BAB 1

PENDAHULUAN

1.1 Latar Belakang

Era revolusi industri 4.0 mendorong terjadinya perkembangan teknologi dengan
pesat. Kini teknologi menjadi media penting untuk berbagai keperluan khususnya
dalam melakukan kegiatan komunikasi dan bisnis. Kemajuan teknologi tentunya
berdampak terhadap berbagai industri, contoh kemajuan teknologi yang banyak
digunakan saat ini adalah Mobility, Cloud, Social Collaboration, Digital Service
Delivery, Big Data, Payment Systems, Cyber Security, Robotics, Augmented and
Virtual Reality dan Artificial Intelligence (ACCA, 2013). Menurut riset yang
dilakukan oleh McKinsey Global, akan ada 375 juta tenaga kerja yang akan tergusur
akibat perkembangan teknologi yang cukup pesat, pada akhirnya dapat menyebabkan
tingkat pengangguran yang tinggi terutama di kalangan lulusan di seluruh dunia
(Baygin et al., 2016; Ghani & Muhammad, 2019).
Selain menciptakan suatu peluang, disrupsi digital tentunya juga akan
menciptakan ancaman bagi eksistensi profesi akuntan di masa depan. Setiap peluang
yang tercipta akan selalu beriringan dengan ancaman yang melekat padanya.
Perkembangan di dunia akuntansi sebagai seorang akuntan selain menguasai
keilmuan konvensional akuntan juga harus menguasai teknologi dan itu bukan
merupakan suatu hal yang baru bahkan sudah melekat dalam seluruh aktivitas bisnis
maupun operasional. Belakangan sering dibahas mengenai dampak dari revolusi
industri 4.0, tetapi penerapan teknologi di dunia akuntansi bukan merupakan hal
yang baru terutama penggunaan dari software accounting. Audit pun sudah
menerapkan berbagai software sejak lama terutama di kantor akuntan publik big
four. Selain itu, software akuntansi sudah menjadi alat bantu yang sangat lumrah,
misalnya Accurate dan MYOB atau berbagai jenis software akuntansi lainnya yang
berfungsi sebagai alat bantu.
Sistem dapat dipelajari oleh siapa saja yang artinya siapa saja juga pasti dapat
mengoperasikannya. Dan siapa saja yang dapat mengoperasikannya juga pasti dapat
menghasilkan laporan keuangan. Peluang yang tercipta dari penggunaan software
akuntansi adalah semua orang dapat mengoperasikannya. Apabila dikaitkan dengan
penggunaan software, software hanya suatu alat yang akan mempermudah dalam
proses akuntansi, sehingga akuntan selaku manusia pencipta dari software tersebut

1
2

harus dapat membuat suatu sistem yang dapat mengubah pola perilaku dan sudut
pandang manusia agar dapat berbasis digital sehingga dapat menciptakan peluang
berupa kemudahan dalam pekerjaan yang mereka laksanakan sehari-hari.
Selain software akuntansi tersebut, ada juga Big Data yang dapat dianalisis
untuk wawasan yang mengarah pada pengambilan keputusan dan strategi bisnis yang
lebih baik (Permana, 2016). Sehingga dapat dilihat bahwa transformasi digital ini
sudah menjadi digital solution dimana sangat erat kaitannya dengan digitalization
and automation dan kini telah tumbuh dalam profesi akuntan dimana terdapat empat
konsep utama, sebagaimana diakui oleh praktisi telah terbukti menjadi dasar untuk
automation, yaitu cloud accounting, Internet of Things (IoT), blockchain dan big
data (KPMG, 2017).
Banyak perusahaan di Indonesia yang telah menerapkan investasi pada penelitian
dan pengembangan di bidang teknologi. Saat ini setiap perusahaan yang bergerak
dalam bisnis mempertimbangkan penggunaan teknologi dalam kegiatan bisnis agar
dapat mengantisipasi berbagai tantangan di era revolusi industri 4.0 dan tidak
tertinggal oleh pesaingnya. Bagi negara-negara maju, transformasi digital dapat
menjadi cara untuk mendapatkan kembali daya saing infrastruktur, khususnya bagi
negara-negara Eropa Barat, yang saat ini tidak mengalami pemotongan biaya listrik
seperti di AS. Sedangkan bagi negara-negara berkembang, transformasi digital dapat
membantu menyederhanakan rantai suplai produksi. Hal ini tentu saja sangat
dibutuhkan untuk menekan biaya produksi yang terus meningkat (Aldianto et al.,
2018). Selain itu, pimpinan perusahaan dapat membuat keputusan dapat lebih selektif
dan menghasilkan keputusan yang tepat dan memadai dengan adanya bantuan dari
teknologi.
Profesi akuntan tentunya juga menjadi terkena dampaknya dengan adanya
transformasi digital ini. Profesi akuntan adalah semua bidang pekerjaan yang
mempergunakan keahlian di bidang akuntansi (International Federation of
Accountants, Regar 2003). Hal ini dikarenakan teknologi digital dapat dikembangkan
dalam menunjang pengelolaan keuangan sehingga tidak terjadi kesalahan dalam
pencatatan dan memudahkan pimpinan untuk mengambil keputusan yang lebih tepat,
baik keputusan yang diambil kegiatan jangka pendek dan masa yang akan datang.
teknologi digital yang berkaitan dengan pengelolaan keuangan dapat menggatikan
tugas akuntan seperti digitalisasi pada pencatatan arus kas masuk dan keluar,
 3

perhitungan laba rugi, neraca, perhitungan Break Even Point (BEP), Profitability
Index (PI), Internal Rate of Return (IRR), dan Net Present Value (NPV).
Era globalisasi telah membuat sistem akuntansi digunakan secara masif dan
memberikan dampak dari efisiensi terhadap waktu, tenaga maupun biaya. Menurut
penelitian yang dilakukan oleh University of Oxford pada tahun 2015, akuntan
memiliki 95 persen perubahan kehilangan pekerjaan karena mesin mengambil alih
peran analisis data dan angka-angka (Griffin, 2016). Prof. Dwikorita Karnawati
mengatakan bahwa dalam revolusi industri 4.0 akan menyebabkan 35% jenis
pekerjaan terhapus dalam jangka waktu 5 tahun mendatang dan 75% dalam jangka
waktu 10 tahun (Sucahyowati, 2020).
EY, (2015) dan PwC, (2018) menyatakan bahwa perkembangan teknologi adalah
salah satu megatren utama yang tertunda dalam bidang akuntansi dan dalam
implementasinya akan bertumbuh secara substansial. Megatren dapat digambarkan
sebagai pola atau pergerakan ekstensif yang berkontribusi pada bisnis dan memiliki
pengaruh yang langgeng pada proses bisnis (Lancefield et al., 2015). Dunia
akuntansi semakin bergerak maju dengan contoh implementasi digital solution yang
menawarkan internet-based programs, dan kebutuhan akan akses informasi yang
real-time (Törnqvist & Forss, 2018). Dapat disimpulkan perkembangan teknologi
dalam akuntansi sekarang lebih menonjol dari sebelumnya dan mengenal yang
dinamakan digitalization and automation of accounting.

Digitalization

Cloud Internet of Blockchain Big Data

Accounting Things

Automated
Accounting

Gambar 1. 1 Konsep Pembentukan Automation (Era 4.0)

Sumber : (Tornqvist & Forss, 2018)

Cloud computing dapat didefinisikan sebagai semua proses pengiriman pada

layanan komputasi, termasuk di dalamnya server, storage, database, networking,
software, analytics, intelligence yang dilakukan diinternet. Secara umum, cloud
4

computing menyediakan 3 model layanan, yaitu Software as a Service (SaaS),

Platform as a Service (PaaS), dan Infrastructure as a Service (IaaS). SaaS
merupakan layanan yang berkaitan dengan pengadaan program aplikasi yang
berjalan pada lingkungan cloud. Aplikasi yang berjalan tersebut dapat diakses
menggunakan koneksi internet melalui client ataupun Web browser. Tujuan dari
program ini adalah untuk memberikan kemudahan kepada akuntan agar dapat
menggunakan sistem akuntansi tersebut secara fleksibel dan real-time dimanapun
dan kapanpun serta mencakup semua proses akuntansi dalam satu program.
Konsep cloud computing pada penelitian ini adalah cloud accounting yang
merupakan penggunaan layanan cloud dalam bidang akuntansi dimana software
akuntansi berbasis internet dan data akuntansi disimpan dalam cloud provider’s
server. Solusi tersebut memberi kemungkinan bagi semua pihak dalam proses
akuntansi untuk mengakses data keuangan secara fleksibel dimanapun dan kapanpun
(Dimitriu & Matei, 2015). Selain itu, cloud accounting dapat menyediakan
komunikasi yang ditingkatkan antara sistem dan berkontribusi untuk berbagi file
otomatis antara sistem keuangan secara real time (Prichici & Ionescu, 2015).
Teknologi cloud accounting juga membawa perubahan besar dalam berbagai
sektor. Terlebih penggunaan cloud accounting ini semakin banyak digunakan saat
pandemi COVID-19 yang mulai terjadi sejak 2019 hingga sekarang. Pandemi ini
memaksa pemerintah untuk mengadakan berbagai regulasi, diantaranya adalah
regulasi Work From Home yang mengakibatkan penggunaan software berbasis cloud
sangat berpengaruh positif dan penggunaannya meningkat bagi hampir seluruh sektor
perusahaan khususnya di sektor manufaktur (Margherita & Braccini, 2020).

Gambar 1.2 Persentase Kenaikan Penggunaan Cloud Saat Work From Home
Sumber : (Cloud Adoption and Risk Report : Work from Home Edition, 2020)
 5

Sebuah penelitian di Albania oleh Shkurti dan Muca, (2014) menunjukkan

bahwa beberapa vendor paket akuntansi di Albania telah mendukung cloud
computing dalam berbagai produk mereka. Penelitian ini menunjukkan bahwa lebih
dari 75% responden memiliki sudah memiliki pengetahuan dan informasi mengenai
teknologi cloud computing. Penelitian ini juga menemukan bahwa manfaat terbesar
yang dirasakan dari cloud computing adalah penghematan biaya dalam hardware
maupun software, penghematan dalam perkiraan biaya operasional untuk staf IT dan
kemampuan perusahaan untuk mengembangkan produk maupun layanan baru.
Responden juga menyebutkan apa yang mereka anggap sebagai hambatan yang
mungkin untuk mengimplementasikan faktor cloud computing seperti keamanan
informasi, keandalan informasi dan integrasi dengan sistem yang ada serta kebijakan
perusahaan. (Shkurti & Muça, 2014).
Sebuah studi mengenai pemahaman dan familiarity of cloud accounting
dilakukan di Polandia menunjukkan bahwa dari semua responden, 16% dari
responden tersebut tertarik pada sistem cloud accounting, sementara 43% menolak
sistem tersebut, 3% sudah menerapkannya dan sisanya ragu-ragu. Sebagian besar
responden menyatakan keberatan karena kurangnya pengetahuan mengenai model,
manfaatnya serta risiko cloud accounting. Responden percaya bahwa mungkin ada
beberapa manfaat dari sistem tersebut, namun mereka meragukan keamanan data,
dan kepatuhan terhadap peraturan, terutama dalam perlindungan data pengguna
(Wyslocka & Jelonek, 2015).
Penggunaan software cloud accounting di dalam perusahan tentu saja awalnya
didasarkan pada kelebihan dan kekurangan yang sudah dipertimbangkan sedemikian
rupa sebelum implementasi. Beberapa penelitian yang dilakukan oleh Rahardja dan
rekan-rekannya pada tahun 2018 dan 2019 menunjukkan keuntungan dari penerapan
cloud accounting seperti mempermudah akuntan dalam menginput data transaksi ke
dalam sistem, data transaksi tersebut dapat langsung di import ke dalam sistem serta
mampu mempermudah divisi keuangan dalam mendapatkan laporan secara realtime
sehingga lebih efektif dan efisien (Rahardja et al., 2019; 2018a; 2018b).
Berdasarkan latar belakang yang diutarakan di atas dimana situasi pandemi saat
akhir akhir ini yang mendukung cloud accounting semakin dilirik perusahaan.
Terlepas dari itu, sejalan dengan beberapa penelitian sebelumnya, masih dibutuhkan
informasi dan penjelasan yang lebih mendalam untuk mengupas secara rinci
kelebihan dan kekurangan dari sistem tersebut agar menjadi pedoman bagi orang
6

orang yang belum menggunakan cloud accounting untuk pengambilan keputusan

pengadopsian cloud accounting.
Oleh karena itu, peneliti ingin melakukan penelitian mengenai dampak
penggunaan cloud accounting terhadap penggunanya dengan judul “Faktor-Faktor
Yang Mempengaruhi Penggunaan Cloud Accounting Pada Profesi Akuntan Di
Indonesia” untuk menganalisa dampak yang diberikan dari kehadiran cloud
accounting bagi penggunanya.

1.2 Rumusan Masalah

Perkembangan dalam teknologi di era revolusi industri 4.0 sangat mendorong
teknologi khususnya cloud accounting untuk berkembang pesat sehingga diperlukan
pengetahuan yang lebih untuk mengenal teknologi yang dapat mempengaruhi
penggunanya.
Berdasarkan latar belakang dari permasalahan yang telah diuraikan sebelumnya,
maka rumusan masalah yang dapat dibuat adalah:
1. Apakah Technology Factors berpengaruh terhadap Cloud Accounting pada
profesi akuntansi di Indonesia?
2. Apakah Organizational Factors berpengaruh terhadap Cloud Accounting
pada profesi akuntansi di Indonesia?
3. Apakah Environmental Factors berpengaruh terhadap Cloud Accounting pada
profesi akuntansi di Indonesia?

1.3 Ruang Lingkup Penelitian

Dalam penelitian adanya pembatasan ruang lingkup adalah untuk memperkecil
batasan penelitian. Adapun ruang lingkup batasan penelitian yang dilakukan oleh
penulis dalam penelitian ini adalah sebagai berikut:
1. Objek penelitian merupakan seseorang yang telah atau pernah bekerja
minimal satu tahun.
2. Pengguna yang dimaksud berada di wilayah Indonesia.
3. Pengguna yang menjadi objek penelitian pernah menggunakan software
cloud accounting
4. Penelitian hanya dilakukan terhadap responden yang telah memenuhi
ketentuan yang telah dibuat sebelumnya.
 7

1.4 Tujuan Penelitian

Penelitian ini bertujuan untuk menganalisis dan memahami mengenai pengaruh
teknologi cloud accounting terhadap penggunanya di Indonesia dengan poin sebagai
berikut:
1. Untuk mengetahui pengaruh Technology Factors terhadap pengadopsian
Cloud Accounting pada profesi akuntansi di Indonesia.
2. Untuk mengetahui pengaruh Organizational Factors terhadap pengadopsian
Cloud Accounting pada profesi akuntansi di Indonesia.
3. Untuk mengetahui pengaruh Environmental Factors terhadap pengadopsian
Cloud Accounting pada profesi akuntansi di Indonesia.

1.5 Manfaat Penelitian

Penelitian ini diharapkan dapat bermanfaat bagi pihak-pihak berikut ini:
1. Bagi peneliti
Memberikan kesempatan kepada penulis untuk menerapkan ilmu yang
didapatkan selama masa perkuliahan, serta menambah pengetahuan
mengenai peran software cloud accounting terhadap penggunanya.
2. Bagi pihak akademik
Memberikan kontribusi dalam menambah literatur mengenai peran
software cloud accounting terhadap penggunanya.
3. Bagi penelitian selanjutnya
Hasil penelitian ini diharapkan dapat menjadi referensi bagi penelitian
selanjutnya, terutama penelitian yang terkait dengan peran software cloud
accounting terhadap penggunanya.

1.6 Sistematika Penulisan

Secara Umum, sistematika penulisan dalam penelitian ini adalah sebagai berikut:
BAB 1: PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, perumusan masalah,
tujuan, ruang lingkup serta manfaat yang diharapkan dalam penelitian ini.
BAB 2: LANDASAN TEORI DAN PENGEMBANGAN HIPOTESIS
Pada bab ini akan mencakup mengenai tinjauan pustaka yang digunakan
sebagai dasar dari penelitian yang diambil dari beberapa sumber seperti buku
8

teks, jurnal penelitian nasional maupun internasional serta penelitian terdahulu

yang relevan dengan topik yang serupa dengan penelitian ini.
BAB 3: METODE PENELITIAN
Pada bab ini akan menjelaskan mengenai semua informasi yang berkaitan
dengan penelitian ini. Informasi yang diperoleh adalah data penelitian, metode
penelitian yang digunakan, sumber data dan penjelasan-penjelasan lainnya
berkaitan dengan penelitian ini.
BAB 4 : HASIL DAN PEMBAHASAN
Bab ini berisikan hasil dan pembahasan mengenai keseluruhan penelitian
yang dilakukan, termasuk untuk menjawab pertanyaan penelitian yang telah
dirumuskan mengenai pengertian dan penjelasan mengenai pengaruh cloud
accounting menggunakan Technology-Organization-Environment (TOE)
Framework.
BAB 5 : SIMPULAN DAN SARAN
Bab ini berisikan hasil, simpulan, serta saran dari diskusi pada bab-bab
sebelumnya dalam penelitian mengenai pengaruh cloud accounting
menggunakan Technology-Organization-Environment (TOE) Framework.
 BAB 2
TINJAUAN PUSTAKA Commented [KD1]: Untuk penulisan dalam bahasa
Inggris masih banyak yang belum di italic.

2.1 Landasan Teori

2.1.1 Technology Accaptance Model
Technology Acceptance Model (TAM) merupakan sebuah model yang
digunakan untuk menjelaskan bagaimana penerimaan teknologi berdasarkan
sudut pandang penggunanya (Musyaffi & Kayati, 2020). Di antara banyak model
teoretis, TAM adalah model yang diterima secara luas untuk memahami proses
adopsi dan penggunaan TI. Hal ini menjelaskan banyak perbedaan dalam niat
perilaku pengguna terkait dengan adopsi dan penggunaan TI di berbagai konteks.
Hal ini juga sekaligus memprediksi penerimaan pengguna TI dan
penggunaannya di tempat kerja dan menjelaskan faktor penentu penerimaan
pengguna dari berbagai teknologi komputasi pengguna akhir. TAM berusaha
menjelaskan hubungan antara penerimaan dan adopsi teknologi dan selanjutnya,
niat perilaku untuk menggunakannya dengan menempatkan PU dan PEOU
sebagai penentu utama penggunaan sistem (Ramaswamy et al., 2015).

2.1.2 Technology Organizational Environmental

Techonology, Organization and Environment (TOE) dikembangkan
Tornatzky dan Fleischer 1990 untuk menjelaskan kesiapan adopsi teknologi oleh
sebuah organisasi berdasarkan konteks teknologi, organisasi dan lingkungan
yang mempengaruhi proses organisasi dalam mengadopsi, menerapkan, dan
menggunakan inovasi teknologi (Sari et al., 2020).
Kerangka kerja TOE dikembangkan oleh Tornatzky dan Fleischer (1990)
untuk menguji adopsi tingkat perusahaan dari berbagai produk dan layanan SI/TI.
Sekaligus memunculkan beragam perspektif teoretis luas pada adopsi TI.
Termasuk teknologi, variabel organisasi dan lingkungan telah membuat TOE
lebih unggul dari model adopsi lainnya dalam mempelajari adopsi teknologi,
penggunaan teknologi dan penciptaan nilai dari inovasi teknologi. Juga, bebas
dari batasan industri dan ukuran perusahaan. Oleh karena itu, ini memberikan
gambaran holistik bagi pengguna adopsi teknologi, implementasinya,
meramalkan tantangan, dampaknya terhadap nilai aktivitas rantai, difusi pasca
adopsi di antara perusahaan, faktor yang mempengaruhi bisnis keputusan adopsi

9
10

inovasi dan untuk mengembangkan kemampuan organisasi yang lebih baik

menggunakan teknologi (Ramaswamy et al., 2015).
2.1.3 Revolusi Industri
Revolusi Industri dimulai pada abad ke-18, ketika masyarakat agraris
menjadi lebih berkembang. Makna revolusi industri sendiri menurut Suwardana,
(2018 : 103) adalah sebuah perubahan yang berlangsung dengan cepat dalam
pelaksanaan proses produksi dimana pekerjaan yang mulanya dikerjakan oleh
manusia mulai digantikan oleh mesin, sedangkan produk yang di hasilkan
memiliki nilai tambah (value added) yang komersial.
Munculnya revolusi industri, menjadi proses produksi yang awalnya sulit,
memakan waktu dan mahal menjadi lebih mudah, lebih cepat, dan lebih murah
dalam prosesnya. Jika dihubungkan dengan konsep ekonomi tentang upaya umat
manusia untuk menghadapi kelangkaan, maka konsep revolusi industri adalah
cara untuk menghadapinya. Sekalipun konsep revolusi industri diadopsi, risiko
kekurangan dapat dikurangi atau bahkan dihilangkan. Adanya cara ini tenaga
kerja, waktu, dan biaya yang dibutuhkan sebelumnya cukup besar sehingga tidak
ada sama sekali dan dapat dialihkan ke hal lain.

2.1.1.1 Revolusi Industri 1.0

Revolusi industri merupakan suatu perubahan besar yang cepat dan
radikal yang mempengaruhi corak kehidupan manusia. Sejarah mencatat
sekitar tahun 1800-1900 merupakan periode Revolusi Industri 1.0. Inggris
merupakan negara yang mempelopori terjadinya Revolusi Industri. Saat itu
secara politik Inggris memiliki masyarakat yang stabil dan merupakan
negara kolonial terbesar di dunia (Fatimah, 2020).
Terjadinya revolusi industri, menjadikan negara-negara koloni
Inggris berperan sebagai sumber bahan baku industri dan merupakan
wilayah pemasaran barang-barang hasil manufaktur Kehidupan
masyarakat sebelum Revolusi Industri terkonsentrasi di pedesaan yang
mengandalkan penghasilan dari sektor pertanian yang pendapatannya
sangat minim dan terbatas.
Namun dengan terjadinya Revolusi Industri, lapangan kerja di
sektor manufaktur mulai meningkat sehingga penghasilan dan taraf hidup
kehidupan masyarakat berangsur membaik. Faktor kunci terjadinya
 11

Revolusi Industri juga dipengaruhi oleh timbulnya revolusi di bidang ilmu

pengetahuan yang mulai berkembang sejak pertengahan abad ke-16
(Fatimah, 2020).
Saat itu muncul banyak ilmuwan yang mengembangkan ilmu
pengetahun dengan melakukan riset dan penelitian. Sektor industri yang
mengawali Revolusi Industri 1.0 , diantaranya :
1. Industri Tekstil
Di awal era industrialisasi dan mekanisasi, inovasi di sektor
industri tekstil mengalami perkembangan yang luar biasa. Hal
ini diawali dengan pembuatan mekanisasi mesin pintal. Mesin
pintal merupakan temuan inovasi yang mengubah corak sektor
industri tekstil. Produksi tekstil yang sebelumnya menggunakan
tenaga manusia berubah menggunakan tenaga mesin yang tentu
bisa lebih efisien dan efektif. Produktivitas produksi tekstil
mengalami peningkatan berlipat-lipat. Tumpuan industri tekstil
yang semula menggunakan tenaga manusia berubah menjadi
tenaga mesin.
2. Industri Besi dan Baja
Perkembangan inovasi di sektor pertambangan juga
mengalami kemajuan pesat. Ditemukannya inovasi produksi,
proses pembuatan besi dan baja bisa lebih murah. Biaya proses
pembuatan besi dan baja murah merupakan tonggak sejarah
berkembangnya industri permesinan dan transportasi. Besi dan
baja memperkokoh perkembangan revolusi industri berikutnya.
Besi dan baja keduanya merupakan bahan penting yang
digunakan untuk pembuatan berbagai peralatan dan infrastruktur
penting lainnya.
3. Industri Transportasi
Sebelum revolusi industri barang-barang hasil produksi
diangkut dengan menggunakan tenaga hewan. Namun setelah
ditemukannya mesin uap dan kapal uap proses pengiriman
barang produksi ke lokasi yang jauh bisa menggunakan kapal
laut dan kereta api.
12

2.1.1.2 Revolusi Industri 2.0

Pada periode ini terjadi kemajuan industri yang sangat cepat di
Inggris, Jerman, Amerika, Perancis, dan Jepang. Selanjutnya revolusi
industri ini menyebar ke seluruh Eropa dan Amerika. Revolusi industri 2.0
ini merupakan kelanjutan yang tidak terpisahkan dari revolusi industri
sebelumnya yang mulai di Inggris pada abad ke-18. Revolusi Industri 2.0
dikenal juga dengan revolusi teknologi dimana dalam periode ini terjadi
lompatan besar dan radikal dalam perkembangan teknologi dan budaya
masyarakat (Fatimah, 2020).
Inovasi pada periode ini merupakan pengembangan industri
sebelumnya dengan berbasis ilmu pengetahuan dan teknologi dan
berlangsung sekitar tahun 1900-1960 yang bercirikan dengan
ditemukannya mekanisasi sistem produksi massal dengan menggunakan
jalur perakitan yang lebih efektif dan efisien, serta adanya standarisasi
mutu dan kualitas. Beberapa inovasi dan kemajuan pada periode Revolusi
Industri 2.0 antara lain :
1. Pengembangan sumber daya energi seperti minyak bumi, batu
bara sebagai sumber bahan bakar baru.
2. Periode awal teknologi listrik yaitu penemuan arus listrik AC
dan DC yang bisa difungsikan untuk pembuatan motor listrik
(elektrifikasi).
3. Inovasi baru produksi besi dan baja dalam skala besar.
4. Produksi massal mobil dan pesawat sebagai alat transportasi
massal.
5. Meluasnya pemakaian mesin industri untuk manufaktur.
6. Meluasnya penggunaan telegraf yang memungkinkan untuk
melakukan komunikasi jarak jauh.
7. Penggunaan teknologi listrik yang diterapkan ke dalam
teknologi transportasi dan telekomunikasi merupakan lompatan
besar bagi perkembangan di sektor industri.

2.1.1.3 Revolusi Industri 3.0

Revolusi industri 3.0 Perkembangan jaman mendorong kita untuk
melakukan inovasi. Di mulai dengan Revolusi industri 1.0 yang ditandai
 13

dengan ditemukannya mesin untuk industri, revolusi industri 2.0 ditandai

dengan penemuan teknologi listrik untuk industri dan berikutnya revolusi
industri ke-3 yang di awali dengan munculnya teknologi informasi dan
elektronik yang masuk ke dalam dunia industri yaitu sistem otomatisasi
berbasis komputer dan robot. Peralatan industri sudah tidak lagi
dikendalikan oleh manusia, namun sudah dikendalikan oleh komputer atau
lebih dikenal dengan istilah komputerisasi (Fatimah, 2020).
Pada periode ini tahun 1960-2010 melahirkan inovasi
pengembangan sistem perangkat lunak untuk memanfaatkan perangkat
keras elektronik. Banyak penemuan-penemuan dan pembuatan perangkat
elektronik yang memungkinkan untuk melakukan otomatisasi operasional
mesinmesin menggantikan peran operator produksi. Beberapa inovasi dan
kemajuan pada periode Revolusi Industri 3.0 antara lain :
1. Teknologi komputer.
2. Akses internet.
3. Peralatan elektronik smartphone.
4. Inovasi sistem perangkat lunak.
5. Inovasi dan pengembangan sumber energi baru.

2.1.1.4 Revolusi Industri 4.0

Dalam bukunya yang berjudul “The Fourth Industrial Revolution”,
Schwab, (2017) menjelaskan revolusi industri 4.0 telah mengubah hidup
dan kerja manusia secara fundamental. Berbeda dengan revolusi industri
sebelumnya, revolusi industri generasi ke-4 ini memiliki skala, ruang
lingkup dan kompleksitas yang lebih luas. Kemajuan teknologi baru yang
mengintegrasikan dunia fisik, digital dan biologis telah mempengaruhi
semua disiplin ilmu, ekonomi, industri dan pemerintah. Bidang-bidang
yang mengalami terobosoan berkat kemajuan teknologi baru diantaranya
(1) robot kecerdasan buatan (Artificial Intelligence robotic), (2) teknologi
nano, (3) bioteknologi, dan (4) teknologi komputer kuantum, (5)
blockchain (seperti bitcoin), (6) teknologi berbasis internet, dan (7) printer
3D (Fatimah, 2020).
14

Kini, kita telah memasuki era revolusi industri 4.0. Menurut

Schawab dalam penelitian Rosyadi, (2017) revolusi industri ini telah
mengubah hidup dan keja manusia secara fundamental. Revolusi industri
membawa banyak perubahan yang terjadi hampir di semua bidang
kehidupan, seperti bidang ekonomi, politik, sosial dan budaya, serta
bersifat global (Rosyadi, 2018).
Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat
pada awal abad 20 telah melahirkan teknologi informasi dan proses
produksi yang dikendalikan secara otomatis. Mesin industri tidak lagi
dikendalikan oleh tenaga manusia tetapi menggunakan Programmable
Logic Controller (PLC) atau sistem otomatisasi berbasis komputer.
Dampaknya, biaya produksi menjadi semakin murah. Teknologi informasi
juga semakin maju diantaranya teknologi kamera yang terintegrasi dengan
mobile phone dan semakin berkembangnya industri kreatif di dunia musik
dengan ditemukannya musik digital.
Revolusi industri mengalami puncaknya saat ini dengan lahirnya
teknologi digital yang berdampak masif terhadap hidup manusia di seluruh
dunia. Revolusi industri terkini atau generasi keempat mendorong sistem
otomatisasi di dalam semua proses aktivitas. Teknologi internet yang
semakin masif tidak hanya menghubungkan jutaan manusia di seluruh
dunia tetapi juga telah menjadi basis bagi transaksi perdagangan dan
transportasi secara online.
Munculnya bisnis transportasi online seperti Gojek, Uber dan Grab
menunjukkan integrasi aktivitas manusia dengan teknologi informasi dan
ekonomi menjadi semakin meningkat. Berkembangnya teknologi
autonomous vehicle (mobil tanpa supir), drone, aplikasi media sosial,
bioteknologi dan nanoteknologi semakin menegaskan bahwa dunia dan
kehidupan manusia telah berubah secara fundamental.

2.1.4 Akuntansi
Akuntansi merupakan suatu proses mencatat, mengklasifikasikan,
meringkas, mengelola dan menyajikan data, transaksi serta kejadian yang
berhubungan dengan keuangan sehingga dapat digunakan oleh orang yang
menggunakannya dengan mudah dimengerti untuk pengambilan suatu keputusan
 15

serta tujuan lainnya. Akuntansi berasal dari kata asing accounting yang artinya Commented [KD2]: jangan lupa untuk di italic

dalam bahasa Indonesia adalah menghitung atau mempertanggungjawabkan. Commented [SJE3R2]: done

Sugiri & Riyono, (2008:1), akuntansi didefinisikan sebagai suatu kegiatan jasa
yang fungsinya adalah menyediakan informasi kuantitatif, khususnya yang
berkaitan dengan keuangan. Informasi tersebut diharapkan dapat menjadi
masukan dalam proses pegambilan keputusan ekonomik dan rasional. Berikut
merupakan beberapa contoh keputusan ekonomik adalah sebagai berikut :
1. Menerima atau menolak permintaan kredit (bagi bank atau lembaga
keuangan lain yang sedang mempertimbangkan permintaan kredit dari
nasabah atau colon nasabahnya).
2. Melepas kembali atau mempertahankan saham (surat tanda pemikiran
pada persero terbatas) yang sekarang dimiliki.
3. Mengeluarkan saham atau obligasi untuk menarik dana dari masyarakat.
Akuntansi terdiri dari tiga komponen utama yaitu sebagai berikut :
1. Input (masukan) : berupa transaksi, yaitu peristiwa bisnis yang bersifat
keuangan.
2. Process (prosedur) : meliputi berbagai fungsi mulai dari
pengidentifikasi transaksi sampai dengan penyajian informasi
keuangan. Proses utama akuntansi adalah pencatatan yang terdiri dari
dua fungsi yaitu penjumlahan dan pemindahbukuan.
3. Output (keluaran) : berupa informasi keuangan seperti laporan laba
rugi, laporan perubahan ekuitas, perubahan posisi keuangan, dan
laporan arus kas. Menurut Sumarsan, (2013: 1) menjelaskan bahwa :
Akuntansi adalah suatu seni untuk mengumpulkan,
mengidentifikasikan, mengklasifikasikan, mencatat transaksi serta
kejadian yang berhubungan dengan keuangan, sihingga dapat
menghasilkan informasi yaitu laporan keuangan yang dapat digunakan
oleh pihak-pihak yang berkepentingan.

2.1.2.1 Profesi Akuntan

Profesi Akuntansi adalah semua bidang pekerjaan yang
mempergunakan keahlian di bidang akuntansi, termasuk bidang pekerjaan
akuntan publik, akuntan intern yang bekerja pada perusahaan industri,
16

keuangan atau dagang, akuntan yang bekerja di pemerintah dan akuntan

sebagai pendidik (Regar, 2003). Commented [KD4]: Ini bisa ditulis (Regar, 2003).

Seorang mahasiswa akuntansi harus lebih dulu memiliki Commented [SJE5R4]: done

kepercayaan diri untuk memiliki niat mengejar karir akuntansi dalam

profesi akuntasi. Sikap kepercayaan diri ini muncul dari tingginya ilmu
pengetahuan yang tinggi, dan pada akhirnya akan menjadi sebuah keahlian
yang dimiliki oleh mahasiswa akuntansi.
Subramaniam, N., Freudenberg, (2007) meneliti bahwa
kepercayaan diri dapat meningkatkan tingkat kesuksesan dalam karir
profesi akuntansi, dan terdapat kesimpulan bahwa hal yang harus
dipersiapkan oleh mahasiswa untuk mengejar niat kesuksesannya dalam
lingkungan profesionalisme adalah dapat mengembangkan kepercayaan
diri mahasiswa melalui program pembelajaran terpadu.
Program pembelajaran tersebut dapat diterima mahasiswa melalui
pengajaran yang diberikan oleh pendidik, dimana para pendidik akan
memberikan pengetahuan dan kemampuan untuk berasumsi, berpikir
kreatif dan memahami 2 bisnis dalam konteks luas kepada mahasiswa.
Namun, menurut Colby et al., (2011) dalam Joseph & Simon, (2014) Commented [KD6]: Bila lebih dari 2 penulis, menjadi
Colby et al., (2011).
pendidik dipandang gagal untuk membuat mahasiswa akuntansi gemar
Commented [SJE7R6]: done
berasumsi, berpikir kreatif dan memahami dalam konteks luas. Sehingga
hal itu dapat mempengaruhi besarnya kepercayaan diri mahasiswa
akuntansi untuk memiliki niat dalam mengejar kesuksesannya di
lingkungan profesionalisme akuntansi.

2.1.2.2 Sistem Informasi Akuntansi

Sistem adalah rangkaian dari dua atau lebih komponen-komponen
yang saling berhubungan, yang berinteraksi untuk mencapai suatu tujuan.
Sistem hampir selalu terdiri dari beberapa subsistem kecil, yang masing-
masing melakukan fungsi khusus yang penting untuk dan mendukung bagi
sistem yang lebih besar. Istilah data mengarah pada fakta-fakta yang kita
kumpulkan, simpan, dan proses dengan sistem informasi. Informasi adalah
data yang telah diatur dan diproses untuk memberikan arti (pengambilan
keputusan yang tepat) Karakteristik informasi yang berguna:
1. Relevan
 17

2. Andal
3. Lengkap
4. Tepat Waktu
5. Dapat dipahami
6. Dapat diverifikasi
Nilai informasi adalah manfaat yang di dihasilkan oleh informasi
setelah dikurangi biaya yang dikeluarkan untuk menghasilkan informasi
tersebut. Istilah sistem informasi yang terkini identik dengan pemanfaatan
teknologi komputer pada suatu organisasi. Sistem informasi berbasis
komputer adalah suatu kesatuan yang terdiri dari perangkat keras
danperangkat lunak yang dirancang untuk mengubah data menjadi
informasi. Macam-macam Sistem Informasi:
1. Sistem Pengelolaan Data Elektronik (PDE)
2. Sistem Pemrosesan Data (PD)
3. Sistem Informasi Manajemen (SIM)
4. Sistem Penunjang Keputusan (SPK)
5. Sistem Pakar (SP)
6. Sistem Informasi Eksekutif (SIE)
Sistem Informasi Akuntansi (SIA) SIA juga merupakan satu
kesatuan sumber-sumber daya, seperti orang dan peralatan, yang bertujuan
untuk mengubah keuangan dan sumber daya lainnya menjadi informasi.
SIA dapat dilaksanakan secara manual maupun komputerisasi. SIA terdiri
dari lima komponen:
1. Orang-orang
2. Prosedur-prosedur
3. Data
4. Software (perangkat lunak)
5. Infrastruktur teknologi informasi.
Kelima komponen ini secara bersama-sama memungkinkan suatu
SIA memenuhi tiga fungsi pentingnya dalam organisasi, yaitu:
1. Mengumpulkan dan menyimpan data tentang aktivitas aktivitas
dan transaksi-transaksi yang dilaksanakan oleh organisasi.
18

2. Mengubah data menjadi informasi yang berguna bagi pihak

manajemen untuk membuat keputusan dalam aktivitas
perencanaan, pelaksanaan, dan pengawasan.
3. Menyediakan pengendalian yang memadai untuk menjaga harta
organisasi.

2.1.5 Cloud Computing

Teknologi dalam kurikulum sekolah bisnis dan akuntansi memiliki
sejumlah pemangku kepentingan: siswa, fakultas, pemberi kerja, kelompok
profesional, serta perusahaan yang memasarkan perangkat lunak mereka. Institut
Akuntan Publik Bersertifikat Amerika (AICPA), kelompok profesional akuntansi
terkemuka di A.S., telah menerbitkan daftar Top 10 Technologies setiap tahun
sejak 1990 (Spinelli, 2006). Daftar ini berisi aplikasi yang telah menjadi
kebutuhan pokok dalam akuntansi seperti database pada tahun 2001 (spreadsheet
mendahului daftar), tetapi baru-baru ini daftar tersebut menggunakan teknologi
de jure. Juga, tidak ada pembobotan teknologi untuk membantu menentukan
prioritas mereka di kelas.
Seiring berkembangnya teknologi informasi dan komunikasi, munculah
berbagai tren baru, salah satunya adalah komputasi awan (cloud computing).
Menurut Ahmed et al., (2017), cloud computing dapat didefinisikan sebagai
sebuah metode komputasi yang menyediakan komputasi sebagai utilitas untuk
memenuhi kebutuhan sehari-hari komunitas bisnis umum. Sederhananya, cloud
computing merupakan sebuah layanan pengiriman maupun penyimpanan aplikasi,
perangkat keras, dan perangkat lunak melalui Internet atau cloud. Tujuan dari
cloud computing ini sendiri adalah untuk menawarkan inovasi yang lebih cepat,
sumber daya yang fleksibel, dan skala ekonomi.
Dimulai dari awal tahun 2000 an hingga saat ini, cloud computing masih
terus berkembang dan menjadi salah satu teknologi informasi dan komunikasi
yang paling diminati. Cloud computing sudah membuat paradigma baru dimana
sumber daya komputasi seperti pemrosesan, memori, dan penyimpanan tidak
harus ada secara fisik di lokasi pengguna.
Sebaliknya, penyedia layanan memiliki dan mengelola sumber daya ini,
dan pengguna dapat mengaksesnya melalui internet. Sebagai contoh,
penyimpanan data di Google Drive, One Drive, Drop Box, dan lain sebagainya.
 19

Hal ini menjadikan cloud computing menjadi sebuah tren komputasi yang sangat
menjanjikan dan memberikan perhatian dalam penelitian akademis serta
memberikan dampak pada industri perangkat lunak.

2.1.3.1 Model Layanan Cloud Computing

Gambar 2. 1 Cloud Computing Service’s Model

Sumber: Elitas, (2015).

Cloud computing menurut National Institute of Standarts and Technology

(NIST) menyediakan 3 (tiga) model layanan, yaitu:
1. Infrastructure as a Service (IaaS) Commented [KD8]: Seluruh 3 model layanan dalam
sistem Cloud Computing juga dicari sumber yang lain yg
Infrastructure as a Service atau IaaS adalah jenis model layanan mendukung penjelasannya.

cloud yang pada dasarnya merupakan server fisik dan virtual server. Commented [SJE9R8]: done

Pada IaaS, penyedia layanan akan menyediakan beberapa kapasitas

komputasi dasar dan infrastruktur, seperti server, jaringan dan
penyimpanan, kepada konsumen dan memungkinkan mereka untuk
menggunakan dan menjalankan discretionary software. Di IaaS,
pengguna tidak memiliki kontrol yang mendasari atas infrastruktur
cloud tetapi memungkinkan penggunanya untuk dapat mengatur dan
mengontrol operating system, storage, dan applications-nya. Contoh
IaaS yang paling populer adalah Digital
Ocean ,Linode ,Rackspace ,Amazon Web Services (AWS) ,Cisco
Metacloud ,Microsoft Azure , dan Google Compute Engine (GCE).
20

2. Platform as a Service (PaaS)

Platform as a Service atau PaaS merupakan layanan Cloud yang
disediakan dalam bentuk platform dan dapat dimanfaatkan pengguna
untuk membuat aplikasi di atasnya. PaaS mengacu pada sumber daya
dikategori platform (operating system support, software development
framework, dan sebagainya). Provider cloud computing dengan model
PaaS menyediakan pelanggan alat yang memfasilitasi pembuatan
sistem aplikasi dan program yang beroperasi pada platform yang
ditawarkan. Contoh Saas, yaitu Amazon Web Service, Windows Azure,
Heroku, Force.com, Google App Engine, Apache Stratos, OpenShift,
dan lainnya.

3. Software as a Service (SaaS)

Software as a Service atau SaaS merupakan perangkat lunak yang
dijadikan layanan secara online yang cenderung kepada pengadaan
aplikasi yang berjalan pada lingkungan cloud. Aplikasi yang berjalan
tersebut dapat diakses melalui Web browser maupun program interface.
Bentuk dari SaaS antara lain e-mail, customer management systems,
dan juga cloud enterprise resource planning. Contoh dari SaaS yang
populer antara lain: Google G Suite (Appsi), Dropbox , Salesforce ,
Cisco WebEx , SAP Concur ,Office 365, Adobe Creative Cloud, dan
lainnya. SaaS merupakan largest segment dari public cloud services.
Adapun model layanan dari cloud computing dibagi menjadi tiga Rumetna,
(2018), yaitu :
1. Cloud Software as a Service (SaaS). Provider memberikan keunggulan
dimana pengguna tidak perlu memikirkan lisensi software, pengguna
dapat menggunakan software yang disediakan dimanapun dan
kapanpun serta beroperasi pada infrastruktur cloud. Contoh layanan ini
adalah penggunaan email, twitter, skype, dan SalesForce,com.
2. Cloud Platform as a Service (PaaS). Provider memberikan keunggulan
kepada pengguna yang lebih difokuskan untuk pengembangan dan
penyebaran aplikasi. Dengan kemampuan ini pengguna dapat
menggunakan aplikasi yang disediakan oleh provider tanpa harus
 21

memikirkan sistem operasi, jaringan, database engine, namun

pengguna tetap memiliki kontrol atas aplikasi yang dikembangkan.
Contoh layanan ini adalah Microsoft Azure Investment, Amazon Web
Service, dan Force.com.
3. Cloud Infrastructure as a Service (IaaS). Provider memberikan
keunggulan kepada pengguna untuk konfigurasi, dapat juga menyewa
infrastruktur seperti storage dan jaringan. Konfigurasi yang
dimaksudkan secara virtual dapat mengubah scale up atau scale down.
Konsumen memiliki kontrol terhadap sistem operasi dan juga aplikasi
yang disebarkan. Contoh layanan ini adalah Simple Storage Service,
Rakspace Cloud dan Amazon Elastic Compute Cloud.
Tiga model layanan dari cloud computing Ahmad & Setiawan, (2012),
yaitu :
1. Cloud Software as a Service (SaaS). Kemampuan yang diberikan
kepada konsumen untuk menggunakan aplikasi penyedia dapat
beroperasi pada infrastruktur cloud. Aplikasi dapat diakses dari
berbagai perangkat klien melalui antarmuka seperti Web browser
(misalnya, email berbasis Web). Konsumen tidak mengelola atau
mengendalikan infrastruktur cloud yang mendasar termasuk jaringan,
server, sistem operasi, penyimpanan, atau bahkan kemampuan aplikasi
individu, dengan kemungkinan pengecualian terbatas terhadap
pengaturan konfigurasi aplikasi pengguna tertentu. Contohnya adalah
Google Apps, SalesForce.com dan aplikasi jejaring sosial seperti
FaceBook.
2. Cloud Platform as a Service (PaaS). Kemampuan yang diberikan
kepada konsumen untuk menyebarkan aplikasi yang dibuat konsumen
atau diperoleh ke infrastruktur cloud computing menggunakan bahasa
pemrograman dan peralatan yang didukung oleh provider. Konsumen
tidak mengelola atau mengendalikan infrastruktur cloud yang mendasar
termasuk jaringan, server, sistem operasi, atau penyimpanan, namun
memiliki kontrol atas aplikasi yang disebarkan dan memungkinkan
aplikasi melakukan hosting konfigurasi. Contohnya yang sudah
22

mengimplementasikan ini adalah Force.com dan Microsoft Azure

investment.
3. Cloud Infrastructure as a Service (IaaS). Kemampuan yang diberikan
kepada konsumen untuk memproses, menyimpan, berjaringan, dan
sumber komputasi penting yang lain, dimana konsumen dapat
menyebarkan dan menjalankan perangkat lunak secara bebas, yang
dapat mencakup sistem operasian aplikasi. Konsumen tidak mengelola
atau mengendalikan infrastruktur cloud yang mendasar tetapi memiliki
kontrol atas sistem operasi, penyimpanan, aplikasi yang disebarkan, dan
mungkin kontrol terbatas komponen jaringan yang pilih (misalnya,
firewall host). Contohnya seperti Amazon Elastic Compute Cloud dan
Simple Storage Service.

2.1.3.2 Model Penyebaran Cloud Computing

Model penyebaran cloud computing menurut NIST terdiri dari 4
(empat) model, yaitu sebagai berikut (Botta et al., 2016):
1. Private Cloud
Private Cloud merupakan salah satu jenis cloud computing
yang biasanya digunakan oleh suatu organisasi. Biasanya
dalam private cloud ini akan terdiri dari beberapa pengguna
dan kemudian dikelola atau dioperasikan oleh organisasi
maupun pihak ketiga baik dengan model on ataupun off the
premises. Biasanya private cloud digunakan untuk organisasi
yang tingkat keamanannya datanya tinggi seperti pemerintah
dan lembaga keuangan.
2. Community Cloud
Community Cloud merupakan jenis cloud computing
digunakan secara bersama-sama oleh beberapa organisasi atau
mendukung beberapa komunitas tertentu yang memiliki tujuan
atau misi yang serupa, misalnya kebijakan, pertimbangan
kepatuhan, persyaratan keamanan dan lainnya.
3. Public Cloud
Public Cloud merupakan jenis cloud computing yang
dikembangkan dan tersedia untuk umum maupun kelompok
 23

industri besar dimana penggunaannya dilakukan secara terbuka.

Secara umum, infrastruktur dari public cloud ini dimiliki,
dikelola, dan dioperasikan oleh organisasi yang menyediakan
cloud services dan terletak di lokasi penyedia (provider’s
server)
4. Hybrid Cloud
Hybrid Cloud merupakan jenis cloud computing yang
merupakan komposisi dari dua atau lebih cloud, yang unik
namun terikat bersama oleh standar atau kepemilikan
teknologi yang menggunakan data dan portabilitas aplikasi. Commented [KD10]: Masukan juga sumber lain yang
menjelaskan hal serupa terkait dengan model penyebaran
Empat model penyebaran cloud computing (Ahmad & Setiawan, cloud computing.

2012), yaitu: Commented [SJE11R10]: done

1. Private cloud. Infrastruktur cloud yang semata-mata

dioperasikan bagi suatu organisasi. Ini mungkin
dimiliki,dikelola dan dijalankan oleh suatu organisasi, pihak
ketiga atau kombinasi dari beberapa pihak dan mungkin ada
pada on premis atau off premis.
2. Community cloud. Infrastruktur cloud digunakan secara
bersama oleh beberapa organisasi dan mendukung komunitas
tertentu yang telah berbagi concerns (misalnya; misi,
persyaratan keamanan, kebijakan, dan pertimbangan
kepatuhan) Ini mungkin dikelola oleh organisasi atau pihak
ketiga dan mungkin ada pada on premis atau off premis.
3. Public cloud. Infrastuktur cloud yang disediakan untuk umum
atau kelompok industri besar dan dimiliki oleh sebuah
organisasi yang menjual layanan cloud.
4. Hybrid cloud. Infrastruktur cloud merupakan komposisi dari
dua atau lebih cloud (swasta, komunitas, atau publik) yang
masih entitas unik namun terikat bersama oleh standar atau
kepemilikan teknologi yang menggunakan data dan
portabilitas aplikasi (e.g., cloud bursting for load-balancing
between clouds).
24

Terdapat empat model penyebaran cloud computing (Rumetna,

2018), yaitu :
1. Private cloud. Private cloud biasanya dikelola dan diatur oleh
departemen yang menguasai teknologi informasi dalam suatu
organisasi dan departemen lain sebagai pengguna.
Infrastruktur cloud dapat dikatakan disediakan khusus untuk
memenuhi kebutuhan organisasi.
2. Community cloud. Infrastruktur cloud yang eksklusif dibangun
dan digunakan secara bersama oleh beberapa community atau
organisasi dan mendukung komunitas tertentu yang telah
berbagi fokus perhatian (concerns).
3. Public cloud. Merupakan salah satu model penyebaran cloud
yang disediakan untuk umum yang sifatnya gratis maupun
berbayar. Layanan ini dapat digunakan oleh pengguna dengan
syarat mengikuti ketentuan yang berlaku.
4. Hybrid cloud. Model penyebaran ini merupakan gabungan dua
atau lebih dari jenis cloud computing (gabungan private,
public atau community cloud). Dalam hybrid cloud,
perusahaan dapat memilih dan memindahkan proses bisnisnya
ke setiap model penyebaran cloud computing baik private
ataupun public.

2.1.3.3 Keuntungan Cloud Computing

1. Kecepatan tinggi
Komputasi awan memungkinkan untuk menerapkan
layanan dengan cepat dalam lebih sedikit klik. Penerapan yang
lebih cepat ini memungkinkan perusahaan mendapatkan
sumber daya yang diperlukan untuk sistem dalam beberapa
menit.
2. Cadangkan dan pulihkan data
Setelah data disimpan di Cloud, lebih mudah untuk
mendapatkan pencadangan dan pemulihannya, yang
sebaliknya sangat memakan waktu proses di lokasi.
3. Integrasi Perangkat Lunak Otomatis
 25

Di cloud, integrasi perangkat lunak adalah sesuatu yang

terjadi secara otomatis. Oleh karena itu, consumen tidak perlu
melakukan upaya tambahan untuk menyesuaikan dan
mengintegrasikan aplikasi sesuai preferensi.

2.1.3.4 Kerugian Cloud Computing

1. Konektivitas Internet
Konektivitas internet yang baik adalah suatu keharusan
dalam komputasi awan. Perusahaan tidak dapat mengakses
cloud tanpa koneksi internet. Selain itu, perusahaan tidak
memiliki cara lain untuk mengumpulkan data dari cloud.
2. Bandwidth Lebih Rendah
Banyak penyedia layanan penyimpanan cloud membatasi
penggunaan bandwidth pengguna mereka. Jadi, jika organisasi
melebihi tunjangan yang diberikan, biaya tambahan bisa
sangat mahal
3. Kurangnya Dukungan
Perusahaan Cloud Computing gagal memberikan
dukungan yang tepat kepada pelanggan. Selain itu, mereka
ingin penggunanya bergantung pada FAQ atau bantuan online,
yang bisa menjadi pekerjaan yang membosankan bagi orang
non-teknis.

2.1.3.5 Resiko Cloud Computing

Gambar 2. 2 Cloud Computing Risks

Sumber: Elitas, (2015)
26

1. Kehilangan data
Pada dasarnya, komputasi awan melibatkan beberapa
penyerahan kendali dari pelanggan ke penyedia layanan.
Meskipun hal ini membuat pengguna memiliki lebih banyak
waktu dan sumber daya keuangan untuk fokus pada aspek
bisnis lainnya, selalu ada risiko bahwa data sensitif berada di
tangan orang lain. Jika keamanan layanan cloud dilanggar,
peretas berpotensi mendapatkan akses ke kekayaan intelektual
atau file pribadi lainnya.
2. Infeksi Malware
Karena tingginya volume data yang disimpan di cloud,
yang memerlukan koneksi internet untuk menyimpan data ini,
siapa pun yang menggunakan layanan cloud berpotensi
menghadapi risiko serangan cyber. Ancaman yang semakin
umum adalah serangan Distributed Denial of Service (DDoS),
di mana peretas mengirimkan volume lalu lintas yang belum
pernah terjadi sebelumnya ke aplikasi berbasis Web, sehingga
merusak server.
3. Masalah hukum / kepatuhan
Meningkatnya undang-undang tentang perlindungan data,
dari GDPR di Eropa hingga HIPAA untuk perawatan
kesehatan, menjaga kepatuhan menjadi lebih sulit. Perusahaan
harus memiliki aturan tegas yang mengatur siapa yang dapat
mengakses data apa dan apa yang dapat mereka lakukan
dengannya. Hal ini membuat akses mudah komputasi awan ke
data dalam skala besar, mungkin sulit untuk melacak siapa
yang dapat mengakses informasi ini.
 27

2.1.3.6 Perbandingan Cloud Computing

Saat ini sangat banyak variasi dari Cloud Computing yang berasal
dari banyak platform atau Website, dari sekian banyak platform tersebut
adapun perbedaan yang dimiliki dari masing masing platform cloud
computing yaitu sebagai berikut.
1. Layanan Web Amazon
Amazon Web Services (AWS) adalah salah satu
platform komputasi awan yang berjalan paling lama, telah
menjadi pemimpin industri selama lebih dari 10 tahun. Ini
adalah yang paling populer, menangkap 67% pengguna,
menurut RightScale's State of the Cloud Report 2019. Layanan
cloud Amazon mencakup beragam alat dan kemampuan, mulai
dari alat pengembang, keamanan dan kepatuhan, Internet of
Things (IoT), dan keterlibatan pelanggan, hingga pembelajaran
mesin, teknologi game, dan robotika.
2. Microsoft Azure
Pemimpin lain di pasar layanan cloud adalah Microsoft
Azure, platform komputasi awan yang terintegrasi mulus
dengan Windows. Dirancang untuk bekerja secara sempurna
dengan perangkat lunak Microsoft, ini adalah pilihan yang
bagus untuk banyak bisnis yang berjalan di Windows.
3. Google Cloud
Sebagai peserta kemudian di kancah layanan cloud,
Google telah menerapkan keahlian teknisnya untuk membuat
sejumlah besar alat, termasuk beberapa yang berada di ujung
tombak industri, menggabungkan pembelajaran mendalam,
kecerdasan buatan (AI), pembelajaran mesin, dan data analitik.
Hal ini menjadikan Google Cloud pemimpin pasar dalam hal
alat yang menggunakan teknologi terbaru, serta menawarkan
penskalaan dan pemuatan yang seimbang.
28

2.1.6 Cloud Accounting

Perkembangan teknologi membawa perubahan dalam bidang akuntansi,
salah satunya dengan inovasi program akuntansi online atau sering disebut cloud
accounting. Cloud accounting merupakan suatu kombinasi yang memanfaatkan
teknologi dengan internet untuk mencatat, mengelola dan melaporkan keuangan.
Sasaran dari akuntansi online ini tidak hanya mencakup perusahan-perusahan
yang besar namun juga mencakup bisnis kecil (Kusumo, 2017).
Akuntansi adalah industri yang mengalami begitu banyak perubahan,
sebagian besar dipicu oleh kemajuan teknologi yang sangat pesat. Evolusi
akuntansi cloud mengubah ekspektasi pelanggan dan akuntan memikirkan
kembali cara mereka beroperasi untuk memenuhi tuntutan baru yang sering kali
meningkat. Orang siap untuk tidak terikat dokumen dalam bisnis mereka; mereka
ingin fokus pada hal-hal yang paling mereka sukai. Teknologi adalah membantu
mereka menemukan integrasi kerja / kehidupan yang lebih baik. Munculnya
komputasi awan, bisnis dapat memiliki waktu hingga satu jam menit, informasi
keuangan yang sepenuhnya dapat diakses dan dikelola oleh akuntan mereka.
Salah satu tren teknologi terbesar saat ini adalah kemunculan teknologi
cloud. Cloud adalah platform untuk membuat data dan perangkat lunak dapat
diakses secara online kapan saja, di mana saja, dari hampir semua perangkat
yang memiliki ekstensi koneksi internet. Dalam komputasi awan, pengguna
mengakses aplikasi perangkat lunak dari jarak jauh melalui internet atau jaringan
lain melalui penyedia layanan aplikasi awan. Demikian juga, dalam cloud
accounting, data dikirim ke "the cloud ”, di mana itu diproses dan dikembalikan
ke pengguna. Semua fungsi aplikasi dilakukan di luar situs, bukan di desktop
pengguna, yang membebaskan bisnis dari keharusan memasang dan memelihara
perangkat lunak di desktop individu komputer.
Keuntungan potensial Cloud Computing di bidang akuntansi dari sudut
pandang penyedia layanan dan penerima layanan dapat diuraikan sebagai
berikut:
a) Pengurangan Biaya: Perusahaan yang menggunakan komputasi awan
tidak perlu melakukan investasi dalam jumlah besar pada perangkat
keras karena mereka menggunakan aplikasi mereka melalui penyedia
layanan awan melalui Internet dan saat mereka menyimpan datanya di
 29

pusat data penyedia layanan. Aplikasi ini juga dapat digunakan di mana
saja dengan koneksi internet tanpa batasan waktu dan ruang.
b) Akses dan Penggunaan Mudah: Aplikasi akuntansi cloud
memungkinkan akses ke data keuangan perusahaan anda kapan saja dan
dimana saja tanpa perlu mendownload dan instal program di komputer.
Hanya butuh komputer dan koneksi internet. Aplikasi akuntansi Cloud
juga dapat diakses dari smartphone yang banyak digunakan saat ini.
c) Spesifikasi Teknis Lanjutan: Aplikasi akuntansi cloud dapat
menawarkan banyak fitur yang ditingkatkan kepada penggunanya tidak
seperti perangkat lunak akuntansi tradisional. Misalnya, bukanlah
pekerjaan mudah untuk mengelola berbagai data keuangan perusahaan
yang saling terkait pada saat yang sama. Sistem dapat dirancang sesuai
dengan merger dan privatisasi perusahaan yang diperlukan. Penyedia
layanan juga menawarkan peluang pengakuan otomatis atas aktivitas
bank melalui perjanjian yang dibuat perusahaan dengan bank tempat
mereka paling banyak melakukan transaksi. Situasi ini dapat dianggap
sebagai tonggak perpindahan dari sistem tradisional ke pencatatan
akuntansi otomatis.
d) Biaya Kepemilikan Total Fleksibel: Saat ini, semua proses bisnis
termasuk sistem informasi harus terstruktur sehingga dapat segera
berubah sesuai dengan status pertumbuhan dan pengurangan yang
mungkin terjadi dalam bisnis. Oleh karena itu, sistem harus terstruktur
sehingga memberikan fleksibilitas. Karena faktanya aplikasi ini dapat
diservis bila diminta, bahwa biaya pemasangan sangat rendah dan dapat
menanggapi kenaikan atau penurunan bisnis, komputasi awan akan
membawa struktur yang lebih fleksibel ke perusahaan berkat fitur-fitur
ini (Yıldız et al., 2011).
e) Peningkatan Kinerja Bisnis: Aplikasi akuntansi cloud membantu
akuntan membuat laporan keuangan dan clipboard secara real-time
dengan beradaptasi dengan perubahan kondisi bisnis dalam waktu
singkat. Situasi ini menciptakan lingkungan bagi administrator untuk
membuat keputusan keuangan yang cepat dan benar serta berkontribusi
pada peningkatan kinerja.
30

f) Cadangan Tidak Terbatas: Perusahaan yang menggunakan aplikasi

akuntansi cloud memiliki kesempatan untuk mencadangkan data
keuangan mereka kapan saja dan dalam jumlah berapa pun. Cadangan
data disimpan di server perusahaan penyedia layanan. Jadi,
kemungkinan kehilangan data dihindari.
g) Penggunaan Layanan Instalasi, Dukungan dan Pelatihan yang Tidak
Terbatas: Layanan penyedia dari jarak jauh dapat memberikan
dukungan kepada instansi selama pemasangan software akuntansi
berbasis Web. Selain itu, masalah yang terjadi selama penggunaan
dapat diselesaikan dalam waktu singkat melalui jalur dukungan.
h) Pembaruan Hukum dilakukan secara serempak tanpa Membayar Biaya
Apa Pun: Penyedia layanan memungkinkan semua pengguna
menggunakan layanan ini secara bersamaan secara gratis dengan
mentransfer peraturan hukum secara serentak ke sistem.
Penggunaan Cloud Computing yang semakin populer di bidang teknologi
informasi juga semakin meluas di bidang akuntansi. Terutama perusahaan yang
menyediakan layanan perangkat lunak akuntansi terpaket mulai menggunakan
fasilitas komputasi awan lebih dan lebih. Hari ini, akuntansi perangkat lunak
tradisional sudah mulai digantikan oleh software akuntansi berbasis Web yang
berbasis cloud computing.
Dalam beberapa tahun terakhir, tujuan utama dan upaya dari banyak
perusahaan besar adalah membangun sistem berbasis Web di mana mereka dapat
mengelola data keuangan di lingkungan apa pun. Cloud Computing menyediakan
infrastruktur yang dapat memenuhi semua persyaratan ini kepada perusahaan.

2.1.7 Mobility Commented [KD12]: Sumber?

Kemajuan dalam lalu lintas dan mobilitas diilustrasikan dengan sangat jelas Commented [SJE13R12]: done

oleh perkembangan pesat industri transportasi, termasuk produksi kendaraan.

Terkait dengan infrastruktur, ini menjelaskan salah satu tantangan utama ilmu
informasi dan teknologi cerdas. Kehidupan sehari-hari dan pekerjaan kita saat ini
sangat erat kaitannya dengan lalu lintas dan mobilitas. Penyelidikan teori dan
metodologi canggih serta aplikasinya untuk lalu lintas dan mobilitas modern
digunakan untuk meningkatkan efisiensi dan keselamatan (Shekhar et al., 2012).
 31

Demikian perkembangan teori dan metodologi lanjutan yang didedikasikan

untuk lalu lintas modern dan mobilitas sangat penting. Demikian, Masalah
transportasi termasuk kemacetan lalu lintas, kecelakaan, dan emisi polusi
menjadi subyek yang berpengaruh tentang perkembangan sosial dan bisnis.
Baru-baru ini telah diperoleh pemodelan matematika dan metode simulasi
perhatian substansial karena potensi mereka untuk teknologi yang diterapkan
sekarang untuk mengatasi masalah lalu lintas dan mobilitas (Boukerche & De
Grande, 2018).
Dalam jaringan data nirkabel, mobilitas perangkat seluler merupakan
hambatan untuk mencapai akses tanpa batas ke layanan terdistribusi. Mobilitas
menyebabkan ketidakpastian layanan, degradasi, gangguan dan pemutusan yang
menghalangi tujuan mengakses layanan cloud komputasi secara transparan.
Demikian pula, mobilitas simpul melibatkan penyerahan antara sel atau area
layanan saat simpul berada dalam kecepatan pejalan kaki atau kendaraan,
merutekan paket data ke jalur yang sesuai dan kemampuan beradaptasi jika
terjadi pemutusan. Dengan cara yang sama, manajemen mobilitas memerlukan
pertukaran yang tepat antara pendekatan seperti reaktif dan proaktif (Gani et al.,
2014).

2.1.8 Social Collaboration Commented [KD14]: Sumber kurang

Saat ini masyarakat dalam kehidupan sehari-hari berurusan dengan Commented [SJE15R14]: done

sejumlah besar alat dan teknologi kolaborasi yang berbeda. Di kolaborasi makna
umum dapat didefinisikan sebagai komunikasi dua orang atau lebih, yang
berinteraksi untuk mencapai tujuan bersama.
Sehingga definisi seperti itu tidak mengungkapkan hakikat sosial ini
fenomena. Dalam literatur ilmiah dapat ditemukan gagasan, bahwa komunikasi
bukanlah suatu sifat yang dimiliki oleh seorang individu, melainkan konsekuensi
dari jenis interaksi tertentu; khususnya, yang memiliki fungsionalitas yang saling
bergantung (Scott-Phillips, 2015).
Dengan adanya kolaborasi sosial menjadikan pelanggan yang baru saja
diakuisisi lebih mengontrol hubungan mereka dengan organisasi karena fakta
bahwa pelanggan memiliki akses lebih besar ke tingkat pendidikan dan informasi
baru. Web 2.0 dapat digunakan sebagai enabler dalam menciptakan hubungan
32

yang erat dan jangka panjang antara organisasi dengan pelanggannya dalam hal
ini adalah mahasiswa (Anshari et al., 2015). Web 2.0 memberikan kesempatan
bagi mahasiswa serta peneliti di universitas untuk berkolaborasi dan berbagi
pengetahuan. Ini membantu untuk menemukan kolaborator untuk penelitian dan
kemungkinan untuk berkomunikasi dengan peneliti lain dalam minat penelitian
yang sama. Teknologi Web 2.0 yang memfasilitasi interaktivitas, komentar pada
artikel, dan proses peer review terbuka di antara para sarjana (Anshari et al.,
2016).
Web 2.0 penting untuk pengembangan jaringan sosial untuk mendorong
berbagi pengetahuan. Web 2.0 telah memungkinkan mekanisme untuk
memperluas e-learning dengan mengakomodasi pemberdayaan siswa seperti
memungkinkan mereka untuk berpartisipasi lebih aktif dalam berbagi informasi
dan menghasilkan pengetahuan melalui media sosial. Keuntungan dari Web 2.0
memiliki kemampuan untuk melacak percakapan tentang operasi bisnis. Sebuah
universitas dapat mengambil manfaat dari berhubungan langsung dengan
mahasiswa yang ada dan calon mahasiswa melalui berbagai jejaring sosial,
melacak komentar, pendapat atau saran mahasiswa dan kemudian mendekati
mereka dengan sentuhan yang lebih pribadi. Selanjutnya, aplikasinya dapat
diunduh dan diinstal di ponsel pintar mereka. Alih-alih mencetak catatan mereka,
mereka telah menggunakannya untuk melihat catatan mereka. Mereka juga
menggunakannya untuk menyimpan pekerjaan mereka karena juga berfungsi
sebagai penyimpanan online. Salah satu alasan utama siswa menyukai sistem ini
adalah mereka dapat melihat catatan dari mana saja dan kapan saja mereka mau
(Anshari et al., 2015).

2.1.9 Digital Service Delivery Commented [KD16]: Sumber?

Jika penggunaan teknologi informasi dan komunikasi mengubah hubungan Commented [SJE17R16]: done
Commented [KD18]: Penjelasan kurang mendukung
antara pemerintah dan masyarakat, hal itu juga mengubah hubungan antara dan menggambarkan terkait dengan arti dari digital
masyarakat dan pemerintah. Digitalisasi atau pengurangan titik kontak pengguna service delivery. Tambahkan dan cantumkan sumber
penulisan. Berlaku untuk bagian big data hingga VR AR.
dengan birokrasi dan peninjauan proses untuk membuat layanan mandiri yang Commented [SJE19R18]: done
dimediasi mesin memiliki potensi revolusioner pemerintah. Penerapan kebijakan
transformasi digital memungkinkan bentuk-bentuk baru mediasi dan
pelembagaan praktik yang mewakili jendela peluang untuk mempromosikan
 33

inklusi yang lebih besar dan efisiensi serta efektivitas yang lebih besar untuk
pemberian layanan (Siren & Knudsen, 2017).
Saat ini, pemasaran dipandang sangat mendukung penyampaian layanan
yang berfokus pada pelanggan, definisi modern dari aktivitas pemasaran yang
diterapkan pada aktivitas layanan pelanggan dan juga perdagangan. Layanan
pelanggan dan metodologi pemasaran telah diterapkan dalam praktik untuk
pengiriman layanan arsip, terutama oleh arsip. Untuk pengiriman layanan di
tempat dalam arsip, pekerjaan teoretis tentang fokus pelanggan, perilaku peneliti,
dan penggunaan teknik pemasaran menerima lebih banyak perhatian, tetapi
secara umum masih berfokus pada tema dan sub-tema tertentu daripada
mengambil pandangan holistik. Namun demikian, ada beberapa studi yang
bermanfaat, yang mencakup isu-isu seperti kebutuhan akan fokus pelanggan dan
penyampaian layanan yang disesuaikan (Smith, 2003).
Sektor publik perlu merancang strategi pemberian layanan yang menjawab
tugasnya untuk memberikan layanan kepada semua warga negara tanpa
diskriminasi, dengan tetap menghormati keterbatasan anggaran dan kebutuhan
untuk mengoptimalkan pengelolaan saluran layanan (Tangi et al., 2021).

2.1.10 Big Data

Big Data pertama kali diperkenalkan O’Reilly Media pada tahun 2005. Big
Data merupakan sebuah penerapan teknologi terhadap suatu lembaga yang
dapat dilihat dari berbagai fungsi yang tersedia pada infrastruktur Teknologi
Informasi. Menurut Dumbill (2012) Big Data adalah data yang melebihi proses
kapasitas dari konvensi sistem database yang tersedia. Data yang terlalu besar
dan terlalu cepat atau tidak sesuai dengan struktur arsitektur database yang ada.
Untuk mendapatkan nilai dari data tersebut, maka harus menggunakan alternatif
untuk memprosesnya (Dumbill, 2012).
Pengertian Big Data menurut Oxford English Dictionary (2013) yang
dikutip dari adalah “data of a very large size, typically to the extent that its
manipulation and management present significant logistical challenges”.
Pada tahun 1663, Josh Graunt pertama kali berhadapan dengan “big data”.
Untuk dapat mengatasi besarnya informasi yang didapatkan Graunt
menggunakan stratistik dan dianggap sebagai orang pertama yang menggunakan
34

analisis data statistik. Pada awal tahun 1800-an, bidang statistik diperluas hingga
mencakup pengumpulan dan analisis data.Langkah-langkah dasar menuju
konsepsi modern Big Data melibatkan pengembangan komputer, ponsel pintar,
internet, dan peralatan sensorik (Internet of Things) untuk menyediakan data.
Kartu kredit juga berperan, dengan menyediakan data dalam jumlah yang
semakin besar, dan tentunya media sosial mengubah sifat volume data dengan
cara yang baru dan terus berkembang. Evolusi teknologi modern terjalin erat
dengan evolusi Big Data (Foote, 2017).
Menurut Sirait, (2016) bahwa peluang dan manfaat penerapan big data
sangat potensial termasuk di pemerintahan. Dengan menggunakan data,
kebijakan publik bisa didesain dan diimplentasikan lebih efektif dan tepat untuk
mencapai sasaran.
Big Data dapat mengumpulkan semua informasi tetang konsumen dengan
jumlah yang besar dan untuk jangka waktu yang lama mulai dari hobi, pekerjaan,
hingga kebiasaan mereka, sehingga Big Data dapat memonitor gejala psikologis
yang dialami konsumen. Dengan melakukan pendekatan Big Data di dalam
melakukan penelitian bisnis, maka membuat segala pengambilan keputusan
bisnis maupun penyusunan strategi bisnis bukan berdasarkan intuisi dan naluri
semata, akan tetapi telah berdasarkan atas data yang ilmiah, akurat, dan terukur
sehingga segala pengambilan keputusan bisnis serta penyusunan strategi bisnis
dapat bersifat solutif dan implementatif.
Data diambil dalam berbagai bentuk dari berbagai sumber seperti yang
ditunjukkan pada Tabel 2.1 Data terstruktur adalah data dalam bentuk sederhana
yang dapat dengan mudah digunakan dan disimpan dalam basis data sedangkan
data tidak terstruktur dalam bentuk seperti email, audio, video, dan postingan
media sosial. mengevaluasi data untuk mengubahnya menjadi informasi yang
berguna menggunakan teknik dan perangkat lunak canggih (Alsghaier et al.,
2017). Data diambil dalam berbagai bentuk dari berbagai sumber seperti yang
ditunjukkan pada Tabel 1. Data terstruktur adalah data dalam bentuk sederhana
yang dapat dengan mudah digunakan dan disimpan dalam basis data sedangkan
data tidak terstruktur dalam bentuk seperti email, audio, video, dan postingan
media sosial.
 35

Tabel 2.1 Sumber dan Bentuk Data

Sumber Bentuk
Media Email, Gambar, teks, video, audio dari platform media
sosial seperti twitter, Instagram dan Facebook.
Web Data ditemukan di situs Web
Internet of Data diperoleh dari sensor dari perangkat yang saling
Things terkait seperti perangkat komputer, perangkat video
game, dan yang dapat melakukan pertukaran data
menggunakan jaringan.
Cloud Awan publik, pribadi, dan pihak ketiga seperti iCloud,
satu drive, dan Egnyte.
Databases Traditional and modern databases seperti Informix,
SQL server and oracle database.
Sumber: Alsghaier et al., 2017.

2.1.11 Cyber Security

Sebagian besar organisasi memiliki banyak lapisan pertahanan untuk sistem
kritis mereka (lapisan firewall, IDS, pengerasan O / S, otentikasi kuat, dll), tetapi
serangan masih terjadi. Lebih sering daripada tidak, pembobolan adalah benturan
keadaan daripada kerentanan mandiri yang dieksploitasi untuk serangan cyber
untuk berhasil. Kata lain ini adalah "keseluruhan" dari keadaan dan tindakan
penyerang yang menyebabkan kerusakan (Balzacq & Cavelty, 2016).
Keamanan siber adalah masalah yang semakin mengkhawatirkan. Banyak
pertanyaan telah diajukan mengenai keamanan Internet dan infrastruktur sistem
informasi. Keamanan siber memiliki tujuan untuk memastikan integritas,
kerahasiaan, dan ketersediaan sistem informasi. Properti ini seimbang sepadan
dengan kebutuhan spesifik dari informasi, sistem informasi, dan operasi terkait
(Dawood, 2014).
National University of Singapore dan International Data Corporation
melaporkan bahwa pelanggaran keamanan siber dan malware di seluruh dunia
menelan biaya sekitar $491 miliar pada tahun 2014, di mana konsumen
kemungkinan akan menghabiskan $25 miliar untuk mengurangi ancaman
36

keamanan. Tumbuhnya masalah keamanan siber dan privasi memerlukan

mekanisme pertahanan yang lebih efektif untuk melawan ancaman ini (Do et al.,
2017).
Dinamika keamanan siber dapat dijadikan sebagai landasan Ilmu
Keamanan Siber karena hal-hal berikut. Pertama, serangan siber tidak dapat
dihindari dan para pembela HAM perlu mengetahui keadaan keamanan siber
yang dinamis untuk mengelola risiko. Kedua, dinamika keamanan siber secara
alami mengarah pada gagasan keamanan siber makroskopik, di mana parameter
model abstrak. Perbedaan antara keamanan makroskopik dan keamanan
mikroskopis mungkin membantu memisahkan layanan keamanan yaitu,
berorientasi manajemen atau operasi dari teknik keamanan. Ketiga, dinamika
keamanan siber menawarkan kerangka kerja menyeluruh yang dapat
mengakomodasi model keamanan siber yang bersifat deskriptif, preskriptif, dan
prediktif, yang dapat dipelajari secara sistematis dengan menggunakan berbagai
teknik matematis (Xu, 2014).

2.1.12 Robotics
Istilah robot berasal dari bahasa Cekoslowakia. Kata robot berasal dari
kosakata “Robota” yang berarti “kerja cepat”. Istilah ini muncul pada tahun 1920
oleh seorang pengarang sandiwara bernama Karel Capec. Karyanya pada saat itu
berjudul “Rossum’s Universal Robot” yang artinya Robot Dunia milik Rossum.
Rossum merancang dan membangun suatu bala tentara yang terdiri dari robot
industri yang akhirnya menjadi terlalu cerdik dan akhirnya menguasai manusia.
Untuk dapat dikatakan sebagai robot sebuah sistem tidak perlu untuk meniru
semua tingkah laku manusia, namun suatu sistem tersebut dapat mengadopsi satu
atau dua dari sistem yang ada pada diri manusia saja sudah dapat dikatakan
sebagai robot. Sistem yang diadopsi dapat berupa sistem penglihatan (mata),
sistem pendengaran (telinga) ataupun sistem gerak (Citra et al., 2010).
Perkembangan suatu ilmu tak lepas dari peran para peneliti kalau tak dapat
dikatakan bahwa justru penelitilah yang menyebabkan suatu ilmu itu
berkembang. Robotika memiliki unsur yang sedikit berbeda dengan ilmu-ilmu
dasar atau terapan yang lain dalam berkembang. Ilmu dasar biasanya
berkembang dari suatu asas atau hipotesis yang kemudian diteliti secara metodis.
Ilmu terapan dikembangkan setelah ilmu-ilmu yang mendasarinya berkembang
 37

dengan baik, sedangkan ilmu robotika lebih sering berkembang melalui

pendekatan praktis pada awalnya. Kemudian melalui suatu pendekatan atau
perumpamaan (asumsi) dari hasil pengamatan perilaku mahluk hidup atau
benda/mesin/peralatan bergerak lainnya dikembangkanlah penelitian secara
teoritis (Citra et al., 2010).
Penggunaan robotika dalam akuntansi dan audit secara signifikan
memudahkan kepatuhan dengan berbagai otoritas pengatur dengan cara yang
mudah karena ahli berbasis pengetahuan sistem yang digunakan untuk akuntansi
dan audit sudah diberi kode sebelumnya dengan aturan, cara, dan ketentuan
bisnis dan audit untuk diikuti saat pelaporan dan audit informasi bisnis dan
keuangan, hal ini sangat membantu melaksanakan audit kepatuhan otomatis
(Doty et al., 2015).

2.1.13 Augmented and Virtual Reality

Definisi umum yang diterima untuk VR adalah penggunaan lingkungan 3D
yang dihasilkan komputer, yang dapat dinavigasi dan berinteraksi dengan
pengguna, menghasilkan simulasi waktu nyata dari satu atau lebih panca indera
pengguna. sedangkan AR secara umum dapat didefinisikan sebagai peningkatan
lingkungan dunia nyata menggunakan lapisan gambar yang dihasilkan komputer
melalui perangkat (Yung & Khoo-Lattimore, 2019).
Meskipun teknologi AR dan VR telah dikembangkan untuk waktu yang Commented [KD20]: Saat memberikan penjelasan
terkait dengan hal ini, jelaskan terlebih dahulu apa itu AR
lama, kami dapat mengatakan bahwa baru-baru ini mulai meninggalkan dan VR dan bagaimana mereka berperan menunjang
keberlangsungan perusahaan dengan memberikan
laboratorium, sebagian besar berkat peningkatan kapasitas komputasi dan banyak insight dan mampu mengidentifikasi risiko serta
trend dengan akurat. Jelaskan dengan detail. Berlaku
penurunan perangkat. Saat ini, augmented reality dan virtual kenyataan dapat mulai dari digital service hingga ini.
digunakan di smartphone kelas menengah. Meski, untuk perendaman lebih, itu Commented [SJE21R20]: done

akan lebih menarik untuk menggunakan perangkat yang lebih canggih, meski
sedikit lebih mahal (Wei, 2019).
Istilah realitas virtual diciptakan dan dipopulerkan oleh Jaron Lanier pada
akhir 1980-an. Lanier menggambarkan VR sebagai "teknologi yang
menggunakan pakaian terkomputerisasi untuk mensintesis realitas bersama".
Sementara mereka mengungkapkannya dengan cara yang berbeda, banyak
peneliti mengkonseptualisasikan VR sebagai pengalaman simulasi yang
bergantung pada penggunaan teknologi. Konseptualisasi berorientasi teknologi
38

ini tidak mengejutkan, ketika mempertimbangkan ketergantungan VR pada

gadget yang memperluas dan mengubah indera manusia. Berbeda dengan VR,
yang mencoba untuk sepenuhnya memblokir dunia fisik, AR mengacu pada
overlay objek virtual ke dunia fisik. Dengan demikian, AR menawarkan
pengalaman mendasar yang berbeda dari VR, yang mengharuskan pengguna
untuk hadir di dunia virtual dan "nyata". Sementara langkah besar telah dibuat
dalam teknologi AR dalam beberapa tahun terakhir, sebagian besar penelitian
masih berpusat pada kegunaan dan aplikasi potensial dari berbagai jenis sistem
AR. Akibatnya, literatur komunikasi tentang implikasi sosial dan psikologis dari
platform yang baru lahir ini masih jarang (Oh & Bailenson, 2017).
Sementara VR dan AR berbagi banyak teknologi serupa, seperti berbagai
sensor pelacakan dan tampilan, keduanya mewakili dua pendekatan berbeda
dalam memadukan realitas dunia fisik dan virtual. Virtual Reality (VR):
“lingkungan buatan yang dialami melalui rangsangan sensorik (seperti
pemandangan dan suara) yang disediakan oleh komputer dan di mana tindakan
seseorang sebagian menentukan apa yang terjadi di lingkungan”. Augmented
Reality (AR): “AR memungkinkan pengguna untuk melihat dunia nyata, dengan
objek virtual yang ditumpangkan atau digabungkan dengan dunia nyata. Oleh
karena itu, AR melengkapi realitas, bukan sepenuhnya menggantikannya”. Ada
beberapa tantangan untuk menerapkan VR/AR ke dalam kurikulum pendidikan
formal di kelas. Beberapa di antaranya berkaitan dengan pelatihan guru dan
harapan siswa, di mana sistem seperti Google Expeditions (Google Expeditions,
n.d.) memerlukan beberapa, meskipun minimal, penyiapan dan instruksi tentang
bagaimana guru dan siswa dapat menavigasi sistem. Dalam beberapa penelitian,
perangkap teknologi memberikan beberapa hasil empiris yang kacau,
menciptakan "harapan yang salah". Selain itu, biaya peralatan VR/AR mungkin
masih menjadi masalah. Teknologi ini juga tetap menjadi penghalang untuk
mengimplementasikan VR/AR ke dalam ruang kelas dengan mudah karena ada
banyak sumber daya yang dibutuhkan untuk membangun konten (pemodelan 3D,
tekstur untuk membangun VE, mengembangkan sistem yang mampu
menampilkan konten 3D, dan menangani banyak koneksi simultan, dll.)
(Scavarelli et al., 2021).
 39

2.1.14 Artificial Intelligence (AI)

Artificial Intelligence atau biasa disebut Kecerdasan Buatan adalah
kecerdasan yang itambahkan kepada suatu sistem yang bisa diatur dalam konteks
ilmiah didefinisikan sebagai kecerdasan entitas ilmiah. Kecerdasan buatan
diartikan sebagai "kemampuan sistem untuk menafsirkan data eksternal dengan
benar, untuk belajar dari data tersebut, dan menggunakan pembelajaran tersebut
untuk mencapai tujuan dan tugas tertentu melalui adaptasi yang fleksibel".
Kecerdasan dibuat dan dimasukkan ke dalam suatu mesin (komputer) agar dapat
melakukan pekerjaan seperti yang dapat dilakukan manusia. Penerapan Artificial
Intelligence antara lain sistem pakar, permainan komputer (games), logika fuzzy,
jaringan saraf tiruan dan robotika.(Batubara & Awangga, 2020:1)
Menurut definisi Anwar (2020), Artificial Intelligence adalah bidang ilmu
komputer yang berfokus pada menciptakan mesin yang bisa terlibat pada
perilaku bahwa manusia menganggap cerdas.
Al memiliki 2 kategori yaitu lemah atau kuat. Al lemah (weak Al) yang
juga dikenal sebagai Al sempit adalah sistem Al yang dirancang dan dilatih
untuk tugas tertentu. Asisten pribadi virtual, seperti Apple Siri, adalah bentuk Al
yang lemah. Sedangkan Al kuat (strong Al), juga dikenal sebagai kecerdasan
buatan umum adalah system AI dengan kemampuan kognitif manusia secara
umum. Ketika disajikan dengan tugas khusus, system Al kuat dapat menemukan
solusi tanpa campur tangan manusia.(Putro, Awangga, & Andarsyah, 2020:58)
Akuntan semakin mengandalkan pengetahuan ahli yang dibangun ke dalam
perangkat lunak berbagai skenario. Auditor menggunakan perangkat lunak pintar
untuk mengotomatiskan bagian-bagian dari proses audit, dan ada bagian laplikasi
spesialis untuk membantu kepatuhan di berbagai bidang mulai dari pelaporan
keuangan hingga pajak internasional. Bisnis elektronik menggunakan bot
obrolan AI untuk mendapatkan perhatian, melibatkan pengguna, dan bertindak
sebagai staf penjualan, serta FAQ dan agen pendukung: bot menggunakan
algoritme canggih untuk menafsirkan pertanyaan bahasa alami dan kemudian
memberikan jawaban menggunakan obrolan online atau suara yang dihasilkan
komputer - jawaban tersebut bahkan terintegrasi kembali ke dalam sistem
akuntansi, CRM, dan inventaris. Commented [KD22]: Sumber?
Commented [SJE23R22]: done
 40

2.1.15 Technology-Organization-Environment (TOE) Framework

Kerangka Technology-Organization-Environment (TOE) Framework
mendasarkan pada konsep yang menyatakan bahwa teknologi, organisasi, dan
lingkungan adalah faktor yang harus dipertimbangkan bagi perusahaan pada saat
memutuskan untuk mengadopsi inovasi. TOE adalah kerangka kerja umum yang
mengidentifikasi berbagai faktor yang mempengaruhi adopsi teknologi
organisasi. Model kerangka kerja TOE dibangun di atas dasar teori yang kuat
dan telah diuji secara empiris agar valid dan relevan (Chong & Olesen, 2017).
TOE dikembangkan oleh Tornatzky dan Fleischer pada tahun 1990 yang
menekankan pada adopsi inovasi teknologi. Kerangka teori mengidentifikasi tiga
dimensi konteks organisasi yang mempengaruhi adopsi dan implementasi
inovasi teknologi: konteks teknologi, konteks organisasi, dan konteks
lingkungan. Konteks teknologi berkaitan dengan teknologi internal dan eksternal
yang relevan dengan organisasi. Menurut Rogers (2003), faktor-faktor teknologi
seperti keunggulan relatif, kompatibilitas, dan kompleksitas dapat mempengaruhi
adopsi teknologi inovasi.
Konteks organisasi mengacu pada langkah-langkah deskriptif tentang
organisasi seperti ukuran, ruang lingkup, struktur manajerial dan sumber daya
internal. Konteks organisasi mengacu pada karakteristik, struktur, proses dan
sumber daya yang menghambat atau memfasilitasi adopsi inovasi teknologi
informasi. Faktor-faktor tambahan dalam model TOE dalam konteks organisasi
seperti sikap terhadap inovasi, budaya dalam berbagi informasi, budaya belajar
dan sumber daya keuangan dihipotesiskan sebagai pengaruh positif pada adopsi
teknologi informasi.

2.2 Penelitian Terdahulu

Berikut adalah penelitian terdahulu yang berkaitan dengan Faktor-Faktor yang
Mempengaruhi Penggunaan Cloud Accounting pada Profesi Akuntan di Indonesia:

Tabel 2.2 Penelitian Terdahulu

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian
 41

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

1. Dampak Nathanael Revolusi Industri, Metode Terdapat 3 dampak

Revolusi Andreas dan profesi akuntan deskriptif- yang ditimbulkan
Industri 4.0 publik kualitatif oleh revolusi
Terhadap industri 4.0 terhadap
Profesi profesi akuntan
Akuntan publik : 1) teknologi
Publik akan
mengotomatiskan
sebagian tugas
akuntan publik 2)
akuntan publik
harus memiliki
pengetahuan,
keterampilan, dan
kapabilitas tentang
teknologi 3) akuntan
publik harus lebih
strategis.

2. Quo Vadis Rista Upa Technological skill, Metode Hasil penelitian ini
akuntan Dalam Tikurante, Judgement, penelitian menunjukkan bahwa
Era Revolusi Oktavianus Leadership Skill, kualitatif revolusi industri 4.0
Industri 4.0 Pasoloran, dan Soft Skill, Gagap dengan menuntut profesi
Sita Yubelina Teknologi, Mental pendekatan akuntan untuk
Sabandar deskriptif. menyesuaikan
dengan
perkembangan
teknologi informasi.
Peranan akuntan
saat ini tak lagi
 42

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

terbatas pada book-

keeping. Namun,
mencakup
pengendalian
internal,
memberikan analisa
informasi bagi
manajemen,
terutama terkait
strategi-strategi
keuangan
perusahaan.
Akuntan harus
mampu
bertransformasi ke
teknologi informasi
karena dalam
revolusi industri 4.0
penggunaan
teknologi semakin
meningkat. Selain
itu, akuntan harus
membekali diri
dengan aspek-aspek
yang non-
accounting, supaya
mempunyai
keunggulan selain
aspek keuangan

3. Akuntan Alfonsa Dian Software yang Metode Penelitian ini

 43

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

Dalam Industri Sumarna digunakan, Softskill, Kualitatif menunjukkan bahwa

4.0: Studi Penggunaan IoT dan Kantor Jasa
Kasus Kantor software Akuntan di Wilayah
Jasa Akuntan Provinsi Kepulauan
(KJA) di Riau masih tetap
Wilayah mempertahankan
Kepulauan menggunakan
Riay tenaga profesional
akuntan sebesar
80% merupakan
Sarjana Akuntansi.
Selain itu penelitian
ini juga
mengkonfirmasi
penggunaan IoT
(Internet of Things)
yaitu sebesar 60%
KJA menggunakan
70-100% total
waktu
menyelesaikan
pekerjaan
menggunakan
komputer (software)
dan internet
dibandingkan
dengan pengerjaan
manual. KJA
membutuhkan
akuntan profesional
 44

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

yang menguasai
software akuntansi,
statistika, MsOffice,
Zahir dan SAP.
Selain menguasai
software dalam
menghadapi 4.0,
penelitian ini
menunjukkan bahwa
softskill utama yang
diperlukan adalah
memiliki
kemampuan berpikir
kritis dan analitis.

4. The Jeff Baker Adoption of Studi Untungnya, para

Technology– innovations, kepustakaan peneliti tahu lebih
Organization– Diffusion of banyak tentang
Environment innovations, adopsi inovasi
Framework TechnologyOrganiz daripada yang
ation-Environment mereka ketahui saat
framework, kerangka TOE
Technology pertama kali
adoption dikembangkan. TOE
model telah terbukti
berguna dalam
penyelidikan
berbagai inovasi dan
konteks. Lebih jauh,
itu telah didukung
secara luas dalam
 45

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

pekerjaan empiris.
Itu
tetap menjadi salah
satu teori organisasi
yang paling
menonjol dan
banyak digunakan
adopsi sejak
perkembangannya.
Pekerjaan para
peneliti dalam
beberapa dekade
mendatang akan
mengungkapkan
bagaimana kerangka
TOE dapat terus
membentuk
pekerjaan pada
adopsi
inovasi

5. Technology ACCA (the Cloud, Big Data, Studi Sistem cerdas, bot,
trends: their Association of Mobility, dan Social Kepustakaan dan alat AI lainnya
impact on Chartered Collaboration dapat memberikan
the global Certified manfaat dalam
accountancy Accountants) bisnis dan
profession berlatih tetapi,
mereka juga bisa
menciptakan
peluang dan
 46

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

tantangan untuk
akuntan.

6. Artificial ICAEW Information Deskriptif Pendekatan terhadap

Intelligence THOUGHT Technology, Analitis penggunaan AI ini
and the future LEADERSHIP Leadership, berhasil tetapi
of accountancy Artificial jarang memberikan
Intelligence hasil yang dapat
dilihat sebagai
serupa untuk
kecerdasan manusia.
Meskipun ada
berbagai masalah
teknis dengan sistem
tersebut, mereka
akhirnya dikalahkan
oleh kompleksitas
dunia nyata, dan
sejauh mana kita
mengandalkan
pemikiran intuitif.
Kami tidak dapat
mengartikulasikan
pengetahuan dan
pengambilan
keputusan dalam
aturan dengan cukup
jelas. Ini berarti
bahwa sistem tidak
dapat mengatasi
masalah yang rumit
 47

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

atau ambigu, atau di

mana hal-hal
berubah.

7. How Artificial Eleonora P. Artificial Deskiptif Pendidikan

Intelligence Is Stancheva- Intelligence, Analitis akuntansi akan
Challenging Todorova challenges, diambil dari
Accounting accounting perspektif
Profession profession, kecerdasan baru
accounting teknologi dan
education aplikasi bisnis
mereka.

8 The Jeff Baker Adoption of Studi Untungnya, para

Technology– innovations, kepustakaan peneliti tahu lebih
Organization– Diffusion of banyak tentang
Environment innovations, adopsi inovasi
Framework TechnologyOrganiz daripada yang
ation-Environment mereka ketahui saat
framework, kerangka TOE
Technology pertama kali
adoption dikembangkan. TOE
model telah terbukti
berguna dalam
penyelidikan
berbagai inovasi dan
konteks. Lebih jauh,
itu telah didukung
secara luas dalam
pekerjaan empiris.
Itu
 48

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

tetap menjadi salah

satu teori organisasi
yang paling
menonjol dan
banyak digunakan
adopsi sejak
perkembangannya.
Pekerjaan para
peneliti dalam
beberapa dekade
mendatang akan
mengungkapkan
bagaimana kerangka
TOE dapat terus
membentuk
pekerjaan pada
adopsi
inovasi

9 Advances in Wuhong Mobility, Studi emajuan lalu lintas

Mobility Wang,Heiner Transportation, kepustakaan baru-baru ini
Theories, Bubb,Geert Infrastructure, dan mobilitas dalam
Methodologies, Wets,dan Development, Model konteks sistem
and Fengyuan transportasi modern
Applications Wang dan
pembahasan
berbagai masalah
lalu lintas. Topik
utama
masalah khusus
 49

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

termasuk sistem
mobilitas bantu,
kendaraan
keselamatan aktif
dan kendaraan
cerdas, tantangan
desain kendaraan,
kendaraan ramah
lingkungan dan
hemat energi,
kooperatif
sistem infrastruktur
kendaraan, perilaku
mengemudi dan
pengemudi
sistem bantuan,
pengelolaan armada
kendaraan listrik
dan sistem tenaga
hibrida, sistem
transportasi cerdas
(ITS),
dan pemodelan,
simulasi, dan
pengendalian sistem
lalu lintas.

10 New Cloud BKD CPAs & Accounting, Deskriptif Dewan Standar

Computing Advisors Technlogy, dengan Akuntansi
 50

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

Accounting Financial, Cloud, pendekatan Keuangan (FASB)

Guidance Computing eksploratif telah mengeluarkan
panduan baru
tentang bagaimana
mempertanggungja
wabkan
implementasi
biaya yang terkait
dengan komputasi
awan atau
pengaturan hosting.
Ini dapat mencakup
perangkat lunak
sebagai layanan,
platform sebagai
layanan, atau
infrastruktur sebagai
layanan. Di bawah
aturan baru, entitas
diharuskan
menggunakan huruf
kapital tertentu
biaya implementasi
pengaturan
komputasi awan
menggunakan
pedoman Kodifikasi
Standar Akuntansi
(ASC) 350-40,
Intangibles —
 51

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

Goodwill dan Other

— Internal-Use
Software

11 Defining Social Aelita Social technologies, Studi Penelitian ini

Technologies: Skaržauskienė, Social engineering, pengetahuan dibatasi pada
evaluation of Rūta Social literatur beberapa aspek.
social Tamošiūnaitė collaboration, dengan Untuk memahami
collaboration and Inga Social media, pendekatan konsep teknologi
tools and Žalėnienė Millennial Focus sosial lebih dalam
technologies generation Group dan untuk
Discussion mengembangkan
(FGD) perspektif teknologi
dalam ilmu sosial
diperlukan
penelitian teoritis
dan empiris yang
lebih luas. Untuk
menggeneralisasi
temuan penelitian,
disarankan
bahwa penelitian
lebih lanjut
mencakup dimensi
yang berbeda dari
perspektif bidang
ilmu lain.

12 Digital Fernando e-government; Metode Proses transformasi

Transformation Filgueiras, digital Survey digital bersifat
 52

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

and Public Flavio Cireno, transformation; heterogen dan

Services Pedro Palotti public services; dipengaruhi oleh
Delivery in digital governance; perbedaan
Brazil digitization faktor pilihan.
Transformasi digital
terfragmentasi dan
tidak konsisten,
tidak bergantung
pada kapasitas
organisasi sehingga
penggunaan
teknologi
mendorong
perubahan dalam
struktur layanan
yang diberikan oleh
pemerintah.

13 Complexity Gagan Gandhi Cyber Security, Studi Kompleksitas dalam

theory in Cyber Cyber Systems, Kepustakaan sistem Cyber,
Security Cyber Attacks, khususnya
Security Threats, penggunaan model
Agent Based untuk
menilai kemunculan
perilaku sistem
adalah bidang studi
yang relatif baru
dengan sangat
sedikit penelitian
yang dilakukan.
 53

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

Masih ada cara yang

harus ditempuh
sebelum
menggunakan Agent
Based Modeling
menjadi proposisi
komersial untuk
organisasi. Tetapi
mengingat fokus
pada keamanan
Cyber dan
kekurangan dalam
pendirian kami saat
ini, Ilmu
kompleksitas tentu
saja merupakan
jalan bagi praktisi
dan akademisi untuk
meningkatkan fokus
mereka.

14 Application Of Abhishek Accounting, Studi Sehubungan dengan

Robotics In Ndan M.S Auditing, Robotics, kepustakaan tujuan pertama
Accounting Divyashree Knowledge-based dengan ditemukan bahwa
And Auditing Expert Systems. pendekatan fungsi akuntansi dan
Of Business teori standar audit di masa depan
And Financial akuntansi dapat berfungsi
Information dilakukan melalui
 54

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

penyisipan robotika
karena manfaatnya
yang tak
terbayangkan seperti
menghilangkan
tugas manual
berulang berbasis
kertas, memudahkan
audit kepatuhan dan
memungkinkan
verifikasi otomatis
dalam transaksi
sebagai bagian dari
fungsi audit dan
mengubah akuntansi
dan audit
konvensional
berfungsi menjadi
fungsi penasehat
dan konsultasi dan
yang tidak akan
menghilangkan
akuntan dari
pekerjaannya tetapi
memudahkan fungsi
akuntansi dan audit.
Sehubungan dengan
studi objektif kedua
ternyata
menemukan bahwa
 55

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

ada kesadaran yang

signifikan tentang
penggunaan
robotika dalam
akuntansi dan audit
fungsi. Yang
penting akademisi
dan peneliti
akuntansi dan audit
lebih sadar daripada
bahwa akuntan dan
auditor.

15 Augmented and Luis Muñoz- Augmented Reality Studi Penelitian ini

Virtual Reality Saavedra, dan Virtual Reality kepustakaan menganalisis tren
Evolution and Lourdes Miró- masa depan dari
Future Amarante, dan teknologi ini dan
Tendency Manuel area yang perlu
Domínguez- diselidiki untuk
Morales lebih
mengintegrasikantek
nologi ini ke dalam
masyarakat.

16 Artificial Buchmeister, Intelligent Studi AI mungkin efisien

Intelligence In B., Palcic, I. & manufacturing, Kepustakaan dalam menciptakan
Manufacturing Ojstersek, R Artificial sesuatu,
Companies Intelligence, Robots, memperbaikinya,
And Broader: Sustainability, Jobs dan membuatnya
 56

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

An Overview lebih murah.

Meski demikian,
tidak ada pengganti
kecerdikan manusia
dalam menangani
perubahan yang
tidak terduga dalam
selera dan
permintaan atau
dalam memutuskan
apakah akan
melakukan sesuatu
semua. Kita harus
secara signifikan
mengubah
pemikiran kita
menuju pola pikir
transformasi untuk
visi bersama yang
berkelanjutan di
masa depan

17 Artificial Gerlind Artificial Studi Profesi akuntansi

Intelligence Wisskirchen Intelligence, Kepustakaan sedang dalam
and Robotics Blandine Technology, perjalanan untuk
and Their Thibault Systems, Robotics, membuat perubahan
Impact on the Biacabe Workplace besar dari peran
Workplace Ulrich yang dimainkannya
Bormann dalam organisasi
Annemarie dan fungsi yang
 57

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

Muntz dijalankannya saat

Gunda ini. Para pendukung
Niehaus revolusi kecerdasan
Guillermo buatan memandang
Jiménez Soler perkembangan ini
Beatrice von sebagai langkah
Brauchitsch maju dan merangkul
tantangan masa
depan. Para
penentang, di sisi
lain,
menganggapnya
sebagai langkah
mundur karena
banyak akuntan
akan gagal
beradaptasi dengan
lingkungan bisnis
baru ini.
dan akan tertinggal.

18 Technology ACCA (the Cloud, Big Data, Studi Sistem cerdas, bot,
trends: their Association of Mobility, dan Social Kepustakaan dan alat AI lainnya
impact on Chartered Collaboration dapat memberikan
the global Certified manfaat dalam
accountancy Accountants) bisnis dan
profession berlatih tetapi,
mereka juga bisa
menciptakan
 58

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

peluang dan
tantangan untuk
akuntan.

19 Artificial ICAEW Information Deskriptif Pendekatan terhadap

Intelligence THOUGHT Technology, Analitis penggunaan AI ini
and the future LEADERSHIP Leadership, berhasil tetapi
of accountancy Artificial jarang memberikan
Intelligence hasil yang dapat
dilihat sebagai
serupa untuk
kecerdasan manusia.
Meskipun ada
berbagai masalah
teknis dengan sistem
tersebut, mereka
akhirnya dikalahkan
oleh kompleksitas
dunia nyata, dan
sejauh mana kita
mengandalkan
pemikiran intuitif.
Kami tidak dapat
mengartikulasikan
pengetahuan dan
pengambilan
keputusan dalam
aturan dengan cukup
jelas. Ini berarti
bahwa sistem tidak
 59

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

dapat mengatasi
masalah yang rumit
atau ambigu, atau di
mana hal-hal
berubah.

20 Manufacturing Irnran Ali Knowledge- Studi

Applicat Ions Chaudhry, based/expert Kepustakaan Manufaktur adalah
Of Artificial Muiz uddin systems, fuzzy logic, dasar utama
Intelligence Sharni,dan neural networks, kekayaan dan sangat
Abid Ali Khan genetic algorithms penting dalam
and constraint membangun basis
satisaction yang sangat baik
atau ramah
lingkungan.
pertumbuhan. Baru-
baru ini telah terjadi
peningkatan yang
luar biasa dalam
penerapan Artificial
Intelligence (A I) di
bidang Manufaktur

21 Big Tech, Jordan Big Tech, Cloud Studi Temuan ini

Cloud Schoenfeld Computing, and Kepustakaan menyoroti
Computing, dan Dartmouth Accounting signifikansi
and College ekonomi dari audit
Accounting non-keuangan dalam
upaya kami untuk
memahami
 60

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

lingkungan biaya
audit, dan
mendukung teori
yang memprediksi
bahwa audit laporan
keuangan mungkin
tidak memenuhi
kebutuhan semua
pemangku
kepentingan.

22 Cloud Diane Coyle Cloud Computing Studi Komputasi awan

Computing and and David and National Kepustakaan dengan cepat
National Nguyen Accounting menjadi fenomena
Accounting yang signifikan,
cukup banyak
digunakan oleh
bisnis dan masih
terus berkembang.
Manfaat bagi bisnis
terbukti: mereka
membayar lebih
sedikit untuk
mengakses layanan
modal TI berkualitas
lebih tinggi dan
berpotensi
memperluas
kemampuan mereka
ke area baru,
dibandingkan
 61

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

dengan dunia tanpa

awan kontrafaktual
dalam berinvestasi
dan mengoperasikan
modal TI mereka
sendiri. Kami telah
menunjukkan bahwa
telah terjadi
penurunan yang
signifikan dalam
harga layanan cloud
yang tersedia di
Inggris, terutama
dalam harga yang
disesuaikan dengan
kualitas, dan
perluasan
penyediaan pusat
data. Fenomena ini
terkenal dengan
sendirinya. Ini juga
menyiratkan bahwa
mungkin ada
beberapa potensi
kesalahan
pengukuran
pertumbuhan riil
dan produktivitas
faktor total jika
peralihan ke layanan
 62

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

cloud tidak
diperhitungkan
dengan benar.

23 Big Data, Jennifer Big Data, Cloud Studi Sektor keuangan,

Cloud Huttunen, Computing And Kepustakaan termasuk industri
Computing Jaana Data Science akuntansi, akan
And Data Jauhiainen, Applications mengalami
Science Laura Lehti gangguan meskipun
Applications In And Annina dengan kecepatan
Finance And Nylund, Minna yang belum
Accounting Martikainen, diketahui. Terlepas
And Othmar dari manfaat yang
M Lehner diperoleh dari
(Editors) eksploitasi teknologi
yang muncul ini,
penyerapan yang
lambat masih
diamati. Para
penulis percaya
bahwa sikap yang
lebih reseptif
terhadap teknologi
inovatif dapat
membuka jalan
untuk lebih banyak
aplikasi di lapangan.
Akibatnya, standar
dan peraturan akan
berkembang untuk
mengikuti
 63

Metode
No Judul Peneliti Variabel Kesimpulan
Penelitian

perubahan ini.

24 The Risks of Serkan The Risks of Cloud Studi Perusahaan yang

Cloud Özdemir dan Computing, Kepustakaan menyediakan
Computing in Cemal Elitas Accounting Field layanan untuk
Accounting Universität and the Solution sistem akuntansi
Field and the Offers dengan
Solution memanfaatkan
Offers: The peluang komputasi
Case of Turkey awan di bidang
akuntansi perlu
mempertimbangkan
risiko umum dan
khusus negara dari
teknologi komputasi
awan. Oleh karena
itu, mereka perlu
membangun
infrastruktur dan
model teknis yang
diperlukan untuk
menjalankan sistem
dengan sempurna
dan untuk
melestarikan data
digital perusahaan di
lingkungan yang
aman.
64

2.3 Kerangka Berpikir dan Hipotesis

2.3.1 Kerangka Berpikir
Schawab (2017) menjelaskan revolusi industri 4.0 telah mengubah hidup
dan kerja manusia secara fundamental. Berbeda dengan revolusi industri
sebelumnya, revolusi industri generasi ke-4 ini memiliki skala, ruang lingkup
dan kompleksitas yang lebih luas. Kemajuan teknologi baru yang
mengintegrasikan dunia fisik, digital dan biologis telah mempengaruhi semua
disiplin ilmu, ekonomi, industri dan pemerintah. Revolusi industri 4.0 ini akan
mempengaruhi seluruh industri atau profesi pekerjaan yang ada saat ini, salah
satunya profesi akuntan. Proses bisnis yang sudah ada sebelumnya mungkin akan
mengalami perubahan signifikan di era digital ini. Untuk itu, akuntan pun harus
beradaptasi dengan perubahan proses bisnis ini dalam melakukan jasanya.
Akuntan perlu mengetahui bagaimana pengaruh dari revolusi industri 4.0 ini agar
dapat mempersiapkan diri untuk bersaing di dunia kerja di masa yang akan
datang. Commented [KD24]: Masukan sumber jangan lupa.
Sebaiknya langsung aja di paragraf pertama kamu jelasin
Revolusi industri adalah suatu perubahan yang berlangsung cepat dalam RI 4.0 itu apa, menghadirkan apa, tujuannya apa, manfaat
nya apa, terus masuk ke paragraf 2 bagaimana telah
pelaksanaan proses produksi dimana yang semula pekerjaan proses produksi itu mempengaruhi bidang akuntansi, sehingga profesi
akuntan dituntut untuk dapat mengikuti perkembangan.
dikerjakan oleh manusia digantikan oleh mesin, sedangkan barang yang Perbaiki dan tambahkan.
diproduksi mempunyai nilai tambah yang komersial. Revolusi indsutri biasanya
ditandai dengan penemuan teknologi baru. Adanya teknologi baru ini,
perusahaan akan dapat beroperasi dengan lebih produktif, efektif, efisien, serta
dapat melakukan inovasi produk dengan lebih kreatif.
Perkembangan revolusi industri 4.0 menunjukkan bahwa teknologi yang
akan berkembang akan semakin besar. Selain badan akuntansi profesional
terkemuka, badan akreditasi internasional terkenal juga menekan universitas
untuk meningkatkan konten teknologi (seperti cloud computing) untuk dapat
mengembangkan akuntansi. Pengalaman belajar yang mendasari lulusan
akuntansi menuntut pendekatan interdisipliner yang menarik masukan dari para
profesional dan akademisi dengan keahlian dalam sistem informasi, statistik,
ilmu komputer dan teknik, masalah etika yang berkaitan dengan akuntansi dan
cloud computing (Palocsay & Markham, 2014: 5).
Technology-Organization-Environment (TOE) adalah teori tingkat
organisasi yang digunakan untuk memahami peran tiga komponen penting
 65

perusahaan yang dapat mempengaruhi keputusan penerapan teknologi baru.

Setelah menyadari kegunaan adopsi teknologi, Tornatzky dan Fleischer (1990)
mengusulkan model TOE untuk menilai faktor-faktor yang dapat mempengaruhi
adopsi teknologi baru. Model TOE mengidentifikasi tiga aspek penting dari
suatu organisasi yang mempengaruhi proses adopsi dan implementasi teknologi
(Tornatzky & Fleischer 1990). Ketiga elemen tersebut adalah konteks teknologi,
konteks organisasi, dan konteks lingkungan. Ketiganya diduga mempengaruhi
inovasi teknologi.
Oleh karena itu, diperlukan suatu model yakni Technology-Organization-
Environment (TOE) Framework untuk mengetahui pengaruh yang ditimbulkan
perkembangan teknologi cloud computing terhadap profesi akuntan. Berikut
adalah kerangka penelitian yang dibentuk :

: Technological
Factors (TF) H1
: Keputusan atau
: Organizational H2
Sikap Profesi
Factors (OF)
Akuntan
H3
: Environmental
Factors (EF)

Gambar 2. 3 Kerangka Penelitian

2.3.2 Hipotesis
1. Technological Factors (TF)
Technological Factors (TF) mengacu pada teknologi internal
dan eksternal yang berguna bagi perusahaan. Ini adalah praktik dan
peralatan saat ini internal ke perusahaan, termasuk beberapa teknologi
yang tersedia yang berada di luar perusahaan. Konteks teknologi juga
dapat menunjukkan keterampilan relevan yang diperlukan untuk
menggunakan teknologi tertentu. Konteks teknologi digambarkan
sebagai pengetahuan teknis yang diperlukan untuk menerapkan
pemasaran media social (Matikiti et al., 2018). Komputasi awan telah Commented [SJE25]: cari yang lebih relate dengan
cloud
banyak digunakan di sektor akuntansi dalam beberapa tahun terakhir.
66

Perusahaan yang menjalankan dan memasarkan khususnya perangkat

lunak akuntansi berbasis Web memiliki peluang untuk menyediakan
layanan berkualitas lebih tinggi dan lebih murah kepada pelanggan
mereka dengan memanfaatkan infrastruktur dan layanan perangkat
lunak komputasi awan. Meskipun ada banyak perangkat lunak
akuntansi berbasis Web di pasar, hanya sedikit dari mereka yang
mendapat manfaat dari peluang komputasi awan. Namun dalam
sepuluh tahun, diperkirakan banyak aplikasi perangkat lunak
akuntansi berbasis Web akan memiliki struktur berbasis komputasi
awan (Elitas, 2015).
Technological Factors (TF) adalah representasi dari lima tiga
yaitu Infrastruktur Teknologi Informasi Internal, Kesesuaian, dan
Sumber Daya Manusia. Hipotesis ini diperkuat oleh penelitian yang
dilakukan Blackwell et al., (2013) yang dalam penelitiannya
mengungkapkan bahwa faktor teknologi berpengaruh secara positif
terhadap keputusan atau sikap profesi seorang guru dalam mendidik
muridnya.
Berdasarkan kerangka berpikir dan hipotesis yang sudah
dijelaskan sebelumnya, maka hipotesis dapat disimpulkan sebagai
berikut:
H1: Technological Factors (TF) berpengaruh secara positif
terhadap peran cloud accounting dalam profesi akuntan di
Indonesia.

2. Organizational Factors (OF)

Organizational Factors (OF) mencakup sumber daya
perusahaan, menghubungkan struktur antara karyawan, proses
komunikasi intra-perusahaan, ukuran perusahaan, dan amount of slack
resources. Secara khusus, konteks organisasi menggambarkan ukuran
dan ruang lingkup organisasi dan struktur manajemen (Chao &
Chandra, 2012). Organizational Factors (OF) merupakan representasi
dari empat bagian yaitu Strategi, Sumber daya Keuangan, dan Struktur
Organisasi serta Gaya Manajemen. Hipotesis ini sejalan dengan
penelitian yang dilakukan oleh Javaid et al., (2020) dimana dalam
 67

penelitiannya mengungkapkan bahwa faktor faktor dalam organisasi

memiliki peran yang penting dan juga berpengaruh secara positif
signifikan terhadap keputusan atau sikap profesi seseorang.
Berdasarkan kerangka berpikir dan hipotesis yang sudah
dijelaskan sebelumnya, maka hipotesis dapat disimpulkan sebagai
berikut:
H2: Organizational Factors (OF) berpengaruh secara positif terhadap
peran cloud accounting dalam profesi akuntan di Indonesia.

3. Environmental Factors (EF)

Environmental Factors (EF) adalah kekuatan utama yang dapat
mendorong atau menghambat suatu organisasi untuk mengadopsi
inovasi (Rogers, 2003). Environmental Factors (EF) merupakan
representasi dari tiga bagian yaitu Adopsi Industri, Jurisdictional
Issues, Infrastruktur Eksternal dan Social and Cultural Beliefs. Hal ini
sejalan dengan penelitian yang dilakukan oleh Damanpour &
Schneider, (2006) yang mengungkapkan bahwa faktor faktor dalam
lingkungan turut berpengaruh secara positif dan memiliki pengaruh
yang kuat terhadap keputusan atau sikap profesi seseorang.
Berdasarkan kerangka berpikir dan hipotesis yang sudah
dijelaskan sebelumnya, maka hipotesis dapat disimpulkan sebagai
berikut:
H3: Environmental Factors (EF) berpengaruh secara positif terhadap
peran cloud accounting dalam profesi akuntan di Indonesia.
68
 BAB 4
HASIL PENELITIAN

4.1 Gambaran Umum Objek Penelitian

Menurut Sugiyono, (2012) Objek penelitian adalah atribut yang dijadikan fokus
peneliti dalam melakukan penelitiannya (Sugiyono, 2012) dengan hanya membatasi
pada objek-objek tertentu untuk dipelajari dan ditarik kesimpulannya. Penelitian ini
menggunakan pendekatan kuantitatif yang menggunakan data yang dapat diukur,
dihitung, serta dapat dideskripsikan dengan menggunakan angka (Hakim, 2020).
Angka yang dimaksud berupa nilai atau skor atas jawaban yang diberikan oleh
responden terhadap pernyataan-pernyataan yang terdapat dalam kuesioner. Alasan
digunakannya data kuantitatif adalah karena data kuantitatif berorientasi pada hasil
data yang akan digunakan untuk menarik kesimpulan dan memberikan penilaian
terhadap objek yang diteliti (Hakim, 2020). Kuesioner yang digunakan sebagai
instrumen untuk memperoleh data primer berisi daftar pernyataan yang berkaitan
dengan variabel-variabel yang sedang diteliti, yaitu Technology Factors,
Organization Factors, dan Environment Factors.
Objek penelitian dalam penelitian ini adalah lulusan S1 di Indonesia yang telah Commented [KD1]: Tuliskan juga kamu menggunakan
pendekatan apa dalam menjabarkan hasil penelitian
bekerja minimal satu tahun dan pernah menggunakan software berbasis cloud. kamu.

Penelitian ini menggunakan data primer yang diperoleh dengan menyebarkan

kuesioner melalui google form kepada pegawai di berbagai perusahaan di Indonesia.
Teknik pengambilan sampel pada penelitian ini menggunakan non probability
sampling. Menurut Sugiyono (2016 :82), nonprobability sampling merupakan
metode pengambilan sampel yang tidak memberikan kesempatan yang sama bagi
setiap anggota populasi untuk dipilih menjadi sampel penelitian. Teknik non
probability sampling yang digunakan dalam pengambilan sampel pada penelitian ini
adalah teknik purposive sampling. Menurut Sugiyono, (2016: 85), pengertian
purposive sampling adalah suatu teknik penentuan sampel dengan
mempertimbangkan faktor-faktor tertentu. Berikut adalah hasil data sampel
penelitian dan tingkat pengembalian kuesioner yang ada pada penelitian ini:

79
80

Tabel 4. 1 Sampel penelitian dan Tingkat Pengembalian Kuesioner

Kuesioner Jumlah
Jumlah kuesioner yang disebar 97
Kuesioner yang kembali 97
Kuesioner yang tidak dapat digunakan 0
Kuesioner yang dapat digunakan 97
Kuesioner yang digunakan dalam penelitian 97
Sumber : Data primer diolah (2021)

Jumlah sampel yang digunakan dalam penelitian ini adalah sebanyak 97 dari Commented [KD2]: Tuliskan berapa lama kamu
memperoleh data kuesioner tersebut.
hasil kuesioner yang disebarkan selama satu bulan. Hal ini disebabkan tidak
diketahuinya jumlah pasti dari populasi seluruh lulusan S1 di Indonesia yang sudah
pernah menggunakan teknologi cloud. Maka dari itu, peneliti memutuskan untuk
menghitung besarnya sampel menggunakan rumus unknown populations.

4.2 Demografi Responden

Berdasarkan 97 kuesioner yang dapat diolah, diperoleh informasi mengenai
demografi responden sebagai acuan untuk melihat karakteristik responden yang
menjadi sampel penelitian. Demografi responden dalam penelitian ini berupa sektor
perusahaan dan ukuran perusahaan tempat responden bekerja.

Tabel 4. 2 Daftar Perusahaan Tempat Responden Bekerja

No Nama Perusahaan Sektor Perusahaan Ukuran
Perusahaan
1 PT. Shingpak Services Infrastruktur, utilitas dan Besar (>100
transportasi orang)
2 PT. MIFA Pertambangan Besar (>100
orang)
3 JNT Perdagangan, jasa dan Sedang (50-99
investasi orang)
4 PT. Coinmas Properti, real estate dan Kecil (10-49
Membangun konstruksi bangunan orang)
5 Kebun Alpukat Pertanian Mikro (<9 orang)
6 PT. Melati MICE Aneka Industri Kecil (10-49
orang)
 81

7 Bank Muamalat Keuangan Besar (>100

orang)
8 Dinas Perindustrian Aneka Industri Kecil (10-49
orang)
9 PT. Aventis Pharma Industri dasar dan kimia Besar (>100
orang)
10 Dhapoer Iciak Perdagangan, jasa dan Kecil (10-49
investasi orang)
11 PT. Matahari Leisure Aneka Industri Besar (>100
orang)
12 Phintraco Perdagangan, jasa dan Besar (>100
investasi orang)
13 Propertypro Properti, real estate dan Besar (>100
konstruksi bangunan orang)
14 PT. Suksesindo Keuangan Besar (>100
orang)
15 AnterAja Perdagangan, jasa dan Besar (>100
investasi orang)
16 PT. Anugrah Prima Aneka Industri Sedang (50-99
Cosindo orang)
17 PT. Eka Dharma Jaya Pertambangan Besar (>100
Sakti orang)
18 Warung Teteh Perdagangan, jasa dan Mikro (<9 orang)
investasi
19 Kici Visual Aneka Industri Mikro (<9 orang)
20 Simhae Pondok Indah Industri barang konsumsi Mikro (<9 orang)
21 PT. Integrasi Service Perdagangan, jasa dan Sedang (50-99
Mandiri investasi orang)
22 Indriver Infrastruktur, utilitas dan Besar (>100
transportasi orang)
23 PT. Sakinah Indonesia Perdagangan, jasa dan Besar (>100
investasi orang)
24 PT. Gojek Aneka Industri Besar (>100
orang)
25 Qoala Aneka Industri Sedang (50-99
orang)
26 PT. FSS Aneka Industri Besar (>100
orang)
27 PT. BPR Duta Keuangan Sedang (50-99
orang)
28 PT. Belogix Indonesia Perdagangan, jasa dan Besar (>100
investasi orang)
82

29 Matahari Departement Perdagangan, jasa dan Besar (>100

Store investasi orang)
30 Toko Industri barang konsumsi Mikro (<9 orang)
31 Lifepal Perdagangan, jasa dan Sedang (50-99
investasi orang)
32 PT. Vivan Indonesia Perdagangan, jasa dan Besar (>100
investasi orang)
33 PT. Sumber Alfaria Industri barang konsumsi Besar (>100
Trijaya orang)
34 PT. Palur Raya Industri dasar dan kimia Besar (>100
orang)
35 PT. Hechen Jaya Abadi Aneka Industri Sedang (50-99
orang)
36 PT. Indomarco Industri barang konsumsi Besar (>100
Prismatama orang)
37 Garuda Indonesia Infrastruktur, utilitas dan Besar (>100
transportasi orang)
38 Telkom Aneka Industri Besar (>100
orang)
39 LKPP Perdagangan, jasa dan Besar (>100
investasi orang)
40 Kementrian Kominfo Aneka Industri Besar (>100
orang)
41 Tokopedia Perdagangan, jasa dan Besar (>100
investasi orang)
42 Halodoc Perdagangan, jasa dan Besar (>100
investasi orang)
43 Ibunda.id Aneka Industri Sedang (50-99
orang)
44 Traveloka Perdagangan, jasa dan Besar (>100
investasi orang)
45 Akulaku Keuangan Besar (>100
orang)
46 Amartha Mikro Fintek Keuangan Besar (>100
orang)
47 Habibi Garden Pertanian Sedang (50-99
orang)
48 RajaPremi Aneka Industri Sedang (50-99
orang)
49 Investree Keuangan Besar (>100
orang)
50 PT. Zenius Education Aneka Industri Besar (>100
orang)
 83

51 Grab Infrastruktur, utilitas dan Besar (>100

transportasi orang)
52 PT. Bareksa Portal Keuangan Sedang (50-99
Investasi orang)
53 KlikDokter Perdagangan, jasa dan Besar (>100
investasi orang)
54 Lazada Perdagangan, jasa dan Besar (>100
investasi orang)
55 Roti Bakar Perdagangan, jasa dan Mikro (<9 orang)
investasi
56 Sayurbox Pertanian Kecil (10-49
orang)
57 Pasar Polis Aneka Industri Besar (>100
orang)
58 Quipper Perdagangan, jasa dan Besar (>100
investasi orang)
59 Bibit Perdagangan, jasa dan Besar (>100
investasi orang)
60 Tani Hub Pertanian Besar (>100
orang)
61 Mamikos Perdagangan, jasa dan Besar (>100
investasi orang)
62 Link Aja Keuangan Besar (>100
orang)
63 OVO Keuangan Besar (>100
orang)
64 iGrow Pertanian Besar (>100
orang)
65 Dana Keuangan Besar (>100
orang)
66 Ruang Guru Perdagangan, jasa dan Besar (>100
investasi orang)
67 PT. Bank Central Asia Keuangan Besar (>100
orang)
68 PT. Lanais Infrastruktur, utilitas dan Sedang (50-99
transportasi orang)
69 Klinik Anakku CMC Perdagangan, jasa dan Kecil (10-49
investasi orang)
70 Betta Fish Aneka Industri Mikro (<9 orang)
71 Alibaba Cloud Infrastruktur, utilitas dan Besar (>100
transportasi orang)
72 PT. Cipta Mapan Perdagangan, jasa dan Besar (>100
Logistic investasi orang)
84

73 PT. Jendela Lentera Perdagangan, jasa dan Kecil (10-49

Dunia investasi orang)
74 KGXpress Perdagangan, jasa dan Sedang (50-99
investasi orang)
75 Hasta Lestari Jaya Perdagangan, jasa dan Besar (>100
investasi orang)
76 Dady Clean Perdagangan, jasa dan Kecil (10-49
investasi orang)
77 Brasco Perdagangan, jasa dan Kecil (10-49
investasi orang)
78 PT. Pertamina Retail Industri barang konsumsi Besar (>100
orang)
79 PT. Mayora Indah Industri barang konsumsi Besar (>100
orang)
80 PT. Rahman Makmur Perdagangan, jasa dan Kecil (10-49
Sejahtera investasi orang)
81 KAP Heliantono dan Keuangan Kecil (10-49
Rekan orang)
Sumber : Data diolah oleh penulis (2021)

4.2.1 Sektor Perusahaan

Berikut merupakan hasil karakteristik distribusi Berdasarkan sektor
perusahaan dari responden:

Gambar 4. 1 Data Responden Berdasarkan Sektor Perusahaan

Sumber : Data diolah oleh penulis (2021)
 85

Berdasarkan gambar 4.1, diketahui bahwa dari 97 responden terdapat 6,2%

atau 6 responden bekerja di sektor pertanian, 2% atau 2 responden bekerja di
sektor pertambangan, 2% atau 2 responden bekerja di sektor industri dasar dan
kimia, 17,5 % atau 17 responden bekerja di sektor aneka industri, 6,2% atau 6
responden bekerja di sektor industri barang dan konsumsi, 3,1% atau 3
responden bekerja di sektor properti, real estate dan konstruksi bangunan, 8,2%
atau 8 responden bekerja di sektor infrastruktur, utilitas dan transportasi, 16,5%
atau 16 responden bekerja di sektor keuangan, dan 38,1% atau 37 responden
bekerja di sektor perdagangan, jasa, dan investasi.
4.2.2 Ukuran Perusahaan
Berikut merupakan hasil karakteristik distribusi Berdasarkan ukuran
perusahaan dari responden:

Gambar 4. 2 Data Responden Berdasarkan Ukuran Perusahaan

Sumber : Data diolah oleh penulis (2021)
Berdasarkan gambar 4.2, diketahui bahwa dari 97 responden terdapat 7,2%
atau 7 responden yang bekerja di perusahaan yang berukuran mikro, 12,4% atau
12 responden yang bekerja di perusahaan yang berukuran kecil, 15,5% atau 15
responden yang bekerja di perusahaan yang berukuran sedang, dan 64,9% atau
63 responden yang bekerja di perusahaan yang berukuran besar.
86

4.3 Daftar Pertanyaan

Dalam penelitian ini, terdapat 28 pertanyaan, dimana masing masing pertanyaan
diukur dengan menggunakan skala likert dengan 4 alternatif jawaban dengan nilai 1
mewakili sangat tidak setuju, nilai 2 mewakili tidak setuju, nilai 3 mewakili setujum
dan nilai 5 mewakili sangat setuju. Pertanyaan kuesioner dalam penelitian ini dibuat
berdasarkan penelitian yang dilakukan oleh Ramaswamy et al., (2015) dan Ahmed,
(2018). Berikut tabel peryanyaan kuesioner yang digunakan:
Tabel 4. 3 Tabel Peryanyaan Kuesioner
No. Variabel Pernyataan

1 Technology TF 1 Penggunaan cloud dimasa depan akan membuka peluang,

Factors (TF) beberapa peran akuntan akan digantikan

2 TF 2 Saya merasa pekerjaan saya dipermudah dengan adanya

software berbasis cloud

3 TF 3 Saya merasa hasil kinerja saya meningkat dengan adanya

software berbasis cloud

4 TF 4 Saya merasa software berbasis cloud mudah digunakan

5 TF 5 Saya merasa dengan adanya software berbasis cloud,

beberapa pekerjaan akuntan dapat dikerjakan oleh pihak
non spesialis akuntansi

6 TF 6 Implementasi cloud merupakan evolusi dari suatu proses

otomasi menjadi smarter dan better

7 TF 7 Implementasi Cloud meningkatkan peran dan kapabilitas

akuntan dalam melaksanakan tugas

8 TF 8 Adanya perubahan yang signifikan sebelum dan sesudah

adanya penggunaan cloud

9 TF 9 Saya merasa software berbasis cloud membantu menghemat

waktu yang dibutuhkan untuk mengerjakan pekerjaan saya
 87

10 Organization OF 1 Implementasi Cloud meningkatkan efisiensi dalam

Factors (OF) organisasi.

11 OF 2 Risiko dari penggunaan cloud cukup kecil

12 OF 3 Ukuran perusahaan mempengaruhi intesitas penggunaan

cloud

13 OF 4 Cloud akan menjadi masa depan perusahaan

14 OF 5 Ditempat saya bekerja, saya diberikan pelatihan dan

pembelajaran mengenai software berbasis cloud

15 OF 6 Pelatihan dan pembelajaran mengenai cloud accounting

membuat saya lebih memahami teknologi ini

16 OF 7 Saya merasa dengan adanya software berbasis cloud

membuat perusahaan saya mempu bersaing dengan rival

17 OF 8 Tempat saya bekerja mengharuskan saya meningkatkan

pemahaman mengenai software berbasis cloud

18 OF 9 Cloud accounting mengurangi risiko human error dalam

organisasi

19 Environment EF 1 Banyak pekerjaan dalam perusahaan yang bergantung

Factors (EF) dengan cloud

20 EF 2 Cloud sudah digunakan oleh banyak perusahaan di

Indonesia

21 EF 3 Sistem berbasis cloud sudah sesuai dengan regulasi dan

kontrol audit

22 EF 4 Implementasi cloud akan menyebabkan beberapa pekerjaan

kurang dibutuhkan lagi
88

23 EF 5 Dengan adanya kemampuan menggunakan cloud akan

membuat diri saya memiliki daya saing yang kuat

24 EF 6 Dengan menggunakan software berbasis cloud perusahaan

saya memiliki nilai lebih

25 Adoption of AC 1 Secara keseluruhan, cloud accounting berperan penting

Cloud (AC) dalam profesi akuntan

26 AC 2 Saya ingin menggunakan software berbasis cloud dalam

pekerjaan saya

27 AC 3 Saya merasa software berbasis cloud sudah memiliki tingkat

keamanan yang cukup

28 AC 4 Saya tertarik terhadap perkembangan software berbasis

cloud

4.4 Analisis Statistik Deskriptif

Data yang telah terkumpul dalam penelitian ini kemudian dianalisis dan diolah
dengan menggunakan alat statistik yaitu statistik deskriptif. Statistik deskriptif
digunakan untuk melihat secara umum data yang telah dikumpulkan dalam penelitian
ini. Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat
dari nilai rata-rata (mean), simpangan baku (standard deviation), maksimum, dan
minimum.
Berdasarkan hasil kuesioner yang telah disebar melalui media Microsoft form,
terkumpul 97 responden yang telah bekerja minimal satu tahun dan pernah
menggunakan software berbasis cloud di area Indonesia. Jumlah tersebut sudah
memenuhi minimum sampel yang diperlukan dalam penelitian ini yaitu 97
responden. Hasil jawaban responden yang diperoleh dari Microsoft form berupa
excel dan kemudian diolah menggunakan software SmartPLS 3. Berikut adalah hasil
olahan data dengan statistik deskriptif:
 89

1. Technology Factors (X1)

Tabel 4. 4 Hasil Analisis Statistik Deskripsif atas Technology Factors

Standard
No Missing Mean Median Min Max
Deviation
TF1 1 0 3,330 3 2 4 0,569
TF2 2 0 3,237 3 1 4 0,605
TF3 3 0 3,340 3 1 4 0,607
TF4 4 0 3,299 3 1 4 0,612
TF5 5 0 3,330 3 1 4 0,638
TF6 6 0 3,340 3 1 4 0,640
TF7 7 0 3,340 3 1 4 0,607
TF8 8 0 3,299 3 1 4 0,612
TF9 9 0 3,227 3 1 4 0,618
Technology Factors 3,3047 3 1 4
Sumber : Output Smart PLS versi 3.3.3 (2021)
Commented [KD3]: Jelaskan juga arti dari tabel
tersebut, apa yang dapat kamu simpulkan terkait dengan
Tabel 4.2 diatas menunjukkan statistik deskriptif dari variabel hasil pengolahan data tersebut.

Technology Factors Berdasarkan 97 responden yang datanya diolah untuk

pengujian hipotesis. Variabel Technology Factors terdiri dari 9 indikator,
yaitu TF1, TF2, TF3, TF4, TF5, TF6, TF7, TF8, dan TF9. Dari tabel diatas
dapat dilihat bahwa nilai minimum dari kesembilan indikator tersebut adalah
1 hingga 2 dan nilai maksimumnya adalah 4, nilai rata-rata untuk variabel
Technology Factors adalah 3,3047, nilai median 3 menandakan bahwa
sebagian besar responden setuju dengan pernyataan indikator yang ada di
kuesioner. Nilai standar deviasi menyatakan bahwa dalam variabel
Technology Factors, terdapat penyimpangan nilai rata-rata sebesar 0,569
hingga 0,640.
90

2. Organization Factors (X2)

Tabel 4. 5 Hasil Analisis Statistik Deskripsif atas Organization Factors

Standard
No Missing Mean Median Min Max
Deviation
OF1 10 0 3,299 3 1 4 0,645
OF2 11 0 3,247 3 2 4 0,610
OF3 12 0 3,299 3 2 4 0,595
OF4 13 0 3,340 3 2 4 0,607
OF5 14 0 3,278 3 2 4 0,570
OF6 15 0 3,268 3 1 4 0,584
OF7 16 0 3,361 3 1 4 0,676
OF8 17 0 3,309 3 1 4 0,679
OF9 18 0 3,320 3 1 4 0,651
Organization Factors 3,3023 3 1 4
Sumber : Output Smart PLS versi 3.3.3 (2021)

Tabel 4.3 diatas menunjukkan statistik deskriptif dari variabel

Organization Factors Berdasarkan 97 responden yang datanya diolah untuk
pengujian hipotesis. Variabel Organization Factors terdiri dari 9 indikator,
yaitu OF1, OF2, OF3, OF4, OF5, OF6, OF7, OF8, dan OF9. Dari tabel diatas
dapat dilihat bahwa nilai minimum dari kesembilan indikator tersebut adalah
1 hingga 2 dan nilai maksimumnya adalah 4, nilai rata-rata untuk variabel
Organization Factors adalah 3,3023, nilai median 3 menandakan bahwa
sebagian besar responden setuju dengan pernyataan indikator yang ada di
kuesioner. Nilai standar deviasi menyatakan bahwa dalam variabel
Organization Factors, terdapat penyimpangan nilai rata-rata sebesar 0,570
hingga 0,679.
 91

3. Environment Factors (X3)

Tabel 4. 6 Hasil Analisis Statistik Deskripsif atas Environment Factors
Standard
No Missing Mean Median Min Max
Deviation
EF1 19 0 3,33 3 1 4 0,654
EF2 20 0 3,289 3 1 4 0,574
EF3 21 0 3,32 3 1 4 0,635
EF4 22 0 3,33 3 1 4 0,604
EF5 23 0 3,32 3 1 4 0,601
EF6 24 0 3,258 3 1 4 0,561
Environment Factors 3,3078 3 1 4
Sumber : Output Smart PLS versi 3.3.3 (2021)

Tabel 4.4 diatas menunjukkan statistik deskriptif dari variabel

Environment Factors Berdasarkan 97 responden yang datanya diolah untuk
pengujian hipotesis. Variabel Environment Factors terdiri dari 6 indikator,
yaitu EF1, EF2, EF3, EF4, EF5, dan EF6. Dari tabel diatas dapat dilihat
bahwa nilai minimum dari keenam indikator tersebut adalah 1 dan nilai
maksimumnya adalah 4, nilai rata-rata untuk variabel Environment Factors
adalah 3,3078, nilai median 3 menandakan bahwa sebagian besar responden
setuju dengan pernyataan indikator yang ada di kuesioner. Nilai standar
deviasi menyatakan bahwa dalam variabel Environment Factors, terdapat
penyimpangan nilai rata-rata sebesar 0,561 hingga 0,654.
92

2. Adoption of Cloud (Y1)

Tabel 4. 7 Hasil Analisis Statistik Deskripsif atas Adoption of Cloud
Standard
No Missing Mean Median Min Max
Deviation
AC1 25 0 3,351 3 1 4 0,593
AC2 26 0 3,371 3 1 4 0,631
AC3 27 0 3,320 3 1 4 0,584
AC4 28 0 3,330 3 1 4 0,587
Adoption of Cloud 3,343 3 1 4
Sumber : Output Smart PLS versi 3.3.3 (2021)

Tabel 4.5 diatas menunjukkan statistik deskriptif dari variabel Adoption

of Cloud s Berdasarkan 97 responden yang datanya diolah untuk pengujian
hipotesis. Variabel Adoption of Cloud terdiri dari 4 indikator, yaitu AC1,
AC2, AC3,dan AC4. Dari tabel diatas dapat dilihat bahwa nilai minimum dari
keempat indikator tersebut adalah 1 dan nilai maksimumnya adalah 4, nilai
rata-rata untuk variabel Adoption of Cloud adalah 3,343, nilai median 3
menandakan bahwa sebagian besar responden setuju dengan pernyataan
indikator yang ada di kuesioner. Nilai standar deviasi menyatakan bahwa
dalam variabel Adoption of Cloud, terdapat penyimpangan nilai rata-rata
sebesar 0,584 hingga 0,631.
 93

4.5 Pengujian Model Pengukuran (Outer Model)

Model pengukuran atau outer model menggambarkan hubungan antara variabel
laten dengan indikatornya. Adapun model pengukuran ini digunakan untuk uji
validitas dan reliabilitas atas variabel laten beserta indikatornya. Hal ini dapat dilihat
pada gambar berikut:

Gambar 4. 3 Tampilan Hasil PLS Algogithm

Sumber : Output Smart PLS versi 3.3.3 (2021)

4.5.1 Uji Validitas Konvergen (Convergent Validity)

Validitas konvergen merupakan suatu jenis validitas yang berhubungan
dengan prinsip bahwa pengukur suatu konstruk harus mempunyai korelasi tinggi
94

sehingga digunakan untuk mengukur besarnya korelasi antara variabel laten

dengan variabel manifest pada model pengukuran refleksif. Validitas konvergen
dari model pengukuran dengan menggunakan indikator reflektif dinilai dengan
loading factor indikator-indikator yang mengukur konstruk tersebut. Nilai
loading factor dilihat dari outer loadings pada program SmartPLS Versi 3.3.3..
Dasar pengambil keputusan untuk nilai loading faktor dalam penelitian ini
adalah sebagai berikut:
a. Nilai loading factor < 0,70 di nyatakan sebagai ukuran indikator yang
ideal.
b. Nilai loading factor 0,50 sampai 0,60 dianggap cukup memadai (Chin,
1998 dalam Ghozali, 2013).

Tabel 4. 8 Hasil Nilai Outer Loading

Indikator Nilai Outer Loading
TF1 0,868
TF2 0,826
TF3 0,779
TF4 0,827
TF5 0,901
TF6 0,874
TF7 0,864
TF8 0,902
TF9 0,831
OF1 0,844
OF2 0,793
OF3 0,926
OF4 0,875
OF5 0,810
OF6 0,842
OF7 0,808
OF8 0,833
OF9 0,889
EF1 0,821
EF2 0,902
EF3 0,887
 95

EF4 0,904
EF5 0,918
EF6 0,877
AC1 0,961
AC2 0,856
AC3 0,972
AC4 0,949
Sumber : Output Smart PLS versi 3.3.3 (2021)

Berdasarkan outer loading diatas seluruh data memiliki nilai loading lebih
dari 0.70 dan dinyatakan valid sehingga dapat dilanjutkan dengan Nilai Average
Variance Extracted (AVE). Average Variance Extracted (AVE) digunakan
sebagai kriteria pengujian convergent validity. Average Variance Extracted
(AVE) mampu menunjukkan kemampuan nilai variabel laten dalam mewakili
skor data asli. Semakin besar nilai Average Variance Extracted (AVE)
menunjukkan semakin tinggi kemampuannya dalam menjelaskan nilai pada
indikator-indikator yang mengukur variabel laten. Dasar pengambil keputusan
untuk nilai Average Variance Extracted (AVE) dalam penelitian ini adalah
sebagai berikut:
a. Jika nilai Average Variance Extracted (AVE) > 0.50 maka konstruk
yang diteliti memiliki validitas konvergen yang baik.
b. Jika nilai Average Variance Extracted (AVE) < 0.50 maka konstruk
yang diteliti adalah tidak memiliki validitaskonvergen yang baik.

Tabel 4. 9 Hasil Nilai Average Variance Extracted (AVE)

Variabel Average Variance Keterangan

Extracted (AVE)
Technology Factors (TF) 0,875 Valid
Organization Factors (OF) 0,784 Valid
Environment Factors (EF) 0,718 Valid
Adoption of Cloud (AC) 0,728 Valid
Sumber : Output Smart PLS versi 3.3.3 (2021)
96

Berdasarkan hasil tabel dari nilai loading factor dan nilai Average
Variance Extracted (AVE) dapat disimpulkan sebagi berikut:
1. Konstruk variabel technology factors diukur dengan TF1-TF9. Semua
indikator memiliki factor loading diatas 0,70 dan AVE diatas 0,50.
Maka dapat disimpulkan bahwa konstruk telah memenuhi syarat
validitas konvergen yang baik, ideal dan memadai.
2. Konstruk variabel organization factors diukur dengan OF1-OF9.
Semua indikator memiliki factor loading diatas 0,70 dan AVE diatas
0,50. Maka dapat disimpulkan bahwa konstruk telah memenuhi syarat
validitas konvergen yang baik, ideal dan memadai.
3. Konstruk variabel environment factors diukur dengan EF1-EF6. Semua
indikator memiliki factor loading diatas 0,70 dan AVE diatas 0,50.
Maka dapat disimpulkan bahwa konstruk telah memenuhi syarat
validitas konvergen yang baik, ideal dan memadai.
4. Konstruk variabel adoption of cloud diukur dengan AC1-AC4. Semua
indikator memiliki factor loading diatas 0,70 dan AVE diatas 0,50.
Maka dapat disimpulkan bahwa konstruk telah memenuhi syarat
validitas konvergen yang baik, ideal dan memadai.

4.5.2 Validitas Diskriminan

Pengujian validitas diskriminan dinyatakan valid jika mempunyai loading
factor tertinggi pada konstruk yang dibentuknya dibandingkan loading factor
dengan konstruk yang lain. Apabila nilai loading factor lebih rendah
dibandingkan dengan konstruknya maka suatu indikator dinyatakan tidak valid.
Selain itu, pengujian validitas diskriminan dapat juga dilakukan menggunakan
kriteria Fornell-Larcker yaitu nilai Average Variance Extracted (AVE) untuk
setiap variabel laten harus lebih tinggi dari pada R2 dengan semua variabel laten
lainnya. Jadi dengan nilai Average Variance Extracted (AVE) setiap variabel
laten > R2, maka variabel laten akan dinyatakan valid (Hair Jr et al., 2014).
 97

Tabel 4. 10 Nilai Cross Loading

Adoption of Environment Organization Technology
Cloud Factors Factors Factors
AC1 0,961 0,842 0,829 0,851
AC2 0,856 0,806 0,744 0,829
AC3 0,972 0,890 0,871 0,908
AC4 0,949 0,888 0,871 0,883
EF1 0,728 0,821 0,664 0,761
EF2 0,868 0,902 0,742 0,766
EF3 0,862 0,887 0,752 0,851
EF4 0,797 0,904 0,755 0,745
EF5 0,835 0,918 0,762 0,771
EF6 0,765 0,877 0,675 0,702
OF1 0,706 0,672 0,844 0,686
OF2 0,670 0,645 0,793 0,693
OF3 0,844 0,768 0,926 0,792
OF4 0,779 0,727 0,875 0,779
OF5 0,731 0,598 0,810 0,679
OF6 0,741 0,671 0,842 0,663
OF7 0,635 0,642 0,808 0,649
OF8 0,767 0,714 0,833 0,690
OF9 0,858 0,796 0,889 0,818
TF1 0,863 0,791 0,806 0,868
TF2 0,708 0,649 0,696 0,826
TF3 0,675 0,685 0,582 0,779
TF4 0,776 0,708 0,665 0,817
TF5 0,894 0,806 0,799 0,901
TF6 0,790 0,772 0,714 0,874
TF7 0,780 0,756 0,704 0,864
TF8 0,881 0,809 0,816 0,902
TF9 0,718 0,647 0,697 0,831
98

Sumber : Output Smart PLS versi 3.3.3 (2021)

Berdasarkan tabel diatas, nilai cross loading menunjukkan adanya validitas

konvergen yang baik karena nilai korelasi indikator terhadap konstruknya lebih
tinggi dibandingkan nilai korelasi indikator dengan konstruk lainnya. Sebagai
contoh, korelasi antara indikator AC1 dengan variabel Adoption of Cloud sebesar
0.961 yang lebih tinggi daripada Environment Factors yaitu 0,842, Organization
Factors 0,829, dan Technology Factors 0,851. Jadi dapat disimpulkan bahwa
korelasi antara indikator AC1 dengan variabel Adoption of Cloud dalam bloknya
> dibandingkan dengan korelasi indikator AC1 dengan variabel laten dalam blok
lainnya. Dengan demikian indikator AC1 dapat dikatakan sudah valid. Dari hasil
cross loading pada tabel 4.7 diatas menunjukkan bahwa nilai cross-loading
masing-masing indikator pada variabelnya sendiri lebih tinggi dari nilain cross
loading dengan variabel lainnya. Oleh karena itu, dapat disimpulkan bahwa
penelitian ini telah memiliki validitas diskriminan yang baik.

4.5.3 Uji Realibilitas (Cronbach’s Alpha)

Uji reliabilitas adalah alat ukur untuk mengukur suatu kuesioner yang
merupakan indikator dari variabel suatu konstruk. Suatu kuesioner dikatakan
reliabel jika jawaban seseorang terhadap pertanyaan konsisten dari waktu ke
waktu. Pengukuran reliabel akan menunjukan instrument yang sudah dipercaya
dan tentunya dapat menghasilkan data yang dapat dipercaya pula. Pada
penelitian ini, uji reliabilitas dilihat dari nilai cronbach’s alpha dan composite
reability. Kriteria yang digunakan untuk cronbach’s alpha (Ghozali 2013)
adalah sebagai berikut:
a. Jika nilai Croanbach’s Alpha > 0.60 maka konstruk dinyatakan
reliabel.
b. Jika nilai Croanbach’s Alpha < 0.60 maka konstruk dinyatakan tidak
reliabel.
 99

Tabel 4. 11 Hasil Uji Realibilitas

Variabel Cronbach's Alpha Keterangan
Technology Factors 0,952 Reliabel
Organization Factors 0,945 Reliabel
Environment Factors 0,951 Reliabel
Adoption of Cloud 0,953 Reliabel Commented [DV4]: n

Sumber : Output Smart PLS versi 3.3.3 (2021)

1. Uji Reliabilitas Variabel Technology Factors

Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel technology factors memberikan nilai Cronbach’s Alpha >
0.60 yaitu 0,952. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Technology Factors dapat diterima atau reliabel sebagai
instrument penelitian.
2. Uji Reliabilitas Variabel Organization Factors
Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel organization factors memberikan nilai Cronbach’s Alpha >
0.60 yaitu 0,945. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Organization Factors dapat diterima atau reliabel sebagai
instrument penelitian.
3. Uji Reliabilitas Variabel Environment Factors
Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel environment factors memberikan nilai Cronbach’s Alpha >
0.60 yaitu 0,951. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Environment Factors dapat diterima atau reliabel sebagai
instrument penelitian.
4. Uji Reliabilitas Variabel Adoption of Cloud
Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel Adoption of Cloud memberikan nilai Cronbach’s Alpha >
0.60 yaitu 0,953. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Adoption of Cloud dapat diterima atau reliabel sebagai
instrument penelitian.
100

4.5.4 Uji Realibilitas Komposit (Composite reliability)

Uji Reliabilitas pada model SEM PLS digunakan untuk mengukur nilai
sesungguhnya reliabilitas suatu konstruk dalam penelitian. Variabel laten dapat
dikatakan mempunyai reliabilitas yang baik apabila nilai composite reliability >
0.70. Jika nilai composite reliability < 0.70, maka kuesioner dianggap kurang
baik.

Tabel 4. 12 Hasil Uji Realibilitas Komposit

Variabel Composite reliability Keterangan
Technology Factors 0,966 Reliabel
Organization Factors 0,956 Reliabel
Environment Factors 0,958 Reliabel
Adoption of Cloud 0,960 Reliabel

Sumber : Output Smart PLS versi 3.3.3 (2021)

1. Uji Reliabilitas Variabel Technology Factors

Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel technology factors memberikan nilai composite reliability >
0.70 yaitu 0,966. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Technology Factors dapat diterima atau reliabel sebagai
instrument penelitian.
2. Uji Reliabilitas Variabel Organization Factors
Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel organization factors memberikan nilai composite reliability >
0.70 yaitu 0,956. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Organization Factors dapat diterima atau reliabel sebagai
instrument penelitian.
3. Uji Reliabilitas Variabel Environment Factors
Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel environment factors memberikan nilai composite reliability >
0.70 yaitu 0,958. Maka berdasarkan hasil ini dapat dinyatakan bahwa
 101

variabel Environment Factors dapat diterima atau reliabel sebagai

instrument penelitian.
4. Uji Reliabilitas Variabel Adoption of Cloud
Hasil output SmartPLS pada tabel diatas menunjukan bahwa
variabel Adoption of Cloud memberikan nilai composite reliability >
0.70 yaitu 0,960. Maka berdasarkan hasil ini dapat dinyatakan bahwa
variabel Adoption of Cloud dapat diterima atau reliabel sebagai
instrument penelitian.

4.6 Pengujian Model Struktural (Inner Model)

Gambar 4. 4 Tampilan Hasil PLS Boothstrapping

Sumber : Output Smart PLS versi 3.3.3 (2021)
102

4.6.1 Koefisien Determinasi (R2)

Pengujian R-Squared (R2) merupakan pengujian yang dilakukan untuk
mengukur tingkat Goodness of Fit suatu model struktural. Nilai R-Squared (R2)
dipergunakan untuk megukur seberapa besar pengaruh variabel laten independen
tertentu terhadap variabel laten dependen. Hasil R2 > 0,67 bahwa model kuat.
Hasil R2 diantara 0,33 – 0,67 bahwa model moderat. Sedangkan hasil R2 < 0,33
bahwa model lemah (Ghozali, 2013).

Tabel 4. 13 Nilai R-Square

Variable Dependen R Square Keterangan
Adoption of Cloud 0,927 Kuat
Sumber : Output Smart PLS versi 3.3.3 (2021)

Berdasarkan tabel dari nilai R2 di atas dapat di simpulkan bahwa besarnya

pengaruh dari variabel Technology Factors, Organization Factors, dan
Environment Factors terhadap variabel Adoption of Cloud adalah sebesar 0,927
atau 92,7% sedangkan 7,3% lainnya adalah variabel lain yang tidak dibahas
dalam penelitian ini. Jadi variabel ini dapat diindikasikan sebagai model yang
kuat.

4.6.2 Effect Size (f2)

Pada penelitian ini dilakukan uji effect size untuk mengetahui seberapa kuat
pengaruh tiap variabel independen terhadap variabel dependen. Kriteria yang
digunakan untuk effect size yaitu f2 = 0,35 berarti besar, f2 = 0,15 berarti
menengah, dan f2 = ≤ 0,02 berarti kecil (Hair et al., 2014).

Tabel 4. 14 Nilai f-Square

Hubungan f Square Keterangan
Techology Factors -> Adoption of Cloud 0,416 Besar
Organization Factors -> Adoption of Cloud 0,207 Menengah
Environment Factors -> Adoption of Cloud 0,426 Besar
Sumber : Output Smart PLS versi 3.3.3 (2021)
 103

Berdasarkan gambar dari nilai f2 diatas dapat di simpulkan bahwa sebagai

berikut:
1. Nilai f2 dari Techology Factors terhadap Adoption of Cloud sebesar
0.416. Maka dapat disimpulkan bahwa Techology Factors memiliki
pengaruh yang besar terhadap Adoption of Cloud.
2. Nilai f2 dari Organization Factors terhadap Adoption of Cloud sebesar
0.207. Maka dapat disimpulkan bahwa Organization Factors memiliki
pengaruh yang menengah terhadap Adoption of Cloud.
3. Nilai f2 dari Environment Factors terhadap Adoption of Cloud sebesar
0.426. Maka dapat disimpulkan bahwa Environment Factors memiliki
pengaruh yang besar terhadap Adoption of Cloud.

4.6.3 Stone-Geisser (Q2)

Nilai Q-Square memiliki arti yang sama dengan coefficient determination
(R-Square) pada analisis regresi, dimana semakin tinggi Q-Square, maka model
dapat dikatakan semakin baik atau semakin fit dengan data. Uji predictive
relevance untuk memvalidasi sejauh mana model yang dirancang dapat
menghasilkan prediksi. Nilai Q-Square yang lebih besar dari 0 menujukkan
model memiliki predictive relevance, sedangkan Q-Square kurang dari 0
menunjukkan model tidak memiliki predictive relevance. Semakin nilai
mendekati satu maka model dikatakan semakin baik (Hair et al., 2014).

Tabel 4. 15 Nilai Predictive Relevance

Variable Dependen Q Square Keterangan
Adoption of Cloud 0,799 memiliki predictive relevance
Sumber : Output Smart PLS versi 3.3.3 (2021)

Pada tabel 4.11 menunjukkan bahwa nilai Q2 untuk variabel dependen

Adoption of Cloud (AC) adalah 0,799. Variabel dependen memiliki nilai Q2 lebih
besar dari nol, maka dapat disimpulkan bahwa model penelitian ini memiliki
predictive relevance.
104

4.6.4 Koefisien Jalur (Path Coefficient)

Pada penelitian ini dilakukan uji koefisien jalur untuk mengetahui
hubungan hipotesis antar variabel. Koefisien jalur memiliki rentang nilai antara -
1 sampai +1, apabila nilai koefisien jalur mendekati +1 menunjukkan hubungan
positif yang kuat, sedangkan apabila nilai koefisien jalur mendekati -1
menunjukkan hubungan negatif yang kuat (Hair et al., 2014).

Tabel 4. 16 Nilai Koefisien Jalur

Original
Hubungan Jalur Keterangan
Sample (O)
Techology Factors -> Adoption of Cloud 0,368 Positif
Organization Factors -> Adoption of Cloud 0,245 Positif
Environment Factors -> Adoption of Cloud 0,402 Positif
Sumber : Output Smart PLS versi 3.3.3 (2021)

Pada tabel 4.16 menunjukkan bahwa nilai koefisien jalur yang ditandai
dengan original sample (O) pada penelitian ini berkisar antara 0,245 hingga
0,402. Maka dapat disimpulkan bahwa seluruh variabel dalam penelitian ini,
Techology Factors (TF), Organization Factors (OF) dan Environment Factors
(EF), memiliki hubungan positif terhadap Adoption of Cloud (AC).

4.6.5 T-statistics
Pada penelitian ini dilakukan uji t-statistics untuk mengetahui apakah
hipotesis dapat diterima atau ditolak. Hipotesis dapat diterima apabila nilai t-
statistics lebih besar dari 1,65, dan sebaliknya, hipotesis ditolak apabila nilai t-
statistics lebih besar dari 1,65 (Ghozali, 2013). Pengujian t-statistics diperoleh
dari hasil prosedur bootsrapping dengan subsample sebesar 5000 dan tingkat
signifikansi dalam pengujian ini adalah sebesar 0,05 atau 5% pada SmartPLS 3.

Tabel 4. 17 T-statistics
T-statistics P
Hubungan Jalur Keterangan
(|O/STDEV| ) Value
 105

Techology Factors -> Adoption of Cloud 3,142 0.001 Signifikan

Organization Factors -> Adoption of Cloud 3,017 0.001 Signifikan
Environment Factors -> Adoption of Cloud 3,527 0.000 Signifikan
Sumber : Output Smart PLS versi 3.3.3 (2021)

Pada tabel 4.13 menunjukkan bahwa seluruh hubungan jalur memiliki

hubungan yang signifikan signifikan karena memiliki nilai t-statistics di atas
1,65. Hubungan jalur tersebut adalah Techology Factors terhadap Adoption of
Cloud dengan nilai t-statistics sebesar 3,142, Organization Factors terhadap
Adoption of Cloud dengan nilai t-statistics sebesar 3,017, dan Environment
Factors terhadap Adoption of Cloud dengan nilai t-statistics sebesar 3,527.

4.7 Uji Hipotesis

Uji hipotesis dilakukan pada penelitian ini untuk menarik kesimpulan apakah
hipotesis yang telah diajukan sebelumnya dapat diterima atau ditolak. Dalam
menganalisa hipotesis utama, peneliti menggunakan nilai T-Statistics dan nilai
koefisien jalur. Kriteria yang dijadikan acuan adalah nilai koefiensi jalur di atas 0,1
dan nilai t-statistics di atas 1,65 untuk mengindikasikan hubungan yang signifikan
antar variabel.

Tabel 4. 18 Hasil Uji Hipotesis

Hipotesi Hubungan Original Sample T-statistics Keteranga
s jalur (O) (|O/STDEV| ) n
H1 TF -> AC 0,368 3,142 Diterima
H2 OF -> AC 0,245 3,017 Diterima
H3 EF -> AC 0,402 3,527 Diterima
Sumber : Output Smart PLS versi 3.3.3 (2021)

Berikut adalah hasil uji hipotesis:

a. Hipotesis 1: Techology Factors (TF) → Adoption of Cloud (AC)
Variabel Techology Factors memiliki pengaruh secara positif dan
signifikan terhadap Adoption of Cloud. Hal ini dikarenakan nilai koefisien
106

jalur dan t-statistics berada di atas nilai minimal, yaitu 0,368 dan 3,142.
Artinya, hipotesis H1 diterima.

b. Hipotesis 2: Organization Factors (OF) → Adoption of Cloud (AC)

Variabel Organization Factors memiliki pengaruh secara positif dan
signifikan terhadap Adoption of Cloud. Hal ini dikarenakan nilai koefisien
jalur dan t-statistics berada di atas nilai minimal, yaitu 0,245 dan 3,017.
Artinya, hipotesis H2 diterima.

c. Hipotesis 3: Environment Factors (EF) → Adoption of Cloud (AC)

Variabel Environment Factors memiliki pengaruh secara positif dan
signifikan terhadap Adoption of Cloud. Hal ini dikarenakan nilai koefisien
jalur dan t-statistics berada di atas nilai minimal, yaitu 0,402 dan 3,527.
Artinya, hipotesis H3 diterima.

4.8 Pembahasan
Penelitian ini dilakukan dengan tujuan untuk menganalisis faktor-faktor yang
mempengaruhi adopsi cloud di perusahaan-perusahaan di Indonesia. Faktor-faktor
yang diteliti adalah faktor teknologi, faktor organisasi, dan faktor lingkungan.
Penelitian ini dilakukan dari bulan Maret 2021 sampai dengan Juni 2021, dimana
pandemi COVID-19 sedang terjadi dan mengharuskan banyak karyawan perusahaan
untuk bekerja dari rumah dan mengharuskan mereka untuk memanfaatkan teknologi
secara maksimal dalam bekerja. Penelitian ini menggunakan TOE Framework.
Penelitian ini dikumpulkan dengan metode kuesioner yang disebar melalui media
sosial seperti LinkedIn dan Instagram. Dari hasil penyebaran kuesioner ini berhasil
mengumpulkan data sebanyak 97 responden yang bekerja di berbagai perusahaan di
Indonesia seperti Bank Central Asia, Halodoc, Gojek, dan lain sebagainya. Dari
perusahaan dimana responden bekerja, 64,9% nya merupakan perusahaan besar yang
memiliki lebih dari 100 karyawan. Sedangkan sektor yang paling banyak mengisi
kuesioner ini merupakan sektor perdagangan, jasa, dan investasi dengan jumlah 37
responden atau 38,1% dan yang paling sedikit merespon adalah di sektor
pertambangan dan sektor industri dasar dan kimia dengan jumlah masing-masing 2
responden atau 2%.
 107

Data dari hasil kuesioner ini dianalisis dengan metode Structural Equation
Model – Partial Least Square (SEM-PLS) dengan menggunakan software SmartPLS
3. Peneliti terlebih dahulu membuat path model diagram dalam SmartPLS 3,
kemudian melakukan evaluasi model pengukuran dan model struktural. Evaluasi
model pengukuran meliputi uji validitas konvergen dengan mempertimbangkan nilai
outer loading dan Average Variance Extracted (AVE), uji validitas diskriminan
dengan mempertimbangkan nilai cross loading, serta uji reliabilitas dengan
mempertimbangkan nilai cronbach’s alpha dan composite reliability. Dari hasil uji
validitas konvergen dan validitas diskriminan dapat disimpulkan bahwa data
penelitian ini valid dan dapat digunakan untuk pengujian selanjutnya. Kemudian dari
hasil uji reliabilitas dapat disimpulkan bahwa data penelitian ini reliabel dan
konsisten sehingga dapat digunakan untuk pengujian model struktural.
Setelah melakukan evaluasi model pengukuran dilanjutkan dengan evaluasi
model struktural yang meliputi uji koefisien determinansi (R2), predictive relevance
(Q2), effect size (f2), koefisien jalur, dan T-Statistics, serta uji hipotesis dengan
mempertimbangkan nilai koefisien jalur dan T-Statistics. Dari hasil uji koefisien
determinasi dapat diketahui bahwa variabel-variabel independen yang memiliki
hubungan dengan variabel Adoption of Cloud (AC) memberikan pengaruh yang
tergolong dalam kategori kuat dengan nilai R2 sebesar 0,927. Dari hasil dari uji effect
size (f2) dapat diketahui juga bahwa setiap variabel independen memiliki pengaruh
yang besar atau menengah terhadap variabel Adoption of Cloud (AC) sebagai
variabel dependen. Selain itu, dari hasil uji predictive relevance (Q2) dapat diketahui
bahwa model ini memiliki relevansi prediktif karena semua variabel dependen yaitu
Adoption of Cloud (AC) memiliki nilai Q2 lebih dari 0.
Untuk uji hipotesis utama, peneliti menggunakan nilai koefisien jalur dan nilai t-
statistics sebagai dasar penentuan apakah hipotesis utama diterima atau ditolak. Dari
hasil uji hipotesis utama dapat diketahui bahwa semua hipotesis utama dapat Commented [KD5]: Seluruh hasil pembahasan terkait
dengan hipotesis TOE Framework ini masih kurang
diterima. memberikan sumber yang menjelaskan bagaimana
penelitian mu ini hasilnya selaras dan juga tidak selaras
dengan penelitian-penelitian terdahulu, sehingga kamu
4.8.1 Pengaruh Technology Factors terhadap Adoption of Cloud jelaskan kaitan serta perbedaannya apa. Tidak hanya
sekedar menjelaskan bahwa ini berpengaruh atau tidak,
Variabel Technology Factors yang digunakan dalam penelitian ini terdiri melainkan bagaimana kamu menuliskannya dan
memberitahu update an nya berdasarkan penelitian
dari 9 indikator, yang diberi kode TF1, TF2, TF3, TF4, TF5, TF6, TF7, TF8, dan terdahulu juga.

TF9. Dari 97 responden yang mengisi kuesioner, semuanya mengisi dengan Tambahkan juga untuk bagian Organization dan
Environment nya.
108

lengkap di bagian teknologi sehingga tidak ada kuesioner yang tidak valid. Rata-
rata nilai untuk Technology Factors adalah 3,3047, dengan median 3, nilai
maksimal 4 dan nilai minimal 1. Variabel TF1 memiliki minimal yang berbeda
yaitu 2. Secara keseluruhan, responden merespon setuju untuk semua pernyataan
mengenai Technology Factors.
Berdasarkan hasil pengolahan data pada penelitian ini menunjukkan bahwa
variabel Technology Factors mempengaruhi variabel Adoption of Cloud secara
positif dan signifikan. Hal ini dikarenakan nilai koefisien jalur dan t-statistics
berada di atas nilai minimal, yaitu 0,368 dan 3,142. Artinya, hipotesis H1
diterima. Dari hasil penelitian ini, menunjukkan bahwa hasil ini sama dengan
penelitian yang dilakukan oleh P. Borgman., et al, (2013), yang membahas
tentang faktor-faktor yang mempengaruhi penggunaan komputasi awan dengan
menggunakan TOE Framework yang diuji pada 24 perusahaan global di
berbagai industri. Hasil dari penelitian tersebut mengatakan bahwa teknologi dan
organisasi berpengaruh dalam keputusan implementasi komputasi awan.
Sesuai dengan penelitian Venkatesh & Davis, (2000) yang menyatakan
bahwa Technology Factors menjadi salah satu faktor penentu penerimaan sebuah
sistem dan berpengaruh positif terhadap Adoption of Cloud. Software berbasis
cloud yang dapat diakses secara online tentu memberikan kemudahan dan
kenyamanan bagi setiap karyawan untuk mengakses pekerjaan kantor mereka
dari mana saja dan kapan saja selama terhubung dengan internet. Hal ini tentu
memudahkan karyawan ketika harus bekerja dari rumah selama pandemi
COVID-19. Adanya kemudahan ini meningkatkan niat karyawan maupun
perusahaan untuk menggunakan software berbasis cloud.
Namun pada kenyataannya tidak semua orang dapat menerima dan mudah
beradaptasi dengan adanya perubahan sistem dari konvensional menjadi lebih
modern. Hal ini mungkin menjadi penyebab mengapa indikator TF3 yang
menyatakan “Saya merasa hasil kinerja saya meningkat dengan adanya software
berbasis cloud” memiliki nilai outer loading yang lebih kecil dibandingkan 8
indikator lainnya. Sedangkan nilai outer loading terbesar dimiliki oleh TF8
dengan pernyataan “Adanya perubahan yang signifikan sebelum dan sesudah
adanya penggunaan cloud” memiliki nilai outer loading 0,902.
Dari hasil kuesioner dapat dilihat bahwa sekitar 65% responden berasal dari
perusahaan besar, dimana organisasi yang lebih besar dikaitkan dengan inersia
 109

birokrasi dan struktur yang kurang fleksibel sehingga akan memiliki lebih
banyak kesulitan dalam menerima dan menerapkan perubahan teknologi (F.
Damanpour, 2010). Sementara organisasi yang lebih kecil lebih mungkin
memfasilitasi penggunaan inovasi karena mereka memiliki inersia birokrasi yang
lebih sedikit dan struktur yang lebih fleksibel. Hal ini memungkinkan mereka
untuk mendapatkan keuntungan dari komunikasi yang lebih rendah, koordinasi
dan pengaruh untuk mendapatkan dukungan untuk mengimplementasikan
perubahan teknologi.
Dari sisi perusahaan, penggunaan cloud ini mendatangkan banyak efisiensi
yang tentunya akan berdampak juga bagi kinerja perusahaan secara keseluruhan.
Hal ini didukung dari data Microsoft (2020) bahwa cloud services berpotensi
meningkatkan pendapatan perusahaan hingga 30% dan berpeluang untuk
meningkatkan bisnis hingga 2,4 kali lebih cepat.

4.8.2 Pengaruh Organization Factors terhadap Adoption of Cloud

Variabel Organization Factors yang digunakan dalam penelitian ini terdiri
dari 9 indikator, yang diberi kode OF1, OF2, OF3, OF4, OF5, OF6, OF7, OF8,
dan OF9. Dari 97 responden yang mengisi kuesioner, semuanya mengisi dengan
lengkap di bagian organisasi sehingga tidak ada kuesioner yang tidak valid.
Rata-rata nilai untuk Organization Factors adalah 3,3023, dengan median 3,
nilai maksimal 4 dan nilai minimal 1. Variabel OF2, OF3, OF4, OF5 memiliki
minimal yang berbeda yaitu 2. Secara keseluruhan, responden merespon setuju
untuk semua pernyataan mengenai Organization Factors.
Berdasarkan hasil pengolahan data pada penelitian ini menunjukkan bahwa
variabel Organization Factors mempengaruhi variabel Adoption of Cloud secara
positif dan signifikan. Hasil ini sama dengan penelitian yang dilakukan oleh P.
Borgman, dkk, yang membahas tentang faktor-faktor yang mempengaruhi
penggunaan komputasi awan dengan menggunakan TOE Framework yang diuji
pada 24 perusahaan global di berbagai industri. Hasil dari penelitian tersebut
mengatakan bahwa teknologi dan organisasi berpengaruh dalam keputusan
implementasi komputasi awan (Wallis, J. C., Rolando & Borgman, 2013). Hasil
ini juga sejalan dengan penelitian yang telah dilakukan sebelumnya yang
110

menyimpulkan Organization memiliki pengaruh positif terhadap adoption of

cloud (Martins et al., 2014; Rahayu & Day, 2015)
Stieninger et al., (2014) dan Oliveira, et al., (2014) menunjukkan bahwa
keunggulan ekonomi merupakan karakteristik teknologi penting yang
mempengaruhi adopsi cloud. Keunggulan ekonomi biasanya dimiliki oleh
perusahaan perusahaan besar, oleh karena itu semakin besar perusahaan maka
semakin besar juga kecenderungan mereka untuk mengadopsi inovasi baru
karena mereka memiliki sumber daya yang memadai dan infrastruktur yang kuat
untuk memfasilitasi proses implementasi teknologi (Tornatzky et al., 1990).
Selain itu Rogers (2003) menyatakan bahwa organisasi lebih mungkin
menerapkan inovasi teknologi jika teknologi ini dapat membawa manfaat
organisasi yang dirasakan seperti kinerja organisasi yang lebih baik dan
keuntungan ekonomi yang lebih tinggi.
Meski begitu, besarnya perusahaan tidak memastikan sebuah perusahaan
akan langsung mengadopsi sebuah inovasi baru. Ada faktor faktor lain dalam
sebuah institusi untuk memustuskan pengadopsian sebuah teknologi. Misalnya
adalah keamanan, sumber daya manusia, dan pengaruh dari manajemen puncak.
Studi Molla et al., (2014) memberikan bukti empiris bahwa semakin besar daya
serap karyawan untuk menghasilkan pengetahuan teknologi informasi, semakin
besar kemungkinan bagi organisasi untuk mengadopsi teknologi informasi. Studi
empiris yang dilakukan oleh (Lin et al., 2014) menemukan bahwa dukungan
manajemen puncak memiliki pengaruh positif pada adopsi cloud computing.
Dari hasil pengolahan data yang telah dilakukan oleh penulis, dapat dilihat
bahwa indikator OF2 yang menyatakan “Risiko dari penggunaan cloud cukup
kecil” memiliki nilai outer loading yang paling kecil dibandingkan indikator
lainnya dalam variabel Organization Factors. Hal ini mengungkapkan bahwa
alasan sebuah institusi memiliki banyak pertimbangan sebelum mengadopsi
cloud. Mungkin itulah alasan mengapa indikator ini lebih kecil dibandingkan
indikator lainnya, karena sebenarnya risiko yang akan dihadapi saat mengadopsi
cloud cukup besar.

4.8.3 Pengaruh Environment Factors terhadap Adoption of Cloud

Variabel Environment Factors yang digunakan dalam penelitian ini terdiri
dari 6 indikator, yang diberi kode EF1, EF2, EF3, EF4, EF5, dan EF6. Dari 97
 111

responden yang mengisi kuesioner, semuanya mengisi dengan lengkap di bagian

organisasi sehingga tidak ada kuesioner yang tidak valid. Rata-rata nilai untuk
Environment Factors adalah 3,3078, dengan median 3, nilai maksimal 4 dan
nilai minimal 1. Secara keseluruhan, responden merespon setuju untuk semua
pernyataan mengenai Environment Factors.
Berdasarkan hasil pengolahan data pada penelitian ini menunjukkan bahwa
variabel Environment Factors mempengaruhi variabel Adoption of Cloud secara
positif dan signifikan. Hal ini menunjukan sebuah perusahaan memperhatikan
faktor lingkungan seperti opini dan saran dari orang-orang sekitarnya, sehingga
dapat mempengaruhi mereka dalam pengadopsian cloud. Lingkungan bisnis
adalah kekuatan utama yang dapat mendorong atau menghambat suatu organisasi
untuk mengadopsi inovasi (Rogers, 2003). Semakin tinggi para pesaing
menggunakan teknologi, maka niat suatu organisasi juga semakin tinggi untuk
mengadopsi sebuah teknologi. Dukungan dari penyedia layanan dan juga mitra
yang meyakinkan meyakinkan membuat organisasi lebih tinggi mengadopsi
sebuah teknologi. Hipotesis ini sejalan dengan penelitian yang sudah dilakukan
sebelumnya yang menyimpulkan jika Environment memiliki pengaruh terhadap
adoption of cloud (Priyatikanto et al., 2018)
Berdasarkan hasil kuesioner yang dilakukan pada penelitian ini dapat
dilihat bahwa 3 indikator tertinggi pada variabel Environment Factors adalah
EF2, EF4, dan EF5 yang menyatakan “Cloud sudah digunakan oleh banyak
perusahaan di Indonesia”, “Implementasi cloud akan menyebabkan beberapa
pekerjaan kurang dibutuhkan lagi”, dan “Dengan adanya kemampuan
menggunakan cloud akan membuat diri saya memiliki daya saing yang kuat”.
Dari tiga pernyataan tersebut dapat dilihat bahwa yang sangat mempengaruhi
pengadopsian cloud adalah adanya tekanan dari kompetitif dimana kalau sebuah
institusi tidak mengadopsi cloud, ia akan kehilangan daya saing dan kalah dari
kompetitornya. Hal ini didukung oleh beberapa penulis lain yang telah
melaporkan bahwa tekanan kompetitif dari pemasok dan pelanggan dapat
memiliki pengaruh yang signifikan terhadap adopsi cloud (Ayyagari et al., 2012;
Al-Jabri & Sohail, 2012; Swilley et al., 2012).
Selain itu, adopsi cloud juga dipengaruhi oleh aspek internal seperti
pengetahuan teknis dan eksternal misalnya tekanan dari pesaing dari suatu
112

organisasi yang dapat mempengaruhi adopsi cloud (Chao & Chandra, 2012).
Misalnya, jika suatu organisasi tidak memiliki keterampilan yang diperlukan
untuk melakukan pemasaran media sosial, akan sulit baginya untuk mengadopsi
pemasaran media sosial bahkan jika ada tekanan untuk melakukannya dari
lingkungan eksternal. Pada saat yang sama apa yang terjadi di lingkungan
eksternal juga dapat mempengaruhi adopsi pemasaran media sosial. Misalnya,
jika pesaing suatu organisasi mengadopsi atau telah mengadopsi pemasaran
media sosial, ia akan dipaksa untuk mengadopsinya agar tetap kompetitif
(Wamba & Carter, 2014).
Berdasarkan hasil penelitian diatas, diketahui bahwa variabel
Technology Factors, Organization Factors, dan Environment Factors memiliki
nilai R2 sebesar 0,927 atau 92,7% terhadap variabel Adoption of Cloud. Nilai f2
dari Techology Factors dan Environment Factors memiliki pengaruh yang besar
terhadap Adoption of Cloud. Sedangkan nilai f2 dari Organization Factors hanya
memiliki pengaruh yang menengah terhadap Adoption of Cloud. Variabel
dependen pada penelitian ini memiliki nilai Q2 lebih besar dari nol, maka dapat
disimpulkan bahwa model penelitian ini memiliki predictive relevance.
Hubungan hipotesis antar variabel pada penelitian ini memiliki nilai positif untuk
Techology Factors, Organization Factors, dan Environment Factors. Untuk
pengujian hipotesis ini, diperoleh hasil yang signifikan dan dapat diterima untuk
ketiga variabel.
Tuntutan yang dihasilkan dengan situasi sekarang ini dimana COVID-19
membuat para karyawan harus dapat bekerja dari rumah dan memaksa
perusahaan untuk mencari cara agar para karyawan dapat bekerja dari rumah.
Solusi yang memungkinkan untuk para karyawan dapat berkerja dimana saja dan
kapan saja adalah dengan menggunakan teknologi cloud. Perlunya dukungan
dari sisi teknologi yaitu software berbasis cloud, kemudian dari sisi organisasi
yaitu berupa pelatihan dan dukungan teknis serta dari lingkungan berupa regulasi
agar keamanan data dapat terjamin. Cloud ini diharapkan dapat
diimplementasikan secara menyeluruh di seluruh perusahaan baik itu besar,
sedang, kecil maupun mikro dan juga seluruh sektor yang ada di Indonesia.
 BAB 5
SIMPULAN DAN SARAN

5.1 Simpulan
Berdasarkan penelitian yang telah dilakukan, maka peneliti dapat menyimpulkan
hasil penelitian sebagai berikut:
1. Variabel Technology Factors berpengaruh positif dan signifikan terhadap
variabel Adoption of Cloud. Hal ini menunjukkan bahwa faktor teknologi
berpengaruh secara langsung dalam peningkatan pengadopsian cloud. Hasil
ini juga didukung oleh penelitian sebelumnya dimana Technology Factors
berpengaruh signifikan terhadap Adoption of Cloud. Ini dikarenakan semakin
maju dan mudahnya teknologi cloud maka semakin besar juga potensi
perusahaan untuk mengadopsi cloud. Oleh karena itu faktor kemudahan dan
kemajuan teknologi mempengaruhi keputusan individu untuk menggunakan
cloud.
2. Variabel Organization Factors berpengaruh positif dan signifikan terhadap
variabel Adoption of Cloud. Hal ini menunjukkan bahwa faktor organisasi
berpengaruh secara langsung dalam peningkatan pengadopsian cloud. Hasil
ini juga didukung oleh penelitian sebelumnya dimana Organization Factors
berpengaruh signifikan terhadap Adoption of Cloud. Oleh karena itu sebelum
mengadopsi cloud, perusahaan harus memiliki kemampuan yang mumpuni
dan selalu melakukan peningkatan dalam kualitasnya.
3. Variabel Environment Factors berpengaruh positif dan signifikan terhadap
variabel Adoption of Cloud. Hal ini menunjukkan bahwa faktor lingkungan
berpengaruh secara langsung dalam peningkatan pengadopsian cloud. Hasil
ini juga didukung oleh penelitian sebelumnya dimana Environment Factors
berpengaruh signifikan terhadap Adoption of Cloud. Ini dikarenakan semakin
besarnya tekanan dari kompetitor yang juga menggunakan cloud maka
semakin besar juga potensi perusahaan untuk mengadopsi cloud. Oleh karena
itu faktor lingkungan mempengaruhi keputusan individu untuk menggunakan
cloud agar mereka tidak kehilangan daya saing mereka.

113
114

5.2 Keterbatasan Penelitian

Berdasarkan hasil pembahasan penelitian dan analisis yang dilakukan oleh
peneliti, penelitian ini mempunyai keterbatasan yang mempengaruhi hasil penelitian
agar dapat sesuai dengan hipotesis yang diajukan agar bisa menjadi suatu
pertimbangan bagi peneliti selanjutnya. Berikut adalah beberapa keterbatasan yang
dapat dijelaskan antara lain:
1. Pengumpulan data yang dilakukan oleh peneliti menggunakan metode
kuesioner, dimana dapat dikatakan metode kuesioner memiliki output yang
kurang akurat. Hal tersebut dikarenakan pengisian kuesioner sangat rentan
terhadap jawaban-jawaban anomali yang tidak dapat dijelaskan oleh
responden. Metode pengumpulan data ini dipilih oleh peneliti dikarenakan
keterbatasan waktu dalam pengumpulan data, dan juga disertai oleh
kondisi pandemi yang mempersulit peneliti apabila ingin melakukan
pengumpulan data secara langsung.
2. Pengumpulan data dilakukan dalam waktu satu bulan dengan media
microsoft forms. Metode penyebaran kuesioner yang dilakukan peneliti,
menggunakan bantuan media sosial. Dengan adanya pandemi hal ini
menyebabkan peneliti harus lebih mengandalkan media online , untuk
mengurangi pertemuan secara fisik dan mematuhi protokol kesehatan yang
ada
3. Hasil uji nilai Q-Square yang memiliki arti yang sama dengan koefisien
determinasi R2 (R Square) diketahui sebesar 0,927 yang artinya variabilitas
dependen atas manfaat bersih dan variabel mediasi atas penggunaan dan
kepuasan pengguna yang dapat dijelaskan menggunakan variabel
independen yang diproksikan dengan variabel (Technology Factors,
Organization Factors, Environment Factors) adalah sebesar 92.7%. Jadi
untuk 7.3% angka tersebut merupakan kontribusi dari faktor lain yang tidak
dimasukkan dan dibahas dalam penelitian ini.
4. Penelitian ini menggunakan populasi yang terbatas yaitu lulusan S1 yang
telah bekerja minimal satu tahun dan pernah menggunakan software
berbasis cloud.
 115

5.3 Saran
Berdasarkan hasil pembahasan penelitian dan analisis yang dilakukan oleh
peneliti terdapat beberapa hal yang harus diperhatikan, penelitian ini masih memiliki
kekurangan dan perlu diperbaiki untuk penelitian selanjutnya. Adapun saran peneliti
didalam penelitian ini sebagai berikut:
1. Diharapkan dapat menggunakan objek penelitian yang berbeda agar dapat
menghasilkan hasil yang komprehensif dapat menjadi pembanding untuk
melihat bagaimana pengaruh dari variabel penelitian dengan objek yang
berbeda.
2. Peneliti selanjutnya, juga dapat menambahkan jumlah responden dan
memperluas area penyebaran kuesioner agar hasil yang diperoleh memiliki
tingkat validitas yang lebih tinggi dan menggambarkan seluruh populasi
tidak hanya di tempat tertentu.
3. Pengumpulan data yang dilakukan sebaiknya menggunakan metode
wawancara. Hal ini disebabkan metode wawancara memiliki tingkat
keakuratan dan validitas lebih baik dibandingkan dengan pengumpulan
menggunakan kuesioner. Dengan metode wawancara maka kecil
kemungkinan mendapatkan data yang anomali atau tidak sesuai, hal
tersebut dikarenakan setiap jawaban responden akan memiliki alasan yang
lebih kuat.
4. Peneliti selanjutnya dapat lebih teliti dalam melakukan penelitian dengan
menambahkan jumlah variabel-variabel yang belum dicantumkan pada
penelitian kali ini serta indikator indikator pengukuran variable lainnya
agar lebih valid dan dapat dipercaya.
5. Adanya penelitian lanjutan dari tema penelitian ini, baik penelitian ulang
maupun penelitian baru. Dengan adanya penelitian lanjutan maka dapat
dilihat perubahan dari waktu ke waktu yang harapannya penelitian ini dapat
meningkatkan penerapan software berbasis cloud kedepannya.
6. Diharapkan agar pihak KAP dapat memanfaatkan hasil penelitian ini secara
maksimal sebagai feedback dari penerapan software berbasis cloud saat ini.
Hasil penelitian ini merupakan gambaran users' experience dari berbagai
perusahaan di Indonesia, sehingga diharapkan dapat menjadi bahan
pertimbangan KAP untuk mencapai tujuan dari implementasi software itu
sendiri.
116
 LAMPIRAN

Lampiran 1 Kuesioner

L1
L2
L3
L4
L5
L6

Lampiran 2 Hasil Kuesioner Nama Perusahaan, Sektor Perusahaan, dan

Ukuran Perusahaan

Nama Perusahaan Sektor perusahaan Ukuran perusahaan

1 pt shingpak services Infrastruktur, utilitas dan Besar (>100 orang)
transportasi
2 PT. MIFA Pertambangan Besar (>100 orang)
3 JNT Perdagangan, jasa dan Sedang (50-99 orang)
investasi
4 PT. Coinmas Properti, real estate dan Kecil (10-49 orang)
Membangun konstruksi bangunan
5 Kebun alpukat Pertanian Mikro (<9 orang)
6 PT.Melali MICE Aneka Industri Kecil (10-49 orang)
7 Bank muamalat Keuangan Besar (>100 orang)
8 Dinas Perindustrian Aneka Industri Kecil (10-49 orang)
(sebagai Tenaga
Penyuluh Lapangan)
9 PT. Aventis Pharma Industri dasar dan kimia Besar (>100 orang)
10 Dhapoer Iciak Perdagangan, jasa dan Kecil (10-49 orang)
investasi
11 Pt matahari leisure Aneka Industri Besar (>100 orang)
12 Phintraco Perdagangan, jasa dan Besar (>100 orang)
investasi
13 Propertypro Properti, real estate dan Besar (>100 orang)
konstruksi bangunan
14 PT. Suksesindo Keuangan Besar (>100 orang)
15 Anteraja Perdagangan, jasa dan Besar (>100 orang)
investasi
16 Pt.anugrah prima cosindo Aneka Industri Sedang (50-99 orang)
17 PT eka dharma jaya sakti Pertambangan Besar (>100 orang)
18 Warung Teteh Perdagangan, jasa dan Mikro (<9 orang)
investasi
19 Kici visual Aneka Industri Mikro (<9 orang)
20 SIMHAE PONDOK Industri barang konsumsi Mikro (<9 orang)
INDAH
21 PT. Integrasi Service Perdagangan, jasa dan Sedang (50-99 orang)
Mandiri investasi
22 Indriver Infrastruktur, utilitas dan Besar (>100 orang)
transportasi
23 Pt sakinah indonesia Perdagangan, jasa dan Besar (>100 orang)
investasi
24 PT GOJEK Aneka Industri Besar (>100 orang)
25 Qoala Aneka Industri Sedang (50-99 orang)
26 PT. FSS Aneka Industri Besar (>100 orang)
 L7

27 PT. BPR Duta Keuangan Sedang (50-99 orang)

28 PT Belogix Indonesia Perdagangan, jasa dan Besar (>100 orang)
investasi
29 Matahari dept store Perdagangan, jasa dan Besar (>100 orang)
investasi
30 Toko Industri barang konsumsi Mikro (<9 orang)
31 Lifepal Perdagangan, jasa dan Sedang (50-99 orang)
investasi
32 PT.vivan indonesia Perdagangan, jasa dan Besar (>100 orang)
investasi
33 PT Sumber Alfaria Industri barang konsumsi Besar (>100 orang)
Trijaya
34 PT Palur Raya Industri dasar dan kimia Besar (>100 orang)
35 PT. Hechen Jaya Abadi Aneka Industri Sedang (50-99 orang)
36 PT Indomarco Industri barang konsumsi Besar (>100 orang)
Prismatama
37 Garuda Indonesia Infrastruktur, utilitas dan Besar (>100 orang)
transportasi
38 Telkom Aneka Industri Besar (>100 orang)
39 LKPP Perdagangan, jasa dan Besar (>100 orang)
investasi
40 Kementerian Kominfo Aneka Industri Besar (>100 orang)
41 Tokopedia Perdagangan, jasa dan Besar (>100 orang)
investasi
42 Halodoc Perdagangan, jasa dan Besar (>100 orang)
investasi
44 Ibunda id Aneka Industri Sedang (50-99 orang)
45 Traveloka Perdagangan, jasa dan Besar (>100 orang)
investasi
46 Akulaku Keuangan Besar (>100 orang)
47 Amartha mikro fintek Keuangan Besar (>100 orang)
48 Habibi Garden Pertanian Sedang (50-99 orang)
49 RajaPremi Aneka Industri Sedang (50-99 orang)
50 Investree Keuangan Besar (>100 orang)
51 PT Zenius Education Aneka Industri Besar (>100 orang)
52 Grab Infrastruktur, utilitas dan Besar (>100 orang)
transportasi
53 PT Bareksa Portal Keuangan Sedang (50-99 orang)
Investasi
54 KlikDokter Perdagangan, jasa dan Besar (>100 orang)
investasi
56 Lazada Perdagangan, jasa dan Besar (>100 orang)
investasi
57 Roti Bakar Perdagangan, jasa dan Mikro (<9 orang)
investasi
L8

58 Sayurbox Pertanian Kecil (10-49 orang)

59 PasarPolis Aneka Industri Besar (>100 orang)
60 Quipper Perdagangan, jasa dan Besar (>100 orang)
investasi
61 Bibit Perdagangan, jasa dan Besar (>100 orang)
investasi
62 Tanihub Pertanian Besar (>100 orang)
63 Mamikos Perdagangan, jasa dan Besar (>100 orang)
investasi
64 Linkaja Keuangan Besar (>100 orang)
65 OVO Keuangan Besar (>100 orang)
66 Aku laku Keuangan Besar (>100 orang)
67 IGrow Pertanian Besar (>100 orang)
68 Dana Keuangan Besar (>100 orang)
69 Ruangguru Perdagangan, jasa dan Besar (>100 orang)
investasi
70 PT Bank Central Asia, Keuangan Besar (>100 orang)
Tbk.
71 PT. LANAIS Infrastruktur, utilitas dan Sedang (50-99 orang)
transportasi
72 Klinik anakku cmc Perdagangan, jasa dan Kecil (10-49 orang)
investasi
73 betta fish Aneka Industri Mikro (<9 orang)
74 alibaba cloud Infrastruktur, utilitas dan Besar (>100 orang)
transportasi
75 PT cipta mapan logistic Perdagangan, jasa dan Besar (>100 orang)
investasi
76 Dady clean Perdagangan, jasa dan Kecil (10-49 orang)
investasi
77 KGXpress Perdagangan, jasa dan Sedang (50-99 orang)
investasi
87 Hasta lestari jaya Perdagangan, jasa dan Besar (>100 orang)
investasi
79 PT. JENDELA Perdagangan, jasa dan Kecil (10-49 orang)
LENTERA DUNIA investasi
80 Brasco Perdagangan, jasa dan Kecil (10-49 orang)
investasi
81 pt.pertamina retail Industri barang konsumsi Besar (>100 orang)
82 pt.mayora indah Industri barang konsumsi Besar (>100 orang)
83 PT. Rahman Makmur Perdagangan, jasa dan Kecil (10-49 orang)
Sejahtera investasi
84 KAP Heliantono dan Keuangan Kecil (10-49 orang)
Rekan
L9
L10

Lampiran 3 Hasil Kuesioner Indikator TF

Responden TF1 TF2 TF3 TF4 TF5 TF6 TF7 TF8 TF9
1 4 4 3 3 3 3 3 4 3
2 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3
4 3 3 3 3 3 3 3 3 3
5 3 3 3 3 3 3 3 3 3
6 3 3 4 4 4 4 4 3 4
7 3 3 3 3 3 3 3 3 3
8 3 3 3 3 3 3 3 3 3
9 3 3 3 3 3 3 3 3 3
10 3 3 3 3 3 3 3 3 3
11 4 4 4 4 4 4 4 4 4
12 2 2 3 3 3 3 3 2 2
13 3 3 3 3 3 3 3 3 3
14 4 4 4 4 4 4 4 4 4
15 3 3 3 3 3 3 3 3 3
16 4 3 4 4 4 4 4 4 3
17 2 3 1 1 2 2 2 2 3
18 2 1 2 1 1 1 2 2 1
19 3 3 3 3 1 1 1 1 3
20 3 3 3 3 3 3 3 3 3
21 4 3 4 3 4 3 3 3 3
22 3 3 3 3 3 3 3 3 3
23 3 3 3 3 4 4 3 3 3
24 3 4 3 3 3 3 3 3 4
25 3 3 2 4 4 3 3 3 3
26 3 2 3 3 3 3 3 3 2
27 3 3 3 3 3 3 3 3 3
28 4 4 4 4 4 4 4 4 4
29 3 3 3 3 3 3 3 3 3
30 2 1 2 2 2 2 2 2 1
31 4 4 4 4 4 4 4 4 4
32 3 3 3 3 3 3 3 3 3
33 3 3 3 3 3 3 3 3 3
34 3 3 3 3 3 3 3 3 3
35 3 3 3 3 3 3 3 3 3
36 3 3 3 3 3 3 3 3 3
37 3 3 3 3 3 3 3 3 3
38 3 3 3 3 3 3 3 3 3
39 3 3 3 3 3 3 3 3 3
 L11

40 3 3 3 3 3 3 3 3 3
41 3 3 3 3 3 3 3 3 3
42 4 4 4 4 4 4 4 4 4
43 4 4 4 4 4 4 4 4 4
44 3 3 3 3 3 3 3 3 3
45 4 4 4 4 4 4 4 4 4
46 4 4 4 4 4 4 4 4 4
47 4 4 4 4 4 4 4 4 4
48 4 4 4 4 4 4 4 4 4
49 4 4 4 4 4 4 4 4 4
50 4 4 4 4 4 4 4 4 4
51 4 4 4 4 4 4 4 4 4
52 4 4 3 4 4 3 3 4 4
53 3 3 4 3 3 4 4 3 3
54 4 4 4 4 4 4 4 4 4
55 4 4 4 4 4 4 4 4 4
56 4 4 4 4 4 4 4 4 4
57 2 2 2 2 2 2 2 2 2
58 4 4 4 4 4 4 4 4 4
59 4 4 4 4 4 4 4 4 4
60 3 3 4 3 3 4 4 3 3
61 3 3 4 3 3 4 4 3 3
62 4 4 4 4 4 4 4 4 4
63 4 4 3 4 4 3 3 4 4
64 3 4 4 4 3 3 3 3 4
65 4 3 3 3 4 4 4 4 3
66 4 3 3 3 4 3 3 4 3
67 4 3 3 4 4 4 4 4 3
68 4 3 3 4 4 3 3 4 3
69 4 4 4 4 4 4 4 4 4
70 4 3 3 3 4 4 4 4 3
71 3 4 4 3 3 3 3 3 4
72 3 3 3 3 3 3 3 3 3
73 3 3 4 4 3 4 4 3 3
74 3 3 4 3 3 4 4 3 3
75 4 3 3 3 4 4 4 4 3
76 3 3 4 4 3 3 3 3 3
77 3 3 4 3 3 4 4 3 3
78 4 3 3 3 4 4 4 4 3
79 3 3 4 4 3 4 4 3 3
80 3 3 3 4 3 3 3 3 3
81 3 3 4 3 4 4 4 4 3
L12

82 4 4 3 3 4 3 3 4 4
83 3 4 4 3 3 4 4 3 4
84 3 3 3 4 3 3 3 3 3
85 3 3 4 3 3 3 3 3 3
86 4 3 4 3 4 4 4 4 3
87 4 3 3 3 3 3 3 3 3
88 3 3 3 3 3 3 3 3 2
89 3 3 3 3 3 3 3 3 3
90 3 3 3 3 3 3 3 3 3
91 3 3 3 3 3 3 3 3 3
92 3 3 3 3 3 3 3 3 3
93 3 3 3 3 3 3 3 3 3
94 3 4 4 3 4 3 3 4 4
95 4 3 3 4 3 4 4 3 3
96 3 3 3 3 3 3 3 3 3
97 4 4 4 4 4 4 4 4 4
 L13

Lampiran 4 Hasil Kuesioner Indikator OF

Responden OF1 OF2 OF3 OF4 OF5 OF6 OF7 OF8 OF9
1 3 4 4 4 3 3 4 3 3
2 2 3 3 3 4 2 3 3 3
3 3 3 3 3 3 3 4 3 3
4 3 3 3 3 3 3 3 3 3
5 3 2 2 2 3 3 2 2 2
6 3 3 3 3 3 3 3 3 3
7 2 2 2 2 2 2 2 3 3
8 3 3 3 3 3 3 3 3 3
9 3 4 4 4 3 3 4 4 3
10 3 3 3 3 3 3 3 3 3
11 4 4 4 4 4 4 4 4 4
12 3 3 3 3 3 3 3 3 3
13 3 2 2 2 3 3 2 3 3
14 3 3 3 3 3 3 3 4 4
15 4 3 3 3 4 4 3 3 3
16 2 3 3 3 2 2 3 4 4
17 3 2 2 2 3 3 2 1 2
18 1 2 2 2 2 1 1 1 1
19 3 3 3 3 3 3 3 3 3
20 3 4 4 4 3 3 3 3 3
21 3 3 3 3 3 3 3 3 3
22 3 3 3 3 4 4 3 4 3
23 3 3 3 3 3 3 3 3 3
24 3 3 3 3 3 3 3 3 3
25 3 3 3 3 4 4 3 4 3
26 2 3 3 3 3 3 3 3 3
27 3 3 3 3 3 3 3 3 3
28 4 4 4 4 4 4 4 4 4
29 3 3 3 3 3 3 3 3 3
30 1 2 2 2 2 2 2 2 2
31 4 4 4 4 4 4 4 4 4
32 3 3 3 3 3 3 3 3 3
33 3 3 3 3 3 3 3 3 3
34 3 3 3 3 3 3 3 3 3
35 3 3 3 3 3 3 3 3 3
36 3 3 3 3 3 3 3 3 3
37 3 3 3 3 3 3 3 3 3
38 4 3 3 3 3 3 3 3 3
L14

39 3 3 3 3 3 3 3 3 3
40 4 3 3 3 3 3 3 3 3
41 3 3 3 3 3 3 3 3 3
42 4 4 4 4 4 4 4 4 4
43 4 4 4 4 4 4 4 4 4
44 3 3 3 3 3 3 3 3 3
45 4 4 4 4 4 4 4 4 4
46 4 4 4 4 4 4 4 4 4
47 4 4 4 4 4 4 4 4 4
48 3 4 4 4 4 4 4 4 4
49 4 4 4 4 4 4 4 4 4
50 4 4 4 4 4 4 4 4 4
51 4 4 4 4 4 4 4 4 4
52 4 3 4 4 4 3 4 3 4
53 4 4 3 3 3 3 4 3 3
54 4 4 4 4 4 3 4 4 4
55 4 4 4 4 4 3 4 4 4
56 3 4 4 4 4 3 3 2 4
57 3 2 2 2 2 3 3 3 2
58 4 4 4 4 4 4 4 4 4
59 4 4 4 4 4 4 4 4 4
60 3 4 3 3 3 3 4 3 3
61 3 4 3 3 3 3 4 3 3
62 4 4 4 4 4 4 4 4 4
63 4 3 4 4 4 4 3 4 4
64 3 3 3 3 2 3 3 3 3
65 4 4 4 4 3 4 4 4 4
66 4 3 4 4 3 4 3 4 4
67 4 4 4 4 4 4 4 4 4
68 4 3 4 4 3 4 3 4 4
69 4 4 4 4 3 4 4 4 4
70 4 4 4 4 4 4 4 4 4
71 3 3 3 3 3 3 3 3 3
72 3 3 3 3 3 3 3 3 3
73 3 3 3 4 3 3 4 3 3
74 3 4 3 4 3 3 4 3 3
75 4 3 4 4 4 4 4 4 4
76 3 3 3 3 3 3 3 3 3
77 3 3 3 4 3 3 4 3 3
78 4 3 4 4 4 4 4 4 4
79 3 3 3 4 3 3 4 3 3
80 3 3 3 3 3 3 3 3 3
 L15

81 4 4 4 4 4 4 4 4 4
82 4 3 4 3 4 4 3 4 4
83 3 3 3 4 3 3 4 3 3
84 3 3 3 3 3 3 3 3 3
85 3 3 3 3 3 3 4 4 4
86 4 3 4 4 4 4 4 4 4
87 3 3 3 3 3 3 4 3 3
88 3 3 3 3 3 3 1 1 1
89 3 3 3 3 3 3 4 4 4
90 3 2 3 3 3 3 3 3 3
91 3 4 3 3 3 3 4 3 3
92 3 2 3 3 3 3 3 3 3
93 4 3 3 3 3 3 4 4 4
94 4 4 4 3 4 4 4 4 4
95 4 4 3 4 3 3 4 4 4
96 3 3 3 3 3 3 3 3 3
97 4 3 4 4 4 4 3 3 4
 L16

Lampiran 5 Hasil Kuesioner Indikator EF dan AC

Responden EF1 EF2 EF3 EF4 EF5 EF6 AC1 AC2 AC3 AC4
1 4 3 3 4 3 4 3 3 3 4
2 3 3 3 3 3 3 3 3 3 3
3 3 4 3 3 3 3 4 4 3 3
4 3 3 3 3 3 3 3 3 3 3
5 3 3 3 3 3 3 3 3 3 3
6 3 4 4 3 4 3 4 4 4 3
7 3 3 3 3 3 3 3 3 3 3
8 4 3 3 4 3 4 3 3 3 4
9 3 3 3 3 3 3 3 3 3 3
10 3 3 3 3 3 3 3 3 3 3
11 4 4 4 4 4 4 4 4 4 4
12 3 3 3 3 3 3 3 3 3 3
13 3 3 3 3 3 3 3 3 3 3
14 4 4 4 4 4 4 4 4 4 4
15 3 3 3 3 3 3 3 3 3 3
16 4 4 4 4 4 4 4 4 4 4
17 1 1 1 2 2 2 1 1 2 2
18 1 2 1 1 1 1 2 1 1 1
19 3 3 3 3 3 3 3 3 3 3
20 3 3 3 3 3 3 3 3 3 3
21 3 3 3 3 3 3 3 3 3 3
22 3 3 3 3 3 3 4 4 3 3
23 3 3 3 3 3 3 3 3 3 3
24 3 3 3 3 3 3 3 3 3 3
25 3 3 3 3 3 3 4 4 3 3
26 3 3 3 3 3 3 3 3 3 3
27 3 3 3 3 3 3 3 3 3 3
28 4 4 4 4 4 4 4 4 4 4
29 3 3 3 3 3 3 3 3 3 3
30 2 2 2 2 2 2 2 2 2 2
31 4 4 4 4 4 4 4 4 4 4
32 3 3 3 3 3 3 3 3 3 3
33 3 3 3 3 3 3 3 3 3 3
34 3 3 3 3 3 3 3 3 3 3
35 2 2 2 2 2 2 3 3 3 3
36 3 3 3 3 3 3 3 3 3 3
37 3 3 3 2 2 3 3 3 3 3
38 3 3 3 3 3 3 3 3 3 3
 L17

39 3 3 3 3 3 3 3 3 3 3
40 3 3 3 3 3 3 3 3 3 3
41 3 3 3 3 3 3 3 3 3 3
42 4 4 4 4 4 4 4 4 4 4
43 3 3 3 3 3 3 4 4 4 4
44 3 3 3 4 4 3 3 3 3 3
45 4 4 4 4 4 4 4 4 4 4
46 4 3 4 4 4 3 4 4 4 4
47 4 4 4 4 4 4 4 4 4 4
48 3 4 4 4 4 4 4 4 4 4
49 4 3 4 4 4 3 4 4 4 4
50 4 4 4 4 4 4 4 4 4 4
51 4 4 4 4 4 4 4 4 4 4
52 3 4 4 3 3 4 4 3 4 4
53 4 3 3 4 4 3 3 4 3 3
54 4 4 4 4 4 4 4 4 4 4
55 4 3 4 4 4 3 4 4 4 4
56 4 4 4 4 4 4 4 4 4 4
57 2 3 2 4 4 3 2 2 2 2
58 4 4 4 4 4 3 4 4 4 4
59 4 4 4 4 4 3 4 4 4 4
60 4 3 4 3 3 4 3 4 3 3
61 4 3 4 3 3 3 3 4 3 3
62 4 4 4 4 4 3 4 4 4 4
63 3 4 3 4 4 3 4 3 4 4
64 4 3 3 3 3 4 3 3 3 3
65 4 4 4 4 4 4 4 4 4 4
66 4 4 3 4 4 4 4 3 4 4
67 4 4 4 4 4 4 4 4 4 4
68 3 4 3 4 4 3 4 3 4 4
69 4 4 4 4 4 4 4 4 4 4
70 4 4 4 4 4 4 4 4 4 4
71 3 3 3 3 3 3 3 3 3 3
72 3 3 3 3 3 3 3 3 3 3
73 4 3 4 3 3 3 3 4 3 3
74 4 3 4 3 3 3 3 4 3 3
75 3 4 4 4 4 4 4 4 4 4
76 4 3 3 3 3 3 3 3 3 3
77 4 3 4 3 3 3 3 4 3 3
78 3 4 4 4 4 4 4 4 4 4
79 4 3 4 3 3 3 3 4 3 3
80 3 3 3 3 3 3 3 3 3 3
L18

81 4 4 4 4 4 4 4 4 4 4
82 3 4 3 4 4 4 4 3 4 4
83 4 3 4 3 3 3 3 4 3 3
84 3 3 3 3 3 3 3 3 3 3
85 4 3 3 3 3 3 3 3 3 3
86 4 4 4 4 4 4 4 4 4 4
87 3 3 3 3 3 3 3 3 3 3
88 3 3 3 3 3 3 3 3 3 3
89 3 3 3 3 3 3 3 3 3 3
90 2 3 3 3 3 3 3 3 3 3
91 3 3 3 3 3 3 3 3 3 3
92 3 3 3 3 3 3 3 3 3 3
93 3 3 3 3 3 3 3 3 3 3
94 3 4 4 3 4 4 4 3 4 4
95 4 3 3 4 3 3 3 4 3 3
96 3 3 3 3 3 3 3 3 3 3
97 4 4 4 4 4 4 4 4 4 4
 L19

Lampiran 6 Outer Loading

Indikator TF OF EF AC
TF1 0,868
TF2 0,826
TF3 0,779
TF4 0,827
TF5 0,901
TF6 0,874
TF7 0,864
TF8 0,902
TF9 0,831
OF1 0,844
OF2 0,793
OF3 0,926
OF4 0,875
OF5 0,81
OF6 0,842
OF7 0,808
OF8 0,833
OF9 0,889
EF1 0,821
EF2 0,902
EF3 0,887
EF4 0,904
EF5 0,918
EF6 0,877
AC1 0,961
AC2 0,856
AC3 0,972
AC4 0,949
L20

Lampiran 7 Construct Reliability and Validity

Average
Cronbach's Composite
rho_A Variance
Alpha reliability
Extracted (AVE)
TF 0,952 0,955 0,966 0,875
OF 0,945 0,947 0,956 0,784
EF 0,951 0,955 0,958 0,718
AC 0,953 0,957 0,96 0,728

Lampiran 8 Cross Loadings (Discriminant Validity)

Adoption of Environment Organization Technology
Cloud Factors Factors Factors
AC1 0,961 0,842 0,829 0,851
AC2 0,856 0,806 0,744 0,829
AC3 0,972 0,890 0,871 0,908
AC4 0,949 0,888 0,871 0,883
EF1 0,728 0,821 0,664 0,761
EF2 0,868 0,902 0,742 0,766
EF3 0,862 0,887 0,752 0,851
EF4 0,797 0,904 0,755 0,745
EF5 0,835 0,918 0,762 0,771
EF6 0,765 0,877 0,675 0,702
OF1 0,706 0,672 0,844 0,686
OF2 0,670 0,645 0,793 0,693
OF3 0,844 0,768 0,926 0,792
OF4 0,779 0,727 0,875 0,779
OF5 0,731 0,598 0,810 0,679
OF6 0,741 0,671 0,842 0,663
OF7 0,635 0,642 0,808 0,649
OF8 0,767 0,714 0,833 0,690
OF9 0,858 0,796 0,889 0,818
TF1 0,863 0,791 0,806 0,868
TF2 0,708 0,649 0,696 0,826
TF3 0,675 0,685 0,582 0,779
TF4 0,776 0,708 0,665 0,817
TF5 0,894 0,806 0,799 0,901
TF6 0,790 0,772 0,714 0,874
TF7 0,780 0,756 0,704 0,864
TF8 0,881 0,809 0,816 0,902
 L21

TF9 0,718 0,647 0,697 0,831

Lampiran 9 R-Square

R Square R Square Adjusted

AC 0,927 0,925

Lampiran 10 f Square

AC TF OF EF
AC
TF 0,426
OF 0,207
EF 0,416

Lampiran 11 Q-Square (Construct Crossvalidated Redudancy)

Q² (=1-
SSO SSE
SSE/SSO)
TF 338 78,018 0,799
OF 582 582
EF 873 873
AC 873 873

Lampiran 12 Path Coefficient

AC TF OF EF
AC
TF 0,402
OF 0,245
EF 0,368

Lampiran 13 Bootstrapping
Original Sample Mean Standard T-statistics
Sample (O) (M) Deviation (|O/STDEV| )
TF -> AC 0,402 0,376 0,119 3,541
OF -> AC 0,245 0,249 0,08 3,071
EF -> AC 0,368 0,388 0,114 3,094
L22

Lampiran 14 PLS Model dengan Algorithm

 L23

Lampiran 15 PLS Model dengan Boothstraping

SURAT KETERANGAN SURVEY
Riwayat Hidup/Curriculum Vitae

PERSONAL INFORMATION
Binusian ID 2201827282
Full Name Sherena Juliani Evanty
E-Mail sherena_evanty@binus.ac.id

Address Current
Jelambar Selatan 2 no 23 RT 005/ RW 03
Jelambar Baru, Grogol Petamburan, Jakarta Barat
DKI Jakarta 11460

Permanent
Jelambar Selatan 2 no 23 RT 005/ RW 03
Jelambar Baru, Grogol Petamburan, Jakarta Barat
DKI Jakarta 11460

Phone Numbers Home : 021-56967962

Mobile : 081291646523
Gender Female
Birth Place / Date Jakarta/ 10 July 2000
Nationality Indonesia
Marital Status Single
Religion Catholic

FORMAL EDUCATION
July 2018 – Present Bina Nusantara University, Jakarta, Indonesia
Bachelor (S1), Accounting GPA : 3.78
July 2016 – Apr 2018 SMA Negeri 2 Jakarta, Jakarta Barat, Indonesia
Senior High, Not applicable GPA : N/A
 DAFTAR PUSTAKA

Abhishek, N., & Divyashree, M. (2019). Application of robotics in accounting and

auditing of business and financial information. Inspira- Journal of Modern
Management & Entrepreneurship (JMME), 9(2), 1–5.
Ahmad, A., & Setiawan, H. (2012). Cloud Computing : Solusi ICT ? Sistem
Informasi, 29(6), 1–5. https://ejournal.unsri.ac.id/index.php/jsi/article/view/736
Ahmed, H. A. S., Ali, M. H., Kadhum, L. M., Zolkipli, M. F., & Alsariera, Y. A.
(2017). A review of challenges and security risks of cloud computing. Journal
of Telecommunication, Electronic and Computer Engineering (JTEC), 9(1–2),
87–91.
Ahmed, I. (2018). Technology Organization Environment Framework in Cloud
Computing.
Al-Jabri, I. M., & Sohail, M. S. (2012). Mobile banking adoption: Application of
diffusion of innovation theory. Journal of Electronic Commerce Research,
13(4), 379–391.
Aldianto, L., Mirzanti, I. R., Sushandoyo, D., & Dewi, E. F. (2018). Pengembangan
Science dan Technopark dalam Menghadapi Era Industri 4.0: Sebuah Studi
Pustaka. Manajemen Indonesia, 18(1), 68–76.
Alsghaier, H., Akour, M., Shehabat, I., & Aldiabat, S. (2017). The importance of Big
Data Analytics in business: A Case study. American Journal of Software
Engineering and Applications, 6(4), 111–115.
Anshari, M., Alas, Y., & Guan, L. S. (2015). Pervasive knowledge, social networks,
and cloud computing: E-learning 2.0. Eurasia Journal of Mathematics, Science
and Technology Education, 11(5), 909–921.
https://doi.org/10.12973/eurasia.2015.1360a
Anshari, M., Alas, Y., & Guan, L. S. (2016). Developing online learning resources:
Big data, social networks, and cloud computing to support pervasive
knowledge. Education and Information Technologies, 21(6), 1663–1677.
https://doi.org/10.1007/s10639-015-9407-3
Anwar, A. (2020). Sistem Pakar Diagnosa Penyakit Batu Saluran Kemih Dengan
Menggunakan Metode Algoritma Rete. Jurnal INFOTEK, 5.
Ayyagari, M., Demirgüç-Kunt, A., & Maksimovic, V. (2012). Financing of firms in
developing countries: lessons from research. World Bank Policy Research

117
118

Working Paper.
Balzacq, T., & Cavelty, M. D. (2016). A theory of actor-network for cyber-security.
European Journal of International Security, 1(2), 176–198.
https://doi.org/10.1017/eis.2016.8
Batubara, N. A., & Awangga, R. M. (2020). TUTORIAL OBJECT DETECTION
PLATE NUMBER WITH CONVOLUTION NEURAL NETWORK (CNN).
Kreatif industri Nusantara.
Baygin, M., Yetis, H., Karakose, M., & Akin, E. (2016). An effect analysis of
industry 4.0 to higher education. In 2016 15th international conference on
information technology based higher education and training (ITHET). IEEE, 1–
4.
Blackwell, C. K., Lauricella, A. R., Wartella, E., Robb, M., & Schomburg, R. (2013).
Adoption and use of technology in early education: The interplay of extrinsic
barriers and teacher attitudes. Computers and Education, 69, 310–319.
https://doi.org/10.1016/j.compedu.2013.07.024
Botta, A., De Donato, W., Persico, V., & Pescapé, A. (2016). Integration of cloud
computing and internet of things: a survey. Future Generation Computer
Systems, 56, 684–700.
Boukerche, A., & De Grande, R. E. (2018). Vehicular cloud computing:
Architectures, applications, and mobility. Computer Networks, 135, 171–189.
https://doi.org/10.1016/j.comnet.2018.01.004
Chao, C. A., & Chandra, A. (2012). Impact of owner’s knowledge of information
technology (IT) on strategic alignment and IT adoption in US small firms.
Journal of Small Business and Enterprise Development.
Citra, Eri, B., Wibowo, P., Rangga, A., Fakultas, P., Jurusan, T. I., & Informatika, T.
(2010). Robotika. 1–13.
Damanpour, F. (2010). An integration of research findings of effects of firm size and
market competition on product and process innovations. British Journal of
Management, 21(4), 996–1010.
Damanpour, Fariborz, & Schneider, M. (2006). Phases of the adoption of innovation
in organizations: Effects of environment, organization and top managers. British
Journal of Management, 17(3), 215–236. https://doi.org/10.1111/j.1467-
8551.2006.00498.x
Darmawan Deni. (2020). Metode Penelitian Kuantitatif. Remaja Rosdakarya PT.
 119

Dawood, H. A. (2014). Graph theory and cyber security. Proceedings - 3rd

International Conference on Advanced Computer Science Applications and
Technologies, ACSAT 2014, 90–96. https://doi.org/10.1109/ACSAT.2014.23
Dewinta, I. A. R., & Setiawan, P. E. (2016). Pengaruh ukuran perusahaan, umur
perusahaan, profitabilitas, leverage, dan pertumbuhan penjualan terhadap tax
avoidance. E-Jurnal Akuntansi Universitas Udayana, 14(3), 1584–1613.
Dimitriu, O., & Matei, M. (2015). Cloud accounting: a new business model in a
challenging context. Procedia Economics and Finance, 32, 665–671.
Do, C. T., Tran, N. H., Hong, C., Kamhoua, C. A., Kwiat, K. A., Blasch, E., Ren, S.,
Pissinou, N., & Iyengar, S. S. (2017). Game theory for cyber security and
privacy. ACM Computing Surveys, 50(2), 30–37.
https://doi.org/10.1145/3057268
Doty, K. L., Melchiorri, C., & Bonivento, C. (2015). A Theory of Generalized
Inverses Applied to Robotics. 1–19.
Dumbill, E. (2012). Planning for big data. Sebastopol.
Elitas, C. (2015). The Risks of Cloud Computing in Accounting Field and the
Solution Offers: The Case of Turkey. March.
https://doi.org/10.20491/isader.2015115751
Fatimah, F. (2020). URGENSI INFORMASI DAN PERKEMBANGANNYA
DALAM REVOLUSI INDUSTRI 1.0 HINGGA 4.0. Jurnal Imam Bonjol:
Kajian Ilmu Informasi Dan Perpustakaan, 4(2).
Foote, K. D. (2017). A Brief History of Big Data. Dataversity.Net.
https://www.dataversity.net/brief-history-big-data/
Fornell, C., & Larcker, D. F. (1981). Structural equation models with unobservable
variables and measurement error: Algebra and statistics.
Gani, A., Nayeem, G. M., Shiraz, M., Sookhak, M., Whaiduzzaman, M., & Khan, S.
(2014). A review on interworking and mobility techniques for seamless
connectivity in mobile cloud computing. Journal of Network and Computer
Applications, 43, 84–102. https://doi.org/10.1016/j.jnca.2014.04.009
Ghani, E. K., & Muhammad, K. (2019). Industry 4.0: Employers’ Expectations of
Accounting Graduates and Its Implications on Teaching and Learning Practices.
International Journal of Education and Practice, 7(1), 19–29.
Ghozali, I. (2013). Aplikasi Analisis Multivariate dengan Program IBM SPSS 21
Update PLS Regresi. Badan Penerbit Universitas Diponegoro.
120

Hair Jr, J. F., Sarstedt, M., Hopkins, L., & Kuppelwieser, V. G. (2014). Partial least
squares structural equation modeling (PLS-SEM): An emerging tool in business
research. European Business Review.
Hakim, A. (2020). Metodologi Penelitian. Universitas Terbuka.
Javaid, J., Soroya, S., & Mahmood, K. (2020). Impact of personal and organizational
factors on knowledge sharing attitude of university teachers in Pakistan.
Electronic Library, 38(2), 317–336. https://doi.org/10.1108/EL-05-2019-0121
Joseph, & Simon. (2014). Accounting for the impact of conservation on human
well‐being.
KBBI. (2016). Kamus Besar Bahasa Indonesia.
KPMG. (2017). Meet the millennials.
https://home.kpmg/content/dam/kpmg/uk/pdf/2017/04/Meet-the-Millennials-
Secured.pdf
Kusumo, E. J. (2017). Analisis pemilihan program aplikasi cloud accounting untuk
usaha kecil dan menengah (UKM).
Lancefield, D., Vaughan, R., & Boxshall, R. (2015). When megatrends collide: How
to prepare for the inevitable interactions between global forces and stay ahead
of the competition. Strategy and Business, 78, 1–10.
Lin, W., Liang, C., Wang, J. Z., & Buyya, R. (2014). Bandwidth‐aware divisible task
scheduling for cloud computing. Software: Practice and Experience, 44(2),
163–174.
Margherita, E. G., & Braccini, A. M. (2020). IS in the cloud and organizational
benefits: an exploratory study. In Exploring Digital Ecosystems. Springer,
Cham, 417–428.
Martins, C., Oliveira, T., & Popovič, A. (2014). Understanding the Internet banking
adoption: A unified theory of acceptance and use of technology and perceived
risk application. International Journal of Information Management, 34(1), 1–
13.
Molla, A., Cooper, V., & Pittayachawan, S. (2014). The Green IT Readiness (G-
Readiness) of Organizations: An Exploratory Analysis of a Construct and
Instrument. Communications of the Association for Information Systems, 29(4).
Musyaffi, A. M., & Kayati, K. (2020). Dampak Kemudahan dan Risiko Sistem
Pembayaran QR Code: Technology Acceptance Model (TAM) Extension.
Jurnal Inspirasi Bisnis Dan Manajemen, 3(2), 161.
 121

https://doi.org/10.33603/jibm.v3i2.2635
Oh, S. Y., & Bailenson, J. (2017). Virtual and Augmented Reality. The International
Encyclopedia of Media Effects, 1–16.
https://doi.org/10.1002/9781118783764.wbieme0172
Oliveira, De A., G., de Castilhos, F., Renard, C. M. G. C., & Bureau, S. (2014).
Comparison of NIR and MIR spectroscopic methods for determination of
individual sugars, organic acids and carotenoids in passion fruit. Food Research
International, 60, 154–162.
Palocsay, S. W., & Markham, I. S. (2014). Management science in US AACSB
international-accredited core undergraduate business school curricula. Journal
of Education for Business, 89(2), 110–117.
Permana, Y. (2016). Mengenal Big Data. Codepolitan.
Prichici, C., & Ionescu, B. (2015). Cloud accounting–A new paradigm of accounting
policies. SEA-Practical Application of Science, 3, 489–496.
Priyatikanto, R., Arifyanto, M. I., Darma, R., & Hakim, M. I. (2018). Formation
History of Binary Clusters in the Large Magellanic Cloud. Proceedings of the
International Astronomical Union, 118–121.
Putro, E. C., Awangga, R. M., & Andarsyah, R. (2020). Tutorial Object Detection
People With Faster region-Based Convolutional Neural Network(Faster R-
CNN). Kreatif industri Nusantara.
Rahardja, U., Aini, Q., Graha, Y. I., & Tangkaw, M. R. (2019). Gamification
Framework Design of Management Education and Development in Industrial
Revolution 4.0. In Journal of Physics: Conference Series, 1364(1), 012035.
Rahayu, R., & Day, J. (2015). Determinant factors of e-commerce adoption by SMEs
in developing country: evidence from Indonesia. Procedia-Social and
Behavioral Sciences, 195, 142–150.
Ramaswamy, Gangwar, H., & R, H. D. (2015). Journal of Enterprise Information
Management Understanding determinants of cloud computing adoption using an
integrated TAM-TOE model. Journal of Enterprise Information Management,
28(1), 107–130.
Regar. (2003). International Federation of Accountants.
Rosyadi, K. (2018). New Social Capital Dan Revolusi Industri 4.0; Studi Terhadap
Pembangunan Masyarakat Umkm Batik Tanjung Bumi Bangkalan Madura.
Pamator Journal, 11(2), 149–153.
122

Rumetna, M. S. (2018). PEMANFAATAN CLOUD COMPUTING PADA DUNIA

BISNIS: STUDI LITERATUR. Jurnal Teknologi Informasi Dan Ilmu
Komputer, 5(3), 305. https://doi.org/10.25126/jtiik.201853595
Sari, R. P., Santoso, D. T., & Puspita, D. (2020). Analisis Kesiapan UMKM
Kabupaten Karawang Terhadap Adopsi Cloud Computing dalam Konteks
Industri 4.0. J@ti Undip: Jurnal Teknik Industri, 15(2), 63–72.
Scavarelli, A., Arya, A., & Teather, R. J. (2021). Virtual reality and augmented
reality in social learning spaces: a literature review. Virtual Reality, 25(1), 257–
277. https://doi.org/10.1007/s10055-020-00444-8
Schwab, K. (2017). The fourth industrial revolution. Currency.
Scott-Phillips, T. C. (2015). Meaning in animal and human communication. Animal
Cognition, 18(3), 801–805.
Shekhar, S., Evans, M. R., Gunturi, V., & Yang, K. S. (2012). Spatial big-data
challenges intersecting mobility and cloud computing. MobiDE 2012 -
Proceedings of the 11th ACM International Workshop on Data Engineering for
Wireless and Mobile Access - In Conjunction with ACM SIGMOD / PODS
2012, 1, 1–6. https://doi.org/10.1145/2258056.2258058
Shkurti, R., & Muça, E. (2014). An analysis of cloud computing and its role in
accounting industry in Albania. Journal of Information Systems & Operations
Management, 1.
Sirait, E. R. E. (2016). Implementasi Teknologi Big Data Di Lembaga Pemerintahan
Indonesia. Jurnal Penelitian Pos Dan Informatika, 6(2), 113–136.
Siren, A., & Knudsen, S. G. (2017). Older Adults and Emerging Digital Service
Delivery: A Mixed Methods Study on Information and Communications
Technology Use, Skills, and Attitudes. Journal of Aging and Social Policy,
29(1), 35–50. https://doi.org/10.1080/08959420.2016.1187036
Smith, E. H. (2003). Customer focus and marketing in archive service delivery:
Theory and practice. Journal of the Society of Archivists, 24(1), 35–53.
https://doi.org/10.1080/0037981032000061028
Spinelli. (2006). Gamma-ray observations of the orion molecular clouds with the
fermi large area telescope. The Astrophysical Journal, 756(1).
Stieninger, M., Nedbal, D., Wetzlinger, W., Wagner, G., & Erskine, M. A. (2014).
Impacts on the organizational adoption of cloud computing: A
reconceptualization of influencing factors. Procedia Technology, 16, 85–93.
 123

Subramaniam, N., Freudenberg, B. (2007). Preparing accounting students for success

in the professional environment: Enhancing self-efficacy through a work
integrated learning programme. Asia-Pacific Journal of Cooperative Education,
8(1), 77–92.
Sucahyowati, H. (2020). Peran Recrutmen Dalam Menghasilkan Sumber Daya
Manusia Berkualitas Pada Era Revolusi Industri 4.0. Saintara: Jurnal Ilmiah
Ilmu-Ilmu Maritim, 4(2), 46–52.
Sugiri, S., & Riyono, B. A. (2008). Akuntansi Pengantar 1 (edisi ketu). UPP STIM
YKPN.
Sugiyono. (2018). Metode Penelitian Bisnis: Pendekatan Kuantitatif, Kualitatif,
Kombinasi, dan R&D (S. Y. Suryandari (ed.); Edisi ke-3). Alfabeta.
Sugiyono. (2012a). Metode Penelitian Kuantitatif Kualitatif dan R&D. ALFABETA,
cv.
Sugiyono. (2012b). Metode penelitian pendidikan. Alfabeta.
Sugiyono. (2014). Statistika Untuk Penelitian. Alfabeta.
Sugiyono. (2016a). Metode Penelitian: Kuantitatif, Kualitatif, dan R&D.
ALFABETA, cv.
Sugiyono. (2016b). Metodologi Penelitian Kuantitatif, Kualitatif, dan R&D.
Alfabeta.
Sumarsan, T. (2013). Perpajakan Indonesia.
Supranto, J. (2012). Metode Riset, Aplikasi dan Penerapannya.
Suwardana, H. (2018). Revolusi Industri 4. 0 Berbasis Revolusi Mental. JATI UNIK:
Jurnal Ilmiah Teknik Dan Manajemen Industri, 1(2), 109–118.
Swilley, E., Hofacker, C. F., & Lamont, B. T. (2012). The evolution from e-
commerce to m-commerce: pressures, firm capabilities and competitive
advantage in strategic decision making. International Journal of E-Business
Research (IJEBR), 8(1), 1–16.
Tangi, L., Benedetti, M., Gastaldi, L., Noci, G., & Russo, C. (2021). Mandatory
provisioning of digital public services as a feasible service delivery strategy:
Evidence from Italian local governments. Government Information Quarterly,
38(1), 101543. https://doi.org/10.1016/j.giq.2020.101543
Tika, P. (2005). Metode penelitian geografi. Bumi Aksara.
Tornatzky, L. G., Fleischer, M., & Chakrabarti, A. K. (1990). Processes of
technological innovation. Lexington Books.
124

Törnqvist, E., & Forss, L. (2018). Automated accounting in accounting firms: A

qualitative study on impacts and attitudes.
Umar, H. (2011). Metode Penelitian untuk Skripsi dan Tesis Bisnis. Raja Grafindo
Persada.
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology
acceptance model: Four longitudinal field studies. Management Science, 46(2),
186–204.
Wallis, J. C., Rolando, E., & Borgman, C. L. (2013). If we share data, will anyone
use them? Data sharing and reuse in the long tail of science and technology.
PloS One, 8(7), e67332.
Wamba, S. F., & Carter, L. (2014). Social media tools adoption and use by SMEs:
An empirical study. Journal of Organizational and End User Computing
(JOEUC), 26(2), 1–17.
Wei, W. (2019). Research progress on virtual reality (VR) and augmented reality
(AR) in tourism and hospitality: A critical review of publications from 2000 to
2018. Journal of Hospitality and Tourism Technology, 10(4), 539–570.
https://doi.org/10.1108/JHTT-04-2018-0030
Wyslocka, E., & Jelonek, D. (2015). Accounting in the Cloud Computing. Turkish
Online Journal of Science & Technology, 5(4).
Xu, S. (2014). Cybersecurity dynamics. ACM International Conference Proceeding
Series, 14–15. https://doi.org/10.1145/2600176.2600190
Yıldız, Zeynep, Arslan, G., & Tor., A. (2011). Preconcentrative separation of
chromium (III) species from chromium (VI) by cloud point extraction and
determination by flame atomic absorption spectrometry. Microchimica Acta,
399–405.
Yung, R., & Khoo-Lattimore, C. (2019). New realities: a systematic literature review
on virtual reality and augmented reality in tourism research. Current Issues in
Tourism, 22(17), 2056–2081. https://doi.org/10.1080/13683500.2017.1417359