BAB III
METODE PENELITIAN
3. 1 Kerangka Teori
Berdasarkan landasan teori pada Bab II, dapat diketahui bahwa TAM
berfokus pada sikap penerimaan terhadap pengguna teknologi informasi, dimana
pengguna mengembangkannya berdasarkan manfaat dan kemudahan yang dirasa
dalam penggunaan teknologi informasi. Hubungan antara penggunaan sistem dan
tujuan perilaku yang digambarkan dalam TAM menunjukkan secara tidak
langsung bentuk-bentuk tujuan individu untuk melakukan tindakan yang positif.
Hubungan antara manfaat yang dirasa dan tujuan perilaku didasarkan pada ide
bahwa dalam penyusunan organisasi, orang-orang membentuk tujuan-tujuan
terhadap perilakunya yang diyakini akan meningkatkan kinerjanya.
Peran penting teknologi yang berpengaruh terhadap kinerja pada
tingkat individual digambarkan pada model Technology to Performance Chain
(TPC) . Inti dari model ini adalah agar teknologi informasi memberikan dampak
positif terhadap kinerja individual maka teknologi tersebut harus dimanfaatkan dan
teknologi tersebut harus sesuai dengan jenis pekerjaan yang dilakukan. Untuk
menganalisis pengaruh dukungan kepemimpinan, pengalaman, kemudahan, dan
kemampuan dalam penggunaaan komputer terhadap manfaat yang dirasa dan
kemudahan yang dirasa penggunaan. Penelitian ini menambahkan beberapa
variabel seperti sikap penggunaan, minat perilaku dan penggunaan sesungguhnya.
Berdasarkan uraian diatas, maka model kerangka pemikiran
teoritis
dalam
penelitian
ini
dapat
digambarkan
sebagai
berikut:
66
pengembangan
dari
penelitian-penelitian
sebelumnya
dengan
67
Pimpinan. Rencana variabel dan indikator penelitian disertasi ini akan dilakukan
dengan ringkasan sebagai berikut:
Variable
Dukungan
Dimensi
Kontribusi
Pimpinan (X1)
Indikator
Tingkat Kontribusi
Q : Apakah atasan terlibat dalam
penggunaan HRIS?
Loyalitas
Tingkat Loyalitas
Q : Apakah atasan memberikan
dukungan dalam penggunaan
HRIS?
Afeksi
Kemampuan sosialisasi
Q : Seberapa anda kenal dekat
dengan atasan anda?
Profesi
Pengalaman (X2)
Pengalaman
Banyak pengalaman
Q : Seberapa banyak varian HRIS
yang telah digunakan?
Lama
Lama menggunakan
Penggunaan
Kemudahan (X3)
Waktu
Interaksi
68
mudah dimengeri dalam
penggunaanya?
Fitur
Kemampuan
Waktu
Menggunakan
Komputer (X4)
Pekerjaan
Kemampuan
Adaptasi
teknologi baru.
Q : Berapa lama waktu yang
diperlukan untuk dapat berinteraksi
dengan teknologi baru?
Manfaat yang
Kinerja
Dirasakan (Y5)
Efektifitas
69
meningkatkan efektifitas pekerjaan?
Produktifitas
Manfaat
Kemudahan yang
Interaksi
dirasa Pengguna
(Y4)
jelas dimengerti?
Adaptasi
Kemudahan beradaptasi
Q : Seberapa cepat kita dapat
beradaptasi dengan HRIS?
Mudah
Sikap Penggunaan
Kenyamanan
(Y3)
Kenyamanan beriteraksi
Q : Merasa nyaman saat
menggunakan HRIS?
Kesenangan
Senang menggunakan
Q : Merasa senang dalam
penggunaan HRIS?
Menikmati
Menikmati penggunaan
Q : Merasa menikmati dalam
penggunaan HRIS?
Minat Perilaku
(Y2)
Minat Mencoba
70
Minat
Menggunakan
hari
Q : Selalu menggunakan HRIS
dalam setiap harinya?
Minat Terus
Menggunakan
Penggunaan
Penggunaan
Sepenuhnya (Y1)
Sesungguhnya
Lama
Penggunaan
Dalam
Keseharian
dengan
responden.
Teknik
ini
dilakukan
dengan
harapan
71
3. 5 Metode Analisis Data
Pada penelitian ini untuk metode analisis data, penulis menggunakan
Analisis Statistik Deskriptif dan Analisis Statistik Inferensial. Analisis statistik
deskriptif digunakan untuk melakukan pengujian validitas dan reliabilitas dari
kuestioner yang telah diisi oleh responden. Untuk pengujian ini menggunakan
aplikasi SPSS.
Sedangkan analisis statistic inferensial bertujuan untuk menghitung
estimasi dan pengujian hipotesa. Dalam penelitian ini analisis statistik inferensial
menggunakan pendekatan Generalized Structured Component Analysis (GSCA),
dengan applikasi yang bernama GeSCA.
Penelitian ini menggunakan metode analisa data dengan metode GSCA. Secara
umum, langkah-langkah strandar dalam penggunaan GSCA hampir sama dengan
menggunakan SEM, menurut Ferdinand terdapat 7 langkah dalam menjalankan
GSCA:
1) Pengembangan model berbasi teori
2) Menyusun path diagram untuk menyatakan hubungan kausalitas
3) Menterjemahkan path diagram kedalam persamaan-persamaan struktural dan
spesifikasi model pengukuran
4) Memilih jenis input dan estimasi model yang diusulkan
5) Pendugaan parameter
6) Evaluasi kriteria goodness of fit
7) Pengujian hipotesa.
72
Pada Bab ini akan diuraikan setiap langkah dalam menjalankan GSCA. Uraian
langkah-langkah tersebut ialah sebagai berikut:
1) Langkah Pertama: Pengembangan Model Berdasarkan Teori
Model persamaan struktural didasarkan asumsi adanya hubungan
kausalitas dimana perubahan satu variabel akan berakibat pada variabel
lainnya. Untuk itu diperlukan eksplorasi ilmiah melalui telaah pustaka guna
mendapat justifikasi atas model teoritis yang dikembangkan. SEM digunakan
bukan untuk menghasilkan model, melainkan untuk mengkonfirmasi suatu
model teoritis melalui data empirik.
2) Langkah Kedua: Menyususun Path Diagram untuk menyatakan
hubungan kausalitas
Pada langkah ini, model yang telah dibangun pada langkah pertama
akan digambarkan dalam diagram jalur, yang dimaksudkan agar lebih mudah
untuk melihat hubungan-hubungn kausalitas yang hendak diujikan. Dalam
diagram alur hubungan antar variable dinyatakan dengan anak panah. variable
yang dibangun dalam diagram alur dibedakan dalam dua kelompok: (1)
variable eksogen (exogenous constructs) atau dikenal dengan source variable
atau variabel independen yang diprediksi oleh variabel lain dalam model; (2)
variable endogen (endogenous constructs) yang merupakan factor-faktor yang
diprediksi oleh satu atau beberapa variable. Variable eksogen dapat
memprediksi satu atau beberapa variable endogen lainnya, tetapi variable
eksogen hanya dapat berhubungan kausal dengan variable endogen saja.
variabel eksogen dalam penelitian ini adalah: dukungan pimpinan,
73
pengalaman, kerumitan, dan kemampuan dalam menggunakan komputer.
Sedangkan variable endogen dalam penelitian ini ialah: manfaat yang dirasa,
kemudahan yang dirasa penggunaan, sikap penggunaan, minat perilaku, dan
penggunaan senyatanya.
3) Langkah Ketiga: Menerjemahkan ke dalam Persamaan Struktural dan
Spesifikasi Model Pengukuran.
Persamaan yang didapat dari diagram jalur yang dikonversi terdiri dari:
X1.1
X2
X3
X4
Y5
Y4
Y3
Y2
X1.1 = 1 1
X1.2 = 2 1
X1.3 = 3 1
X1.4 = 4 1
X2.1 = 5 2
X2.2 = 6 2
X3.1 = 7 3
X3.2 = 8 3
X3.3 = 9 3
X4.1 = 10 4
X4.2 = 11 4
X4.3 = 12 4
Y5.1 = 13 5
Y5.2 = 14 5
Y5.3 = 15 5
Y5.4 = 16 5
Y4.1 = 17 4
Y4.2 = 18 4
Y4.3 = 19 4
Y3.1 = 20 3
Y3.2 = 21 3
Y3.3 = 22 3
Y2.1 = 23 2
Y2.2 = 24 2
Y2.3 = 25 2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
74
Y1
26
Y1.1 = 26 1
Y1.2 = 27 1
27
Table 4.5 Matrik korelasi antar variable.
Penjelasan :
= loading faktor indikator.
= Kesalahan pengukuran indikator.
2Y5
3X3
Y2 = 4Y3
5Y5
6X1
Y3 = 7Y4
8Y5
Y4 = 9X4
Y5 = 10X2
11X3
Penjelsan:
Y1 = Variabel Penggunaan Sesungguhnya.
Y2 = Variabel Minat Perilaku.
Y3 = Variabel Sikap Penggunaan.
Y4 = Variabel Kemudahan yang dirasa.
Y5 = Variabel Manfaat yang dirasa.
= Koefisien Regresi
= Kesalahan Estimasi
75
4) Langkah Keempat: Memilih jenis input dan estimasi model yang
diusulkan
Pendekatan GSCA tidak menggunakan input data yang berupa matrik
varians/kovarians atau matrik korelasi untuk keseluruhan estimasi yang
dilakukan; melainkan berdasarkan data mentah (raw data) sebagaimana
dikembangkan pada PLS.
Metode pendugaan parameter (estimasi) didalam GSCA adalah metode
kuadrat terkecil (least square methods). Pada GSCA model struktural dan
model pengukuran diintergrasikan menjadi satu model, sehingga proses
pendugaan parameter berorientasi pada meminimumkan residual model
terintegrasi. Metode pendugaan parameter yang digunakan yang mampu
meminimumkan residual model secara terintegrasi adalah Alternating Least
Square - ALS (Hwang, 2009).
Proses perhitungan pada ALS adalah kompleks, yaitu tidak sederhana
seperti pada Ordinary Least Square - OLS. Oleh karena itu, di dalam proses
mendapatkan residual yang minimum dilakukan dengan cara iterasi. Dimana
iterasi akan berhenti jika telah tercapai kondisi konvergen, misalnya selisih
dugaan dengan tahap sebelumnya 0,001.
5) Langkah Kelima: Pendugaan Parameter
Beberapa masalah yang sering muncul sehingga model tidak layak
diantaranya:
Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang
didapat (misal 0,9). Gangguan ini juga sering disebut sebagai singularitas
76
dan menjadikan model tidak layak untuk digunakan sebagai sarana untuk
mengkonfirmasikan suatu teori yang telah disusun.
Applikasi yang masih beta, aplikasi tidak terdapat pada desktop aplikasi,
melainkan harus koneksi via web.
6) Langkah Keenam: Menilai Kriteria Goodness-of-Fit
FIT menujukan varian total dari semua variable yang dapat dijelaskan
oleh model tertentu. Nilai FIT berkisar dari 0 sampai 1. Adjusted dari FIT
(AFIT) hampir sama dengan FIT. Namun, karena variabel yang mempengaruhi
variable lain tidak hanya satu melainkan ada dua atau lebih variabel sehingga
akan lebih baik apabila interpretasi tentang ketepatan model menggunakan FIT
yang sudah terkoreksi atau menggunakan AFIT.
GFI dan SRMR (standardized root mean square residual). Keduanya
sebanding dengan perbedaan antara kovarian sampel dan kovarian yang
diproduksi oleh pendugaan parameter GSCA. GFI akan dibilang bagus jika
>0.9 dan SRMR akan sangat sesuai jika nilainya < 0.05.
3. 6 Hipotesis Penelitian
Untuk Hipotesa dalam penelitian ini adalah sebagai berikut :
H1
H2
0 ; H1 : 6
0 ; H1 : 10
77
H3
H4
0 ; H1 : 11
H5
0 ; H1 : 8
H6
0 ; H1 : 5
H7
0 ; H1 : 2
H8
0 ; H1 : 9
H9
0 ; H1 : 12
0 ; H1 : 7
78
H0 : 4
0 ; H1 : 4
0 ; H1 : 1
0 ; H1 : 3