SKRIPSI

PENERAPAN METODE WEBQUAL 4.0 PADA PENGUKURAN

KUALITAS WEBSITE PENCARIAN KERJA

(STUDI KASUS: JOBSTREET)

Sebagai Salah Satu Syarat Memperoleh Gelar Sarjana Sistem Informasi

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:

HAFIZ ALIFIARGA

1112093000040

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2019 M / 1440 H
 SKRIPSI

PENERAPAN METODE WEBQUAL 4.0 PADA PENGUKURAN

KUALITAS WEBSITE PENCARIAN KERJA

(STUDI KASUS: JOBSTREET)

Sebagai Salah Satu Syarat Memperoleh Gelar Sarjana Sistem Informasi

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:

HAFIZ ALIFIARGA

1112093000040

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2019 M / 1440 H
 LEMBAR PENGESAHAN SKRIPSI

PENERAPAN METODE WEBQUAL 4.0 PADA PENGUKURAN

KUALITAS WEBSITE PENCARIAN KERJA

(STUDI KASUS: JOBSTREET)

Disusun Oleh:

HAFIZ ALIFIARGA

1112093000040

Menyetujui,

Dosen Pembimbing I Dosen Pembimbing II

Aries Susanto HT, Ph.D Dr. Qurrotul Aini, M.T.

NIP 19740322 200710 1 002 NIP 19730325 200901 2 001

Mengetahui,

Ketua Program Studi Sistem Informasi

FST UIN Syarif Hidayatullah Jakarta

A’ang Subiyakto, M.Kom, Ph.D

NIP 19760219 200701 1 002

iii
 PENGESAHAN UJIAN

Skripsi berjudul PENERAPAN METODE WEBQUAL 4.0 PADA

PENGUKURAN KUALITAS WEBSITE PENCARIAN KERJA (STUDI

KASUS: JOBSTREET) yang ditulis oleh Hafiz Alifiarga, NIM 1112093000040

telah diuji dan dinyatakan lulus dalam sidang Munaqosah Fakultas Sains dan

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada Selasa, 25

Juni 2019. Skripsi ini telah diterima sebagai salah satu syarat memperoleh gelar

Strata Satu (S1) Program Studi Sistem Informasi.

Menyetujui,

Dosen Penguji I Dosen Penguji II

Eva Khudzaeva, M.Si Evy Nurmiati, MMSI

NIDN 0306108301 NIP 19780215 201411 2 003

Dosen Pembimbing I Dosen Pembimbing II

Aries Susanto HT, Ph.D Dr. Qurrotul Aini, M.T.

NIP 19740322 200710 1 002 NIP 19730325 200901 2 001

Mengetahui,
Dekan Ketua
Fakultas Sains dan Teknologi Prodi Sistem Informasi

Prof. Dr. Lily Surayya Eka Putri, M. Env. Stud A’ang Subiyakto, M.Kom, Ph.D
NIP 19690404 200501 2 005 NIP 19760219 200710 1 002

iv
 PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR

HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI

SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU

LEMBAGA MANAPUN.

Ciputat, 25 Juni 2019

Hafiz Alifiarga
NIM 1112093000040

v
 ABSTRAK

Hafiz Alifiarga – 1112093000040. Penerapan Metode WebQual 4.0 pada

Pengukuran Kualitas Website Pencarian Kerja (Studi Kasus: Jobstreet) di bawah
bimbingan Aries Susanto, HT. dan Qurrotul Aini.

Penelitian ini bertujuan untuk mendapatkan nilai kepuasan pengguna dan

mendapatkan faktor-faktor yang mempengaruhi kualitas website pencarian kerja.
Untuk menunjang penelitian, peneliti melakukan observasi, wawancara, studi
literatur sejenis, dan kuesioner sebagai metode pengumpulan data. Populasi pada
penelitian ini adalah masyarakat umum yang telah menggunakan website pencarian
kerja, khususnya Jobstreet. Pengambilan sampel dilakukan dengan teknik
purposive sampling dan accidental sampling. Terkumpul 100 responden yang
menjadi sampel pada penelitian ini setelah 2 (dua) minggu masa pengumpulan data.
Website yang dimaksud pada penelitian ini adalah JobStreet. Hasilnya, seluruh
variabel pada model yang diajukan terbukti berpengaruh pada pembentukan
kepuasan pengguna. Variabel dengan nilai tertinggi dalam pembentukan kepuasan
pengguna website pencarian kerja adalah Service Interaction Quality. Information
dan Usability Quality menjadi variabel yang perlu ditingkatkan sehingga kepuasan
pengguna dapat terbentuk lebih baik.

Kata kunci : Kualitas Website, WebQual 4.0, Content, PLS-SEM.

Bab 1-5 + xv Halaman + 82 Halaman + 18 Gambar + 17 Tabel + Daftar Pustaka

(104, 1983 s.d. 2018) + Lampiran

vi
 KATA PENGANTAR

Bismillaahirrahmaanirrahiim

Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan

karunia-Nya sehingga Penulis dapat menyelesaikan skripsi ini. Shalawat serta

salam tak lupa dicurahkan kepada junjungan kita nabi besar Muhammad SAW yang

telah memberikan petunjuk kepada manusia hingga akhir zaman, serta keluarga dan

sahabat Nabi yang dicintainya.

Penulis sangat menyadari bahwa skripsi ini masih jauh dari kata “sempurna”

dan masih banyak kekurangan di dalamnya. Namun demikian Penulis berharap

skripsi ini dapat memenuhi syarat dalam memperoleh gelar sarjana (S1) dalam

bidang Sistem Informasi Fakultas Sains dan Teknologi UIN Syarif Hidayatullah

Jakarta. Skripsi yang berjudul “Penerapan Metode WebQual 4.0 pada

Pengukuran Kualitas Website Pencarian Kerja (Studi Kasus: Jobstreet)”,

akhirnya dapat diselesaikan sesuai yang diharapkan penulis.

Selama penyusunan skripsi ini tentu banyak kesulitan dan hambatan yang

penulis hadapi, baik dalam pengumpulan data dan lain sebagainya. Namun berkat

kesungguhan hati dan bantuan dari berbagai pihak, sehingga segala kesulitan

tersebut dapat diatasi. Kebahagiaan yang tak ternilai bagi penulis secara pribadi

adalah dapat mempersembahkan yang terbaik untuk orangtua dan keluarga serta

pihak-pihak yang turut membantu dan mendoakan penulis.

vii
 Sebagai bentuk penghargaan yang tak terlukiskan, izinkanlah penulis

menuangkan dalam bentuk ucapan terima kasih yang sebesar-besarnya kepada:

1. Prof. Dr. Lily Surayya Eka Putri, M. Env. Stud selaku Dekan Fakultas

Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah

Jakarta.

2. Bapak A’ang Subiyakto, M.Kom, Ph.D. selaku Ketua dan Ibu Nidaul

Hasanati, MMSI selaku Sekretaris Program Studi Sistem Informasi

Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif

Hidayatullah Jakarta.

3. Bapak Aries Susanto HT, MMSI., Ph. D. sebagai Dosen Pembimbing 1

dan Ibu Dr. Qurrotul Aini, MT. sebagai Dosen Pembimbing 2 yang

selalu memberikan arahan, dukungan serta bimbingan yang sangat

memotivasi penulis untuk menyelesaikan skripsi ini.

4. Ibu Eva Khudzaeva, M.Si sebagai Dosen Penguji 1 dan Ibu Evy

Nurmiati, MMSI sebagai Dosen Penguji 2 yang telah memberikan

motivasi serta masukan untuk perbaikan skripsi ini.

5. Dosen-dosen Program Studi Sistem Informasi yang telah membagikan

ilmunya selama Penulis duduk di bangku perkuliahan.

6. Gatot Soedarto, Arieanty Endang Yuliastuti, dan Priska Fatma Anggita

selaku Ayah, Ibu, dan Adik yang selalu menyayangi, memberikan

dukungan, semangat, dan do’a sehingga penulis ingin selalu

memberikan yang terbaik untuk mereka.

viii
 7. Teman-teman Sistem Informasi Angkatan 2012, khususnya Imam Ali

Khumaidi, M. Rasyid Juliansyah, Rosalina, Abdul Mughni, Resti

Pratama, dan Galang Alfianto. Terima kasih untuk kebersamaan dan

kerjasama selama ini.

8. Dyah Putri Pertiwi dan keluarga yang selalu sabar dan terus-menerus

mendorong Penulis untuk menyelesaikan skripsi ini, terimakasih atas

segala perhatian dan bantuan yang diberikan.

9. Naomi Canpbel, Nike Prasasti, Ai Fiyani, Okta Irawati, Doni Mustofa,

Nurul Sholihah, Harpiyan, Sri Rahayu Sakinah, dan seluruh Keluarga

Besar SMK Informatika Ciputat yang selalu memberikan dukungan

baik moril maupun materil. Semoga ilmu yang Penulis dapatkan dapat

bermanfaat.

10. Jamilah, Isni Putri, Asyifa Nursani, Harnizar, Raka Eka Pramudito,

Falin Nur Alisa, dan teman-teman komunitas lain yang selalu

mendorong Penulis untuk segera menyelesaikan skripsi ini.

11. Seluruh responden penelitian yang telah banyak membantu

menyebarluaskan kuesioner online yang disiapkan serta memberikan

masukan terhadap Penulis.

12. Seluruh pihak yang telah banyak berjasa terhadap proses penyelesaian

skripsi ini yang tidak dapat disebutkan satu per satu namun tidak

mengurangi sedikitpun rasa terima kasih terhadap penulis.

Akhirnya atas segala bantuan dari semua pihak, Penulis berterima kasih dan

berdoa kepada Allah SWT semoga apa yang telah diberikan dijadikan amal

ix
kebaikan, mendapatkan balasan yang setimpal di akhirat kelak, semoga penelitian

ini bermanfaat bagi kita semua. Aamiin.

Ciputat, 25 Juni 2019

Hafiz Alifiarga
NIM 1112093000040

x
 DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ................................................................... iii

PENGESAHAN UJIAN ........................................................................................ iv

PERNYATAAN...................................................................................................... v

ABSTRAK ............................................................................................................. vi

KATA PENGANTAR .......................................................................................... vii

DAFTAR ISI .......................................................................................................... xi

DAFTAR GAMBAR ............................................................................................ xv

DAFTAR TABEL ................................................................................................ xvi

BAB 1 PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ............................................................................................ 1

1.2 Identifikasi Masalah .................................................................................... 4

1.3 Perumusan Masalah ..................................................................................... 5

1.4 Tujuan dan Sasaran Penelitian .................................................................... 6

1.4.1 Tujuan Penelitian .............................................................................. 6

1.4.2 Sasaran Penelitian ............................................................................. 6

1.5 Ruang Lingkup dan Batasan Masalah ......................................................... 6

1.6 Model Penelitian ......................................................................................... 7

1.7 Pertanyaan Penelitian .................................................................................. 9

1.8 Manfaat Penelitian..................................................................................... 10

1.9 Sistematika Penulisan ................................................................................ 11

BAB 2 LANDASAN TEORI .............................................................................. 13

xi
 2.1 Konsep Sistem Informasi .......................................................................... 13

2.2 Definisi Pengukuran .................................................................................. 18

2.3 Definisi Kualitas ........................................................................................ 18

2.4 Konsep Website Pencarian Kerja .............................................................. 19

2.4.1 Definisi Website .............................................................................. 19

2.4.2 Website Pencarian Kerja di Indonesia ............................................. 20

2.4.3 Gambaran Umum Website Pencarian Kerja Jobstreet .................... 23

2.5 WebQual 4.0.............................................................................................. 24

2.6 End-User Computing Satisfaction (EUCS) ............................................... 30

2.7 Metode Kuantitatif dalam Penelitian Sistem Informasi ............................ 35

2.7.1 Jenis Data ........................................................................................ 35

2.7.2 Skala Likert ..................................................................................... 36

2.8 Metode Pengumpulan Data ....................................................................... 37

2.8.1 Observasi ......................................................................................... 37

2.8.2 Studi Literatur atau Kepustakaan .................................................... 38

2.8.3 Kuesioner ........................................................................................ 38

2.8.4 Populasi dan Teknik Sampling ........................................................ 39

2.9 Partial Least Square Structural Equation Model (PLS-SEM) ................. 40

2.10 Penelitian Sejenis ...................................................................................... 45

BAB 3 METODOLOGI PENELITIAN.............................................................. 53

3.1 Pendekatan ................................................................................................ 53

3.2 Prosedur ..................................................................................................... 54

xii
 3.3 Populasi dan Sampel ................................................................................. 54

3.4 Instrumen ................................................................................................... 55

3.5 Pengumpulan dan Pemrosesan Data.......................................................... 57

3.6 Analisis Data dan Interpretasi Hasil .......................................................... 58

BAB 4 HASIL ANALISIS DAN INTERPRETASI ........................................... 59

4.1 Pengumpulan Data .................................................................................... 59

4.2 Hasil Analisis Demografis ........................................................................ 60

4.2.1 Jenis Kelamin .................................................................................. 60

4.2.2 Pendidikan Terakhir ........................................................................ 60

4.2.3 Usia ................................................................................................. 61

4.2.4 Jumlah Penghasilan Per Bulan ........................................................ 62

4.2.5 Lama Penggunaan Internet .............................................................. 62

4.2.6 Waktu yang Dihabiskan untuk Mengakses Jobstreet ...................... 63

4.3 Hasil Analisis Pengukuran Model (Outer Model)..................................... 64

4.3.1 Individual Item Reliability............................................................... 64

4.3.2 Internal Consistency Reliability ...................................................... 65

4.3.3 Average Variance Extracted (AVE) ............................................... 65

4.3.4 Discriminant Validity ...................................................................... 66

4.4 Hasil Analisis Struktur Model (Inner Model) ........................................... 68

4.4.1 Path Coefficient............................................................................... 68

4.4.2 Coefficient of Determination ........................................................... 69

4.4.3 T-test................................................................................................ 69

xiii
 4.4.4 Effect Size ........................................................................................ 70

4.4.5 Predictive Relevance ....................................................................... 71

4.4.6 Uji Relative Impact ......................................................................... 71

4.5 Interpretasi dan Pembahasan Hasil Analisis ............................................. 73

4.5.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis............... 73

4.5.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran ........... 75

4.5.3 Interpretasi dan Diskusi Hasil Analisis Struktural Model............... 76

BAB 5 KESIMPULAN DAN SARAN............................................................... 80

5.1 Kesimpulan................................................................................................ 80

5.2 Saran .......................................................................................................... 81

DAFTAR PUSTAKA ........................................................................................... 83

xiv
 DAFTAR GAMBAR

Gambar 2.1 Jenis Sistem Informasi ...................................................................... 17

Gambar 2.2 Contoh website statis ........................................................................ 20

Gambar 2.3 Contoh website dinamis ................................................................... 20

Gambar 2.4 Website penyedia informasi lowongan pekerjaan ............................. 22

Gambar 2.5 Halaman Muka Website jobstreet.co.id ............................................. 24

Gambar 2.6 Model WebQual 4.0 .......................................................................... 28

Gambar 2.7 Model EUCS .................................................................................... 34

Gambar 3.1 Model Penelitian ............................................................................... 53

Gambar 3.2 Prosedur Penelitian............................................................................ 54

Gambar 4.1 Diagram Jenis Kelamin ..................................................................... 60

Gambar 4.2 Diagram Pendidikan Terakhir ........................................................... 61

Gambar 4.3 Diagram Usia..................................................................................... 61

Gambar 4.4 Diagram Jumlah Penghasilan Per Bulan ........................................... 62

Gambar 4.5 Diagram Lama Penggunaan Internet ................................................. 63

Gambar 4.6 Diagram Waktu yang Dihabiskan untuk Mengakses Jobstreet ......... 63

Gambar 4.7 Hasil Analisis Outer Model dengan SmartPLS 3.0 ........................... 68

Gambar 4.8 Hasil Analisis Path Coefficient (β) ................................................... 69

Gambar 4.9 Hasil Analisis T-Test ......................................................................... 70

xv
 DAFTAR TABEL

Tabel 2.1 Variabel Kualitas pada WebQual 3.0 .................................................... 26

Tabel 2.2 Variabel dan Indikator WebQual 4.0 .................................................... 29

Tabel 2.3 Model Pengukuran End-User Computing Satisfaction ......................... 35

Tabel 2.4 Contoh Skala Likert .............................................................................. 36

Tabel 2.5 Penelitian Sejenis .................................................................................. 46

Tabel 3.1 Instrumen Pertanyaan Penelitian ........................................................... 56

Tabel 4.1 Jumlah Data Kuesioner ......................................................................... 59

Tabel 4.2 Nilai Outer Loadings ............................................................................ 64

Tabel 4.3 Nilai Composite Reliability ................................................................... 65

Tabel 4.4 Nilai Average Variance Extracted (AVE) ............................................ 65

Tabel 4.5 Nilai Cross Loading .............................................................................. 66

Tabel 4.6 Nilai Fornell-Larcker Criterion ............................................................ 67

Tabel 4.7 Nilai Path Coefficient ........................................................................... 68

Tabel 4.8 Nilai Coefficient of Determination........................................................ 69

Tabel 4.9 Nilai T-test............................................................................................. 69

Tabel 4.10 Nilai Effect Size ................................................................................... 70

Tabel 4.11 Hasil Analisis ...................................................................................... 72

xvi
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Website menjadi sebuah bagian yang penting dan tak terpisahkan dari

pertumbuhan TI. Peranan sebuah website menjadi begitu penting di segala bidang,

baik untuk lembaga atau instansi pemerintah maupun swasta (Al Baiti, Suprapto, &

Rachmadi, 2017). Hal ini dipicu karena kebutuhan akan data dan informasi dituntut

untuk lebih cepat didapatkan oleh individu, kelompok, maupun organisasi. Saat ini

aplikasi website sudah banyak digunakan oleh organisasi-organisasi sebagai media

dalam melakukan berbagai aktivitas pengolahan data untuk menghasilkan

informasi yang tujuannya untuk dilihat dan digunakan oleh semua pihak yang

membutuhkan (Rezkiani, Suprapto, & Rachmadi, 2018).

Perekrutan pegawai merupakan usaha dari setiap lembaga atau instansi untuk

mendapatkan calon-calon pekerja yang berkualifikasi dan sesuai dengan standar

yang telah ditetapkan oleh perusahaan untuk mengisi posisi kerja yang kosong.

Setiap pelamar kerja selanjutnya akan mengalami tahap seleksi hingga lembaga

atau instansi tersebut memutuskan kelayakan pelamar untuk mengisi posisi kerja

yang kosong tersebut.

Job Fair merupakan model perekrutan pegawai yang banyak diminati oleh

para pencari kerja. Selain tersedia perusahaan-perusahaan membuka lowongan

kerja, acara job fair juga melakukan serangkaian tahapan seleksi pada waktu yang

1
bersamaan sehingga sering terjadi antrean panjang para pelamar kerja yang

menunggu.

Banyaknya website pencarian kerja dapat memudahkan pelamar kerja untuk

mengetahui informasi tentang lowongan kerja dari berbagai instansi. Sayangnya,

pemanfaatan teknologi digital, seperti website, untuk mencari kerja memang belum

maksimal digunakan oleh generasi muda di beberapa negara berkembang seperti

Brasil, India, Indonesia, dan Afrika Selatan. Berdasarkan penelitian yang dilakukan

oleh Solution for Youth Employment (S4YE) yang bekerja sama dengan platform

digital LinkedIn, di 4 (empat) negara tersebut, lebih dari 78 juta profil LinkedIn

kurang menggunakan platform digital untuk mencari kerja (Barbarasa, Barrett, &

Goldin, 2017). Padahal, pencarian lowongan kerja melalui platform online di

Indonesia mencerminkan besarnya niat untuk mencari kerja. Ini karena pencarian

kerja melalui online memiliki persepsi mudah untuk digunakan, memiliki manfaat

yang besar, dan mempengaruhi keputusan melamar kerja di posisi tertentu.

Kemudahan dalam penggunaan dan tingkat manfaat dari sebuah sistem rekrutmen

kerja online menjadi faktor yang mempengaruhi niat seseorang untuk

menggunakannya (Alsultanny & Alotaibi, 2015).

Dalam laporan yang berjudul Unlocking Indonesia’s Digital Opportunity

(Das, Gryseels, Sudhir, & Tan, 2016), disebutkan bahwa penggunaan teknologi

digital dapat meningkatkan jumlah pasokan tenaga kerja, mampu meningkatkan

angka partisipasi angkatan kerja serta mengurangi pengangguran. Platform

informasi digital seperti website, selain kenyamanan pelamar kerja dimana tidak

terjadi antrean panjang yang menguras tenaga, juga membantu pihak lembaga atau

2
instansi pencari pegawai untuk mempercepat penyebaran informasi tentang

kekosongan posisi kerja di masing-masing lembaga atau instansi. Namun,

seringkali informasi yang diberikan oleh website pencarian kerja tidak update.

Selain itu, pengguna juga sering disajikan informasi yang tidak tepat di dalam

website tersebut sehingga kebutuhan pengguna akan informasi yang diinginkan

tidak terpenuhi. Padahal dalam beberapa penelitian menunjukkan bahwa para

pencari kerja aktif mencari informasi terkait organisasi dan pekerjaan (Cober,

Brown, Levy, Cober, & Keeping, 2003). Selain itu, penyediaan informasi telah

diindikasikan sebagai faktor penting dalam konteks terkait ketenagakerjaan karena

merupakan bagian dari nilai dan harapan pencari kerja (Derous, Born, & Witte,

2004). Karena itu, kemungkinan jumlah informasi yang diberikan kepada pencari

kerja oleh sistem online berkontribusi terhadap pengalaman pengguna.

Pada penelitian sebelumnya, website rekrutmen online diukur pada variabel

persepsi kemudahan penggunaan, persepsi kegunaan, persepsi kenyamanan, dan

perilaku yang ditunjukkan saat menggunakan, menghasilkan bahwa perilaku positif

yang ditunjukkan pada saat menggunakan website rekrutmen online meningkatkan

niat untuk menggunakan website rekrutmen online (Alsultanny & Alotaibi, 2015).

Ini juga didukung oleh penelitian lainnya bahwa keberhasilan website rekrutmen

online juga tergantung pada pengaruh baik individu pengguna (Venkatesh & Davis,

2000).

Pada penelitian lainnya, pengukuran kualitas website rekrutmen online

dilakukan menggunakan e-TailQ yang dikembangkan oleh Wolfinbarger dan Gilly

pada tahun 2003 (Huang & Pan, 2012) menghasilkan bahwa kualitas layanan,

3
kepuasan pengguna, dan risiko yang dirasakan diidentifikasikan sebagai faktor

yang mempengaruhi persepsi pengguna terhadap website rekrutmen online.

WebQual 4.0 merupakan salah satu metode untuk mengukur kualitas sebuah

website. Metode ini dikembangkan oleh Stuart Barnes dan Richard Vidgen berdasar

pada konsep Quality Function Deployment (QFD) yang menitikberatkan pada

“voice of customer”. WebQual 4.0 memiliki 3 (tiga) area atau variabel, yaitu

variabel kualitas informasi, kualitas interaksi, dan kegunaan (Barnes & Vidgen,

2003). Metode ini digunakan pada penelitian ini karena WebQual 4.0 pada dasarnya

mengukur kualitas sebuah website berdasarkan persepsi pengguna atau pengunjung

(Tarigan, 2008) untuk mengetahui faktor-faktor apa saja yang dapat ditingkatkan

pada website tersebut sehingga mampu memberikan pelayanan yang terbaik kepada

pengguna.

Berdasarkan uraian permasalahan sebelumnya, peneliti tertarik untuk

melakukan penelitian terkait kualitas website dengan judul “Penerapan Metode

WebQual 4.0 pada Pengukuran Kualitas Website Pencarian Kerja (Studi

Kasus: Jobstreet)”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang permasalahan di atas, peneliti mengidentifikasi

beberapa permasalahan sebagai berikut.

a. Konten informasi serta tampilan yang disajikan oleh website pencarian

kerja kurang baik, sehingga kebutuhan pengguna terhadap informasi

tersebut tidak terpenuhi.

4
 b. Belum adanya pengukuran kualitas website pencarian kerja dengan

menggunakan variabel pada model WebQual 4.0 dengan penambahan

Content dari model End-User Computing Satisfaction (EUCS).

1.3 Perumusan Masalah

Platform digital, seperti website pencarian kerja, sering digunakan oleh

pencari kerja untuk mengetahui informasi tentang lowongan kerja dari berbagai

instansi. Tidak sedikit dari pengguna mendapatkan pekerjaan melalui website

pencarian kerja. Selain tidak perlu ada antrean panjang yang melelahkan, adanya

platform tersebut juga membantu mempercepat perluasan informasi lowongan

pekerjaan yang dimiliki oleh instansi.

Namun demikian, masih banyaknya keluhan dari pengguna terkait webite

pencarian kerja tersebut. Informasi yang seringkali tidak up-to-date serta penyajian

informasi yang tidak tepat membuat pengguna merasa kurang puas dengan website

pencarian kerja saat ini. Pengukuran terkait tingkat kualitas website pencarian kerja

berdasarkan persepsi pengguna dan faktor-faktor yang dapat mempengaruhi

kepuasan pengguna menjadi menarik untuk diteliti sehingga maka penulis

mengambil rumusan masalah yaitu “bagaimana hasil dari penerapan metode

WebQual 4.0 dalam mengukur kualitas website pencarian kerja?”.

5
1.4 Tujuan dan Sasaran Penelitian

1.4.1 Tujuan Penelitian

Berdasarkan uraian yang telah dijelaskan pada latar belakang sebelumnya,

penelitian ini dilakukan dengan tujuan sebagai berikut.

a. Mendapatkan nilai atau tingkat kepuasan pengguna website pencarian

kerja berdasarkan kualitas website dengan WebQual 4.0.

b. Menguji 3 (tiga) variabel dari model WebQual 4.0 dan 1 (satu) variabel

dari model EUCS yang mempengaruhi kualitas website pencarian kerja.

1.4.2 Sasaran Penelitian

Merujuk pada tujuan penelitian di atas, sasaran pelaksanaan penelitian adalah

sebagai berikut.

a. Mengetahui status kualitas website pencarian kerja Jobstreet berdasarkan

persepsi pengguna, khususnya para user.

b. Mengetahui variabel-variabel yang mempengaruhi kualitas website

pencarian kerja Jobstreet berdasarkan model penelitian yang diajukan.

1.5 Ruang Lingkup dan Batasan Masalah

Adapun ruang lingkup dan batasan masalah dalam penelitian ini adalah

sebagai berikut.

a. Penelitian ini dilakukan terhadap salah satu website pencarian kerja yang

sudah ada, yaitu Jobstreet.

6
 b. Secara teori, penelitian ini mengadopsi 3 (tiga) variabel dari model

pengukuran kualitas website berdasarkan persepsi pengguna akhir yaitu

WebQual 4.0 ditambah dengan 1 (satu) variabel dari model End-User

Computing Satisfaction (EUCS) yaitu Content.

c. Secara metodologi, penelitian ini menggunakan metode kuantitatif dengan

teknik pengumpulan data survei yang disebarkan kepada user website

pencarian kerja tersebut. Teknik yang digunakan untuk pengambilan

sampel adalah teknik purposive sampling (Serra, Psarra, & O'Brien, 2018)

untuk tahap pertama, dan accidental sampling untuk tahap kedua (Hadi,

2016). Serta untuk mengukur sikap, pendapat dan persepsi responden,

peneliti menggunakan metode skala Likert dengan 5 pilihan skala yang

disediakan untuk responden (Warmbrod, 2014). Analisis data

menggunakan PLS-SEM dengan SmartPLS versi 3.2 (Wong, 2013).

1.6 Model Penelitian

Menurut teori WebQual terdapat 3 (tiga) variabel yang mewakili kualitas

suatu website, yaitu kegunaan (usability), kualitas informasi (information quality)

dan interaksi layanan (service interaction) sebagaimana diilustrasikan dalam

Gambar 1.1 persepsi pengguna tentang suatu sistem dimana pengguna merasa puas

dengan kualitas dari website. Kualitas ini termuat dalam tiga variabel dari WebQual

versi 4.0. Penelitian sebelumnya menyarankan bahwa variabel WebQual dapat

memprediksi kepuasan pengguna dan maksud pengguna dalam menggunakan

kembali website (Loiacono, Watson, & Goodhue, 2002).

7
 Gambar 1.1 Model WebQual 4.0

Penelitian ini menggunakan metode WebQual 4.0 yang telah dimodifikasi

dengan menambahkan variabel konten dari metode End-User Computing

Satisfaction (EUCS) (Doll & Torkzadeh, 1988).

Gambar 1.2 Model End-User Computing Satisfaction

Penambahan variabel content dalam penelitian ini adalah untuk mengukur

kualitas website yang berkaitan dengan bagaimana website dapat menghasilkan

informasi yang sesuai dengan kebutuhan pengguna. Semakin lengkap modul dan

8
informasi sistem, maka tingkat kepuasan pengguna akan semakin tinggi (Rasman,

2012).

Gambar 1.3 Model Penelitian Kepuasan Pelanggan

1.7 Pertanyaan Penelitian

Mengacu pada tujuan dan sasaran penelitian yang sebelumnya telah

disebutkan, maka 2 (dua) pertanyaan utama dalam penelitian ini adalah sebagai

berikut.

Q1: Bagaimana tingkat kepuasan pengguna website pencarian kerja

berdasarkan kualitas website dengan WebQual 4.0?

Q2: Apa saja faktor-faktor yang mempengaruhi kepuasan pengguna terhadap

kualitas website pencarian kerja?

9
 Selanjutnya, mengacu pada model penelitian yang telah dipaparkan, berikut

adalah pertanyaan penelitian terkait faktor-faktor apa saja yang dapat

mempengaruhi tingkat kepuasan pengguna terhadap kualitas website pencarian

kerja.

Q2.1: Apakah Usability Quality berpengaruh secara signifikan terhadap

kepuasan pengguna?

Q2.2: Apakah Information Quality berpengaruh secara signifikan terhadap

kepuasan pengguna?

Q2.3: Apakah Service Interaction Quality berpengaruh secara signifikan

terhadap kepuasan pengguna?

Q2.4: Apakah Content berpengaruh secara signifikan terhadap kepuasan

pengguna?

1.8 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut.

a. Secara teoritis, penelitian ini diharapkan dapat menghasilkan model

kepuasan pengguna sebagai alternatif baru bagi peneliti selanjutnya

atau berbagai pihak lain dalam memahami kepuasan pengguna sistem.

b. Secara praktis, hasil penelitian diharapkan dapat menjadi bahan

pertimbangan bagi para perumus dan pengambil kebijakan terkait

pengembangan website pencarian kerja tersebut.

10
1.9 Sistematika Penulisan

Penulisan laporan penelitian ini, terbagi dalam 5 (lima) bab, meliputi

pendahuluan, tinjauan pustaka, metodologi penelitian, hasil analisis dan

interpretasi, dan penutup. Berikut adalah penjelasan secara singkat 5 (lima)

bab tersebut.

Bab 1 Pendahuluan

Bab ini menjelaskan tentang latar belakang, identifikasi

masalah, perumusan masalah, ruang lingkup dan batasan,

tujuan dan sasaran, pertanyaan penelitian, model penelitian,

metodologi, manfaaat penelitian dan sistematika peneltian.

Bab 2 Landasan Teori

Bab ini menjelaskan teori-teori terkait landasan pelaksanaan

penelitian, meliputi teori pengukuran kualitas website, website

pencarian kerja, metode pengumpulan data, populasi, teknik

sampling, PLS-SEM, teori pengukuran kualitas website

sebelumnya yang menjadi landasan penelitian, pengembangan

model penelitian dan hipotesisnya.

Bab 3 Metodologi Penelitian

Bab ini memaparkan secara metode proses pelaksanaan

penelitian, mencakup penjelasan-penjelasan tentang

pendekatan, prosedur, populasi dan sampel, instrumen,

pengumpulan, pemrosesan, serta analisis data.

11
Bab 4 Hasil Analisis dan Interpretasi

Bab ini memaparkan analisis data dan hasilnya, interpretasi dan

diskusi hasil penelitian. Analisis data utamanya dilakukan

menggunakan metode PLS-SEM dengan perangkat lunak

SmartPLS meliputi analisis pengukuran model (model

measurement analysis) dan struktur model (structural mode

analysis). Selanjutnya interpretasi dan diskusi dilakukan

dengan merujuk kepada basis teori sebelumnya.

Bab 5 Penutup

Bab ini menjelaskan tentang kesimpulan dan saran atas hasil

pelaksanaan penelitian terkait dengan aspek penggunaan dan

pengembangan penelitian di masa yang akan datang.

12
 BAB 2

LANDASAN TEORI

2.1 Konsep Sistem Informasi

Sistem merupakan suatu rangkaian yang terdiri dari 2 (dua) atau lebih

komponen yang saling berhubungan dan saling berinteraksi satu sama lain untuk

mencapai tujuan (Romney & Steinbart, 2015). Pendapat lain mengatakan bahwa

sistem adalah kumpulan komponen-komponen yang saling terhubung dengan

fungsi bersama untuk mencapai hasil yang diinginkan (Whitten & Bentley, 2007).

Tujuan dari sistem dapat dicapai dengan menerima masukan dan menghasilkan

keluaran di dalam sebuah proses transformasi yang teratur (O'Brien & Marakas,

2011).

Dengan demikian, sistem merupakan sebuah jaringan kerja dari komponen-

komponen yang saling terkait dan terhubung, menerima masukan dan mengolahnya

sehingga menjadi keluaran, dan mencapai tujuan yang diinginkan dalam sebuah

proses yang teratur.

Terdapat karakteristik atau sifat-sifat tertentu pada sebuah sistem, yaitu:

(Ladjamudin, 2013)

a. Komponen sistem: merupakan unsur-unsur pembentuk sistem, yang sering

juga disebut dengan sub sistem.

b. Batasan sistem, yang merupakan daerah yang memisahkan satu sistem

dengan yang lainnya. Batasan ini juga dapat dipahami sebagai ruang

lingkup sistem.

13
 c. Lingkungan luar sistem, merupakan segala sesuatu yang berada di luar

batas sistem yang mampu mempengaruhi sistem.

d. Penghubung sistem, merupakan media penghantar yang mampu

menjembatani antara satu sub sistem dengan sub sistem lainnya.

e. Masukan sistem, segala sesuatu yang dimasukkan ke dalam sistem, yang

biasanya bahan mentah atau data-data yang belum diolah.

f. Keluaran sistem, adalah sesuatu yang dihasilkan oleh sistem setelah

mengolah masukan, baik berupa informasi, laporan, maupun keputusan.

g. Pengolahan sistem, merupakan sebuah proses atau kegiatan untuk

menjadikan masukan menjadi keluaran yang bermanfaat.

h. Sasaran sistem, adalah tujuan dari sistem itu sendiri. Dengan adanya

tujuan, maka akan dapat ditentukan masukan yang diperlukan dan

keluaran yang diinginkan.

Informasi merupakan data yang disajikan dalam suatu bentuk yang

bermanfaat terhadap aktivitas pengambilan keputusan (Gelinas, Dull, & Wheeler,

2015). Pendapat lainnya, informasi merupakan sekumpulan fakta-fakta yang telah

diolah menjadi bentuk data sehingga dapat digunakan oleh siapapun yang

membutuhkan sebagai pengetahuan maupun pengambilan keputusan (Nugroho A.

, 2017).

Ada beberapa karakteristik yang menjadikan informasi berkualitas, yaitu:

(Romney & Steinbart, 2015)

14
 a. Effectiveness: berhubungan dengan informasi yang relevan sesuai dengan

proses bisnis, disampaikan dengan tepat waktu, konsisten, benar, dan dapat

digunakan.

b. Efficiency: berhubungan dengan penyediaan informasi secara optimal

terhadap penggunaan sumber daya.

c. Confidentiality: berhubungan dengan keakuratan dan kelengkapan

informasi serta validasinya sesuai dengan harapan.

d. Integrity: berhubungan dengan perlindungan isi dari informasi yang

sensitif terhadap penyalahgunaan atau pengungkapan yang tidak sah.

e. Availability: berhubungan dengan ketersediaan informasi saat diperlukan

oleh proses bisnis saat ini maupun di masa yang akan datang.

f. Compliance: berhubungan dengan mematuhi peraturan dan perjanjian

kontrak dimana proses bisnis merupakan subjek berupa kriteria bisnis

secara internal maupun eksternal.

g. Reliability: berhubungan dengan penyediaan informasi yang tepat bagi

pihak manajemen untuk mengoperasikan entitas dan menjalankan

tanggungjawab.

Sistem informasi merupakan kombinasi orang, perangkat keras, perangkat

lunak, jaringan komunikasi, sumber daya data, dan kebijakan dan prosedur

terorganisir yang menyimpan, mengambil, mengubah, dan menyebarkan informasi

dalam suatu organisasi (O'Brien & Marakas, 2011). Pendapat lain mengatakan

bahwa sistem informasi merupakan kumpulan dari komponen-komponen yang

mengumpulkan, memproses, menyimpan, dan menyediakan keluaran dari setiap

15
informasi yang dibutuhkan dalam proses bisnis serta aplikasi yang digunakan

melalui perangkat lunak, basis data, bahkan proses manual yang terkait (Satzinger,

Jackson, & Burd, 2012).

Berdasarkan pemahaman di atas, dapat disimpulkan bahwa sistem informasi

merupakan kombinasi dari berbagai komponen penyusun sistem untuk mengolah

dan menyebarluaskan informasi di dalam sebuah organisasi sesuai dengan proses

bisnis yang berjalan.

Berikut ini adalah penggolongan jenis-jenis sistem informasi menurut

(O'Brien & Marakas, 2011).

16
Gambar 2.1 Jenis Sistem Informasi

17
2.2 Definisi Pengukuran

Pengukuran merupakan kegiatan yang dilakukan secara sistematis agar

memperoleh data dengan menggunakan skala tertentu serta mempertimbangkan

beberapa aspek untuk menelusuri tujuan strategis tertentu (Sari, 2019). Dalam

kaitannya dengan sistem informasi, pengukuran dapat diartikan sebagai sebuah

kegiatan atau upaya yang dilakukan untuk mengetahui tingkatan atau penilaian dari

sebuah sistem (Maulida, 2018). Dengan mengetahui faktor-faktor yang

mempengaruhi hasil dari sebuah pengukuran, dapat menjadikannya permulaan

untuk memahami kesenjangan yang ada pada objek penelitian (Subiyakto, Ahlan,

Kartiwi, Putra, & Durachman, 2016).

Dari pemaparan sebelumnya, dapat disimpulkan bahwa pengukuran

merupakan kegiatan yang sistematis yang dilakukan untuk memperoleh dan

mengetahui tingkatan dari sebuah sistem sehingga mampu memahami kesenjangan

yang ada.

2.3 Definisi Kualitas

Kualitas merupakan kesesuaian sesuatu terhadap persyaratan beberapa orang,

atau dengan kata lain nilai bagi beberapa orang yang telah berkembang dan

berhubungan dengan penilaian manusia, biaya, dan manfaat (Tiako, 2009). Menurut

pendapat lain, kualitas merupakan kesesuaian dengan persyaratan atau tuntutan,

kecocokan untuk pemakaian perbaikan berkelanjutan, bebas dari kerusakan atau

cacat, pemenuhan kebutuhan pelanggan, atau melakukan segala sesuatu yang

membahagiakan (Tjiptono, 2004).

18
 International Organization for Standarization (ISO) mendefinisikan kualitas

sebagai derajat atau tingkat karakteristik yang melekat pada produk dan jasa, yang

memenuhi persyaratan atau keinginan. Kualitas menjadi sebuah kondisi dinamis

yang berhubungan dengan produk, jasa manusia, proses, dan lingkungan yang

memenuhi atau melebihi harapan pihak yang menginginkannya (Supadmi, 2009).

2.4 Konsep Website Pencarian Kerja

2.4.1 Definisi Website

Secara istilah, website merupakan kumpulan halaman-halaman situs, yang

biasanya terangkum dalam sebuah domain (alamat) atau sub-domain. Domain atau

sub-domain ini berada di dalam World Wide Web (WWW) di internet (Lau & Lee,

1999).

Website (WWW) merupakan berjalan di internet, seperti halnya email, instant

messaging (IM), dan voice over internet protocol (VoIP). Web adalah sistem

dengan protokol yang diterima secara umum untuk menyimpan, mengambil,

memformat, dan menampilkan informasi melalui arsitektur client atau server.

Protokol yang biasa adalah HTTP, yang merupakan singkatan dari hyper-text

transfer protocol (Turban & Volonino, 2012).

Website dibagi menjadi 2 (dua) jenis, yaitu:

1. Website statis, merupakan sebuah bentuk website dimana informasi yang

terdapat di dalamnya tidak direncanakan untuk selalu update secara

periodik. Website jenis ini hanya menampilkan informasi yang bersifat

tetap, seperti company profile.

19
 Gambar 2.2 Contoh website statis

2. Website dinamis, merupakan bentuk website dimana informasi yang ada di

dalamnya dimaksudkan selalu berubah secara berkala. Website jenis ini

dapat berhubungan langsung dengan penggunanya dengan berbagai cara.

Gambar 2.3 Contoh website dinamis

2.4.2 Website Pencarian Kerja di Indonesia

Kerja merupakan kegiatan melakukan sesuatu atau sesuatu yang dilakukan

untuk mencari nafkah (mata pencaharian). Sedangkan pencarian merupakan sebuah

20
proses, cara, atau perbuatan mencari. Sehingga pencarian kerja dapat disimpulkan

sebagai sebuah proses, cara, atau perbuatan untuk mencari sesuatu yang dapat

dilakukan dan mendapatkan upah darinya.

Mendapatkan pekerjaan di era yang sangat kompetitif menjadi masalah yang

cukup menjadi perhatian serius. Badan Pusat Statistik (BPS) pada bulan Februari

2016 pernah mengungkap bahwa jumlah pengangguran di Indonesia mencapai 7

juta orang. Salah satu kemungkinan yang menjadi alasan, adalah masyarakat tidak

mengetahui informasi seputar lowongan pekerjaan yang tersedia di sekitarnya.

Permasalahan inilah yang akhirnya menjadi motivasi atas munculnya beberapa

platform informasi seputar lowongan pekerjaan yang ada di Indonesia. Jobs.id,

TopKarir, JobStreet, JobsDB, LinkedIn Jobs, Tech in Asia Jobs, Urbanhire, Indeed,

Ekrut, dan Geekhunter merupakan beberapa situs yang menyediakan informasi

seputar lowongan kerja yang ada di Indonesia (Tech in Asia & Daily Social, 2018).

21
 Gambar 2.4 Website penyedia informasi lowongan pekerjaan

Per Februari 2018, BPS mengeluarkan data baru yang menyebutkan bahwa

jumlah pengangguran di Indonesia berkurang hingga 140 ribu orang. Presentase

keberhasilan melamar pekerjaan secara online memang tidak ada angka yang pasti,

22
namun dapat menjadi pertimbangan bagi para pencari kerja. Keberadaan situs-situs

yang menyediakan informasi lowongan pekerjaan memberikan alternatif bagi para

pencari kerja.

Platform online, dalam hal ini situs-situs penyedia informasi lowongan

pekerjaan, dapat mengaktifkan 3% dari populasi 35 juta penduduk perempuan di

Indonesia pada rentang usia 15 sampai 64 tahun (usia produktif angkatan kerja)

untuk mendapatkan pekerjaan. Dan penggunaan teknologi ini, diprediksi berpotensi

menambah 3,7 juta lapangan kerja dan menyumbang sekitar $35 miliar per tahun

untuk ekonomi Indonesia pada tahun 2025 (Das, Gryseels, Sudhir, & Tan, 2016).

2.4.3 Gambaran Umum Website Pencarian Kerja Jobstreet

Jobstreet merupakan sebuah website pencarian kerja yang didirikan di

Malaysia pada tahun 1997. Jobstreet bertujuan menghubungkan bisnis dengan

bakat dan meningkatkan taraf hidup seseorang melalui karir yang lebih baik.

Menjadi salah satu penyedia informasi lowongan terkemuka di Asia, membuat

Jobstreet mendirikan kantor-kantor di beberapa negara lainnya seperti Singapura,

Indonesia, Filipina, dan Vietnam. Di Indonesia, terdapat 6 (enam) daerah yang

dijadikan kantor cabang, yaitu Jakarta, Surabaya, Semarang, Medan, Bali, dan

Makassar. Dengan jumlah visit mencapai 49,79 juta dalam 3 (tiga) bulan terakhir,

menjadikan Jobstreet salah satu pilihan website pencarian kerja terpopuler di

Indonesia.

23
 Gambar 2.5 Halaman Muka Website jobstreet.co.id

2.5 WebQual 4.0

WebQual 4.0 merupakan suatu metode yang digunakan untuk mengukur

kualitas sebuah website berdasarkan persepsi pengguna akhir (Barnes & Vidgen,

2002). Metode ini merupakan pengembangan dari ServQual yang banyak

digunakan untuk melakukan pengukuran kualitas jasa sebelumnya. Pengembangan

instrumen WebQual 4.0 didasarkan pada konsep Quality Function Development

(QFD) yaitu sebuah proses yang proses pengembangan dan implementasinya

berdasarkan “voice of customer”. Pengukuran kualitas website dengan WebQual

4.0 dilakukan oleh pengguna website, sehingga pengukuran yang dilakukan akan

menjadi bantuan dan masukan bagi pengelola website untuk menyesuaikan website

tersebut sesuai dengan persepsi penggunanya (Alhasanah, Kertahadi, & Riyadi,

2014).

24
 WebQual 4.0 telah mengalami beberapa iterasi dalam penyusunan kategori

dan butir-butir pertanyaannya, yaitu: (Barnes & Vidgen, 2002)

1. WebQual 1.0

Merupakan versi pertama dari instrumen WebQual yang dikembangkan

dalam domain website sekolah bisnis di Inggris dengan pembahasan bersama

6 (enam) orang pasca-sarjana (master) sebagai delegasinya (Astuti & Sari,

2016). Instrumen ini mengikuti standar dari QFD dan menghasilkan 5 (lima)

variabel, yaitu ease of use, experience, information, communication, dan

integration (Barnes & Vidgen, 2000).

2. WebQual 2.0

Memperbaiki kekurangan yang terdapat pada WebQual 1.0 yang dianggap

terlalu berfokus pada aspek information quality dan melupakan aspek penting

lainnya seperti interaction perspective of quality (Rahmaini, 2018), WebQual

2.0 hadir terbagi dalam 3 (tiga) area yang berbeda yaitu quality of website,

quality of information, dan quality of service interaction (Pratama, 2015).

Penambahan aspek interaction quality ini diadaptasi dari ServQual dan coba

diterapkan pada domain internet bookshop. (Barnes & Vidgen, 2000).

Kelemahan WebQual 2.0 adalah terlalu fokus pada aspek interaction

quality sehingga apa yang menjadi fokus WebQual 1.0 (yaitu aspek

information quality) menjadi terabaikan (Rahmaini, 2018).

3. WebQual 3.0

Dalam pengembangan WebQual 3.0 dikembangkan beberapa variabel,

yaitu information quality, web interaction quality, dan site design quality

25
(Sastika, 2016). Instrumen ini akhirnya dicoba pada beberapa domain website

lelang online (Barnes & Vidgen, 2001).

Tabel 2.1 Variabel Kualitas pada WebQual 3.0

Quality Variabelon Indicative Content

Web information quality Accurate, timely, reliable information
Web interaction quality Good reputation, safe to transact,
personal data security, will deliver as
promised
Site design quality Easy to navigate, attractive
appearance, projects a sense of
competency

4. WebQual 4.0

WebQual 4.0 merupakan model terbaru yang ditawarkan, memiliki 3 (tiga)

variabel pengukuran dengan 22 butir pertanyaan (Santoso & Anwar, 2015).

Ketiga variabel tersebut adalah:

a. Usability

Variabel ini berhubungan dengan desain atau rancangan dari website

tersebut. Tampilan dari website, kemudahan pengguna saat memakai

website, navigasi website, dan user experience (Tarigan, 2008). Selain itu,

usability juga berfokus pada perpektif bagaimana pengguna menerima dan

berinteraksi terhadap website (Jabar, Usman, & Awal, 2013).

Selain itu, desain sebuah website juga harus sesuai dengan keperluan

pengguna dan bisa memastikan bahwa pengguna puas saat menyelesaikan

pekerjaan dengan menggunakan website tersebut tanpa kendala apapun

(Yan & Guo, 2010).

26
b. Information Quality

Information quality merupakan mutu dari konten yang terdapat dalam

website dan kepantasan informasi tersebut untuk disajikan kepada

pengguna (Barnes & Vidgen, 2002). Pada variabel kualitas informasi,

pengukuran dilakukan atas dasar keakuratan informasi, informasi yang

dapat dipercaya, informasi yang up-to-date, kemudahan informasi untuk

dimengerti, informasi yang sesuai topik bahasan, dan format penyajian

informasi (Al Baiti, Suprapto, & Rachmadi, 2017). Pertanyaan-pertanyaan

yang diajukan dan dikembangkan pada variabel ini dibangun berdasarkan

literatur yang berfokus pada kualitas data, informasi, dan sistem (Arifin,

Nugroho, & Hantono, 2015).

Kualitas informasi seringkali diukur berdasarkan relevansi informasi,

akurasi, dan ketepatan waktu (Nugroho, 2017). Relevansi informasi

berkaitan dengan bagaimana informasi tersebut disajikan apakah sesuai

dengan topik bahasan dan mudah dimengerti. Akurasi berkaitan dengan

kepercayaan dan validasi informasi yang disediakan Sedangkan ketepatan

waktu berkaitan dengan bagaimana informasi disajikan dengan up-to-date.

c. Service Interaction Quality

Variabel kualitas interaksi layanan ini berkaitan dengan kemampuan

memberikan rasa aman saat transaksi, memiliki reputasi website yang baik,

memudahkan proses komunikasi, memiliki kepercayaan dalam

memberikan informasi pribadi, serta memberikan keyakinan kepada

pengguna bahwa janji yang disampaikan akan ditepati (Sastika, 2016).

27
Variabel ini juga merupakan persepsi pengguna terhadap semua proses

layanan yang dapat diselesaikan secara online serta sarana interaksi

alternatif yang keamanannya lebih baik (Wicaksono, Susanto, & Winarno,

2012).

Variabel ini fokus pada bagaimana kualitas interaksi pelayanan yang

dialami oleh pengguna ketika mereka memahami lebih dalam tentang

website yang mereka kunjungi, dalam hal ini berkaitan dengan trust dan

empathy. Bagaimana pengguna merasa aman saat bertransaksi,

memberikan dan menyimpan informasi pribadi, serta mampu menciptakan

perasaan emosional yang lebih personal (Tarigan, 2008).

Gambar 2.6 Model WebQual 4.0

Sesuai ketiga variabel yang telah disebutkan sebelumnya, 22 butir

pertanyaan yang menjadi instrumen di dalam WebQual 4.0 adalah sebagai

berikut (Barnes & Vidgen, 2002).

28
 Tabel 2.2 Variabel dan Indikator WebQual 4.0

Category WebQual 4.0 Question

Usability I find the site easy to learn to operate (Saya Q1
menemukan situs ini mudah untuk dioperasikan)
My interaction with the site is clear and Q2
understandable (Interaksi dengan situs jelas dan
mudah dimengerti)
I find the site easy to navigate (Situs memiliki Q3
petunjuk yang jelas)
I find the site easy to use (Situs mudah digunakan) Q4
The site has an attractive appearance (Situs memiliki Q5
tampilan yang menarik)
The design is appropriate to the type of site (Desain Q6
sesuai dengan tipe situsnya)
The site conveys a sense of competency (Situs ini Q7
meningkatkan kompetensi/persaingan)
The site creates a positive experience for me (Situs ini Q8
memberikan pengalaman positif untuk saya)
Information Provides accurate information (Menyediakan Q9
Quality informasi yang akurat)
Provides believable information (Menyediakan Q10
informasi yang dapat dipercaya)
Provides timely information (Menyediakan informasi Q11
yang tepat waktu/up-to-date)
Provides relevant information (Menyediakan Q12
informasi yang relevan)
Provides easy to understand information Q13
(Menyediakan informasi yang mudah dimengerti)
Provides information at the right level of detail Q14
(Menyediakan informasi secara rinci)
Presents the information in an appropriate format Q15
(Memberikan informasi dalam bentuk yang sesuai)
Service Has a good reputation (Memiliki reputasi yang baik) Q16
Interaction
Quality
It feels save to complete transaction (Memberikan rasa Q17
aman saat melakukan transaksi)
My personal information feels secure (Informasi Q18
pribadi saya tersimpan dengan aman)
Creates a sense of personalization (Menciptakan Q19
kesan personal)
Convey a sense of community (Memiliki komunitas) Q20
Makes it easy to communicate with the organization Q21
(Memberikan kemudahan untuk berkomunikasi
dengan organisasi)
I feel confident that goods/services will be delivered Q22
as promised (saya merasa yakin barang/pelayanan
akan dikirim sesuai dengan yang dijanjikan)

29
2.6 End-User Computing Satisfaction (EUCS)

End-User Computing Satisfaction (EUCS) dapat dideskripsikan sebagai

metode evaluasi tingkat penerimaan pengguna dalam keseluruhan sistem informasi

secara afektif dan kognitif (Prasetyo, Yulia, & Felisia, 2017). EUCS menjadi salah

metode untuk mengevaluasi secara keseluruhan atas sistem informasi yang

digunakan oleh pengguna sistem informasi sehubungan dengan pengalaman

penggunaan sistem informasi tersebut (Chin & Lee, 2000). EUCS mengukur tingkat

kepuasan dari pengguna sebuah sistem berdasarkan perbandingan antara harapan

dengan kenyataan dari sebuah informasi (Rasman, 2012).

End-User Computing menjadi salah satu fenomena yang cukup signifikan

terjadi pada industri sistem informasi dalam periode 1980-an (Benson, 1983).

Dalam penelitian lain, pengguna akhir dibagi ke dalam 6 (enam) tipe, yaitu:

(Rockart & Flannery, 1983)

a. Non-programming End-User

Merupakan pengguna yang hanya mengakses data yang disimpan di

dalam komputer melalui perangkat lunak yang disediakan oleh orang lain.

Mereka tidak memprogram atau menggunakan penghasil laporan.

b. Command Level Users

Pada tipe ini, penguna memiliki kebutuhan untuk mengakses data

sesuait dengan keinginan dan ketentuan mereka sendiri. Mereka

memahami basis data yang disediakan dan mampu menentukan informasi

30
 yang diinginkan dengan menggunakan penghasil laporan atau seperangkat

perintah dari berbagai bahasa basis data.

c. End-user Programmers

Merupakan tipe pengguna yang menggunakan bahasa perintah dan

prosedural secara langsung untuk menemukan kebutuhan informasi

pribadi mereka. Mereka mengembangkan aplikasi mereka sendiri,

beberapa di antaranya bahkan digunakan oleh pengguna akhir lainnya.

d. Functional Support Personnel

Dalam tipe ini, pengguna merupakan individu yang berdasarkan

kehebatan mereka dalam bahasa pengguna akhir, telah menjadi pusat

desain sistem dan ahli pemrograman informal pada bidang fungsional

mereka. Mereka menjadi sebuah “programmer kecil” di setiap bidang-

bidang organisasi. Mereka menyediakan sebagian besar kode untuk

digunakan sesuai fungsi mereka masing-masing.

e. End-user Computing Support Personnel

Merupakan tipe pengguna yang paling sering berada di organisasi pusat

pendukung, seperti pusat informasi. Peranan mereka biasanya berbeda-

beda pada setiap perusahaan. Mereka bertugas untuk membantu pengguna

akhir, juga mengembangkan aplikasi pendukung.

f. Data Processing Programmers

Pada tipe ini, pengguna memprogram dalam bahasa pengguna akhir.

Beberapa perusahaan mengembangkan kelompok utama yang berisi

programmers untuk menyediakan layanan kepada departemen pengguna

31
 akhir yang ingin menyewa “programmers kontrak” untuk menghindari

biaya konsultan yang tinggi.

Pertumbuhan end-user computing menghadirkan tantangan baru bagi manajer

sistem informasi. Ukuran kepuasan informasi pengguna yang dikembangkan untuk

lingkungan pemrosesan data tradisional tidak mungkin lagi sesuai untuk lingkungan

pengguna akhir dimana pengguna berinteraksi langsung dengan perangkat lunak

aplikasi. Memang, instrumen kepuasan informasi pengguna belum dirancang atau

divalidasi untuk mengukur kepuasan pengguna akhir. Mereka fokus pada kepuasan

umum daripada pada aplikasi spesifik dan mereka mengabaikan aspek-aspek

penting untuk komputasi pengguna akhir seperti kemudahan penggunaan (Doll &

Torkzadeh, 1988).

End-User Computing mengubah peran pengguna. Untuk menentukan end-

user computing, mereka membedakan antara peranan pengguna primer dan

sekunder. Pengguna primer membuat keputusan berdasarkan keluaran sistem,

sedangkan pengguna sekunder bertanggungjawab untuk berinteraksi dengan

perangkat lunak aplikasi untuk memasukkan informasi atau menyiapkan laporan

keluaran, tetapi tidak menggunakan keluaran secara langsung dalam pekerjaannya.

Dalam end-user computing, kedua peran tersebut dilebur. Orang yang

memanfaatkan keluaran sistem, adalah orang yang sama untuk

mengembangkannya (Davis & Olson, 1985).

EUCS merupakan model evaluasi yang dikembangkan oleh Doll dan

Torkzadeh yang menekankan kepuasan pengguna akhir terhadap aspek teknologi,

dengan menilai variabel isi, keakuratan, format, waktu, dan kemudahan

32
penggunaan dari sistem. Berikut pemaparan dari masing-masing variabel dalam

EUCS (Doll & Torkzadeh, 1988).

a. Content

Variabel content merupakan variabel yang digunakan untuk mengukur

kepuasan pengguna ditinjau dari sisi isi atau konten dari suatu sistem,

biasanya berupa fungsi dan modul yang digunakan oleh pengguna sistem

dan juga informasi yang dihasilkan oleh sistem. Content juga mengukur

apakah sistem menghasilkan informasi yang sesuai dengan kebutuhan

pengguna. Semakin lengkap modul dan informatif sistem maka tingkat

kepuasan dari pengguna akan semakin tinggi (Rasman, 2012).

b. Accuracy

Pada variabel accuracy, kepuasan pengguna diukur berdasarkan dari

sisi keakuratan data ketika sistem menerima masukan dan proses

mengolah data tersebut menjadi informasi. Keakuratan sistem ini diukur

seberapa seringnya sistem mengeluarkan output yang salah ketika

mengelola data masukan dari pengguna (Setiawan, 2016).

c. Format

Variabel format bertujuan untuk mengukur kepuasan pengguna dari sisi

tampilan dan estetika dari desain antarmuka sistem, format dari informasi

yang dihasilkan sistem, serta tampilan dari sistem yang memberikan

kemudahan bagi pengguna ketika menggunakan sistem (Rasman, 2012).

33
d. Ease of Use

Variabel ease of use merupakan variabel yang dipakai untuk mengukur

kepuasan dari sisi kemudahan pengguna atau user friendly dalam

menggunakan sistem seperti proses memasukkan data, mengolah data, dan

mencari informasi yang dibutuhkan (Rosalina, 2017).

e. Timeliness

Variabel timeliness digunakan untuk saat mengukur kepuasan

pengguna berdasarkan ketepatwaktuan sistem dalam menyajikan data dan

informasi yang dibutuhkan oleh pengguna. Sistem dianggap tepat waktu

merupakan sistem yang real-time, yang artinya setiap permintaan oleh

pengguna yang dilakukan langsung diproses dan hasil akan ditampilkan

secara tepat tanpa harus menunggu lama (Rosalina, 2017).

Gambar 2.7 Model EUCS

34
 Dalam penggunaannya, model EUCS diukur berdasarkan butir-butir

pertanyaan yang merepresentasikan masing-masing variabel. Adapun pertanyaan-

pertanyaan tersebut adalah sebagai berikut (Doll & Torkzadeh, 1988).

Tabel 2.3 Model Pengukuran End-User Computing Satisfaction

Variabelon EUCS Question

Content Apakah sistem memberikan informasi yang tepat yang
Anda butuhkan? (Does the system provide the precise
information you need?)
Apakah konten informasi memenuhi kebutuhan
Anda? (Does the information content meet your
needs?)
Apakah sistem memberikan laporan yang tampaknya
persis seperti yang Anda butuhkan? (Does the system
provide reports that seem to be just about exactly,
what you need?)
Apakah sistem memberikan informasi yang cukup?
(Does the system provide sufficient information?)
Accuracy Apakah sistemnya akurat? (Is the system accurate?)
Apakah Anda puas dengan akurasi sistem? (Are you
satisified with the accuracy of the system?)
Format Apakah menurut Anda keluaran disajikan dalam
bentuk yang bermanfaat? (Do you think the output is
presented in a useful format?)
Apakah informasinya jelas? (Is the information
clear?)
Ease of Use Apakah sistemnya ramah pengguna? (Is the system
user friendly?)
Apakah sistemnya mudah digunakan? (Is the system
easy to use?)
Timeliness Apakah Anda mendapatkan informasi yang Anda
butuhkan pada waktunya? (Do you get the information
you need in time?)
Apakah sistem memberikan informasi terbaru? (Does
the system provide up-to-date information?)

2.7 Metode Kuantitatif dalam Penelitian Sistem Informasi

2.7.1 Jenis Data

Data merupakan kumpulan dari nilai-nilai yang mencerminkan karakteristik

dari individu-individu dari sebuah populasi. Data dapat berupa angka, huruf, suara,

35
maupun gambar. Berdasarkan jenisnya, data dapat diklasifikasikan ke dalam 2

(dua) jenis, yaitu (Hasibuan, 2007):

a. Data Kuantitatif

Data kuantitatif merupakan data yang dipaparkan dalam bentuk angka-

angka.

b. Data Kualitatif

Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang

mengandung makna.

2.7.2 Skala Likert

Penskalaan tipe Likert dikembangkan oleh Rensis Likert pada tahun 1932

dalam mengukur sikap sosial. Pengukuran tipe ini pertama kali dibuat untuk

mengukur sikap atau pendapat seseorang terhadap hubungan internasional, antar

suku, konflik ekonomi, konflik politik, dan agama. Tipe pengukuran ini digunakan

tidak hanya untuk mengukur pendapat atau sikap tetapi juga digunakan untuk

mengukur persepsi dan berbagai karakteristik psikis manusia serta dalam

pengukuran kepribadian (Setiawati, 2013).

Tabel 2.4 Contoh Skala Likert

No Pertanyaan 1 2 3 4 5
1 Website pencarian kerja ini mudah dipelajari dan
dioperasikan
2 Interaksi dengan website ini jelas dan dimengerti
3 Website ini memiliki navigasi yang jelas
4 Website ini mudah digunakan

36
5 Website ini memiliki tampilan yang menarik
6 Desain sesuai dengan tipe website (penyedia informasi
pekerjaan)
7 Dengan adanya website ini dapat meningkatkan
persaingan dengan pencari kerja lainnya
8 Website ini memberikan pengalaman positif untuk saya

Skala Likert merupakan suatu skala psikometrik yang umum digunakan

dalam kuesioner dan menjadi skala yang paling banyak digunakan dalam riset

beberapa survei. Skala ini memiliki beberapa butir pertanyaan yang

dikombinasikan sehingga memiliki nilai atau skor yang mewakili sifat individu.

Responden menentukan tingkat persetujuan dengan memilih salah satu pilihan yang

diberikan (Warmbrod, 2014).

2.8 Metode Pengumpulan Data

2.8.1 Observasi

Studi Observasi adalah metode pengumpulan data dimana peneliti atau

kolaboratornya mencatat informasi sebagaimana yang mereka saksikan selama

penelitian (Gulo, 2002). Pada pendapat lain, observasi merupakan pengamatan

langsung suatu kegiatan yang sedang dilakukan. Observasi atau pengamatan

(observation) merupakan salah satu teknik pengumpulan data fakta (fact-finding

technique) yang cukup efektif untuk mempelajari suatu sistem (Jogiyanto, 2008).

37
2.8.2 Studi Literatur atau Kepustakaan

Studi literatur merupakan metode pengumpulan data dengan cara melihat

catatan tertulis tentang berbagai kegiatan atau peristiwa pada waktu yang lalu,

Misalnya berupa dokumen politik, data statistik jurnal atau penelitian terkait, semua

dokumen yang behubungan dengan penelitian yang bersangkutan perlu dicatat

sebagai sumber (Gulo, 2002).

Selain itu, studi literatur merupakan segala usaha yang dilakukan oleh peneliti

untuk menghimpun informasi yang relevan dengan topik atau masalah yang akan

atau sedang diteliti. Informasi itu dapat diperoleh dari buku-buku ilmiah, laporan

penelitian, karangan-karangan ilmiah, tesis dan disertasi, peraturan-peraturan,

ketetapan-ketetapan, buku tahunan, ensiklopedia, dan sumber-sumber tertulis baik

tercetak maupun elektronik lainnya. (Jogiyanto, 2008).

Studi pustaka merupakan proses umum yang dilakukan untuk mendapatkan

teori terlebih dahulu. Kajian pustaka meliputi pengidentifikasian secara sistematis,

penemuan, analisis dokumen-dokumen yang memuat informasi yang berkaitan

dengan masalah penelitian. Studi pustaka dapat dilakukan dengan membaca dan

mempelajari buku-buku, diktat, catatan, makalah dan artikel baik cetak maupun

elektronik yang berhubungan dengan penelitian (Nazir, 2005).

2.8.3 Kuesioner

Kuesioner merupakan daftar pertanyaan yang diajukan kepada responden

untuk mencari sebuah jawaban atas permasalahan yang sedang diteliti. Di dalam

sebuah kuesioner, terdapat pertanyaan dan pernyataan isian yang harus dijawab

38
oleh responden (Hasibuan, 2007). Pada pemahaman lain, kuesioner atau angket

adalah sebuah teknik pengumpulan data secara tidak langsung (tidak melakukan

tanya jawab secara langsung dengan responden). Instrumen pengumpulan data

berisi sejumlah pertanyaan atau pernyataan yang harus dijawab oleh responden

(Sudaryono, 2015).

2.8.4 Populasi dan Teknik Sampling

Populasi merupakan sekelompok orang, kejadian, atau segala sesuatu yang

mempunyai karakteristik tertentu (Hasibuan, 2007). Populasi merupakan

keseluruhan dari subjek penelitian (Arikunto, 2013).

Pada dasarnya, teknik sampling dapat dibagi ke dalam 2 (dua) jenis, yaitu:

(Hasibuan, 2007)

a. Teknik random sampling (probability sampling)

Teknik random sampling merupakan teknik pengambilan sampel dimana

semua individu dalam populasi, baik secara sendiri maupun bersama,

memiliki kesempatan yang sama untuk dipilih menjadi anggota sampel. Salah

satu metode dalam teknik random sampling ini adalah simple random

sampling. Simple random sampling merupakan pemilihan sampel dengan

menggunakan angka random atau acak. Pengambilan sampel ini sering

digunakan oleh peneliti apabila populasi yang diambil dari sampel merupakan

populasi homogen yang hanya mengandung 1 (satu) ciri.

b. Teknik non-random sampling (non-probability sampling)

39
 Teknik non-random sampling adalah cara pengambilan sampel dimana

tidak semua anggota populasi memiliki kesempatan yang sama untuk dipilih

menjadi sampel penelitian. Penggunaan teknik ini mempertimbangkan

faktor-faktor tertentu. Yang termasuk ke dalam teknik ini adalah purposive

sampling. Purposive sampling digunakan oleh peneliti, jika penelitian yang

dilakukan membutuhkan pertimbangan-pertimbangan tertentu dalam

kebutuhan sampelnya.

Seperti pada penelitian ini, peneliti ingin mengetahui pengaruh kualitas

website pencarian kerja terhadap kepuasan pengguna. Dalam penelitian ini,

akan diukur kualitas website pencarian kerja berdasarkan persepsi

penggunanya, maka peneliti menetapkan kriteria sebagai syarat untuk

dijadikan sampel yaitu pengguna yang yang memanfaatkan website tersebut

untuk mencari kerja. Hal ini dilakukan untuk menghindari kesalahan

perkiraan (bias) hasil penelitian karena terdapat perbedaan sikap antara yang

pernah menggunakan dan tidak pernah menggunakan website tersebut.

2.9 Partial Least Square Structural Equation Model (PLS-SEM)

Partial Least Square (PLS) merupakan sebuah analisis persamaan struktural

berbasis varian yang secara simultan dapat melakukan pengujian model pengukuran

sekaligus model struktural (Rezkiani, Suprapto, & Rachmadi, 2018). PLS

merupakan pendekatan pemodelan yang lunak terhadap Structural Equation Model

(SEM) tanpa asumsi tentang pendistribusian data (Wong, 2013). PLS dapat

digunakan untuk tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan

40
eksplorasi. Tujuan eksplorasi mendapat keutamaan untuk menggunakan PLS,

namun PLS juga dapat memprediksi terdapat atau tidaknya hubungan kemudian

proposisi untuk pengujian. Tujuan utamanya adalah menjelaskan hubungan antar

konstruk dan penekanan terhadap nilai hubungan tersebut (Yamin & Kurniawan,

2011).

Structural Equation Modeling (SEM) merupakan alat analisis statistik

penggabungan dari analisis faktor dan analisis regresi (Santoso S. , 2011). Pada

tahun 1950-an, SEM sudah mulai dikemukakan oleh para ahli statistik yang

mencari metode untuk membuat model yang dapat menjelaskan hubungan di antara

variabel-variabel. Dalam kenyataan, khususnya ilmu-ilmu sosial, banyak variabel

yang bersifat laten (variabel yang nilai kuantitatifnya tidak dapat diketahui secara

tampak), seperti motivasi, komitmen, kesetiaan pelanggan, dan lainnya. Variabel-

variabel tersebut baru bisa diukur dengan sejumlah indikator (variabel manifes),

dan hubungan di antara keduanya, serta antar variabel laten memunculkan model

yang membutuhkan alat analisis lanjutan untuk menyelesaikannya.

Evaluasi model dalam PLS meliputi 2 (dua) tahap, yaitu evaluasi outer model

atau model pengukuran dan evaluasi inner model atau model struktural (Maulida,

2018). Evaluasi model pengukuran terdiri dari 4 (empat) tahapan pemeriksanan,

yaitu individual item reliability, internal concistency atau construct reliability,

average variance extracted, dan discriminant validity.

Pada pemeriksaan individual item reliability, nilai outer loading yang dapat

disimpulkan baik adalah yang memiliki nilai di atas 0,7 sehingga indikator tersebut

valid sebagai pengukur variabel laten (konstruk) (Wong, 2013).

41
 Selanjutnya melihat internal concistency reliability berdasarkan dari nilai

composite reliability. Internal concistency reliability merupakan sebuah tes atau

prosedur menilai karakteristik, keterampilan, atau kualitas yang sama. Ini adalah

ukuran ketepatan antara pengamat atau instrumen pengukuran yang digunakan

dalam penelitian. Konstruk dinyatakan reliable jika nilai composite reliable di atas

0,7 (Subiyakto, Ahlan, Kartiwi, & Sukmana, 2015).

Pada pemeriksaan average variance extracted, dihasilkan nilai yang

digunakan untuk mengukur banyaknya varian yang dapat ditangkap oleh

konstruknya dibandingkan dengan variansi yang ditimbulkan oleh kesalahan

pengukuran. Kriteria ini didefinisikan sebagai nilai tengah rata-rata dari pemuatan

kuadrat dari indikator yang terkait dengan konstruk (yaitu, jumlah pemuatan

kuadrat dibagi dengan jumlah indikator). Oleh karena itu, AVE setara dengan

komunalitas konstruk. Nilai AVE harus lebih besar dari 0,5. (Hair, Hult, Ringle, &

Sarstedt, 2017). AVE dihitung menggunakan rumus berikut.

Σ 𝜆𝑖 2
𝐴𝑉𝐸 =
𝜆𝑖 2 + Σ𝑖 𝑣𝑎𝑟 (𝜀𝑖)

𝜆𝑖 adalah 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡 𝑙𝑜𝑎𝑑𝑖𝑛𝑔 ke indikator dan 𝑣𝑎𝑟 (𝜀𝑖) = 1 − 𝜆𝑖 2

Pemeriksaan terakhir dari evaluasi model pengukuran adalah melihat nilai

discriminant validity. Discriminant Validity dari model pengukuran dapat dihitung

berdasarkan nilai cross loading dari variabel manifes (indikator) terhadap setiap

variabel laten (konstruk). Jika korelasi antara konstruk dengan setiap indikatornya

lebih tinggi daripada korelasi dengan konstruk lainnya, maka konstruk tersebut

dapat dikatakan memprediksi indikatornya lebih baik daripada konstruk lainnya

(Wong, 2013) (Sarstedt, Ringle, & Hair, 2017).

42
 Setelah evaluasi model pengukuran dilakukan, langkah selanjutnya adalah

evaluasi model struktural. Pada evaluasi model struktural ini, terdapat 6 (enam)

tahapan yang dilakukan. Tahapan tersebut adalah melihat signifikansi hubungan

antar konstruk (path coefficient), nilai R2 (coefficient of determination), nilai t-test

(t-statistics), pengujian f2 (effect size), Q2 (predictive relevance), dan q2 (relative

impact) (Subiyakto, Ahlan, Kartiwi, & Sukmana, 2015).

Signifikansi hubungan antar konstruk dapat dilihat berdasarkan nilai β (path

coefficient). Path Coefficient adalah versi standar dari bobot regresi linier yang

dapat digunakan dalam menguji kemungkinan hubungan sebab akibat antara

variabel statistik dalam pendekatan pemodelan persamaan struktural. Dapat

diartikan, pengujian path cofficient dengan melihat hubungan penting antar

konstruk dimana koefisien jalur menggambarkan pengaruh kekuatan hubungan

antar konstruk. Uji path coefficient dilihat dari nilai ambang batas yaitu 0,1, dimana

path memiliki pengaruh pada model yang diajukan jika hasil nilai uji berada di atas

0,1 (Ringle, Sarstedt, Mitchell, & Gudergan, 2018).

Koefisien determinasi, dilambangkan R2 atau r2 adalah proporsi variance

dalam variabel dependen yang dapat diprediksi dari variabel independen. R2

merupakan statistik yang digunakan dalam konteks model statistik yang tujuan

utamanya adalah prediksi hasil di masa depan atau pengujian hipotesis, berdasarkan

informasi terkait lainnya. R2 memberikan ukuran seberapa baik hasil yang diamati

direplikasi oleh model, berdasarkan proporsi variasi total hasil yang dijelaskan oleh

model. Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel

endogen (variabel yang dianggap terpengaruh oleh variabel lain dalam model)

43
dengan standar pengukuran sekitar 0,670 dinyatakan kuat, sekitar 0,333 sebagai

moderat, dan 0,190 serta di bawahnya menunjukkan tingkat varian lemah (Asyraf,

2013).

Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari

analisis data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak

terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik

jika kejadian tersebut hampir tidak mungkin disebabkan oleh faktor yang kebetulan,

sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya. Salah satu

metode pengujian hipotesis adalah dengan melakukan t-test. Pada pengujian t-test

(t-statistics) ini dilakukan dengan menggunakan metode bootstrapping pada

SmartPLS 3, menggunakan uji two-tailed dengan significance level 0,05 untuk

menguji hipotesis-hipotesis penelitian. Agar hipotesis diterima, maka nilai t-test

harus lebih besar dari 1,96 (Asyraf, 2013).

Dalam statistik, effect size adalah ukuran kuantitatif dari besarnya suatu

fenomena (Kelley & Preacher, 2012). Contoh effect size adalah korelasi antara dua

variabel, koefisien regresi dalam regresi, perbedaan rata-rata, atau bahkan risiko

yang dengannya sesuatu terjadi. Pengujian ini dilakukan untuk mengetahui

pengaruh salah satu variabel terhadap variabel lainnya dalam struktur model yang

diajukan dengan nilai ambang batas sekitar 0,02 dengan pengaruh kecil, 0,15

dengan pengaruh sedang, dan 0,35 dengan pengaruh besar (Wong, 2013).

Selanjutnya dilakukan pengujian predictive relevance. Pada tahap ini

dilakukan pengujian dengan metode blindfolding untuk memberikan bukti bahwa

variabel tertentu yang digunakan dalam model mempunyai keterkaitan secara

44
prediktif (predictive relevance) dengan variabel lainnya dalam model dengan

ambang batas pengukuran di atas 0 (nol) (Hair et al., 2012; Wong, 2016; Hair et al.,

2017).

Pemeriksaan terakhir yaitu melihat hasil uji relative impact. Pada tahap ini

dilakukan dengan metode blindfolding untuk mengukur relatif pengaruh sebuah

keterkaitan prediktif sebuah variabel tertentu dengan variabel lainnya dengan nilai

ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk pengaruh sedang, dan

0,35 untuk pengaruh besar (Subiyakto, Ahlan, Kartiwi, & Sukmana, 2015). Rumus

yang digunakan dalam perhitungan q² adalah sebagai berikut.

𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
𝑞2 =
1 − 𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒

Dimana:

𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 : Nilai q² yang diperoleh ketika konstruk eksogen dimasukkan

ke model

𝑄 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒 : Nilai q² yang diperoleh ketika konstruk eksogen dikeluarkan

dari model.

2.10 Penelitian Sejenis

Penelitian sejenis merupakan proses membaca dan memahami penelitian-

penelitian sebelumnya yang berkaitan dengan penelitian yang sedang dilakukan.

Penelitian di bawah ini adalah kumpulan sumber informasi dan pembanding pada

penelitian yang akan dibuat. Adapun penelitian-penelitian sejenis yang dijadikan

acuan adalah seperti yang terdapat pada Tabel 2.5.

45
 Tabel 2.5 Penelitian Sejenis

No Judul Penelitian dan Peneliti Model Variabel Hasil

1. Analisis Kualitas Website WebQual, Usability, Hasil penelitian ini dapat menjadi acuan
Menggunakan Metode WebQual Importance Information, Service untuk mengembangkan website yang lebih
dan Importance Performance Performance Interaction baik dengan berfokus kepada atribut kualitas
Analysis (IPA) pada Situs Kaskus Analysis (IPA) mengenai informasi terutama dari aspek
informasi dengan tingkat detail yang tepat,
(Santoso & Anwar, 2015) misalnya dengan memberikan penjelasan
terperinci mengenai setiap fitur yang ada
pada website Kaskus maupun penjelasan
detail yang tepat pada forum jual beli yang
ada.

2. Pengukuran Kualitas Layanan
Website Dinas Pendidikan Kota
Malang dengan Menggunakan
Metode WebQual 4.0 dan IPA
(Al Baiti, Suprapto, & Rachmadi,
2017)
WebQual, Usability, Hasil penelitian ini menunjukkan adanya
Importance Information, Service atribut-atribut yang menjadi prioritas utama
Performance Interaction dalam perbaikan dan peningkatan kualitas
Analysis (IPA) layanan karena atribut tersebut belum sesuai
dengan harapan pengguna atau memiliki
tingkat kepentingan yang tinggi namun
tingkat kinerjanya rendah.

3. Analisis Kualitas Layanan WebQual 4.0 yang Usability, Hasil penelitian menunjukkan tingkat
Website Universitas Hasanuddin telah dimodifikasi, Information, Service kualitas layanan website belum sesuai
Importance dengan harapan manusia, dimana penelitian

46
No Judul Penelitian dan Peneliti Model Variabel Hasil

dengan Metode WebQual 4.0 Performance Interaction, User ini menunjukkan semua gap bernilai negatif
Modifikasi Analysis (IPA) Interface yang berarti persepsi lebih kecil
dibandingkan dengan harapan mahasiswa
(Arifin, Nugroho, & Hantono, terutama pada variabel kualitas informasi.
2015)

4. Pengukuran Kualitas Website WebQual 4.0 dengan Usability, Hasil penelitian menunjukkan semua
Unit Pengembangan Karir dan teknik analisis data Information, Service variabel, yaitu usability, information quality,
Kewirausahaan Universitas mengunakan PLS- Interaction dan service interaction memiliki pengaruh
Brawijaya Menggunakan Metode SEM yang positif terhadap user satisfaction.
WebQual 4.0

(Rezkiani, Suprapto, &

Rachmadi, 2018)

5. Analisis End-User Computing Penggabungan Usability, Hasil penelitian menunjukkan bahwa EUCS
Satisfaction (EUCS) dan model EUCS dan Information, Service dan WebQual 4.0 terbukti berpengaruh
WebQual 4.0 Terhadap WebQual 4.0 dengan Interaction, EUCS signifikan terhadap kepuasan pengguna.
Kepuasan Pengguna analisis SEM dan
teknik Confirmatory
(Husain & Budiyantara, 2018) Factor Analysis
(CFA)

47
No Judul Penelitian dan Peneliti Model Variabel Hasil

6. Evaluating the Factors Affecting Intention to Use Perceived ease of Hasil penelitian menemukan sikap dan
on Intension to Use of E- use, perceived keinginan untuk menggunakan memiliki
Recruitment usefulness, perceived hubungan yang signifikan. Peningkatan
enjoyment, attitude perilaku positif para pencari kerja juga akan
(Alsultanny & Alotaibi, 2015) toward using, mengarah pada peningkatan niat untuk
intention to use menggunakan sistem tertentu.

7. Factors Influencing the User Mengadopsi model Web Sevice Quality, Hasil penelitian menunjukkan bahwa
Behaviour Intention of Online Web Service Quality, Satisfaction, kepuasan pengguna dan risiko yang
Recruitment Websites Satisfaction, Perceived Risk, dirasakan menjadi 2 (dua) faktor penting
Perceived Risk, Continuance yang mampu berkontribusi secara signifikan
(Huang & Pan, 2012) Continuance Intention, Loyalty, terhadap operasi berkelanjutan, loyalitas
Intention, Loyalty, Word-of-Mouth pelanggan, dan ekspansi bisnis atau
dan Word-of-Mouth Communication pelanggan.
Communication

8. User Satisfaction Using WebQual 4.0, End- Usability, Hasil penelitian ini menunjukkan bahwa
WebQual Instrument: A User Computing Information Quality, kebermanfaatan informasi (usefulness)
Research on Stock Exchange of Satisfaction (EUCS) Service Interaction, dalam variabel Kualitas Informasi sebuah
Thailand (SET) User Satisfaction sistem menjadi sangat penting. Pengguna
akhir cenderung memiliki sikap positif
(Tarigan, 2008) tentang sistem jika mereka percaya bahwa
menggunakan sistem tersebut dapat

48
No Judul Penelitian dan Peneliti Model Variabel Hasil

meningkatkan kinerja dan produktivitas

mereka.

9. Pengujian Kepuasan Sistem Mengadopsi End- Content, Accuracy, Hasil penelitian menunjukkan bahwa
Informasi Menggunakan End- user Computing Format, Ease of Use, indikator yang dianggap penting
User Computing Satisfaction Satisfaction dengan Timeliness, End- berhubungan dengan keakuratan informasi,
(Studi Kasus: Sistem Informasi penambahan faktor User Satisfaction, kegunaan, dan isu kepercayaan sehingga
Akademik UIN Syarif Security Security pihak perguruan tinggi harus lebih
Hidayatullah Jakarta) memperhatikan kualitas website yang
berhubungan dengan indikator kemudahan
(Rosalina, 2017) dalam menggunakan website, keakuratan
informasi, informasi yang dapat dipercaya,
informasi yang selalu up-to-date, isu
kepercayaan, dan keamanan.

10 Mengukur Kualitas Website Mengadopsi Usability, Hasil penelitian ini menunjukkan adanya
dengan Pendekatan WebQual 4.0 WebQual 4.0 dengan Information Quality, atribut-atribut yang perlu diperbaiki, seperti
Modifikasi penambahan faktor Service Interaction, tampilan (direkomendasikan
Availability Availability mengembangkan dengan kansei
(Hafiz, 2017) engineering), keterkinian informasi, dan
layanan interaksi yang dimiliki oleh website.

49
No Judul Penelitian dan Peneliti Model Variabel Hasil

11 Analysis of Factors Influencing WebQual 4.0 Usability, Hasil dari penelitian ini menunjukkan bahwa
The Quality of Intranet Website Information Quality, ketiga variabel WebQual 4.0 memiliki
Based on WebQual Approach Service Interaction pengaruh positif terhadap kualitas website.
Case Study in Agency X Quality

(Kadar, Napitupulu, & Jati, 2017)

12 Evaluation of Web Information WebQual 4.0 Usability, Hasil dari penelitian dengan metode uji
System National Land Agency to Information Quality, korelasi dan reliabilitas menggunakan SPSS
Improve User Satisfaction Service Interaction menunjukkan bahwa 3 (tiga) variabel
Quality independen tersebut sangat mempengaruhi
(Hendarti, Christian, kepuasan pengguna website.
Permatasari, Maryani, & Nindito,
2017)

13 Impact of English Online WebQual 4.0 Usability, Hasil dari penelitian ini adalah ketiga
Learning Website Quality to Information Quality, variabel WebQual 4.0 memiliki pengaruh
User Satisfaction in Jakarta Service Interaction yang signifikan terhadap kepuasan pengguna.
Quality Ini dibuktikan dengan ketiga variabel
(Christian, Jaya, & Rulyna, tersebut berkontribusi terhadap kepuasan
2017) pengguna dengan tingkat hubungan korelasi
yang tinggi.

14 Measuring Customer Satisfaction WebQual 4.0, Usability, Hasil penelitian ini menunjukkan bahwa
Toward Localization Website by Importance Information Quality, beberapa indikator kualitas dari situs

50
No Judul Penelitian dan Peneliti Model Variabel Hasil

WebQual and Importance Performance Service Interaction AliexPress tidak memenuhi harapan dari
Performance Analysis (Case Analysis Quality pengguna. Ada beberapa indikator yang
Study on AliexPress Site in diharapkan menjadi fokus utama perbaikan
Indonesia) website, di antaranya penyediaan informasi
yang terpercaya, penyediaan informasi yang
(Shia, Chen, Ramdansyah, & tepat waktu, penyediaan informasi yang
Wang, 2016) relevan, dan penyediaan informasi dengan
perincian yang tinggi.

15 Measuring Service Quality of Mengadopsi model Usability, Hasil penelitian ini menunjukkan bahwa
Online Bookstores with WebQual 4.0 dengan Information Quality, WebQual merupakan instrumen yang tepat
WebQual ServQual Reliability, Empathy untuk mengukur kualitas layanan perbankan
online.
(Park & Baek, 2007)

16 E-Recruitment: A Study into Mengadopsi model Prior Experience, Hasil penelitian menunjukkan bahwa
Applicant Perceptions of An Perceived Efficiency, Internet Familiarity, perceived efficiency dan user-friendliness
Online Application System User-Friedliness, Perceived Efficiency, menjadi 2 (dua) variabel yang relatif besar
Information User-Friendliness, pengaruhnya terhadap kepuasan pengguna.
(Sylva & Mol, 2009) Provision, Fairness Process Fairness, Selain itu, hanya information provision saja
Perception, Internet Information variabel yang tidak berpengaruh signifikan.
Selection Image, Provision, Overall
Prior Experience, Process Satisfaction

51
No Judul Penelitian dan Peneliti Model Variabel Hasil

dan Internet
Familiarity

17 Analisis Faktor-Faktor yang Mengadopsi model Perceived Efficiency, Hasil penelitian menunjukkan hanya variabel
Mempengaruhi Kepuasan kepuasan (Sylva & User-Friendliness, fainerss perception dan internet selection
Pengguna Situs Rekrutmen Mol, 2009) Information image yang berpengaruh secara signifikan
Online Jobstreet Indonesia Provision, Fairness terhadap kepuasan pengguna.
Perception, Internet
(Putra, 2014) Selection Image,
Prior Experience &
Internet Familiarity

Berdasarkan penelitian-penelitian sejenis yang dijabarkan di atas maka dapat disimpulkan bahwa perlu dibuat penelitian

lanjutan untuk melengkapi penelitian sebelumnya. Selain itu, penelitian sebelumnya menggambarkan adanya beberapa perbedaan

hasil penelitian pada lingkup wilayah dan lingkungan serta faktor-faktor tambahan seperti user interface, EUCS, reliability,

emphaty, dan availability pada model sehingga dapat ditarik kesimpulan bahwa wilayah dan lingkungan serta faktor-faktor

tambahan dapat mempengaruhi hasil penelitian.

52
 BAB 3

METODOLOGI PENELITIAN

3.1 Pendekatan

Secara umum, penelitian yang dilakukan ini menggunakan pendekatan

kuantitatif (Cresswell, 2014) yang berdasarkan tujuan dari penelitian, yaitu

mendapatkan nilai atau tingkat kepuasan pengguna website pencarian kerja yang

telah ditentukan dengan WebQual 4.0 dan mendapatkan faktor-faktor yang

mempengaruhi kepuasannya.

Teknik yang digunakan untuk mengumpulkan data melalui survei

(kuesioner) dengan analisis data dilakukan secara statistik menggunakan perangkat

lunak terkait. Untuk mengukur kualitas website pencarian kerja, menggunakan 3

(tiga) variabel WebQual 4.0 (usability quality, information quality, dan service

interaction quality) dan 1 (satu) variabel dari EUCS (content).

Gambar 3.1 Model Penelitian

53
3.2 Prosedur

Selanjutnya digambarkan proses alur penelitian dari sebelas tahapan dalam

penelitian ini.

Gambar 3.2 Prosedur Penelitian

3.3 Populasi dan Sampel

Populasi dalam penelitian ini adalah pengguna dari website pencarian kerja

yang telah ditentukan. Website yang dipilih adalah Jobstreet. Website ini dipilih

berdasarkan tingkat popularitas serta pilihan lintas generasi masyarakat saat ini.

Berdasarkan laporan jumlah kunjungan dalam 3 (tiga) bulan terakhir yaitu

November 2018, Desember 2018, dan Januari 2019 yang diambil dari SimilarWeb,

54
jobstreet.co.id memiliki kunjungan sebanyak 49,79 juta. Kemudian peneliti

mengambil sampel menggunakan teknik purposive sampling (Serra, Psarra, &

O'Brien, 2018) untuk tahap pertama, dimana kriteria yang ditentukan adalah yang

memiliki pengalaman menggunakan website pencarian kerja sebagai media

penyedia informasi lowongan dan mencari kerja. Hal ini dilakukan agar

memperoleh responden yang benar-benar mengetahui dan memiliki pengalaman

menggunakan website tersebut. Selanjutnya pada tahap kedua, proses pengambilan

sampel dilakukan dengan teknik accidental sampling, dimana responden dipilih

dari yang kebetulan ada atau tanpa perencanaan saat dijumpai (Hadi, 2016).

Jumlah populasi yang sangat besar, diiringi keterbatasan waktu dan biaya

penelitian, Peneliti menetapkan jumlah sampel minimal pada penelitian ini adalah

100 orang. Hal ini didukung oleh beberapa teori. Teori tersebut memaparkan bahwa

SEM memerlukan sekitar 100 hingga 200 sampel dalam penelitian (Wong, 2013).

Di lain teori, sampel dibutuhkan sejumlah 10 kali dari jumlah jalur variabel dalam

model PLS-SEM (Hair Jr, Sarstedt, Hopkins, & Kuppelwieser, 2014).

3.4 Instrumen

Instrumen penelitian ini menggunakan kuesioner (Sugiyono, 2013) yang

terdiri atas 2 (dua) bagian. Bagian pertama adalah profil dari responden yang terdiri

dari 6 (enam) pertanyaan, yaitu nama, jenis kelamin, pendidikan, usia, dan 2 (dua)

pertanyaan terkait pengalaman penggunaan website tersebut (berapa lama

menggunakan, jenis website pencarian kerja yang digunakan). Bagian kedua berisi

tentang pertanyaan-pertanyaan penelitian yang berjumlah 20 butir, terdiri atas 12

55
pertanyaan dari model WebQual 4.0 (3 variabel), 4 (empat) pertanyaan dari model

EUCS (1 variabel) dan 4 (empat) pertanyaan terkait Kepuasan Pengguna.

Dalam penelitian ini, digunakan skala Likert (Dawes, 2008) dengan 5 (lima)

poin. Skala Likert menggunakan 5 (lima) alternatif jawaban untuk setiap

pertanyaannya, yaitu dari sangat tidak setuju dengan nilai 1 (satu) sampai dengan

sangat setuju dengan nilai 5 (lima).

Untuk menjamin validitas dan reliabilitas dari penelitian yang dilakukan,

peneliti mengadopsi instrumen dari indikator pertanyaan yang ada pada WebQual

4.0 yang terdiri dari 3 (tiga) variabel (Barnes & Vidgen, 2002) dan EUCS dengan

1 (satu) variabel (Doll & Torkzadeh, 1988).

Tabel 3.1 Instrumen Pertanyaan Penelitian

Variabel Pertanyaan Kuesioner Referensi

Usability Website pencarian kerja ini mudah dipelajari dan (Bailey & Pearson,
Quality dioperasikan 1983), (Davis F. D.,
1989)
(Barnes & Interaksi dengan website ini jelas dan dimengerti (Davis F. D., 1989),
Vidgen, (Venkatesh & Davis,
2002) 2000)
Website ini memiliki navigasi yang jelas (Levi & Conrad, 1996)
Website ini memiliki tampilan yang menarik (Parasuraman &
Zeithaml, 1988),
Information Website ini menyediakan informasi yang akurat (Bailey & Pearson,
Quality 1983), (Wang &
Strong, 1996)
(Barnes & Website ini menyediakan informasi yang dapat (Wang & Strong,
Vidgen, dipercaya 1996), (Wand & Wang,
2002) 1996)
Website ini menyediakan informasi yang tepat (Bailey & Pearson,
waktu dan terkini 1983) (Wand & Wang,
1996)
Website ini menyediakan informasi yang mudah (Bailey & Pearson,
dimengerti 1983), (Wang &
Strong, 1996)
Service Website ini memiliki reputasi yang baik (Rao & Monroe, 1989)
Interaction
Quality

56
 (Barnes & Saya merasa bahwa informasi pribadi saya (Hoffmann, Novak, &
Vidgen, tersimpan dengan aman Peralta, 1999),
2002)
Setelah menggunakan website ini, saya merasa
(Selz & Schubert,
menjadi bagian dari pencari dan atau penyedia
1997), (Rheingold,
lowongan kerja 1993)
Website ini memberikan kemudahan untuk (Hoffmann, Novak, &
berkomunikasi dengan penyedia informasi Peralta, 1999),
lowongan kerja (Jarvenpaa, Tractinsky,
& Vitale, 2000)
Content Website ini memberikan informasi yang tepat (Rosalina, 2017)
sesuai kebutuhan Anda
(Doll & Konten informasi memenuhi kebutuhan Anda (Rosalina, 2017)
Torkzadeh,
1988)
Website ini memberikan laporan yang tampaknya (Rosalina, 2017)
persis seperti yang Anda butuhkan
Website ini memberikan informasi yang cukup (Rosalina, 2017)
Kepuasan Website ini memenuhi kebutuhan saya (Subiyakto, Ahlan,
Pengguna Kartiwi, Putra, &
Durachman, 2016)
(Rosalina, Website ini efektif dalam penggunaannya (Subiyakto, Ahlan,
2017) Kartiwi, Putra, &
Durachman, 2016)
Website ini efisien dalam penggunaannya (Subiyakto, Ahlan,
Kartiwi, Putra, &
Durachman, 2016)
Secara keseluruhan, saya puas dengan website (Subiyakto, Ahlan,
pencarian kerja yang saya pilih Kartiwi, Putra, &
Durachman, 2016)

3.5 Pengumpulan dan Pemrosesan Data

Proses pengumpulan data yang dilakukan pada penelitian ini dengan

menyebarkan kuesioner tidak langsung kepada responden. Teknik gabungan ini

dapat dilakukan terkait dengan kedalaman dan luasnya informasi, tingkat respon

dari responden dan kualitas data, serta efisiensi dan efektivitas dalam pengumpulan

data (Subiyakto, Ahlan, Kartiwi, Putra, & Durachman, 2016). Penyebaran secara

tidak langsung dilakukan dengan menyebarkan tautan kuesioner daring melalui

57
media sosial. Penyebaran dilakukan kurang lebih 2 (dua) minggu guna mencapai

jumlah sampel yang ditargetkan.

3.6 Analisis Data dan Interpretasi Hasil

Tahap ini dibagi menjadi 2 (dua), yaitu analisis profil responden dan analisis

statistik inferensial. Pertama peneliti melakukan analisis data profil responden

dengan menggunakan perangkat lunak pengolahan angka Microsoft Excel 2016.

Profil responden dikelompokkan berdasarkan jenis kelamin, pendidikan terakhir,

usia, jumlah penghasilan, intensitas penggunaan internet, intensitas penggunaan

website pencarian kerja, dan persepsi terhadap kualitas website yang ada.

Setelah dilakukan analisis profil responden, peneliti melakukan analisis

pengujian reliabilitas dan validitas terhadap hasil pengumpulan data melalui

kuesioner yang telah dilakukan. Pengujian tersebut dilakukan menggunakan

bantuan software SmartPLS 3. Setelah didapatkan hasil pengujian reliabilitas dan

validitas, dilakukan analisis data menggunakan analisis Structural Equation

Modeling (SEM) yang merupakan teknik statistik multivariat kombinasi antara

analisis faktor dan analisis regresi. Analisis SEM ditujukan untuk menguji

hubungan-hubungan antar variabel yang ada pada sebuah model.

Setelah analisis data dilakukan, peneliti membuat interpretasi hasil

berdasarkan kondisi di lapangan serta menerjemahkan hasil analisis secara statistik-

kuantitatif dengan membandingkan dan mempertimbangkan sejumlah literatur

sebelumnya.

58
 BAB 4

HASIL ANALISIS DAN INTERPRETASI

4.1 Pengumpulan Data

Proses pengumpulan data penelitian dilakukan dengan cara menyebarkan

kuesioner secara tidak langsung kepada responden. Penyebaran secara tidak

langsung (melalui kuesioner online) dilakukan oleh peneliti melalui sosial media

(Instagram, Twitter, dan Facebook) dan aplikasi perpesanan (WhatsApp, LINE, dan

Telegram). Kuesioner online ini menggunakan bantuan Google Form yang telah

diketahui secara umum digunakan pada kuesioner online. Penyebaran kuesioner ini

dilakukan dalam kurun waktu 2 (dua) minggu, terhitung dimulai 10 Maret sampai

22 Maret 2019 untuk mencapai target sejumah sampel yang diinginkan.

Seluruh kuesioner online yang telah terkumpul, diproses dan diklasifikasi

menggunakan bantuan Microsoft Excel 2016. Pengumpulan data kuesioner

menghasilkan 100 kuesioner yang dapat dilanjutkan ke tahap berikutnya

(dipaparkan pada Tabel 4.1).

Tabel 4.1 Jumlah Data Kuesioner

Metode Valid Tidak Valid Keterangan

Penyebaran
Tidak Langsung
100 - -
(online)

59
4.2 Hasil Analisis Demografis

4.2.1 Jenis Kelamin

Berdasarkan diagram lingkaran jenis kelamin pada Gambar 4.9, responden

didominasi oleh laki-laki sebanyak 84 orang (84%) dan perempuan sebanyak 16

orang (16%).

Perempuan; 16;
16%

Laki-Laki; 84;
84%

Gambar 4.1 Diagram Jenis Kelamin

4.2.2 Pendidikan Terakhir

Berdasarkan tingkat pendidikan terakhir yang ditunjukkan oleh Gambar 4.2,

responden didominasi oleh masyarakat berpendidikan S1 sebanyak 77 orang (77%),

disusul oleh SMA dengan 19 orang (19%), dan dilanjut oleh D3 sebanyak 4 orang

(4%).

60
 SMA; 19; 19%

D3; 4; 4%

S1; 77; 77%

Gambar 4.2 Diagram Pendidikan Terakhir

4.2.3 Usia

Responden pada penelitian ini, seperti yang ditunjukkan oleh Gambar 4.3,

yang berusia 23-28 tahun sebanyak 71 orang (71%), disusul oleh usia 17-22 tahun

sebanyak 27 orang (27%), dan berusia lebih dari 28 tahun sebanyak 2 orang (2%).

>28 tahun; 2;
2% 17-22 tahun;
27; 27%

23-28 tahun;
71; 71%

Gambar 4.3 Diagram Usia

61
4.2.4 Jumlah Penghasilan Per Bulan

Berdasarkan pengumpulan data yang dilakukan, responden yang memiliki

penghasilan sebanyak 3-5 juta sebanyak 29 orang (29%), disusul oleh 1-3 juta

sebanyak 27 orang (27%), lebih dari 5 juta sebanyak 24 orang (24%), dan kurang

dari 1 juta adalah 20 orang (20%).

<1 juta; 20;

>5 juta; 24; 20%
24%

1-3 juta; 27;

27%

3-5 juta; 29;

29%

Gambar 4.4 Diagram Jumlah Penghasilan Per Bulan

4.2.5 Lama Penggunaan Internet

Lama penggunaan internet oleh responden penelitian, ditunjukkan oleh

Gambar 4.5. Responden terbanyak yaitu dengan penggunaan selama 5-10 tahun

sebanyak 55 orang (55%), lalu lebih dari 10 tahun sebanyak 39 orang (39%), disusul

oleh 3-5 tahun sebanyak 5 orang (5%), dan 1-3 tahun sebanyak 1 orang (1%).

62
 1-3 tahun; 1;
1% 3-5 tahun; 5;
5%
>10 tahun; 39;
39%

5-10 tahun; 55;

55%

Gambar 4.5 Diagram Lama Penggunaan Internet

4.2.6 Waktu yang Dihabiskan untuk Mengakses Jobstreet

Hasil pengumpulan data, seperti terdapat pada Gambar 4.6, menunjukkan

lama pengguna saat mengakses website pencarian kerja sebagian besar kurang dari

1 jam sebanyak 55 orang (55%), kemudian 1-3 jam sebanyak 36 orang (36%), 3-5

jam sebanyak 7 orang (7%), dan lebih dari 5 jam sebanyak 2 orang (2%).

>5 jam; 2; 2%
3-5 jam; 7; 7%

<1 jam; 55;

1-3 jam; 36; 55%
36%

Gambar 4.6 Diagram Waktu yang Dihabiskan untuk Mengakses Jobstreet

63
4.3 Hasil Analisis Pengukuran Model (Outer Model)

Pada tahap ini dilakukan analisis pengukuran model (measurement model),

dimana analisis pengukuran model terdiri atas 4 (empat) tahap pengujian yaitu

individual item reliability, internal consistency reliability, average variance

extracted, dan discriminant validity (Sarstedt, Ringle, & Hair, 2017) (Subiyakto,

Ahlan, Kartiwi, & Sukmana, 2015) (Wong, 2013) (Nugroho & Sari, 2016).

4.3.1 Individual Item Reliability

Mengacu pada standar nilai outer loading, setelah melalui pengujian pada

SmartPLS 3.0, semua indikator telah memenuhi syarat lebih dari 0,7.

Tabel 4.2 Nilai Outer Loadings

Content Customer Information Service Usability

Satisfaction Quality Interaction Quality
Quality
CON1 0,904
CON2 0,912
CON3 0,862
CON4 0,888
CUS1 0,882
CUS2 0,904
CUS3 0,872
CUS4 0,907
INQ1 0,834
INQ2 0,882
INQ3 0,742
INQ4 0,811
SIQ1 0,739
SIQ2 0,830
SIQ3 0,843
SIQ4 0,792
USQ1 0,815
USQ2 0,859
USQ3 0,890

64
 USQ4 0,715

4.3.2 Internal Consistency Reliability

Hasil pengujian pada tabel 4.3 menunjukkan bahwa hasil composite

reliability menunjukkan nilai di atas 0,7 dan masuk ke dalam kategori Sangat Andal

pada tabel tingkat kehandalan (Hair, Black, Babin, & Anderson, 2010).

Tabel 4.3 Nilai Composite Reliability

Composite Reliability
Content 0,939
Customer Satisfaction 0,939
Information Quality 0,890
Service Interaction Quality 0,878
Usability Quality 0,892

4.3.3 Average Variance Extracted (AVE)

Hasil pengujian pada tabel 4.4 menunjukkan bahwa hasil nilai AVE pada

masing-masing variabel telah melebihi nilai minimum yaitu 0,5. Variabel laten

(konstruk) dapat menjelaskan rata-rata lebih dari setengah variance dari indikator-

indikatornya, dapat dikatakan baik, dan memenuhi syarat dalam uji nilai AVE.

Tabel 4.4 Nilai Average Variance Extracted (AVE)

Average Variance
Extracted (AVE)
Content 0,795
Customer Satisfaction 0,795
Information Quality 0,671
Service Interaction Quality 0,643
Usability Quality 0,676

65
4.3.4 Discriminant Validity

Berdasarkan hasil pemeriksaan cross loading antar indikator dan cross

loading Fornell-Larcker’s, Tabel 4.5 telah menunjukkan nilai cross loading

indikator dengan konstruk lebih tinggi dari korelasi dengan konstruk blok lain.

Tabel 4.5 Nilai Cross Loading

Content Customer Information Service Usability

Satisfaction Quality Interaction Quality
Quality
CON1 0,904 0,660 0,591 0,700 0,550
CON2 0,912 0,693 0,624 0,638 0,545
CON3 0,862 0,676 0,605 0,607 0,522
CON4 0,888 0,663 0,670 0,586 0,599
CUS1 0,720 0,882 0,597 0,660 0,547
CUS2 0,622 0,904 0,673 0,652 0,617
CUS3 0,635 0,872 0,631 0,668 0,571
CUS4 0,713 0,907 0,685 0,725 0,691
INQ1 0,550 0,621 0,834 0,512 0,473
INQ2 0,642 0,650 0,882 0,609 0,515
INQ3 0,498 0,504 0,742 0,467 0,425
INQ4 0,589 0,592 0,811 0,607 0,669
SIQ1 0,588 0,644 0,550 0,739 0,620
SIQ2 0,588 0,586 0,515 0,830 0,532
SIQ3 0,639 0,596 0,534 0,843 0,547
SIQ4 0,544 0,601 0,550 0,792 0,423
USQ1 0,526 0,566 0,543 0,530 0,815
USQ2 0,501 0,499 0,487 0,520 0,859
USQ3 0,663 0,607 0,573 0,635 0,890
USQ4 0,333 0,556 0,477 0,488 0,715

Sedangkan pada Tabel 4.6, dapat dilihat bahwa nilai akar AVE lebih tinggi

dibandingkan dengan korelasi antar konstruk dengan konstruk lainnya.

66
 Tabel 4.6 Nilai Fornell-Larcker Criterion

Content Customer Information Service Usability

Satisfaction Quality Interactio Quality
n Quality
Content 0,892
Customer 0,755 0,891
Satisfaction
Information 0,698 0,726 0,819
Quality
Service 0,710 0,760 0,672 0,802
Interaction
Quality
Usability 0,621 0,682 0,637 0,665 0,822
Quality

Analisis pengukuran model (outer model) di atas menunjukkan bahwa model

penelitian yang diajukan peneliti telah memiliki ciri dan karakteristik yang baik

secara pengujian statistik, sehingga dapat dikatakan bahwa model penelitian ini

telah memenuhi kriteria untuk dilanjutkan ke tahap pengujian struktur model (inner

model) (Wong, 2013).

67
 Gambar 4.7 Hasil Analisis Outer Model dengan SmartPLS 3.0

4.4 Hasil Analisis Struktur Model (Inner Model)

4.4.1 Path Coefficient

Hasil pengujian menyatakan 4 (empat) jalur yang ada pada model penelitian

yang diajukan memiliki nilai di atas ambang batas 0,1. Dapat disimpulkan bahwa

keempat jalur yang diajukan memiliki signifikansi yang baik di dalam model.

Tabel 4.7 Nilai Path Coefficient

Customer Satisfaction
Content 0,288
Information Quality 0,219
Service Interaction Quality 0,297
Usability Quality 0,166

68
 Gambar 4.8 Hasil Analisis Path Coefficient (β)

4.4.2 Coefficient of Determination

Pada pengujian ini, digunakan standar pengukuran sebesar sekitar 0,670

(kuat), sekitar 0,333 (moderat), dan 0,190 atau di bawah (lemah). Tabel 4.8

menunjukkan bahwa R2 yang didapat dari hasil perhitungan adalah kuat.

Tabel 4.8 Nilai Coefficient of Determination

R Square R Square Adjusted

Customer Satisfaction 0,716 0,704

4.4.3 T-test

Hasil pengujian pada tabel 4.9 menunjukkan bahwa nilai hasil uji t-test untuk

setiap hipotesis diterima karena telah melampaui nilai ambang batas 1,96.

Tabel 4.9 Nilai T-test

T Statistics
(|O/STDEV|)
Content  Customer Satisfaction 2,611

69
 Information Quality  Customer 2,063
Satisfaction
Service Interaction Quality  2,537
Customer Satisfaction
Usability Quality  Customer 2,031
Satisfaction

Gambar 4.9 Hasil Analisis T-Test

4.4.4 Effect Size

Hasil pengujian effect size yang dilakukan menghasilkan nilai f2 yang

dihitung dengan menggunakan rumus yang telah ditentukan.

Tabel 4.10 Nilai Effect Size

Customer Satisfaction
Content 0,111
Information Quality 0,030
Service Interaction Quality 0,151
Usability Quality 0,058

70
4.4.5 Predictive Relevance

Pengujian predictive relevance ini menggunakan metode blindfolding untuk

memberi bukti keterkaitan variabel tertentu. Tabel 4.11 menunjukkan bahwa dari

semua variabel memiliki keterkaitan prediktif.

4.4.6 Uji Relative Impact

Pengujian relative impact ini menggunakan metode blindfolding untuk

mengukur pengaruh relatif dari variabel dengan variabel lainnya. Tabel 4.11

menunjukkan bahwa dari semua variabel berpengaruh besar.

71
 Tabel 4.11 Hasil Analisis

Hipotesis f2 q2 Analyses
β t-test R2 2
R- Q 2
Q2 -
No Jalur R2-in ∑ f2 Q2-in ∑ q2 β t-test R2 f2 Q2 q2
ex ex
USQ
H1 0,288 2,611 0,716 0,716 0,704 0,04225 0,523 0,523 0,514 0,019 Sign Diterima Kuat k Predictive Relevance k
- CUS
INQ -
H2 0,219 2,063 0,716 0,716 0,704 0,04225 0,523 0,523 0,514 0,019 Sign Diterima Kuat k Predictive Relevance k
CUS
SIQ -
H3 0,297 2,537 0,716 0,716 0,704 0,04225 0,523 0,523 0,514 0,019 Sign Diterima Kuat k Predictive Relevance k
CUS
CON
H4 0,166 2,031 0,716 0,716 0,704 0,04225 0,523 0,523 0,514 0,019 Sign Diterima Kuat k Predictive Relevance k
- CUS

Keterangan :

β : Path Coefficient Insign : Insignifikan m : Menengah

t-test : T-Statistics K : Kuat k : Kecil
R2 : Coefficient of L : Lemah
Determination
Q2 : M : Moderat
Sign : Signifikan b : Besar

72
4.5 Interpretasi dan Pembahasan Hasil Analisis

4.5.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis

Mengacu pada hasil analisis yang telah dilakukan terhadap informasi

demografis profil responden, dilakukan interpretasi dan diskusi hasil analisis

tersebut.

a. Jenis Kelamin

Berdasarkan pada Gambar 4.1 mengenai jenis kelamin responden,

dapat dinyatakan bahwa responden pada penelitian ini didominasi oleh

laki-laki sebanyak 84% dan perempuan sebanyak 16%. Dapat disimpulkan

oleh peneliti bahwa saat ini perempuan belum banyak yang mulai mencoba

untuk membangun karir sendiri. Padahal platform online juga dapat

mengaktifkan 3% dari populasi penduduk perempuan yang berusia

produktif (Das, Gryseels, Sudhir, & Tan, 2016).

b. Pendidikan Terakhir

Mengacu pada Gambar 4.2 mengenai pendidikan terakhir

responden, dapat terlihat bahwa lulusan S1 mendominasi dengan 77%,

disusul lulusan SMA 19%, dan lulusan D3 4%. Peneliti menyimpulkan

bahwa website lowongan kerja lebih banyak digunakan oleh lulusan S1

yang sedang membangun karir di dunia kerja. Selain itu, pengguna sistem

yang berpendidikan S1 lebih memahami dalam penggunaan website.

c. Usia

Berdasarkan yang ditunjukkan oleh Gambar 4.3 mengenai usia

responden, frekuensi tertinggi dimiliki oleh responden dengan usia 23-28

73
 tahun dengan 71%, disusul 17-22 tahun dengan 27%, dan lebih dari 28

tahun sebanyak 2%. Hal ini sejalan dengan data penelitian dari Asosiasi

Penyelenggara Jasa Internet Indonesia (APJII) yang menyatakan bahwa

pengguna internet rentang usia 19-34 tahun sebesar 49,52% (tertinggi

dibandingkan rentang usia lain).

d. Jumlah Penghasilan Per Bulan

Melihat Gambar 4.4 tentang jumlah penghasilan per bulan

responden, responden yang memiliki penghasilan 3-5 juta sebanyak 29

orang (29%), disusul oleh 1-3 juta sebanyak 27 orang (27%), lebih dari 5

juta sebanyak 24 orang (24%), dan kurang dari 1 juta adalah 20 orang

(20%). Peneliti menyimpulkan, bahwa responden yang menggunakan

website pencarian kerja ini memang sedang dalam proses pencarian karir

dengan upah yang sesuai.

e. Lama Penggunaan Internet

Merujuk pada Gambar 4.5 mengenai lama penggunaan internet,

responden dengan lama penggunaan 5-10 tahun mencapai 55%,

dilanjutkan oleh lebih dari 10 tahun sebanyak 39%, 3-5 tahun sebanyak

5%, dan 1-3 tahun sebanyak 1%. Peneliti menyimpulkan bahwa lama

penggunaan akan menentukan kompetensi pengguna dalam melakukan

akses dan penggunaan website pencarian kerja.

f. Waktu yang Dihabiskan untuk Mengakses Website Jobstreet

Mengacu pada Gambar 4.6 mengenai waktu yang dihabiskan dalam

mengakses website pencarian kerja, responden dengan waktu kurang dari

74
 1 jam menjadi tertinggi dengan 55%, disusul 1-3 jam dengan 36%, 3-5 jam

sebanyak 7%, dan lebih dari 5 jam sebanyak 2%. Hal ini disebabkan

pengguna website yang beragam dan memiliki kebutuhan informasi yang

berbeda-beda. Selain itu, tingkat kompetensi (merujuk pada tingkat

pendidikan) pengguna juga dapat menyebabkan panjang atau pendeknya

lama penggunaan website pencarian kerja.

4.5.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran

Mengacu pada hasil analisis model pengukuran yang telah dipaparkan

sebelumnya, terdapat beberapa poin yang perlu diperhatikan pada tahapan analisis

pengukuran model, yaitu:

a. Pada analisis model pengukuran didapatkan hasil akhir yang menyatakan

bahwa model penelitian telah memenuhi kriteria dengan melewati 4

(empat) tahap pengujian yang terdiri atas:

1. Individual Item Reliability, dengan melihat nilai outer loading di atas

0,7 (Sarstedt, Ringle, & Hair, 2017).

2. Internal Concistency Reliability, yang melihat nilai uji composite

reliability dengan ambang nilai dari masing-masing indikator di atas 0,7

(Wong, 2013).

3. Average Variance Extracted (AVE), dengan melihat nilai AVE

minimal 0,5 (Subiyakto, Ahlan, Kartiwi, & Sukmana, 2015).

4. Discriminant Validity, yaitu dengan memeriksa nilai cross loading serta

membandingkan hubungan indikator dengan konstruknya. Selanjutnya

75
 pengecekan nilai cross loading Fornell-Lacker’s dengan

membandingkan nilai akar AVE, dimana nilai akar tersebut harus lebih

tinggi dari korelasi antara konstruk dengan konstruk lainnya (Sarstedt,

Ringle, & Hair, 2017).

b. Terdapat 10 indikator dari WebQual 4.0 yang dihapus yaitu Q6, Q7, Q8,

Q12, Q14, Q15, Q17, Q19, Q22, dan Q23. Q6, Q7, Q8, Q22, dan Q23

(lihat Tabel 2.2) dihapus dalam model penelitian karena telah dimuat pada

lebih dari 1 (satu) faktor (Park & Baek, 2007). 5 indikator lainnya yaitu

Q12, Q14, Q15, Q17, dan Q19 dihilangkan karena tidak terkait dengan

konteks website pencarian kerja, seperti sistem pembayaran online

(Tarigan, 2008). Selain itu, indikator tersebut dieliminasi karena memiliki

kalimat pertanyaan yang kurang dapat dipahami oleh responden.

Berdasarkan 2 (dua) poin di atas, dengan hasil yang sudah memenuhi kriteria

namun terdapat penghapusan indikator, peneliti beranggapan faktor penggunaan

item pertanyaan pada kuesioner belum tepat, khususnya pada indikator yang

dihapus. Selain itu, pengisian kuesioner tidak dilakukan secara langsung (100%

online) juga mempengaruhi kemungkinan adanya salah pemaknaan item

pertanyaan pada kuesioner.

4.5.3 Interpretasi dan Diskusi Hasil Analisis Struktural Model

Berdasarkan hasil dari 6 (enam) tahapan analisis yang telah dilakukan yaitu

path coefficient, coefficient of determination, t-test, effect size, predictive relevance,

76
dan relative impact, pembahasan berikut akan berisi tentang interpretasi dan diskusi

peneliti.

Q2.1 Apakah Usability Quality (USQ) berpengaruh secara signifikan

terhadap Customer Satisfaction (CUS)?

Hasil pengujian t-test pada analisis model struktural menunjukkan

bahwa hipotesis diterima. USQ memiliki pengaruh terhadap CUS. Jalur

USQ  CUS memiliki pengaruh yang signifikan berdasarkan nilai β,

sedangkan bila berdasarkan perhitungan f2 dan q2, pengaruh yang

dihasilkan kecil.

Hal ini sesuai dengan asumsi awal yang diajukan berdasarkan

model penelitian sebelumnya (Rezkiani, Suprapto, & Rachmadi, 2018)

yang menyatakan bahwa variabel USQ berpengaruh secara positif

terhadap CUS. Berdasarkan perhitungan statistik menggunakan variabel

uji individual, USQ memiliki pengaruh signifikan dan positif terhadap

variabel kualitas situs website (kesan keseluruhan) (Kadar, Napitupulu, &

Jati, 2017).

Q2.2 Apakah Information Quality (INQ) berpengaruh secara signifikan

terhadap Customer Satisfaction (CUS)?

Berdasarkan hasil pengujian t-test pada analisis model struktural,

hipotesis tersebut diterima. INQ memiliki pengaruh terhadap CUS. Jalur

INQ  CUS memiliki pengaruh yang signifikan berdasarkan nilai β,

77
 sedangkan bila berdasarkan perhitungan f2 dan q2, pengaruh yang

dihasilkan kecil.

Variabel INQ dinyatakan sangat mempengaruhi kepuasan

pengguna (Hendarti, Christian, Permatasari, Maryani, & Nindito, 2017).

Didukung oleh penelitian lainnya bahwa INQ memiliki pengaruh positif

dan signifikan dan berkontribusi terhadap kepuasan pengguna

berdasarkan tingkat hubungan korelasinya (Christian, Jaya, & Rulyna,

2017).

Q2.3 Apakah Service Interaction Quality (SIQ) berpengaruh secara

signifikan terhadap Customer Satisfaction (CUS)?

Berdasarkan hasil pengujian t-test pada analisis model struktural,

hipotesis tersebut diterima. SIQ memiliki pengaruh terhadap CUS. Jalur

SIQ  CUS memiliki pengaruh yang signifikan berdasarkan nilai β,

sedangkan bila berdasarkan perhitungan f2 dan q2, pengaruh yang

dihasilkan kecil.

SIQ memiliki pengaruh yang positif secara parsial (Nugroho & Sari,

2016), sejalan dengan pernyataan bahwa SIQ memiliki pengaruh yang

signifikan (Sanjaya, 2012).

Q2.4 Apakah Content (CON) berpengaruh secara signifikan terhadap

Customer Satisfaction (CUS)?

78
 Berdasarkan hasil pengujian t-test pada analisis model struktural,

hipotesis tersebut diterima. SIQ memiliki pengaruh terhadap CUS. Jalur

SIQ  CUS memiliki pengaruh yang signifikan berdasarkan nilai β,

sedangkan bila berdasarkan perhitungan f2 dan q2, pengaruh yang

dihasilkan kecil.

Hal ini senada dengan penelitian sebelumnya yang telah dilakukan.

Konten yang mencakup informasi, detail informasi, dan kesesuaian

informasi dengan kebutuhan pengguna akhir memiliki pengaruh

signifikan terhadap tingkat kepuasan pengguna (Prasetyo, Yulia, &

Felisia, 2017). Diperkuat lagi, CON juga berpengaruh signifikan terhadap

kepuasan pengguna sistem informasi, yang dalam hal ini berbasis website

(Rosalina, 2017).

79
 BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian, berikut adalah kesimpulan penting dari

penelitian yang telah dilakukan.

a. Seluruh hipotesis yang mempengaruhi Customer Satisfaction dinyatakan

diterima berdasarkan hasil pengujian path coefficient (β) dan t-test.

Customer Satisfaction yang ditentukan oleh kualitas website, berkaitan

dengan penyediaan informasi dengan perincian yang tinggi dan selalu up-

to-date. Selain itu, kemudahan untuk berkomunikasi dengan penyedia

informasi lowongan kerja juga menjadi hal yang patut diperhatikan untuk

membangun kepuasan pengguna.

b. Terdapat 4 (empat) hipotesis penelitian ini diterima, dengan hubungan-

hubungan yang paling mempengaruhi secara berurutan yaitu hubungan

antara Service Interaction Quality dengan Customer Satisfaction (SIQ →

CUS), Content dengan Customer Satisfaction (CON → CUS), hubungan

antara Information Quality dengan Customer Satisfaction (USQ → CUS),

dan hubungan antara Usability Quality dengan Customer Satisfaction

(INQ → CUS).

c. Secara umum berdasarkan pilihan pada kuesioner, pengguna merasa puas

secara keseluruhan saat menggunakan Jobstreet mencapai 64%. Pengguna

merasa Jobstreet cukup efektif dan efisien serta merasa bahwa Jobstreet

80
 telah memenuhi kebutuhan mereka akan informasi lowongan pekerjaan.

Dan 56% dari responden yang menyatakan bahwa tampilan dari website

ini tidak menarik bagi pengguna dimana hal ini sejalan dengan hasil

pengujian pada variabel Usability Quality.

d. Faktor yang paling berperan dalam pembentukan kepuasan pengguna

terhadap kualitas website pencarian kerja adalah Service Interaction

Quality (SIQ) dengan tingkat kepuasan 29,7%, diikuti oleh Content (CON)

dengan tingkat kepuasan 28,8%, lalu Information Quality (INQ) dengan

tingkat kepuasan 21,9%, dan Usability Quality (USQ) dengan tingkat

kepuasan 16,6%.

e. Secara bersamaan, variabel-variabel pembentuk kepuasan pengguna pada

model yang diajukan (Usability Quality, Information Quality, Service

Interaction Quality, dan Content) memberikan pengaruh sebesar 71,6%

terhadap kepuasan pengguna.

5.2 Saran

Pada bagian ini, peneliti akan menjelaskan saran untuk penelitian selanjutnya

berdasarkan batasan-batasan yang sudah dijelaskan sebelumnya mengenai teknik

dan alat pengumpulan data, teknik sampling, metode pendekatan penelitian, teknik

dan alat analisis data yang peneliti gunakan, serta pemahaman dan pengetahuan

peneliti, maka peneliti merekomendasikan sebagai berikut.

a. Berdasarkan hasil penelitian, peneliti memberikan saran untuk penelitian

selanjutnya agar melakukan observasi terhadap variabel Service

81
 Interaction Quality (SIQ) yang memiliki nilai pengaruh cukup tinggi,

sehingga didapat standar layanan interaksi yang diharapkan pengguna

website pencarian kerja.

b. Peningkatan kualitas tampilan, navigasi, dan kemudahan penggunaan pada

website pencarian kerja tersebut menjadi fokus perbaikan dan peningkatan

sehingga kepuasan pengguna dapat tercapai lebih baik.

c. Penambahan indikator selain Content pada model EUCS diperlukan agar

penilaian serta kebutuhan pengguna sistem dapat teridentifikasi lebih

akurat dan lebih detail lagi.

82
 DAFTAR PUSTAKA

Al Baiti, A., Suprapto, & Rachmadi, A. (2017). Pengukuran Kualitas Layanan

Website Dinas Pendidikan Kota Malang dengan Menggunakan Metode

Webqual 4.0 dan IPA. Jurnal Pengembangan Teknologi Informasi dan Ilmu

Komputer, 885-892.

Alhasanah, J. U., Kertahadi, & Riyadi. (2014, Oktober). Pengaruh Kegunaan,

Kualitas Informasi, dan Kualitas Interaksi Layanan Web E-Commerce

Terhadap Keputusan Pembelian Online (Survei pada Konsumen

www.getscoop.com). Jurnal Administrasi Bisnis (JAB), 15(2), 1-10.

Alsultanny, Y. A., & Alotaibi, M. F. (2015). Evaluating the Factors Affecting on

Intension to Use of E-Recruitment. American Journal of Information

Science and Computer Engineering, 324-331.

Arifin, S. R., Nugroho, E., & Hantono, B. S. (2015, Juli). Analisis Kualitas Layanan

Website Universitas Hasanuddin dengan Metode WebQual 4.0 Modifikasi.

Teknomatika, 8(1), 81-92.

Arikunto, S. (2013). Prosedur Penelitian: Suatu Pendekatan Praktik. Jakarta:

Rineka Cipta.

Astuti, A. P., & Sari, P. K. (2016, Agustus). Analisis Kualitas Website Lazada

Indonesia Berdasarkan Metode WebQual 4.0 dan Pengaruhnya Terhadap

Kepuasan Pengguna. e-Proceeding of Management, 3(2), 1341-1348.

Asyraf, W. M. (2013, September). A Comparison Of Partial Least Square Structural

Equation Modeling (PLS-SEM) and Covariance Based Structural Equation

83
 Modeling (CB-SEM) for Confirmatory Factor Analysis. International

Journal of Engineering Science and Innovative Technology (IJESIT), 2(5),

198-205.

Bailey, J. E., & Pearson, S. W. (1983). Development of A Tool For Measuring and

Analyzing Computer User Satisfaction. Management Science, 29(5), 530-

545.

Barbarasa, E., Barrett, J., & Goldin, N. (2017). Skills Gap or Signaling Gap? :

Insight from LinkedIn in Emerging Markets of Brazil, India, Indonesia, and

South Africa. Washington D.C.: Solutions for Youth Employment and

LinkedIn.

Barnes, S. J., & Vidgen, R. (2003). Measuring Website Quality Improvements: A

Case Study of The Forum on Strategic Management Knowledge Exchange.

Industrial Management & Data System, 103(5), 297-309.

Barnes, S. J., & Vidgen, R. T. (2002). An Integrative Approach to The Assessment

of E-Commerce Quality. Journal of Electronic Commerce Research, 3(3),

114-127.

Barnes, S., & Vidgen, R. (2000). WebQual: An Exploration of Website Quality.

ECIS 2000 Proceedings.

Barnes, S., & Vidgen, R. (2001). Assessing the Quality of Auction Web Sites.

Hawaii International Conference on System Sciences (pp. 1-10). IEEE.

Benson, D. H. (1983, Desember). A Field Study of End-User Computing: Findings

and Issues. MIS Quarterly, 7(4), 35-45.

84
Chin, W., & Lee, M. (2000). On The Formation of End-User Computing

Satisfaction: A Proposed Model and Measurement Instrument.

International Conference on Information Systems, (pp. 563-579). Brisbane.

Christian, T. L., Jaya, D., & Rulyna. (2017). Impact of English Online Learning

Website Quality to User Satisfaction in Jakarta. International Conference

on Information Management and Technology (pp. 278-283). Yogyakarta:

IEEE.

Cober, R. T., Brown, D. J., Levy, P. E., Cober, A. B., & Keeping, L. M. (2003,

June/September). Organizational Web Sites: Web Site Content and Style as

Determinants of Organizational Attraction. International Journal of

Selection and Assessment, 11(2/3), 158-169.

Cresswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed

Method Approaches 4th Edition. London: SAGE Publications, Inc.

Das, K., Gryseels, M., Sudhir, P., & Tan, K. T. (2016). Unlocking Indonesia's

Digital Opportunity. McKinsey & Company.

Davis, F. D. (1989, September). Perceived Usefulness, Perceived Ease of Use, and

User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-

340.

Davis, G. B., & Olson, M. H. (1985). Management Information Systems:

Conceptual Foundations, Structure, and Development. New York:

McGraw-Hill Book Co.

85
Dawes, J. (2008). Do Data Characteristics Change According to The Number of

Scale Points Used ? An Experiment Using 5 Point, 7 Point and 10 Point

Scales. International Journal of Market Research, 50(1), 1-19.

Derous, E., Born, M. P., & Witte, K. D. (2004, March/June). How Applicants Want

and Expect to Be Treated: Applicant's Selection Treatment Beliefs and the

Development of the Social Process Questionnaire on Selection.

International Journal of Selection and Assessment, 12(1/2), 99-119.

Doll, W. J., & Torkzadeh, G. (1988). The Measurement of End-User Computing

Satisfaction. MIS Quarterly, 12(2), 259-274.

Edward, M., & Sahadev, S. (2011). Role of Switching Costs in The Service Quality,

Perceived Value, Customer Satisfaction, and Customer Retention Linkage.

Asia Pasific Journal of Marketing and Logistics, 23(3), 327-346.

Gelinas, U. J., Dull, R. B., & Wheeler, P. (2015). Accounting Information Systems

10th Edition. Stamford: Cengage Learning.

Gulo, W. (2002). Metodologi Penelitian. Grasindo.

Hadi, S. (2016). Statistik. Jakarta: Pustaka Pelajar.

Hafiz, A. (2017). Mengukur Kualitas Website dengan Pendekatan WebQual 4.0

Modifikasi. Prosiding Seminar Nasional Darmajaya (pp. 443-457). Bandar

Lampung: LP4M IIB Darmajaya.

Hair Jr, J. F., Sarstedt, M., Hopkins, L., & Kuppelwieser, V. G. (2014). Partial Least

Squares Structural Equation Modeling: An Emerging Tool in Business

Research. European Business Review, 26(2), 106-121.

86
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate Data

Analysis 7th Edition. New York: Pearson.

Hair, J. F., Hult, G. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial

Least Squares Strutural Equation Modeling (PLS-SEM) 2nd Edition.

Thousand Oaks: SAGE Publications, Inc.

Hasibuan, Z. A. (2007). Metodologi Penelitian pada Bidang Ilmu Komputer dan

Teknologi Informasi - Konsep, Teknik, dan Aplikasi. Depok: Fakultas Ilmu

Komputer Universitas Indonesia.

Hendarti, H., Christian, T. L., Permatasari, A., Maryani, & Nindito, H. (2017).

Evaluation of Web Information System National Land Agency to Improve

User Satisfaction. International Conference onf Information Management

and Technology (pp. 39-43). Yogyakarta: IEEE.

Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The Use of Partial Least

Squares Path Modeling in International Marketing. Advances in

International Marketing, 277-319.

Hoffmann, D. L., Novak, T. P., & Peralta, M. (1999, April). Building Consumer

Trust in Online Environments: The Case for Information Privacy.

Communications of The ACM, 42(4), 80-85.

Huang, H.-Y., & Pan, C. (2012). Factors Influencing the User Behaviour Intention

of Online Recruitment Websites. International Journal of Business and

Commerce, 107-126.

87
Husain, T., & Budiyantara, A. (2018, Maret). Analisis End-User Computing

Satisfaction (EUCS) dan WebQual 4.0 Terhadap Kepuasan Pengguna.

Jatisi, 4(2), 164-176.

Jabar, M., Usman, U. A., & Awal, A. (2013). Assessing The Usability of University

Websites form User's Perspective. Australian Journal of Basic and Applied

Sciences, 98-111.

Jarvenpaa, S. L., Tractinsky, N., & Vitale, M. (2000). Consumer Trust in An

Internet Store. Information Technology and Management, 1, 45-71.

Jogiyanto. (2005). Analisis dan Desain Sistem Informasi Pendekatan Terstruktur:

Teori dan Praktik Aplikasi Bisnis. Yogyakarta: Andi.

Juliansyah, M. R. (2018). Pengaruh Image Product Terhadap Loyalitas Pengguna

E-Commerce di Indonesia dengan Menggunakan Model Expectation

Confirmation Theory (ECT) dan Theory Reasoned Action (TRA). Jakarta:

UIN Syarif Hidayatullah Jakarta.

Kadar, J. A., Napitupulu, D., & Jati, R. K. (2017). Analysis of Factors Influencing

The Quality of Intranet Website Based on WebQual Approach Case Study

in Agency X. International Conference on Science in Information

Technology (pp. 526-532). Bandung: IEEE.

Kelley, K., & Preacher, K. J. (2012). On Effect Size. American Psychological

Association, 17(2), 137-152.

Ladjamudin, A.-B. B. (2013). Analisis dan Desain Sistem Informasi. Yogyakarta:

Graha Ilmu.

88
Lau, G. T., & Lee, S. H. (1999). Consumer's Trust in A Brand and The Link to

Brand Loyalty. Journal of Market Focused Management, 341-370.

Levi, M. D., & Conrad, F. G. (1996, Juli). A Heuristic Evaluation of A World Wide

Web Prototype. 50-61.

Loehlin, J. C. (2004). Latent Variable Models: An Introduction to Factor, Path, and

Structural Equation Analysis 4th Edition. New Jersey: Lawrence Erlbaum

Associates.

Loiacono, E. T., Watson, R. T., & Goodhue, D. L. (2002). WebQual: A Measure of

Website Quality. Marketing Theory and Applications (pp. 432-438).

American Marketing Association.

Makinuddin, & Sasongko, T. H. (2006). Analisis Sosial: Bersaksi Dalam Advokasi

Irigasi. Bandung: Akatiga.

Maulida, I. (2018). Faktor-Faktor yang Mempengaruhi Kualitas Layanan E-

Commerce Terhadap Loyalitas Pelanggan. Jakarta: UIN Syarif

Hidayatullah Jakarta.

Maulida, I. (2018). Faktor-Faktor Yang Mempengaruhi Kualitas Layanan E-

Commerce Terhadap Loyalitas Pelanggan. Jakarta: UIN Syarif

Hidayatullah Jakarta.

Narteh, B. (2015). Perceived Service Quality and Satisfaction of Self-Service

Technology. International Journal of Quality & Reliability Management,

32(4), 361-380.

89
Nastiti, F. E., & Hadi, S. P. (2014). Analisis Kebutuhan Aplikasi dengan Pemetaan

pada Business Model Canvas. Seminar Nasional Teknologi Informasi dan

Multimedia, 155-160.

Nugroho, A. (2017). Analisis dan Perancangan Sistem Informasi. Yogyakarta:

Trans Tekno.

Nugroho, A. K., & Sari, P. K. (2016, Desember). Analisis Pengaruh Kualitas

Website Tokopedia Terhadap Kepuasan Pengguna Menggunakan Metode

WebQual 4.0. e-Proceeding of Management, 3(3), 2930-2937.

O'Brien, J. A., & Marakas, G. M. (2011). Management Information Systems 10th

Edition. New York: McGraw-Hill/Irwin.

Onwuegbuzie, A. J., & Collins, K. M. (2007). A Typology of Mixed Methods

Sampling Designs in Social Science Research. The Qualitative Report, 281-

316.

Parasuraman, A., & Zeithaml, V. A. (1988). ServQual: A Multiple-Item Scale for

Measuring Consumer Perceptions of Service Quality. Journal of Retailing,

64(1), 12-40.

Park, H., & Baek, S. (2007). Measuring Service Quality of Online Bookstores with

WebQual. (J. Jacko, Ed.) Human-Computer Interaction, 95-103.

Prasetyo, B., Yulia, W. E., & Felisia. (2017). Measuring End-User Satisfaction of

Online Marketplace using End-User Computing Satisfaction Model (EUCS

Model) (Case Study: Tokopedia.com). 4th International Conference on

Computer Applications and Information Processing Technology (CAIPT)

(pp. 1-5). Kuta Bali: IEEE.

90
Pratama, Y. (2015, April). Pengukuran Kualitas Website CDC Universitas Telkom

Menggunakan Metode Webqual 4.0. e-Proceeding of Engineering, 2(1),

1649-1658.

Putra, I. M. (2014). Analisis Faktor-Faktor yang Mempengaruhi Kepuasan

Pengguna Situs Rekrutmen Online Jobstreet Indonesia. Depok: Universitas

Indonesia.

Rahmaini, S. N. (2018). Analisis Kualitas Website Akademik Menggunakan Metode

WebQual 4.0 dan Importance Performance Analysis (IPA). Jakarta: UIN

Syarif Hidayatullah Jakarta.

Rao, A. R., & Monroe, K. B. (1989, Agustus). The Effect of Price, Brand Name,

and Store Name on Buyers' Perceptions of Product Quality: An Integrative

Review. Journal of Marketing Research, 26(3), 351-357.

Rasman, Y. I. (2012). Gambaran Hubungan Unsur-Unsur End-User Computing

Satisfaction Terhadap Kepuasan Pengguna Sistem Informasi Rumah Sakit

di RSUD Kota Depok. Depok.

Rezkiani, A. Y., Suprapto, & Rachmadi, A. (2018). Pengukuran Kualitas Website

Unit Pengembangan Karir dan Kewirausahaan Universitas Brawijaya

Menggunakan Metode Webqual 4.0. Jurnal Pengembangan Teknologi

Informasi dan Ilmu Komputer, 523-532.

Rheingold, H. (1993). The Virtual Community: Homesteading on the Electronic

Frontier. Reading: Addison-Wesley Publishing Company.

91
Ringle, C. M., Sarstedt, M., Mitchell, R., & Gudergan, S. P. (2018). Partial Least

Squares Structural Equation Modeling in HRM Research. The International

Journal of Human Resource Management, 1-27.

Rockart, J. F., & Flannery, L. S. (1983, Oktober). The Management of End User

Computing. Management of Computing, 26(10), 776-784.

Romney, M. B., & Steinbart, P. J. (2015). Accounting Information System 13th

Edition. England: Pearson Education Limited.

Rosalina. (2017). Pengujian Kepuasan Sistem Informasi Menggunakan End-User

Computing Satisfaction (Studi Kasus: Sistem Informasi Akademik UIN

Syarif Hidayatullah jakarta). Jakarta: UIN Syarif Hidayatullah Jakarta.

Sanjaya, I. (2012, Juni). Pengukuran Kualitas Layanan Website Kementerian

Kominfo dengan Menggunakan Metode WebQual 4.0. Jurnal Penelitian

IPTEK-KOM, 14(1), 1-14.

Santoso, B. S., & Anwar, M. F. (2015). Analisis Kualitas Website Menggunakan

Metode WebQual dan Importance Performance Analysis (IPA) pada Situs

Kaskus. Conference on Information Technology and Technical Engineering

(CITEE). Yogyakarta.

Santoso, S. (2011). Structural Equation Model (SEM): Konsep dan Aplikasi dengan

AMOS 18. Jakarta: PT Elex Media Komputindo.

Sari, A. P. (2019). Pengukuran Keberhasilan Penerapan Sistem Institutional

Repository di UIN Syarif Hidayatullah Jakarta Menggunakan Human

Organization Technology (HOT) FIT Model. Jakarta: UIN Syarif

Hidayatullah Jakarta.

92
Sarstedt, M., Ringle, C. M., & Hair, J. F. (2017). Partial Least Squares Structural

Equation Modeling. Handbook of Market Research, 1-34.

Sastika, W. (2016). Analisis Pengaruh Kualitas Website (WebQual 4.0) Terhadap

Keputusan Pembelian pada Website E-Commerce Traveloka (Studi Kasus:

Pengguna Traveloka di Kota Bandung Tahun 2015). Seminar Nasional

Teknologi Informasi dan Komunikasi 2016, (pp. 649-657). Yogyakarta.

Satzinger, J. W., Jackson, R. B., & Burd, S. D. (2012). Systems Analysis and Design

in A Changing World 6th Edition. Boston: Course Technology, Cengage

Learning.

Selz, D., & Schubert, P. (1997). Web Assessment – A Model for the Evaluation

And the Assessment of Successful Electronic Commerce Applications.

Electronic Markets, 7(3), 46-48.

Serra, M., Psarra, S., & O'Brien, J. (2018). Social and Physical Characterization of

Urban Contexts: Techniques and Methods for Quantification, Classification

and Purposive Sampling. Urban Planning, 3(1), 58-74.

Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat

Keterangan Tinggal Sementara Online (SKTS) dengan Menggunakan

Metode End-user Computing Satisfaction. Surabaya: Universitas Airlangga.

Setiawati, F. A. (2013). Penskalaan Tipe Likert dan Thurstone dengan Teori Klasik

dan Modern: Studi pada Instrument Multiple Intelligences. Yogyakarta:

LPPM UNY.

Shia, B. C., Chen, M., Ramdansyah, A. D., & Wang, S. (2016). Measuring

Customer Satisfaction toward Localization Website by WebQual and

93
 Importance Performance Analysis (Case Study on AliexPress Site in

Indonesia). American Journal of Industrial and Business Management, 6,

117-128.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Influences of

The Input Factors Towards The Success of an Information System Project.

Telkomnika, 13(2), 686-693.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Measurement

of Information System Project Success Based on Perceptions of the Internal

Stakeholders. International Journal of Electrical and Computer

Engineering (IJECE), 217-279.

Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J., & Durachman, Y. (2016,

Oktober). The User Satisfaction Perspectives of the Information System

Projects. Indonesian Journal of Electrical Engineering and Computer

Science, 4(1), 215-223.

Sudaryono. (2015). Metodologi Riset di Bidang TI. Yogyakarta: Andi.

Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung:

Alfabeta.

Sumarwan, U. (2011). Perilaku Konsumen: Teori dan Penerapannya dalam

Pemasaran. Bogor: Ghalia Indonesia.

Supadmi, N. L. (2009, Juli). Meningkatkan Kepatuhan Wajib Pajak Melalui

Kualitas Pelayanan. Jurnal Ilmiah Akuntansi dan Bisnis, 4(2).

94
Sylva, H., & Mol, S. T. (2009, September). E-Recruitment: A Study into Applicant

Perceptions of An Online Application System. International Journal of

Selection and Assessment, 17(3), 311-323.

Tarigan, J. (2008). User Satisfaction Using WebQual Instrument: A Research on

Stock Exchange of Thailand (SET). Jurnal Akuntansi dan Keuangan, 34-

47.

Tech in Asia, & Daily Social. (2018, Januari 16). Retrieved from

https://tirto.id/efektifkah-cari-lowongan-kerja-via-online-cQy1

Tiako, P. F. (2009). Software Applications: Concepts, Methodologies, Tools, and

Applications. Hershey & New York: IGI Global.

Tilley, S., & Rosenblatt, H. (2017). System Analysis and Design 11th Edition.

Boston: Cengage Learning.

Tjiptono, F. (2004). Manajemen Jasa. Andi Yogyakarta.

Turban, E., & Volonino, L. (2012). Information Technology for Management 7th

Edition. Hoboken: NJ: Wiley.

Urbach, N., & Ahlemann, F. (2010). Structural Equation Modeling in Information

Systems Research Using Partial Least Squares. Journal of Information

Technology Theory and Application, 5-40.

Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology

Acceptance Model: Four Longitudinal Field Studies. Management Science,

186-204.

Wand, Y., & Wang, R. Y. (1996, November). Anchoring Data Quality Dimensions

in Ontological Foundations. Communications of The ACM, 39(11), 86-95.

95
Wang, R. Y., & Strong, D. M. (1996). Beyond Accuracy: What Data Quality Means

to Data Consumers. Journal of Management Information Systems, 12(4), 5-

34.

Warmbrod, J. R. (2014). Reporting and Interpreting Scores Derived from Likert-

type Scales. Journal of Agricultural Education, 30-47.

Whitten, J. L., & Bentley, L. D. (2007). System and Analysis Design Methods 7th

Edition. New York: McGraw-Hill/Irwin.

Wicaksono, B. L., Susanto, A., & Winarno, W. W. (2012, Maret). Evaluasi Kualitas

Layanan Website Pusdiklat BPK RI Menggunakan Metode WebQual

Modifikasi dan Importance Performance Analysis. Media Ekonomi &

Teknologi Informasi, 19(1), 21-34.

Wong, K. K.-K. (2013). Partial Least Squares Structural Equation Modeling (PLS-

SEM) Techniques Using SmartPLS. Marketing Bulletin, 1-32.

Yamin, S., & Kurniawan, H. (2011). Generasi baru Mengolah Data dengan Partial

Least Square Path Modeling: Aplikasi dengan Software XLSTAT,

SmartPLS, dan Visual PLS. Jakarta: Salemba Infotek.

Yan, P., & Guo, J. (2010). The Research of Web Usability Design. International

Conference on Computer and Automation Engineering (pp. 480-483).

Singapore: IEEE.

96
LAMPIRAN

97
 LAMPIRAN 1

SURAT-SURAT PENDUKUNG PENELITIAN

98
 LAMPIRAN 2

KUESIONER PENELITIAN

99
 LAMPIRAN 3

DATA 100 RESPONDEN

100
101
102