KARYA AKHIR
HALAMAN JUDUL
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI
PENGGUNAAN SISTEM MANAJEMEN PENGETAHUAN
MENGGUNAKAN UNIFIED THEORY OF ACCEPTANCE AND
USE OF TECHNOLOGY 2 (UTAUT 2): STUDI KASUS
.NET PRODUCTION CENTER ROOM
PT ASTRA INTERNATIONAL TBK
KARYA AKHIR
Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Teknologi
Informasi
NPM : 1306430984
Tanda Tangan :
ii
DEWAN PENGUJI
Ditetapkan di : Jakarta
Tanggal : ..............................................
iii
Puji dan syukur saya haturkan kehadirat Tuhan Yang Maha Esa karena atas berkat
dan rahmat-Nya saya dapat menyelesaikan penelitian dan penulisan karya akhir
ini. Penulis menyadari bahwa penyelesaian karya akhir ini dapat dilakukan karena
adanya bantuan dan dukungan dari berbagai pihak. Oleh karena itu, penulis ingin
mengucapkan terimakasih kepada :
1. Bapak Ir. Dana Indra Sensuse, M.LIS., Ph.D. dan bapak dr. Iik Wilarso,
M.T.I. selaku pembimbing karya akhir penulis, rasa terimakasih penulis
ucapkan atas bimbingan, arahan, dan saran yang diberikan kepada penulis
dalam penulisan karya akhir ini.
2. Bapak Prof. Ir. Zainal Arifin Hasibuan, MLS., Ph.D. dan ibu Putu Wuri
Handayani, M.Sc. selaku penguji karya akhir penulis, terimakasih atas semua
masukan yang diberikan untuk perbaikan karya akhir ini.
3. Kedua orang tua, bapak Yosef Trimanto dan ibu Yuliana Suhartiningsih yang
tidak henti-hentinya memberikan doa dan semangat kepada penulis dalam
proses penyelesaian karya akhir ini.
4. Kakak penulis, Kalistus Tommy Ade Yudhistira, atas doa dan semangat yang
diberikan untuk dapat menyelesaikan karya akhir ini.
5. Seluruh jajaran direksi dan manajemen PT Astra International Tbk khususnya
ibu Anastasya Krisnawati dan ibu Lenny Tjundoro yang mengizinkan dan
memaklumi kegiatan penulis di luar kepentingan pekerjaan yang
berhubungan dengan studi dan pembuatan karya akhir ini.
6. Teman-teman MySAP Production Center PT Astra International Tbk Hussen
Christian, Shierly Budiawan, Dwi Prayoga Putra, Nunik Pratiwi, Nuni Istiani,
Arief Widodo, Enrico Ciawinata, Melinda Rachmani, dan lainnya atas
pengertian, dukungan, dan semangat yang diberikan kepada penulis selama
masa studi dan pembuatan karya akhir ini.
7. Teman-teman .NET Production Center dan karyawan PT Astra International
Tbk lainnya yang tidak dapat disebutkan satu-persatu. Terimakasih atas
semangat dan dukungan yang diberikan kepada penulis selama
menyelesaikan studi dan penelitian ini.
8. Sahabat-sahabat terbaik penulis Valki Rama Dani, Anggun Roseline
Hutagalung, Melfita Andayani, Syenni Anjani Putri, Deasy Triana Putri,
Diah Putri Damayanti, Anggi Aldila, Affan Setiawan, Adityo Wahyu
Pratama, Juliardi Indra Ferdianto, dan Galih Suyoga yang tanpa henti
memotivasi penulis untuk dapat menyelesaikan studi dan karya akhir ini.
9. Hosanna Mahalyta Hotmaida Marpaung teman seperjuangan penulis dalam
menjalani suka dan duka selama studi di MTI UI terimakasih atas
persahabatan, kebersamaan, dan bantuannya selama ini.
iv
Penulis menyadari bahwa pada penyusunan laporan karya akhir ini masih banyak
kekurangan. Oleh karena itu, kritik dan saran yang membangun sangat
diharapkan oleh penulis. Penulis berharap agar laporan ini dapat memberikan
manfaat kepada siapa saja yang membacanya.
Penulis
Dibuat di : Jakarta
Pada Tanggal : 19 Januari 2015
Yang menyatakan
vi
xi Universitas Indonesia
Gambar 1.1 Hit counter NPC Room bulan Januari 2014 hingga bulan
Agustus 2014 ....................................................................................4
Gambar 2.1 Perspektif pengetahuan dan implikasinya ..................................... 10
Gambar 2.2 Proses terciptanya pengetahuan ..................................................... 11
Gambar 2.3 Definisi dari beberapa jenis pengetahuan ...................................... 12
Gambar 2.4 Transfer pengetahuan antar individu di suatu kelompok .............. 14
Gambar 2.5 Model UTAUT 2 ........................................................................... 17
Gambar 2.6 Kerangka teori ............................................................................... 29
Gambar 3.1 Desain penelitian ........................................................................... 38
Gambar 3.2 Hasil uji keterbacaan ..................................................................... 45
Gambar 4.1 Struktur Organisasi ........................................................................ 54
Gambar 5.1 Data responden berdasarkan jenis kelamin ................................... 57
Gambar 5.2 Data responden berdasarkan umur ................................................ 58
Gambar 5.3 Data Responden berdasarkan pengalaman kerja ........................... 58
Gambar 5.4 Model struktural ............................................................................ 60
Gambar 5.5 Model pengukuran ......................................................................... 61
Gambar 5.6 Path coefficients algoritma PLS menggunakan SmartPLS
v.3.1.3 .............................................................................................62
Gambar 5.7 Model pengukuran respesifikasi .................................................... 66
Gambar 5.8 Path coefficients algoritma PLS pada model pegukuran
respesifikasi ....................................................................................67
Gambar 5.9 Hasil path coefficients dengan bootstrapping ............................... 72
Gambar 5.10 Model umum penggunaan NPC Room .......................................... 74
Gambar 5.11 Model pengukuran moderasi jenis kelamin pada hubungan
antara Social Influence dan Behavioral Intention ..........................75
Gambar 5.12 Hasil analisis multigroup kelompok jenis kelamin pada
hubungan antara Social Influence dan Behavioral Intention. .........75
Gambar 5.13 Model pengukuran moderasi jenis kelamin pada hubungan
antara Habit dan Use Behavior.......................................................76
Gambar 5.14 Hasil analisis multigroup kelompok jenis kelamin pada
hubungan antara Habit dan Use Behavior ......................................76
Gambar 5.15 Model pengukuran moderasi umur pada hubungan antara Social
Influence dan Behavioral Intention ................................................77
Gambar 5.16 Hasil analisis Multigroup kelompok umur pada hubungan antara
Social Influence dan Behavioral Intention .....................................77
Gambar 5.17 Model pengukuran moderasi umur pada hubungan antara Habit
dan Use Behavior ...........................................................................78
Gambar 5.18 Hasil analisis multigroup kelompok umur pada hubungan antara
Habit dan Use Behavior .................................................................78
Gambar 5.19 Path coefficients kelompok umur pada hubungan antara Habit
dan Use Behavior ...........................................................................79
Gambar 5.20 Model pengukuran moderasi Experience pada hubungan antara
Social Influence dan Behavioral Intention. ....................................79
Gambar 5.21 Hasil analisis multigroup kelompok Experience pada hubungan
antara Social Influence dan Behavioral Intention ..........................80
Tabel 1.1 Perbandingan jumlah akses NPC Room dan jumlah tiket problem
bulan Januari 2014 hingga Agustus 2014 ...........................................4
Tabel 1.2 Jumlah dokumentasi solusi problem yang ada pada NPC Room ....... 5
Tabel 1.3 Jumlah juklak yang ada pada folder Document Sharing ................... 6
Tabel 2.1 Perbandingan metodologi yang digunakan pada penelitian
sebelumnya .......................................................................................28
Tabel 2.2 Hipotesis penelitian.......................................................................... 30
Tabel 2.3 Kisi-kisi penelitian ........................................................................... 33
Tabel 3.1 Pertanyaan kuesioner ....................................................................... 42
Tabel 3.2 Demografi responden uji keterbacaan ............................................. 44
Tabel 4.1 Fitur-fitur mekanisme sistem manajemen pengetahuan yang
terdapat pada NPC Room ..................................................................56
Tabel 5.1 Demografi responden ....................................................................... 59
Tabel 5.2 Hasil pemeriksaan reliabilitas indikator .......................................... 62
Tabel 5.3 Nilai composite reliability variabel laten ......................................... 64
Tabel 5.4 Nilai Average Variance Extracted (AVE) variabel laten ................ 64
Tabel 5.5 Kriteria analisis Fornell-Lacker untuk pemeriksaan validitas
diskriminan .......................................................................................65
Tabel 5.6 Hasil pemeriksaan validitas diskriminan ......................................... 65
Tabel 5.7 Hasil pemeriksaan reliabilitas indikator model respesifikasi .......... 67
Tabel 5.8 Nilai composite reliability variabel laten model respesifikasi ......... 68
Tabel 5.9 Nilai Average Variance Extracted (AVE) variabel laten model
respesifikasi ......................................................................................69
Tabel 5.10 Kriteria analisis Fornell-Lacker untuk pemeriksaan validitas
diskriminan model respesifikasi .......................................................69
Tabel 5.11 Hasil pemeriksaan validitas diskriminan model respesifikasi ......... 70
Tabel 5.12 Nilai R2 variabel laten penelitian ..................................................... 71
Tabel 5.13 Nilai path coefficient variabel laten ................................................. 72
Tabel 5.14 Uji hipotesis model struktural .......................................................... 73
Tabel 5.15 Rangkuman uji hipotesis penelitian ................................................. 83
xv Universitas Indonesia
Pembuatan sistem manajemen pengetahuan adalah salah satu cara yang dapat
dilakukan oleh perusahaan atau organisasi untuk menyimpan sumber daya
pengetahuan. Sistem manajemen pengetahuan merupakan suatu pemanfaatan
teknologi informasi untuk memfasilitasi petukaran pengetahuan. Dengan
penggunaan teknologi informasi memungkinkan perpindahan pengetahuan dari
satu individu ke individu lainnya dengan lebih cepat dan efisien.
1 Universitas Indonesia
Ketiga macam cara penciptaan pengetahuan yang dapat dilakukan pada NPC
Room adalah kombinasi, eksternalisasi, dan internalisasi. Kombinasi dilakukan
dengan pengguna NPC Room mengunggah dokumentasi atau cara kerja suatu
program ke dalam NPC Room, kemudian dokumen tersebut dapat diunduh oleh
pengguna lain untuk dilengkapi dan diunggah kembali ke dalam sistem.
Eksternalisasi pada NPC Room dapat dilakukan oleh staf NPC dengan cara
menuangkan solusi masalah yang disimpan pada memori otak ke dalam sistem
untuk dapat dibaca oleh seluruh pengguna NPC Room. Internalisasi pada NPC
Room dapat dilakukan staf NPC dengan cara membaca dan memahami
dokumentasi solusi yang ditulis oleh pengguna NPC Room lainnya. Tentang fitur-
fitur sistem manajemen pengetahuan yang terdapat dalam NPC Room
selengkapnya dapat dibaca pada sub bab .NET Production Center yang terdapat
pada bab Profil Perusahaan.
Berdasarkan data hit counter bulan Januari 2014 hingga Agustus 2014 yang dapat
dilihat pada Gambar 1, terlihat bahwa jumlah akses ke dalam NPC Room
cenderung mengalami penurunan.
Universitas Indonesia
60
49
50 46
42 40
39
40 36
29 27
30
20
10
0
Januari Februari Maret April Mei Juni Juli Agustus
Gambar 1.1 Hit counter NPC Room bulan Januari 2014 hingga bulan Agustus
2014
Sumber: Hit counter NPC Room
Pada Tabel 1.1 terlihat perbandingan jumlah pengaksesan NPC Room dengan
jumlah tiket masalah yang dikerjakan staf NPC. Terlihat bahwa peran NPC Room
dalam penyelesaian masalah masih kurang, baik sebagai tempat untuk menyimpan
dokumentasi masalah maupun sebagai sumber solusi penyelesaian masalah.
Tabel 1.1 Perbandingan jumlah akses NPC Room dan jumlah tiket problem bulan
Januari 2014 hingga Agustus 2014
Sumber: Hit counter dan daily report NPC Januari 2014 hingga Agustus 2014
Staf NPC dibedakan menjadi dua bagian, yakni PSS 2W untuk penjualan
kendaraan bermotor roda dua dan PSS 4W untuk penjualan kendaraan bermotor
roda empat. Berdasarkan hasil pengamatan NPC Room pada tanggal 9 September
2014 terlihat bahwa aktivitas pendokumentasian solusi problem sangat rendah,
Universitas Indonesia
baik untuk PSS 2W maupun PSS 4W seperti yang terlihat pada Tabel 1.2.
Aktivitas pendokumentasian solusi problem untuk PSS 2W terakhir dilakukan
pada tanggal 25 September 2013, sedangkan untuk PSS 4W tanggal 18 Maret
2014.
Tabel 1.2 Jumlah dokumentasi solusi problem yang ada pada NPC Room
Pada prakteknya NPC Room tidak hanya dapat diakses oleh staf NPC saja, namun
dapat diakses juga oleh Business Process Analyst (BPA) aplikasi .NET yang
memiliki wewenang untuk melakukan perubahan program sesuai dengan bisnis
proses perusahaan. Dimana setiap perubahan yang dilakukan oleh BPA di
dokumentasikan ke dalam juklak program. Selain untuk menyimpan dokumentasi
tiket problem, NPC Room juga dibuat sebagai sarana untuk menyimpan juklak
atau dokumentasi program yang dapat diunggah ke dalam folder Document
Sharing. Namun dari data log pengunggahan dokumen ke dalam NPC Room pada
Tabel 1.3, terlihat bahwa antusiasme staf untuk membagikan dokumentasi atau
Universitas Indonesia
juklak program PSS 2W dan PSS 4W pada NPC Room masih rendah. Tanggal
terakhir pengunggahan juklak untuk program PSS 2W dilakukan pada tanggal 19
Agustus 2013, sedangkan untuk PSS 4W pada tanggal 16 Agustus 2013.
Tabel 1.3 Jumlah juklak yang ada pada folder Document Sharing
Universitas Indonesia
Universitas Indonesia
9 Universitas Indonesia
Namun, Tuomi (1999) memiliki pendapat lain bahwa hirarki dari data menjadi
pengetahuan sebenarnya terbalik. Tuomi beranggapan bahwa pengetahuan
seharusnya ada sebelum informasi dapat diformulasi, dan pada akhirnya
menghasilkan data yang diukur dari informasi. Dengan kata lain, pengetahuan
tidak berada di luar orang yang memilikinya. Setuju dengan pandangan tersebut,
maka dalam penelitian ini meyakini bahwa informasi diubah menjadi pengetahuan
pada setiap pikiran individu dan pengetahuan menjadi informasi ketika
pengetahuan tersebut diucapkan atau ditampilkan sebagai data dalam bentuk
tulisan, gambar, dan lainnya.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Pada model UTAUT 2 terdapat enam variabel utama yang merupakan faktor
penentu langsung terhadap perilaku penerimaan dan penggunaan teknologi
informasi, yakni performance expectancy (kepercayaan yang dimiliki oleh
individu bahwa penggunaan teknologi akan membuat kinerja menjadi lebih baik),
effort expectancy (ekespektasi kemudahan dalam penggunaan teknologi
informasi), social influence (pengaruh orang lain dalam penggunaan teknologi
informasi), facilitating condition (dukungan sarana/prasarana yang dimiliki oleh
individu yang dapat mendukung penggunaan teknologi informasi), hedonic
motivation (perasaan senang atau terhibur yang didapatkan dari penggunaan
teknologi informasi), price value (untuk melihat apakah keuntungan yang
didapatkan dalam penggunaan aplikasi lebih besar dari harga yang harus dibayar
oleh konsumen untuk dapat menggunakan aplikasi tersebut), habit (aktifitas yang
dilakukan pengguna secara otomatis). Selain keenam variabel tersebut, terdapat
tiga variabel lain yang memiliki fungsi sebagai mediator yang memperkuat
pengaruh keempat variabel utama, yakni gender (jenis kelamin pengguna), age
Universitas Indonesia
Universitas Indonesia
Terdapat dua model yang digunakan untuk analisa SEM-PLS, yakni model
pengukuran (outer model) dan model struktural (inner model).
Model pengukuran yang akan digunakan dalam penelitian harus dilakukan uji
model pengukuran, dengan tujuan untuk mengevaluasi validitas dan reliabilitas
setiap variabel laten atau konstruk. Model pengukuran untuk indikator yang
bersifat reflektif dan formatif berbeda, berikut adalah cara untuk menentukan
validitas dan reliabilitas dari kedua jenis model pengukuran tersebut (Sholihin &
Ratmono, 2013) :
1. Model Pengukuran Reflektif.
a. Reliabilitas konsistensi internal : Composite Reliability dan Cronbach’s
Alpha > 0,70 (dalam penelitian eksploratoris, 0,60-0,70 masih dapat
diterima.
b. Validitas konvergen : Loading Indicator > 0,7.
c. Validitas diskriminan : Akar kuadrat dari Average Variance Extracted
(AVE) > nilai korelasi antar konstruk.
Universitas Indonesia
Berikut adalah rule of tumb untuk evaluasi model struktural SEM-PLS (Sholihin
& Ratmono, 2013) :
1. Nilai kofisien determinasi (R2) 0,75; 0,50; dan 0,25 pada setiap variabel
endogen dalam model struktural dapat diinterpretasikan sebagai kuat,
moderate, dan lemah.
2. Relevansi prediktif : Nilai Q2 > 0 mengindikasikan bahwa variabel laten
eksogen memiliki relevansi prediktif terhadap variabel endogen yang
dipengaruhi.
3. Effect Size dikelompokkan menjadi tiga, yakni lemah (0,02), medium (0,15),
dan kuat (0,35).
Pengujian efek moderasi dalam SEM dapat digolongkan menjadi dua kategori,
yakni :
1. Untuk variabel moderator berbentuk kategori, seperti umur, jenis kelamin,
atau etnik pengujian efek moderasi dilakukan dengan perbandingan antar
Universitas Indonesia
kelompok atau kategori. Dengan kata lain untuk menguji variabel moderator
berbentuk kategori dilakukan dengan analisis multigroup (PLS-MGA).
2. Untuk variabel moderator yang berbentuk metrik laten menggunakan analisis
efek interaksi. Pendekatan yang digunakan untuk menguji moderator tipe ini
dibedakan berdasarkan tipe variabel moderator, apakah berbentuk refleksif
atau formatif.
Analisis efek interaksi pada PLS yang digunakan untuk menguji variabel
moderator berbentuk metrik laten dapat dilakukan dengan menggunakan beberapa
pendekatan, yakni :
1. Product Indicator Approach
Syarat penggunaan pendekatan ini adalah variabel eksogen dan variabel
moderator harus berbentuk refleksif dan indikator kosntruk harus memenuhi
validitas dan reliabilitas (Chin, Marcolin, & Newsted, 2003; Henseler,
Fassott, Dijkstra, & Wilson, 2012). Pendekatan ini menggunakan perkalian
antar semua indikator yang dimiliki oleh variabel eksogen dan moderator
untuk membentuk konstruk interaksi yang kemudian dijadikan sebagain
variabel prediktor yang ketiga (Ghozali & Latan, 2014).
2. Two-Stage Approach
Pendekatan yang dikembangkan oleh Hanseler dan Fassott (2010) ini
digunakan untuk menganalisa model variabel eksogen yang berbentuk
formatif. Karena indikator formatif tidak mengasumsikan pengaruh yang
sama terhadap kosntruk, maka Product Indicator Approach bukanlah cara
yang tepat untuk menguji efek interaksi moderator untuk variabel eksogen
atau mediator dengan model berbentuk formatif (Ghozali & Latan, 2014).
3. The Hybrid Approach
Pendekatan ini dikembangkan oleh Wold (1982) untuk menguji model PLS
yang berbentuk non-linear. Pendekatan ini menggabungkan elemen dari
Product Indicator Approach dan Two-Stage Approach. Pada pendekatan ini
model struktutal diestimasi untuk mendapatkan skor variabel laten, kemudian
membuat interaksi dari skor dengan produk interaksi skor variabel laten
(Ghozali & Latan, 2014).
4. The Orthogonalizing Approach
Universitas Indonesia
, dimana :
1
𝜃 , 𝜃 (2) merupakan parameter estimasi untuk hubungan jalur group
satu dan dua.
𝑛(1) , 𝑛(2) merupakan jumlah observasi group satu dan dua.
𝑠𝑒𝜃 1 , 𝑠𝑒𝜃 2 merupakan standar error untuk group satu dan dua yang
diperoleh melalui prosedur bootstrapping atau jackknifing.
𝑛(1) + 𝑛(2) − 2 merupakan degree of freedom.
Universitas Indonesia
, dimana :
𝑃𝑎𝑡ℎ𝑠𝑎𝑚𝑝𝑙𝑒 _1 merupakan path koefisien untuk group satu.
𝑃𝑎𝑡ℎ𝑠𝑎𝑚𝑝𝑙𝑒 _2 merupakan path koefisien untuk group dua.
𝑆. 𝐸.2𝑠𝑎𝑚𝑝𝑙𝑒 _1 merupakan standar error untuk group satu.
𝑆. 𝐸.2𝑠𝑎𝑚𝑝𝑙𝑒 _2 merupakan standar error untuk group dua.
Nitzl (2010) meodifikasi rumus dari Chin (2000) di atas dengan menyatakan
bahwa nilai T-Statistics harus lebih besar dari nilai T-table dengan degree of
freedom 𝑛(1) + 𝑛(2) − 2 sehingga rumus perhitungan di atas diubah menjadi :
1
𝜃 − 𝜃 (2)
𝑡=
𝑛 (1) −1 𝑛 (2) −1
𝑠𝑒𝜃2(1) + 𝑠𝑒𝜃2(2)
𝑛 (1) 𝑛 (2)
, dimana :
1
𝜃 merupakan path koefisien untuk group satu.
𝜃 (2) merupakan path koefisien untuk group dua.
𝑠𝑒𝜃2(1) merupakan standar error koefisien untuk group satu.
Universitas Indonesia
, dimana :
(𝑔)∗
𝜃𝑖 merupakan estimasi bootstrap untuk kelompok satu dan
dua.
𝑖 merupakan sampel bootstrap.
c. Menghitung cumulative distribution of the parameters (CDF).
d. Menghitung nilai kelompok satu dan dua dengan menggunakan
bootstrap sampel estimate dan menghitung rata-rata parameternya.
4. Omnibus Test of Group Differences.
Pendekatan ini diperkenalkan oleh Sarstedt, Henseler, dan Ringle (2011) yang
merupakan penggabungan dari pendekatan permutasi dan bootstrapping dan
tidak mensyaratkan asumsi distribusional. Langkah-langkah pendekatan ini
adalah :
a. Estimasi tiap kelompok sampel dengan bootstrapping dimana jumlah
resamples harus besar dan sama untu setiap kelompok.
b. Hitung variance explain, dengan rumus :
Universitas Indonesia
1 𝐺 2
2
𝑆𝑏𝑒𝑡𝑤𝑒𝑒𝑛 𝐺. 𝐵. . 𝑔=1 𝐴𝑔 − 𝐴
𝐺−1
𝐹𝑅 = 2 = 2
𝑆𝑤𝑖𝑡 ℎ𝑖𝑛 1 𝐺 𝐵 (𝑔)∗
. 𝑔=1 𝑖=1 𝜃𝑖 − 𝐴𝑔
𝐵−1
, dimana :
(𝑔)∗
𝜃𝑖 merupakan parameter estimasi untuk semua kelompok
sampel bootstrap.
𝐴𝑔 merupakan rata-rata dari bootstrap parameter estimasi
kelompok.
𝐴 merupakan rata-rata dari semua nilai bootstrap.
c. Jalankan permutation test dengan sampel bootstrap dengan jumlah
sampel sebesar jumlah kelompok dipangkatkan dengan jumlah sampel
bootstrap dikurangi satu.
d. Hitung nilai p-Value dengan rumus :
𝑈
1
𝑝= 𝐻(𝐹𝑅 − 𝐹𝑅𝑢 )
𝑈
𝑢=1
Universitas Indonesia
SEM dan PLS sebagai teknik analisis data. Hasil penelitian terhadap sistem
informasi milik Institut Manajemen Telkom yang diberi nama Batik menunjukkan
bahwa social influence dan facilitating conditions berpengaruh signifikan
terhadap behavioral intention. Sedangkan behavioral intention berpengaruh
signifikan positif terhadap use behavior. Selain itu penelitian yang dilakukan oleh
Wijaya (2013) juga menunjukkan bahwa gender memoderasi facilitating
condition dan behavioral intention.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Effort Ease of Use Tingkat kesulitan yang dirasakan EE1 Belajar cara menggunakan sistem
exectancy (Moore & Benbasat, 1991) dalam menggunakan sistem merupakan hal yang mudah bagi saya.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
37 Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
7. Pengumpulan data.
Pengumpulan data kuesioner dilakukan pada seluruh populasi staf NPC dan
BPA aplikasi .NET. Untuk penjelasan yang lebih jelas tentang tahapan ini
dapat dibaca pada sub bab Metode Pengumpulan Data yang terdapat pada bab
ini.
8. Perancangan model struktural.
Perancangan model struksutral dilakukan untuk membuat model yang
menggambarkan hubungan antar variabel laten berdasarkan teori substansif.
Karena model ini hanya berisi variabel utama penelitian, maka bentuk model
ini sama seperti kerangka teori.
9. Perancangan model pengukuran.
Perancangan model pengukuran dilakukan untuk membuat model pengukuran
yang menghubungkan indikator dengan konstruknya (variabel laten).
Indikator-indikator yang dipakai pada penelitian ini dapat dilihat pada sub bab
Metode Pengumpulan Data.
10. Uji reliabilitas indikator.
Pengujian ini dilakukan dengan tujuan untuk melihat indikator mana yang
bagus dalam mengukur variabel yang diukurnya (reliabilitas dari tiap
indikator). Untuk mengukur reliabilitas indikator dapat menggunakan nilai
reliabilitas indikator yang dihitung dengan cara mengkuadratkan outer
loadings tiap indikator. Menurut Hulland (1999), sebuah indikator dikatakan
memenuhi uji individual item reliability apabila memiliki nilai reliabilitas
indikator lebih besar dari 0,7.
11. Uji internal consistency.
Pengujian ini dilakukan untuk menguji reliabilitas dari sekumpulan indikator
dalam mengukur variabel yang diukurnya. Nilai yang dilihat dalam pengujian
ini adalah nilai composite reliability yang didapatkan dari hasil estimasi
menggunakan perangkat lunak SmartPLS. Nilai yang direkomendasikan
adalah lebih besar dari 0,6 (Hair, Sarstedt, Ringle, & Mena, 2012; Bagozzi &
Yi, 1988).
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
UB4
UB3
UB2
UB1
BI3
BI2
Tidak Jelas
BI1
Jelas
HB2 Sangat Jelas
HB1
SI3
SI2
SI1
EE4
EE3
EE2
EE1
PE3
PE2
PE1
Universitas Indonesia
Perseroan saat ini memiliki enam lini bisnis, yakni otomotif, jasa keuangan, alat
berat dan pertambangan, agribisnis, infrastruktur dan logistik, dan teknologi
informasi. Perseroan menduduki peringkat pertama sebagai emiten dengan
kapitalisasi pasar saham terbesar di Bursa Efek Indonesia (BEI) sampai dengan
Juli 2014, dengan nilai sebesar Rp. 312,73 triliun.
Universitas Indonesia
4.6.1 Otomotif
Jaringan bisnis otomotif Perseroan sudah dikenal luas dan dipercaya sebagai mitar
yang handal untuk kebutuhan transportasi bagi keluarga, korporasi, dan
masyarakat umum di seluruh Indonesia. Lini bisnis otomotif dibagi ke dalam 4
sektor bidang usaha, yakni :
1. Mobil
a. Toyota
Agen tunggal yang memiliki hak untuk menjual kerdaraan dengan merek
Toyota di Indonesia adalah PT Toyota Astra Motor (TAM). Perseroan dan
Toyota Motor Corporation (TMC) mengendalikan bersama TAM dengan
komposisi kepemilikan saham 51% dimiliki oleh Perseroan dan 49%
dimiliki oleh Toyota Motor Corporation.
b. Daihatsu
Agen tunggal mobil Daihatsu di Indonesia adalah PT Astra Daihatsu
Motor (ADM), yang didukung oleh Daihatsu Sales Operation (DSO) yang
memiliki jaringan distribusi mobil bermerek Daihatsu di seluruh
Indonesia. Kapasitas produksi ADM merupakan yang terbesar di
Indonesia, yakni 480.000 unit per tahun.
c. Isuzu
Produsen dan agen tunggal kendaraan bermesin diesel Isuzu beserta
komponennya adalah PT Isuzu Astra Motor Indonesia (IAMI) yang
didukung oleh Isuzu Sales Operation (ISO) sebagai distributor tunggal.
Pabrik perakitan yang dimiliki oleh IAMI memiliki kapasitas produksi
31.000 unit per tahun.
Universitas Indonesia
d. UD Trucks
Produsen dan agen tunggal untuk produk UD Trucks dipegang oleh PT
Astra Multi Trucks Indonesia (AMT Indonesia), dengan dukungan UD
Trucks Sales Operation sebagai distributor resmi di Indonesia.
e. Peugeot
Importir tunggal di Indonesia untuk mobil bermerek Peugeot dimiliki oleh
PT Tjahja Sakti Motor (TSM), dengan Peugeot Sales Operation (PSO)
sebagai distributor tunggalnya.
f. BMW
Divisi usaha Grup Perseroan yang memegang hak atas penjualan dan
layanan purna jual mobil BMW di Indonesia adalah BMW Sales
Operation (BSO).
g. Lexus
Lexus merupakan hasil dari proyek mekanik Toyota yang bertujuan untuk
menciptakan mobil mewah terbaik yang pernah ada yang diresmikan pada
tahun 1989.
2. Sepeda Motor
Perseroan bekerja sama dengan Honda Motor Company Ltd untuk
mendirikan PT Astra Honda Motor (AHM) dengan komposisi kepemilikan
sebesar 50% dimiliki oleh Perseroan dan 50% dimiliki oleh Honda Motor
Company Ltd. Pemegang lisesnsi untuk memproduksi, mendistribusi, dan
memasarkan sepeda motor bermerek Honda dipegang oleh AHM. Main
dealer yang bertanggung jawab atas operational penjualan sepeda motor
Honda, berikut suku cadang dan layanan purna jual adalah Honda Sales
Operation (HSO). Pada tahun 2013, kapasitas produksi yang dimiliki oleh
AHM adalah 4,5 juta unit per tahun.
3. Komponen
Produsen komponen otomotif terkemuka di Indonesia yang melayani
kebutuhan suku cadang untuk mobil dan sepeda motor adalah PT Astra
Otoparts Tbk (AOP). Perseroan memiliki saham kepemilikan AOP sebesar
80%.
Universitas Indonesia
4. Lain-lain
AstraWorld merupakan unit bisnis Perseroan yang memberikan dukungan
dan nilai tambah bagi pemilik mobil Toyota, Daihatsu, Isuzu, BMW, dan
Peugeot yang membeli mobil di cabang-cabang milik Perseroan. Untuk
memfasilitasi terciptanya nilai tambah tersebut, AstraWorld
menyelenggarakan rangkaian program Customer Relationship Management
(CRM).
Universitas Indonesia
Universitas Indonesia
3. Pertambangan
Lima perusahaan yang mengelola bisnis pertambangan UT, yakni PT prima
Multi Mineral (PMM) yang berbasis di wilayah Kalimantan Selatan, PT Tuah
Turangga Agung (TTA), PT Asmin Bara Bronang, PT Asmin Bara Jaan, dan
PT Duta Nurcahya, keempatnya berbasis di wilayah Kalimantan Tengah.
4.6.4 Agribisnis
Perseroan memiliki salah satu bisnis kelapa sawit terbesar dan terintegrasi di
Indonesia, melalui kepemilikan 79,9% saham di PT Astra Agro Lestari Tk (AAL)
yang tercatat di Bursa Efek Indonesia. Nilai kapitalisasi pasar AAL pada akhir
tahun 2013 senilai Rp. 39,5 triliun.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Karena jumlah sampel yang dimiliki kurang dari 100, maka pada penelitian ini
tidak menggunakan SEM, melainkan menggunakan SEM-PLS. Prosedur SEM-
PLS tidak mensyaratkan jumlah sampel minimal. Melalui kuesioner yang
dibagikan diperoleh data informasi demografinya dengan menggunakan variabel
moderator sebagai acuan. Variabel moderator dari penelitian ini, yakni jenis
kelamin, umur, dan pengalaman kerja.
49,00% Laki-laki
51,00% Perempuan
57 Universitas Indonesia
Responden pada penelitian ini terdiri dari laki-laki dan perempuan dengan jumlah
reponden laki-laki sebanyak 29 dan responden perempuan sebanyak 28 seperti
yang terlihat pada Gambar 5.1.
26,00%
42,00% 20-25
26-30
≥31
32,00%
23,00%
40,00% 0-2
3-5
≥6
37,00%
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Seperti yang dapat dilihat pada Tabel 5.2 tidak semua indikator memenuhi syarat
reliabilitas indikator. Enam belas indikator yang digunakan pada penelitian ini
memiliki nilai reliabilitas indikator ≥ 0,7 dan tiga lainnya memiliki nilai
reliabilitas indikator di bawah 0,7. Sehingga dapat dikatakan bahwa dari sembilan
belas indikator, hanya enam belas yang memenuhi syarat reliabilitas indikator.
Ketiga indikator yang harus dihilangkan karena tidak memenuhi reliabilitas
indikator adalah BI1, EE1, dan UB3.
Universitas Indonesia
Dari enam variabel laten atau konstuk yang ada, seluruhnya memiliki nilai
composite reliability ≥ 0,7. Sehingga seluruh variabel laten yang digunakan pada
penelitian ini dinyatakan reliabel.
Universitas Indonesia
Hasil pada Tabel 5.4 menunjukkan bahwa seluruh variabel laten memiliki nlai
AVE di atas 0,5. Sehingga dapat disimpulkan bahwa seluruh variabel laten atau
konstruk dalam penelitian memenuhi syarat validitas konvergen.
Universitas Indonesia
dengan seluruh variabel laten lainnya. Nilai korelasi setiap variabel laten yang
dihasilkan pada penelitian ini dapat dilihat pada Tabel 5.5, untuk nilai dari akar
kuadrat AVE dari setiap variabel laten diberi warna kuning.
BI EE HB PE SI UB
BI 0,832
EE 0,421 0,862
HB 0,578 0,429 0,884
PE 0,611 0,414 0,564 0,857
SI 0,688 0,431 0,530 0,679 0,846
UB 0,695 0,322 0,654 0,708 0,601 0,832
Hasil validitas diskriman dari setiap variabel laten dapat dilihat pada Tabel 5.6,
hasil tersebut didapat dari perbandingan nilai akar kuadarat AVE dan nilai
korelasi suatu variabel laten dengan variabel laten lainnya. Variabel laten BI
memiliki nilai akar kuadrat AVE sebesar 0,841 dan nilai tersebut lebih besar dari
nilai korelasi variabel laten BI terhadap variabel laten lain. Sama halnya dengan
variabel laten EE, HB, PE, SI, UB yang juga memiliki nilai akar kuadrat AVE
yang lebih besar dari nilai korelasi dengan variabel laten lain, yakni 0,863; 0,882;
0,853; 0,846; dan 0,823.
Karena setiap variabel laten yang digunakan pada penelitian memiliki nilai akar
kuadrat AVE yang lebih besar dari nilai korelasi dengan variabel laten lainnya,
Universitas Indonesia
maka seluruh variabel laten pada penelitiannya ini dinyatakan memenuhi syarat
validitas diskriminan.
Universitas Indonesia
Gambar 5.8 Path coefficients algoritma PLS pada model pegukuran respesifikasi
Universitas Indonesia
Universitas Indonesia
Tabel 5.9 Nilai Average Variance Extracted (AVE) variabel laten model
respesifikasi
BI EE HB PE SI UB
BI 0,901
EE 0,420 0,886
HB 0,549 0,439 0,884
PE 0,627 0,416 0,566 0,857
SI 0,713 0,432 0,531 0,697 0,846
UB 0,684 0,345 0,649 0,694 0,582 0,868
Nilai akar kuadrat dari AVE pada Tabel 5.10 diberi tanda warna kuning. Nilai
akar kuadrat AVE pada suatu variabel laten harus lebih besar dari seluruh nilai
pada kolom dan baris yang sama. Contohnya pada variabel EE, nilai akar kuadrat
AVE variabel laten EE sebesar 0,886 lebih besar dari pada nilai korelasi variabel
laten EE dengan variabel laten lainnya, yakni 0,420, 0,439, 0,416, 0,432, dan
0,345.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
path coefficient dinilai signifikan apabila nilai T-Statistics lebih dari 1,96 (Hair,
Ringle, & Sarstedt, 2011).
Original T-Statistics
Hipotesis Keterangan
Sample (O) (|O/STERR|)
BI -> UB 0,469 5,087 H20 Diterima
EE -> BI 0,070 0,629 H4 Ditolak
HB -> BI 0,170 1,196 H12 Ditolak
HB -> UB 0,392 4,008 H13 Diterima
PE -> BI 0,173 1,093 H1 Ditolak
SI -> BI 0,472 3,323 H8 Diterima
Dari enam hipotesis yang diuji menggunakan model struktural, tiga hipotesis
dinyatakan diterima dan tiga hipotesis lainnya ditolak. Ketiga hipotesis yang
diterima adalah H8, H13, dan H20. Hipotesis H20 yang menggambarkan
hubungan Behavioral Intention terhadap Use Behavior memiliki nilai signifikansi
terbesar, yakni 5,087. Hipotesis H13 yang menggambarkan hubungan Habit
dengan Use Behavior memiliki signifikansi sebesar 4,008. Sedangkan hipotesis
H8 yang menggambarkan hubungan Social Influence dengan Behavioral Intention
memiliki nilai signifikansi terkecil, yakni 3,223. Model akhir yang dihasilkan
dapat dilihat pada Gambar 5.10.
Universitas Indonesia
Universitas Indonesia
Hasil ini berbeda dengan penelitian yang dilakukan oleh Venkatesh (2000)
yang memperlihatkan bahwa pengaruh lingkungan sosial lebih tinggi pada
perempuan. Sedangkan hasil penelitian ini tidak terlihat perbedaan yang
signifikan antara laki-laki dan perempuan. Hal tersebut terjadi karena
pengaruh dari atasan atau senior untuk menggunakan sistem manajemen
pengetahuan masih kurang sehingga sulit dilihat pengaruh jenis kelamin
terhadap pergaruh lingkungan sosial.
2. Moderasi jenis kelamin pada hubungan antara Habit dan Use Behavior.
Model pengukuran yang digunakan untuk mengetahui ada tidaknya moderasi
jenis kelamin pada pengaruh variabel Habit terhadap variabel Use Behavior
dapat dilihat pada Gambar 5.13.
Universitas Indonesia
Universitas Indonesia
Gambar 5.15 Model pengukuran moderasi umur pada hubungan antara Social
Influence dan Behavioral Intention
Pada Gambar 5.16 terlihat hasil uji efek moderasi umur pada hubungan antara
Social Influence dan Behavioral Intention memiliki nilai p-Value sebesar
0,869. Nilai tersebut tidak memenuhi syarat 0,05 < p-Value atau p-Value >
0,95. Oleh karena itu, umur dinyatakan tidak memoderasi hubungan antara
Social Influence dan Behavioral Intention.
Gambar 5.16 Hasil analisis Multigroup kelompok umur pada hubungan antara
Social Influence dan Behavioral Intention
Gambar 5.17 Model pengukuran moderasi umur pada hubungan antara Habit
dan Use Behavior
Pada Gambar 5.18 terlihat hasil uji efek moderasi umur pada hubungan antara
Habit dan Use Behavior memiliki nilai p-Value sebesar 0,998. Nilai tersebut
memenuhi syarat 0,05 < p-Value atau p-Value > 0,95. Oleh karena itu, umur
dinyatakan memoderasi hubungan antara Habit dan Use Behavior.
Gambar 5.18 Hasil analisis multigroup kelompok umur pada hubungan antara
Habit dan Use Behavior
Pada koefisien jalur (Gambar 5.19) terlihat bahwa kelompok umur yang lebih
tua (kelompok umur 2) terlihat memiliki signifikansi dengan efek yang kuat
terhadap hubungan antara Habit dan Use Behavior dengan nilai koefisien
jalur sebesar 0,888. Pengguna NPC Room dengan umur yang lebih tua
cenderung melakukan sesuatu secara otomatis sesuai kebiasaan mereka, hal
ini membuat para pengguna NPC Room yang berumur lebih tua sulit untuk
beradaptasi dengan teknologi baru. Misalnya apabila mereka sudah terbiasa
menyimpan sendiri dokumentasi pekerjaan kedalam file Microsoft Excel atau
email pada laptop masing-masing, maka akan sulit untuk menggunakan NPC
Room sebagai tempat penyimpanan dokumentasi pekerjaan yang baru.
Universitas Indonesia
Gambar 5.19 Path coefficients kelompok umur pada hubungan antara Habit
dan Use Behavior
Pada Gambar 5.21 terlihat hasil uji efek moderasi experience pada hubungan
antara Social Influence dan Behavioral Intention memiliki nilai p-Value
sebesar 0,982. Nilai tersebut memenuhi syarat 0,05 < p-Value atau p-Value >
0,95. Oleh karena itu, experience dinyatakan memoderasi hubungan antara
Social Influence dan Behavioral Intention.
Universitas Indonesia
Pada Gambar 5.24 terlihat hasil uji efek moderasi experience pada hubungan
antara Habit dan Use Behavior memiliki nilai p-Value sebesar 0,977. Nilai
tersebut memenuhi syarat 0,05 < p-Value atau p-Value > 0,95. Oleh karena
itu, experience dinyatakan memoderasi hubungan antara Habit dan Use
Behavior.
Universitas Indonesia
Pada Gambar 5.27 terlihat hasil uji efek moderasi experience pada hubungan
antara Behavioral Intention dan Use Behavior memiliki nilai p-Value sebesar
0,994. Nilai tersebut memenuhi syarat 0,05 < p-Value atau p-Value > 0,95.
Oleh karena itu, experience dinyatakan memoderasi hubungan antara
Behavioral Intention dan Use Behavior.
Universitas Indonesia
5.10 Pembahasan
Hipotesis yang diajukan pada penelitian ini berjumlah dua puluh satu. Enam
diantaranya merupakan hipotesis konstruk utama, sedangkan lima belas hipotesis
lainnya digunakan untuk mengetahui efek dari variabel moderasi pada pengaruh
variabel eksogen terhadap variabel endogen, maupun variabel endogen dengan
variabel endogen lainnya. Hasil dari seluruh pengujian hipotesis dirangkum pada
Tabel 5.15.
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
menunjukkan bahwa p-Value yang dihasilkan adalah 0,869. Karena nilai p-Value
> 0,05 dan p-Value < 0,95 maka hipotesis 10 ditolak. Dengan kata lain, pengujian
empiris menunjukkan bahwa Social Influence (SI) terhadap Behavioral Intention
(BI) tidak dipengaruhi oleh umur. Hasil ini berbeda dengan penelitian yang
dilakukan oleh Rhodes (1983) yang menunjukkan bahwa pekerja yang lebih tua
dapat meningkatkan pengaruh sosial.
Hipotesis 13 menguji hubungan langsung antara Habit (HB) dengan Use Behavior
(UB). Hasil pengujian yang dilakukan menunjukkan bahwa T-Statistics yang
dihasilkan oleh hubungan HB->UB adalah 4,008. Karena nilai T-Statistics > 1,96
maka hipotesis 13 diterima. Pada penelitian ini menunjukkan bahwa kebiasaan
menggunakan NPC Room (HB1) dan dorongan dari dalam diri untuk
menggunakan NPC Room (HB2) mempengaruhi staf NPC dan BPA untuk
menggunakan NPC Room. Dengan kata lain, pengujian empiris menunjukkan
Universitas Indonesia
bahwa Habit (HB) memiliki pengaruh langsung yang signifikan terhadap Use
Behavior (UB).
Hipotesis 17 menguji pengaruh jenis kelamin terhadap hubungan antara Habit
(HB) dengan Use Behavior (UB). Hasil pengujian yang dilakukan menunjukkan
bahwa p-Value yang dihasilkan adalah 0,559. Karena nilai p-Value > 0,05 dan p-
Value < 0,95 maka hipotesis 17 ditolak. Dengan kata lain, pengujian empiris
menunjukkan bahwa Habit (HB) terhadap Use Behavior (UB) tidak dipengaruhi
oleh jenis kelamin. Hal ini berbeda dengan hasil penelitian yang dilakukan oleh
Meyers-Levy dan Maheswaran (1991) yang menunjukkan bahwa habit memiliki
efek yang lebih besar terhadap pengguna dengan jenis kelamin laki-laki
dibandingkan dengan pengguna berjenis kelamin perempuan.
Universitas Indonesia
mempengaruhi staf NPC dan BPA untuk menggunakan NPC Room. Dengan kata
lain, pengujian empiris menunjukkan bahwa Behavioral Intention (BI) memiliki
pengaruh langsung yang signifikan terhadap Use Behavior (UB). Hasil ini senada
dengan hasil penelitian yang dilakukan oleh Sheppard, Hartwick, dan Warshaw
(1988) yang menunjukkan adanya pengaruh Behavioral Intention terhadap Use
Behavior.
Universitas Indonesia
mempengaruhi staf NPC dan BPA lainnya agar mau menggunakan NPC
Room.
Universitas Indonesia
Bab ini besisi kesimpulan yang didapatkan dari hasil penelitian guna menjawab
pertanyaan penelitian pada bab Pendahuluan. Terdapat juga keterbatsan
penelitian, dan saran yang direkomendasikan untuk divisi yang bersangkutan dan
usulan untuk penelitian berikutnya.
6.1 Kesimpulan
Berikut adalah rumusan hasil penelitian yang dilakukan untuk menjawab
pertanyaan penelitian.
Kedua faktor diatas terbukti menjadi faktor yang memiliki pengaruh pada
penggunaan NPC Room. Sedangkan faktor lain seperti performance expectancy
91 Universitas Indonesia
dan effort expectancy tidak terbukti memiliki pengaruh terhadap penggunaan NPC
Room. Artinya meskipun para staf NPC dan BPA aplikasi .NET sadar akan
manfaat NPC Room terhadap peningkatan kinerja dan kemudahan dalam
menggunakan NPC Room, hal tersebut tidak mempengaruhi staf NPC dan BPA
aplikasi .NET untuk menggunakan NPC Room. Hal tersebut karena para staf NPC
lebih memandang penting pengaruh dari senior atau orang yang dianggap penting.
Sehingga meskipun NPC Room memiliki manfaat bagi pekerjaan namun apabila
pengaruh dari atasan atau senior tidak ada, maka para staf NPC tidak termotivasi
untuk menggunakan NPC Room.
Universitas Indonesia
6.3 Saran
Dari hasil penelitian yang dihasilkan, berikut adalah saran yang dapat diberikan
oleh peneliti, baik untuk perusahaan maupun untuk penelitian selanjutnya.
Universitas Indonesia
3. Mengubah user interface pada NPC Room agar lebih menarik dan mudah
dimengerti.
4. Dibuat jadwal untuk menentukan Person in Charge (PIC) yang bertugas
mengunggah solusi problem yang dihasilkan pada weekly meeting ke dalam
NPC Room.
5. Terdapat hit counter pada dokumentasi solusi tiket problem dibuka, sehingga
dapat diketahui intensitas terjadinya suatu masalah. Hal tersebut dapat
membantu BPA untuk menentukan prioritas masalah dalam upaya
pencegahan terjadinya kembali suatu problem.
Universitas Indonesia
Alavi, M. (1997). KPMG Peat Marwick US.: One Giant Brain. Harvard Business
School.
Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models.
Journal of the Academy of Marketing Science , 16 (1), 74-94.
Cheng, D., Liu, G., Qian, C., & Song, Y. F. (2008). Customer Acceptance of
Internet Banking: Integrating Trust and Quality with UTAUT Model. IEEE , 383-
388.
Chin, W. W. (2000). Frequently Asked Questions - Partial Least Squares & PLS
Graph. Diambil kembali dari http://disc-nt.cba.uh.edu/chin/plsfac/plsfac.html
Chin, W. W., Marcolin, B. L., & Newsted, P. R. (2003). A partial least square
latent variable modelling approach for measuring interaction effects: Results from
a Monte Carlo simulation study and an electronic-mail emotion / adoption study.
Information systems research , 14 (2), 189-217.
Fang, W. C., Li, M. W., & Liu, C. W. (2008). Measurement of the Knowledge-
Sharing Efficacy of Web2.0 Site Constructed on the Basis of Knowledge-based
Systems by Applying the Model of UTAUT: Evidence of the early adopters. IEEE
, 372.
95 Universitas Indonesia
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with
unobservable variables and measurement error. Journal of Marketing Research ,
18 (1), 39-50.
Ghozali, I., & Latan, H. (2014). Partial Least Squares Konsep, Metode, dan
Aplikasi Menggunakan Program WarpPLS 4.0 (Kedua ed.). Semarang: Badan
Penerbit Universitas Diponegoro.
Ghozali, I., & Latan, H. (2012). Partial Least Squares: Konsep, Teknik dan
Aplikasi Menggunakan Program SmartPLS 2.0 M3. Semarang: Badan Penerbit
Universitas Diponegoro.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver
Bullet. Journal of Marketing Theory and Practice , 19 (2), 138-150.
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 , 40 (3), 414-433.
Hair, J., Hult, T., Ringle, C., & Sartstedt, M. (2013). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM). Los Angeles: Sage.
Henseler, J. (2010). On the convergence of the partial least squares path modeling
algorithm. Computational Statistics , 25 (1), 107–120.
Henseler, J., & Fassott, G. (2010). Testing Moderating Effects in PLS Path
Models: An Illustration of Available Procedures. Dalam V. E. Vinzi, W. W. Chin,
J. Henseler, & H. Wang, Handbook of Partial Least Squares: Concepts, Methods,
and Applications in Marketing and Related Fields (hal. 713-735). Berlin:
Springer.
Henseler, J., Fassott, G., Dijkstra, T. A., & Wilson, B. (2012). Analysing
quadratic effects of formative constructs by means of variance-based structural
equation modeling. European Journal of Information Systems , 21 (1), 99-112.
Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The Use of Partial Least
Square Path Modeling in International Marketing. Advances in International
Marketing , 20, 277-319.
Universitas Indonesia
Kang, M., Liew, B. Y., Lim, H., Jang, J., & Lee, S. (2015). Investigating the
Determinants of Mobile Learning Acceptance in Korea Using UTAUT 2.
Emerging Issues in Smart Learning , 209-216.
Keil, M., Saarinen, T., Tan, B. C., Tuunainen, V., Wassenaar, A., & Wei, K.
(2000). A cross-cultural study on escalation of commitment behavior in software
projects. MIS Quarterly , 24 (2), 299-325.
Universitas Indonesia
Lee, Y. H., Hsieh, Y. C., & Hsu, C. N. (2011). Adding Innovation Diffusion
Theory to the Technology Acceptance Model: Supporting Employees’ Intentions
to use E-Learning Systems. Educational Technology & Society , 14 (4), 124-137.
Lev, B., & Daum, J. H. (2004). The dominance of intangible assets: consequences
for enterprise management and corporate reporting. Measuring Business
Excellence – The Journal of Business Performance Management , 8 (1), 6-17.
Limayem, M., & Hirt, S. G. (2003). Force of Habit and Information Systems
Usage: Theory and Initial Validation. Journal of the AIS , 4 (1), 65-97.
Limayem, M., Hirt, S. G., & Cheung, C. M. (2007). How Habit Limits the
Predictive Power of Intentions: The Case of IS Continuance. MIS Quarterly , 31
(4), 705-737.
Universitas Indonesia
Rasula, J., Vuksic, V. B., & Stemberger, M. I. (2012). The Impact of Knowledge
Management on Organisational Performance. Economic and Business Review , 14
(2), 147-168.
Sarstedt, M., Henseler, J., & Ringle, C. M. (2011). Multigroup Analysis in Partial
Least Squares (PLS) Path Modeling: Alternative Methods and Empirical Result.
Advances in International Marketing , 22 (1), 195-218.
Sheppard, B. H., Hartwick, J., & Warshaw, P. R. (1988). The Theory of Reasoned
Action: A Meta-Analysis of Past Research with Recommendations for
Modifications and Future Research. Journal of Consumer Research , 15 (3), 325-
343.
Sholihin, M., & Ratmono, D. (2013). Analisis SEM-PLS dengan WarpPLS 3.0
untuk Hubungan Nonlinier dalam Penelitian Sosial dan Bisnis. Yogyakarta:
Penerbit Andi.
Universitas Indonesia
Venkatesh, V., & Morris, M. G. (2000). Why Don’t Men Ever Stop to Ask For
Directions? Gender, Social Influence, and Their Role in Technology Acceptance
and Usage Behavior. MIS Quarterly , 24 (1), 115-139.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User
Acceptance of Information Technology: Toward a Unified View. MIS Quarterly ,
27 (3), 425-478.
Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer Acceptance and Use of
Information Technology: Extending The Unified Theory of Acceptance and Use
of Technology. Mis Quarterly , 36 (1), 157-178.
Wang, C. Y., & Pai, J. C. (2011). An Empirical Study of the Acceptance and Use
of Knowledge Management Systems in Taiwanese Insurance Industry. 2011
International Conference on Management Learning and Business Technology
Education. Kaohsiung, Taiwan: Meiho University.
White, T. L., & McBurney, D. H. (2013). Research Methods (9th ed.). Belmont,
CA: Wadsworth.
Wold, H. (1982). Soft modeling: the basic and some extensions. Dalam K. G.
Joreskog, & H. Wold, Systems under indirect observation. (Vol. 2, hal. 1-54).
Amsterdam, North-Holland.
Wu, Y., Tao, Y., & Yang, P. (2009). The Discussion on Influence of Website
Usability towards User Acceptability. IEEE .
Universitas Indonesia
Universitas Indonesia
Terdapat 2 bagian yang harus Anda isi, yakni Kuesioner dan Data
Responden.
Skala penilaian :
1 = Sangat Tidak Setuju (STS)
2 = Tidak Setuju (TS)
3 = Agak Tidak Setuju (ATS)
4 = Agak Setuju (AS)
5 = Setuju (S)
6 = Sangat Setuju (SS)
Universitas Indonesia
Setiap pernyataan dan pertanyaan diharapkan untuk diisi dengan penilaian yang
seobjektif mungkin.
Terimakasih.
Universitas Indonesia
Jawaban
No. Pernyataan
STS TS ATS AS S SS
1 Penggunaan portal NPC Room
memiliki manfaat bagi pekerjaan 1 2 3 4 5 6
saya.
2 Tugas atau pekerjaan dapat lebih
cepat diselesaikan dengan 1 2 3 4 5 6
menggunakan portal NPC Room.
3 Produktivitas saya meningkat
dengan menggunakan portal 1 2 3 4 5 6
NPC Room.
4 Mudah bagi saya untuk belajar
bagaimana cara menggunakan 1 2 3 4 5 6
portal NPC Room.
5 Menurut saya, portal NPC Room
mudah untuk digunakan. Mudah
1 2 3 4 5 6
bagi saya untuk ahli dalam
menggunakan potal NPC Room.
6 Cara berinteraksi dengan portal
NPC Room jelas dan dapat 1 2 3 4 5 6
dimengerti.
7 Mudah bagi saya untuk ahli
dalam menggunakan potal NPC 1 2 3 4 5 6
Room.
8 Senior saya berpendapat bahwa
saya harus menggunakan portal 1 2 3 4 5 6
NPC Room.
9 Atasan saya berpendapat bahwa
saya harus menggunakan portal 1 2 3 4 5 6
NPC Room.
10 Senior pada tempat kerja saya
menginspirasi saya untuk 1 2 3 4 5 6
menggunaan portal NPC Room.
11 Menggunakan portal NPC Room
sudah menjadi kebiasaan saya. 1 2 3 4 5 6
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
7. Apa saran yang ingin Anda berikan untuk portal NPC Room?
Universitas Indonesia
PE1 PE2 PE3 EE1 EE2 EE3 EE4 SI1 SI2 SI3 HB1 HB2 BI1 BI2 BI3 UB1 UB2 UB3 UB4 G A E
4 4 4 5 5 5 5 3 5 3 2 3 5 4 5 3 3 3 3 2 1 1
5 5 5 4 4 4 4 5 4 5 4 4 4 4 4 4 3 3 4 2 1 1
4 3 2 3 3 3 3 3 3 2 2 3 5 4 3 2 3 3 3 2 2 1
3 3 3 4 4 4 5 2 3 3 3 3 3 3 3 3 3 3 3 2 2 3
5 4 5 5 5 4 4 4 4 4 4 5 5 5 4 4 4 4 4 1 1 1
3 3 3 3 3 3 3 3 4 3 3 3 3 4 4 3 3 3 3 2 2 2
3 3 2 4 3 3 3 3 4 2 2 3 3 3 3 2 2 2 2 2 1 2
5 3 3 6 6 6 6 5 5 3 2 3 4 4 4 3 3 3 2 2 1 1
3 2 2 5 4 5 4 5 5 3 1 3 4 4 3 1 1 1 2 2 2 2
5 5 5 5 5 6 5 6 6 5 4 5 4 4 5 4 5 4 5 2 1 1
5 4 4 5 5 3 4 3 3 2 2 4 4 4 5 3 4 3 2 1 2 2
4 4 4 5 5 5 5 3 4 4 3 4 4 4 4 3 4 3 3 2 1 1
4 4 4 5 5 5 4 3 4 3 3 3 4 3 4 3 3 3 4 2 1 2
5 4 4 4 5 5 4 4 5 5 3 5 3 4 6 3 3 3 6 1 3 3
5 5 4 4 4 4 4 5 5 4 4 4 4 5 5 3 3 5 3 1 1 1
3 4 3 5 4 5 4 3 3 3 2 4 4 4 4 4 4 3 3 2 1 1
5 4 4 5 6 5 5 4 4 4 3 5 5 5 6 4 4 3 5 1 1 1
2 2 1 4 4 4 4 2 3 2 1 3 4 3 2 1 2 2 1 1 1 2
5 5 4 5 5 5 5 4 5 4 3 4 5 4 4 3 3 3 3 1 1 1
4 5 4 4 5 4 5 3 3 3 2 1 2 2 3 3 3 2 3 1 1 2
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Universitas Indonesia
Kelebihan
1 Cukup informatif khususnya bagi staf yang baru bergabung.
2 Mudah diakses.
3 Dapat menjadi tempat untuk berbagi infomasi atau dokumen.
4 Dapat digunakan untuk mengetahui problem yang terjadi di sistem
production.
Kekurangan
1 Sulit untuk mencari file yang dibutuhkan.
2 Terdapat materi atau dokumentasi yang sulit dimengerti.
3 Dokumentasi atau materi yang ada tidak up to date.
4 User interface kurang menarik atau kurang interaktif.
5 Kurang disosialisasikan.
6 Standarisasi layout pembuatan dokumen tidak sama.
7 Pembagian problem kurang spesifik, hanya dibagi berdasarkan modul.
Saran
1 Perlu tambahan mesin pencarian file.
2 Dapat menampilkan gambar pada dokumentasi tiket problem.
3 Perbaikan user interface agar lebih user friendly.
4 Perlu disosialisasikan, terlebih pada karyawan baru.
5 Penambahan fasilitas agar dapat dijadikan sebagai tempat diskusi.
6 Dibentuk aturan atau jadwal atau SOP yang mewajibkan staf mengakses
atau mengisi NPC Room.
7 Memperbaharui isi atau materi pada NPC Room.
8 Penambahan informasi untuk mengetahui intensitas suatu solusi tiket
problem diakses.
Universitas Indonesia