Oleh:
Dien Aprilia Saliha
11140930000052
Oleh:
Dien Aprilia Saliha
11140930000052
Oleh:
DIEN APRILIA SALIHA
11140930000052
ii
iv
v
vi
ABSTRAK
vi
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, karena atas berkah, rahmat, dan
Shalawat serta salam semoga senantiasa tercurah kepada Nabi Besar Muhammad
SAW beserta keluarga, sahabat serta para pengikutnya hingga akhir zaman.
dari bantuan berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk dapat
1. Bapak Dr. Agus Salim, S.Ag, M.Si selaku Dekan Fakultas Sains dan
baik serta Ibu Meinarini Catur Utami, MT selaku Sekretaris Program Studi
3. Ibu Suci Ratnawati, MTI sebagai Dosen Pembimbing II yang selalu ada
proses penyelesaian skripsi ini. Terima kasih banyak untuk seluruh waktu,
vii
tenaga, kesediaan menjawab setiap pertanyaan penulis dan senantiasa
5. Dokter Robi selaku Direktur Medis RSIA Grand Family yang telah
6. Seluruh karyawan RSIA Grand Family terutama Ibu Cucu Sumiati selaku
7. Kedua orang tua penulis, Bapak Frans Arman dan Ibu Rita Mulyani.
Terima kasih untuk mama dan papa yang telah membesarkan dan
mendidik penulis dari lahir hingga saat ini, terima kasih untuk seluruh
cinta dan kasih yang mama dan papa berikan untukku. Terima kasih untuk
my life.
Terima kasih telah mengisi hari-hari penulis sehingga penulis tidak pernah
viii
merasa kesepian, semoga kalian akan selalu menjadi saudara dan sahabat
9. Terimakasih kepada Romi Irawan yang selalu ada setiap saat dan
kesah penulis. Terima kasih juga telah selalu menghibur penulis dengan
juga kepada teman–teman grup Ciwi Ce, Sahabat Strong, KKN Mafaza,
Latanza Putri terutama Nada Ulya Qinvi dan sahabat Balans, Haya, ka
Nia, Cahya, Fifi terimakasih telah ada dalam hidup penulis untuk
tawanya.
Ayu, ka Lana, ka Nana, ka Icha yang selalu berbagi ilmu dan banyak
ix
13. Seluruh pihak-pihak yang terkait dan banyak berjasa dalam proses
penyelesaian skripsi ini yang tidak dapat disebutkan satu persatu namun
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari semua pihak dibalas pahala yang berlipat ganda. Selain itu,
penulis menyadari dalam penyusunan skripsi ini masih terdapat kekurangan dan
jauh dari kata sempurna sehingga saran dan kritik yang membangun sangat
Akhir kata, semoga penelitian ini dapat memberikan manfaat dan sekaligus
11140930000052
x
DAFTAR ISI
PERNYATAAN..................................................................................................... iv
ABSTRAK ............................................................................................................. vi
xi
2.1.2 Pengertian Manajemen .................................................................... 13
xii
2.8.4 Kebijakan RSIA Grand Family ...................................................... 52
xiii
4.2.1 Hasil Analisis Demografi ................................................................ 92
xiv
DAFTAR TABEL
xv
Tabel 4.20 Hasil Uji Relative Impact dengan SmartPLS 3.0 ............................. 100
Tabel 4.21 Ringkasan Hasil Analisis Struktural Model ..................................... 102
Tabel 4.22 System Development ..........................................................................116
xvi
DAFTAR GAMBAR
xvii
DAFTAR LAMPIRAN
xviii
DAFTAR ISTILAH
Istilah Arti
Konstruk konsep yang disusun secara sistematis
untuk tujuan tertentu dengan memuat
variabel-variabel sehingga dapat
diamati dan diukur.
Variable laten Variabel yang tidak dapat diamati
secara langsung
Variable manifest Variabel yang dapat diamati dan
besaran kuantitatifnya dapat diketahui
secara langsung
Variable Dependen Variabel yang dipengaruhi, akibat dari
adanya variabel independen (bebas).
Variable Independen Variabel yang mempengaruhi atau
sebab perubahan timbulnya variabel
dependen (terikat)
Konstruk Refelektif Indikator reflektif disebabkan oleh
konstruk.
Konstruk Formatif Indikator formatif menyebabkan
konstruk
Variabel Endogen Variabel yang nilainya
dipengaruhi/ditentukan oleh variabel
lain di dalam model
Variabel Eksogen Variabel yang nilainya tidak
dipengaruhi/ditentukan oleh variabel
lain didalam model.
xvii
DAFTAR NOTASI
xviii
xix
xix
1
BAB 1
PENDAHULUAN
(IPM) 2016 yang dilansir oleh United Nations Development Program, yaitu
peringkat 113 dari 188 negara yang disurvei (UNDP, 2017). Peringkat ini
menunjukkan penurunan dari peringkat 108 dalam survei tahun sebelumnya. IPM
merupakan indikator utama yang terdiri atas indikator kesehatan (usia harapan,
belum merata.
1
2
menyatakan bahwa kesehatan merupakan hak asasi manusia dan salah satu unsur
Hal ini sejalan dengan Buku Rencana Strategis Kementerian Kesehatan 2015-
Yusof et al. (2006), SIMRS yaitu kumpulan proses yang diimplementasikan untuk
Rumah Sakit Ibu dan Anak Grand Family (RSIA Grand Family) merupakan
sebuah rumah sakit swasta yang menyediakan fasilitas dan layanan kesehatan
khusus bagi ibu dan anak, berlokasi di Pantai Indah Kapuk, Jakarta Utara. RSIA
bentuk pengembangan bisnis dari RSIA Family di kawasan Pluit Mas, yang telah
beroperasi dari tahun 2002 dan berhasil menjadi pilihan utama penyedia layanan
sakit yang lainnya, namun terdapat kendala-kendala baik dari pengguna, sistem
mengenai fungsi operasional sistem seperti aplikasi SIMRS yang tidak dapat
diakses masuk padahal sudah memiliki hak izin akses, data belum terintegrasi
secara menyeluruh seperti fungsi operan shift kerja yang masih menggunakan
buku laporan manual, SIMRS tidak merespon saat digunakan sehingga data tidak
dapat diinput dan dari fungsi manajerial sistem seperti data pegawai dalam modul
80000
60000
Jumlah
40000
20000
0
1
2013 2
2014 3
2015 2016
4 2017
5
Gambar 1.1 Laporan Poliklinik Pasien RSIA Grand Family (Arsip RSIA Grand Family)
selama lima tahun terakhir dari tahun 2013 hingga 2017 terdapat kenaikan yang
signifikan dalam penerimaan pasien yaitu sebesar 90.000 orang, seperti ysng
SIMRS RSIA Grand Family belum pernah diukur terkait dengan keberhasilan
teknologi (Technology) SIMRS itu sendiri. Oleh karena itu, SIMRS ini dapat
Dengan model ini, sistem dapat dievaluasi dari ketiga faktor utama di atas dan
menurut Bayu & Muhimmah (2013) bahwa model HOT Fit dapat menjawab
SIMRS dan menjadikan sebagai kiteria penilaian yang dilakukan di RSIA Grand
berjalan optimal sesuai dengan visi dan misi RSIA Grand Family.
(HOT) Fit (Studi Kasus: Rumah Sakit Ibu dan Anak Grand Family)”.
keluhan dari pengguna SIMRS baik dari fungsi operasional sistem maupun
manajerial sistem. Sehingga hal ini perlu ditinjau ulang agar SIMRS dapat
terintegrasi bagi wanita dan anak Indonesia. Oleh karena itu, diperlukan
Perspektif Pegawai”.
Ruang lingkup dan batasan yang terkait dengan rumusan masalah diatas
Sakit (SIMRS) RSIA Grand Family yang dikelola oleh Divisi IT.
Family.
selanjutnya.
a. Wawancara (Interview)
SIMRS, yaitu kepada Direktur RSIA Grand Family, divisi IT serta beberapa
pengguna SIMRS.
b. Studi Literatur
kuesioner.
c. Kuesioner
Sakit (SIMRS) RSIA Grand Family. Kuesioner yang diberikan berisi daftar
dimodifikasi dari model yang dikembangkan oleh Yusof et al. (2011) dan
Widarno (2008) yaitu model HOT-Fit. Model ini terdiri atas 9 variabel yaitu
variabel System Development (SD), System Use (SU), User Satisfaction (US),
(SQ), Information Quality (IQ), Service Quality (SQ), dan Net Benefits (NB).
Technology (HOT) Fit” dijalankan dengan waktu dan lokasi penelitian adalah
sebagai berikut:
Nama Instansi : Rumah Sakit Ibu dan Anak (RSIA) Grand Family
Dalam laporan penelitian ini, penulis membagi laporan ini dalam lima bab
dan interpretasi, dan penutup. Berikut penjelasan singkat terkait kelima bab
tersebut:
Bab 1 Pendahuluan
data.
Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi
Bab 5 Penutup
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan
kajian selanjutnya.
BAB 2
TINJAUAN PUSTAKA
yang dapat dikumpulkan, disimpan dan diolah untuk menyediakan output kepada
pengguna sehingga berguna bagi pengguna. Sejalan dengan pendapat Sidh (2013),
sistem informasi dapat juga diartikan sebagai suatu sistem yang terdiri atas
menyediakan output dari setiap informasi yang dibutuhkan dalam proses bisnis
serta aplikasi yang digunakan melalui perangkat lunak, database dan bahkan
proses manual yang terkait. Dengan demikian dapat disimpulkan bahwa sistem
informasi adalah suatu kombinasi modul yang terorganisir yang berasal dari
mencapai tujuan.
12
13
(Appley et al., 2010). Sejalan dengan pendapat Athoillah (2010), manajemen yaitu
pengawasan melalui sumber daya dan sumber-sumber lainnya secara efektif dan
mencapai tujuan organisasi secara efektif dan efisisien. Oleh karena itu, dapat
disimpulkan bahwa manajemen adalah suatu proses untuk mengelola sumber daya
sakit merupakan bagian integral dari suatu organisasi sosial dan kesehatan dengan
juga merupakan pusat pelatihan bagi tenaga kesehatan dan pusat penelitian bio-
rumah sakit, yang dimaksudkan dengan rumah sakit adalah institusi pelayanan
14
paripurna yang menyediakan pelayanan rawat inap, rawat jalan, dan gawat
darurat.
yang bermutu dan terjangkau oleh masyarakat dalam rangka meningkatkan taraf
dilaksanakan secara serasi dan terpadu dengan peningkatan dan pencegahan serta
a. Pelayanan medik.
b. Pelayanan kefarmasian.
kebutuhan medis.
kesehatan.
bidang kesehatan.
sakit
Sakit
penyajian laporan yang akurat bagi para pengambil keputusan untuk kedepannya.
System (HIS) merupakan kumpulan dari sub-sub sistem yang saling berhubungan
satu sama lain dan bekerja secara harmonis untuk mencapai tujuan yaitu
2007). Sistem Informasi Manajemen Rumah Sakit (SIMRS) saat ini merupakan
sumber daya utama, yang mempunyai nilai tambah dan memiliki peran penting
akurat, efisien dan cepat sehingga pelaporan pelayanan medik dapat terkirim
tepat waktu.
a. Redudansi Data, pencatatan data medis yang sama dapat terjadi berulang-
tumpukan berkas.
masing-masing unit/instalasi.
waktu dan relevan. Oleh karena itu, Sistem Informasi Manajemen Rumah
tercapai. Oleh karena itu, secara sederhana evaluasi dapat diartikan sebagai tahap
penilaian yang ditujukan kepada objek evaluasi, untuk mengetahui keadaan suatu
informasi.
19
antaranya adalah:
g. Akreditasi program.
j. Akuntabilias.
yaitu:
atau tim.
c. Mencapai kerja kualitas teknik yang lebih baik, paling tidak lebih seragam
dan lebih dapat diprediksi dan untuk membuat kinerja teknis menjadi lebih
dapat diatur
organisasi (Wahyudi & Astuti, 2013). Sistem informasi menjadi prioritas pertama
dan kesamaan dari kekuatan faktor internal atau institusional (Kotadjin et al.,
2016) Beberapa sistem gagal karena benturan keadaan atau lingkungan internal.
sistem:
21
Model
Penemu
Keberhasilan
No. dan Fokus Kelebihan Kekurangan
Sistem
Tahun
Informasi
1. Technology Davis, Bagaimana pengguna mau TAM merupakan model perilaku a. TAM hanya memberikan
Acceptance 1989 menerima dan menggunakan (behavior) yang bermanfaat untuk informasi atau hasil yang sangat
Model (TAM) teknologi berdasarkan menjawab pertanyaan mengapa banyak umum saja tentang minat dan
perilaku pemakai sistem dalam
usefulness dan ease of use sistem teknologi gagal diterapkan karena
menerima sistem teknologi
(Muntianah et al., 2012; pemakainya tidak mempunyai minat informasi.
Sayekti & Putarta, 2016) (intention) untuk menggunakannya b. TAM hanya menjelaskan
(Sayekti & Putarta, 2016). kepercayaan (beliefs) mengapa
pemakai mempunyai minat
perilaku menggunakan sistem.
c. TAM belum memberikan
informasi menjelaskan mengapa
pemakai sistem mempunyai
kepercayaan - kepercayaan
tersebut. (Rozanda & Masriana,
2017)
2. Task Goodhue Kesesuaian dari kapabilitas Teknologi informasi memiliki dampak TTF hanya menjelaskan sejauh mana
Technology Fit dan teknologi untuk kebutuhan positif terhadap kinerja individu dan fungsi dan manfaat TI mendukung
(TTF) Thompson, tugas dalam pekerjaan, yaitu dapat digunakan jika kemampuan aktivitas sistem, namun tidak dapat
1995 kemampuan TI untuk teknologi informasi cocok dengan tugas- mengevaluasi keberhasilan sistem
memberikan dukungan tugas yang harus dihasilkan oleh secara menyeluruh (Susanti, 2006).
terhadap pekerjaan. (Susanti, pengguna (Furneaux, 2006).
2006).
22
6. Human, Yusof et Model ini menempatkan a. pengembangan dari SI DeLone Variabel dalam dimensi manusia belum
Organization al., 2006 komponen penting dalam McLean dan IT Organization Fit menjelaskan secara lebih jauh faktor-
and Technology sistem informasi yakni dan memiliki tiga dimensi, yaitu faktor yang mempengaruhi penerimaan
manusia, organisasi, dan teknologi.
(HOT) Fit Manusia (Human), Organisasi pengguna untuk menggunakan SI
b. dapat menilai kesuksesan dan
(Organization) dan Teknologi penerimaan penggunaan SI serta (Pamugar et al., 2014).
(Technology). dan kesesuaian menilai kesesuaian antara manusia-
hubungan di antaranya (Yusof organisasi-teknologi (Yusof et al.,
et al., 2006) 2006)
24
and Mccelean IS Success Model dengan IT-Organization Fit Model (Yusof et al.,
kategori evaluasi seperti faktor, dimensi dan ukuran. IT-Organization Fit Model
evaluasi yaitu manusia, organisasi dan teknologi. Ketiga faktor adalah komponen
penting dalam Sistem Informasi (SI) dan dampak sistem dievaluasi melalui
(Yusof et al., 2006). Model ini saling melengkapi dari sembilan dimensi yang
organisasi (terkait dengan sistem politik, keuangan, antar organisasi) dan manfaat
kinerja, efisiensi, dan dampak SIMRS-nya. Bisa juga panduan evaluasi kesalahan
25
secara sistematis sesuai dengan fase proses dan tingkat dari tiga faktor. Kerangka
kerja ini dapat digunakan untuk melakukan evaluasi yang sistematis dan ketat
dalam setiap siklus hidup pengembangan sistem (Yusof et al., 2008; Yusof et al.,
a. Manusia (Human)
informasi dari sisi penggunaan sistem (system use) pada frekwensi dan luasnya
fungsi dan penyelidikan sistem informasi. System use juga berhubungan dengan
siapa yang menggunakan (who use it), tingkat penggunanya (level of user),
sistem, serta kepuasan pengguna pada. Kepuasan pengguna pada sistem dapat
jadwal proyek dan hubungan dengan strategi TI dengan tujuan untuk membangun
akurasi pemantauan proyek itu cukup berhasil. sistem (Yusof et al., 2006; Yusof
b. Organisasi (Organization)
a) Struktur Organisasi
b) Lingkungan Organisasi
c. Teknologi (Technology)
a) Kualitas Sistem
lama loading,
sistem informasi. Beberapa indikator yang pernah diteliti Yusof et al. (2011)
untuk mengukur nilai dari kualitas informasi output adalah sebagai berikut:
c) Kualitas Pelayanan
Manfaat bersih adalah manfaat yang diperoleh dari penggunaan sistem. Net
benefits dapat diukur dari manfaat sistem secara langsung (misalnya dari
mengurangi error atau kesalahan dalam pekerjaan). Adapun manfaat secara tidak
lebih sistematis, spesifik, terstruktur dan juga terencana dengan baik dari awal
lebih jelas. Selain itu penggunaan tabel, grafik, dan juga diagram sangat
dengan cara memanfaatkan instrumen penelitian yang dipakai, analisis data yang
terapan, yaitu:
kepentingan praktik.
1. Penelitian Survey
perlakuan.
3. Penelitian Eksperimen
4. Penelitian Naturalistik
daripada generalisasi.
31
5. Policy Research
masalah.
6. Action Research
kerja yang paling efisien, sehingga biaya produksi dapat ditekan dan
7. Penelitian Evaluasi
8. Penelitian Sejarah
bagaimana prosesnya.
mengetahui apakah antara dua atau lebih dari dua kelompok ada
Dari penelitian ini dapat dibangun suatu teori yang dapat berfungsi
hubungan ada yang bersifat simetris, kausal atau sebab akibat, dan
Penelitian ditinjau dari jenis data dan analisis meliputi penelitian kuantitatif,
mengukur sikap, pendapat, dan persepsi seseorang atau sekelompok orang tentang
fenomena sosial. Sedangkan menurut Djaali dalam Wahab (2014), skala Likert
ialah skala yang dapat dipergunakan untuk mengukur sikap, pendapat, dan
persepsi seseorang atau sekelompok orang tentang suatu gejala atau fenomena
pendidikan. Skala Likert adalah suatu skala psikometrik yang umum digunakan
dalam kuesioner, dan merupakan skala yang paling banyak digunakan dalam riset
berupa survei. Nama skala ini diambil dari nama Rensis Likert, pendidik dan ahli
pertanyaan sikap yang ditulis, disusun dan dianalisis sedemikian rupa sehingga
respons seseorang terhadap pertanyaan tersebut dapat diberikan angka (skor) dan
kemudian dapat diinterpretasikan. Skala itu sendiri salah satu artinya, sekedar
seseorang atau sekelompok orang tentang fenomena sosial. Dengan Skala Likert,
instrumen yang dapat berupa pertanyaan atau pernyataan. Jawaban setiap item
instrumen yang menggunakan Skala Likert mempunyai gradasi dari sangat positif
Dalam skala Likert terdapat dua bentuk pernyataan yaitu pernyataan positif
yang berfungsi untuk mengukur sikap positif, dan pernyataan negative yang
berfungsi untuk mengukur sikap negative objek. Skor pernyataan positif dimulai
dari 1 untuk sangat tidak setuju (STS), 2 untuk tidak setuju (TS), 3 untuk ragu-
ragu (R), 4 untuk setuju (S), dan 5 untuk sangat setuju (SS). Skor pernyataan
negative dimulai dari 1 untuk sangat setuju (SS), 2 untuk setuju (S), 3 untuk ragu-
ragu (R), 4 untuk tidak setuju (TS), dan 5 untuk sangat tidak setuju (STS).
subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh
35
Sugiyono (2014) meyatakan bahwa sampling adalah bagian dari jumlah dan
sampel yang akan dipakai dalam penelitian. Teknik sampling pada dasarnya bisa
probability sampling. Berikut kategori sampel dapat dilihat pada Gambar 2.2.
Dalam pengambilan sampel dari populasi dibedakan menjadi dua kategori teknik
a. Probability Sampling
atau kesempatan yang sama bagi setiap unsur (anggota) populasi untuk dipilih
sebagai sampel.
36
Kategori Sampling
1. Convenience Sampling
1. Simpel Random Sampling 2. Purposive Sampling
2. Stratified Sampling 3. Judgement Sampling
- Proportional 4. Quota Sampling
- Disproportional 5. Snowball Sampling
3. Cluster Sampling
4. Double Sampling
karakteristik sendiri.
1) Proportional
2) Disproportional
b) Cluster Sampling
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
c) Double sample
Teknik ini biasa juga disebut sequential sampling (sampel berjenjang) dan
peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih
a) Convenience Sampling
b) Purposive Sampling
c) Quota Sampling
d) Snowball Sampling
mulanya jumlahnya kecil tapi makin lama makin banyak, berhenti sampai
informasi yang didapatkan dinilai telah cukup. Teknik ini baik untuk
Teknik yang dapat digunakan dalam menentukan ukuran sampel dari suatu
(2.1)
dengan:
N = besarnya populasi
n = besarnya sampel
d = perkiraan tingkat kesalahan (1%,5%,10%)
39
(Bagus, 20016), semakin kecil toleransi kesalahan maka semakin akurat sampel
tingkat akurasi 95%. Penelitian dengan batas kesalahan 10% memiliki akurasi
90%. Dengan jumlah populasi yang sama, semakin kecil toleransi kesalahan,
⁄
n= (2.2)
dengan:
n = sampel
p = proporsi populasi
q = 1-p
z = tingkat kepercayaan/signifikan
e = margin of error (5%)
Partial Least Square (PLS) adalah salah satu metode penyelesaian dari
Structural Equation Modeling (SEM). PLS atau sering disebut dengan PLS-SEM
ini merupakan generasi kedua SEM. Generasi pertama SEM disebut CB-SEM
pertama atau CB-SEM, PLS-SEM memiliki tingkat fleksibilitas yang tinggi untuk
40
penelitian regresi yang menghubungkan antara teori dan data, serta melakukan
analisis jalur (path) dengan variabel laten. Dikemukakan oleh Wold (dalam
didasarkan pada banyak asumsi. PLS memiliki asumsi data penelitian bebas
distribusi, artinya data penelitian tidak mengacuh pada salah satu distribusi
tertentu (misalnya distribusi normal). PLS merupakan metode alternatif dari SEM
yang kompleks namun ukuran sampel datanya kecil (30 sampai 100), mengingat
SEM memiliki ukuran sampel data minimal 100 (Hair et al., 2010).
Semula PLS lebih banyak digunakan untuk studi bidang analytical, physical
dan clinical chemistry. Menurut Haryono (2017), desain PLS dimaksudkan untuk
Square) ketika karakteristik datanya mengalami masalah, seperti: (1). ukuran data
kecil, (2). adanya missing value, (3). bentuk sebaran data tidak normal, dan (4).
tidak stabil apabila jumlah data yang terkumpul (sampel) sedikit, atau adanya
missing values maupun multikolinearitas antar prediktor karena kondisi sperti ini
dapat meningkatkan standard error dari koefisien yang diukur (Field dalam ,
Model hubungan variabel laten dalam PLS terdiri atas tiga jenis ukuran,
yaitu:
kriteria nilai yang harus dipenuhi. Adapun kriteria nilai yang harus dipenuhi
penilaian PLS:
Tabel 2. 2 Ringkasan Kriteria Penilaian PLS (Mustafa & Wijaya, 2012; Ghozali, 2014)
∑
∑
42
Evaluasi Model
Pengukuran Refleksif
1 Loading Factor (LF) Nilai loading factor (lf) harus > 0.7
2 Composite reliability Composite reliability mengukur internal consistency dan
nilainya harus > 0.6
3 Average Variance Nilai Average Variance Extracted (AVE) harus > 0.5
Extracted (AVE)
4 Validitas diskriminan Nilai akar kuadrat dari AVE harus > nilai korelasi antar
variable laten
5 Cross loading Ukuran lain dari validitas diskriminan. Diharapkan setiap blok
indicator memiliki nilai loading lebih tinggi untuk setiap
variable laten yang diukur dibandingkan dengan indikator
untuk variable laten lainnya.
Evaluasi Model
Pengukuran Formatif
1 Signifikansi nilai Nilai estimasi untuk model pengukuran formatif harus
weight signifikan. Tingkat isgnifikansi ini dinilai dengan prosedur
bootstrapping.
2 Multikolinearitas Variable manifest dalam blok harus diuji apakah terdapat
gejala multikolinearitas. Nilai Variance Inflation Factor (VIF)
dapat digunakan untuk menguji permasalahan kini. Nilai VIF
> 10 mengoindikasikan terdapat gejala multikolinearitas.
2.5 SmartPLS
dan Alexander Will tahun 2015. Menurut Fitriani (2016), SmartPLS mempunyai
43
GUI user friendly yang memudahkan pengguna untuk melakukan estimasi model
jalur PLS.
2016), yaitu:
a. Algoritma PLS yang digunakan tidak terbatas hanya untuk hubungan antar
SPSS adalah sebuah program komputer yang yang berfungsi dalam analisis
tersebut. Ilmu statistik ini dapat ditemui di beragam disiplin ilmu seperti
statistik, alat yang sering digunakan adalah olah data SPSS (Ghozali, 2011).
44
Kebudayaan RI, statistik yang termasuk software dasar SPSS adalah sebagai
berikut:
angka (kode data). Misalnya untuk field Jenis Kelamin, kode angka yang
digunakan adalah 1 untuk “pria” dan 2 untuk “wanita”, maka yang akan muncul
di layar adalah label datanya, yaitu “pria” dan “wanita”. SPSS memberikan
informasi lebih akurat dengan memperlakukan missing data secara tepat, yaitu
dengan memberi kode alasan mengapa terjadi missing data. Misalnya karena
Literatur sejenis merupakan tinjauan penelitian-penelitian yang pernah dilakukan sebelumnya. Berikut merupakan jenis
penelitian sebelumnya yang memiliki topik penelitian yang sama dengan penulis lakukan:
9. Penerapan Metode HOT- 1. HOT-Fit (2006) Independen: Mengrtahui variabel – 1. Model HOT-Fit
Fit Dalam Evaluasi 2. Evaluasi terhadap IIS System Quality, variabel yang (2011)
Internal Information 3. Kuantitatif Information Quality, berpengaruh terhadap 2. Variabel dependen
System (IIS) Pada PT 4. SPPS Service Quality keberhasilan sistem dan independen
Indaco Cabang Dependen: 3. Ruang lingkup
Palembang (Saputra et System Use, User 4. Alat analisa
al., 2016) Satisfaction, Structure,
Environment, Net
Benefits
50
Dari studi literatur sejenis yang dipaparkan sebelumnya, terdapat perbedaan dengan penelitian yang dilakukan. Penelitian ini
menambahkan variabel pengembangan sistem (system development) dalam dimensi human yang di penelitian sebelumnya belum
memasukkan variabel system development. Menurut Yusof & Yusuff (2013),variabel system development menjadikan pendekatan
penelitian ini lebih komprehensif untuk evaluasi. Sehingga penulis tertarik untuk melakukan penelitian ini lebih lanjut.
51
Rumah Sakit Ibu dan Anak (RSIA) Grand Family adalah sebuah rumah
sakit swasta yang secara khusus menyediakan fasilitas dan layanan kesehatan bagi
ibu dan anak, berlokasi di komplek Elang Laut Selatan, Pantai Indah Kapuk,
Jakarta Utara.
merupakan bentuk pengembangan bisnis dari RSIA Family di kawasan Pluit Mas,
yang telah beroperasi selama 10 tahun dan berhasil menjadi pilihan utama layanan
kesehatan ibu dan anak di wilayah Jakarta Utara dan sekitarnya. RSIA Grand
Family terdiri dari 5 lantai, 91 tempat tidur rawat inap, 20 poliklinik rawat jalan
dan fasilitas penunjang medis yang terdiri dari unit farmasi, laboratorium,
RSIA Grand Family menyediakan layanan kesehatan ibu dan anak yang
terintegrasi mulai dari layanan kebidanan dan kandungan serta kesehatan anak
umum hingga layanan sub spesialis, yaitu (paru-paru dan pernapasan), gastro
hepatologi enterologi (pencernaan anak) dan juga unit tumbuh kembang yang
Visi RSIA Grand Family adalah menjadi pusat pelayanan kesehatan yang
keselamatan.
53
SIMRS RSIA Grand Family bermula pada tahun 2014. Fungsi utama dari
sakit terhadap pasien. Terdapat beberapa jenis layanan IT yang ditangani oleh
f. Warehouse, berisikan transaksi, master data, report dan status stok obat.
h. Report, berisikan laporan harian dan rekap data per bulan dan per tahun.
keseluruhan RSIA Grand Family. Dengan adanya SIMRS, RSIA Grand Family
rumah sakit tersebut. Sistem Informasi Manajemen Rumah Sakit (SIMRS) Grand
Rumah Sakit dari aktivitas awal proses penerimaan pasien sampai akhir
efisiensi dalam segala aktivitas rumah sakit. Di samping itu, SIMRS juga
METODE PENELITIAN
metode, teknik, dan alat secara kuantitatif seperti yang ditunjukkan oleh prosedur
penelitian.
ditujukan sebagai data tambahan dalam diskusi penelitian ini. Terkait prosedur,
teknik dan alat penelitian dijelaskan dalam sub-bab berikutnya secara detail.
54
55
No. Tahapan Des Jan Feb Mar Apr Mei Jun Jul
1. Pengumpulan Data
2. Identifikasi dan
Perumusan Masalah
Model HOT-Fit
5. Interpretasi Hasil
Penelitian
7. Pembuatan Laporan
sebagai berikut:
3.3.1 Wawancara
direktur RSIA Grand Family, divisi IT dan beberapa karyawan aktif pengguna
literatur ini dilakukan selain sebagai sumber informasi juga sebagai referensi
sebelumnya.
3.3.3 Kuesioner
dokter, perawat, ahli gizi, admin, dll. Kuesioner dibuat dengan tujuan untuk
mengetahui tingkat keberhasilan SIMRS di RSIA Grand Family serta faktor apa
mengacu pada model Human, Organization and Technology (HOT) Fit dan
calon responden.
57
Berdasarkan studi literatur awal yang telah peneliti lakukan, Gambar 3.1
adalah model yang diadopsi dari model penelitian Human, Organization and
Technology (HOT) Fit oleh Yusof (2011), yang terdiri atas 9 variabel yaitu dari
System Development (SD), System Use (SU), User Satisfaction (US), Structure
Service Quality (SEQ), dan Net Benefit dengan menambahkan satu relasi antara
akan menghadapi problema pada aspek fisik dan non fisik. Aspek fisik meliputi
infrastruktur tertentu. Sementara aspek non fisik meliputi (1) tingkat penerimaan
user, (2) dukungan manajemen, dan (3) kualitas sistem informasi (Widarno,2008).
sistem, maka peneliti dalam penelitian ini mengadopsi penambahan relasi antara
Item yang dipilih untuk indikator dalam penelitian ini diadaptasi dari
penelitian sebelumnya yaitu Yusof dan Yusoff (2013), di mana setiap variabel
Manajemen Rumah Sakit (SIMRS) RSIA Grand Family yang terdiri dari
karyawan aktif dari tiap divisi yang berinterkasi dengan sistem. Berdasarkan
wawancara dengan Direktur RSIA Grand Family berjumlah 292 orang sedangkan
yang menggunakan sistem sebesar 120 orang. Jumlah sampel diperoleh dengan
sebagain besar kepala unit atau sebagian sampel di RSIA Grand Family.
n= , dengan d = 5 % = 0.05
biaya, sejumlah 92 orang pengguna sistem menjadi sampel dalam penelitian ini.
63
menggunakan data statistik memiliki ukuran sampel minimum 30. Maka dengan
keberhasilan SIMRS RSIA Grand Family. Kuesioner terdiri dari enam pertanyaan
dan l,dua pertanyaan mengenai penilaian responden terhadap SIMRS RSIA Grand
variabel yang ada di model HOT-Fit. Daftar pertanyaan dapat dilihat pada tabel
Peneliti menggunakan skala likert pada kuesioner penelitian ini yang berarti
skala penilaiannya menggunakan lima pilihan jawaban yang terdiri atas sangat
tidak setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2, netral (tidak
tahu) dengan bobot nilai 3, setuju dengan bobot nilai 4 dan sangat setuju dengan
bobot nilai 5. Selanjutnya, untuk menjamin validitas dan reliabilitas kuesioner ini,
Struktur Organisasi STR1 Sistem memiliki dukungan dari top manajemen dalam penerapan
(Structure sistem
Organization) STR2 Sistem didukung dengan kepemimpinan organisasi secara
maksimal
Struktur Organisasi STR3 Sistem didukung oleh sumber daya manusia yang saling berkerja
(Structure sama dalam penerapannya
Organization) STR4 Penggunaan SIMRS menjadikan strategi organisasi di RSIA
Grand Family menjadi lebih baik
Struktur Organisasi STR5 Susunan kepegawaian sudah baik dalam pengelolaan sistem
(Structure STR6 Sistem dapat menyimpan dan mengelola pengetahuan karyawan
Organization) sehingga perusahaan tetap berjalan dengan baik dalam situasi
apapun
Lingkungan EVR1 Kebijakan pemerintah terdapat pada organisasi
Organisasi EVR2 Penerapan sistem menjadikan politik organisasi di RSIA Grand
(Environmet Family menjadi lebih meningkat
Organization) EVR3 Kondisi lingkungan internal organisasi berpengaruh pada
penerimaan sistem
Manfaat Bersih (Net NB1 Penerapan SIMRS dapat membantu melakukan pekerjaan sehari
Benefits) – hari.
NB2 Sistem dapat meningkatkan produktivitas pekerjaan saya
NB3 Sistem dapat mengurangi beban kerja saya
NB4 Sistem dapat membantu pencapaian tujuan dengan efektif
NB5 Sistem membantu membuat keputusan dalam tiap kondisi
NB6 Sistem membantu saya menurunkan tingkat kesalahan saya
dalam melakukan pekerjaan saya
NB7 Sistem dapat mengurangi biaya pengeluaran menjadi lebih
efisien.
memiliki fungsi yang sama bagi semua pengguna, tidak ada perbedaan cara
teknik Solvin dan PLS-SEM, dimana populasi pengguna SIMRS dengan jumlah
pegawai yang menggunakan SIMRS sebanyak 120 orang. Dengan data tersebut
maka jumlah responden 94 yang didapat dalam penelitian ini sudah memenuhi
66
kuesioner yang berhasil peneliti dapatkan, rinciannya dapat dilihat di Tabel 3.6.
∑Tidak
Metode penyebaran ∑Valid Valid Ket.
pendekatan Partial Last Square. Analisis data menggunakan alat bantu pengujian
dengan software SmartPLS versi 3.0. Berikut Gambar 3.2 merupakan model
model pengukuran (outer model) dan model struktural (inner model). Model
model, sebagaimana telah dijelaskan di dalam bab 2. Pada outer model terdiri dari
hubungan antar variabel laten. Uji inner model terdiri dari enam tahapan
Tahapan penelitian ini terdiri dari lima tahapan secara berurutan. Tahapan
analisa HOT-Fit, interpretasi hasil penelitian dan yang terakhir adalah kesimpulan
dan saran. Berikut merupakan kerangka penelitian yang ditunjukkan pada Gambar
3.3.
68
pertanyaan yang ada dalam kuesioner, khususnya pertanyaan pada bagian profil
dalam kurun waktu kurang lebih satu bulan (26 Februari 2018 s.d 25 Maret 2018)
status pekerjaan, unit kerja, peranan sistem, dan status kepuasan pengguna sistem.
a. Jenis Kelamin
dalam penelitian ini, sebagian besar didominasi oleh responden dengan jenis
69
70
kelamin perempuan, yaitu sebanyak 77 orang (81.91 %) dan sisanya berasal dari
Valid
Jenis Kelamin Frequency Percent
Percent
L 17 18.09 18.09
P 77 81.91 81.91
Total 94 100.0 100.0
b. Divisi
Dari Gambar 4.2 diketahui bahwa mayoritas responden berasal dari medis,
c. Unit Kerja
Dari Gambar 4.3 dapat diketahui bahwa pada penelitian ini jumlah
responden terbanyak berasal dari farmasi, yaitu sebanyak 23 orang (24.47%) dan
(20.21%). Jumlah responden yang paling sedikit berasal dari Diklat Umum, IT
d. Usia
Dari Gambar 4.4 dapat diketahui bahwa pada penelitian ini jumlah
responden terbanyak berasal dari usia 21-30 tahun yaitu sebanyak 60 orang
paling sedikit berasal dari responden yang memiliki usia >40 tahun yaitu 1 orang
saja (1.06%).
e. Frekuensi Penggunaan
Dari Gambar 4.5 bahwa pada penelitian ini jumlah responden terbanyak
berasal dari frekuensi > 15 kali yaitu sebanyak 68 orang (72.34%) dan responden
paling sedikit berasal dari responden yang memiliki frekuensi penggunaan 10 s.d
Frekuensi
Frecuency Percent Valid Percent
Penggunaan
<5 11 11.70 11.70
>15 68 72.34 72.34
10 s.d 15 6 6.38 6.38
5 s.d 10 9 9.57 9.57
Total 94 100.0 100.0
f. Peranan Sistem
penelitian ini merasa terbantu dengan adanya sistem dan 26 responden (27.66%)
atau tugas mereka. Hanya 2 responden (2.13%) yang mengatakan bahwa sistem
dimana analisis pengukuran model ini terdiri atas empat tahap pengujian. Empat
tahap pengujian itu terdiri dari individual item reliability, internal consistency
Nilai loading factor diatas 0.7 dapat dikatakan baik, artinya bahwa indikator
tersebut dikatakan valid sebagai indikator yang mengukur konstruk (Yamin &
Kurniawan, 2011; Fitriani, 2016). Mengacu pada standar nilai loading factor,
setelah melalui pengujian pada SmartPLS 3.0, dengan hasil pada Tabel 4.9,
bawah 0,7 yaitu IQ5, SU5, SU6, NB6, NB7 karena setelah penghapusan keempat
Tabel 4.9 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0
EVR1 0.881
EVR2 0.950
EVR3 0.917
IQ1 0.745
IQ2 0.767
IQ3 0.779
IQ4 0.780
IQ5 0.415
NB1 0.706
NB2 0.762
NB3 0.711
NB4 0.804
NB5 0.722
NB6 0.395
NB7 0.356
SD1 0.863
SD2 0.917
SD3 0.877
SD4 0.849
SEQ1 0.912
77
SEQ2 0.905
SEQ3 0.868
SQ1 0.823
SQ2 0.771
SQ3 0.805
SQ4 0.764
SQ5 0.754
SQ6 0.730
STR1 0.758
STR2 0.803
STR3 0.820
STR4 0.759
STR5 0.771
STR6 0.818
SU1 0.895
SU2 0.905
SU3 0.934
SU4 0.904
SU5 0.386
SU6 0.293
US1 0.840
US2 0.819
US3 0.878
Tabel 4.10 menunjukan hasil uji loading factor setelah penghapusan lima
indikator yang telah dijelaskan sebelumnya. Semua nilai outer loading di atas 0.7
sehingga hasil uji loading factor sudah valid dan dapat dilanjutkan untuk
pengujian selanjutnya.
Tabel 4.10 Hasil Uji Loading Factor dengan SmartPLS 3.0 Setelah Penghapusan
EVR1 0.881
EVR2 0.950
EVR3 0.918
IQ1 0.741
IQ2 0.776
78
IQ3 0.799
IQ4 0.791
IQ5*
NB1 0.721
NB2 0.770
NB3 0.714
NB4 0.811
NB5 0.734
NB6*
NB7*
SD1 0.861
SD2 0.915
SD3 0.881
SD4 0.849
SEQ1 0.912
SEQ2 0.905
SEQ3 0.868
SQ1 0.824
SQ2 0.770
SQ3 0.804
SQ4 0.763
SQ5 0.755
SQ6 0.731
STR1 0.760
STR2 0.806
STR3 0.819
STR4 0.762
STR5 0.768
STR6 0.817
SU1 0.900
SU2 0.913
SU3 0.946
SU4 0.909
SU5*
SU6*
US1 0.840
US2 0.819
US3 0.879
79
Keterangan:
* : Dihapus
(CR) dengan batas ambang di atas 0.7. Hasilnya dapat dilihat pada Tabel 4.11
bahwa nilai CR dari semua variabel di atas 0.7 sehingga memenuhi syarat dan
varian atau keragaman variabel manifes (indikator) yang dapat dikandung oleh
Hasilnya nilai AVE pada penelitian ini dapat dilihat pada Tabel 4.12 yang
menunjukan bahwa nilai AVE setiap variabel sudah di atas 0,5 sehingga
memenuhi syarat dan tidak ada masalah dalam uji nilai AVE.
d. Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa
dengan konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator
dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok lainnya, hal
ini menunjukkan konstruk tersebut memprediksi ukuran pada blok mereka lebih
dimana nilai akar AVE harus ebih tinggi daripada korelasi antara konstruk
81
dengan konstruk lainnya. Hasilnya dapat dilihat pada Tabel 4.13 yang telah
menunjukkan bahwa nilai cross loading indikator yang diberi blok kuning pada
setiap variabel memiliki nilai lebih tinggi dari korelasi dengan konstruk blok
lainnya.
Tabel 4.13 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS 3.0
STR2 0.250 0.005 0.445 0.007 0.198 0.147 0.806 0.317 0.383
STR3 0.342 0.198 0.505 0.257 0.216 0.270 0.819 0.216 0.302
STR4 0.255 -0.026 0.541 -0.042 0.064 0.111 0.762 0.179 0.242
STR5 0.410 0.276 0.471 0.246 0.289 0.394 0.768 0.298 0.441
STR6 0.403 0.149 0.460 0.112 0.173 0.310 0.817 0.185 0.383
SU1 0.392 0.645 0.341 0.520 0.727 0.506 0.298 0.900 0.668
SU2 0.245 0.572 0.308 0.397 0.614 0.402 0.269 0.913 0.612
SU3 0.247 0.628 0.268 0.501 0.725 0.524 0.293 0.946 0.662
SU4 0.211 0.558 0.312 0.407 0.637 0.398 0.294 0.909 0.725
US1 0.281 0.483 0.395 0.456 0.515 0.406 0.484 0.670 0.840
US2 0.273 0.443 0.181 0.453 0.408 0.542 0.257 0.527 0.819
US3 0.350 0.468 0.204 0.303 0.468 0.570 0.373 0.639 0.879
Tabel 4.14 Hasil Uji Discriminant Validity (Cross Loading Fornell- Lacker’s)
dengan SmartPLS 3.0
Tabel 4.14 menunjukan bahwa nilai akar AVE lebih tinggi daripada korelasi
antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil pemeriksaan
dua tahap cross loading diketahui bahwa tidak ada masalah dalam uji
discriminant validity.
Berikut Gambar 4.18 menunjukan hasil analisis setelah melalui analisis
outer model. Berdasarkan empat tahap yang telah dilakukan pada analisis
pengukuran model (outer model) sebelumnya, dapat diketahui bahwa model yang
diajukan dalam penelitian ini sudah memiliki karakteristik yang baik secara
statistik, sesuai dengan syarat pada masing-masing tahapan yang ada pada
83
kesimpulan dari hasil analisis pengukuran model bahwa model tersebut memenuhi
Pada tahap analisis model struktural ini dilakukan enam tahap pengujian,
yang terdiri dari pengujian path coefficient (β), coefficient of determination (R²), t-
Pengujian ini dilakukan dengan melihat nilai ambang batas yaitu di atas 0,1,
dimana jalur (path) dapat dinyatakan memiliki pengaruh dalam model jika hasil
nilai uji path coefficient berada di atas 0.1. Hasilnya dari 18 jalur yang ada pada
model penelitian ini, terdapat 4 jalur yang tidak signifikan, dan dapat dilihat pada
Tabel 4.15 hasil nilai uji path coefficient semuanya memiliki nilai di atas 0.1.
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel
endogen (variabel yang dianggap dipengaruhi oleh variabel lain dalam model)
dengan standar pengukuran sekitar 0.670 dinyatakan sebagai kuat, sekitar 0.333
Variabel Endogen R2
Environment Organization (EVR) 0.181
Net Benefit (NB) 0.475
System Development (SD) 0.635
Structure Organization (STR) 0.068
System Use (SU) 0.735
User Satisfaction (US) 0.473
Organization 0.068, System Use 0.735 dan User Satifaction 0.473. Tabel
menunjukkan bahwa R2 dari STR adalah varian terlemah dengan nilai 0.068 yang
dapat diartikan bahwa variabel eksogen SEQ secara lemah (6.8 %) varian dari
STR. Selanjutnya diikuti dengan EVR yang juga masuk tingkat varian lemah
dengan nilai 0.181 yang dapat diartikan bahwa STR secara lemah (18.1 %) varian
c. Uji T-test
signifikansi 5% hipotesis akan diterima jika memiliki t-test lebih besar dari 1.96.
Melalui Tabel 4.9 dapat dilihat hasil uji t-test, dimana hasilnya terdapat 4 jalur
dibawah 1.96 sehingga menyatakan bahwa keempat hipotesis pada penelitian ini
ditolak. Tabel 4.17 menunjukkan bahwa ada 4 dari 18 hipotesis ditolak dan
sisanya diterima.
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.
Seperti yang dapat dilihat pada Tabel 4.18, hasil dari pengujian f2 terhadap
18 jalur yang ada pada penelitian ini. SEQ SU memiliki pengaruh yang besar
NB
SD 0.041
SU 0.062 0.057
US 0.009 0.320
e. Predictive Relevance ( )
dengan ambang batas pengukuran di atas nol (Hair et al., 2012). Tabel 4.19
EVR 0.134
NB 0.220
SD 0.447
STR 0.029
SU 0.561
US 0.299
f. Relative Impact ( )
pengaruh dari sebuah keterkaitan prediktif suatu 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 (Hair et al., 2012).
Seperti yang dapat dilihat pada Tabel 4.20, hasil dari pengujian q² terhadap 18
jalur pada penelitian ini menunjukan bahwa 5 jalur memiliki pengaruh menengah
q2 Analisis
No Jalur 2 2 2
Q -in Q -ex ∑q q2
H1 SQ → SD 0.447 0.437 0.180 Menengah
H2 SQ → SU 0.561 0.561 0 Kecil
89
Tabel 4.20 menunjukkan hasil bahwa dari 18 jalur terdapat 5 jalur yang
q2 Analisis
2 ∑ f2
No Jalur β t-test R
Q2-in Q2-ex ∑ q2 β t-test R2 f2 Q2 q2
Predictive
H1 SQ → SD 0.163 2.072 0.635 0.047 0.447 0.437 0.180 Sign Diterima M K Relevance m
Predictive
H2 SQ → SU -0.091 1.303 0.735 0.018 0.561 0.561 0 Insign Ditolak K K Relevance k
Predictive
H3 SQ → US 0.338 3.402 0.473 0.139 0.299 0.251 0.068 Sign Diterima M K Relevance k
Predictive
H4 IQ → SD 0.662 6.489 0.635 0.605 0.447 0.291 0.282 Sign Diterima M B Relevance m
Predictive
H5 IQ → SU 0.266 2.770 0.735 0.156 0.561 0.528 0.075 Sign Diterima K M Relevance k
Predictive
H6 IQ → US 0.224 2.142 0.473 0.059 0.299 0.285 0.019 Sign Diterima M K Relevance k
Predictive K
H7 SEQ →SD 0.309 2.807 0.635 0.114 0.447 0.419 0.050 Sign Diterima M K Relevance
Predictive
H8 SEQ → SU 0.425 4.202 0.735 0.421 0.561 0.479 0.186 Sign Diterima K B Relevance m
Predictive
H9 SEQ → US 0.269 2.127 0.473 0.093 0.299 0.272 0.038 Sign Diterima M K Relevance k
Predictive
H10 SEQ → STR 0.260 2.080 0.068 0.072 0.029 0 0.029 Sign Diterima L K Relevance k
Predictive
H11 SU → SD -0.245 1.885 0.635 0.057 0.447 0.444 0.005 Insign Ditolak M K Relevance k
91
q2 Analisis
2 ∑ f2
No Jalur β t-test R
Q2-in Q2-ex ∑ q2 β t-test R2 f2 Q2 q2
Predictive
H12 US → SU 0.401 3.770 0.735 0.320 0.561 0.493 0.154 Sign Diterima K M Relevance m
Predictive
H13 STR → EVR 0.426 3.941 0.181 0.221 0.134 0 0.154 Sign Diterima L M Relevance m
Predictive
H14 SD → NB -0.173 1.892 0.475 0.041 0.220 0.212 0.010 Insign Ditolak M K Relevance k
Predictive
H15 SU → NB 0.273 2.241 0.475 0.062 0.220 0.204 0.020 Sign Diterima M K Relevance k
Predictive
H16 US → NB -0.110 0.875 0.475 0.009 0.220 0.221 -0.001 Insign Ditolak M K Relevance k
Predictive
H17 STR → NB 0.495 4.510 0.475 0.335 0.220 0.140 0.102 Sign Diterima M M Relevance k
Predictive
H18 EVR → NB 0.242 2.638 0.475 0.086 0.220 0.199 0.026 Sign Diterima M K Relevance k
Keterangan:
Sign : Signifikan K : Kuat L : Lemah m : Menengah
Insign : Insignifikan M : Moderat b : Besar k : Kecil
92
a. Jenis Kelamin
Seperti yang dapat ditunjukkan pada Gambar 4.1 tentang jenis kelamin
responden, dapat diketahui bahwa responden pada penelitian ini didominasi oleh
jenis kelamin perempuan, yaitu sebanyak 77 orang (81.91%) dan sisanya berasal
dari responden laki-laki, yaitu sebanyak 17 orang (18.09%). Hal ini sesuai dengan
data jumlah pengguna SIMRS RSIA Grand Family perempuan sebanyak 84 orang
b. Divisi
Berdasarkan Gambar 4.3 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar berada
pada divisi medis sebesar 48 responden (51.06%), diikuti dengan divisi non medis
sebesar 46 orang (48.94%). Hal ini disebabkan karena mayoritas pengguna SIMRS
adalah dari dari medis sebesar 75 orang dan non medis 45 orang.
c. Unit Kerja
Seperti yang dapat dilihat pada Gambar 4.4 tentang unit kerja responden,
diketahui bahwa jumlah responden terbanyak berasal dari farmasi yaitu sebanyak
dokter 6 orang (6.38% ), finance accounting sebanyak 5 orang dan bidan sebanyak
93
5 orang (5.32%), dan marketing sebanyak 4 orang (4.26%), Sekretariat dan Umum
sebanyak 2 orang (2.13 %). Hal ini sesuai dengan data yang menunjukkan bahwa
d. Usia
Berdasarkan Gambar 4.3 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar berada
pada rentang usia 21-30 tahun sebanyak 60responden (63.83%), diikuti rentang usia
31-40 tahun sebanyak 26 responden (27.66%), dilanjutkan rentang usia kurang dari
20 tahun sebanyak 7 orang (7.45%) dan 1 orang responden dengan rentang usia
lebih dari 40 tahun (1.06%). Hal ini disebabkan karena mayoritas pengguna SIMRS
e. Frekuensi Penggunaan
Dari Gambar 4.5 dapat dilihat bahwa dalam penelitian ini penggunaan
SIMRS sudah mencapai frekuensi penggunaan lebih dari 15 kali dengan responden
sebanyak 68 orang (72.34%), diikuti dengan frekuensi kurang dari 5 kali sebanyak
(9.57%), 10 sampai dengan 15 kali sebanyak 6 orang (6.38%). Hal ini sesuai
dengan aktivitas penggunaan SIMRS bahwa tiap aktivitas rumah sakit RSIA Grand
f. Peranan Sistem
Seperti yang dapat dilihat pada Gambar 4.4 tentang peranan sistem bagi
responden diketahui bahwa lebih dari setengah jumlah responden merasa terbantu
oleh sistem yaitu sebanyak 52 orang (55.32%). Hal ini sesuai dengan tujuan
94
diterapkannya sistem yaitu untuk memudahkan keperluan aktivitas rumah sakit dan
Seperti yang dapat dilihat pada Gambar 4.5 tentang status keberhasilan sistem
dapat diketahui bahwa hampir dari seluruh responden yaitu sekitar 98.94%
responden menilai status keberhasilan sistem baik dan 1.06 % menilai sistem
kurang baik. Peneliti beranggapan bahwa hal ini mungkin terjadi disebabkan oleh
Tingkat harapan pengguna yang cukup tinggi terhadap sistem, sehingga walaupun
banyak pengguna yang merasa terbantu dengan sistem, banyak juga pengguna
masih menilai sistem kurang baik. Hasil ini juga menjelaskan tentang status
keberhasilan sistem terhadap SIMRS RSIA Grand Family dari persepsi pengguna
akhirnya (karyawan) pada saat ini, sesuai dengan tujuan dan sasaran penelitian yang
Berdasarkan hasil analisis model pengukuran, ada dua poin penting yang
a. Hasil akhir dari analisis telah menunjukan bahwa pengukuran model dari
model penelitian ini telah memenuhi syarat dan memiliki karakteristik yang
baik sehingga layak untuk dilanjutkan ke tahap analisis struktur model untuk
b. Dihapuskannya lima indikator yaitu IQ5, SU5, SU6, NB6 dan NB7 dalam
sebagai berikut:
dalam kuesioner.
instrumen penelitian tersebut, baik melalui masukan/saran dari para ahli seperti
penelitian yang lebih tepat (khususnya terkait dengan penggunaan delapan indikator
indikator. Terkait dengan hal ini, meskipun pembuatan instrumen dan pemilihan
responden dalam penelitian ini telah dilakukan dengan sebaik mungkin, hal-hal di
luar rencana dan kendali tidak dapat dihindari khususnya saat pelaksanaan
penelitian di lapangan.
Bagian ini akan memaparkan interpretasi dan diskusi berdasarkan hasil dari
enam tahap analisis struktur model yaitu path coefficient (β), coefficient of
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis satu
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.163 yang
determination (R²) dimana SQ dan SD memiliki nilai yaitu 0.635. Hal ini didukung
keberhasilan pengembangan sistem informasi (Fajar & Shofi, 2016), sehingga dapat
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa hipotesis dua (H2)
SU, hubungan SQ→SU juga memiliki pengaruh kecil berdasarkan perhitungan f2.
Hal ini juga sesuai dengan penlitian terdahulu (Radityo & Zulaikha, 2007;Fatania,
2011; Tammubua et al., 2015) di mana kualitas sistem tidak berpengaruh terhadap
penggunaan sistem informasi. Hal ini terjadi disebabkan sebagian besar responden
kurang begitu memahami kualitas sistem yang dihasilkan oleh SIMRS RSIA Grand
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Gambar 4.21 menunjukan bahwa bahwa hipotesis
tiga (H3) yaitu hubungan SQ→ US diterima, sehingga dapat diartikan bahwa SQ
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.338 yang
ini sesuai dengan penelitian terdahulu (Zai & Dewi, 2014; Istianingsih &
Wijayanto, 2008; Harianto, 2013; Tammubua et al., 2015) bahwa System Quality
(SQ) berpengaruh positif terhadap variabel User Satisfaction (US), sehingga dapat
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada tabel 4.21 menunjukan bahwa bahwa hipotesis
empat (H4) yaitu hubungan IQ→ SD diterima, sehingga dapat diartikan bahwa IQ
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.662 yang
serta perhitungan f2 sebesar 0.605 yaitu memiliki pengaruh besar. Hal ini sejalan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
lima (H5) yaitu hubungan IQ→ SU diterima, sehingga dapat diartikan bahwa IQ
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.266 yang
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
enam (H6) yaitu hubungan IQ→ US diterima, sehingga dapat diartikan bahwa IQ
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.224 yang
berarti IQ berpengaruh secara signifikan terhadap US. Hal ini sesuai dengan
penelitian ini.
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
99
tujuh (H7) yaitu hubungan SEQ→ SD diterima, sehingga dapat diartikan bahwa
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.309 yang
berarti SEQ berpengaruh secara signifikan terhadap SD. Hal ini sejalan dengan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
delapan (H8) yaitu hubungan SEQ→ SU diterima, sehingga dapat diartikan bahwa
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.425 yang
berarti SEQ berpengaruh secara signifikan terhadap SU, dengan nilai coefficient of
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
sembilan (H9) yaitu hubungan SEQ→ US diterima, sehingga dapat diartikan bahwa
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.269 yang
berarti SEQ berpengaruh secara signifikan terhadap US, dengan nilai coefficient of
100
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
sepuluh (H10) yaitu hubungan SEQ→ STR diterima, sehingga dapat diartikan
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.260 yang
berarti SEQ berpengaruh secara signifikan terhadap STR. Hal ini sesuai dengan
penelitian terdahulu ( Yusof et al., 2011), sehingga dapat disimpulkan H10 diterima
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
memiliki pengaruh terhadap SD. Hal ini tersebut ditunjukkan dengan nilai path
coefficient (β) - 0.245 yang berarti SU tidak berpengaruh secara signifikan terhadap
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis dua
101
belas (H12 ) yaitu hubungan US→ SU diterima, sehingga dapat diartikan bahwa US
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.401 yang
determination (R²) dan f2 yaitu memiliki pengaruh besar. Hal ini sesuai dengan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis tiga
belas (H13) yaitu hubungan STR→ EVR diterima, sehingga dapat diartikan bahwa
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.426 yang
berarti STR berpengaruh secara signifikan terhadap EVR. Hal ini sesuai dengan
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
empat belas (H14) yaitu hubungan SD→ NB ditolak, sehingga dapat diartikan
bahwa SD tidak memiliki pengaruh terhadap NB. Hal ini ditunjukkan dengan hasil
nilai path coefficient (β) -0.173 yang berarti SD berpengaruh secara tidak signifikan
102
kebermanfaatan sistem. Hal ini sejalan dengan pendapat Young & Jordan (2008)
bahwa sebuah sistem yang tidak sepenuhnya dimanfaatkan tidak dapat berfungsi
secara efektif dan efisien. Hal ini didukung dengan data peneliti bahwa responden
RSIA Grand Family menyatakan sekitar 30% pengembangan sistem masih belum
cukup memadai, sehingga dapat disimpulkan H14 ditolak dalam penelitian ini.
Valid Sangat setuju 3.2% (3) 5.3% (5) 4.3% (4) 4.3% (4)
Kurang setuju 31.9% (30) 29.8% (28) 27.7% (26) 28.7% (27)
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
lima belas (H15) yaitu hubungan SU→ NB diterima, sehingga dapat diartikan
Selain itu didukung juga dengan hasil nilai path coefficient (β) 0.273 yang
berarti SU berpengaruh secara signifikan terhadap NB. Hal ini sesuai dengan
kebermanfaatan dalam sistem yang ada di RSIA Grand Family, sehingga dapat
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada tabel 4.21 menunjukan bahwa bahwa hipotesis
enam belas (H16 ) yaitu hubungan US→ NB ditolak, sehingga dapat diartikan
bahwa US tidak memiliki pengaruh terhadap NB. Hal ini ditunjukkan dengan hasil
nilai path coefficient (β) -0.110 yang berarti US berpengaruh secara tidak signifikan
terhadap NB. Hal ini sejalan dengan pengamatan langsung peneliti bahwa masih
penelitian ini.
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa bahwa hipotesis
tujuh belas (H17) yaitu hubungan STR→ NB diterima, sehingga dapat diartikan
bahwa STR memiliki pengaruh positif terhadap NB. Selain itu didukung juga
dengan hasil nilai path coefficient (β) 0.495 yang berarti STR berpengaruh secara
signifikan terhadap NB, dengan nilai coefficient of determination (R²) dan f2 yaitu
penelitian ini.
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada Tabel 4.21 menunjukan bahwa hipotesis tujuh belas
(H18) yaitu hubungan EVR→ NB diterima, sehingga dapat diartikan bahwa EVR
memiliki pengaruh positif terhadap NB. Selain itu didukung juga dengan hasil nilai
path coefficient (β) 0.242 yang berarti EVR berpengaruh secara signifikan terhadap
NB. Hal ini sesuai dengan penelitian-penelitian terdahulu Krisbiantoro et al., 2015;
Erlirianto et al., 2015, sehingga dapat disimpulkan H18 diterima dalam penelitian
ini.
SEQ → SU, SEQ → US, SEQ → STR, US → SU, STR → EVR, SU → NB, STR
→ NB, dan EVR → NB. Diterimanya hipotesis ini berdasarkan kesesuaian persepsi
yaitu:
masalah pada distribusi file akibatnya file data tidak dapat terbaca dan
kosong, selain itu juga sistem yang mengalami gangguan oleh jaringan
105
dan respon sistem yang membutuhkan waktu cukup lama. Dari beberapa
sistem. Oleh karena itu, sesuai dengan hasil analisis data yang menggunakan
signifikan terhadap penggunaan sistem dan secara statistika t-test juga belum
responden dan terjadi human error. Manajemen sistem informasi yang belum
baik karena terbatasnya sumber daya manusia pada unit IT Dari beberapa
sistem. Oleh karena itu, sesuai dengan hasil analisis data yang menggunakan
rumah sakit. Oleh karena itu, sesuai dengan hasil analisis data yang
tidak signifikan terhadap manfaat sistem dan secara statistika t-test juga
pada SIMRS dan pengajuan pemindahan shift kerja yang masih manual serta
masih kurangnya manfaat sistem terhadap penggunaan SIMRS. Maka dari itu,
bahwa hipotesis ini memiliki jalur yang tidak signifikan terhadap manfaat
sistem dan secara statistika t-test juga belum memenuhi syarat nilai ketentuan.
agar menjadi lebih baik lagi, beberapa rekomendasi tersebut adalah sebagai berikut:
clustered file system yang bersifat open source yang dapat beroperasi dengan
beberapa modul server dan menangani ribuan client agar distribusi file pada
jaringan serta akses login seluruh komputer client sehingga berjalan dengan
baik.
dengan benar dan mudah), used (tersedia dan diterima). Selain itu, terdapat
human error dalam pemasukan data. Menurut Dewi (2015), mencegah human
5.1 Kesimpulan
SU5, SU6, NB6, NB7 dalam model penelitian ini karena di bawah standar
Namun, 1.06% responden menilai sistem kurang baik. Hal ini disebabkan
IQ → SU, IQ → US, SEQ →SD, SEQ → SU, SEQ → US, SEQ → STR, US
→ SU, STR → EVR, SU → NB, STR → NB, dan EVR → NB, sehingga
berikut:
108
109
adalah hal yang wajar, mengingat adanya perbedaan objek, sampel dan
Penelitian yang dilakukan saat ini masih memiliki banyak kekurangan dan
keterbatasan yaitu:
minimal menurut Hair et al. (2010) berkisar 100-200. Hal ini dapat
5.3 Saran
beberapa saran terkait untuk RSIA Grand Family serta pihak-pihak yang berniat
tertarik pada kajian sejenis) agar dapat menggunakan metode lain yaitu TAM,
yaitu HOT Fit agar lebih memperhatikan dan mengeksplorasi tata bahasa
indikator dari berbagai literatur dari para ahli untuk menghindari adanya
112
113
https://doi.org/10.3233/978-1-60750-806-9-150
Kodarisman, R., & Nugroho, E. (2013). Evaluasi Penerapan Sistem Informasi
Manajemen Kepegawaian ( SIMPEG ) di Pemerintah Kota Bogor. Jurnal
Nasional Teknik Elektro Dan Teknologi Informasi UGM, 2(2), 24–32.
Kotadjin, P., Senduk, J. J., & Marsabessy, S. (2016). Penerapan Sistem Informasi
Manajemen Perpustakaan Di Perpustakaan Daerah Kabupaten Halmahera
Utara. Acta Diurna, 5(4). Retrieved from
https://www.neliti.com/id/publications/90170/penerapan-sistem-informasi-
manajemen-perpustakaan-di-perpustakaan-daerah-kabupat
Krisbiantoro, D., Suyanto, M., & Taufiqluthfi, E. (2015). Evaluasi Keberhasilan
Implementasi Sistem Informasi dengan Pendekatan HOT FIT Model ( Studi
Kasus : Perpustakaan STMIK AMIKOM Purwokerto ). Konferensi Nasional
Sistem & Informatika 2015, 9–10.
Kusbaryanto. (2010). Peningkatan Mutu Rumah Sakit dengan Akreditasi. Mutiara
Medika, 10(1), 86–89.
Larinse, D. S. (2015). Evaluasi Sistem Informasi Manajemen Rumah Sakit
(SIMRS) Menggunakan Metode HOT-Fit Pada Pengguna Akhir SIMRS di
RSUD-Talaud, 55–61. Retrieved from
repository.uksw.edu/bitstream/123456789/11528/2/T1_682011022_Full
text.pdf
Laudon, K. C. (2012). Jane P Laudon. Management Information Systems:
Managing the Digital Firm.
Muhyarsyah. (2007). SISTEM INFORMASI MANAJEMEN, 7, 67–90.
Muntianah, S. T., Astuti, E. S., & Azizah, D. F. (2012). Pengaruh Minat Perilaku
Terhadap Actual Use Teknologi Informasi dengan Pendekatan Technology
Acceptance Model (TAM)(Studi Kasus Pada Kegiatan Belajar Mahasiswa
Fakultas Ilmu Administrasi Universitas Brawijaya Malang). PROFIT
(JURNAL ADMINISTRASI BISNIS), 6(1).
Mustafa, Z., & Wijaya, T. (2012). Panduan teknik statistik SEM & PLS dengan
SPSS Amos. Yogyakarta: Cahaya Atma Pustaka.
Nasir, M., & Syaputra, H. (2014). Faktor-Faktor Pendukung Dalam Penerapan
Sistem Paket Aplikasi Sekolah Pada Pendidikan SMA Negeri Di Palembang.
Prosiding SNaPP: Sains, Teknologi, 4(1), 475–482.
Pamugar, H., Winarno, W. W., & Najib, W. (2014). Model Evaluasi Kesuksesan
dan Penerimaan Sistem Informasi E- Learning pada Lembaga Diklat
Pemerintah, 1(1), 13–28.
Pawirosumarto, S. (2016). Pengaruh Kualitas Sistem, Kualitas Informasi, Dan
Kualitas Layanan Terhadap Kepuasan Pengguna Sistem E-Learning. MIX:
Jurnal Ilmiah Manajemen, 6(3).
Prihati, Mustafid, & Suhartono. (2011). Penerapan Model Human Computer
Interaction ( HCI ) dalam Analisis Sistem Informasi. Jurnal Sistem Informasi
Bisnis, 01, 1–8. https://doi.org/10.21456/vol1iss1pp01-08
Purwanto, E. (2014). Evaluasi Penerapan Sistem Informasi Akademik Terintegrasi
Pada STMIK Duta Bangsa Surakarta. ISSN:2086-9436, 6, 11–18.
Radityo, D., & Zulaikha. (2007). Pengujian Model DeLone and McLean Dalam
Pengembangan Sistem Informasi Manajemen ( Kajian Sebuah Kasus ).
115
http://www.id.undp.org/content/dam/indonesia/2017/doc/INS-HDR2016
indonesia summary-final.pdf
Wahab, W. (2014). Studi Tingkat Disiplin Pengendara Sepeda Motor (Studi
Kasus Jalan Gajah Mada dan Kampus ITP Padang), 19–28.
Wahyudi, R., & Astuti, E. S. (2013). Pengaruh Kualitas Sistem, Informasi Dan
Pelayanan Siakad Terhadap Kepuasan Mahasiswa. Jurnal Administrasi
Bisnis, 1(1), 28–39.
Waluyo, R., & Krisbiantoro, D. (2017). Analisis Kesuksesan Sistem Informasi
Dapodikdas Kabupaten Purbalingga Menggunakan Model Delone dan
Mclean ( Success Information System Analysis in Dapodikdas Purbalingga
Using Delone and Mclean Model ), V(November), 73–80.
Widarno, B. (2008). EFEKTIVITAS PERENCANAAN DAN
PENGEMBANGAN SISTEM INFORMASI Bambang Widarno Fakultas
Ekonomi Universitas Slamet Riyadi Surakarta. Jurnal Akuntasi Dan Sistem
Teknologi Informasi, 6(1), 1–13.
Widyaiswara, S. (2016). Masyarakat Ekonomi Asean dan perekonomian
Indonesia. Diakses Melalui Http://Www. Bppk. Kemenkeu. Go.
Id/Publikasi/Artikel/150-Artikel-Keuangan-Umum/20545-Masyarakat-
Ekonomi-Aseanmea-Dan-Perekonomian-Indonesia Diakses Pada, 14.
Wirawan, E. T., & Model, S. (2011). Aplikasi dan Profesi. Jakarta: Raja
Grapindo Persada.
Young, R., & Jordan, E. (2008). Top management support: Mantra or necessity?
International Journal of Project Management, 26(7), 713–725.
https://doi.org/10.1016/j.ijproman.2008.06.001
Yuliana, K. (2016). Model Kesuksesan Sistem Informasi Delone dan McLean
untuk Evaluasi Sistem Informasi Pos pada PT. Pos Indonesia (Persero) Divisi
Regional VI Semarang. INFOKAM, 12(2).
Yusof, M. M., Castelnovo, W., & Ferrari, E. (2011). HOT-fit Evaluation
Framework: Validation Using Case Studies and Qualitative Systematic
Review in Health Information Systems Evaluation Adoption. Proceedings of
the 5th European Conference on Information Managemet and Evaluation,
359–365.
Yusof, M. M., Kuljis, J., Papazafeiropoulou, A., & Stergioulas, L. K. (2008). An
evaluation framework for Health Information Systems: human, organization
and technology-fit factors (HOT-fit). International Journal of Medical
Informatics, 77(6), 386–398. https://doi.org/10.1016/j.ijmedinf.2007.08.011
Yusof, M. M., Paul, R. J., & Stergioulas, L. K. (2006). Towards a Framework for
Health Information Systems Evaluation. Proceedings of the 39th Annual
Hawaii International Conference on System Sciences (HICSS’06), 00(C),
95a–95a. https://doi.org/10.1109/HICSS.2006.491
Yusof, M. M., & Yusuff, A. Y. A. (2013). Evaluating E-government system
effectiveness using an integrated socio-technical and fit approach.
Information Technology Journal. https://doi.org/10.3923/itj.2013.894.906
Zai, S. N. P., & Dewi, A. F. (2014). Pengaruh Pentingnya Sistem, Kualitas
Sistem& Kualitas Informasi Terhadap Kegunaan& Kepuasan Pengguna
Dalam Pengembangan Sistem Informasi Akuntansi (Studi Kasus di RSUP
117
L1
Lampiran 1
Kuesioner
L2
No: …… (diisi oleh surveyor)
Melalui survey ini kami mohon bantuan Bapak/Ibu/Saudara/i sekalian untuk menjawab
angket ini. Dalam menjawab angket ini, perlu kami sampaikan halhal sebagai berikut:
a. Kuesioner ini akan digunakan untuk tujuan penelitian saja.
b. Kami menjamin, informasi yang Anda berikan dalam merespon angket ini akan
diperlakukan secara rahasia.
c. Silahkan menjawab semua pertanyaanpertanyaan yang ada sesuai dengan persepsi anda.
d. Jawablah pertanyaan - pertanyaan secara terbuka, akurat, dan semaksimal mungkin.
3. Divisi:
O Dokter O Perawat O Farmasi O Administrasi
O Lainnya, ………………….
4. Berapa kali anda sudah mengakses aplikasi di komputer?
O < 5 kali O 5-10 kali O 10-15 kali
O > 15 kali
5. Secara umum penilaian anda dalam keberhasilan penggunaan aplikasi di komputer?
O Kurang Baik O Cukup Baik O Baik O Sangat Baik
6. Secara umum penilaian anda terhadap peranan SIMRS pada RSIA Grand Family?
O Kurang Baik O Cukup Baik O Baik O Sangat Baik
L3
No Keterangan Skor
1. Sangat Tidak Setuju (STS) 1
2. Tidak Setuju (TS) 2
3. Kurang Setuju (KS) 3
4. Setuju (S) 4
5. Sangat Setuju (SS) 5
Teknologi
Kualitas Sistem (SQ)
Bagaimana faktor Kualitas Sistem pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS TS KS S SS
1 2 3 4 5
1 Sistem telah memiliki keakuratan data dan sesuai dengan
kebutuhan saya
2 Sistem memiliki tampilan yang sederhana dan ringan
3 Sistem dapat dipelajari dengah mudah oleh saya
4 Sistem dapat dengan mudah diakses oleh saya
5 Sistem telah menghubungkan sub bagian satu dengan bagian
lainnya
6 Sistem tidak memerlukan waktu yang lama dalam mengakses
informasi yang diinput
L4
Manusia
Pengembangan Sistem (SD)
Bagaimana faktor Pengembangan Sistem pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS TS KS S SS
1 2 3 4 5
15 Melakukan perencanaan terhadap pengembangan sistem
16 Proyek manajemen sangat mendukung pengembangan sistem
17 Menentukan waktu dalam proyek pengembangan sistem
18 Menerapkan strategi Teknologi Informasi dalam
pengembangan sistem
Organisasi
Struktur Organisasi (STR)
Bagaimana faktor Struktur Organisasi pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS TS KS S SS
1 2 3 4 5
28 Sistem memiliki dukungan dari top manajemen dalam
penerapan sistem
29 Sistem didukung dengan kepemimpinan organisasi secara
maksimal
30 Sistem didukung oleh sumber daya manusia yang saling
berkerja sama dalam penerapannya
31 Penggunaan SIMRS menjadikan strategi organisasi di RSIA
Grand Family menjadi lebih baik
32 Susunan kepegawaian sudah baik dalam pengelolaan sistem
L5
33 Sistem dapat menyimpan dan mengelola pengetahuan
karyawan sehingga perusahaan tetap berjalan dengan baik
dalam situasi apapun
Manfaat (NB)
Bagaimana faktor Kebermanfaatan pada aplikasi SIMRS mempengaruhi keberhasilannya?
No INDIKATOR STS TS KS S SS
1 2 3 4 5
Penerapan SIMRS dapat menbantu melakukan pekerjaan saya
37 sehari – hari.
38 Sistem dapat meningkatkan produktivitas pekerjaan saya
39 Sistem dapat mengurangi beban kerja saya
40 Sistem dapat membantu pencapaian tujuan dengan efektif
41 Sistem membantu membuat keputusan dalam tiap kondisi
42 Sistem membantu saya menurunkan tingkat kesalahan saya
dalam melakukan pekerjaan saya.
43 Sistem dapat mengurangi biaya pengeluaran menjadi lebih
efisien.
L6
Lampiran 2
Hasil Data Pre-Test
L7
Hasil Analisis Model Pengukuran (Outer Model) pra test 30 responden
L8
Dengan Melihat nilai outer loading pada tabel dibawah ini, semua indikator
EVR1 0.817
EVR2 0.959
EVR3 0.949
IQ1 0.722
IQ2 0.826
IQ3 0.892
IQ4 0.751
IQ5 0.533
NB1 0.733
NB2 0.749
NB3 0.905
NB4 0.905
NB5 0.882
NB6 0.809
NB7 0.793
SD1 0.876
SD2 0.712
SD3 0.866
SD4 0.796
SEQ1 0.798
SEQ2 0.860
SEQ3 0.873
SQ1 0.876
SQ2 0.770
SQ3 0.877
SQ4 0.911
SQ5 0.843
SQ6 0.845
STR1 0.842
STR2 0.833
STR3 0.812
STR4 0.799
L9
STR5 0.804
STR6 0.914
SU1 0.761
SU2 0.861
SU3 0.941
SU4 0.888
SU5 0.566
SU6 0.693
US1 0.931
US2 0.904
US3 0.929
Selain itu dapat dilihat melalui nilai CR semuanya berada diatas 0,7 dan
nilai AVE semuanya berada diatas 0,5, sebagaimana dapat dilihat pada Tabel
berikut:
L10
System Quality 0.713
Structure Organization 0.730
System Use 0.632
User Satisfaction 0.849
loading diatas 0,5, dengan 3 indikator nilai berada diantara 0,5 - 0,7 yaitu IQ5,
SU5 dan SU6. Namun indikator tersebut tetap dipertahankan karena loading factor
> 0,5 telah dianggap signifikan secara praktikal (Adipraja et al., 2015; Ghozali,
2014)). Selain itu berdasarkan nilai, CR, AVE dan cross loading juga telah
L11
Lampiran 3
Hasil Wawancara
L12
LAMPIRAN WAWANCARA
Wawancara 1
Hasil Wawancara
dr. Robi : Mulai dari awal berdirinya RSIA Grand Family yaitu
tahun 2014
L13
Dr. Robi : Semua layanan mulai dari pendaftaran sampai
dengan pembayaran menggunakan SIMRS dan
aktivitas RSIA Grand Family.
L14
LAMPIRAN WAWANCARA
Wawancara 2
Narasumber : Mr.X
Jabatan : Ka Unit IT
Hasil Wawancara
L15
Mr. X : Kondisi lingkungan khususnya di bidang IT perlu
adanya penambahan support IT dan perlu adanya
pelatihan internal secara komprehensif di rumah
sakit tersebut.
L16
LAMPIRAN WAWANCARA
Wawancara 3
Narasumber : Mrs. Y
Jabatan : Perawat
Hasil Wawancara
L17
Mrs. Y : sementara saya menggunakan akun teman saya
untuk mengakses SIMRS untuk menginput
data atau melihat status pasien
L18
Lampiran 4
Surat-Surat Pendukung
L19