dalam kenyataannya, tidak

semua sistem informasi mencakup kelima komponen tersebut. Misalnya, sistem

informasi pribadi yang tidak mencakup jaringan telekomunikasi (Mulyanto, 2009).

20

Gambar 2.2 Komponen Sistem Informasi (O’Brien, 2005)

Berikut merupakan penjelasan komponen dari sistem informasi:

1) Sumber Daya Manusia

Manusia mengambil peranan yang penting bagi sistem informasi.

Manusia dibutuhkan untuk mengoperasikan sistem informasi. Sumber

daya manusia dapat dibedakan menjadi dua kelompok yaitu pengguna

akhir dan pakar sistem informasi. Pengguna akhir adalah orang-orang

yang menggunakan informasi yang dihasilkan dari sistem informasi,

sedangkan pakar sistem informasi orang-orang yang mengembangkan

dan mengoperasikan sistem informasi.

2) Sumber Daya Hardware

Sumber daya hardware adalah semua peralatan yang digunakan dalam

pemrosesan informasi. Sumber daya ini tidak hanya sebatas komputer

21

saja, melainkan semua media data seperti lembaran kertas dan disk

magnetik atau optikal.

3) Sumber Daya Software

Sumber daya software adalah semua rangkaian perintah (instruksi)

yang digunakan untuk memproses informasi. Sumber daya ini tidak

hanya berupa program saja, tetapi juga berupa prosedur.

4) Sumber Daya Data

Sumber daya data bukan hanya sekedar bahan baku untuk memasukkan

sebuah sistem informasi, melainkan sebagai dasar membentuk sumber

daya organisasi.

5) Sumber Daya Jaringan

Sumber daya jaringan merupakan media komunikasi yang

menghubungkan komputer, memproses komunikasi, dan peralatan

lainnya, serta dikendalikan melalui software komunikasi. Sumber daya

ini dapat berupa media komunikasi seperti kabel, satelit, dan dukungan

jaringan seperti modem, software, pengendalian, serta prosesor antar

jaringan.

2.4 Definisi Pengukuran

Pengukuran adalah pemberian nilai negatif dari suatu obyek, dimana obyek

merupakan suatu entitas yang akan diteliti, sedangkan negatif adalah karakteristik

dari obyek tersebut (Jogiyanto, 2008). Pengukuran adalah suatu proses menjelaskan

konsep abstrak menjadi hal-hal yang kongkret. Adapun menurut (Sridadi, 2007),

22

pengukuran ialah merupakan suatu proses dimana dilakukan secara sistematis untuk

dapat memperoleh besaran kuantitatif dari suatu objek tertentu dengan

menggunakan alat ukur yang baku. Pendapat lain mengatakan bahwa pengukuran

merupakan kegiatan membandingkan dengan suatu ukuran tertentu sehingga

sifatnya menjadi kuantitatif (Arikunto & Jabar, 2004).

Dari definisi diatas dapat disimpulkan bahwa pengukuran ialah pemberian

suatu karakteristik pada objek tertentu sehingga objek tersebut dapat dibandingkan

dengan suatu ukuran tertentu sehingga memiliki nilai pasti.

2.5 Definisi Pengaruh

Menurut Kamus Besar Bahasa Indonesia (Hasan, 2005) adalah daya yang ada atau

timbul dari sesuatu (orang atau benda) yang ikut membentuk watak, kepercayaan

atau perbuatan seseorang. Dapat disimpulkan dari penjelasan diatas bahwa

pengaruh adalah sesuatu yang ditimbulkan dari daya yang menyebabkan suatu

hubungan timbal balik dari suatu variabel yang membentuk atau mengubah variabel

lainnya oleh kekuatan yang dimiliki.

2.6 Definisi Kesiapan

Kesiapan menurut kamus psikologi adalah “tingkat perkembangan dari kematangan

atau kedewasaan yang menguntungkan untuk mempraktekkan sesuatu” (Chaplin,

2006). Menurut Slameto (2010), kesiapan adalah kemampuan yang cukup baik fisik

dan mental. Kesiapan fisik berarti tenaga yang cukup dan kesehatan yang baik,

sementara kesiapan mental berarti memiliki minat dan motivasi yang cukup untuk

23

melakukan suatu kegiatan (Dalyono, 2012). Sedangkan menurut Oemar Hamalik

(2008), kesiapan adalah tingkatan atau keadaan yang harus dicapai dalam proses

perkembangan perorangan pada tingkatan pertumbuhan mental, fisik, sosial dan

emosional”.

2.7 Konsep Dasar Kesiapan Teknologi

Kesuksesan pengimplementasian teknologi baru di dalam sebuah organisasi sangat

ditentukan oleh faktor kesiapan brainware atau penggunanya (Sheu dan Kim, 2008

dalam Florestiyanto, 2012) baik secara lingkup internal maupun eksternal. Faktor

kesiapan dari pengguna dapat menjadi masalah yang sangat kompleks karena

pemikiran masing-masing orang berbeda dan bahkan dapat bertentangan.

Kompleksitas brainware sering kali menjadi salah satu penyebab gagalnya proyek

pengimplementasian TIK menurut Ethie & Madsen (dikutip dalam Amaranti,

2006).

Suatu organisasi yang enggan, menolak dan tidak mampu melakukan

perubahan pada desain dan struktur organisasi yang dimilikinya sesuai dengan

tujuan penerapan teknologi yang diadopsi maka tidak akan mendapatkan

keuntungan dan manfaat dari teknologi tersebut sehingga dapat dikatakan bahwa

penerapannya menjadi sia-sia bahkan gagal. Dari berbagai penelitian yang

dilakukan brainware merupakan salah satu kunci sukses dalam

pengimplementasian TIK (Amaranti, 2006; Bhatti, 2005; Rotchanakitumnuai &

Siriluck, 2010; Wijayanti, 2008 dalam Florestiyanto, 2012).

24

Tingkat kompetensi pengguna teknologi informasi menjadi faktor utama

penentu kesuksesan adopsi teknologi informasi. Kesuksesan implementasi maupun

adopsi teknologi baru terutama (TIK) pada sebuah institusi sangat ditentukan oleh

faktor kesiapan dan kemampuan pengguna (Jogiyanto, 2007). Salah satu kegagalan

dalam suatu organisasi terhadap pengimplementasian SI adalah kurangnya kesiapan

organisasi tersebut dalam hal kedewasaan proses bisnis, aspek budaya, teknologi

dan organisasi sehingga menyebabkan proses implementasi SI membutuhkan

waktu yang lebih banyak dari apa yang direncanakannya dan dapat menyebabkan

tim implementasi SI kehilangan semangat (Ptak dan Schragenheim, 2004). Dengan

adanya suatu pengukuran dan penilaian dalam tingkat kesiapan dan kemampuan

pengguna suatu teknologi maka akan meminimalisir tingkat kesalahan, kesulitan

dan resiko yang ada menurut Jogiyanto (dikutip dalam Pambudi, 2015).

Gambar 2.3 Model Penelitian (diadopsi dari Subiyakto, 2017)

25

2.8 Definisi Kesiapan Teknologi

Technology Readiness di definisikan sebagai kecenderungan untuk merangkul dan

menggunakan teknologi baru untuk menyelesaikan tujuan dari berbagai pekerjaan

baik di rumah maupun di tempat pekerjaan (Parasuraman, 2000). Konsep

technology readiness dibangun untuk dapat menangkap keterbukaan pengguna

kepada informasi teknologi baru dan aspek kegunaan teknologi (Parasuraman,

2000; Walczuch, Lemmink, & Streukens, 2007).

Setiap individu percaya bahwa kegiatan sehari-hari mereka akan lebih

efisien, dapat diatur pengaturan serta fleksibel dengan mengadopsi teknologi (Chen

et al. 2014). Adanya pengidentifikasian akan faktor-faktor yang mempengaruhi

kesiapan pengguna dalam pengadopsian teknologi penting agar tujuan dari adopsi

teknologi dapat tercapai dan lebih bermanfaat (Noprianto et al. 2017).

2.9 Definisi Keberhasilan

Keberhasilan dari sistem informasi ditentukan bagaimana sistem itu dapat

dijalankan oleh pengguna dengan efektif, dan pengguna merasa puas menggunakan

sistem tersebut dan juga bagaimana perusahaan dapat memperoleh keuntungan dari

sistem yang digunakannya. Doll dan Torkzadeh (1988) dalam Istianingsih dan

Wiwik Utami (2009) menyatakan bahwa kepuasan pengguna sistem informasi

dapat digunakan sebagai tolak ukur keberhasilan suatu sistem informasi. Kepuasan

pengguna akhir ini kemudian menjadi bagian dalam pengembangan model

keberhasilan sistem informasi selanjutnya.

26

Gambar 2.4 Model Penelitian (diadopsi dari Subiyakto, 2017)

2.10 Konsep Dasar Sistem Ubiquitous Computing

2.10.1 Definisi Ubiquitous Computing

Menurut Sakamura & Koshizuka (2005), ubiquitous computing dapat

dipertimbangkan sebagai “tren baru dari teknologi informasi dan komunikasi”.

Istilah ubiquitous computing diciptakan oleh Mark Weisler (1952-1999). Menurut

Mark Weisler (1991) ubiquitous computing adalah metode untuk meningkatkan

kegunaan komputer dan membuatnya tersedia di seluruh lingkungan fisik, hasilnya

komputer akan secara efektif tidak terlihat oleh pengguna dan akhirnya akan

menyatu dengan kehidupan sehari-hari mereka. Dalam penerapannya UBT

(ubiquitous computing) dilakukan sebagai alat pembelajaran di UIN Jakarta.

27

Zhang (2005) mendefinisikan ubiquitous computing environment sebagai

“area yang terdefinisi dengan baik yang menggabungkan kumpulan sistem yang

telah ditanamkan (komputer, sensor, user interfaces, dan infrastruktur layanan)

yang diperkuat oleh teknologi komputasi dan komunikasi”.

Gambar 2.5 Concept of U-Learning (Kuo et al., 2007)

2.10.2 Definisi E- Learning

Menurut Soekartawi (2007) e-learning adalah sistem pendidikan yang

menggunakan aplikasi elektronik untuk mendukung belajar mengajar dengan media

internet, jaringan komputer, maupun komputer stand alone. Sedangkan menurut

Hartley (2001) yang menyatakan e-learning merupakan suatu jenis belajar

mengajar yang memungkinkan tersampaikannya bahan ajar ke siswa dengan

menggunakan media Internet, Intranet atau media jaringan komputer lainnya. Dari

beberapa definisi yang dikemukakan oleh para ahli di atas, dapat disimpulkan

28

bahwa e-learning adalah sistem atau konsep pendidikan yang memanfaatkan

teknologi informasi dalam proses belajar mengajar. Proses belajar mengajar tidak

hanya terbatas pada tatap muka dengan pengajar di dalam kelas, tetapi dapat

dilaksanakan kapan saja dan dimana saja selama sistem e-learning masih terhubung

jaringan internet.

Gambar 2.6 E-Learning (Hartley, 2001)

2. 10.3 Definisi Ubiquitous Learning

Seseorang dikatakan belajar, disaat ia berada di dalam proses dari memperoleh

pengetahuan atau keterampilan. Oleh karena itu, tidak dapat diasumsikan bahwa

dengan menuangkan informasi kepada seseorang, ia dapat dikatakan belajar.

Pengetahuan diperoleh melalui interaksi antara individu dan lingkungan. Oleh

29

karena itu, para peneliti dan pelajar percaya bahwa learning by doing (Schank,

1995) adalah cara terbaik untuk belajar. Learning by doing mengajarkan secara

implisit dibandingkan dengan secara eksplisit namun hal yang dipelajari secara

implisit hanya perlu dialami dengan cara yang tepat dan di waktu yang tepat.

Dengan demikian, kita perlu memperkenalkan para pelajar untuk berada di dalam

sebuah lingkungan yang bermanfaat bagi minat mereka. Namun, cara pembelajaran

ini sulit untuk diterapkan tanpa memiliki metodologi yang tepat untuk memperoleh

informasi pembelajaran dari situasi yang sebenarnya.

Dengan kemajuan dan penyebaran dari ubiquitous computing technologies,

proses pembelajaran dari lingkungan menjadi lebih mudah. Inilah saatnya teknologi

memungkinkan proses berbagi informasi dan komunikasi terjadi secara alami,

selalu dan terus menerus sepanjang hari. Contohnya, seorang pelajar yang

dilengkapi dengan sebuah mobile device dapat terhubung ke device lain, dan

mengakses jaringan dengan menggunakan teknologi komunikasi nirkabel

(Uemukai et al., 2004). Selain itu, disarankan juga bahwa komputer yang digunakan

oleh pelajar dapat menyediakan informasi dan layanan yang relevan saat mereka

membutuhkannya, dengan secara otomatis merasakan konteks data dan dengan

cerdas menghasilkan apa yang dibutuhkan (Cheng & Marsic, 2002). Visi ini juga

diberikan oleh Yang et al. (2006).

Dapat didefinisikan bahwa ubiquitous Computing learning sebagai

penggunaan komputer yang tersebar di mana pengguna berada dengan jumlah

komputer yang disatukan dalam suatu lingkungan dan memungkinkan proses

belajar yang tepat di tempat dan waktu yang tepat dengan cara yang tepat.

30

2.10.3 Karakteristik Ubiquitous Learning

Tujuan dari u-learning adalah untuk menyediakan informasi yang tepat pada waktu

dan tempat yang tepat untuk mengakomodasi gaya hidup dan pekerjaan. Meski u-

learning telah menarik perhatian para peneliti, kriteria atau karakteristik untuk

pembentukan u-learning masih belum jelas (Hwang, 2006). Oleh karena itu,

terdapat berbagai upaya untuk mengidentifikasi karakteristik dari u-learning. Chen

et al. (2002) mengidentifikasi enam karakteristik dari m-learning dan sejak saat itu

telah diadaptasi oleh beberapa peneliti untuk menjadi bagian dari karakteristik u-

learning. Karakteristik tersebut adalah mendesaknya kebutuhan belajar, inisiatif

untuk memperoleh pengetahuan, mobilitas pengaturan pembelajaran, interaktivitas

proses pembelajaran, menetapkan aktivitas instruksional, dan integrasi

instruksional konten.

Upaya pertama dalam mengusulkan karakteristik u-learning oleh Curtis

(2002). Dibandingkan dengan Chen, Curtis mencantumkan karakteristik

berdasarkan pada tiga peluang utama yang unik untuk komputasi genggam.

Karakteristik yang meliputi ketetapan, aksesibilitas, dan kedekatan telah diakui oleh

peneliti lain (Ogata, 2004; Ogata & Yano, 2004; Chiu, 2008) sebagai hal yang

peling menonjol untuk u-learning. (Hiroaki Ogata & Yoneo Yano, 2004)

memperluas karakteristik dengan mempertimbangkan mobilitas pelajar dalam

lingkungan komputasi yang tertanam. Mereka berhasil mengidentifikasi dua

karakteristik utama dari u-learning, yaitu interaktivitas dan penempatan kegiatan

instruksional. Oleh karena itu, dengan mengacu pada Chen et al. (2002) dan Curtis

31

et al. (2002), karakteristik utama dari u-learning adalah ketetapan, aksesibilitas,

kedekatan, interaktivitas, dan penempatan kegiatan instruksional.

Di dalam diskusi sebelumnya, Hwang et al. (2008) menemukan bahwa lebih

tepat untuk menerapkan “contextaware u-learning” saat mendefinisikan istilah u-

learning. Dengan mengacu pada definisi tersebut, ia mangajukan beberapa

karakteristik yang signifikan dari u-learning yang mencakup layanan tanpa batas,

layanan context-aware dan layanan adaptif. Akhirnya, Chiu et al. (2008)

mempertimbangkan untuk memanfaatkan context-aware dan ubiquitous computing

technologies dalam lingkungan pembelajaran yang mendorong motif dan performa

pelajar. Oleh karena itu, ia merangkum karakteristik utama dari u-learning sebagai

berikut: mendesaknya kebutuhan belajar, inisiatif untuk memperoleh pengetahuan,

interaktivitas proses pembelajaran, situasi kegiatan instruksional, kesadaran

konteks, secara aktif menyediakan layanan personal, pembelajaran mandiri,

pembelajaran tanpa hambatan, menyesuaikan isi subjek, dan komunitas

pembelajaran. Adapun karakteristik dari u-learning adalah:

1) Permanency: Informasi tetap ada kecuali pelajar dengan sengaja

menghapusnya.

2) Accessibility: Informasi akan selalu tersedia kapanpun pelajar ingin

menggunakannya.

3) Immediacy: Informasi dapat segera didapatkan oleh para pelajar.

4) Interactivity: Pelajar dapat berinteraksi dengan rekan kerja, guru, dan

para ahli secara efisien dan efektif melalui media yang berbeda.

32

Tabel 2.1 Perbedaan antara U-Learning, M-Learning, dan E-Learning (Yahya,

Ahmad, & Jalil, 2010)

Kriteria U-Learning M-Learning E-Learning

Konsep Belajar hal yang

benar di tempat

dan waktu yang

tepat dengan cara

yang benar.

Belajar di tempat yang

benar dan waktu yang

tepat.

Belajar di waktu

yang tepat.

Ketetapan Pelajar tidak akan

pernah kehilangan

tugas mereka.

Pelajar mungkin

kehilangan tugas

mereka. Perubahan

dalam perangkat belajar

atau pembelajaran akan

mengganggu pergerakan

aktivitas belajar.

Pelajar dapat

kehilangan

tugas mereka.

Aksesibilitas Akses sistem

melalui teknologi

ubiquitous

computing

Akses sistem melalui

jaringan nirkabel

Akses sistem

melalui jaringan

komputer

Kesegeraan Pelajar

mendapatkan

informasi dengan

cepat.

Pelajar mendapatkan

informasi dengan cepat

di lingkungan yang tetap

dengan mobile learning

devices tertentu

Pelajar tidak

mendapatkan

informasi

dengan cepat.

Interaksi Interaksi pelajar

dengan rekan,

guru, dan para ahli

terjadi secara

efektif dengan

sistem tatap muka

dari u-learning

Pelajar dapat

berinteraksi dengan

rekan, guru, dan para

ahli di dalam lingkungan

pembelajaran tertentu

Interaksi antar

para pelajar

terbatas

Kesadaran-

Konteks

Sistem ini dapat

memahami

lingkungan pelajar

melalui database

dan mengetahui

lokasi pelajar,

situasi pribadi dan

lingkungan.

Sistem ini memahami

situasi pelajar dengan

mengakses database.

Sistem tidak

bisa memahami

lingkungan

pelajar.

33

5) Context-awareness: Lingkungan dapat menyesuaikan diri dengan situasi

nyata para pelajar untuk menyediakan informasi yang memadai bagi

pelajar.

2.11 Kajian Teori Sebelumnya

2.11.1 Kajian Teori Technology Readiness Index

Istilah Technology Readiness Index (TRI) awalnya diperkenalkan pada tahun 2000

oleh Parasuraman dan diterbitkan dalam jurnal layanan penelitian dengan judul A

Multiple-Item Scale to Measure Readiness to Embrace New Technologies.

Parasuraman mengusulkan untuk mengukur “kecendrungan orang untuk merangkul

dan menggunakan teknologi baru untuk mencapai tujuan dalam kehidupan di rumah

dan di tempat kerja” (Parasurman, 2000), maksudnya adalah mengenai

kecenderungan masyarakat untuk menggunakan teknologi baru untuk membantu

tujuan kehidupan berumah tangga dan dalam pekerjaan. Dan sejak itu TRI telah

menjadi sebuah metrik yang diterima secara luas untuk mempelajari proses adopsi

teknologi produk dan layanan.

Sebagai skala multy-item, TRI terdiri dari 36 pertanyaan yang ditujukan

untuk mengukur technology readiness. Skala 36-item terdiri dari empat dimensi

komponen keyakinan yang berkaitan dengan teknologi yang memperngaruhi

tingkat seseorang dalam Technology Readiness. Keyakinan ini menetapkan

kesediaan seseorang untuk berinteraksi dengan teknologi baru. Dari empat dimensi,

dua adalah kontributor dan dua lagi adalah inhibitor pada adopsi teknologi.

34

Kontributornya sebagai berikut:

1) Optimism (kepercayaan diri) yaitu menggambarkan sebuah ekspektasi

dari kebenaran positif teknologi.

2) Innovativeness (inovasi) yaitu mengenai otoritas penggunaan

teknologi.

Sedangkan inhibitor adalah:

3) Discomfort (ketidaknyamanan) adalah keraguan tentang jaminan orang

awam akan pengalamannya dengan teknologi.

4) Insecurity (ketidakamanan) adalah resiko kemungkinan orang-orang

melakukan transaksi berbasis teknologi (technology-based

transactions).

Sebagai kontributor, optimisme dan inovasi sebagai penggerak dari

Technology Readiness. Pada kenyataannya, skor tinggi diukur pada dimensi-

dimensi ini yang pada umumnya akan memperbesar kesiapan teknologi

(Technology Readiness). Sabaliknya, ketidaknyamanan dan ketidakamanan

mencegah atau menunda, berkecenderungan membuat orang-orang untuk

menggunakan teknologi baru. Dengan demikian, skor tinggi yang diukur pada

dimensi-dimensi ini akan menurunkan seluruh kesiapan teknologi (Technology

Readiness). Selama bertahun-tahun, TRI telah banyak bermanfaat bagi para peneliti

yang tertarik pada media sosial, akses mobile dan layanan teknologi lainnya. Skala

36-item yang di bangun oleh Parasurman telah diterjemahkan dalam berbagai

35

bahasa untuk memfasilitasi perkembangannya di banyak Negara dan telah

digunakan di berbagai sektor layanan termasuk pendidikan, perbankan,

telekomunikasi, kesehatan dan layanan professional lainnya.

Gambar 2.7 Technology Readiness Index (Parasuraman, 2000)

Mengingat faktor TRI sebagai karakteristik tertentu antara technology

motivated dan non-motivated, dengan melihat pada gambar di atas, kita dapat

mempertimbangkan hipotesis sebagai berikut.

1) Optimsm (OPT): Pandangan optimis terhadap penggunaan

teknologi, dan percaya bahwa teknologi akan memberikan

kontrol, peningkatan kinerja, dan efisiensi dalam kehidupan.

2) Innovativeness (INN): Kecenderungan seseorang untuk mencoba

dan melakukan eksplorasi terhadap teknologi terbaru.

36

3) Discomfort (DIS): Kurangnya penguasaan terhadap penggunaan

teknologi sehingga seseorang merasa terbebani atas teknologi

tersebut.

4) Insecurity (INS): Kurangnya kepercayaan seseorang terhadap

integritas teknologi sehingga menimbulkan keraguan atas

teknologi.

2.11.2 Kajian Teori Model Keberhasilan SI Delone dan McLean

Jogiyanto (2007) menjelaskan mengenai model keberhasilan sistem informasi yang

dikembangkan oleh Delone dan McLean. Tahun 1992, Delone dan McLean

mengembangkan model keberhasilan sistem informasi yang terdiri dari enam elemen

atau faktor didalamnya. Keenam elemen atau faktor tersebut adalah sebagai berikut.

1) Kualitas sistem (system quality)

2) Kualitas informasi (information quality)

3) Penggunaan (use)

4) Kepuasan pemakai (user satisfaction)

5) Dampak individual (individual impact)

6) Dampak organisasi (organization impact)

37

Gambar 2.8 Model Keberhasilan SI (Delone dan McLean, 1992)

Model keberhasilan di atas didasarkan pada proses dan hubungan kausal dari

dimensi-dimensi di model. Model ini tidak mengukur ke enam dimensi pengukuran

keberhasilan sistem informasi secara independen tetapi mengukurnya secara

keseluruhan satu mempengaruhi yang lainnya.

Pertimbangan proses beragumentasi bahwa suatu sistem terdiri dari beberapa

proses, yaitu satu proses mengikuti proses lainnya. Suatu model proses

mengusulkan bahwa suatu sistem informasi terdiri dari beberapa proses yaitu

sebagai berikut ini.

1) Suatu sistem informasi mula-mula dibuat berisi dengan banyak fitur,

yang dapat memperlihatkan beberapa tingkat kualitas sistem dan

informasinya.

2) Pemakai-pemakai dan manajer-manajer mempunyai pengalaman

dengan fitur-fitur tersebut dengan menggunakan sistemnya, entah

38

mereka puas atau tidak puas dengan sistemnya atau produk

informasinya.

3) Penggunaan dari sistem dan produk informasinya kemudian

mempunyai dampak atau pengaruh (influence) di pemakai individual di

dalam melakukan pekerjaannya, dan dampak-dampak individu ini

secara kolektif akan berakibat pada dampak-dampak organisasional.

Sejak tahun 1992 sampai tahun 2002, banyak penelitian yang telah merujuk

dan menggunakan model Delone dan McLean (1992). Kepopuleran model ini

menunjukkan bukti yang kuat dari kebutuhan untuk mengintegrasikan penemuan-

penemuan riset secara komprehensif di bidang sistem informasi. Model ini banyak

mengundang perhatian dari para peneliti, salah satunya adalah Peter B. Seddon

yang melontarkan kritik terhadap model yang diajukan oleh DeLone & Mclean.

Menurut Seddon dalam Jogiyanto (2007) masalah utama dari model D&M

(DeLone & McLean) adalah mencoba mengkombinasikan proses dan penjelasan

kausal dari keberhasilan sistem informasi di model mereka. Dengan demikian

model mereka tercampur antara model proses (process model) dan model varian

(variance model). Menanggapi kritik Seddon tersebut yang menyatakan bahwa

proses dan kausal adalah dua konsep yang berbeda dan membingungkan untuk

digabungkan. DeLone & McLean (2003) menyetujui kritik ini.

Pembuatan model keberhasilan sistem informasi D&M (D&M Information

Success Model) dipicu oleh suatu proses pembuatan informasi dan dampak dari

39

penggunaan sistem informasinya. DeLone & McLean mendasarkan modelnya pada

model proses yang terdiri dari tiga komponen proses, yaitu:

1) Pembuatan dari suatu sistem informasi

2) Penggunaan sistem informasi tersebut

3) Konsekuensi atau dampak dari penggunaan sistem

Masing-masing dari proses-proses ini diperlukan (necessary), tetapi masih

belum cukup (not sufficient) untuk suatu kondisi supaya dapat memberikan hasil

(outcome). Misalnya tanpa penggunaan sistem, tidak akan ada konsekuensinya atau

manfaatnya. Demikian juga dengan pemakaian sistem mungkin juga tidak akan

dihasilkan manfaat. Dengan demikian untuk memahami seluruh dimensi dari

keberhasilan sistem informasi, model varian atau model kausal diperlukan.

Kritik lainnya oleh Seddon, tentang pemakaian sistem (system use) adalah

suatu perilaku (behavior), sehingga harus dikeluarkan sebagai pengukur sukses dari

model kausal. DeLone & McLean (2003) tidak sependapat dengan kritik ini.

Mereka berargumentasi bahwa pemakaian sistem (use) harus mendahului dampak

dan manfaat, mereka percaya bahwa pemakaian sistem merupakan pengukur yang

tepat untuk mengukur sukses di kebanyakan kasus.

DeLone & McLean (2003) lebuh lanjut mengatakan bahwa permasalahan

dengan menggunakan pemakaian sistem (use) sebagai pengukur keberhasilan

adalah pada definisinya yang terlalu sederhana tanpa memperhatikan sifat dari

penggunaannya. Peneliti-peneliti harus mempertimbangkan sifat (nature),

perluasan (extent), kualitas (quality), dan ketepatan (appropriateness) dari

40

pemakaian sistem. Sehingga penghapusan pemakaian sistem (use) dari model

ditolak oleh Delone dan McLean (2003). Selain itu, kenyataannya juga pemakaian

sistem (system use atau system usage) masih digunakan di banyak riset-riset empiris

dan berlanjut dikembangkan dan diuji oleh peneliti-peneliti sistem informasi.

Telah banyak perubahan peran sistem informasi selama 10 tahun sejak

DeLone & McLean pertama kali dikenalkan. Dengan mengkaji lebih dari 100

artikel yang dipublikasikan di jurnal-jurnal sistem informasi terkenal seperti

Information System research, Journal of Management Information Systems, dan

MIS Quarterly sejak tahun 1993, Delone dan McLean (2003) kembali memperbaiki

modelnya dan mengusulkan model yang sudah dimukhtakhirkan terutama untuk

digunakan di e-commerce yang merupakan aplikasi yang belum banyak muncul di

model awal.

Dari kontribusi-kontribusi penelitian-penelitian sebelumnya dan akibat

perubahan-perubahan dari peran dan penanganan sistem informasi yang telah

berkembang, DeLone & McLean (2003) memperbarui modelnya dan menyebutnya

sebagai model keberhasilan sistem informasi D&M yang diperbarui (updated D&M

IS Success model). Hal-hal yang diperbarui dalam model ini adalah sebagai berikut.

1) Menambah dimensi kualitas pelayanan (service quality) sebagai

tambahan dari dimensi-dimensi kualitas yang telah ada.

2) Menggabungkan dampak individual (individual impact) dan dampak

organisasional (organizational impact) menjadi satu variabel yaitu

manfaat-manfaat bersih (net benefits).

41

3) Menambahkan dimensi minat memakai (intention to use) sebagai

alternatif dari dimensi pemakaian (use).

4) Pemakaian (use) dan kepuasan pemakai (user satisfaction) sangat erat

berhubungan. Pemakaian (use) harus mendahului kepuasan pemakai

(user satisfaction) sebagai suatu proses, tetapi pengalaman yang positif

karena menggunakan (use) akan mengakibatkan kepuasan pemakai

yang lebih tinggi sebagai suatu kausal. Secara sama, peningkatan

kepuasan pemakai akan mengakibatkan peningkatan minat

menggunakan (intention to use) dan kemudian akan menggunakan

(use).

5) Jika manfaat-manfaat bersih (net benefits) positif akan menguatkan

minat memakai, dan menggunakan serta tingkat kepuasan pemakai.

Umpan balik ini masih valid bahkan untuk manfaat-manfaat bersih

yang negatif.

6) Model yang diperbarui mempunyai arah panah untuk

mendemonstrasikan hubungan yang diusulkan antar dimensi-dimensi

keberhasilan dalam bentuk proses, tetapi tidak menunjukkan arah

hubungannya yang positif atau negatif dalam bentuk kausal.

Dari hasil analisis tersebut, maka Delone dan McLean (2003) mengusulkan

suatu model yang diperbarui yang nampak pada gambar berikut ini.

42

Gambar 2.9 Pengembangan Model Keberhasilan SI (Delone dan McLean, 2003)

2.11.3 Model IPO Logic

Beberapa penelitian menggunakan Input-Process-Output Logic pada model

penelitiannya. Logika IPO di adopsi untuk tujuan yang sama dalam pengukuran

kualitas dari suatu sistem. Teori dasar sistem ini digunakan untuk dapat memberi

gambaran akan konsep sistematis dari suatu sistem (Subiyakto et al. 2014). Model

logika komputer IPO logic yang digunakan milik Davis (1998) dan sampai saat ini

masih banyak digunakan dalam penelitian di bidang teknologi dan informasi.

Logika IPO ini digunakan pada penelitian yang bertujuan dalam hal pengukuran

kualitas suatu sistem. Teori dasar IPO digunakan juga untuk menggambarkan

konsep sistematis dari suatu sistem dan mudah dimengerti oleh para pengguna, para

desainer pun juga dapat mengevaluasi dan memperbaiki desain (Davis, 1998).

Model logic bila digambarkan secara langsung belum tentu dapat dilihat hubungan

43

sebab-akibat atau hubungan tujuan dan dampak dari program ataupun proyek secara

langsung. Namun ini bukan berarti bahwa program tersebut dikatakan tidak

berhasil, tetapi kemungkinan adanya bahwa program sebagai salah satu dari banyak

faktor yang dapat mempengaruhi suatu dampak yang dapat ditimbulkannya

(Solihin, Dadang. 2012). Berikut adalah gambar 2.6 merupakan alur dari IPO logic.

Gambar 2.10 IPO LOGIC (Davis, 1998)

44

2.11.4 Literatur Sejenis

Tabel 2.2 Literatur Sejenis

Referensi Tujuan Hasil

(Asnawi, 2014)

Untuk mengetahui kesesuaian hubungan antara

manusia, organisasi, dan teknologi pada manfaat

pada implementasi sistem

Kualitas layanan terhadap penggunaan sistem memliki pengaruh yang rendah,

kepuasan pengguna terhadap net benefit memiliki pengaruh yang rendah.

Berpengaruh signifikan kualitas sistem terhadap penggunaan sistem, Berpengaruh

signifikan Kualitas sistem-kepuasan pengguna, Berpengaruh signifikan Kualitas

informasi-penggunaan sistem, Berpengaruh signifikan Kualitas informasi-kepuasan

pengguna, Berpengaruh signifikan Kualitas layanan-penggunaan sistem,

Berpengaruh signifikan Kualitas layanan-kepuasan pengguna, Berpengaruh

signifikan Kepuasan pengguna-penggunaan sistem, Berpengaruh signifikan

Struktur organisasi-lingkungan, Berpengaruh signifikan Berpengaruh signifikan

Penggunaan sistem-net benefit, Berpengaruh signifikan Kepuasan pengguna net

benefit, Berpengaruh signifikan Struktur-net benefit, Berpengaruh signifikan

Lingkungan – net benefit

(Erlirianto, Noor

Ali, & Herdiyanti,

2015)

Penelitian ini bertujuan untuk mengevaluasi

faktor-faktor yang dapat mempengaruhi

Electronic Medical Record

Kualitas informasi memberikan pengaruh positif yang signifikan terhadap kepuasan

pengguna.Kualitas layanan memberikan pengaruh positif yang signifikan terhadap

kepuasan pengguna. Struktur memberikan pengaruh positif yang signifikan

terhadap lingkungan. Lingkungan memberikan pengaruh positif yang signifikan

terhadap struktur. Lingkungan memberikan pengaruh positif yang signifikan

terhadap manfaat bersih.

45

Tabel 2.2 Literatur Sejenis (lanjutan)


(Tammubua,

Sodjiono, &

Sofyan, 2015)

Tujuan yang

ingin dicapai dalam penelitian ini melakukan

evaluasi

faktor–faktor keberhasilan aplikasi pemantauan

pelaksanaan program dan kegiatan di

lingkungan

BPSDMPK-PMP Kemdikbud dari aspek

human(pengguna), organization(organisasi

BPSDMPKPMP),

technology(teknologi).

1. Aspek teknologi, kualitas sistem (KS), kulitas Informasi (KI) berpengaruh positif

dan signifikan terhadap kepuasan pengguna (KP). Kualitas layanan (KL) yang ada

berpengaruh positif dan tidak signifikan pada kepuasan kengguna (KP) dan

penggunaan sistem.

2. Aspek pengguna, kepuasan pengguna (KP) berpengaruh positif dan signifikan

terhadap penggunaan aplikasi (U)

3.Aspek organisasi, Variabel struktur organisasi (SO) berpengaruh positif dan

signifikan terhadap kepuasan pengguna (KP). Kepuasan Pengguna (KP )

berpengaruh positif dan signifikan terhadap variabel Manfaat (M).

(Bayu &

Muhimmah, 2013)

Bertujuan mengetahui dan mengevaluasi faktor-

faktor yang mendukung kesuksesan penerapan

SIMRS di RS PKU Muhammadiyah Sruweng

faktor-faktor yang mempengaruhi penerapan sistem

informasi tersebut sebagai berikut :

1. Faktor teknologi yaitu kualitas sistem dan kualitas informasi memiliki hubungan

yang searah (positif) dan signifikan terhadap penggunaan sistem (System Use) dan

kepuasaan pengguna (User Satisfaction) yaitu manusia sebagai pengguna akhir

sistem.

2. Faktor manusia (Human) yaitu kepuasan pengguna (user satisfaction)

berhubungan yang searah (positif) dan signifikan terhadap penggunaan sistem

(system use) dan net benefit (manfaat sistem).

3. Faktor organisasi (Organization) yaitu struktur organisasi (Structure) memiliki

hubungan yang searah (positif) dan signifikan terhadap lingkungan organisasi

(Environment) dimana SIMRS diterapkan. Serta faktor organisasi (Organization)

yaitu struktur organisasi (Structure) dan lingkungan organisasi (Environment)

memiliki hubungan yang searah (positif) dan signifikan terhadap Net Benefits

(Manfaat sistem).

46



(Al-Debei, 2013)

Dari penelitian ini bertujuan untuk mengetahui

peran portal web dalam meningkatkan kinerja

kerja pada tingkat individu dari perspektif

karyawan sebagai pengguna.

Hasil dari penelitian ini secara keseluruhan model yang dikembangkan

berpengaruh, semua hipotesis yang dirumuskan dalma penelitian ini didukung

kecuali yang menyatakan bahwan kualitas layanan lebih tinggi menyebabkan

kepuasan pengguna yang lebih besar. Kualitas sistem ternyata memiliki pengaruh

kuat terhadap kepuasan pengguna dengan portal dan niat menggunakan portal

dibanding kualitas informasi dan kualitas layanan.

(Florestiyanto,

2012)

.

Bertujuan untuk melakukan evaluasi kesiapan

pengguna dalam menerima dan menggunakan

TIK, pada kasus infrastruktur TIK yang

dikembangkan tidak terintegrasi dengan baik,

dengan mengadopsi metode Technology

Readiness Index (TRI) yang dikembangkan oleh

Parasuraman (2000)

Hasil dari penelitian tersebut ialah:

1. Optimisme berpengaruh terhadap technology readiness.

2. Inovasi pengguna berpengaruh terhadap technology readiness.

3. Ketidaknyamanan pengguna berpengaruh terhadap technology readiness.

4. Ketidakamanan pengguna berpengaruh terhadap technology readiness.

(Hendra, Sukardi,

&Syahrullah,

2015)

Penelitian ini dilakukan untuk mengevaluasi

implementasi E-Learning Klasiber yang

digunakan secara efektif di UII untuk

mendapatkan net benefit dari implementasi E-

Learning Klasiber

Hasil dari penelitian tersebut ialah:

1. System quality tidak berpengaruh signifikan terhadap user satisfaction

2. Information quality berpengaruh signifikan terhadap user satisfaction

3. Service quality berpengaruh signifikan terhadap user Satisfaction

4. User satisfaction berpengaruh signifikan terhadap net benefit

(Pambudi, 2015)

Tujuan Umum Penelitian:

1. Mengetahui kesiapan pengguna terhadap

implementasi sistem informasi akademik

Politeknik Negeri Madiun.

2. Mengetahui berapa besar pengaruh index

kesiapan pengguna terhadap utility sistem

informasi akademik.

Hasil dari penelitian ini ialah:

1. Pengukuran kesiapan pengguna terhadap implementasi Sistem Informasi

Akademik Politeknik Negeri Madiun dianalisis dengan teknik SEM dengan

pendekatan Partial Least Square dan menggunakan metode Technology

Readiness Index.

2. Hasil penelitian menyatakan bahwa persepsi pengguna terhadap factor

Optimisme, Inovasi, Ketidaknyamanan dan Ketidakamanan berpengaruh

secara signifikan terhadap TR.

3. Score faktor ketidaknyamanan menempati urutan teratas, dan Inovasi

menempati peringkat terbawah, hal ini berarti bahwa faktor ketidaknyamanan

merupakan penentu utama TR di kalangan pengguna SIA PNM.

47



(Kuo, 2013)

Tujuan penelitian ini untuk mengetahui pengaruh kualitas sistem

informasi dan kesiapan teknologi pada kinerja organisasi.

Hasil penelitian ini mengajukan dua hipotesis dan keduanya

didukung. Dengan kata lain, ISQ memiliki pengaruh positif terhadap

OP dan TR yang memiliki efek moderat terhadap hubungan antara

ISQ dan OP.

(Subiyakto,

2017)

Tujuan penelitian ini menggabungkan dua model menjadi satu

kesiapan dan keberhasilan sistem untuk mengetahui pengaruh

kesiapan terhadap keberhasilan integrasi sistem

Hasil penelitian ini menunjukkan anatara penggabungan dua model

yang dikembangkan menjadi satu model antara model kesiapan

dengan model keberhasilan sistem yang memiliki Sembilan variabel

dengan 23 indikator.

(Lin, J.S.C., &

Hsieh, P.L.,

2006)

Tujuan penelitian ini menguji bagaimana Technology Readiness

(TR) mempengaruhi persepsi pelanggan dan adopsi dari Self-

Service Technologies melalui pengembangan dari sebuah model

empiris untuk mengeksplorasi hubungan antara Technology

Readiness (TR), Kualitas layanan yang dirasakan, kepuasan dan

intensi perilaku terhadap Self-Service Technologies.

Hasil Penelitian ini menunjukkan Technology Readiness (TR)

mempengaruhi kualitas layanan SSTs yang dirasakan dan intensi

perilaku, sementara kualitas layanan SSTs yang memiliki dampak

positif pada kepuasan pelanggan dan intensi perilaku terhadap SSTs.

(Chen, S. C.,

& Chen, M.F.,

2009)

Tujuan penelitian ini adalah untuk mengembangkan model terpadu

yang dirancang untuk memprediksikan dan menjelaskan sebuah

kegunaan Self-Service Technologies berdasrkan konsep

Technology Readiness (TR), Technology Acceptance Model

(TAM), dan Theory of Planned Behavior (TPB).

Hasil penelitian ini menemukan bahwa kepuasan pelanggan secara

signifikan mempengaruhi intensi yang terus berlanjut, sedangkan

kegunaan yang dirasakan, kemudahan penggunaan yang dirasakan,

norma subjektif, kontrol perilaku yang dirasakan secara simultan

mempengaruhi kepuasan. Optimism dan Innovativeness juga

merupakan berpengaruh terhadap kepuasan. Namun Discomfort dan

Insecurity tidak memiliki pengaruh negatif yang signifikan pada

kelanjutan intensi dalam mengadopsi Self-Service Technologies.

(Chen, S.C., &

Lai, M.T.,

2014)

Tujuan penelitian ini mengeksplorasi hubungan antara kesiapan

teknologi, kualitas hubungan, dan kelanjutan niat.

Hasil penelitian ini menunjukkan bahwa Optimism dan

Innovativeness secara signifikan dan secara positif mempengaruhi

niat berkelanjutan melalui efek mediasi kualitas hubungan. Namun

Discomfort dan Insecurity tidak berpengaruh secara signifikan

terhadap kualitas hubungan atau kelanjutan niat.

48

Berdasarkan tabel 2.2 di atas, dapat dilihat dari tiga belas literatur sejenis yang peneliti

baca terlihat perbedaan dari tiga belas penelitian di atas dengan penelitian ini yaitu

penelitian sebelumnya menggunakan model yang berbeda dengan penelitian ini,

penelitian ini menerapkan model dari (Subiyakto, 2017) sedangkan tiga belas

penelitian sebelumnya menggunakan model yang berbeda-beda TRI, HOT-FIT, dan

model keberhasilan. Penelitian ini menggunakan model gabungan antara Technology

Readiness (TRI) dengan model Keberhasilan Sistem Informasi memiliki 23 hipotesis

dengan Sembilan variabel yaitu Optimism, Innovativeness, Discomfort, Insecurity,

Information Quality, System Quality, Service Quality, User Satisfaction, dan Success

Information System. Penelitian ini didominasi oleh mahasiswa sebagai responden yang

mana menurut McKnight et al. (2002a) bahwa mahasiswa umumnya mandiri, akrab

dengan layanan teknologi berbasis internet, dan lebih berpendidikan daripada pemakai

biasa (dikutip dalam Susanto et al., 2013).

2.12 Definisi Populasi dan Sampel

Populasi berasal dari bahasa inggris, yaitu “population” yang berarti jumlah penduduk.

Dalam metode penelitian, kata populasi amat populer dipakai untuk menyebutkan

serumpun/sekelompok objek yang menjadi sasaran penelitian. Populasi penelitian

merupakan keseluruhan dari objek penelitian yang dapat berupa manusia, hewan,

tumbuh-tumbuhan, udara, gejala, nilai, peristiwa sikap hidup dan sebagainya. Sehingga

objek-objek ini dapat menjadi sumber data penelitian (Bungin, 2006).

49

Jenis populasi terbagi dua, yaitu:

1) Populasi fitnit, artinya jumlah individu ditentukan

2) Populasi infinit, artinya jumlah individu tidak terhingga atau tidak

diketahui dengan pasti.

Sampel ialah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi

tersebut. Sehingga pengambilan sampel harus menggunakan cara-cara tertentu yang

berdasarkan oleh pertimbangan-pertimbangan yang ada (Sugiyono, 2011).

2.13 Teknik Pengambilan Sampel

Dalam pengambilan sampel dari suatu populasi dapat dibedakan menjadi dua kategori

teknik pengambilan sampel, seperti yang terdapat dalam Gambar 2.11

50

Gambar 2.11 Kategori Sampel (Siregar, 2013)

1) Probability Sampling

Merupakan metode sampling yang setiap anggota populasi memiliki peluang sama

untuk terpilih sebagai sampel.

a. Sampel Random Sederhana (Simple random sampling)

Simple random sampling merupakan teknik pengambilan sampel yang

memberikan kesempatan yang sama kepada setiap anggota yang ada dalam

suatu populasi untuk dijadikan sampel.

Nonprobability Sampling

Kategori Sampling

Probability Sampling

1. Simple Random

Sampling

2. Stratified Sampling

• Proporsional

• Disproporsional

3. Cluster Sampling

4. Double Sampling

1. Conviniece Sampling

2. Purposive Sampling

3. Judgement Sampling

4. Quota Sampling

5. Snowball Sampling

51

b. Strata sampel (Stratified sampling)

Stratified sampling merupakan teknik pengambilan sampel dengan

populasi yang memiliki strata atau tingkatan dan setiap tingkatan memiliki

karakteristik sendiri. Karena jumlah populasi pada setiap strata tidak sama,

maka dalam pelaksanaanya dibagi empat jenis, yaitu:

a) Proporsional, jumlah sampel yang diambil dari setiap strata

sebanding, sesuai dengan proporsi ukurannya.

b) Disproporsional, jumlah sampel yang diambil dari setiap strata

jumlahnya sama tidak sebanding dengan jumlah populasi dengan

proposi sampel di setiap strata.

c) Cluster Sampling, teknik penarikan sampel dengan menggunakan

metode ini adalah populasi dibagi dulu atas kelompok berdasarkan

area atau cluster, lalu beberapa cluster dipilih sebagai sampel dari

cluster tersebut bisa diambil seluruhnya atau sebagian saja untuk

dijadikan sampel, anggota populasi di setiap cluster tidak perlu

homogen. Sampel ditarik dengan teknik kombinasi antara stratified

sampling dan cluster sampling.

d) Sampel ganda (double sample), double sample sering juga disebut

dengan istilah sequential sampling (sample berjenjang) dan

multiphase-sampling (sample multi tahap).

52

2) Non probability Sampling

Non probability Sampling, setiap unsur yang terdapat dalam populasi tidak memiliki

kesempatan atau peluang yang sama untuk dipilih sebagai sampel, bahkan probabilitas

tertentu untuk terpilih tidak diketahui. Pemilihan unit sampling didasarkan pada

pertimbangan atau penilaian subjektif dan tidak pada penggunaan teori probabilitas.

Berikut adalah empat jenis non probability sampling, yaitu:

a. Convinience Sampling

Convinience sampling adalah teknik penentuan sampel berdasarkan

kebetulan saja, anggota populasi yang ditemui peneliti dan bersedia

menjadi responden untuk dijadikan sampel atau peneliti memilih orang-

orang yang terdekat saja.

b. Purposive Sampling

Merupakan metode penetapan responden untuk dijadikan sampel

berdasarkan pada kriteria-kriteria tertentu.

c. Quota Sampling

Merupakan metode penetapan sampel dengan menentukan quota terlebih

dahulu pada masing-masing kelompok, sebelum quota masing-masing

kelompok terpenuhi maka penelitian belum dianggap selesai.

d. Snowball Sampling

Adalah teknik pengambilan sampel yang pada mulanya jumlahnya kecil

tapi makin lama makin banyak, berhenti sampai informasi yang didapatkan

53

dinilai telah cukup. Teknik ini baik untuk diterapkan jika calon responden

sulit untuk diidentifikasi.

2.14 Teknik Menentukan Ukuran Sampel

Dalam penelitian ini untuk mendapatkan ketepatan ukuran pengukuran penelitian ini

menggunakan metode analisis SEM. Berdasarkan studi penelitian Monte Carlo

berbagai estimasi penentuan sampel yang disimpulkan:

1) Model SEM dengan jumlah variabel laten sampai dengan lima buah dan

setiap konstruk dijelaskan 3 atau lebih indikator jumlah sampel 100-150

sudah dianggap memadai (Singgih & Santoso, 2011).

2) Ukuran sampel untuk model SEM adalah antara 100-200, atau dengan cara

jumlah indicator dikali 5 sampai 10 (Ferdinand A.T, 200)

3) Ukuran sampel untuk estimasi Maximum Likehood harus setidaknya 5x

jumlah parameter bebas dalam model, termasuk eror (Bentler & Chou,

1987).

4) SEM yang menggunakan model estimasi maximum likehood estimation

(MLE) adalah 100-200 sampel (Ghozali, 2008).

54

2.15 Definisi Skala Likert

Skala likert adalah suatu skala psikometrik yang umum digunakan dalam angket dan

merupakan skala yang paling banyak digunakan dalam riset berupa survei. Nama skala

ini diambil dari nama Rensis Likert, yang menerbitkan suatu laporan yang menjelaskan

penggunaannya. Menurut Djaali (2008) skala likert adalah skala yang dapat

dipergunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau

sekelompok orang tentang suatu gejala atau fenomena pendidikan.

Menurut Sugiyono (2012) skala likert digunakan untuk mengukur sikap,

pendapat, dan persepsi seseorang atau sekelompok orang tentang fenomena sosial.

Sewaktu menanggapi pertanyaan dalam skala likert, responden menentukan tingkat

persetujuan mereka terhadap suatu pertanyaan dengan memilih salah satu dari pilihan

yang tersedia. Biasanya disediakan lima pilihan skala dengan format seperti ini:

1) Sangat tidak setuju

2) Tidak setuju

3) Kurang setuju

4) Setuju

5) Sangat setuju

Selain pilihan dengan lima skala seperti contoh di atas, kadang digunakan juga

skala dengan tujuan atau sembilan tingkat. Suatu studi empiris menemukan bahwa

55

beberapa karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan tersebut

ternyata sangat mirip (Dawes, 2008).

2.16 SEM (Structural Equation Modelling)

Menurut Bollen (2011) “SEM adalah himpunan persamaan yang merangkum

hubungan antara variabel laten, variabel yang diamati, dan variabel kesalahan”. SEM

dapat digunakan untuk menjawab berbagai masalah riset (research question) dalam

suatu set analisis secara sistematis dan komprehensif. Menurut Ramadiani (2010),

SEM adalah singkatan structural equation model yang merupakan model persamaan

struktural generasi kedua teknik analisis multivariat yang memungkinkan peneliti

untuk menguji hubungan antar variabel yang kompleks baik recursive maupun

nonrecursive untuk memperoleh gambaran menyeluruh mengenai suatu model.

Dengan demikian SEM adalah salah satu teknik analisis multivariat yang

digunakan untuk menganalisis hubungan antar variabel yang lebih kompleks

dibandingkan dengan analisis regresi berganda dan analisis faktor.

Berikut adalah contoh model persamaan struktural berdasarkan jurnal

penelitian (Handayani & Sudiana, 2015).

56

Gambar 2.12 Analisis Model Persamaan Struktural

(Handayani & Sudiana, 2015)

2.16.1 Teknik Analisis SEM

Hair, et al. (1998) dalam Ghozali (2008) menyatakan ada 7 tahap yang harus dilakukan

dalam pengujian SEM, sebagai berikut:

1) Pengembangan model teoritis

Topik penelitian ditelaah secara mendalam dan hubungan antara variabel-

variabel yang akan dihipotesiskan harus didukung oleh justifikasi teori

57

yang kuat. Hal ini dikarenakan SEM adalah untuk mengkonfirmasi apakah

data observasi sesuai dengan teori atau tidak.

2) Menyusun diagram alur (path diagram). Dalam tahap ini dilakukan

penyusunan model struktural yaitu mengubah antar konstruk laten baik

endogen maupun eksogen dan menyusun measurement model yaitu

menghubungkan konstruk laten endogen atau eksogen dengan variabel

indikator atau manifest.

3) Mengubah diagram jalur menjadi persamaan struktural

Langkah selanjutnya adalah mengkonversikan diagram alur kedalam

persamaan, baik persamaan struktural maupun model pengukuran.

4) Memilih matrik input untuk analisis data

Jenis matrik input yang dimaksukkan adalah data input berupa matrik

varian atau kovarian atau matrik korelasi. Data mentah observasi akan

diubah secara otomatis oleh program menjadi matriks kovarian atau

matriks korelasi. Matriks kovarian mempunyai kelebihan dibandingkan

matriks korelasi dalam memberikan validitas perbandingan antara populasi

yang berbeda atau sampel yang berbeda. Namun matriks kovarian lebih

rumit karena nilai koefisien harus diinterpretasikan atas dasar unit

pengukuran konstruk.

5) Menilai identifikasi model

Teknik estimasi model persamaan struktural pada awalnya dilakukan

dengan ordinary least square (OLS) regresion, akan tetapi teknik ini telah

58

digantikan oleh maximum likelihood (ML) estimation yang lebih efisien

dan unbias jika asumsi normalitas multivariate terpenuhi.

Selama estimasi berlangsung dengan program komputer sering didapat hasil

estimasi yang tidak logis atau meaningless dan hal ini berkaitan dengan masalah

identifikasi model struktural. Masalah identifikasi adalah ketidakmampuan proposed

model untuk menghasilkan unique estimate. Cara melihat ada tidaknya masalah

identifikasi adalah dengan melihat hasil estimasi yang meliputi:

a. Adanya nilai standar error yang besar untuk satu atau lebih koefisien

b. Ketidakmampuan program untuk invert information matrix

c. Nilai estimasi yang tidak mungkin misalkan error variance yang negatif

d. Adanya nilai korelasi yang tinggi antar koefisien estimasi.

Jika diketahui ada masalah identifikasi maka ada tiga hal yang harus dilihat:

a) Besarnya jumlah koefisien yang diestimasi relatif terhadap jumlah

kovarian atau korelasi, yang diindikasikan dengan nilai degree of

freedom yang kecil.

b) Digunakannya pengaruh timbal balik atau resiprokal antar konstruk

(model non-recursive)

c) Kegagalan dalam menetapkan nilai fix pada skala konstruk.

6) Menilai kriteria Goodness of fit

Ada tiga jenis ukuran goodness of fit yaitu absolute fit measures,

incremental fit measures dan parsimonious fit measure. Absolute fit

measures mengukur model fit secara keseluruhan (baik model struktural

59

maupun model pengukuran secara bersama). Sedangkan incremental fit

measures ukuran untuk membandingkan proposed model dengan model

lain yang dispesifikasi oleh peneliti. Dan terakhir parsimonious fit measure

melakukan adjustment terhadap pengukuran fit untuk dapat

diperbandingkan antar model dengan jumlah koefisien yang berbeda.

7) Interpretasi terhadap model

Ketika model telah dinyatakan diterima, maka peneliti dapat

mempertimbangkan dilakukannya modifikasi model untuk memperbaiki

penjelasan teoritis atau goodness of fit. Modifikasi dari model awal harus

dilakukan setelah dikaji banyak pertimbangan. Jika model modifikasi,

maka model tersebut harus di cross-validated (diestimasi dengan data

terpisah) sebelum model modifikasi diterima.

2.17 Smart PLS (Partial Least Square)

Menurut Ghozali (2006), PLS merupakan pendekatan alteranatif yang bergeser dari

pendekatan SEM berbasis kovarian menjadi berbasis varian. SEM yang berbasis

kovarian umumnya menguji kausalitas/ teori sedangkan PLS lebih bersifat predictive

model. Beberapa istilah umum yang digunakan pada PLS diantaranya adalah (Hair et

al, 1998):

60

1) Variabel Laten

Konsep yang diukur dengan perkiraan berdasarkan indikator penyusunnya.

Indikator penyusun tersebut dinamakan dengan variabel manifest.

2) Variabel Manifes

Variabel negatif adalah nilai observasi pada bagian spesifik yang

dipertanyakan, baik dari responden yang menjawab pertanyaan (misalnya,

kuesioner) maupun observasi yang dilakukan oleh peneliti. Dalam format

kuesioner, variabel negatif tersebut merupakan item-item pertanyaan dari

setiap variabel yang dihipotesiskan

3) Variabel Intervening

Variabel yang secara teoritis mempengaruhi (memperlemah dan

memperkuat) hubungan antara variabel independen dengan dependen,

tetapi tidak dapat diamati dan diukur.

PLS merupakan metode analisis yang powerfull karena tidak didasarkan pada

banyak asumsi (Ghozali, 2006). Misalnya data harus terdistribusi normal, sampel tidak

harus benar. Selain dapat digunakan untuk mengkonfirmasi teori, PLS juga dapat

digunakan untuk menjelaskan ada tidaknya hubungan antar variabel laten. PLS dapat

sekaligus menganalisis konstruk yang dibentuk dengan indikator reflektif dan formatif.

Menurut Ghozali (2006) tujuan PLS adalah membantu peneliti untuk tujuan prediksi.

Model formalnya mendefinisikan variabel laten adalah linear agregat dari indikator-

indikatornya. Weight estimate untuk menciptakan komponen skor variabel laten

didapat berdasarkan bagaimana inner model (model struktural yang menghubungkan

61

antar variabel laten) dan outer model (model pengukuran yaitu hubungan antara

indikator dengan konstruknya) dispesifikasi. Hasilnya adalah residual variance dari

variabel dependen.

Estimasi parameter yang didapat dengan PLS dapat dikategorikan menjadi tiga.

Pertama, adalah weight estimate yang digunakan untuk menciptakan skor variabel

laten. Kedua, mencerminkan estimasi jalur (path estimate) yang menghubungkan

variabel laten dan antar variabel laten dan indikatornya (loading). Ketiga berkaitan

dengan means dan lokasi parameter (nilai konstanta regresi) untuk indikator dan

variabel lain. Untuk memperoleh ketiga estimasi ini, PLS menggunakan proses iterasi

tiga tahap dan setiap tahap iterasi menghasilkan estimasi. Tahap pertama,

menghasilkan weight estimate, tahap kedua menghasilkan estimasi untuk inner model

dan outer model, dan tahap ketiga menghasilkan estimasi means dan lokasi (Ghozali,

2006)

PLS-SEM merupakan salah satu metode yang digunakan dalam menganalisis

dan dinilai kuat karena digunakan pada setiap jenis skala data seperti, data interval,

data nominal, dan rasio serta syarat asumsi yang lebih fleksibel (Yamin dan Kurniawan,

2011). Partial Least Square (PLS) dikembangkan pertama kalinya oleh Herman Wold

pada tahun 1975. Software yang digunakan untuk analisis menggunakan PLS-SEM

antara lain SmartPLS, XLSTAT, PLS-PM, Visual PLS, dan lainnya. PLS dapat

digunakan untuk tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan eksplorasi.

PLS juga dapat menduga apakah terdapat atau tidak hubungan antar variabel dan

kemudian proposisi untuk pengujian. Tujuan utamanya adalah menjelaskan hubungan

62

antar konstruk dan menekankan pengertian tentang nilai hubungan tersebut

penggunaan PLS untuk prediksi dan membangun teori serta sampel yang dibutuhkan

relatif kecil, dengan minimum sepuluh kali item konstruk yang paling kompleks

(Ghozali, 2011; Yamin & Kurniawan, 2011; Heir et al, 2013).

PLS-SEM memiliki empat alasan umum bagi para peneliti untuk dapat

menggunakannya. Alasan pertama yaitu algoritma PLS tidak terbatas hanya untuk

hubungan indikator dengan konstrak latennya yang bersifat reflektif saja tetapi

algoritma PLS dipakai juga untuk hubungan yang bersifat formatif. Alasan kedua, PLS

dapat digunakan untuk menaksir model path dengan sample size yang kecil. Alasan

ketiga, PLS-SEM dapat digunakan untuk model yang sangat kompleks dimana terdapat

variabel laten yang banyak, tanpa mengalami masalah dalam estimasi data. Alasan

keempat yaitu PLS dapat digunakan ketika distribusi data sangat miring (skew) (Yamin

dan Kurniawan, 2011). Didalam PLS terdapat dua model evaluasi yaitu outer model

atau pengukuran model dan evaluasi terhadap inner model atau structural model

(Yamin dan Kurniawan, 2011; Hair et al., 2012; Afthanorhan, 2013; Wong, 2013;

Ringle, 2015; Sarstedt et al., 2017):

1) Evaluasi Pengukuran Model (Outer Model)

Model ini meliputi pemeriksaan individual item reliability, internal

consistency atau construct reliability, average variance extracted, dan

discriminant validity. Ketiga pengukuran tersebut dikelompokkan dalam

convergent validity, yaitu mengukur besarnya korelasi antara konstrak

dengan variabel laten. Measurement model dilakukan untuk dapat

63

mengetahui hubungan antara konstrak (variabel) dengan indikator-

indikatornya (Yamin & Kurniawan, 2011). Pemeriksaan individual item

realibility memiliki nilai ideal loading factor di atas 0,7 berarti indikator

tersebut dikatakan valid sebagai indikator yang dapat mengukur konstruk.

Pengukuran lainnya dari convergent validity adalah melihat nilai Avarage

Variance Extracted (AVE). Nilai ini menggambarkan besaran varian dan

keragaman variable manifes dikandung oleh konstrak laten. Nilai AVE

ideal yaitu 0,5 nilai convergent validity bisa dikatakan baik. Artinya

variable laten dapat menjelaskan rata-rata lebih dari setengah varian dari

indikator-indikatornya. Ukuran cross loading adalah membandingkan

korelasi dengan konstraknya dan konstrak blok lainnya, hal ini

menunjukkan konstrak tersebut memprediksi ukuran pada blok mereka

dengan lebih baik dari blok lainnya. Ukuran discriminant validity lainnya

adalah bahwa nilai akar AVE harus lebih tinggi daripada korelasi antara

konstrak dengan konstrak lainnya atau nilai AVE lebih tinggi dari kuadrat

korelasi antara konstrak.

2) Evaluasi Struktural Model (Inner Model)

Pengukuran structural model dilakukan untuk dapat mengetahui hubungan

antara konstrak yang dihipotesiskan oleh peneliti (Yamin & Kurniawan,

2011). Tahap pertama adalah dengan melihat signifikansi hubungan antara

konstrak. Pengukuran path coefficient (β) memiliki nilai ambang batas

diatas 0,1 hal ini menyatakan bahwa jalur (path) yang ada dalam model

64

berpengaruh. Tahap kedua adalah dengan mengevaluasi nilai R2

(coefficient of determination). Nilai ini menjelelaskan varian dari tiap

target endogenous variabel dengan standar pengukuran sekitar 0,67 sebagai

kuat, sekitar 0,33 moderat, dan dibawah 0,19 menunjukan tingkat varian

yang lemah.

Tahap ketiga adalah dengan melihati nilai t-test dengan metode

boostrapping menggunakan uji two-tailed dengan tingkat signifikansi 5%

untuk menguji hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar

dari 1,96 maka hipotesis penelitian yang dibuat dapat diterima.

Tahap keempat yaitu pengujian f2 (effect size). Pengujian ini dilakukan

untuk dapat memprediksi pengaruh variabel tertentu terhadap variabel

lainnya dalam struktur model dengan nilai ambang batas sekitar 0,02 untuk

pengaruh kecil, 0,15 untuk pengaruh menegah dan 0,35 untuk pengaruh

yang besar. f2 dihitung dengan menggunakan rumus sebagai berikut :

Tahap kelima yaitu pengujian 𝑄2 (predictive relevance) dengan

menggunakan metode blindfolding untuk dapat memberikan bukti bahwa

variabel tertentu yang digunakan dalam suatu model yang dibuat

f2= R2 include – R2 exclude

1− R2 include

65

mempunyai keterkaitan prediktif dengan variable lainnya dalam model

tersebut dengan nilai ambang batas pengukuran di atas nol.

Tahap keenam yaitu melakukan pengujian 𝑞2 (Relative Impact) dengan

menggunakan metode blindfolding juga untuk dapat mengukur relatif

pengaruh sebuah keterkaitan antara prediktif sebuah variabel tertentu

dengan variabel lainnya yang memiliki nilai ambang batas sebesar 0,02

untuk pengaruh kecil, 0,15 untuk pengaruh sedang, dan 0,35 untuk

pengaruh besar. Rumus yang digunakan dalam perhitungan 𝑞2 adalah

sebagai berikut:

2.18 Model yang Diadopsi

Model yang digunakan pada penelitian ini mengadopsi, mengkombinasi, dan

mengadaptasi (Subiyakto, 2017) dua model peneliti. Pertama penggunaan model

Technology Readiness Index (TRI) oleh Parasuraman dan Colby (2014). Sedangkan

q2=Q2 include – Q2 exclude

1 – Q2 include

66

model keduanya model Keberhasilan Sistem Informasi oleh Delone dan McLean

(2003), dan dikembangkan oleh Subiyakto (2017). Model peneltian pengukuran

pengaruh kesiapan terhadap keberhasilan penerapan sistem ini terdiri dari 9 variabel

yaitu Optimism (OPT), Innovativeness (INN), Discomfort (DIS), Insecurity (INS),

Information Quality (INQ), System Quality (SYQ), Service Quality (SVQ), User

Satisfaction (USF), Success Information System (SIS). Untuk pengadopsian,

penggabungan, dan pengkombinasian kedua model tersebut peneliti menggunakan

asumsi mengenai model logika input-process-output oleh Davis (1998), teori

lingkungan proyek oleh (Howsawi, Eager, & Bagia, 2011; McLeod & MacDonell,

2011; Subiyakto dan Ahlan, 2014). Berikut model yang diajukan pada penelitian ini

67

Gambar 2.13 Model Penelitian (Diadopsi dari Subiyakto, 2017)

Keterangan: OPT: Optimisme DIS: Discomfort

INQ: Information Quality INN: Innovativeness

INS: Insecurity SYQ: System Quality

SVQ: Service Quality USF: User Satisfaction

SIS: Success Information System

68

2.18.1 Variabel TRI dan Keberhasilan SI

Berikut dijabarkan pengertian dari variabel yang diadopsi ke dalam model TRI dan

Keberhasilan SI, lengkap dengan referensi model tersebut.

Tabel 2.3 Variabel TRI dan Keberhasilan SI

Variabel Pengertian Referensi

Optimism (OPT)

Visi yang positif tentang teknologi, dan keyakinan

kontrol yang lebih besar, fleksibilitas dan efisiensi

dalam kehidupan manusia.

(Parasuraman &

Colby, 2015;

Subiyakto, 2017)

Innovativeness

(INN)

Kecenderungan untuk menjadi pelopor, pemimpin atau

opinion-former dalam penggunaan teknologi.

Discomfort (DIS)

Persepsi tentang kurangnya kontrol atas teknologi dan

perasaan tertekan dalam penggunaan teknologi.

Insecurity (INS)

Ketidakpercayaan teknologi dan skeptisis kemampuan

diri untuk menggunakannya dengan tepat.

Information

Quality (INQ)

Tingkat sejauh mana informasi yang dihasilkan secara

konsisten memenuhi persyaratan dan harapan

pengguna.

(Delone &

McLean, 2003;

Subiyakto, 2017)

System Quality

(SYQ)

Tingkat untuk mendeskripsikan kualitas dari konten

yang dimiliki sistem informasi.

Service Quality

(SVQ)

Tingkat untuk menilai sebarapa baik kualitas layanan

kepada pengguna.

User Satisfaction

(USF)

Kepuasan pengguna menggunakan sistem informasi.

Success

Information

System (SIS)

Pencapaian sistem informasi berdasarkan perencanaan

pengembangannya.

2.18.2 Indikator TRI dan Keberhasilan SI

Setelah penjabaran dari pengertian variabel, berikut ini adalah penjabaran pengertian

dari indikator-indikator yang diadopsi ke dalam model, lengkap dengan referensinya.

69

Tabel 2.4 Indikator TRI dan Keberhasilan SI

Indikator Definisi Referensi

Easiness (OPT1) Tingkat yang terkait dengan kemampuan suatu

sistem untuk memberikan kebebasan dari kendala,

kesulitan, dan masalah

(Parasuraman &

Colby, 2015;

Subiyakto, 2017)

Connectivity

(OPT2)

Tingkat yang terkait dengan kemampuan suatu

sistem untuk berhasil terhubung dengan sistem lain

Efficiency (OPT3) Tingkat yang terkait dengan pencapaian sistem

untuk menghasilkan output dibandingkan dengan

sumber daya yang dibutuhkan untuk mencapai

output

Effectiveness

(OPT4)

Tingkat yang terkait dengan kemampuan sistem

untuk mencapai tujuan penggunaannya

Productivity (OPT5) Tingkat yang terkait dengan dukungan sistem untuk

menghasilkan output dibandingkan dengan sumber

daya yang dibutuhkan untuk menghasilkan output

Problem Solving

(INN1)

Tingkat yang terkait dengan dukungan sistem untuk

menemukan solusi terhadap masalah

(Parasuraman &

Colby, 2015;

Subiyakto, 2017) Independence

(INN2)

Tingkat yang terkait dengan kemampuan sistem

untuk mendukung penggunanya agar bebas dari

kontrol atau pengaruh

Challenge (INN3) Tingkat yang terkait dengan dukungan sistem untuk

berhasil menangani atau mencapai sesuatu dalam

situasi atau masalah yang sulit

Stimulation (INN4) Tingkat yang terkait dengan dukungan sistem untuk

mendorong sesuatu untuk terjadi, berkembang, atau

membaik

Competitiveness

(INN5)

Tingkat yang terkait kemampuan sistem untuk

sukses pengguna dibanding kompetitornya

Complexity (DIS1) Tingkat yang terkait dengan fitur sistem yang

membingungkan atau sulit dipahami

(Parasuraman &

Colby, 2015;

Subiyakto, 2017) Difficulty (DIS2) Tingkat yang terkait dengan kondisi suatu sistem

yang tidak dapat dioperasikan dengan mudah

Dependence (DIS3) Tingkat yang terkait dengan kondisi suatu sistem

yang membutuhkan pihak lain untuk

mengoperasikannya

Lack Of Support

(DIS4)

Tingkat yang terkait dengan sistem yang tidak

memiliki, atau cukup, dukungan dalam operasinya

Inappropriateness

(DIS5)

Tingkat yang berkaitan dengan keadaan yang tidak

pantas

Failure (INS1) Tingkat yang terkait dengan kemungkinan bahwa

sistem tidak menyenangkan atau terdapat hal

berbahaya yang bisa terjadi

(Parasuraman &

Colby, 2015;

Subiyakto, 2017)

Threat (INS2) Tingkat yang terkait dengan situasi sistem yang bisa

menimbulkan kerugian atau bahaya

Reducing

Interaction(INS3)

Tingkat yang terkait dengan implementasi sistem

yang membuat interaksi manusia semakin

berkurang dalam ukuran, jumlah, dan kepentingan

70

Tabel 2.4 Indikator TRI dan Keberhasilan SI (lanjutan)

Distraction

(INS4)

Tingkat yang terkait dengan penggunaan sistem lebih

diperhatikan dan mencegah orang berkonsentrasi pada

hal lain

Incredulity

(INS5)

Tingkat yang terkait dengan keraguan sistem dari

penggunaannya

Accuracy (INQ1) Tingkat kelayakan dari informasi yang dihasilkan (Delone & McLean,

2003; Al-Debei,

2013; Subiyakto,

2017)

Timeliness

(INQ2)

Tingkat presisi dari proses pengolahan informasi SI

pada durasi waktu yang direncanakan

Completeness

(INQ3)

Tingkat dari informasi yang dihasilkan oleh SI utuh

atau tanpa ada bagian yang hilang

Consistency

(INQ4)

Kecenderungan dari SI untuk masih

mendemonstrasikan informasi yang sama dalam

operasi, layanan, pemeliharaan, atau kualitas

Relevance

(INQ5)

Tingkat keterkaitan dari informasi yang dihasilkan

oleh SI dengan pokok bahasannya

Ease Of Use

(SYQ1)

Tingkat kebebasan SI dari kendala, kesulitan, dan

masalah selama penggunaannya

(Delone & McLean,

2003; Al-Debei,

2013; Subiyakto,

2017) Maintainability

(SYQ2)

Tingkat yang terkait dengan kemudahan SI dalam

pemeliaharaannya

Response Time

(SYQ3)

Tingkat yang terkait dengan jumlah waktu yang

dibutuhkan untuk menanggapi perintah dari pengguna

Itersebut

Functionality

(SYQ4)

Tingkat yang terkait dengan SI dapat dioperasikan

sesuai dengan persyaratan yang telah direncanakan

Safety (SYQ5) Tingkat kekebalan SI dari serangan yang tak terduga,

bahaya, atau kerusakan

Responsiveness

(SVQ1)

Tingkat reaksi SI untuk melayani penggunanya dengan

cara, waktu dan situasi yang sesuai

(Delone & McLean,

2003; Al-Debei,

2013; Subiyakto,

2017) Flexibilty

(SVQ2)

Tingkat adaptasi SI untuk melayani penggunanya

sesuai dengan kebutuhan yang diminta

Security (SVQ3) Tingkat keamanan dari sistem yang terintegrasi untuk

melayani pengguna dengan aman dari serangan,

bahaya, atau kerusakan yang tak terduga

Functionality

(SVQ4)

Tingkat yang terkait dengan cakupan layanan SI sesuai

dengan persyaratan fungsional

Extension

(SVQ5)

Tingkat yang terkait dengan cakupan layanan

tambahan SI yang melebihi persyaratan fungsional

Efficiency

(USF1)

Tingkat kepuasan pengguna SI berdasarkan pada

pencapaian sistem untuk menghasilkan output

dibandingkan dengan sumber daya yang dibutuhkan

untuk mencapai output

(Delone & McLean,

2003; Al-Debei,

2013; Subiyakto,

2017)

Effectivity

(USF2)

Tingkat kepuasan pengguna SI berdasarkan pada

kemampuan sistem untuk memenuhi kebutuhan

pengguna untuk mencapai tujuannya

Flexibility

(USF3)

Tingkat kepuasan pengguna SI yang terkait dengan

kemampuan beradaptasi dari sistem sesuai dengan

kebutuhan yang diminta.

71

Tabel 2.4 Indikator TRI dan Keberhasilan SI (lanjutan)

Overall

Satisfaction

(USF4)

Tingkat kepuasan pengguna SI terkait dengan

kecukupan keseluruhan aspek sistem

IS Efficiency

(SIS1)

Tingkat yang terkait dengan perbandingan dari nilai

output SI dan sumber daya yang dibutuhkan untuk

mencapai output

(Delone & McLean,

2003; Al-Debei, 2013;

Subiyakto, 2017)

IS Effectivity

(SIS2)

Tingkat yang terkait dengan kapabilitas kemampuan

sistem untuk memenuhi kebutuhan pengguna untuk

mencapai tujuannya

User

Satisfaction

(SIS3)

Sejauh mana SI dapat membantu pengguna

menciptakan nilai bagi bisnis mereka

Productivity

Improvement

(SIS4)

Tingkat yang terkait dengan dukungan sistem untuk

meningkatkan output dibandingkan dengan sumber

daya yang dibutuhkan untuk menghasilkan output

Competititve

Advantage

(SIS5)

Tingkat yang terkait dengan posisi yang

menguntungkan dari pengguna SI yang terintegrasi

untuk bersaing dalam kompetisi bisnis

2.18.3 Hipotesis

Hipotesis dikembangkan berdasarkan teori-teori dari (Parasuraman & Colby, 2015),

(Delone & McLean, 2003), dan (Subiyakto, 2017). Maka dari itu dapat dijabarkan

hipotesis untuk variabel construct sebagai berikut:

H1 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap

Kualitas Informasi (Information Quality) ?


Kualitas Sistem (System Quality) ?


Kualitas Layanan (Service Quality) ?

72


Kepuasan Pengguna (User Satisfaction) ?

H5 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap

Kualitas Informasi (Information Quality) ?


Kualitas Sistem (System Quality) ?


Kualitas Layanan (Service Quality) ?


Kepuasan Pengguna (User Satisfaction) ?

H9 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara

signifikan terhadap Kualitas Informasi (Information Quality) ?


signifikan terhadap Kualitas Sistem (System Quality) ?


signifikan terhadap Kualitas Layanan (Service Quality) ?


signifikan terhadap Kepuasan Pengguna (User Satisfaction) ?

H13 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara signifikan

terhadap Kualitas Informasi (Information Quality) ?


terhadap Kualitas Sistem (System Quality) ?

73


terhadap Kualitas Layanan (Service Quality) ?


terhadap Kepuasan Pengguna (User Satisfaction) ?

H17 Apakah Kualitas Informasi (Information Quality) berpengaruh secara

signifikan terhadap Kepuasan Pengguna (User Satisfaction) ?


signifikan terhadap Keberhasilan Sistem Informasi (Success Information

System) ?

H19 Apakah Kualitas Sistem (System Quality) berpengaruh secara signifikan



terhadap Keberhasilan Sistem Informasi (Success Information System) ?

H21 Apakah Kualitas Layanan (Service Quality) berpengaruh secara signifikan


H22 Apakah Kualitas Layanan (Service Quality) berpengaruh secara signifikan

terhadap Keberhasilan Sistem Informasi (Success Information System) ?

H23 Apakah Kepuasan Pengguna (User Satisfaction) berpengaruh secara

signifikan terhadap Keberhasilan sistem informasi (Success Information

System) ?

74

BAB III

3.1 Pendekatan Penelitian

Secara umum, penelitian ini dilakukan dengan menerapkan metode kuantitatif

(Creswell, 2013) dan struktur penelitian yang berurutan sesuai dengan tujuannya yaitu

untuk mengetahui pengaruh kesiapan terhadap keberhasilan penerapan sistem

Ubiquitous Computing (UBT), dan menguji hipotesis yang berhubungan antara

pengaruh kesiapan terhadap keberhasilan penerapan sistem. Sesuai dengan pendekatan

yang telah ditentukan, secara khusus tahapan-tahapan penelitian akan menerapkan

metode teknik dan alat secara kuantitatif (Creswell, 2013), seperti yang ditunjukkan

oleh prosedur penelitian, Contoh dengan teknik pengumpulan data yang dilakukan

melalui pengadaan survei yang disebarkan kepada responden di lingkup institusi

pendidikan UIN Syarif Hidayatullah Jakarta khususnya pada Fakultas Sains dan

Teknologi, dengan berinstrumenkan pertanyaan kuesioner (Sugiyono dalam Setiawan,

2016), analisis data dilaksanakan secara statistik dengan menggunakan perangkat lunak

komputer sesuai kebutuhan. Dalam penelitian ini perangkat lunak yang digunakan

yaitu MS. Word 2016 untuk penulisan laporan, MS. Excell 2016 untuk membantu

pengolahan data demografis, serta SmartPLS versi 3.0 (Yamin & Kurniawan, 2011;

Hair et al., 2012; Afthanorhan, 2013; Wong, 2013; Ringle, 2015; Sarstedt et al., 2017)

untuk pengolahan data hasil kuesioner dari responden yang terkumpul. Serta Visio

75

2013 dan Paint untuk pembuatan gambar yang mendukung penulisan laporan

penelitian.

3.2 Prosedur Penelitian

Melihat dari pendekatan dan strategi penelitian yang telah dijelaskan sebelumnya,

penelitian ini akan dilakukan menggunakan delapan tahapan yang secara prosedural

dan berurutan yang terdiri dari: kajian pustaka, pengembangan model, perancangan

penelitian, pembuatan instrumen penelitian atau indikator, pengumpulan data, analisis

data, interpretasi, dan pembuatan laporan (diadopsi dari penelitian yang dilakukan oleh

Subiyakto et al., 2015). Berikut gambar yang akan memperjelas urutan prosedural

penelitian ini:

76

Gambar 3.1 Kerangka Penelitian (Diadopsi dari Subiyakto et al., 2015)

77

3.3 Populasi dan Sampel Penelitian

Populasi dan sampel pada penelitian ini ialah dosen, staf multimedia, dan mahasiswa

UIN Syarif Hidayatullah Jakarta khususnya di Fakultas Sains dan Teknologi. Tahap

pertama peneliti mengambil teknik sampling melalui purposive sampling yang

dilakukan untuk memilih bagian dari populasi, dimana kriteria yang dipilih adalah yang

memiliki pengalaman dalam menggunakan sistem ubiquitous computing. Selanjutnya

peneliti menentukan jumlah responden berdasarkan teori (Singgih & Santoso, 2011)

yang mengatakan bahwa jumlah sampel yang digunakan dalam penelitian ini menurut

bahwa model SEM dengan jumlah variabel laten sampai dengan lima buah dan setiap

konstruk dijelaskan 3 atau lebih indikator jumlah sampel 100-150 sudah dianggap

memadai, dan menurut (Ghozali, 2008) SEM yang menggunakan model estimasi

maximum likehood estimation (MLE) adalah 100-200 sampel.

Dengan hal tersebut peneliti mempertimbangkan dengan jumlah populasi yang

telah menggunakan sistem ubiquitous computing di UIN Syarif Hidayatullah serta

keterbatasan waktu dan biaya, Responden pada penelitian ini ialah dosen dan

mahasiswa di Fakultas Sains dan Teknologi. Mayoritas responden pada penelitian ini

ialah mahasiswa yang mana menurut Iacobucci (2001) bahwa mahasiswa seringkali

lebih siap dan mudah didekati sehingga memberi kesempatan untuk mengumpulkan

data yang diperlukan. Studi yang dilakukan oleh Guritno et al. (2011) dalam Yunita

(2016); Wong (2013), sampel yang diperlukan dalam menggunakan SEM berkisar

antara 100 sampai dengan 200 sampel, maka peneliti mendapatkan jumlah responden

sebanyak 150 orang.

78

3.4 Instrumen Penelitian

Instrumen penelitian ini berupa sebuah kuesioner yang berisi lembaran surat pengantar

dari peneliti sebagai permohonan untuk pengisiannya dan lembar kedua yang berisikan

pertanyaaan-pertanyaan penelitian. Lembar pertanyaan penelitian ini terdiri dari

delapan pertanyaan mengenai profil responden, status responden di UIN Syarif

Hidayatullah Jakarta, skala intensitas akses sistem yang ada di UIN, tingkat kesiapan

terhadap keberhasilan penerapan sistem ubiquitous computing dan empat puluh empat

pertanyaan pengujian. Daftar pertanyaan lengkap penelitian dapat dilihat pada bagian

lampiran. Secara khusus, peneliti menggunakan lima poin skala likert (Guritno et al.,

2011; Croasmun & Ostrom, 2011) dari tingkatan “Sangat Tidak Setuju” (1) sampai

“Sangat Setuju” (5) untuk pengukuran dalam kuesioner tersebut. Skala likert

merupakan skala yang digunakan untuk dapat mengukur sikap, pendapat, dan persepsi

seseorang atau sekelompok orang mengenai fenomena sosial (Sugiyono dalam

Gitayani et al., 2015). Sementara untuk menjamin validitas dan reliabilitas alat ini,

peneliti mengadopsi sejumlah item indikator dari sejumlah penelitian terkait

sebelumnya, antara lain (Delone & McLean, 2003), (Al-debei et al., 2013),

(Parasuraman & Colby, 2015), (Subiyakto, 2017). Berikut tabel 3.1 indikator dan butir

pertanyaan penelitian.

79

Tabel 3.1 Indikator dan Butir Pertanyaan Penelitian

Variabel Indikator Pertanyaan

Optimism

(OPT)

Easiness Sistem bebas dari kesulitan, kendala, dan masalah.

Connectivity Sistem dapat mudah terhubung dengan sistem lain.

Effectiveness Sistem berjalan secara efektif.

Efficiency Sistem berjalan secara efisien.

Productivity Sistem berjalan secara produktif.

Innovativeness

(INN)

Problem Solving

Sistem merupakan alat pemecah masalah bagi

penggunanya.

Independence Sistem membantu pengguna, bebas dari kendali dan

pengaruh.

Challenge Sistem mendukung penggunanya untuk mencapai tujuan

dalam situasi atau masalah yang sulit.

Stimulation Sistem mendorong penggunanya untuk mencapai tujuan.

Competitiveness Sistem mendukung penggunanya untuk menjadi lebih

sukses daripada pesaingnya.

Discomfort

(DIS)

Complexity

Sistem membingungkan pengguna dalam penggunaannya.

Difficulty Sistem tidak mudah untuk digunakan.

Dependence Sistem tidak bebas untuk digunakan.

Lack of Support Sistem dijalankan tanpa dukungan operasi secara penuh.

Innapropriateness Sistem tidak sesuai dengan perencanaan

pengembangannya.

Insecurity

(INS)

Failure Sistem tidak berhasil dijalankan sesuai rencana

pengembangannya.

Threat Sistem berada dalam kondisi yang dapat menyebabkan

bahaya.

Reducing

Interaction

Sistem membuat penggunanya menjadi kurang dalam

berinteraksi.

Distraction Sistem membuat penggunanya tidak fokus kepada yang

sebenarnya penting untuk mereka.

Incredulity Sistem meragukan untuk digunakan.

80

Tabel 3.1 Indikator dan Butir Pertanyaan Penelitian (lanjutan)


Information

Quality

(INQ)

Accuracy Sistem menghasilkan informasi secara akurat.

Timeliness Sistem menghasilkan informasi secara tepat waktu.

Completeness Sistem menghasilkan informasi secara lengkap.

Consistency Sistem menghasilkan informasi secara konsisten

sepanjang operasinya.

Relevance Sistem menghasilkan informasi sesuai kebutuhan

penggunya.

System Quality

(SYQ)

Ease-of-use Sistem mudah dalam penggunaanya.

Maintainability

Sistem mudah dalam perawatannya.

Response Time Sistem mampu merespon secara cepat mengikuti perintah

yang diberikan.

Functionality Sistem mampu melakukan semua fungsi yang disyaratkan

dalam pengembangannya.

Safety Sistem aman dalam penggunaanya.

Responsiveness Sistem memberikan layanan secara cepat.

Service Quality

(SVQ)

Flexibility Sistem menyediakan layanan yang fleksibel sesuai

kondisi pengguna.

Security Sistem memberikan layanan yang aman.

Functionality Sistem menyediakan layanan yang sesuai persyaratan

dalam pengembangannya.

Extension Sistem menyediakan layanan lebih dari fungsi yang

disyaratkan.

Efficiency

Pengguna puas dengan tingkat efisiensi sistem.

User

Satisfaction

(USF)

Effectiveness

Pengguna puas dengan tingkat efektifitas sistem.

Flexibility Pengguna puas dengan tingkat fleksibilitas sistem.

Overall

Satisfaction

Pengguna puas dengan kinerja sistem.

81

Tabel 3.1 Indikator dan Butir Pertanyaan Pengujian (lanjutan)

3.5 Pemrosesan dan Pengumpulan Data

Proses pengumpulan data yang dilakukan oleh peneliti ialah menyebar kuesioner

secara langsung kepada responden/pengguna sistem ubiquitous computing.

Peneyebaran secara langsung dilakukan oleh peneliti secara tatap muka langsung

terhadap responden. Penyebaran kuesioner ini berlangsung selama dua minggu yang

dilakukan dilingkungan Fakultas Sains Teknologi UIN Syarif Hidayatullah Jakarta.

Kuesioner yang telah terkumpul akan diklasifikasikan menggunakan pengolah angka

atau MS. Excel 2016. Berdasarkan hasil penyebaran kuesioner peneliti berhasil

mengumpulkan 150 kuesioner secara langsung kepada dosen, staf multimedia, dan

mahasiswa yang telah menggunakan sistem ubiquitous computing.


Success Information

System

(SIS)

IS Efficiency Sistem beroperasi secara efisien.

IS Effectiveness Sistem beroperasi secara efektif.

User Satisfaction Sistem meningkatkan kepuasan

penggunanya.

Productivity

Improvement

Sistem meningkatkan produktivitas.

Competitive Advantage Sistem meningkatkan daya saing kampus.

82

3.6 Analisa dan Interpretasi Hasil

Analisis data dibagi menjadi dua yaitu analisis demografis dan analisis statistik

inferensial. Pertama, peneliti melakukan analisis data demografis dengan

menggunakan perangkat lunak Ms. Word 2016. Data responden dikelompokkan

berdasarkan jenis kelamin, pekerjaan, penggunaan sistem, dan tingkat pengaruh

kesiapan terhadap keberhasilan sistem. Kedua, peneliti melakukan analisis statistis

inferensial menggunakan SmartPLS versi 3.0. terdapat dua analisis yang dilakukan

oleh penelti dalam tahap ini, yaitu analisis measurement model (outer model) dan

structural model (inner model). Measurement model (outer model) dilakukan melalui

proses pengujian validitas dan reliabilitas outer model melalui indikator reliability,

internal consistency reliability, convergent validity, dan discriminant validity.

Sedangkan pengujian structural model (inner model) melalui path ceofficient (β),

coefficient of determination (𝑅2), t-test melalui metode bootstrapping, effect size (f2),

predictive relevance (𝑄2), dan relative impact (𝑞2) menggunakan metode pengujian

blindfolding (Hair et al., 2012; Afthanorhan, 2013; Wong, 2013; Ringle, 2015; Sarstedt

et al., 2017). Setelah itu, untuk interpretasi hasil, peneliti mendiskusikan hasil analisis

demografi responden dengan kondisi lapangan yang berjalan dan juga menterjemahkan

hasil analisis model secara statistik kuantitatif dengan membandingkan dan

mempertimbangkan sejumlah literatur terkait sebelumnya.

83

BAB IV

4.1 Hasil Analisis

4.1.1 Hasil Analisis Demografi

Tahapan ini menganalisis jawaban responden khususnya terhadap pertanyaan pada

bagian profil responden dan sistem Ubiquitous Computing di Fakultas Sains dan

Teknologi UIN Jakarta dalam kuesioner untuk menghasilkan informasi demografis

terkait karakteristik responden terhadap pengaruh kesiapan terhadap keberhasilan

penerapan sistem ubiquitous computing di UIN Jakarta. Data responden yang berhasil

diperoleh peneliti dalam kurun waktu dua minggu adalah sebanyak 150 responden.

Informasi demografis tersebut meliputi jenis kelamin, Pendidikan, status pengguna,

pengalaman (menggunakan sistem di UIN jakarta), dan pengaruh kesiapan terhadap

keberhasilan sistem ubiquitous computing. Berikut adalah hasil analisisnya.

84

1) Jenis Kelamin

Gambar 4.1 Diagram Jenis Kelamin Responden

Berdasarkan gambar 4.1 diatas menunjukkan bahwa responden berjenis kelamin laki-

laki sebanyak 55% atau 82 orang dan yang berjenis kelamin perempuan sebanyak 45%

atau 68 orang.

Laki-laki55%

Perempuan45%

Jenis Kelamin

Laki-laki

Perempuan

85

2) Pekerjaan

Gambar 4.2 Diagram Pekerjaan Responden

Berdasarkan gambar 4.2 diatas bahwa pekerjaan responden pada sistem ubiquiotous

computing ini Mahasiswa lebih mendominasi dengan nilai sebanyak 96% atau 144

orang, sedangkan Dosen 3% atau 5 orang, dan 1% atau 1 orang Staff.

96%

3%

1%

Pekerjaan

Mahasiswa

Dosen

StaffMultimedia

86

3) Pendidikan

Gambar 4.3 Diagram Pendidikan Responden

Berdasarkan gambar 4.3 diatas bahwa pendidikan responden pada sistem ubiquiotous

computing ini tingkat Pendidikan SMA lebih mendominasi sebanyak 144 orang,

Pendidikan S1 1 orang, S2 4 orang, dan S3 1 orang.

0

20

40

60

80

100

120

140

160

SMA S1 S2 S3

Pendidikan

Pendidikan

87

4) Pengaruh Kesiapan Terhadap Keberhasilan Sistem UBT

Gambar 4.4 Diagram Pengaruh Kesiapan terhadap Keberhasilan Sistem UBT

Berdasarkan gambar 4.4 diatas hasil yang mengatakan kesiapan berpengaruh terhadap

keberhasilan sistem mendominasi dengan nilai 59% atau 89 orang, sedangkan yang

mengatakan kesiapan sangat berpengaruh terhadap keberhasilan sistem sebanyak 32%

atau 48 orang, yang mengatakan kurang berpengaruh sebanyak 8% atau 12 orang, dan

yang mengatakan bahwa kesiapan tidak berpengaruh terhadap keberhasilan 1% atau 1

orang.

1%8%

59%

32%

Kesiapan Mempengaruhi Keberhasilan Sistem

Sangat Tidak Berpengaruh

Tidak Berpengaruh

Kurang Berpengaruh

Berpengaruh

Sangat Berpengaruh

88

4.2 Hasil Analisis Model Pengukuran (Outer model)

Analisis model pengukuran (outer model) dilakukan melalui empat tahap pengujian,

yaitu individual item realibility, internal consistency reliability, average variance

extracted, dan disciminant validity (Henseler et al., 2009; Urbach dan Ahlemann, 2010;

Yamin dan Kurniawan, 2011; Hair et al., 2012; Wong, 2013; Yuliasari et al., 2014;

Subiyakto et al., 2015; Ringle, 2015; Nugroho et al., 2016; Sarstedtet al., 2017). Dari

tahapan tersebut akan mendapat penilaian Convergent validity yang mengukur

besarnya korelasi antara indikator dengan variabel laten.

4.2.1 Individual Item Realibility

Pengujian ini dilakukan dengan melihat nilai standardized loading factor. Nilai

tersebut menggambarkan besarnya korelasi antara setiap item pengukuran (indikator)

dengan variabel latennya. Nilai loading factor di atas 0,7 dapat dikatakan ideal, artinya

bahwa indikator tersebut dapat dikatakan valid sebagai indikator yang mengukur

variabel laten (Henseler et al., 2009; Urbach dan Ahlemann, 2010; Hair et al., 2012;

Yuliasari et al., 2014; Alshibly, 2014; Irawati & Putra, 2015; Subiyakto et al., 2015).

Setelah melakukan pengujian terdapat 8 indikator yang memiliki nilai dibawah 0,6

yaitu, DIS2, INS3, INQ2, SYQ2, SYQ5, SVQ3, SVQ4, dan SIS5 sehingga indikator

tersebut harus dihapus. Menurut Yamin & Kurniawan (2011) Nilai loading factor

diatas 0,5 masih dapat diterima sehingga indicator yang memiliki nilai diatas 0,5 akan

tetap dipertahankan. Berikut hasil pengujian.

89

Tabel 4.1 Hasil Uji Loading Factor SmartPLS

Indikator DIS INN INQ INS OPT SIS SVQ SYQ

DIS1 0.630

DIS3 0.709

DIS4 0.796

DIS5 0.686

INN1 0.699

INN2 0.756

INN3 0.742

INN4 0.644

INN5 0.771

INQ1 0.774

INQ3 0.699

INQ4 0.717

INQ5 0.737

INS1 0.860

INS2 0.580

INS4 0.612

INS5 0.754

OPT1 0.674

OPT2 0.620

OPT3 0.876

OPT4 0.888

OPT5 0.815

SIS1 0.778

SIS2 0.830

SIS3 0.810

SIS4 0.719

SVQ1 0.801

SVQ2 0.728

SVQ5 0.736

SYQ1 0.663

SYQ3 0.829

SYQ4 0.756

90

Tabel 4.1 diatas menunjukkan rata-rata loading factor memiliki nilai 0,7 yang bisa

dikatakan baik, namun ada 10 indikator yang memiliki nilai dibawah 0,7 namun tetap

dipertahankan karena memiliki nilai diatas syarat untuk digunakan.

4.2.2 Internal Consistency Reliability

Pengujian ini dilakukan dengan menggunakan nilai composite realibility (CR) dengan

ambang batas di atas 0,7 (Henseler et al., 2009; Urbach dan Ahlemann, 2010; Hair et

al., 2011; Yamin dan Kurniawan, 2011; Hair et al., 2012; Yuliasari et al., 2014; Wong,

2013; Chinomona dan Dubihlela, 2014; Alshibly, 2014; Irawati dan Putra, 2015;

Subiyakto et al., 2015; Gutierrez et al., 2015; Nugroho et al., 2016). CR lebih baik

dalam mengukur internal consistency dibandingkan cronbach’s alpha dalam model

SEM dikarenakan CR tidak mengasumsikan semua indikator sama dalam sebuah

variabel (Yamin dan Kurniawan, 2011; Irawati dan Putra, 2015). Berikut adalah hasil

pengujian SmartPLS.

Tabel 4.2 Hasil Uji Composite Realibility SmartPLS

Variabel Composite Reliability

DIS 0.800

INN 0.845

INQ 0.822

INS 0.803

OPT 0.886

SIS 0.840

SVQ 0.801

SYQ 0.795 0.917

91

Dari tabel 4.2 diatas menunjukkan bahwa nilai seluruh CR diatas 0,7 maka

dapat dikatakan bahwa tidak ada masalah pada uji composite realibility.

4.2.3 Average Variance Extracted (AVE)

Pengujian convergent validity selanjutnya ialah dengan melihat nilai average variance

extracted (AVE). Nilai ini memperlihatkan besaran varian atau keragaman variabel

manifes yang ada didalam variabel laten. Nilai AVE minimal 0,5 menunjukkan ukuran

convergent validity yang baik (Henseler et al., 2009; Urbach dan Ahlemann, 2010; Hair

et al., 2011; Yamin dan Kurniawan, 2011; Hair et al., 2012; Yuliasari et al., 2014;

Wong, 2013; Chinomona dan Dubihlela, 2014; Alshibly, 2014; Irawati dan Putra,

2015; Subiyakto et al., 2015; Gutierrez et al., 2015; Nugroho et al., 2016). Berikut

adalah hasil pengujian SmartPLS.

Tabel 4.3 Hasil Uji Avarage Variance Extracted (AVE)

Variabel AVE

DIS 0.501

INN 0.523

INQ 0.536

INS 0.509

OPT 0.613

SIS 0.521

SVQ 0.574

SYQ 0.566

USF 0.734

92

Dari hasil tabel 4.3 diatas memperlihatkan bahwa seluruh AVE memiliki nilai

yang lebih besar dari 0,5 sehingga dapat dikatakan tidak ada masalah pada pengujian

AVE.

4.2.4 Discriminant Validity

Pengujian ini dilakukan melalui cross loading, kemudian membandingkannya dengan

nilai akar AVE. Ukuran cross loading adalah membandingkan korelasi indikator

dengan konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator dengan

konstruknya lebih tinggi dari korelasi dengan kontruk blok lainnya, hal ini

menunjukkan konstruk tersebut memprediksi ukuran pada blok mereka lebih baik dari

blok lainnya (Henseler et al., 2009; Urbach dan Ahlemann, 2010; Hair et al., 2011;

Yamin dan Kurniawan, 2011; Hair et al., 2012; Alshibly, 2014; Irawati dan Putra,

2015; Subiyakto et al., 2015). Ukuran discriminat validity lainnya adalah bahwa nilai

akar AVE harus lebih tinggi daripada korelasi antara konstruk dengan konstruk lainnya

(Henseler et al., 2009; Urbach dan Ahlemann, 2010; Hair et al., 2011; Yamin dan

Kurniawan, 2011; Hair et al., 2012; Yuliasari et al., 2014; Wong, 2013; Chinomona

dan Dubihlela, 2014; Alshibly, 2014; Irawati dan Putra, 2015; Subiyakto et al., 2015;

Gutierrez et al., 2015; Nugroho et al., 2016). Berikut adalah hasil pengujian SmartPLS.

Berikut tabel 4.4 Hasil Uji Discriminant Validity SmartPLS

93

DIS INN INQ INS OPT SIS SVQ SYQ USF

DIS1 0.625 0.010 -0.153 0.441 0.061 -0.114 -0.182 -0.248 -0.187

DIS3 0.722 -0.125 -0.211 0.399 -0.114 -0.274 -0.182 -0.209 -0.277

DIS4 0.785 -0.161 -0.242 0.466 -0.115 -0.332 -0.266 -0.277 -0.241

DIS5 0.691 -0.062 -0.265 0.485 -0.114 -0.210 -0.149 -0.099 -0.221

INN1 -0.051 0.694 0.258 0.064 0.279 0.225 0.268 0.153 0.113

INN2 -0.137 0.765 0.277 -0.029 0.285 0.212 0.289 0.151 0.248

INN3 -0.099 0.750 0.228 -0.024 0.309 0.195 0.248 0.252 0.234

INN4 -0.023 0.629 0.222 0.047 0.353 0.193 0.136 0.071 0.022

INN5 -0.124 0.766 0.299 -0.009 0.298 0.197 0.205 0.196 0.107

INQ1 -0.292 0.187 0.778 -0.308 0.187 0.389 0.343 0.252 0.328

INQ3 -0.267 0.208 0.702 -0.150 0.149 0.251 0.289 0.202 0.257

INQ4 -0.206 0.354 0.716 -0.179 0.202 0.323 0.367 0.291 0.388

INQ5 -0.144 0.279 0.732 -0.188 0.253 0.378 0.431 0.330 0.309

INS1 0.507 -0.065 -0.294 0.845 -0.035 -0.290 -0.320 -0.295 -0.281

INS2 0.373 0.108 -0.145 0.596 0.101 -0.164 -0.119 -0.171 -0.226

INS4 0.422 -0.045 -0.161 0.638 -0.070 -0.230 -0.020 -0.098 -0.208

INS5 0.491 0.050 -0.174 0.749 -0.091 -0.274 -0.204 -0.260 -0.204

OPT1 -0.055 0.360 0.146 0.036 0.685 0.161 0.206 0.093 0.227

OPT2 -0.088 0.210 0.069 0.028 0.620 0.155 0.214 0.208 0.161

OPT3 -0.130 0.350 0.290 -0.050 0.872 0.336 0.262 0.319 0.279

OPT4 -0.102 0.351 0.251 -0.068 0.885 0.317 0.236 0.353 0.302

OPT5 -0.032 0.335 0.246 -0.040 0.817 0.317 0.280 0.228 0.294

SIS1 -0.298 0.150 0.305 -0.300 0.252 0.786 0.409 0.313 0.605

SIS2 -0.237 0.256 0.329 -0.262 0.389 0.834 0.412 0.340 0.622

SIS3 -0.237 0.292 0.363 -0.210 0.253 0.788 0.517 0.436 0.538

SIS4 -0.177 0.164 0.315 -0.161 0.184 0.670 0.376 0.322 0.342

SIS5 -0.286 0.121 0.404 -0.308 0.108 0.469 0.318 0.333 0.284

SVQ1 -0.194 0.239 0.406 -0.197 0.242 0.455 0.822 0.515 0.517

SVQ2 -0.125 0.280 0.332 -0.092 0.153 0.401 0.742 0.411 0.377

SVQ5 -0.308 0.231 0.374 -0.315 0.290 0.429 0.703 0.440 0.374

SYQ1 -0.171 0.250 0.361 -0.165 0.234 0.324 0.443 0.660 0.284

SYQ3 -0.257 0.152 0.294 -0.290 0.296 0.439 0.462 0.835 0.417

SYQ4 -0.246 0.151 0.188 -0.234 0.188 0.302 0.472 0.752 0.321

USF1 -0.280 0.138 0.362 -0.324 0.249 0.633 0.432 0.303 0.886

USF2 -0.306 0.232 0.427 -0.327 0.311 0.672 0.455 0.406 0.917

USF3 -0.294 0.195 0.379 -0.208 0.282 0.575 0.575 0.425 0.832

USF4 -0.240 0.187 0.347 -0.246 0.289 0.463 0.472 0.452 0.787

94

Dari hasil tabel 4.4 diatas menunjukkan bahwa nilai konstruk yang dituju lebih

besar dibandingkan dengan nilai konstruk yang lain dengan ditandai warna kuning,

sehingga bisa dikatakan model penelitian yang digunakan sudah memiliki karakteristik

yang baik secara pengujian yang dilakukan, meskipun adanya penghapusan 8 indikator

(DIS2, INS3, INQ2, SYQ2, SYQ5, SVQ3, SVQ4, dan SIS5).

Dari hasil tersebut dapat dikatakan bahwa model penelitian yang digunakan telah

memenuhi syarat untuk dapat dilanjutkan ke pengujian struktural model (inner model).

95

Gambar 4.5 Hasil Analisis Outer Loading Model SmartPLS

96

4.3 Hasil Analisis Model Struktural (Inner Model)

Analisis ini dilakukan melalui enam tahapan pengujian, yaitu pengujian path

coefficient (β), coefficient of determination (R²), t-test menggunakan metode

bootstraping, effect size ( ), predictive relevance ( ), dan relative impact (q²)

(Henseler et al., 2009; Urbach & Ahlemann, 2010; Hair et al., 2011; Yamin &

Kurniawan, 2011; Hair et al., 2012; Yuliasari et al., 2014; Subiyakto et al., 2015;

Gutierrez et al., 2015; Nugroho et al., 2016). Pengukuran model struktural ini dilakukan

untuk mengetahui hubungan antara variabel yang dihipotesiskan oleh peneliti (Yamin

& Kurniawan, 2011).

4.3.1 Path Coefficient (β)

Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 untuk

menyatakan bahwa jalur (path) yang dimaksud mempunyai pengaruh dalam model

(Subiyakto et al., 2015; Gutierrez et al., 2015). Hasilnya dari 23 jalur pada model ini

enam jalur diantaranya yaitu INN→USF, DIS→USF, INS→USF, INQ→SIS,

SYQ→USF, dan SYQ→SIS memperlihatkan pengaruh yang tidak signifikan yang

ditandai dengan garis berwarna merah seperti yang dapat dilihat pada Tabel 4.5 dan

Gambar 4.6.

97

Tabel 4.5 Hasil Uji Path Coefficients SmartPLS

Variabel DIS INN INQ INS OPT SIS SVQ SYQ USF

DIS -0.130 -0.103 -0.113 -0.081

INN 0.287 0.237 0.120 -0.047

INQ 0.070 0.161

INS -0.201 -0.202 -0.232 -0.097

OPT 0.134 0.191 0.252 0.156

SIS

SVQ 0.169 0.341

SYQ 0.079 0.099

USF 0.524

98

Gambar 4.6 Hasil Analisis Path Coefficients SmartPLS

99

4.3.2 Coefficient of Determination (R2)

Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel endogen

dengan standar pengukuran sekitar 0,670 sebagai kuat, 0,333 moderat, dan 0,190

menunjukkan varian yang lemah (Henseler et al., 2009; Urbach dan Ahlemann, 2010;

Hair et al., 2011; Yamin dan Kurniawan, 2011; Subiyakto et al., 2015). Berikut adalah

hasil analisis R-square dengan menggunakan SmartPLS.

Tabel 4.6 Hasil Uji Coefficient of Determination

Variabel R2

INQ 0.236

SIS 0.516

SVQ 0.220

SYQ 0.216

USF 0.408

Dari tabel 4.6 menunjukkan bahwa hasil pengujian R2 untuk tiga variabel bernilai

lemah yaitu INQ yang memiliki R2 0,236 (23,6%), SVQ memiliki R2 0,220 (22,0%),

dan SYQ memiliki R2 0,216 (21,6%). Hasil lain R2 bernilai cukup/moderat yaitu SIS

bernilai 0,516 (51,6%), dan USF 0,408 (40,8%). Dari hasil tersebut menunjukkan

variabel independen dikatakan cukup pada tiga variabel dan lemah dua variabel

dependen dan hasil ini menunjukkan adanya pengaruh variabel lain selain dari variabel

yang digunakan dalam penelitian ini.

100

4.3.3 t-test

Pengujian ini dilakukan dengan metode bootstrapping menggunakan uji two-tailed

dengan tingkat signifikansi 5% untuk menguji hipotesis-hipotesis penelitian. Hipotesis

tersebut akan diterima jika memiliki t-test lebih besar dari 1,96 (Yuliasari et al., 2014;

Subiyakto et al., 2015; Gutierrez et al., 2015; Nugroho et al., 2016). Adapun tingkat

signifikansi lain yaitu 10% akan diterima jika memiliki t-test 1,65 (Hair et al., 2011).

Tabel 4.7 Hasil Uji T-test SmartPLS

Hipotesis T Statistics (|O/STDEV|)

DIS -> INQ 1.275

DIS -> SVQ 1.117

DIS -> SYQ 1.311

DIS -> USF 0.862

INN -> INQ 2.923

INN -> SVQ 2.570

INN -> SYQ 1.161

INN -> USF 0.501

INQ -> SIS 0.811

INQ -> USF 1.747

INS -> INQ 2.019

INS -> SVQ 2.036

INS -> SYQ 2.750

INS -> USF 1.088

OPT -> INQ 1.516

OPT -> SVQ 1.888

OPT-> SYQ 3.023

OPT -> USF 1.863

SVQ -> SIS 1.601

SVQ -> USF 3.561

SYQ -> SIS 1.121

SYQ -> USF 0.944

USF -> SIS 6.360

101

Berdasarkan tabel 4.7 diatas memperlihatkan bahwa terdapat 23 hipotesis yang 12

diantaranya bernilai kurang dari nilai signifikansi yang saya gunakan yaitu 10% atau

memiliki batas t-test 1,65. Dari syarat signifikansi hipotesis tersebut yang tidak

diterima sesuai dengan nilai signifikansi ialah sebagai berikut. 12 hipotesis yang tidak

diterima DIS→INQ, DIS →SVQ, DIS →SYQ, DIS →USF, INN →SYQ, INN →USF,

INQ →SIS, INS →USF, OPT →INQ, SVQ →SIS, SYQ →SIS, dan SYQ →USF.

4.3.4 Effect Size ( )

Pengujian ini dilakukan untuk mempridiksi pengaruh variabel tertentu terhadap

variabel lainnya dalam struktur model dengan nilai ambang batas sekitar 0,02 untuk

pengaruh kecil, 0,15 untuk menengah, dan 0,35 untuk pengaruh besar (Henseler et al.,

2009; Yamin & Kurniawan, 2011; Hair et al., 2012; Subiyakto et al., 2015) dihitung

dengan menggunakan rumus sebagai berikut.

Dari Tabel 4.9 hasil dari pengujian terhadap 23 jalur. 22 jalur diantaranya memiliki

pengaruh yang kecil. Dan hanya satu jalur yang menunjukkan nilai menengah yaitu

f2= R2 include – R2 exclude

1− R2 include

102

USF→SIS yang menunjukkan variabel SIS sebagai variabel dependen sangat

dipengaruhi oleh variabel independen atau USF.

4.3.5 Predictive Relevance ( )

Pengujian ini dilakukan dengan metode blindfolding untuk memberikan bukti bahwa

variabel tertentu yang digunakan dalam model mempunyai keterkaitan prediktif

(predictive relevance) dengan variabel lainnya dalam model dengan ambang batas

pengukuran di atas nol (Henseler et al., 2009; Hair et al., 2011; Yamin & Kurniawan,

2011; Hair et al., 2012; Subiyakto et al., 2015). Berikut hasil analisis SmartPLS.

Tabel 4.8 Hasil Uji Predictive Relevance (Q2)

Variabel Q²

DIS

INN

INQ 0.108

INS

OPT

SIS 0.287

SVQ 0.106

SYQ 0.095

USF 0.267

Seperti yang dilihat pada tabel 4.8 memperlihatkan hasil bahwa Q2 memiliki nilai di

atas nol, sehingga bisa dikatakan bahwa variabel dependen memiliki keterkaitan

terhadap variabel independen.

103

4.3.6 Relative Impact (q²)

Pengujian ini dilakukan dengan metode blindfolding untuk mengukur relatif pengaruh

sebuah keterkaitan prediktif sebuah variabel tertentu dengan variabel lainnya dengan

nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk pengaruh menengah/

sedang, dan 0,35 untuk pengaruh besar (Henseler et al., 2009; Hair et al., 2012;

Subiyakto et al., 2015). Rumus yang digunakan dalam perhitungan q² adalah sebagai

berikut.

Seperti yang dapat dilihat pada Tabel 4.9, hasil dari analisis q² terhadap 23 jalur.

Seluruh jalur pada model yang digunakan memiliki pengaruh yang kecil.

q2=Q2 include – Q2 exclude

1 – Q2 include

104

Tabel 4.9 Hasil Analisis Struktur Model

Keterangan:

Sign : Signifikan Moderate : Cukup Accepted : Diterima

Insign : Tidak Signifikan Small : Kecil Rejected : Tidak diterima

Weak : Lemah Medium : Menengah Predictive relevan : Prediksi selaras

105

4.4 Interpretasi Hasil dan Diskusi Hasil

4.4.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis

Berdasarkan hasil analisis informasi demografis profil responden, peneliti melakukan

interpretasi dan mendiskusikan hasil analisisnya sebagai berikut.

1) Jenis Kelamin

Berdasarkan hasil yang dapat dilihat dari tabel jenis kelamin responden,

dapat diketahui hasilnya bahwa sekitar 55% atau 82 orang berjenis kelamin

laki-laki dan yang berjenis kelamin perempuan sebanyak 45% atau 68

orang. Hasil yang didapatkan didominasi laki-laki karena jumah responden

mahasiswa dan dosen lebih banyak berjenis kelamin laki-laki dibanding

perempuan.

2) Pekerjaan

Berdasarkan hasil yang dapat dilihat dari tabel pekerjaan responden, dapat

diketahui hasilnya bahwa sekitar 96% pekerjaan responden ialah

mahasiswa atau sebanyak 144 orang, sedangkan responden yang lain ialah

dosen sebanyak 3% atau 5 orang, dan 1% atau 1 orang staff multimedia.

Banyaknya jumlah mahasiswa dilihat karena pengguna sistem didominasi

mahasiswa khususnya pada angkatan 2014 dan 2016 dan beberapa

angkatan 2015.

106

3) Pendidikan

Berdasarkan hasil yang dapat dilihat dari tabel Pendidikan responden,

dapat diketahui rata-rata tingkat pendidikan responden didominasi oleh

SMA dengan jumlah 144 orang, S1 satu orang, S2 empat orang, dan S3

satu orang.

4) Kesiapan Berpengaruh Terhadap Keberhasilan

Berdasarkan hasil yang dapat dilihat dari tabel kesiapan berpengaruh

terhadap keberhasilan, hasil yang mengatakan kesiapan berpengaruh

terhadap keberhasilan sistem mendominasi dengan nilai 59% atau 89

orang, sedangkan yang mengatakan kesiapan sangat berpengaruh terhadap

keberhasilan sistem sebanyak 32% atau 48 orang, yang mengatakan kurang

berpengaruh sebanyak 8% atau 12 orang, dan yang mengatakan bahwa

kesiapan tidak berpengaruh terhadap keberhasilan 1% atau 1 orang. Dari

hasil ini bisa dikatakan bahwa kesiapan berpengaruh terhadap keberhasilan

sistem.

4.4.2 Interpretasi dan Diskusi Hasil Model Pengukuran

Berdasarkan hasil analisis model pengukuran, ada dua poin yang harus diperhatikan

sebagai berikut:

1) Berdasarkan hasil analisis model pengukuran, hasil akhirnnya

menunjukkan bahwa model pengukuran dari model penelitian ini telah

107

memenuhi syarat dan memiliki karakteristik yang baik sehingga layak

untuk dilanjutkan pada tahapan selanjutnya yaitu analisis struktural model

untuk menguji model struktural dari model penelitian ini.

2) Terdapat delapan indikator yang dihapuskan yaitu DIS2, INS3, INQ2,

SYQ2, SYQ5, SVQ3, SVQ4, dan SIS5 dalam model penelitian ini.

Peneliti beranggapan kemungkinan penghapusan ini terjadi dikarenakan:

1) Penggunaan indikator atau item pertanyaan yang kurang sesuai pada

kuesioner penelitian.

2) Perbedaan penilaian terhadap sistem yang terjadi pada pengisian kuesioner

oleh responden yang berpartisipasi.

Oleh sebab itu, diperlukan peninjauan kembali terhadap instrumen penelitian serta pada

model yang digunakan, dan diperlukannya masukan serta saran dari para ahli seperti

dosen, serta peneliti sebelumnya atau yang lainnya. Dikhususkan terhadap

penghapasun delapan indikator yang mana untuk penelitian selanjutnya dapat

terminimalisir dalam penghapusan indikator pada model yang digunakan ini.

Walaupun peneliti telah memilih responden serta membuat penelitian ini dengan

sebaik-baiknya, namun terdapat faktor diluar ekspektasi dan kendali peneliti pada

penelitian yang dilakukan.

4.5 Interpretasi dan Diskusi Hasil Analisis Struktural Model

Bagian ini memaparkan interpretasi dan diskusi berdasarkan enam hasil analisis

struktur model yaitu, pengujian path coefficient (β), coefficient of determination (R²),

108

t-test menggunakan metode bootstraping, effect size (f2), predictive relevance (Q2),

dan relative impact (q²). Berikut adalah pemaparan yang dilakukan dengan mengikuti

pertanyaan-pertanyaan penelitian dan hipotesis-hipotesis yang telah dirumuskan dalam

Bab sebelumnya.


Kualitas Informasi (Information Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis OPT→INQ tidak diterima,

sehingga optimism tidak berpengaruh terhadap information quality, walaupun dilihat

dari nilai path coefficient (β) OPT→INQ memiliki nilai signifikan, hipotesis

OPT→INQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil

serta memiliki nilai yang lemah dilihat dari coefficient of determination (R2). Hasil ini

tidak sesuai dengan asumsi awal peneliti dengan model input-process-output (Davis,

1998) dan peneliti sebelumnya (Subiyakto, 2017) yang menyatakan variabel OPT yang

terdapat pada dimensi input dalam model penelitian ini memungkinkan untuk

mempengaruhi dimensi process ataupun output. Namun hasil ini berbanding terbalik

dengan penelitian (Kuo, 2013) yang mengatakan bahwa OPT berpengaruh terhadap

INQ.

109


Kualitas Sistem (System Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis OPT→SYQ diterima,

sehingga optimism berpengaruh secara signifikan terhadap system quality, dari nilai

path coefficient (β) OPT→SYQ memiliki nilai signifikan, hipotesis OPT→SYQ

dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil serta memiliki

nilai yang lemah dilihat dari coefficient of determination (R2). Hasil ini dikatakan

sesuai dengan asumsi awal peneliti dengan model input-process-output (Davis, 1998)

dan peneliti sebelumnya (Subiyakto, 2017) yang menyatakan variabel OPT yang


mempengaruhi dimensi process ataupun output. Hasil ini sesuai dengan penelitian

(Kuo, 2013) yang mengatakan bahwa OPT berpengaruh terhadap SYQ.


Kualitas Layanan (Service Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis OPT→SVQ diterima,

sehingga optimism berpengaruh secara signifikan terhadap service quality, dari nilai

path coefficient (β) OPT→SVQ memiliki nilai signifikan, dan hipotesis OPT→SVQ

dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil serta memiliki

nilai yang lemah dilihat dari coefficient of determination (R2). Hasil ini dikatakan

110




mempengaruhi dimensi process ataupun output. Hasil ini sesuai dengan penelitian

(Kuo, 2013) yang mengatakan bahwa OPT berpengaruh terhadap SVQ.


Kepuasan Pengguna (User Satisfaction)?

Dari uji analisis struktur model, dapat dikatakan hipotesis OPT→USF diterima,

sehingga optimism berpengaruh secara signifikan terhadap user satisfaction, dari nilai

path coefficient (β) OPT→USF memiliki nilai signifikan, dan hipotesis OPT→USF

dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil dan memiliki

nilai yang cukup dilihat dari coefficient of determination (R2). Hasil ini dikatakan




mempengaruhi dimensi process ataupun output. Hasil ini dikatakan sesuai dengan

penlitian sebelumnya (Chen, S. C., & Chen, M.F., 2009; Chen, S.C., & Lai, M.T.,

111

2014) yang mengatakan bahwa Optimsm mempengaruhi secara signifikan dan positif

terhadap User Satisfaction.


Kualitas Informasi (Information Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis INN→INQ diterima,

sehingga innovativeness berpengaruh secara signifikan terhadap information quality,

dari nilai path coefficient (β) INN→INQ memiliki nilai signifikan, dan hipotesis

INN→INQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil


dikatakan sesuai dengan asumsi awal peneliti dengan model input-process-output

(Davis, 1998) dan peneliti sebelumnya (Subiyakto, 2017) yang menyatakan variabel

INN yang terdapat pada dimensi input dalam model penelitian ini memungkinkan

untuk mempengaruhi dimensi process ataupun output. Hasil ini sesuai dengan

penelitian (Kuo, 2013) yang mengatakan bahwa INN berpengaruh terhadap INQ.


Kualitas Sistem (System Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis INN→SYQ tidak diterima,

sehingga innovativeness tidak berpengaruh secara signifikan terhadap system quality,

walaupun dari nilai path coefficient (β) INN→SYQ memiliki nilai signifikan, dan

112

hipotesis INN→SYQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh

yang kecil serta memiliki nilai yang lemah dilihat dari coefficient of determination

(R2). Hasil ini dikatakan tidak sesuai dengan asumsi awal peneliti dengan model input-

process-output (Davis, 1998) dan peneliti sebelumnya (Subiyakto, 2017) yang

menyatakan variabel INN yang terdapat pada dimensi input dalam model penelitian

ini memungkinkan untuk mempengaruhi dimensi process ataupun output. Hasil ini

tidak sesuai dengan penelitian (Kuo, 2013) yang mengatakan bahwa INN

mempengaruhi SYQ.


Kualitas Layanan (Service Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis INN→SVQ diterima,

sehingga innovativeness berpengaruh secara signifikan terhadap service quality, dari

nilai path coefficient (β) INN→SVQ memiliki nilai signifikan, dan hipotesis

INN→SVQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil



(Davis, 1998) dan peneliti sebelumnya (Subiyakto, 2017) yang menyatakan variabel

INN yang terdapat pada dimensi input dalam model penelitian ini memungkinkan

untuk mempengaruhi dimensi process ataupun output. Hasil ini sesuai dengan

penelitian (Kuo, 2013) yang mengatakan bahwa INN berpengaruh terhadap SVQ.

113


Kepuasan Pengguna (User Satisfaction)?

Dari uji analisis struktur model, dapat dikatakan hipotesis INN→USF tidak diterima,

sehingga innovativeness tidak berpengaruh secara signifikan terhadap user

satisfaction, dari nilai path coefficient (β) INN→USF memiliki nilai yang tidak

signifikan, dan hipotesis INN→USF dilihat dari nilai f2 dan q2 memiliki pengaruh

tetapi pengaruh yang kecil namun memiliki nilai yang cukup dilihat dari coefficient of

determination (R2). Hasil ini dikatakan tidak sesuai dengan asumsi awal peneliti

dengan model input-process-output (Davis, 1998) dan peneliti sebelumnya

(Subiyakto, 2017) yang menyatakan variabel INN yang terdapat pada dimensi input

dalam model penelitian ini memungkinkan untuk mempengaruhi dimensi process

ataupun output. Hasil ini tidak sesuai dengan penelitian sebelumnya (Chen, S. C., &

Chen, M.F., 2009; Chen, S.C., & Lai, M.T., 2014) yang mengatakan bahwa

Innovativeness mempengaruhi signifikan dan positif terhadap User Satisfaction.


signifikan terhadap Kualitas Informasi (Information Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis DIS→INQ tidak diterima,

sehingga discomfort tidak berpengaruh secara signifikan terhadap information quality,

114

dari nilai path coefficient (β) DIS→INQ memiliki nilai signifikan, dan hipotesis

DIS→INQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil


dikatakan tidak sesuai dengan asumsi awal peneliti dengan model input-process-

output (Davis, 1998) dan peneliti sebelumnya (Subiyakto, 2017) yang menyatakan

variabel DIS yang terdapat pada dimensi input dalam model penelitian ini

memungkinkan untuk mempengaruhi dimensi process ataupun output. Hasil ini tidak

sesuai dengan penelitian (Kuo, 2013) yang mengatakan bahwa DIS berpengaruh

terhadap INQ.



Dari uji analisis struktur model, dapat dikatakan hipotesis DIS→SYQ tidak diterima,

sehingga discomfort tidak berpengaruh negatif secara signifikan terhadap system

quality, walaupun dari nilai path coefficient (β) DIS→SYQ memiliki nilai signifikan,

dan hipotesis DIS→SYQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh




menyatakan variabel DIS yang terdapat pada dimensi input dalam model penelitian ini


115


terhadap SYQ.



Dari uji analisis struktur model, dapat dikatakan hipotesis DIS→SVQ tidak diterima,

sehingga discomfort tidak berpengaruh negatif secara signifikan terhadap service

quality, walaupun dari nilai path coefficient (β) DIS→SVQ memiliki nilai signifikan,

dan hipotesis DIS→SVQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh







terhadap SVQ.

116



Dari uji analisis struktur model, dapat dikatakan hipotesis DIS→USF tidak diterima,

sehingga discomfort tidak berpengaruh negatif secara signifikan terhadap user

satisfaction, dari nilai path coefficient (β) DIS→USF memiliki nilai tidak signifikan,

dan hipotesis DIS→USF dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh





memungkinkan untuk mempengaruhi dimensi process ataupun output. Hasil ini sesuai

dengan penelitian sebelumnya (Chen, S. C., & Chen, M.F., 2009; Chen, S.C., & Lai,

M.T., 2014) yang mengatakan bahwa Discomfort tidak mempengaruhi secara

signifikan terhadap User Satisfaction.

H13 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara

signifikan terhadap Kualitas Informasi (Information Quality)?

Dari uji analisis struktur model, dapat dikatakan hipotesis INS→INQ diterima,

sehingga insecurity berpengaruh negatif secara signifikan terhadap information

quality, dari nilai path coefficient (β) INS→INQ memiliki nilai signifikan, dan

hipotesis INS→INQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang

117

kecil serta memiliki nilai yang lemah dilihat dari coefficient of determination (R2).

Hasil ini dikatakan sesuai dengan asumsi awal peneliti dengan model input-process-

output (Davis, 1998) dan peneliti sebelumnya (Subiyakto, 2017) yang menyatakan

variabel INS yang terdapat pada dimensi input dalam model penelitian ini


dengan penelitian (Kuo, 2013) yang mengatakan bahwa INS berpengaruh terhadap

INQ.



Dari uji analisis struktur model, dapat dikatakan hipotesis INS→SYQ diterima,


quality, dari nilai path coefficient (β) INS→SYQ memiliki nilai signifikan, dan

hipotesis INS→SYQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh


(R2). Hasil ini dikatakan sesuai dengan asumsi awal peneliti dengan model input-


menyatakan variabel INS yang terdapat pada dimensi input dalam model penelitian ini


118

dengan penelitian (Kuo, 2013) yang mengatakan bahwa INS berpengaruh terhadap

SVQ.



Dari uji analisis struktur model, dapat dikatakan hipotesis INS→SVQ diterima,


quality, dari nilai path coefficient (β) INS→SVQ memiliki nilai signifikan, dan

hipotesis INS→SVQ dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh


(R2). Hasil ini dikatakan sesuai dengan asumsi awal peneliti dengan model input-


menyatakan variabel INS yang terdapat pada dimensi input dalam model penelitian

sesuai dengan penelitian (Kuo, 2013) yang mengatakan bahwa INS berpengaruh

terhadap SVQ.



Dari uji analisis struktur model, dapat dikatakan hipotesis INS→USF tidak diterima,

sehingga insecurity tidak berpengaruh negatif secara signifikan terhadap information

quality, dari nilai path coefficient (β) INS→USF memiliki nilai yang tidak signifikan,

119

dan hipotesis INS→USF dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh

yang kecil walaupun memiliki nilai yang cukup dilihat dari coefficient of



(Subiyakto, 2017) yang menyatakan variabel INS yang terdapat pada dimensi input

dalam model penelitian ini memungkinkan untuk mempengaruhi dimensi process

ataupun output. Hasil ini sesuai dengan penelitian sebelumnya (Chen, S. C., & Chen,

M.F., 2009; Chen, S.C., & Lai, M.T., 2014) yang mengatakan bahwa Insecurity tidak

mempengaruhi secara signifikan terhadap User Satisfaction.



Dari uji analisis struktur model, dapat dikatakan hipotesis INQ→USF diterima,

sehingga information quality berpengaruh secara signifikan terhadap user satisfaction,

dari nilai path coefficient (β) INQ→USF memiliki nilai signifikan, dan hipotesis

INQ→USF dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil

serta memiliki nilai yang cukup dilihat dari coefficient of determination (R2). Hasil ini

dikatakan sesuai dengan asumsi awal peneliti sebelumnya (Asnawi, 2014) yang

menyatakan variabel information quality (INQ) yang terdapat pada dimensi process

120

dalam model penelitian ini mempengaruhi user satisfaction (USF) dan juga (Erlirianto,

Noor Ali, & Herdiyanti, 2015) yang menyatakan information quality berpengaruh

positif terhadap kepuasan pengguna.



System)?

Dari uji analisis struktur model, dapat dikatakan hipotesis INQ→SIS tidak diterima,

sehingga information quality tidak berpengaruh secara signifikan terhadap success

information system, dari nilai path coefficient (β) INQ→SIS memiliki nilai yang tidak

signifikan, dan hipotesis INQ→SIS dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi

pengaruh yang kecil serta memiliki nilai yang cukup dilihat dari coefficient of



(Subiyakto, 2017) yang menyatakan variabel INQ yang terdapat pada dimensi process

dalam model penelitian ini memungkinkan untuk mempengaruhi dimensi output.


terhadap Kepuasan Pengguna (User Satisfaction)?

Dari uji analisis struktur model, dapat dikatakan hipotesis SYQ→USF tidak diterima,

sehingga information quality berpengaruh secara signifikan terhadap user satisfaction,

121

dari nilai path coefficient (β) SYQ→USF memiliki nilai yang tidak signifikan, dan

hipotesis SYQ→USF dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh

yang kecil serta memiliki nilai yang cukup dilihat dari coefficient of determination

(R2). Hasil ini dikatakan sesuai dengan peneliti sebelumnya (Hendra, Sukardi, &

Syahrullah, 2015) yang mengatakan bahwa system quality tidak berpengaruh terhadap

user satisfaction.

Hasil ini berbanding terbalik dengan peneliti sebelumnya pula (Asnawi, 2014) yang

menyatakan variabel system quality (SYQ) yang terdapat pada dimensi process dalam

model penelitian ini mempengaruhi user satisfaction (USF) dan juga menurut Al-

Debei (2013) menyatakan bahwa system quality berpengaruh terhadap user

satisfaction.


terhadap Keberhasilan Sistem Informasi (Success Information System)?

Dari uji analisis struktur model, dapat dikatakan hipotesis SYQ→SIS tidak diterima,

sehingga system quality berpengaruh secara signifikan terhadap success information

system, dari nilai path coefficient (β) SYQ→SIS memiliki nilai yang tidak signifikan,

dan hipotesis SYQ→SIS dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh




122

menyatakan variabel SYQ yang terdapat pada dimensi process dalam model penelitian

ini memungkinkan untuk mempengaruhi dimensi output.

H21 Apakah Kualitas Layanan (Service Quality) berpengaruh secara


Dari uji analisis struktur model, dapat dikatakan hipotesis SVQ→USF diterima,

sehingga service quality berpengaruh secara signifikan terhadap user satisfaction, dari

nilai path coefficient (β) SVQ→USF memiliki nilai signifikan, dan hipotesis

SVQ→USF dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh yang kecil

serta memiliki nilai yang cukup dilihat dari coefficient of determination (R2). Hasil ini


(Davis, 1998) dan peneliti sebelumnya (Al-Debei, 2013) yang menyatakan variabel

service quality (SVQ) yang terdapat pada dimensi process dalam model penelitian ini

mempengaruhi user satisfaction (USF) dan juga peneliti lainnya (Asnawi, 2014) yang

mengatakan bahwa berpengaruh.

H22 Apakah Kualitas Layanan (Service Quality) berpengaruh secara


System)?

Dari uji analisis struktur model, dapat dikatakan hipotesis SVQ→SIS tidak diterima,

sehingga service quality tidak berpengaruh secara signifikan terhadap success

123

information system, dari nilai path coefficient (β) SVQ→SIS memiliki nilai signifikan,

dan hipotesis SVQ→SIS dilihat dari nilai f2 dan q2 memiliki pengaruh tetapi pengaruh




menyatakan variabel SVQ yang terdapat pada dimensi process dalam model penelitian

ini memungkinkan untuk mempengaruhi dimensi process ataupun output.

H23 Apakah Kepuasan Pengguna (User Satisfaction) berpengaruh secara

signifikan terhadap Keberhasilan sistem informasi (Success Information

System)?

Dari uji analisis struktur model, dapat dikatakan hipotesis USF→SIS diterima,

sehingga user satisfaction berpengaruh secara signifikan terhadap success information

system, dari nilai path coefficient (β) USF→SIS memiliki nilai signifikan, dan

hipotesis USF→SIS dilihat dari nilai f2 memiliki pengaruh yang cukup sehingga USF

sebagai variabel independen mempengaruhi variabel dependen yaitu SIS dan q2

memiliki nilai yang kecil, serta memiliki nilai yang cukup dilihat dari coefficient of

determination (R2). Hasil ini dikatakan sesuai dengan asumsi awal peneliti dengan

model input-process-output (Davis, 1998) dan peneliti sebelumnya (Subiyakto, 2017)

124

yang menyatakan variabel USF yang terdapat pada dimensi process dalam model

penelitian ini memungkinkan untuk mempengaruhi dimensi process ataupun output.

125

BAB V

5.1 Limitasi

Keterbatasan dalam penelitian ini adalah mayoritas responden ialah mahasiswa dengan

lulusan SMA. Responden penelitian ini didominasi oleh mahasiswa karena menurut

Iacobucci (2001) bahwa mahasiswa seringkali lebih siap dan mudah didekati sehingga

memberi kesempatan untuk mengumpulkan data yang diperlukan. Penelitian ini

menggunakan metode purposive sampling maka hasil dari penelitian ini tidak dapat

digeneralisasi, karena adanya keterbatasan cross sectional atau pengambilan data

secara sesaat sehingga hasil keseluruhan bukan merupakan hasil sebab-akibat

melainkan hanya hasil yang saling mempengaruhi saja dan peneliti tidak dapat

menemani responden pada saat pengisian kuesioner secara langsung.

5.2 Kesimpulan

Berdasarkan hasil penelitian, berikut adalah kesimpulan penting yang bisa diambil dari

penelitian ini.

1) Hasil pengolahan data responden yang berpartisipasi sebanyak 150 orang

yang terdiri dari dosen, mahasiswa, dan staf multimedia yang telah

menggunakan sistem ubiquitous computing di Fakultas Sains dan

Teknologi UIN Syarif Hidayatullah Jakarta. Hasil dari analisis mengenai

adanya pengaruh terhadap keberhasilan sistem yang mengatakan kesiapan

126

berpengaruh terhadap keberhasilan sistem mendominasi dengan nilai 59%

atau 89 orang, sedangkan yang mengatakan kesiapan sangat berpengaruh

terhadap keberhasilan sistem sebanyak 32% atau 48 orang, yang

mengatakan kurang berpengaruh sebanyak 8% atau 12 orang, dan yang

mengatakan bahwa kesiapan tidak berpengaruh terhadap keberhasilan 1%

atau 1 orang.

2) Adanya penghapusan 8 indikator dari 44 indikator pada penelitian ini

adapun indikator yang dihapus antara lain, DIS2, INS3, INQ2, SYQ2,

SYQ5, SVQ3, SVQ4, dan SIS5. Dari hasil ini peneliti beranggapan

penghapusan indikator terjadi dikarenakan kurang tepatnya instrumen

pertanyaan sehingga terjadi pengertian yang bias pada penelitian yang

dilakukan.

3) Adanya 12 dari 23 hipotesis dinyatakan ditolak karena tidak adanya

pengaruh antar variabel yang signifikan dalam pengujian struktural

penelitian ini. Hipotesis yang tidak saling berpengaruh yaitu OPT→INQ,

INN→SYQ, INN→USF, DIS→INQ, DIS→SYQ, DIS→SVQ,

DIS→USF, INS→USF, INQ→SIS, SYQ→USF, SYQ→SIS, dan

SVQ→SIS dinyatakan ditolak karena antar variabel tidak memiliki

pengaruh yang signifikan atau belum terpenuhinya nilai statistika (t-test)

pada pengujian struktural dalam model penilitian ini. Tidak diterimanya

hipotesis ini menunjukkan perbedaan pada hasil penelitian sejenis yang ada

sebelumnya. Peneliti berpendapat bahwa adanya perbedaan pada hasil

127

penelitian dalam model ini dapat diwajarkan karena adanya perbedaan

variabel dan instrumen penelitian, objek, sampel serta adanya keterbatasan

saat pelaksanaan penelitian di lapangan dan kondisi lingkungan yang ada

dapat menjadi faktor yang mempengaruhi hasil dari penelitian.

4) Berdasarkan hasil penelitian terdapat 11 hipotesis yang diterima dan

dianggap berpengaruh yaitu, OPT→SYQ, OPT→SVQ, OPT→USF,

INN→INQ, INN→SVQ, INS→INQ, INS→SYQ, INS→SVQ,

INQ→USF, SVQ→USF, dan USF→SIS. Adapun hipotesis yang

mempengaruhi kesiapan terhadap keberhasilan ialah.

a) OPT (optimism) dan INS (insecurity) berpengaruh terhadap SYQ

(system quality) dan SVQ (service quality).

b) OPT (optimism), INQ (information quality) dan SVQ (service

quality) berpengaruh terhadap USF (user satisfaction).

c) INN (innovativeness) dan INS (insecurity) berpengaruh terhadap

INQ (information quality).

d) INN (innovativeness) berpengaruh terhadap SVQ (service quality).

e) USF (user satisfaction) berpengaruh terhadap SIS (system user

satisfaction).

5) Mayoritas hipotesis dalam penelitian ini diterima, dengan 3 hipotesis

paling mempengaruhi tingkat kesiapan penerapan dilihat dari path

coefficient (β) dan T-Statistics (t-test), sehingga faktor-faktor yang paling

mempengaruhi adalah:

128

a. Hubungan antara User Satisfaction dengan Success

Information System (USF→ SIS).

b. Hubungan antara Service Quality dengan User Satisfaction

(SVQ→USF).

c. Hubungan antara Optimism dengan System Quality (OPT→

SYQ).

Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian ini telah

memberikan kontribusi dan manfaat yamg signifikan, berupa:

1) Secara praktis, hasil penelitian ini dapat menjadi bahan pertimbangan bagi

para pengambil keputusan atau tingkat manajerial tertinggi, khususnya

pengelola sistem Ubiquitous Computing dalam rencana penerapan sistem

dengan memperhatikan hasil demografis dan faktor yang mempengaruhi

kesiapan terhadap keberhasilan penerapan sistem yang sudah diteliti.

2) Secara teoritis, penelitian ini mengadopsi, mengkombinasi, dan

mengadaptasi seperti penelitian Subiyakto (2017) dari 2 model yaitu

Technology Readiness Index 2.0 milik Parasuraman & Colby (2015) dan

model Keberhasilan Sistem Informasi milik Delone & McLean (2003)

yang dikembangkan oleh Subiyakto (2017) dengan menggunakan teori

dasar IPO Logic model milik Davis (1998). Sehingga hasil dari model

penelitian ini dapat menjadi alternatif yang dapat dipertimbangkan untuk

129

dapat mengukur pengaruh kesiapan pengguna dalam penerapan sistem baru

yang akan memperlihatkan tingkat keberhasilan sistem tersebut.

3) Secara metodologi, penelitian ini juga berperan dalam mendorong variasi

penelitian yang menggunakan metode kuantitatif dalam penyusunan

skripsi pada Program Studi Sistem Informasi di UIN Syarif Hidayatullah

Jakarta.

5.2 Saran

Pada bagian ini peneliti akan menjelaskan saran untuk penelitian selanjutnya

berdasarkan batasan penelitian, peneliti memberikan saran sebagai berikut:

1) Berdasarkan hasil penelitian ini khususnya terhadap indikator yang

dihapus, peneliti berfikir untuk memberikan saran terhadap peneliti

selanjutnya (yang berkeinginan pada topik penelitian sejenis) agar dapat

meninjau dan memperbaiki kembali hal-hal berikut ini.

a) Dalam pembuatan instrumen yang akan digunakan oleh peneliti

selanjutnya ada baiknya untuk memperhatikan tata bahasa penulisan

yang akan mempengaruhi pengertian para responden agar tidak

terjadi pemahaman yang bias.

b) Diperlukannya masukan atau saran dari para ahli agar dapat

menguatkan indikator pada variabel yang digunakan untuk

130

meminimalisir adanya penghapusan indikator pada tahap analisis

data.

c) Pada proses pengumpulan data responden, sebaiknya dapat

memperhatikan perbandingan penyebaran data dengan data sampel

baik untuk jenis kelamin, unit kerja maupun fakultas serta kategori

lainnya apabila sistem ini sudah diterapkan secara menyeluruh di

UIN Syarif Hidayatullah Jakarta. Agar hasil dapat digeneralisasi

dengan baik.

d) Peninjauan kembali terhadap indikator-indikator yang dihapuskan

pada tahap perhitungan dan analisis data yaitu DIS, INS, INQ, SYQ,

SVQ, dan SIS.

131

DAFTAR PUSTAKA

Adityawarman. (2012). Pengukuran Tingkat Kematangan Penyelarasan Strategi

Teknologi Informasi Terhadap Strategi Bisnis Analisis Menggunakan

Framework COBIT 4.1 (Studi Kasus PT.BRI, TBK), Vol. 8 No. 2, ISSN: 1412-

6699.

Alwi, H. (2005). Kamus besar bahasa Indonesia.

Al-Debei, M. M., Jalal, D., & Al-Lozi, E. (2013). Measuring Web Portals Success: A

Respecification and Validation of the Delone And Mclean Information Systems

Success Model. International Journal of Business Information Systems, 14(1),

96-133.

Asnawi. (2014). Evaluasi Implementasi Sistem Informasi Senayan Library

Management System (Slims) Di Perpustakaan Universitas Syiah Kuala Dengan

Menggunakan Human Organization Technology (Hot) Fit Model.

Bayu, A., & Muhimmah, I. (2013). Evaluasi Faktor-Faktor Kesuksesan Implementasi

Sistem Informasi Manajemen Rumah Sakit di PKU Muhammadiyah Sruweng

dengan Menggunakan Metode Hot-Fit. Yogyakarta.

Chen, S. C., Jong, D., & Lai, M. T. (2014). Assessing the relationship between

technology readiness and continuance intention in an E-appointment system:

relationship quality as a mediator. Journal of medical systems, 38(9), 76.

132

Chen, S. C., Chen, H. H., & Chen, M. F. (2009). Determinants of satisfaction and

continuance intention towards self-service technologies. Industrial Management

& Data Systems, 109(9), 1248-1263.

Chen, Y.S., Kao, T.C., Sheu, J.P., and Chiang, C.Y. (2002). A Mobile Scaffolding Aid-

Based Bird -Watching Learning System, Proceedings of IEEE International

Workshop on Wireless and Mobile Technologies in Education (WMTE'02), 15-

22.

Cheng, L., and Marsic, I. (2002). Piecewise Network Awareness Service for

Wireless/Mobile Pervasive Computing. Mobile Networks and

Applications(MONET), 17(4): 269-278.

Chiu.P.S., Kuo. Y, Huang.Y., and Chen. T. (2008). A Meaningful Learning based u

Learning Evaluation Model, Eighth IEEE International Conference on Advanced

Learning Technologies, 77 – 81.

Creswell, J. W. (2013). Research Design: Qualitative, Quantitative, and Mixed

Methods Approaches. Sage Publications.

Curtis, M., Luchini, K., Bobrowsky, W., Quintana, C., and Soloway, E. (2002).

Handheld Use in K-12: A Descriptive Account, Proceedings of IEEE

International Workshop on Wireless and Mobile Technologies in Education

(WMTE'02), 23-30.

Davis, W.S., and Yen, D.C.: ‘The Information System Consultant's Handbook:

Systems Analysis and Design’ (CRC press, 1998. 1998).

133

DeLone, W.H. and E.R. McLean, 1992. Information systems success: The quest for the

dependent variable. Inform. Syst. Res., 3: 60-95.

Delone, W.H dan McLean, E.R. (2003). The Delone and McLean Model of Information

Systems Success: A ten-year Update. Journal of Management Information

Systems, 19(4), 9-30.

Djaali. (2008). Psikologi Pendidikan. Jakarta: Bumi Aksara.

Erlirianto, L. M., Noor Ali, A. H., & Herdiyanti, A. (2015). The Implementation of the

Human, Organization, and Technology - Fit (HOT-Fit) Framework to Evaluate

The EMR System in a Hosiptal, 580-587.

Florestiyanto, M. Y. (2015, Juli). Evaluasi Kesiapan Pengguna dalam Adopsi Sistem

Informasi Terintegrasi di Bidang Keuangan Menggunakan Metode Technology

Readiness Index. In Seminar Nasional Informatika (SEMNASIF) (Vol. 1, No. 4).

Ghozali, I., & Latan, H. (2015). Partial Least Squares Konsep, Teknik dan Aplikasi

Menggunakan Program SmartPLS 3.0 Untuk Penelitian Empiris. Edisi 2.

Semarang: Universitas Diponegoro. ISBN: 979.704.300.2

Handayani. (2005). Analisis Faktor-faktor Yang Mempengaruhi Minat Pemanfaatan

Sistem Informasi Dan Penggunaan Sistem Informasi. Universitas Diponegoro

Semarang.

Handayani, T., & Sudiana, S. (2015). Analisis Penerapan Model UTAUT (Unified

Theory of Acceptance and Use of Technology) Terhadap Perilaku Pengguna

Sistem Informasi. Semnas ReTII ke-10 2015.

134

Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares

path modeling in international marketing. Advances in 106 international

marketing, 20(1), 277-319. ISSN: 1474-7979/doi:10.1108/S1474-

7979(2009)0000020014.

Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed A silver bullet.

Journal of Marketing theory and Practice, Vol. 19 No. 2, 139-152.

Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use

of partial least squares structural equation modeling in marketing research.

Journal of the academy of marketing science, Vol. 40 No. 3, 414-433.

Hair, J. F., Hult, G. T. M., Ringle, C. M., and Sarstedt, M. (2017). A Primer on Partial

Least Squares Structural Equation Modeling (PLS-SEM), 2nd Ed., SAGE:

Thousand Oaks.

Hendra, S., Sukardi, S., & Syahrullah, S. (2015, October). Pengaruh Penggunaan E-

Learning Klasiber terhadap Net Benefit di Universitas Islam Indonesia dengan

User Satisfaction sebagai Variabel Intervening. In Seminar Nasional Aplikasi

Teknologi Informasi (SNATI) (Vol. 1, No. 1).

Howsawi, E. M., Eager, D., & Bagia, R. (2011, December). Understanding project

success: The four-level project success framework. In Industrial Engineering and

Engineering Management (IEEM), 2011 IEEE International Conference on (pp.

620-624). IEEE.

H. Ogata, R. Akamatsu, & Y. Yano. (2004). Computer Supported Ubiquitous Learning

Environment for Vocabulary Learning Using RFID Tags, TEL2004 (Technology

135

Enhanced Learning 2004). Retrieved on August 7, 2008 from http://www-

yano.is.tokushimau. ac.jp/ogata/pdf/tel04ogata.pdf

Hwang, G, J., Tsai, C.-C., & Yang, S.J.H. (2008). Criteria, Strategies and Research

Issues of Context-Aware Ubiquitous Learning. Educational Technology &

Society, 11(2), 81-91.

Hwang, G, J. (2006). Criteria and Strategies of Ubiquitous Learning. Proceedings of

the IEEE International Conference on Sensor Networks, Ubiquitous, and

Trustworthy Computing (SUTC’06), 2:72-77.

Iacobucci, D. (2001). Methodological and Statistical Concerns of the Experimental

Behavioral Researcher: introduction. Journal of Consumer Psychology, 10(1-2),

1-2.

Jati, N, J. dan Herry, L. (2012). Analisis Faktor-Faktor yang Mempengaruhi Minat

Pemanfaatan dan Penggunaan E-Ticket. Jurnal Universitas Diponegoro.

Kristanto, A. (2003). Perancangan sistem informasi dan aplikasinya.

Kuo, Y. L. (2013). Technology Readiness as Moderator for Construction Company

Performance. Industrial Management & Data Systems, 113(4), 558-572.

Laudon, K. C., & Laudon, J. P. (2007). Sistem Informasi Manajemen Mengelola

Perusahaan Digital Buku 1 Edisi 10.

Lazuardi, A. (2013). Tingkat Kesiapan (Readiness) Pengadopsian Teknologi

Informasi. Karya Akhir Universitas Indonesia 2013.

http://www-yano.is.tokushimau/

http://www-yano.is.tokushimau/

136

Lin, J. S. C., & Hsieh, P. L. (2006). The Role of Technology Readiness in Customers'

Perception and Adoption of Self-Service Technologies. International Journal of

Service Industry Management, 17(5), 497-517.

McLeod, L., & MacDonell, S. G. (2011) Factors that Affect Software Systems

Development Project Outcomes: a survey of research. ACM Computing Surveys

(CSUR). 2011; 43(4): 24.

McLeod, L., Doolin, B., & MacDonell, S. G. (2012). A Perspective-Based

Understanding of Project Success. Project Management Journal Institute. DOI:

10.1002/pmj.21290

Mulyanto, A. (2009). Sistem Informasi: Konsep & Aplikasi. Yogyakarta: Pustaka

Pelajar.

Nastiti, F. E., & Hadi, S. P. (2014). Analisis Kebutuhan Aplikasi Dengan Pemetaan

Pada Business Model Canvas. Semnas TI dan Multimedia 2014 STMIK

AMIKOM Yogyakarta ISSN: 2302-3805.

Ogata, H., & Yano, Y. (2004). Context-Aware Support for Computer-Supported

Ubiquitous Learning. Proceedings of the 2nd IEEE International Workshop on

Wireless and Mobile Technologies in Education, 27-34.

O’Brien, J. (2005). Pengantar Sistem Informasi: Perspektif Bisnis dan Manajerial.

Penerbit Salemba Empat, Jakarta.

Parasuraman, A. (2000). Technology Readiness Index (TRI) A Multiple-item Scale to

Measure Readiness Embrace New Technologies. Journal of Service Reasearch

Vol 2, No.4

137

Parasuraman, A., & Colby, C. L. (2015). An Updated and Streamlined Technology

Readiness Index: TRI 2.0. Journal of service research, 18(1), 59-74.

Pambudi, S. A. (2015). Analisis Kesiapan Pengguna Sistem Informasi

Akademik. SEMNASTEKNOMEDIA ONLINE, 3(1), 2-1.

Ringle, C. M., Da Silva, D., & Bido, D. D. S. (2015). Structural equation modeling

with the Smartpls.

Sakamura K. & Koshizuka N. (2005). Ubiquitous Computing Technologies for

Ubiquitous Learning, Proceedings of the 2005 IEEE International Workshop on

Wireless and Mobile Technologies in Education (WMTE ’05), pp.11-20.

Sarstedt, M., Ringle, C. M., & Hair, J. F. (2017). Partial Least Squares Structural

Equation Modeling. In Handbook of market research (pp. 1-40). Springer

International Publishing.

Sarwono, J. (2007). Model Kesuksesan Sistem Teknologi Informasi. Yogyakarta:

Andi.

Sarwono, J. (2008). Metodologi Penelitian Sistem Informasi. Edisi 1. Andi.

Yogyakarta.

Schank, C. (1995). What We Learn When We Learn by Doing. Technical Report No.

60, Northwestern University, Institute for Learning Sciences. Retrieved on

March 2, 2009 from http://cogprints.org/637/0/LearnbyDoing_Schank.html

Shelly, G, B., dan Rosenblatt, H, J. (2012). Analysis and Design for System. Boston.

Siregar, S. (2013). Statistik Parametrik untuk Penelitian Kuantitatif: Dilengkapi dengan

Perhitungan Manual dan Aplikasi SPSS versi 17. Jakarta: Bumi Aksara.

138

Slameto. (2010). Belajar dan Faktor-Faktor yang Mempengaruhinya. Jakarta: Rineka

Cipta.

Sridadi. (2007). Diktat Mata Kuliah Evaluasi Pembelajaran Penjas. Yogyakarta: FIK

UNY.

Subiyakto, A. (2017). Development of The Readiness and Success Model for

Assessing the Information System Integration. UIN Syarif Hidayatullah Jakarta.

Subiyakto, A., & Ahlan, A. R. (2013, 27-28 Nov. 2013). A coherent framework for

understanding critical success factors of ICT project environment. Paper

presented at the 2013 International Conference on Research and Innovation in

Information Systems (ICRIIS).

Subiyakto, A., & Ahlan, A. R. (2014). Implementation of Input-Process-Output Model

for Measuring Information System Project Success. Telkomnika Indonesian

Journal of Electrical Engineering, Vol. 12 No. 7, pp. 5603-5612.

Subiyakto, A., Ahlan, A. R., & Sukmana, H. T. (2014). An Alternative Method for

Determining Critical Success Factors inf Information System Project.

TELKOMNIKA. Vol. 12, No. 2. ISSN: 1693-6930. DOI:

10.12928/TELKOMNIKA.v12i3.105

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Measurement of

Information System Project Success Based on Perceptions of the Internal

Stakeholders. International Journal of Electrical and Computer Engineering

(IJECE). Vol. 5, No. 2. ISSN: 2088-8708.

139

Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of

Information System Project Success Model: A Focus Group Study. SAGE

Open, 5(2), 2158244015581650.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of the

information system project success of the higher education institutions in

Indonesia: a pilot study. International Journal of Business Information

Systems, 23(2), 229-247.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016). The

User Satisfaction Perspectives of the Information System Projects. Indonesian

Journal of Electrical Engineering and Computer Science, 4(1).

Subiyakto, A., Rosalina, R., Utami, M. C., Kumaladewi, N., & Putra, S. J. (2017). The

Psychometric and Interpretative Analyses for Assessing the End-User

Computing Satisfaction Questionnaire.Paper presented at the 5th International

Conference on Information Technology for Cyber and IT Service Management

(CITSM) 2017 Denpasar, Bali.

Subiyakto, A., Septiandani, D., Nurmiati, E., Durachman, Y., Kartiwi, M., & Ahlan,

R. (2017). Managers Perceptions towards the Success of E-performance

Reporting System. Telkomnika, 15(3).

Sugiyono, P. D. (2008). Metode Penelitian Kuantitatif, Kualitatif dan R7D. Bandung:

Penerbit Alfabeta

140

Suryadi, D. (2015). Pengukuran Tingkat Kesiapan Penerapan e-Learning

Menggunakan TRI (Technology Readiness Index), Studi Kasus: UIN Suska

Riau. SISFO, 5.

Susanto, A. et al. (2013). User acceptance of Internet banking in Indonesia: initial trust

formation. Information Development, 29(4), 309-322.

Sutabri, T. (2012). Analisis Sistem Informasi.

Sutarman, B. (2012). Pengantar Teknologi Informasi. Jakarta.

Tammubua, Y., Sodjiono, B., Sofyan, A, F. (2015). Evaluasi Faktor Keberhasilan

Aplikasi Pemantauan Pelaksanaan Program dan Kegiatan. Semnas Teknologi

Informasi dan Multimedia. Yogyakarta. ISSN: 2302-3805.

Uemukai, T., Hara, T., and Nishio, S. (2004). A Method for Selecting Output Data

from Ubiquitous Terminals in a Ubiquitous Computing Environment. In the

Proceedings of the 24th International Conference on Distributed Computing

Systems Workshops (ICDCSW’04), 562-567.

Urbach, N., & Ahlemann, F. (2010). Structural equation modeling in information

systems research using partial least squares. JITTA: Journal of Information

Technology Theory and Application, 11(2), 5.

Urbach, N., & Müller, B. (2012). The updated DeLone and McLean model of

information systems success. In Information systems theory (pp. 1-18). Springer

New York.

141

Urbach, N., Smolnik, S., & Riempp, G. (2010). An Empirical Investigation of

Employee Portal Success. The Journal of Strategic Information Systems,19(3),

184-206. doi: 10.1016/j.jsis.2010.06.002.

Urbach, N., Smolnik, S., & Riempp, G. (2010). An Empirical Investigation of

Employee Portal Success. The Journal of Strategic Information Systems,19(3),

184-206. doi: 10.1016/j.jsis.2010.06.002.

Weisler, M. (1991). The computer of the 21st century. Scientific American, vol.265,

no.3, pp.66-75.

Yahya, S., Ahmad, E. A., & Jalil, K. A. (2010). The definition and characteristics of

ubiquitous learning: A discussion. International Journal of Education and

Development using Information and Communication Technology, 6(1), 1.

LAMPIRAN

LAMPIRAN 1 KUESIONER

Kepada Yth.

Bapak/ibu Dosen dan Mahasiswa

UIN Syarif Hidayatullah Jakarta

Di Tempat

Assalamu’alaikum Wr.Wb.

Dengan hormat,

Saya Gregoryo Gusti, mahasiswa Sistem Informasi UIN Syarif Hidayatullah

Jakarta, saya akan melakukan penelitian dalam rangka salah satu syarat kelulusan

di UIN Jakarta. Tema yang saya ambil ialah Pengukuran Pengaruh Kesiapan

Terhadap Keberhasilan Penerapan Sistem Ubiquitous Computing di UIN

Jakarta. Penelitian ini bertujuan untuk mengetahui tingkat kesiapan serta

keberhasilan dari sistem tersebut.

Penjelasan Kesiapan (TRI)

Kesiapan menurut kamus psikologi ialah suatu titik kematangan untuk

menerima dan mempraktekkan tingkah laku tertentu. Menurut (Slameto, 2010:113)

Kesiapan ialah keseluruhan kondisi seseorang yang membuatnya siap untuk

memberikan respon atau jawaban dalam cara tertentu terhadapa suatu situasi.

Tingkat kesiapan seseorang terhadap penerapan suatu teknologi dapat dilihat dari

kecenderungan seseorang dalam menilai beberapa aspek yang dihasilkan dalam

penggunaan teknologi.

Penjelasan Keberhasilan

Menurut (Indrajit, 2000) keberhasilan ialah penerapan sistem informasi tidak tergantung pada besarnya dana investasi yang didedikasikan, namun terletak pada keampuhan strategi yang dipilih dan diterapkan oleh suatu institusi. Subiyakto dan Ahlan (2013) menjelaskan salah satu tantangan pemanfaatan SI adalah bagaimana menjamin tingkat keberhasilannya.

Penjelasan Ubiquitous Computing

Menurut Sakamura & Koshizuka (2005), ubiquitous computing dapat

dipertimbangkan sebagai “tren baru dari teknologi informasi dan komunikasi”. Istilah

ubiquitous computing diciptakan oleh Mark Weisler (1952-1999). Menurut Mark

Weisler (1991) ubiquitous computing adalah metode untuk meningkatkan kegunaan

komputer dan membuatnya tersedia di seluruh lingkungan fisik, hasilnya komputer

akan secara efektif tidak terlihat oleh pengguna dan akhirnya akan menyatu dengan

kehidupan sehari-hari mereka. Dalam penerapannya UBT (ubiquitous computing)

dilakukan sebagai alat pembelajaran di UIN Jakarta. Dapat didefinisikan bahwa

ubiquitous Computing learning sebagai penggunaan komputer yang tersebar di mana

pengguna berada dengan jumlah komputer yang disatukan dalam suatu lingkungan

dan memungkinkan proses belajar yang tepat di tempat dan waktu yang tepat dengan

cara yang tepat.

A. PROFIL RESPONDEN Jawablah dengan memberikan tanda ( √ ) pada salah satu jawaban yang tersedia!

1. Nama : …………………………………………………………

2. Email : …………………………………………………………

3. Pendidikan terakhir:

O SLTA O Diploma O S1 O S2 O S3

4. Sebutkan posisi pekerjaan Anda saat ini?

O Pimpinan tingkat atas (rektorat, dekanat, biro, pusat/UPT)

O Pimpinan tingkat menengah-bawah (kabag, kasubag, jurusan/prodi)

O Dosen

O Staf TIK

5. Apabila dosen, mata kuliah yang diajar………………………..

6. Apabila mahasiswa, semester………………………………….

7. Secara umum, bagaimana tingkat keterampilan Anda menggunakan TIK?

O Sangat tidak terampil

O Tidak terampil

O Kurang terampil

O Terampil

O Sangat terampil

B. PROFIL KESIAPAN DAN KEBERHASILAN SISTEM UBIQUITOUS COMPUTING

8. Secara umum, bagaimana tingkat kesiapan terhadap keberhasilan sistem ubiquitous computing di institusi Anda saat ini?

O Sangat tidak siap

O Tidak siap

O Kurang siap

O Siap

O Sangat siap

No: …………….…..

(Diisi oleh surveyor)

9. Di antara faktor teknis dan ketersediaan sumberdaya berikut, faktor apakah yang paling berpengaruh terhadap kesiapan keberhasilan sistem ubiquitous computing di institusi Anda saat ini?

O Ketersediaan biaya

O Ketersediaan SDM

O Ketersediaan teknologi

O Ketersediaan data

O Ketersediaan metode

10. Di antara faktor manajerial berikut, faktor apakah yang paling berpengaruh terhadap kesiapan keberhasilan sistem ubiquitous computing di institusi Anda saat ini?

O Perencanaan integrasi sistem

O Pengaturan sumberdaya sistem

O Pengarahan integrasi sistem

O Pengendalian integrasi sistem

O Evaluasi integrasi sistem

11. Di antara faktor institusional berikut, faktor apakah yang paling berpengaruh terhadap kesiapan keberhasilan sistem ubiquitous computing di institusi Anda saat ini?

O Kondisi SI saat ini

O Budaya dan sistem kerja di institusi

O Dukungan dan koordinasi antar unit/bagian

O Dukungan dan komitmen pegawai/staf

O Dukungan dan komitmen pimpinan

12. Secara umum, apakah faktor kesiapan mempengaruhi keberhasilan sistem ubiquitous computing di institusi Anda?

O Sangat tidak berpengaruh

O Tidak berpengaruh

O Kurang berpengaruh

O Berpengaruh

O Sangat berpengaruh

C. KESIAPAN KEBERHASILAN SISTEM UBIQUITOUS COMPUTING UIN JAKARTA

Nyatakan Pendapat Anda dengan memberikan tanda (√) pada salah satu skala yang tersedia.

Sangat Tidak Setuju STS

Tidak Setuju TS

Tidak Tahu TT

Setuju S

Sangat Setuju SS

Optimism (OPT)

Secara umum, bagaimana indikasi optimisme penerapan sistem Ubiquitous

Computing di FST UIN Jakarta?

No INDIKATOR STS TS TT S SS

1 Sistem bebas dari kesulitan, kendala, dan masalah O O O O O

2 Sistem dapat mudah terhubung dengan sistem lain O O O O O

3 Sistem berjalan secara efektif O O O O O

4 Sistem berjalan secara efisien O O O O O

5 Sistem berjalan secara produktif O O O O O

Innovativeness (INN)

Secara umum, bagaimana indikasi inovasi penerapan sistem Ubiquitous Computing

di FST UIN Jakarta?


6 Sistem merupakan alat pemecah masalah bagi penggunanya O O O O O

7 Sistem membantu pengguna, bebas dari kendali dan pengaruh O O O O O

8 Sistem mendukung penggunanya untuk mencapai tujuan dalam situasi atau masalah yang sulit O O O O O

9 Sistem mendorong penggunanya untuk mencapai tujuan O O O O O

10 Sistem mendukung penggunanya untuk menjadi lebih sukses daripada pesaingnya O O O O O

Discomfort (DIS)

Secara umum, bagaimana indikasi rasa tidak nyaman penerapan sistem Ubiquitous



11 Sistem membingungkan pengguna dalam penggunaanya O O O O O

12 Sistem tidak mudah untuk digunakan O O O O O

13 Sistem tidak bebas untuk digunakan O O O O O

14 Sistem dijalankan tanpa dukungan operasi secara penuh O O O O O

15 Sistem tidak sesuai dengan perencanaan pengembangannya O O O O O

Insecurity (INS)

Secara umum, bagaimana indikasi rasa tidak aman penerapan sistem Ubiquitous

Computing di UIN Jakarta?


16 Sistem tidak berhasil dijalankan sesuai rencana

pengembangannya O O O O O

17 Sistem berada dalam kondisi yang dapat menyebabkan bahaya O O O O O

18 Sistem membuat penggunanya menjadi kurang dalam berinteraksi O O O O O

19 Sistem membuat penggunanya tidak fokus kepada yang sebenarnya penting buat mereka O O O O O

20 Sistem meragukan untuk digunakan O O O O O

Information Quality (INQ)

Secara umum, bagaimana indikasi kualitas informasi penerapan sistem Ubiquitous



21 Sistem menghasilkan informasi secara akurat O O O O O

22 Sistem menghasilkan informasi secara tepat waktu O O O O O

23 Sistem meghasilkan informasi secara lengkap O O O O O

24 Sistem menghasilkan informasi secara konsisten sepanjang operasinya O O O O O

25 Sistem menghasilkan informasi sesuai kebutuhan penggunanya O O O O O

System Quality (SYQ)

Secara umum, bagaimana indikasi kualitas sistem penerapan sistem Ubiquitous



26 Sistem mudah dalam penggunaanya O O O O O

27 Sistem mudah dalam perawatannya O O O O O

28 Sistem mampu merespon secara cepat mengikuti perintah yang diberikan O O O O O

29 Sistem mampu melakukan semua fungsi yang disyaratkan dalam pengembangannya O O O O O

30 Sistem aman dalam penggunaannya O O O O O

Service Quality (SVQ)

Secara umum, bagaimana indikasi kualitas layanan penerapan sistem Ubiquitous



31 Sistem memberikan layanan secara cepat O O O O O

32 Sistem mmenyediakan layanan yang fleksibel sesuai kondisi pengguna O O O O O

33 Sistem memberikan layanan yang aman O O O O O

34 Sistem menyediakan layanan yang sesuai persyaratan dalam pengembangannya O O O O O

35 Sistem menyediakan layanan lebih dari fungsi yang disyaratkan O O O O O

User Satisfaction (USF)

Secara umum, bagaimana indikasi kepuasan pengguna penerapan sistem

Ubiquitous Computing di FST UIN Jakarta?


36 Pengguna puas dengan tingkat efisiensi sistem O O O O O

37 Pengguna puas dengan tingkat efektifitas sistem O O O O O

38 Pengguna puas dengan tingkat fleksibilitas sistem O O O O O

39 Pengguna puas dengan kinerja sistem O O O O O

Success Information System (SIS)

Secara umum, bagaimana indikasi keberhasilan SI penerapan sistem Ubiquitous



40 Sistem beroperasi secara efisien O O O O O

41 Sistem beroperasi secara efektif O O O O O

42 Sistem meningkatkan kepuasan penggunanya O O O O O

43 Sistem meningkatkan produktivitas O O O O O

44 Sistem meningkatkan daya saing kampus O O O O O

Oleh: PROGRAM STUDI SISTEM INFORMASI FAKULTAS...

Documents

Transcript of Oleh: PROGRAM STUDI SISTEM INFORMASI FAKULTAS...