TUGAS

METEDOLOGI PENELITIAN POSITIVIS

Analisis data dan kinerja perusahaan: Sebuah studi empiris dalam platform B2C
online
Peijian Song, Chengde Zheng, Cheng Zhang, Xiaofeng Yu,
Sekolah Bisnis, Universitas Nanjing, 22, Hankou Road, Nanjing, 210093,
China Sekolah Manajemen, Universitas Fudan, 670, Jalan Guoshun, Shanghai, 200433,
Cina

OLEH :

Fia Fauzia Burhanuddin

A062181029

PASCA SARJANA
PROGRAM STUDI AKUNTANS
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS HASANUDDIN
MAKASSAR
2018
PENGANTAR
Dengan kemajuan yang dramatis dalam pengumpulan data, penyimpanan, dan teknologi
proses dalam beberapa dekade terakhir, organisasi di seluruh dunia sedang menjajaki cara-
cara baru data-diaktifkan untuk bersaing dan menang mentransformasikan diri untuk
mengambil keuntungan dari berbagai macam data yang tersedia untuk meningkatkan
pengambilan keputusan dan kinerja. Kesempatan baru ini telah menyebabkan banyak
manajer kurang bergantung pada proses pengambilan keputusan bisnis dan lebih banyak
pada data itu sendiri dalam pengambilan keputusan. Analisis data, oleh karena itu, telah
menjadi praktik yang semakin menarik perhatian baik dalam komunitas akademis dan bisnis,
dan studi industri telah menyoroti perkembangan yang signifikan ini. ].Pentingnya analitik
data juga mendorong literatur yang berkembang untuk fokus pada desain analitik data untuk
menghasilkan pengetahuan dan kecerdasan untuk mendukung pengambilan keputusan dan
sasaran strategis. Suatu perusahaan, sehingga menyebabkan variasi dalam kinerja
perusahaan. Selain itu, kondisi batas untuk analitik data dalam menciptakan nilai sebagian
besar telah diabaikan dalam literatur. Perubahan dalam beberapa kondisi pasar dapat
mengaktifkan atau menghambat keunggulan kinerja yang terkait dengan penggunaan
terhadap analitik data. Oleh karena itu, tujuan dari artikel ini adalah untuk menguji nilai bisnis
dari penggunaan analitik data dalam konteks platform B2C online dan telusuri bagaimana
nilai tersebut berbeda dalam kondisi pasar yang berbeda. Platform B2C online (misalnya,
eBay atau eHarmony) mengacu pada perantara yang memfasilitasi transaksi ekonomi
antara pembeli (yaitu, sisi permintaan) dan pedagang (yaitu, sisi penawaran) dengan
memungkinkan mereka untuk mencari kontrak yang layak. Peneliti fokus pada dua aspek
penting dari penggunaan data analytics: data sisi permintaan dan data sisi penawaran.
Penggunaan analitik data sisi permintaan mengacu pada penggunaan analitik data untuk
melihat pembelian dan interaksi pembeli dan mendengarkan keinginan dan kebutuhan unik
pembeli. Penggunaan analitik data sisi suplai berhubungan dengan penggunaan analitik
data oleh pedagang untuk melihat aktivitas operasional internal mereka dan meningkatkan
efisiensi operasional mereka. Untuk kondisi pasar, kami fokus pada dua atribut: variasi
produk dan intensitas kompetitif. Ragam produk mengacu pada jumlah produk yang berbeda
untuk setiap pedagang, sedangkan intensitas bersaing berkaitan dengan tingkat persaingan
di antara pedagang di platform. Kami mengandalkan salah satu platform B2C online
terbesar di dunia (yaitu, Tmall) sebagai pengaturan empiris kami.
Secara khusus, survei dilakukan di antara pedagang di platform Tmall untuk menguji
hipotesis. Melalui analisis regresi, peneliti memperoleh beberapa wawasan penting.
Pertama, penggunaan terhadap analitik data sisi permintaan dan sisi penawaran memiliki
efek positif pada kinerja pedagang. Kedua, efek penggunaan terhadap analitik data pada
kinerja bergantung pada variasi produk pedagang. Dibandingkan dengan variasi produk
yang rendah, pengaruh penggunaan terhadap analitik data sisi permintaan pada kinerja
lebih kuat untuk variasi produk yang tinggi. Sebaliknya, dampak penggunaan terhadap
analitik data sisi penawaran pada kinerja lebih lemah untuk variasi produk yang tinggi.
Ketiga, peneliti menemukan bahwa besarnya implikasi kinerja dari analitik data bergantung
pada intensitas persaingan. Ketika intensitas persaingan tinggi, nilai penggunaan analitik
data sisi permintaan diperkuat, sedangkan implikasi kinerja dari penggunaan analitis data
sisi penawaran tidak melemah dan tetap konstan. Temuan-temuan ini sesuai dengan
literatur yang ada. Pertama, penelitian ini berkontribusi dengan mengatasi nilai bisnis
penggunaan sistem dalam konteks analisis data, yang belum dieksplorasi dalam literatur
sistem informasi (IS) (misalnya, [19-21]). Kedua, kami berteori tentang dan menguji nilai
analitik data dalam kondisi pasar yang berbeda. Kerangka teoritis dan hasil empiris kami
menunjukkan bahwa pandangan “yang lebih baik lebih baik” tidak akurat, tetapi menilai nilai
bisnis dari penggunaan analisis data membutuhkan karakteristik unik mereka dan sesuai
dengan kondisi pasar. Akhirnya, penelitian ini berkontribusi pada riset tata kelola platform
dan menghasilkan implikasi penting mengenai bagaimana platform dapat meningkatkan
manajemennya.

SAMPEL PENELITIAN
Sampel penelitian terdiri dari 332 pedagang di platform Tmall. Kuesioner diberikan kepada
petugas di platform Tmall melalui alat komunikasi mirip Skype. Tmall menciptakan layanan
komunikasi mirip Skype yang memungkinkan pembeli dan pedagang untuk sepenuhnya
berkomunikasi dan bertukar informasi untuk memfasilitasi transaksi. Responden secara
sukarela berpartisipasi tanpa kompensasi apa pun. Untuk menguji non-respon bias,
prosedur yang direkomendasikan oleh Armstrong dan Overton [65] diadopsi. Prosedur ini
mengasumsikan bahwa responden terlambat dalam sampel mirip dengan non-responden
teoritis. Menggunakan t-tes untuk membandingkan responden awal dan akhir sesuai dengan
karakteristik demografi mereka, kami tidak menemukan perbedaan yang signifikan antara
kedua kelompok. Tes Mann-Whitney juga mengungkapkan tidak ada perbedaan yang
signifikan dalam karakteristik demografi mereka.

DESAIN PENELITIAN DAN HASIL

Konteks penelitian ini adalah Tmall (https://www.tmall.com/), platform B2C yang
dioperasikan oleh Alibaba Group di China. Diluncurkan pada tahun 2012, Tmall telah
menjadi platform B2C terbesar di China, yang menampung lebih dari 100.000 merek
termasuk Apple, Zara, Bose, Estee Lauder, P & G, dan Unilever dan lebih dari 200 juta
konsumen. Volume barang dagangan kotor yang ditransaksikan di Tmall meningkat dari
RMB847 miliar pada tahun fiskal 2015 menjadi RMB1215 miliar (US $ 190 miliar) pada
tahun fiskal 2016 [64]. Pedagang di Tmall membayar komisi berdasarkan persentase nilai
transaksi yang ditentukan sebelumnya yang bervariasi berdasarkan kategori produk dan
biasanya berkisar antara 0,4% hingga 5,0%. Tmall menyediakan layanan bernilai tambah
dan alat manajemen untuk pedagang. Layanan analitik data adalah salah satu alat
manajemen paling penting yang disediakan oleh platform Tmall. Sejak awal platform, Tmall
telah menyediakan layanan analitik data yang disebut data kubus. Konstruksi teoritis
dioperasionalkan menggunakan item yang divalidasi dari penelitian sebelumnya. Ukuran
yang diadaptasi dari Devaraj dan Kohli dan Kim dan Malhotra digunakan untuk mengukur
penggunaan terhadap analitik data sisi permintaan. Skala Likert tiga-item, tujuh poin
dikembangkan untuk menentukan evaluasi responden terhadap tingkat penggunaan analisis
data pedagang untuk melihat pembelian, pembayaran, dan interaksi konsumen mereka dan
mendengarkan keinginan dan kebutuhan unik konsumen tentang preferensi produk. Variabel
dependen, kinerja adalah kinerja masing-masing pedagang. Variabel kontrol adalah usia
pedagang, ukuran pedagang, tingkat diferensiasi dengan pedagang lainnya, dan kategori
produk. Karena data variabel dependen dan independen dikumpulkan dari satu informan
pada waktu yang sama, varians metode umum menjadi perhatian. Kami melakukan
beberapa analisis statistik untuk menilai tingkat keparahan masalah potensial ini.
H1 memprediksi bahwa penggunaan terhadap analitik data sisi permintaan memiliki efek
positif pada kinerja pedagang. Koefisien untuk penggunaan terhadap analitik data sisi
permintaan dalam model 1 adalah positif dan signifikan (β = 0,112, p <0,01). Oleh karena
itu, H1 didukung. H2 memprediksi bahwa penggunaan terhadap analitik data sisi penawaran
memiliki efek positif pada kinerja pedagang. H2 juga didukung, karena koefisien untuk
penggunaan terhadap analitik data sisi penawaran adalah positif dan signifikan (β = 0,072, p
<0,05). H3 memprediksi bahwa pengaruh penggunaan terhadap analitik data sisi
permintaan pada kinerja pedagang lebih kuat untuk berbagai produk yang tinggi, dan oleh
karena itu, H3 didukung. Koefisien untuk istilah interaksi antara penggunaan terhadap
analitik data sisi permintaan dan intensitas kompetitif dalam model 2 adalah signifikan (β =
0,114, p <0,05). Hasil analisis kemiringan sederhana memberikan lebih banyak wawasan
tentang efek moderasi ini (lihat Gambar 2, Panel A). Ketika variasi produk rendah (satu
standar deviasi di bawah rata-rata), penggunaan terhadap analitik data sisi permintaan
memiliki pengaruh yang tidak signifikan terhadap kinerja (β = 0,042, n.s); ketika variasi
produk tinggi (satu standar deviasi di atas rata-rata), efek ini menjadi positif dan signifikan (β
= 0,280, p <0,01).
H4 memprediksi bahwa pengaruh penggunaan terhadap analitik data sisi penawaran pada
kinerja pedagang lebih lemah untuk variasi produk yang tinggi. H4b didukung, sebagai
koefisien untuk istilah interaksi antara penggunaan terhadap analitik data sisi penawaran
dan variasi produk negatif dan signifikan (β = −0.120, p <0,01). Analisis kemiringan
sederhana menyiratkan bahwa ketika variasi produk rendah (satu standar deviasi di bawah
rata-rata), koefisien untuk efek utama penggunaan terhadap analitik data sisi penawaran
adalah positif dan signifikan (β = 0,199, p <0,01); ketika variasi produk tinggi (satu standar
deviasi di atas rata-rata), efek positif ini berubah menjadi tidak signifikan (β = −0.051, n.s.)
(lihat Gambar 2, Panel B).
H5 memprediksi bahwa pengaruh penggunaan terhadap analitik data sisi permintaan pada
kinerja pedagang lebih kuat untuk intensitas persaingan yang tinggi, dan oleh karena itu, H5
juga didukung. Koefisien untuk istilah interaksi antara penggunaan terhadap analisis data
sisi permintaan dan intensitas persaingan dalam model 2 adalah signifikan (β = 0,049, p
<0,05). Analisis kemiringan sederhana menunjukkan bahwa ketika intensitas persaingan
rendah (satu standar deviasi di bawah rata-rata), koefisien untuk penggunaan terhadap
analitik data sisi permintaan adalah positif dan signifikan (β = 0,103, p <0,05). Koefisien
tersebut menjadi lebih tinggi (β = 0,219, p <0,01) ketika intensitas persaingan tinggi (satu
standar deviasi di atas rata-rata) (lihat Gambar 3, Panel A).
H6 memprediksi bahwa pengaruh penggunaan terhadap analitik data sisi penawaran pada
kinerja pedagang lebih kuat untuk intensitas persaingan yang tinggi. H6 tidak didukung,
karena koefisien untuk jangka interaksi antara penggunaan terhadap analitik data sisi
penawaran dan intensitas persaingan tidak signifikan (β = 0,001, n.s.).
KERANGKA

DISKUSI
Dengan artikel ini, peneliti telah berusaha untuk memeriksa efek penggunaan data analitik
pada kinerja dan mengeksplorasi bagaimana efek ini berbeda dalam kondisi pasar yang
berbeda. Meskipun penggunaan analitik data sisi permintaan dan sisi penawaran memiliki
efek positif pada kinerja, efek tersebut bergantung pada variasi produk dan intensitas
kompetitif pedagang. Bertentangan dengan harapan kami, pengaruh penggunaan terhadap
analitik data sisi penawaran terhadap kinerja tidak diperkuat oleh intensitas persaingan. Ini
mungkin karena fakta bahwa jumlah pedagang yang bersaing mengurangi implikasi kinerja
dari peningkatan operasi sisi penawaran [56]. Karena struktur pasar menjadi lebih kompetitif,
peningkatan kinerja karena peningkatan efisiensi operasional akan dinetralkan oleh semakin
banyaknya pedagang yang bersaing. Untuk mengatasi implikasi kinerja negatif dari
peningkatan persaingan, pedagang harus menggunakan analitik data sisi penawaran untuk
meningkatkan efisiensi operasional mereka ke tingkat yang lebih besar. Oleh karena itu,
peran moderasi intensitas persaingan dalam meningkatkan efek penggunaan terhadap
analitik data sisi penawaran tidak signifikan.