PENGUKURAN PENGARUH KESIAPAN TERHADAP KEBERHASILAN...
Transcript of PENGUKURAN PENGARUH KESIAPAN TERHADAP KEBERHASILAN...
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
iv
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)?
Q.2.2 Apakah Optimisme (Optimism) berpengaruh secara signifikan
terhadap Kualitas Sistem (System Quality)?
Q.2.3 Apakah Optimisme (Optimism) berpengaruh secara
signifikan terhadap Kualitas Layanan (Service Quality)?
Q.2.4 Apakah Optimisme (Optimism) berpengaruh secara signifikan
terhadap Kepuasan Pengguna (User Satisfaction)?
Q.2.5 Apakah Inovasi (Innovativeness) berpengaruh secara
signifikan terhadap Kualitas Informasi (Information
Quality)?
Q.2.6 Apakah Inovasi (Innovativeness) berpengaruh secara
signifikan terhadap Kualitas Sistem (System Quality)?
11
Q.2.7 Apakah Inovasi (Innovativeness) berpengaruh secara
signifikan terhadap Kualitas Layanan (Service Quality)?
Q.2.8 Apakah Inovasi (Innovativeness) berpengaruh secara
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)?
Q.2.14 Apakah Ketidakamanan (Insecurity) berpengaruh negatif
secara signifikan terhadap Kualitas Sistem (System Quality)?
Q.2.15 Apakah Ketidakamanan (Insecurity) berpengaruh negatif
secara signifikan terhadap Kualitas Layanan (Service
Quality)?
12
Q.2.16 Apakah Ketidakamanan (Insecurity) berpengaruh negatif
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
secara signifikan terhadap Kepuasan Pengguna (User
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
secara signifikan terhadap Kepuasan Pengguna (User
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)
Referensi Tujuan Hasil
(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
Tabel 2.2 Literatur Sejenis (lanjutan)
Referensi Tujuan Hasil
(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
Tabel 2.2 Literatur Sejenis (lanjutan)
Referensi Tujuan Hasil
(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) ?
H2 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
Kualitas Sistem (System Quality) ?
H3 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
Kualitas Layanan (Service Quality) ?
72
H4 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (User Satisfaction) ?
H5 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
Kualitas Informasi (Information Quality) ?
H6 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
Kualitas Sistem (System Quality) ?
H7 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
Kualitas Layanan (Service Quality) ?
H8 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (User Satisfaction) ?
H9 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kualitas Informasi (Information Quality) ?
H10 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kualitas Sistem (System Quality) ?
H11 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kualitas Layanan (Service Quality) ?
H12 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kepuasan Pengguna (User Satisfaction) ?
H13 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara signifikan
terhadap Kualitas Informasi (Information Quality) ?
H14 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara signifikan
terhadap Kualitas Sistem (System Quality) ?
73
H15 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara signifikan
terhadap Kualitas Layanan (Service Quality) ?
H16 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara signifikan
terhadap Kepuasan Pengguna (User Satisfaction) ?
H17 Apakah Kualitas Informasi (Information Quality) berpengaruh secara
signifikan terhadap Kepuasan Pengguna (User Satisfaction) ?
H18 Apakah Kualitas Informasi (Information Quality) berpengaruh secara
signifikan terhadap Keberhasilan Sistem Informasi (Success Information
System) ?
H19 Apakah Kualitas Sistem (System Quality) berpengaruh secara signifikan
terhadap Kepuasan Pengguna (User Satisfaction) ?
H20 Apakah Kualitas Sistem (System Quality) berpengaruh secara signifikan
terhadap Keberhasilan Sistem Informasi (Success Information System) ?
H21 Apakah Kualitas Layanan (Service Quality) berpengaruh secara signifikan
terhadap Kepuasan Pengguna (User Satisfaction) ?
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)
Variabel Indikator Pertanyaan
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.
Variabel Indikator Pertanyaan
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.
H1 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
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
H2 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
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
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 OPT berpengaruh terhadap SYQ.
H3 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
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
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. Hasil ini sesuai dengan penelitian
(Kuo, 2013) yang mengatakan bahwa OPT berpengaruh terhadap SVQ.
H4 Apakah Optimisme (Optimism) berpengaruh secara signifikan terhadap
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
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. 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.
H5 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
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
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
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.
H6 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
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.
H7 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
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
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
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
H8 Apakah Inovasi (Innovativeness) berpengaruh secara signifikan terhadap
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.
H9 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
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
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 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.
H10 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kualitas Sistem (System Quality)?
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
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 DIS yang terdapat pada dimensi input dalam model penelitian ini
memungkinkan untuk mempengaruhi dimensi process ataupun output. Hasil ini tidak
115
sesuai dengan penelitian (Kuo, 2013) yang mengatakan bahwa DIS berpengaruh
terhadap SYQ.
H11 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kualitas Layanan (Service Quality)?
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
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 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 SVQ.
116
H12 Apakah Ketidaknyamanan (Discomfort) berpengaruh negatif secara
signifikan terhadap Kepuasan Pengguna (User Satisfaction)?
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
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 DIS 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 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
memungkinkan untuk mempengaruhi dimensi process ataupun output. Hasil ini sesuai
dengan penelitian (Kuo, 2013) yang mengatakan bahwa INS berpengaruh terhadap
INQ.
H14 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara
signifikan terhadap Kualitas Sistem (System Quality)?
Dari uji analisis struktur model, dapat dikatakan hipotesis INS→SYQ diterima,
sehingga insecurity berpengaruh negatif secara signifikan terhadap information
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
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 INS yang terdapat pada dimensi input dalam model penelitian ini
memungkinkan untuk mempengaruhi dimensi process ataupun output. Hasil ini sesuai
118
dengan penelitian (Kuo, 2013) yang mengatakan bahwa INS berpengaruh terhadap
SVQ.
H15 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara
signifikan terhadap Kualitas Layanan (Service Quality)?
Dari uji analisis struktur model, dapat dikatakan hipotesis INS→SVQ diterima,
sehingga insecurity berpengaruh negatif secara signifikan terhadap information
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
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 INS yang terdapat pada dimensi input dalam model penelitian
sesuai dengan penelitian (Kuo, 2013) yang mengatakan bahwa INS berpengaruh
terhadap SVQ.
H16 Apakah Ketidakamanan (Insecurity) berpengaruh negatif secara
signifikan terhadap Kepuasan Pengguna (User Satisfaction)?
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
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 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.
H17 Apakah Kualitas Informasi (Information Quality) berpengaruh secara
signifikan terhadap Kepuasan Pengguna (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.
H18 Apakah Kualitas Informasi (Information Quality) berpengaruh secara
signifikan terhadap Keberhasilan Sistem Informasi (Success Information
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
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 INQ yang terdapat pada dimensi process
dalam model penelitian ini memungkinkan untuk mempengaruhi dimensi output.
H19 Apakah Kualitas Sistem (System Quality) berpengaruh secara signifikan
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.
H20 Apakah Kualitas Sistem (System Quality) berpengaruh secara signifikan
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
yang kecil serta 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
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
signifikan terhadap Kepuasan Pengguna (User Satisfaction)?
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
dikatakan sesuai dengan asumsi awal peneliti dengan model input-process-output
(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
signifikan terhadap Keberhasilan Sistem Informasi (Success Information
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
yang kecil serta 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 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.
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?
No INDIKATOR STS TS TT S SS
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
Computing di FST UIN Jakarta?
No INDIKATOR STS TS TT S SS
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?
No INDIKATOR STS TS TT S SS
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
Computing di FST UIN Jakarta?
No INDIKATOR STS TS TT S SS
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
Computing di FST UIN Jakarta?
No INDIKATOR STS TS TT S SS
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
Computing di FST UIN Jakarta?
No INDIKATOR STS TS TT S SS
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?
No INDIKATOR STS TS TT S SS
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
Computing di FST UIN Jakarta?
No INDIKATOR STS TS TT S SS
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