EDEN FARM
Disusun Oleh :
2021 M / 1442 H
1
SKRIPSI
EDEN FARM
Disusun Oleh :
2021 M / 1442 H
ii
HALAMAN JUDUL
EDEN FARM
Skripsi
Disusun Oleh :
2021 M / 1442 H
iii
LEMBAR PERNYATAAN
MANAPUN
11170930000022
vi
ABSTRAK
Eden Farm merupakan start-up agrotechnology yang sudah berdiri sejak 2017.
Kegiatan operasional merupakan kegiatan utama dalam berjalannya sebuah
perusahaan, oleh karena itu sejak akhir 2019 Eden Farm mulai menerapkan SIMEF
untuk membantu dan mengontrol segala kegiatan operasional. Divisi Technology
Eden Farm selalu meluncurkan fitur-fitur terbarunya sesuai kebutuhan pengguna di
setiap bulannya, hingga Juni 2021 kini SIMEF berada di versi 2.0.0, dan selama
masa development fitur baru tersebut pengguna dialihkan sementara ke sistem lain
seperti App Sheet. Hal tersebut bisa membuat pengguna beralih ke sistem lain saat
fitur baru dirilis. Selain itu dalam implementasi SIMEF yang hampir digunakan 24
jam pada kegiatan operasional Eden Farm, masih ada beberapa keluhan mengenai
ketidakpuasan pengguna seperti pada kualitas informasi dan kualitas sistem yang
dihasilkan oleh SIMEF, oleh karena itu peneliti juga menambahkan variabel
information quality dan system quality dalam membantu mengukur satisfaction
terhadap niat keberlanjutan pengguna. Melihat implementasi SIMEF yang hampir
dilakukan selama 24 jam dalam kegiatan operasional maka peneliti juga
menambahkan variabel habit dalam mengukur niat keberlanjutan pengguna. Selain
itu, pihak Eden Farm juga belum memiliki tolak ukur sejauh mana pengguna ingin
terus menggunakan SIMEF melihat terlalu seringnya perilisan fitur yang dilakukan.
Oleh karena itu, penelitian ini bertujuan untuk menganalisis faktor-faktor apa saja
yang mempengaruhi niat keberlanjutan penggunaan atau Continuance Use
Intention (CUI) SIMEF dalam kegiatan operasional Eden Farm. Salah satu model
yang dapat digunakan dalam mengukur CUI adalah dengan Expectation
Confirmation Model (ECM) dengan menambahkan variabel system quality,
information quality, dan habit. Penelitian ini mengacu pada pendekatan kuantitatif
dengan teknik sampling jenuh sebanyak 50 responden. Pendekatan SEM-PLS
dengan SmartPLS versi 3.3.3 digunakan untuk analisis data pada penelitian ini.
Berdasarkan hasil analisis outer model dan inner model, menunjukkan bahwa 5 dari
8 hipotesis dapat diterima. Faktor-faktor yang mempengaruhi continuance use
intention dalam penelitian ini adalah habit dan perceived usefulness. Hasil
penelitian ini, merekomendasikan kepada pihak Eden Farm untuk lebih
memperhatikan faktor satisfaction dalam mempertahankan pengguna dengan
melihat information quality dan system quality.
vii
KATA PENGANTAR
Assalamualaikum Wr.Wb,
Segala puji serta syukur peneliti panjatkan kehadirat Allah SWT yang telah
menyadari masih jauhnya laporan skripsi ini dari kata sempurna. Walau demikian,
peneliti berharap laporan skripsi ini dapat memenuhi persyaratan untuk dapat lulus
dan mendapatkan gelar sarjana komputer dari Program Studi Sistem Informasi
Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.
bantuan, saran, dorongan, dan bimbingan yang tidak dapat diukur dengan materi.
Oleh karena itu pada kesempatan ini, dengan kerendahan hati peneliti ingin
1. Ir. Nashrul Hakiem, M.T. Ph. D selaku Dekan Fakultas Sains dan Teknologi
3. Bapak Bayu Waspodo, M.M sebagai Dosen Pembimbing I dan Ibu Rinda
viii
pernah Lelah dan selalu sabar dalam membimbing, memotivasi, dan
Peneliti sangat beterima kasih atas ilmu, waktu, tenaga, dan arahan yang
6. Bapak Winarto dan Ibu Suliswati selaku orang tua yang selalu menyayangi,
sehingga peneliti dapat menyelesaikan skripsi ini, serta adik peneliti yaitu
liburan, dan doa agar peneliti selalu semangat dalam menyelesaikan skripsi
ini.
8. Mas Agus selaku narasumber dan para responden yang telah membantu
peneliti dalam melakukan penelitian skripsi ini. Tanpa bantuan data yang
ix
9. Keluarga besar Sistem Informasi Angkatan 2017 dan teman-teman Sistem
Informasi kelas A yang selama ini berjuang bersama dalam menuntut ilmu
10. Para senior yang telah memberikan informasi, saran, serta ilmu yang
11. Teman-teman dekat peneliti, Wahyu, Sabil, Sarah, Inggrit, Dewi, Mutia,
Azizah, Rizka, Syawal, Riftika, Feny, Inas, Uga, Audi, Vefy, Echu,
Delfhina, Dendy, Dede, Syahrizal, Ucok, Tebe, Pajri, Rafid, Salman, dan
12. Pihak – pihak lain yang tidak dapat disebutkan satu per satu yang telah
Selain terima kasih, peneliti juga ingin memohon maaf yang sebesar-
skripsi ini ada hal-hal yang kurang berkenan dari pihak peneliti. Sekali lagi, peneliti
menyadari bahwa laporan skripsi ini masih jauh dari kata sempurna. Oleh karena
itu, kritik dan saran akan sangat dibutuhkan untuk perbaikan di kemudian hari.
Wassalamualaikum Wr.Wb
x
DAFTAR ISI
HALAMAN JUDUL
LEMBAR PERNYATAAN
ABSTRAK
KATA PENGANTAR
DAFTAR GAMBAR
DAFTAR TABEL
xi
2.1 Definisi Analisis .................................................................................... 21
xii
2.8 Habit (H) ............................................................................................... 35
xiii
3.5 Populasi dan Sampel Penelitian ............................................................ 73
xiv
4.3.1 Interpretasi dan Diskusi Hasil Analisis Demografis ....................... 119
4.3.2 Interpretasi dan Diskusi Hasil Analisa Pengukuran Model ............ 123
124
xv
DAFTAR GAMBAR
Gambar 1.1 Jumlah produksi Eden Farm berdasarkan jumlah rata-rata packing
Gambar 1.3 Rata - rata frekuensi satu user dalam menggunakan SIMEF dalam
sehari ..................................................................................................................... 12
Gambar 1.4 Rata-rata user yang menggunakan SIMEF per menit ...................... 12
xvi
Gambar 4.6 Diagram Lingkaran Posisi Pekerjaan di Bandung ........................... 95
............................................................................................................................... 98
............................................................................................................................. 100
xvii
DAFTAR TABEL
Tabel 4.8 Hasil Keseluruhan Pengukuran Measurement Model (Outer Model) 109
Tabel 4.15 Hasil Keseluruhan Pengukuran Structural Model (Inner Model) .... 118
xviii
1
BAB I
PENDAHULUAN
pada 2018 adalah 3,9 miliar, lebih dari setengah populasi dunia
jumlah 196.71 juta jiwa pengguna Internet, hal ini menurut survei Asosiasi
telah mengubah peradaban dunia dengan cepat. Salah satu dampak dari
bermunculan, start-up menjadi salah satu jenis perusahaan yang turut serta
tumbuh di era digital. Start-up adalah sebuah perusahaan yang belum lama
berdiri dan beroperasi (Arya Jaya et al., 2017). Berdasarkan data (KOMINFO,
1
2019) dengan jangka waktu dua tahun ada 525 start-up yang dilahirkan dari
tahun 2016. Sedangkan riset yang dilakukan oleh (MIKTI, 2018) dijelaskan
bahwa di tahun 2018 ada 992 start-up di Indonesia dan berdasarkan lembaga
riset CHGR mencatat jumlah start-up di Indonesia pada tahun 2020 menjadi
INDEF, ekonomi digital telah menyumbang 5,5% untuk PDB Indonesia pada
Indonesia mencapai angka $40 miliar pada tahun 2019 dan diperkirakan akan
mencapai angka $130 miliar pada 2025 (S. Davis et al., 2019). Hal ini
layanan. Oleh karena itu untuk menghasilkan sebuah inovasi dari suatu layanan
atau produk maka sebuah start-up harus memiliki sebuah sistem informasi
PT. Eden Pangan Indonesia atau yang lebih dikenal dengan Eden Farm
distribusi sayur segar, buah-buahan, dry goods, ikan, daging, ayam dan telur
sejak tahun 2017. Start-up yang sudah berdiri sejak tahun 2017 ini merupakan
startup pemasok buah dan sayuran segar langsung dari para petani untuk
2
konsumen B2B (Business to Business) dan B2C (Business to Customer) di
data yang didapatkan dari data analyst Eden Farm, dijelaskan bahwa hingga
Maret 2021 Eden Farm memiliki 35.097 merchant aktif, 39.193 branch aktif,
makin banyaknya layanan yang diberikan Eden Farm dan makin banyaknya
kantor cabang serta warehouse yang tersebar di beberapa kota, maka Eden
perubahan input menjadi output yang menghasilkan nilai baik dalam bentuk
produk maupun jasa. Input yang dimaksud di Eden Farm seperti pemanfaatan
bahwa segala kegiatan operasional di Eden Farm sudah sesuai dengan strategi
yang tepat.
Eden Farm, Eden Farm memiliki aplikasi sistem informasi berbasis web yang
3
(Jogiyanto, 2005), Sistem Informasi Manajemen (SIM) diartikan sebagai
seperangkat sumber daya manusia dan sumber daya modal di suatu organisasi
yang berguna.
analyst Eden Farm yang bernama Ronald, selama ini penggunaan SIMEF
memastikan segala kegiatan operasional dan logistik (di Eden Farm lebih
penyimpanan bahan serta sumber daya yang ada. Logistik tidak hanya
status good receipt atau layak jual, barang layak jual dan tidak layak jual yang
disebut dengan kegiatan sorting, lalu ada kegiatan pengepakan produk pesanan
dari pelanggan yang disebut dengan kegiatan packing dan picking, dan terakhir
produk yang sudah di packing dan picking akan diantarkan kepada pelanggan
lewat kurir Eden Farm. Segala kegiatan warehousing tentunya tidak mudah
dilakukan jika tidak ada sebuah sistem informasi, namun dengan adanya
4
SIMEF maka segala kegiatan warehousing Eden Farm lebih efisien dan efektif,
baik. Oleh karena itu, SIMEF sangat bepengaruh besar dalam operasional Eden
Farm.
dua gudang Eden Farm di Jakarta dan gudang Eden Farm di Semarang
Business Analyst Eden Farm, kegiatan packing dan picking yang meningkat
ini dapat dilihat pada gambar 1.1 yang menjelaskan mengenai rata-rata jumlah
packing dan picking per hari pada 4 warehouse. Lalu pada sorting productivity
pada kedua gudang Eden Farm di Jakarta dan gudang di Bandung juga
5
Gambar 1.1 Jumlah produksi Eden Farm berdasarkan jumlah rata-rata
Keterangan :
rutin dilakukan setiap satu bulan terhadap fitur-fitur di dalam SIMEF dan
hingga Juni 2021 kini SIMEF sudah mencapai versi ke 2 (v2.0.0). Namun
6
beberapa kegiatan di gudang dialihkan sementara dengan manual atau melalui
google sheet hal ini tentunya dapat mengakibatkan pengguna beralih ke sistem
lain.
perilisan fitur atau layanan baru belum adanya monitoring sejauh mana niat
al., 2019), continuance use intention adalah kondisi dimana pengguna sistem
ekspektasi dan kebutuhan pengguna, maka dapat menciptakan niat untuk terus
operasional Eden Farm, jika tidak ditingkatkan maka akan sangat mudah
pengguna untuk beralih ke sistem lain. Oleh karena itu perlu dilakukan
dikatakan bahwa penerapan SIMEF yang hampir 24 jam pada Divisi Operation
itu, penelitian ini juga dapat mengetahui seberapa besar niat keberlanjutan dan
7
gudang Eden Farm di Jakarta, Bandung, dan Semarang untuk terus
pengembang SIMEF.
model utama. Menurut (Park, 2020) dijelaskan bahwa pada bidang sistem
sebagai salah satu teori penting yang dapat menjelaskan perilaku pengguna
sebuah teknologi informasi model ECM didukung oleh 3 variabel utama yaitu
2020), faktor utama dalam menentukan continuance use intention atau niat
2020) juga mengatakan bahwa variabel confirmation dari model ECM sangat
8
Pada literatur sebelumnya menurut Ha dan Park dalam (Hasanah, 2020)
use intention dari perspektif kualitas SIMEF yang selama ini diberikan, yaitu
system quality dan information quality. Hal ini dilakukan karena berdasarkan
adanya beberapa keluhan mengenai kualitas sistem dan kualitas informasi yang
dihasilkan oleh SIMEF setelah perilisan fitur baru, salah satunya yaitu
pengguna yang mendadak tidak bisa login, duplicate menu, dan loading
forever selama upload data packing order seperti pada gambar 1.2. Hal ini
terutama saat malam hari, dan business analyst Eden Farm mengkhawatirkan
9
Gambar 1.2 Keluhan ketidakpuasan mengenai kualitas SIMEF yang
10
Variabel system quality dan information quality dapat membantu
sebuah sistem (Dağhan & Akkoyunlu, 2016). Menurut (Zheng et al., 2013)
yang pada akhirnya menentukan continuance use intention. Melihat dari sisi
kali SIMEF rilis belum pernah dilakukannya pengukuran kualitas dari SIMEF
hampir 24 jam dan tentunya menjadi sebuah kebiasaan bagi para user, maka
peneliti juga menambahkan variabel habit. Hal ini didukung dengan hasil
laporan google analytics yang ada pada SIMEF di 90 hari terakhir yang
terhitung sejak 28 Agustus 2021, mengenai rata-rata frekuensi satu user dalam
gambar 1.3. Selain itu, hasil laporan google analytics juga menjelaskan bahwa
11
rata-rata user yang menggunakan SIMEF per menit ada sekitar 28 user seperti
pada gambar 1.4 Serta mengenai frekuensi user activity pada penggunaan
Gambar 1.3 Rata - rata frekuensi satu user dalam menggunakan SIMEF
dalam sehari
12
Gambar 1.5 Frekuensi user activity
bahwa habit memiliki hubungan positif dengan continuance use intention. Hal
keberlanjutan penggunaan sebuah sistem akan terus meningkat (S. Kim &
Malhotra, 2005). Jika penggunaan SIMEF hampir 24 jam maka hal tersebut
dapat memperkuat nilai dari niat keberlanjutan karyawan gudang Eden Farm
13
penggunaan SIMEF dalam kegiatan operasional Eden Farm. Maka judul yang
sistem lain.
sistem.
14
1.3 Rumusan Masalah
berikut :
Farm.
masalah.
15
data kepada pengguna SIMEF di warehouse Eden Farm Jakarta,
16
1.6 Manfaat Penelitian
Penelitian ini memiliki manfaat yang terbagi menjadi dua yaitu manfaat
1. Manfaat teoritis
2. Manfaat praktis
a. Bagi perusahaan
b. Bagi kampus
penelitian.
c. Bagi penulis
d. Bagi pembaca
17
Penelitian ini dapat memberikan informasi tentang kepuasan
dalam start-up.
usefulness. Menurut Ha dan Park dalam (Hasanah, 2020), salah satu penentu
penelitian sebelumnya yang dilakukan (Roca et al., 2006). Selain itu, karena
18
1.8 Sistematika Penelitian
BAB I PENDAHULUAN
BAB V PENUTUP
19
20
BAB II
LANDASAN TEORI
komponen menjadi komponen yang lebih kecil, sehingga dapat menjadi tanda
utama dari suatu perusahaan. Kegiatan ini dihitung berdasarkan hasil penjualan
suatu barang atau jasa setelah dikurangi dengan harga pokok produksi, harga
21
atau fokus dari suatu perusahaan untuk menghasilkan sebuah profit atau
tenaga kerja, barang, atau faktor produksi lainnya yang dapat menghasilkan
pengendalian langsung pada semua kegiatan yang berkaitan dengan barang dan
jasa.
yang baik.
operasional :
22
1. Fungsi Perencanaan
telah ada, selain itu pada fase ini sebuah pedoman kerja juga
2. Fungsi Pengorganisasian
3. Fungsi Penggerakan
4. Fungsi Pengendalian
tujuan mereka.
23
2.2.4 Tujuan Manajemen Operasional
operasional :
yang sedang berada dalam tahap’ pengembangan untuk membuat produk atau
layanan, fokus dari start-up biasanya pada teknologi tinggi, manufaktur, serta
strategi pemasaran produk atau layanan. Start-up adalah perusahaan baru yang
Wahyuhastuti, 2017).
adalah perusahaan baru atau perusahaan rintisan yang sedang dalam tahap
24
pengembangan agar dapat berkembang pesat, biasanya start-up berbasis pada
bidang teknologi.
new born atau bayi yang baru dilahirkan. Perusahaan tersebut telah
4. Semangat “Muda”
25
berusia di bawah 35 tahun atau bahkan di atas 35 tahun, tetapi
uang dalam jumlah besar, dan pembiayaan dengan dana sendiri yang
dari berbagai sektor didanai oleh investor dalam dan luar negeri. Pada awal
untuk menjadikan Indonesia sebagai The Energy of Asia, dalam mencapai misi
26
Gerakan Nasional 1000 Start-up Digital di bawah koordinasi Kementrian
sebagai negara dengan jumlah start-up terbanyak di dunia. Dari data tersebut
Indonesia kalah dari negara Amerika Serikat dengan jumlah 98.990 start-up,
India dengan jumlah 10.074 start-up, Inggris dengan jumlah 5.653 start-up,
kumpulan beberapa komponen yang saling terintegrasi dan saling bekerja sama
sistem adalah beberapa elemen yang diintegrasikan guna mencapai tujuan yang
diharapkan.
diolah dalam format yang lebih baik, bermakna, dan berguna bagi
27
penerimanya. Informasi yang berguna dan tepat didapatkan dari sebuah Data.
Siklus Informasi seperti yang terlihat pada gambar 2.2 dimulai dengan
data yang berupa bahan mentah, meskipun tidak diproses dan data tidak
(Kristanto, 2008).
berhubungan menjadi sebuah sistem yang utuh dan saling bekerja sama dalam
mencapai sebuah tujuan. Tujuan yang dimaksud ialah mampu mengolah data
28
menjadi sesuatu yang penting serta menghasilkan informasi yang berguna
berguna.
2003) Sistem Informasi Manajemen (SIM) memiliki empat fungsi utama, yaitu
(SIM) dalam (Winarno, 2006) adalah kumpulan dari seluruh sumber daya
seperti sumber daya manusia dan modal yang memiliki tanggung jawab dalam
29
Berdasarkan beberapa teori yang dikaji, maka dapat disimpulkan bahwa
sistem (Park, 2020). ECM sendiri merupakan model kognitif yang menjelaskan
2001).
Hal ini berarti ekspektasi pengguna terhadap teknologi atau layanan informasi
30
Oleh karena itu dalam ECM, harapan (confirmation) direpresentasikan oleh
untuk mengetahui nilai ekspektasi, hal ini karena niat keberlanjutan pengguna
Pada ECM tidak hanya ada indikator perceived usefulness saja, namun terdapat
31
2001) dijelaskan bahwa penerapan perceived usefulness dapat dilakukan dalam
2.5.2 Confirmation
2000).
32
Penilaian ini dapat berupa respon positif atau kepuasan, ketidakpedulian,
bahkan respon negative atau ketidakpuasan (Hsu & Lin, 2015). Definisi
niat keberlanjutan (F. D. Davis et al., 1992; Lee, 2010; Wang et al., 2011; Weng
bahwa Continuance Use Intention (CUI) adalah sejauh niat pengguna dalam
didefinisikan juga sebagai proses dalam mempertahankan bisnis dan niat untuk
terus menggunakan produk atau jasa yang dihasilkan dari organisasi itu sendiri
2020) ada 3 hal yang menjadi pengukur minat dalam mengukur continuance
use intentioin :
33
2. Pengguna selalu ingin mencoba menggunakan sebuah layanan
System Success (ISS) (Ashfaq et al., 2020). Menurut (Setia et al., 2013 )
dan mata uang informasi yang dihasilkan oleh teknologi digital. Akses ke
informasi yang memadai, tepat, akurat, terkini , dan andal memainkan peran
yang menentukan dalam kepuasan pengguna (Teo et al., 2008). Hal ini sejalan
dengan pendapat (Delone & McLean, 1992), yang menjelaskan bahwa, relevan
mengukur sebuah kualitas informasi yang baik. Barnes dan Vigden (2003)
kualitas yang baik artinya mampu menyajikan informasi yang tidak terbatas
bagi dalam organisasi maupun luar organisasi. Pada model ISS asli (Ashfaq et
al., 2020) dan pada (Subiyakto et al., 2015), ditunjukkan bahwa kualitas
teknis (Delone & McLean, 2003). Kualitas sistem juga didefinisikan sebagai
34
proses mengukur sebuah sistem informasi dengan berfokus pada hasil interaksi
(K.-H. Kim et al., 2019; M. Kim et al., 2015; S. S. Kim et al., 2005)
sebagai dua komponen utama dari kualitas sistem yang dirasakan. Dalam
dalam (Ashfaq et al., 2020) jika sistem lambat dan pengguna mengalami
Hal ini sejalan dengan pendapat (Delone & McLean, 2003) yang menjelaskan
dari tindakan yang menjadi respon otomatis untuk situasi tertentu yang
melakukan tindakan tersebut secara berulang dan puas dengan hasil yang
35
Cheung, 2011) habit didefinisikan sebagai tingkat kecenderungan seseorang
(Gefen, 2003; Liao et al., 2006; Limayem & Cheung, 2011). Menurut
sistem informasi.
digunakan dalam penelitian ini yaitu observasi, wawancara, studi pustaka, dan
kuesioner.
1. Observasi
36
sebagai metode pengumpulan data dengan melihat secara langsung
2. Wawancara
3. Studi Pustaka
4. Kuesioner
37
untuk dijawab (Sugiyono, 2015). Kuesioner memiliki beberapa
yaitu :
responden sekaligus.
Data adalah bahasa atau simbol alternatif yang diterima secara umum
2012) data dapat dibedakan menjadi 2 tipe yaitu data berbasis jenis dan data
berbasis sumber. Penjelasan dari setiap tipe data akan dijelaskan sebagai
berikut :
38
1. Jenis data berdasarkan tipe jenisnya, yaitu .
a. Data kualitatif
bermakna, gambar, atau kata. Karakteristik dari tipe data ini yaitu
pekerjaan.
skala likert.
b. Data kuantitatif
39
- Data interval, jenis data ini merupakan kategorikal dengan
a. Data primer
b. Data sekunder
40
sekunder belum dipastikan dapat memenuhi kebutuhan
penelitian.
2.11.1 Populasi
2.11.2 Sampel
sebagian atau wakil dari populasi yang dijadikan sebagar sumber penelitian
disebut dengan sampel. Populasi yang baik dapat digambarkan melalui sampel
jenis teknik sampling secara umum yaitu probability sampling dan non
41
1. Probability Sampling
c. Cluster Sampling
sampling.
42
d. Double Sample
sampling).
a. Convenience Sampling
dari populasi yang ditemui peneliti, dan sampel yang telah terpilih
b. Purposive Sampling
peneliti.
c. Quota Sampling
43
pencarian tidak dianggap selesai sebelum kuota untuk setiap
kelompok tercapai.
d. Snowball Sampling
e. Sampling Jenuh
sensus. Kelebihan dari metode ini yaitu hasil yang akan dihasilkan
44
1. Menilai sejauh mana keberhasilan strategi yang telah
diimplementasikan.
kepada stakeholder.
Dengan skala likert, indikator dalam variabel dapat membuat lebih rinci
digunakan sebagai titik tolak ukur dalam merumuskan sebuah pertanyaan yang
karena dapat memberikan nilai dan mempengaruhi hasil dari sebuah penelitian
(Muchlisin, 2020). Variabel yang ada dalam sebuah penelitian harus ditetapkan
45
oleh peneliti itu sendiri sehingga diperoleh hasil dan kesimpulan sesuai dengan
1. Variabel Terikat
Jenis variabel ini dapat dikatakan sebagai variabel output yang juga
2. Variabel Bebas
46
3. Variabel Moderator
4. Variabel Kontrol
5. Variabel Antara
tahapan dasar pada SEM. SEM mampu mengukur variabel laten dengan
47
memperkirakan indeks atau parameter daripada diukur secara langsung. Hal ini
yang terdapat dalam sebuah persamaan lalu diuji menggunakan solusi berbasis
kovarians. Hipotesis tersebut dapat diuji dalam studi eskperimental dan harus
(Jogiyanto, 2011).
Maka dari itu, salah satu metode analisis multivariat yang digunakan
peneliti dalam menganalisis hubungan antar variabel dan jauh lebih kompleks
untuk memecahkan regresi berganda ketika ada masalah khusus dengan data,
seperti ukuran sampel yang kecil, data yang hilang, atau multikolinearitas. Di
yang dapat membantu dalam menyelesaikan teknik SEM dengan PLS, yaitu
48
LVPLS atau latent variable partial least square, SmartPLS, XLSTAT, dan
distribusi data, dan jumlah sampel tertentu disebut dengan PLS. Dalam hal ini,
jika jumlah sampel dibawah 100 maka jumlah sampel tersebut dapat dikatakan
kecil.
melakukan uji model pengukuran dan uji model struktural dengan analisis
validitas dan reliabilitas dari suatu model yang digunakan maka peneliti dapat
model prediktif maka peneliti dapat melakukan analisis structural model atau
antara PLS SEM seperti LISREL atau AMOS, berbasis varian dengan berbasis
Model evaluasi di dalam PLS dibagi menjadi dua. Pertama adalah outer
model atau pengukuran model, dan yang kedua pengukuran terhadap structural
49
1. Evaluasi Pengukuran Model (Outer Model)
dalamnya.
Tahap pertama dalam outer model yaitu dengan melihat nilai dari
(konstrak).
Nilai Keterangan
0,4-0,5 Pada nilai ini indikator pada penelitian dapat
dipertimbangkan jika nilai composite reliability
indikator tersebut berada pada batas aman, namun
indikator tersebut juga dapat dihapus agar
50
meningkatkan nilai composite reliability (Hair et
al., 2012).
0,5-0,6 Pada nilai ini maka indikator tersebut dapat
dikatakan cukup (Ghozali, 2014).
> 0,7 Pada nilai ini maka indikator tersebut dapat
dikatakan ideal, artinya bahwa indikator tersebut
valid sebagai indikator dalam mengukur sebuah
variabel (konstrak) (Ghozali, 2014).
2.2.
Nilai Keterangan
≥ 0,5 Pada nilai ini cronbach’s alpha suatu indikator
dapat dikatakan baik dan diterima, Triton pada
(Iskandar, 2020)
0,6 - 0,7 Pada nilai ini cronbach’s alpha suatu indikator
dapat dikatakan baik dan diterima (Yamin &
Kurniawan, 2011)
51
> 0,7 Pada nilai ini cronbach’s alpha suatu indikator
dapat dikatakan baik dan diterima (Yamin &
Kurniawan, 2011)
> 0,8 dan > 0,9 Pada nilai ini cronbach’s alpha suatu indikator
dapat dikatakan sangat memuaskan (Yamin &
Kurniawan, 2011)
52
dari hasil kriteria Fornell-Lasker’s atau nilai cross loading. Cross
suatu variabel yang harus lebih tinggi dari korelasi antar variabel
latennya.
53
Jika nilai R² sekitar 0.67 maka dapat dikatakan bahwa variabel
tersebut kuat, jika nilai R² sekitar 0.33 maka dapat dikatakan bahwa
variabel tersebut moderat, dan jika nilai R² dibawah 0.19 maka dapat
dapat melihat nilai t-test dari setiap hipotesis yang sudah dirancang.
memiliki nilai effect size sekitar 0.02, lalu variabel dapat dikatakan
#! %&'()*+ − #! +-'()*+
!! = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (1)
. − #! %&'()*+
54
Keterangan :
dimasukkan ke model.
kecil jika memiliki nilai effect size sekitar 0.02, lalu variabel dapat
size sebesar 0.15, dan variabel dapat dikatakan berpengaruh besar jika
55
memiliki nilai effect size sebesar 0.35. Perhitungan q² didapatkan dari
rumus berikut :
4! %&'()*+ − 4! +-'()*+
3! = . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (5)
. − 4! %&'()*+
Keterangan :
dimasukkan ke model.
SEM adalah salah satu metode yang digunakan dalam mengelola SEM.
2.16 Smart-PLS
Bernd Lohmoller dalam bentuk Latent Variable Partial Least Square (LVLPS)
dalam ((Ghozali & Hengky, 2015). Perangkat lunak ini awalnya dibuat sebagai
tujuan yang sama seperti perangkat lunak lain seperti Lisrel dan Amos dalam
manifest.
56
Smart-PLS dapat membantu untuk mengolah data ketika jumlah sampel
terbilang sangat kompleks. Tentunya hal tersbeut menjadi kelebihan dari Smart-
mengolah data menggunakan model SEM reflektif dan terformat. Model SEM
dan panah komposisi variabel diambil dari variabel indikator. SEM bersifat
57
2.17 Studi Literatur
1 User Acceptance of Smart Wearable Penelitian ini bertujuan untuk 1. Service Quality Hasil yang diperoleh dari
devices : An Expectation Confirmation mengeksplorasi persepsi 2. System Quality penelitian ini yaitu
Model Approach (Park, 2020) pengguna tentang perangkat 3. Confirmation berdasarkan analisis faktor
smart wearable dengan 4. Perceived Ease of Use konfirmatori dan metode
Telematics and Informatics menggunakan faktor-faktor yang 5. Perceived Usefulness pemodelan persamaan
ada dengan menggunakan 6. Perceived Enjoyment struktural menunjukan
Expectation Confirmation 7. Satisfaction bahwa niat pengguna
Theory, Technology Acceptance 8. Perceived Cost untuk menggunakan
Model, dan User Acceptance of 9. Continuance Intention perangkat yang dapat
Hedonic Information System. to Use dikenakan ditentukan oleh
10. Flow State 5 faktor yaitu, satisfaction,
enjoyment, usefulness,
flow state, and cost.
58
2 Predicting The Continued Use of Penelitian ini bertujuan untuk 1. Perceived Usefulness Hasil penelitian ini
Internet-based Learning Technologies: membuktikan fakta bahwa 2. Confirmation menjelaskan bahwa 20%
The Role of Habit (Limayem & Cheung, perilaku yang sering dilakukan 3. Satisfaction varian dalam penggunaan
2011) pengguna cenderung berubah dari 4. IS Continuance kontinuitas sistem
waktu ke waktu dan habit Intention informasi dan 50% varian
Behaviour & Information Technology dianggap sebagai variabel yang 5. IS Continued Usage dalam intensi kontinuitas
menentukan penggunaan 6. Habit sistem informasi. Habit
keberlanjutan siswa atas merupakan variabel yang
teknologi e-learning. Penelitian secara signifikan
ini menggunakan model mempengaruhi
Expectation Confirmation Model keberlanjutan penggunaan
dengan menambahkan variabel sistem informasi.
Habit.
3 I, Chatbot : Modeling The Determinants Chatbots merupakan agen 1. Information Quality Hasil dari penelitian ini
of User’s Satisfaction and Continuance percakapan berbasis teks yang 2. Service Quality mengungkapkan bahwa
membantu pengguna. Penelitian 3. Perceived Enjotment information quality dan
59
Intention of AI-Powered Service Agents ini memiliki tujuan untuk 4. Perceived Usefulness service quality
(Ashfaq et al., 2020) menyelidiki faktor pendorong 5. Perceived Ease of Use berpengaruh positif
kepuasan pengguna dan niat 6. Satisfaction terhadap satisfaction dan
Telematics and Informatics keberlanjutan terhadap layanan 7. Continuance Use perceived enjoyment,
pelanggan berbasis chatbot. Intention perceived usefulness, dan
Penelitian ini menggabungkan perceived ease of use
Expectation Confirmation Model adalah predictor signifikan
(ECM), Technology Acceptance dari continuance use
Model, dan Information System intention. Pada penelitian
Success Model. ini juga mengungkapkan
bahwa satisfaction
merupakan variabel yang
kuat terhadap continuance
use intention.
4 Factors Influencing Continuance Social Network Sites (SNS) telah 1. Confirmation Penelitian ini
Intention to Use Social Network Sites : menjadi salah satu sarana 2. Perceived Usefulness menghasilkan bahwa
The Facebook Case (Mouakket, 2015) interaksi sosial online yang paling 3. Satisfaction perceived usefulness,
populer. Penelitian bertujuan 4. Continuance Use satisfaction, habit,
Computers in Human Behavior untuk menentukan niat Intention enjoyment, dan subjective
60
keberlanjutan penggunaan 5. Habit norms menjelaskan 54,8%
terhadap Facebook, SNS popular 6. Enjoyment dari variabel dalam
di kalangan mahasiswa di United 7. Subjective Norms continuance use intention.
Arab Emirates. Penelitian ini Penelitian ini
menggunakan Expectation menunjukkan bahwa
Confirmation Model (ECM) pengaruh satisfaction pada
dengan menambahkan variabel continuance use intention.
Habit, Enjoyment, dan Subjective
Norms.
5 Modeling The Continuance Usage Penelitian bertujuan dalam 1. Information Quality Penelitian ini
Intention of Online Learning menentukan niat keberlanjutan 2. System Quality menunjukkan bahwa
Environments (Dağhan & Akkoyunlu, penggunaan terhadap lingkungan 3. Service Quality confirmation dalam
2016) pembelajaran online dan juga 4. Confirmation penelitian ini dapat
mengusulkan dan menguji model 5. Satisfaction dijelaskan melalui variabel
Computers in Human Behavior yang terintegrasi untuk lebih 6. Utilitarian Value Information Quality,
memahami penentu niat 7. Outcome System Quality, Service
keberlanjutan siswa dalam Expectations Quality. 63% varian
menggunakan e-learning. 8. Perceived Value variabel satisfaction
Penelitian ini menggunakan 9. Perceived Usability dijelaskan oleh
61
Information System Success 10. Continuance Intention Information Quality,
Model dan Expectation System Quality, Service
Confirmation Model. Quality, Confirmation,
Utilitarian Value,
Outcame Expectations,
dan Continuance
Intention. Hasil penelitian
ini mengkonfirmasi bahwa
adanya hubungan dari
model keberhasilan sistem
informasi dengan model
ECM .
6 The Impacts of Information Quality and Penelitian ini bertujuan untuk 1. Information Quality Penelitian ini menemukan
System Quality on User’s Continuance mengintegrasikan model pasca 2. System Quality bahwa information quality
Intention in Information-Exchange adopsi sistem informasi dengan 3. Perceived Individual dan system quality secara
Virtual Communities : An Empirical model kesuksesan sistem Benefits langsung mempengaruhi
Investigation (Zheng et al., 2013) informasi dalam menentukan niat 4. User Satisfaction perceived individual
keberlanjutan penggunaan 5. Continuance Intention benefits dan user
Decision Support Systems to Consume satisfaction yang pada
62
komunitas virtual pertukaran 6. Continuance Intention akhirnya menentukan niat
informasi dari perspektif kualitas. to Provide keberlanjutan pengguna.
Penelitian ini juga
menunjukkan bahwa
kualitas merupakan
masalah utama dalam
komunitas pertukaran
informasi.
7 Expectation Confirmation Model of Penelitian ini bertujuan untuk 1. Perceived Usefulness Penelitian ini memprediksi
Information System Continuance : A menguji 7 pasang hubungan dari 2. Confirmation bahwa adanya efek yang
Meta-Analysis (Lai et al., 2016) ECM asli dengan variabel habit 3. Satisfaction tinggi terhadap 7
dalam menentukan niat 4. Continuance Intention hubungan dalam ECM.
International Journal of Educational and keberlanjutan dengan meta- 5. Habit Hasil dari penelitian ini
Pedagogical Sciences analysis. Sebuah meta-analysis 6. Continuance juga menunjukkan bahwa
digunakan untuk menangani Behavior habit berpengaruh positif
perkembangan penelitian ECM terhadap niat
selama 10 tahun terakhir dari keberlanjutan dengan nilai
berbagai jurnal dan makalah p lebih kecil sama dengan
0,05 dan 6 pasangan
63
konferensi yang diterbitkan pada hubungan lainnya
tahun 2005-2014. signifikan pada nilai
p<0,10. Pada penelitian
ini, peneliti
menyempurnakan model
penelitian asli dan model
alternatif yang diusulkan
untuk memahami dan
memprediksi
keberlanjutan sistem
informasi.
8 Investigating Use Continuance of Data Penelitian ini bertujuan untuk 1. Task Modeling Penelitian ini
Mining Tools (Huang et al., 2013) menentukan niat keberlanjutan 2. Task Funcionality menghasilkan bahwa TTF
penggunaan sistem informasi 3. Confirmation menunjukkan efek
International Journal of Information dengan model Task-Technology 4. Task-Technology Fit langsung pada 2 faktor dari
Management Fit (TTF), Expectation 5. Confirmation masalah penggunaan
Confirmation Model (ECM), dan 6. Satisfaction teknologi, user
habit dalam penggunaan data 7. Perceived Usefulness satisfaction, dan perceived
mining tools. usefulness. Sedangkan
64
8. Frequency of Prior user satisfaction dan
Use perceived usefulness, serta
9. Habit habit merupakan kunci
10. Continuance Use variabel dalam
Intention menentukan continuance
use intention.
9 An Integrated Adoption Model of Mobile Penelitian ini bertujuan untuk 1. Perceived Usefulness Hasil penelitian ini
Cloud Services: Exploration of Key mengidentifikasi dan menyelidiki 2. Perceived Mobility menunjukkan bahwa
Determinants and Extension of faktor yang mempengaruhi dalam 3. Perceived perceived usefulness
Technology Acceptance Model (Park & membentuk persepsi dan sikap Connectedness memiliki pengaruh yang
Kim, 2014) pengguna terhadap mobile cloud 4. Perceived Security signifikan terhadap
services dengan model 5. Service and System continuance intention,
Telematics and Informatics penerimaan teknologi. Quality sedangkan attitude dan
6. Attitude satisfaction memiliki
7. Satisfaction pengaruh yang besar
8. Continuance Intention terhadap niat
keberlanjutan penggunaan
mobile cloud services.
65
10 An Expectation-Confirmation Model of Penelitian bertujuan untuk 1. Service Quality Hasil penelitian
Continuance Intention to Use Mobile menyelidiki dampak dari 2. Confirmation menunjukkan bahwa
Instant Messaging (MIM) (Oghuma et kegunaan yang dirasakan, 3. Usefulness service quality dan
al., 2016) keamanan yang dirasakan, 4. Enjoyment perceived usability
kualitas layanan yang dirasakan, 5. User Interface berpengaruh signifikan
Telematics and Informatics dan konfirmasi pada niat 6. Perceived usability terhadap kepuasan
keberlanjutan penggunaan MIM. 7. Perceived Security pengguna dan niat
8. Satisfaction berkelanjutan untuk
9. Continuance Intention menggunaka MIM.
Kualitas layanan yang
dirasakan juga
mempengaruhi
konfirmasi, yang pada
akhirnya mempengaruhi
persepsi kegunaan.
perceived security tidak
signifikan pada kepuasan
pengguna,
66
67
BAB III
METODOLOGI PENELITIAN
nantinya dapat memberikan rekomendasi kepada tim tech start-up Eden Farm
pengumpulan data dan yang kedua yaitu metode analisis data. Peneliti
whatsapp. Selain itu jika seluruh kuesioner telah terkumpul maka peneliti
Excel 2020 dan selanjutnya peneliti melakukan 2 analisis yaitu outer dan inner
68
3.2 Tempat dan Waktu Penelitian
kantor pusat Eden Farm yang berlokasi di Lippo St. Moritz Office Tower 9th
F1. Unit 9002, Jalan Puri Indah Raya, RT03/02, Kelurahan Kembangan
Jakarta, 11610, gudang Jakarta 1 yang berlokasi di Jalan KH. Ahmad Dahlan
No.1, RT.06/06, Petir, Kec. Cipondoh, Kota Tangerang, Banten 15147, dan
Ciracas, Kec. Ciracas, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta
kepada pengguna SIMEF di dua gudang area Jakarta dan wawancara terhadap
kuesioner saja melalui google form yang akan di share melalui whatsapp.
Platform yang sudah berdiri sejak tahun 2017 ini merupakan startup pemasok
buah dan sayuran dari para petani langsung untuk konsumen B2B (Business to
Business) di seluruh Jakarta. Namun di awal tahun 2021, Eden Farm sudah
69
melayani konsumen B2C (Business to Customer). Start-up yang didirikan oleh
David Gunawan ini juga telah mendapatkan partisipasi pendanaan dalam tahap
Sejak tahun 2017, Eden Farm telah mendukung petani lokal dan
membawa hasil bumi segar terbaik mereka ke berbagai restoran dan warung
paling cepat, kini Eden Farm tidak hanya menyediakan sayuran yang berasal
dari kebun petani tradisional dan hidroponik, mereka juga melayani pemesanan
makanan kering dan bumbu dapur selain itu Eden Farm juga mampu melayani
pembelian daging dan ayam kepada pelanggannya. Selain jaminan kualitas dan
harga yang dinilai lebih stabil, Eden Farm turut sajikan jasa pengantaran yang
dilakukan oleh kurir Eden Farm langsung. Kini Eden Farm juga mampu
Surabaya.
70
3.3.3 Visi dan Misi Eden Farm
Indonesia.
Pengguna dalam sistem ini adalah seluruh karyawan pada divisi Sales and
71
email karyawan Eden Farm dan password dengan benar. Akses kedalam sistem
Gambar 3.3 diatas merupakan halaman yang bisa diakses oleh Divisi
Operatiol maka menu yang digunakan oleh karyawan Divisi Operation adalah
mengenai stock dari setiap product di gudang maka pengguna dari Divisi
utama dari operasional Eden Farm dapat diakses pada menu warehouse, jika
menu report. Menu yang muncul pada halaman beranda SIMEF tergantung
72
3.5 Populasi dan Sampel Penelitian
penelitian ini adalah seluruh karyawan Divisi Operation yang terdaftar sebagai
pengguna SIMEF per Juni 2021 yaitu berjumlah 50 orang, jumlah tersebut
sesuai dengan data yang didapatkan dari business analyst, manager warehouse
Semarang.
pada tabel 3.1. Kelebihan dari teknik ini yaitu hasil dari pengujiannya lebih
Manager Gudang 1 0 1 1
Asistem Manager 1 1 1 0
Gudang
Supervisor Gudang 2 1 0 2
Team Leader 3 4 1 0
Gudang
73
Admin Gudang 8 7 3 5
Staff Gudang 1 1 1 0
Jumlah Pengguna 16 14 7 8
Jabatan Jumlah
Hub Bogor 1
Hub Cikupa 1
Hub Cikarang 1
Operation Analyst 1
Jumlah Pengguna 5
3.6.1 Observasi
kepada pihak yang terlibat dalam objek penelitian seperti Divisi Human
mengumpulkan data dan informasi. Hasil dari observasi yang telah dilakukan
yaitu :
74
2. Mendapatkan informasi mengenai Sistem Informasi Manajemen
sebelumnya.
Divisi Operation.
teori pendukung dalam penelitian ini dengan merangkum hasil dan metode
cara membaca dan meneliti buku, artikel, jurnal, dan skripsi sesuai dengan
3.6.3 Survei
Eden Farm yang bekerja di gudang area Jakarta 1 dan Jakarta 2 dan di head
75
pengisian kuesioner serta sosial media seperti whatsapp untuk karyawan
karyawan Divisi Operation Eden Farm yang bekerja di gudang area Bandung
dengan perangkat pengolah angka Ms. Excel 2019 agar dapat dikonversi
menjadi file .CSV. Data yang sudah dikonversi menjadi .CSV akan digunakan
3.3.3.
Intention (CUI).
76
Gambar 3.4 Expectation Confirmation Model (Bhattacherjee, 2001)
mengadopsi sebuah sistem. Menurut Ha dan Park dalam (Hasanah, 2020) juga
dijelaskan bahwa salah satu variabel kuat yang menentukan niat keberlanjutan
77
dilakukan (Mouakket, 2015). Untuk mengetahui hubungan Habit (H)
Oleh karena itu, model penelitian yang digunakan dalam penelitian ini
seperti pada gambar 3.5. Variabel dependen dalam penelitian ini adalah
dibuat dalam bentuk kuesioner, kuesioner dalam penelitian ini terbagi menjadi
dua bagian. Bagian pertama yang berisikan surat pengantar dari peneliti
digunakan dalam model penelitian. Pada tabel 3.3 akan dijelaskan mengenai
78
indikator dari tiap variabel yang digunakan dalam penelitian ini dan dilengkapi
79
SQ1 Mudah Saya merasa (Teo et al.,
dipelajari SIMEF mudah
2008)
untuk dipelajari
SQ2 Navigasi Saya merasa
navigasi SIMEF
baik sehingga
(Zheng et
mudah untuk
System kembali atau al., 2013)
Quality (SQ) menuju menu
yang diinginkan
SQ3 Sistem yang Saya merasa
cepat SIMEF memiliki
kecepatan waktu
loading yang
cepat (Jahanmir
SQ4 Dapat Saya merasa
et al., 2020)
diandalkan SIMEF yang saya
gunakan dapat
sangat
diandalkan
C1 Layanan Tingkat layanan
yang diberikan
SIMEF lebih baik
dari yang saya
harapkan (Dağhan &
Confirmation C2 Pengalaman Sistem
Akkoyunlu,
(C) memberikan
2016)
pengalaman yang
lebih dari yang
diharapkan
80
C3 Ekspektasi Secara
keseluruhan keseluruhan,
terpenuhi dari
menggunakan
SIMEF
S1 Pengalaman SIMEF
yang memberikan
memuaskan pengalaman yang
(Dağhan &
sangat
Satisfaction memuaskan Akkoyunlu,
(S) S2 Pengalaman SIMEF
2016)
yang memberikan
menyenangkan pengalaman yang
sangat
menyenangkan
S3 Kepuasan Secara (Park &
keseluruhan keseluruhan, saya
Kim, 2014)
puas dengan
SIMEF
PU1 Manfaat dalam Saya merasa (Oghuma et
sehari-hari SIMEF berguna
al., 2016)
dalam pekerjaan
saya sehari-hari
Perceived PU2 Produktivitas Saya merasa (Park &
Usefulness dengan
Kim, 2014)
(PU) menggunakan
SIMEF dapat
meningkatkan
produktivitas
81
PU3 Meningkatkan Saya dapat
kinerja meningkatkan
kinerja saya
dengan
menggunakan
SIMEF
H1 Kebiasaan Saya terbiasa
menggunakan
SIMEF
(Mouakket,
Habit (H) H2 Rutinitas Menggunakan
SIMEF sudah 2015)
menjadi rutinitas
saya
H3 Hal yang wajar Menggunakan
SIMEF
merupakan hal
yang wajar bagi
saya
CUI1 Berniat untuk Saya berniat
terus untuk terus
menggunakan menggunakan
daripada SIMEF dari pada
berhenti berhenti
Continuance menggunakannya
(Mouakket,
Use Intention CUI2 Berniat untuk Saya berniat
2015)
(CUI) terus untuk terus
menggunakan menggunakan
sistem SIMEF dari pada
dibanding sistem lain
sistem lain
82
CUI3 Berniat Saya berniat
menggunakan untuk terus
di masa meningkatkan
mendatang penggunaan
SIMEF di masa
mendatang
Namun, berdasarkan hasil pilot study yang telah dilakukan oleh peneliti
ada beberapa modifikasi pertanyaan pada kuesioner real yang dapat dilihat
pada tabel 3.2. Penjelasan lebih lengkap mengenai hasil pilot study yang telah
83
SQ4 / Dapat Saya merasa SIMEF dapat
diandalkan SIMEF yang diandalkan. [Contoh
saya gunakan ketika membutuhkan
dapat sangat data di saat waktu
diandalkan operasional
berlangsung]
C1 / Layanan Tingkat Tingkat layanan yang
layanan yang diberikan SIMEF lebih
Confirmation(C) diberikan baik dari yang saya
SIMEF lebih harapkan. [Contoh
baik dari yang ketika rilis sebuah fitur
saya harapkan baru yang dibutuhkan]
IQ1 / Tepat Dengan adanya Jika saya sedang
waktu SIMEF saya membutuhkan
Information merasakan informasi di jam
Quality (IQ) informasi yang tertentu, SIMEF selalu
saya butuhkan menyediakan
tepat waktu informasi yang saya
butuhkan
Pada penelitian ini, skala likert yang digunakan oleh peneliti pada
kuesioner adalah dengan menggunakan lima pilihan jawaban yang terdiri dari
sebagai berikut :
84
3.8 Hipotesis Penelitian
intention ?
PLS.
valid dari kuesioner yang telah dikumpulkan dimana nantinya data tersebut
akan dianalisis melalui software Ms. Excel 2019. Data demografi ini
85
domisili tempat bekerja, jangka waktu menggunakan SIMEF, frekuensi
pada kuesioner yang telah dibuat peneliti diberikan bobot nilai berdasarkan
skala likert, selanjutnya hasil tanggapan dari responden tersebut akan diolah
selanjutnya data yang sudah berformat .CSV akan diolah kembali melalui
perangkat lunak SmartPLS versi 3.3.3 untuk melakukan uji validitas dan uji
realibilitas.
dalam melakukan pengujian validitas dalam analisa outer model peneliti dapat
melihat hasil uji dari discriminant validity dan convergent validity, sedangkan
dapat melihat hasil uji dari composite reliability dan cronbach’s alpha.
yang telah dirancang dalam sebuah penelitian menggunakan data yang berasal
dibuat peneliti diberikan bobot nilai berdasarkan skala likert, selanjutnya hasil
86
untuk menghasilkan file berformat .CSV, selanjutnya data yang sudah
berformat .CSV akan diolah kembali melalui perangkat lunak SmartPLS versi
Relative Impacct (#! ), dan metode kedua yaitu bootstrapping yaitu untuk
penelitian ini dibuat berdasarkan pendekatan dan strategi penelitian yang telah
87
Gambar 3.6 Prosedur Penelitian
88
89
BAB IV
4.1 Study
kuesioner yang akan digunakan dalam sebuah penelitian, atau bisa dikatakan
layak digunakan, Karena jumlah data pada penelitian ini berjumlah 50, maka
nilai tengah data yang bisa dijadikan sebagai data pilot study yaitu berjumlah
dilihat pada tabel 3.2. Hal tersebut dilakukan karena peneliti berasumsi
90
mungkin pertanyaan yang ada pada kuesioner terkait indikator tersebut sulit
menentukan skala pada pernyataan yang terkait dengan variabel system quality,
model dalam penelitian ini terbagi menjadi analisis measurement model (outer
model) dan analisis structural model (inner model) dengan bantuan SmartPLS
versi 3.3.3.
91
menggunakan SIMEF, status kepuasaan menggunakan SIMEF, dan keinginan
1. Jenis Kelamin
Jenis Kelamin
24%
76%
Perempuan Laki-Laki
12 orang (24%),
2. Usia
Usia
12%
20%
38%
30%
92
Dapat dilihat dari gambar 4.2 menunjukkan beberapa kategori usia
10%14%
32% 16%
28%
Dapat dilihat dari Gambar 4.3 bahwa domisili responden yang bekerja
(32%), dan Non Warehouse (Head Office, Admin Hub Non Jabodetabek)
93
4. Posisi Pekerjaan
6%6%
6%
13%
50% 19%
warehouse (6%).
7% 7%
7%
29%
50%
Dapat dilihat dari gambar 4.5 menunjukkan bahwa ada beberapa posisi
94
warehouse (7%), 1 supervisor warehouse (7%), 4 team leader warehouse
Warehouse Bandung
14% 15%
14%
43% 14%
Warehouse Semarang
12%
25%
63%
95
Dapat dilihat dari gambar 4.7 menunjukkan bahwa ada beberapa posisi
Non Warehouse
20% 20%
20% 20%
20%
pekerjaan di area non warehouse seperti 1 admin hub Bogor (20%), 1 admin
hub Cikupa (20%), 1 admin hub Cikarang (20%), 1 Chief Operation Officer
20%
10%
62%
8%
96
Berdasarkan hasil analisa pada gambar 4.9 diketahui bahwa responden
sebagian besar telah menggunakan internet dengan waktu > 7 tahun sebanyak
31 orang (62%), lalu < 1 tahun sebanyak 10 orang (20%), 1 – 3 tahun sebanyak
Jenis Browser
2%4%
4%
90%
SIMEF
Firefox sebanyak 2 orang (4%), dan Opera Mini sebanyak 1 orang (2%).
97
7. Lama Penggunaan SIMEF
28%
72%
besar telah menggunakan SIMEF selama < 1 tahun sebanya 36 orang (72%),
16%
20%
64%
Dalam Sehari
98
Dapat dilihat pada gambar 4.12 menunjukkan bahwa sebagian besar
(64%), 1 – 5 jam sebanyak 10 orang (20%), dan < 1 jam sebanyak 8 orang
(16%).
18% 22%
60%
sebanyak 30 orang (60%), puas sebanyak 11 orang (22%), dan tidak puas
99
10. Keinginan Untuk Melanjutkan Menggunakan SIMEF
4%
26%
70%
Menggunakan SIMEF
model yang telah digunakan. Peneliti melakukan uji convergent validity dan
Berikut akan dijelaskan secara rinci mengenai hasil analisis outer model pada
penelitian ini :
100
1. Individual Indicator Reliability
loading factor dengan melihat nilai outer loading. Jika indikator memiliki
nilai outer loading > 0,700 maka indikator tersbeut dapat dikatakan valid
dan perlu dipertahankan. Hal ini sejalan dengan pendapat (Yamin &
Berdasarkan tabel 4.1 dapat dilihat nilai outer loading dari tiap
C CUI H IQ PU S SQ
C1 0,735
C2 0,925
C3 0,877
CUI1 0,769
CUI2 0,877
CUI3 0,763
H1 0,841
H2 0,932
H3 0,896
IQ2 0,818
IQ3 0,844
IQ4 0,846
PU1 0,892
PU2 0,926
PU3 0,925
S1 0,892
S2 0,894
S3 0,878
101
SQ1 0,518
SQ2 0,803
SQ3 0,554
SQ4 0,718
IQ1 0,737
bahwa terdapat 2 indikator yang tidak memiliki nilai outer loading di atas
0,700, yaitu SQ1 dan SQ2 dimana pada hasil pilot study kedua variabel
tersebut juga memiliki nilai outer loading dibawah 0,700. Maka dapat
disimpulkan bahwa kedua indikator tersebut tidak valid dan tidak perlu
dipertahankan dalam penelitian ini. Sedangkan indikator SQ4, C1, dan IQ1
yang memiliki nilai dibawah 0,700 pada hasil pilot study kemudian peneliti
kini 3 indikator tersebut dapat memiliki nilai di atas 0,700 yang artinya
ini.
SQ1 dan SQ2 dalam penelitian ini dan hasil outer loading setelah
C CUI H IQ PU S SQ
C1 0,735
C2 0,925
C3 0,877
CUI1 0,769
CUI2 0,877
CUI3 0,763
102
H1 0,841
H2 0,932
H3 0,896
IQ1 0,737
IQ2 0,818
IQ3 0,844
IQ4 0,846
PU1 0,892
PU2 0,926
PU3 0,925
S1 0,891
S2 0,894
S3 0,879
SQ2 0,890
SQ4 0,764
minimum untuk cronbach’s alpha adalah 0,7 sedangkan idealnya yaitu 0,8
lebih besar dari 0,7. Pada tabel 4.3 dan tabel 4.4 menjelaskan mengenai hasil
103
Satisfaction (S) 0,918
Information
0,814
Quality (IQ)
Dari hasil analisa pada tabel 4.3 dan tabel 4.4 menunjukkan bahwa
yang baik, hal ini dibuktikan dengan nilai composite reliability pada seluruh
varriabel di atas 0,700. Namun pada uji cronbach’s alpha terdapat satu
ambang batas cronbach’s alpha ≥ 0,5, seperti pada (Iskandar, 2020) dan
pada (Mukaromah et al., 2018). Selain itu, pada bab 2 dijelaskan juga bahwa
penelitian.
104
3. Convergent Validity
convergent validity yang baik. Tabel 4.5 menjelaskan nilai AVE dari
penelitian ini.
variabel laten pada penelitian ini sudah memenuhi syarat, selain itu karena
seluruh variabel laten memiliki nilai AVE diatas 0,500 maka indikator-
indikator yang ada di dalam blok suatu variabel sudah terwakili juga dengan
variabel laten tersebut. Hal tersebut dapat dibuktikan pada salah satu contoh
105
4. Discriminant Validity
konstruk yang ada pada model. Nilai cross loading pada penelitian ini dapat
C CUI H IQ PU S SQ
C1 0,735 0,356 0,303 0,607 0,394 0,590 0,608
C2 0,925 0,328 0,507 0,767 0,700 0,709 0,722
C3 0,877 0,243 0,476 0,634 0,709 0,761 0,679
CUI1 0,235 0,769 0,535 0,362 0,290 0,222 0,132
CUI2 0,127 0,877 0,377 0,176 0,053 0,172 0,066
CUI3 0,462 0,763 0,508 0,444 0,372 0,445 0,349
H1 0,498 0,420 0,841 0,502 0,715 0,499 0,316
H2 0,404 0,597 0,932 0,413 0,581 0,424 0,330
H3 0,497 0,553 0,896 0,479 0,535 0,450 0,470
IQ1 0,572 0,178 0,264 0,737 0,570 0,467 0,618
IQ2 0,691 0,347 0,523 0,818 0,634 0,679 0,676
IQ3 0,629 0,441 0,470 0,844 0,432 0,521 0,452
IQ4 0,650 0,372 0,381 0,846 0,543 0,648 0,470
PU1 0,681 0,372 0,696 0,656 0,892 0,667 0,493
PU2 0,671 0,201 0,543 0,594 0,926 0,707 0,699
PU3 0,644 0,270 0,597 0,598 0,925 0,673 0,686
S1 0,764 0,334 0,406 0,608 0,655 0,891 0,619
S2 0,649 0,340 0,485 0,554 0,562 0,894 0,496
S3 0,745 0,282 0,461 0,758 0,757 0,879 0,663
SQ1 0,671 0,125 0,267 0,585 0,620 0,641 0,890
SQ2 0,646 0,300 0,471 0,552 0,505 0,453 0,764
penelitian telah memenuhi syarat karena terbukti dengan nilai cross loading
cross loading terhadap variabel di blok lain. Hal tersebut dapat dibuktikan
dengan salah satu contoh yaitu nilai korelasi antara indikator C1 dengan
106
variabel confirmation dengan nilai 0,735, dimana lebih besar dari nilai
membandingkan kar AVE dari suatu konstruk yang harus lebih tinggi dari
korelasi antar variabel latennya. Nilai Fornell Lackers’s penelitian ini dapat
C CUI H IQ PU S SQ
C 0,849
CUI 0,353 0,805
H 0,516 0,597 0,890
IQ 0,787 0,418 0,514 0,812
PU 0,728 0,309 0,671 0,675 0,914
S 0,813 0,358 0,506 0,726 0,746 0,888
SQ 0,789 0,236 0,420 0,682 0,683 0,672 0,829
yang digunakan pada model penelitian ini sudah memenuhi syarat validitas
diskriminan. Hal tersebut dibuktikan dengan nilai akar AVE (nilai teratas
pada tabel) yang lebih besar dibandingkan nilai korelasi antar variabel
memiliki nilai teratas 0,849 dimana nilai tersebut lebih tinggi dibandingkan
nilai 0,353.
peneliti, maka dapat dikatakan bahwa model penelitian yang diajukan dalam
107
penelitian ini telah memiliki karakteristik yang baik secara statistik. Oleh
karena itu, dapat disimpulkan bahwa model yang diajukan dalam penelitian
108
Tabel 4.8 Hasil Keseluruhan Pengukuran Measurement Model (Outer Model)
109
S3 0,879 0,745 0,282 0,461 0,758 0,757 0,879 0,663
SQ SQ1 0,89 0,671 0,125 0,267 0,585 0,62 0,641 0,89 0,556 0,814 0,688 0,829
SQ2 0,764 0,646 0,3 0,471 0,552 0,505 0,453 0,764
Keterangan :
CA = Cronbach’s Alpha
110
4.2.3 Hasil Analisis Struktur Model (Inner Model)
terdiri dari 2 metode, yaitu metode bootstrapping untuk melakukan uji path
untuk melakukan uji effect size (f2), predictive relevance (Q2) dan relative
impact (q2).
1. Path Coefficient
model yang digunakan, dengan syarat nilai minimal 0,100 (Hair et al.,
2017). Tabel 4.9 menjelaskan hasil dari pengujian path coefficient dalam
penelitian ini.
diketahui bahwa terdapat 2 jalur dari 8 jalur yang memiliki nilai di bawah
0,1 yaitu PU ® CUI (-0,373) dan SQ ® S (-0,029) yang berarti jalur ini
111
Gambar 4.15 Hasil Uji Path Coefficient
112
Berdasarkan hasil tabel 4.10, dapat dilihat bahwa CUI dan PU
memiliki nilai Menengah. Hal ini berarti, H, PU, dan S menjelaskan secara
menengah (0,531) varian dari PU. Dan IQ, SQ, PU, dan C menjelaskan
diterima adalah hipotesis yang memiliki nilai t-test > 1,96. Tabel
113
Berdasarkan hasil uji yang telah dilakukan pada tabel 4.11, dapat
diketahui bahwa terdapat tiga jalur pada hubungan hipotesis yang ditolak,
hipotesis tersebut memiliki nilai t-test di bawah 1,96, jadi ketiga hipotesis
tersebut ditolak.
ambang batas yang sudah ditentukan. Di sisi lain (Hair et al., 2017)
menjelaskan bahwa jika nilai effect size sekitar 0,02 maka dapat dikatakan
memiliki pengaruh kecil, jika nilai effect size sekitar 0,15 maka dapat
dikatakan memiliki pengaruh menegah, dan jika nilai effect size sekitar 0,35
maka dapat dikatakan memiliki pengaruh yang besar. Hasil uji effect size
114
H8 SQ ® S 0,720 0 2,511 Besar
lainnya dalam model tersebut. Menurut (Hair et al., 2017) uji Q2 memiliki
nilai ambang batas >0. Tabel 4.13 menjelaskan hasil uji Q2 pada penelitian
ini.
Predictive Relevance
Variabel
(Q2)
CUI 0,219
PU 0,422
S 0,547
variabel diatas 0.
115
6. Relative Impact (q2)
dengan variabel lainnya. Menurut (Hair et al., 2017) pengujian ini memilik
beberapa syarat dalam nilai ambang batas, yaitu sebesar 0.02 menunjukkan
uji relative impact pada penelitian ini dapat dilihat pada tabel 4.14.
Hipotesis q2 Analisis
Hx Hubungan 2
Q -in Q2-ex q2 q2
H1 C ® PU 0,422 0 0,730 Besar
H2 C®S 0,547 0,500 0,103 Kecil
H3 H ® CUI 0,219 0 0,280 Menengah
H4 IQ ® S 0,547 0 1,207 Besar
H5 PU ® CUI 0,219 0,190 0,037 Kecil
H6 PU ® S 0,547 0,517 0,066 Kecil
H7 S ® CUI 0,219 0,208 0,014 Kecil
H8 SQ ® S 0,547 0 1,207 Besar
116
Setelah dilakukannya pengujian inner model pada penelitian ini,
maka tabel 4.15 akan menjelaskan secara keseluruhan hasil dari uji inner
117
Tabel 4.15 Hasil Keseluruhan Pengukuran Structural Model (Inner Model)
Keterangan:
118
4.3 Interpretasi dan Diskusi Hasil Analisis
ini, maka tahapan selanjutnya adalah interpretasi dan diskusi hasil analisis.
Pada tahapan ini akan akan dilakukannya interpretasi dan diskusi hasil
analisa demografis berdasarkan hasil analisa yang sudah diperoleh pada subbab
1. Jenis Kelamin
kelamin laki-laki yang berjumlah sebanyak 38 orang (76%), jumlah ini lebih
2. Usia
(30%), dan >31 tahun sebanyak 10 orang (20%). Data tersebut sudah sesuai
dengan data karyawan yang ada dan menunjukkan bahwa karyawan Divisi
119
Operasional Eden Farm termasuk ke dalam usia yang produktif dengan usia
Admin Hub Non Jabodetabek) sebanyak 5 orang (10%). Hal ini sesuai
4. Posisi Pekerjaan
120
leader warehouse (14%), 3 admin warehouse (43%), dan 1 staff warehouse
terakhir di area non warehouse terdiri 1 admin hub Bogor (20%), 1 admin
hub Cikupa (20%), 1 admin hub Cikarang (20%), 1 Chief Operation Officer
(20%), dan 1 operation analyst (20%). Hal ini sesuai dengan jumlah sampel
tahun sebanyak 5 orang (10%), dan 5 – 7 tahun sebanyak 4 orang (8%). Hal
Firefox sebanyak 2 orang (4%), dan Opera Mini sebanyak 1 orang (2%).
121
analyst jika SIMEF sedang bermasalah, dimana dikatakan mayoritas
besar telah menggunakan SIMEF selama < 1 tahun sebanya 36 orang (72%),
dan 1 – 2 tahun sebanyak 14 orang (28%). Hal ini sesuai dengan jejak
(64%), 1 – 5 jam sebanyak 10 orang (20%), dan < 1 jam sebanyak 8 orang
(16%). Hasil ini sesuai dengan kegiatan operasional yang berjalan hampir
24 jam di setiap harinya dan jam bekerja karyawan yang berjalan selama 8
jam.
sebanyak 30 orang (60%), puas sebanyak 11 orang (22%), dan tidak puas
122
sebanyak 9 orang (18%). Hal ini dapat disebabkan karena sering
yang tidak lama. Sehingga dari sekian banyak responden sebagai pengguna
SIMEF sebanyak 13 orang (26%), dan responden yang memilih untuk tidak
hasil analisa outer model, dapat diketahui tingkat reliabilitas dan validitas dari
model yang diajukan peneliti telah baik. Hal tersebut dibuktikan dengan nilai
outer loading seluruh indikator dalam penelitian ini di atas 0,700 serta
composite reliability dan cronbach’s alpha di atas 0,500 dan diatas 0,700.
Selain itu, nilai AVE seluruh indikator dari penelitian ini di atas 0,500 serta
cross loading dan fornell larcker’s juga telah memenuhi kriteria yang
123
ditentukan. Hasil tersebut mengindikasikan bahwa dapat dilakukannya
pengukuran inner model atau pengukuran struktural model pada model yang
digunakan dalam penelitian ini, karena hasil analisis outer model pada model
Model
hasil analisa inner model, maka pada subbab ini akan dijelaskan mengenai
usefulness?
dari penelitian ini yaitu (Jumaan et al., 2020; Park, 2020) mengenai
124
Hasil dari hubungan ini menunjukkan bahwa penggunaan SIMEF
meningkatkan kinerja.
dari penelitian ini yaitu (Hsu & Lin, 2015; Oghuma et al., 2016) mengenai
SIMEF telah terpenuhi dan pengguna merasa puas. Hal ini sejalan dengan
mengatakan jika fitur yang dibutuhkan pengguna mampu dirilis oleh tim
125
tech Eden Farm, maka pengguna merasa puas karena ekspektasi terhadap
intention ?
hubungan H → CUI diterima. Selain itu dibuktikan juga dengan hasil uji
dari penelitian ini yaitu (Hasanah, 2020; Limayem & Cheung, 2011;
intention.
jam dalam sehari, yang berarti ketika penggunaan sistem informasi menjadi
126
4. H4 : Apakah information quality berpengaruh terhadap
satisfaction ?
penelitian ini yaitu (Nindita Erwanti et al., 2018; Tsai et al., 2020) mengenai
akurat, dan jelas belum mampu membuat pengguna memiliki rasa puas
terhadap SIMEF. Hal ini didukung dengan pendapat business analyst Eden
SIMEF harus selalu tetap terjaga agar pengguna merasa puas terhadap
penggunaan SIMEF.
127
hubungan PU → CUI diterima. Walaupun dengan hasil uji path coefficient
dari penelitian ini yaitu (Ashfaq et al., 2020; Huang et al., 2013) mengenai
kegiatan operasional Eden Farm. Hasil ini juga didukung dengan hasil
satisfaction ?
128
Adapun beberapa penelitian sebelumnya yang mendukung hasil
dari penelitian ini yaitu (Ashfaq et al., 2020; Huang et al., 2013) mengenai
intention ?
hubungan S → CUI ditolak. Walaupun dengan hasil uji path coefficient (β)
129
Hubungan ini menunjukkan bahwa dengan pengalaman memuaskan
pengguna untuk terus menggunakan SIMEF. Hal ini sejalan dengan hasil
ini juga didukung dengan observasi dan hasil analisa demografis pengguna
penggunaan SIMEF
hubungan SQ → S ditolak. Hal ini juga dibuktikan dengan hasil uji path
penelitian ini yaitu (Franque et al., 2021; Nindita Erwanti et al., 2018)
seperti navigasi pada tampilan SIMEF dan keandalan dari SIMEF belum
130
mampu membuat pengguna memiliki rasa puas terhadap SIMEF. Hal ini
mengenai navigasi pada SIMEF terutama jika ada fitur baru walaupun
tersebut , selain itu belum adanya video user guide mengenai penggunaan
131
132
BAB V
5.1 Kesimpulan
70% yang dikarenakan pengaruh dari manfaat yang diberikan dari SIMEF
terhadap kualitas yang dihasilkan oleh SIMEF, dan responden yang memilih
test 11,630, habit ® continuance use intention dengan nilai t-test 3,852,
133
3. Berdasarkan hasil pengolahan data pada penelitian ini, terdapat 2 hipotesis
continuance use intention dengan nilai path coefficient (β) -0,373 dan
system quality ® satisfaction dengan nilai path coefficient (β) -0,029. Selain
itu terdapat 3 hipotesis dari 8 hipotesis yang ditolak, 3 hipotesis yang ditolak
dalam kegiatan operasional Eden Farm adalah habit. Sedangkan faktor yang
information quality dan system quality. Hal ini dapat menjadi rekomendasi
134
5.2 Saran
dilakukan, yaitu :
pengaruh signifikan.
memperluas cakupan seperti memilih sampel lebih dari 1 unit atau divisi
4. Pada penelitian ini faktor yang perlu diperhatikan oleh Divisi Technology
information quality dan system quality seperti informasi dan sistem yang
dihasilkan harus lebih akurat, tepat waktu, jelas, mudah dipelajari dan
cepat. Ketika semakin tinggi kualitas dari SIMEF dan mampu memberikan
135
pengguna akan mendapatkan pengalaman yang memuaskan dan
lain.
136
137
DAFTAR PUSTAKA
138
Bhattacherjee, A. (2001). Understanding Information Systems Continuance: An
Expectation-Confirmation Model. MIS Quarterly, 25(3), 351.
Https://Doi.Org/10.2307/3250921
Bhattacherjee, A., & Barfar, A. (2011). Information Technology Continuance
Research: Current State And Future Directions. Asia Pasific Journal Of
Information Systems, 21(2), 1–18.
Chandra, A. (2013). Analisis Kinerja Distribusi Logistik Pada Pasokan Barang Dari
Pusat Distribusi Ke Gerai Indomaret Di Kota Semarang. Fakultas
Ekonomika Dan Bisnis Universitas Diponegoro Semarang, 71.
Dağhan, G., & Akkoyunlu, B. (2016). Modeling The Continuance Usage Intention
Of Online Learning Environments. Computers In Human Behavior, 60,
198–211. Https://Doi.Org/10.1016/J.Chb.2016.02.066
Dailysocial, D. (2020, Agustus). Peran Startup Mendorong Kemandirian Ekonomi
Indonesia. Https://Dailysocial.Id/Post/Peran-Startup-Mendorong-
Kemandirian-Ekonomi-Indonesia
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease Of Use, And User
Acceptance Of Information Technology. MIS Quarterly, 13(3), 319.
Https://Doi.Org/10.2307/249008
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1992). Extrinsic And Intrinsic
Motivation To Use Computers In The Workplace1. Journal Of Applied
Social Psychology, 22(14), 1111–1132. Https://Doi.Org/10.1111/J.1559-
1816.1992.Tb00945.X
Davis, S., Saini, S., Sipahimalani, R., Hoppe, F., Lee, W., Moreno Girona, I., Choi,
C., & Smittinet, W. (2019). E-Conomy SEA 2019: Swipe Up And To The
Right: Southeast Asia’s $100 Billion Internet Economy. Think With Google.
Https://Www.Thinkwithgoogle.Com/Intl/En-Apac/Consumer-
Insights/Consumer-Trends/E-Conomy-Sea-2019-Swipe-Up-And-To-The-
Right-Southeast-Asias-100-Billion-Internet-Economy/
Delone, W. H., & Mclean, E. R. (1992). Information Systems Success: The Quest
For The Dependent Variable. Information Systems Research, 3, 73–95.
139
Delone, W. H., & Mclean, E. R. (2003). The Delone And Mclean Model Of
Information Systems Success: A Ten-Year Update. Journal Of
Management Information Systems, 19(4), 9–30.
Dewi, A. F. R. (2019). Pengaruh Gamifikasi Pada Program Loyalitas Terhadap
Loyalitas Pengguna Marketplace Dengan Menggunakan Expectation-
Confirmation Model (Ecm). Repository UIN Syarif Hidayatullah Jakarta,
188.
Gefen, D. (2003). TAM Or Just Plain Habit: A Look At Experienced Online
Shoppers. 13.
Ghozali, I. (2014a). SEM Metode Alternatif Dengan Menggunakan Partial Least
Squares (PLS). Semarang: Badan Penerbit Universitas Diponegoro.
Ghozali, I. (2014b). Structural Equation Modeling, Metode Alternatif Dengan
Partial Least Square (PLS), Edisi 4. Semarang: Badan Penerbit Universitas
Diponegoro.
Ghozali, I., & Hengky, L. (2015). Partial Least Squares Konsep, Teknik Dan
Aplikasi Menggunakan Program Smartpls 3.0 Untuk Penelitian Empiris.
Semarang : Universitas Diponegoro.
Hair, J. F., Hult, G. T., Ringle, C. M., & Sarstedt, M. (2017). A Primer On Partial
Least Squares Structural Equation Modelling (PLS-SEM) Second Edition.
Amerika: SAGE Publications.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An Assessment Of
The Use Of Partial Least Squares Structural Equation Modeling In
Marketing Research. Journal Of The Academy Of Marketing Science, 40(3),
414–433.
Hartono, S., & Julian, J. (2020). Pengaruh Perceived Usefulness, Perceived Ease
Of Use, Subjective Norm, Dan Customer Experience Terhadap Intention To
Use Mytelkomsel (Studi Kasus Pada Mahasiswa Universitas Kristen Petra
Surabaya). 12.
Hasanah, U. (2020). Analisis Continuance Use Intention Pada Situs Jejaring Sosial
Instagram Dengan Menggunakan Expectation- Confirmation Model (Ecm).
Fakultas Sains Dan Teknologi, UIN Syarif Hidayatullah Jakarta, 172.
140
Heizer, J., & Render, B. (2004). Operations Management. New Jersey: Pearson
Education.
Hsu, C.-L., & Lin, J. C.-C. (2015). What Drives Purchase Intention For Paid Mobile
Apps? – An Expectation Confirmation Model With Perceived Value.
Electronic Commerce Research And Applications, 14(1), 46–57.
Https://Doi.Org/10.1016/J.Elerap.2014.11.003
Huang, T. C.-K., Wu, I.-L., & Chou, C.-C. (2013). Investigating Use Continuance
Of Data Mining Tools. International Journal Of Information Management,
33(5), 791–801. Https://Doi.Org/10.1016/J.Ijinfomgt.2013.05.007
Iskandar, A. (2020). Pengaruh Ragam Metode Pembelajaran Terhadap Capaian
Prestasi Belajar. 4, 20.
Jahanmir, S. F., Silva, G. M., Gomes, P. J., & Gonçalves, H. M. (2020).
Determinants Of Users’ Continuance Intention Toward Digital Innovations:
Are Late Adopters Different? Journal Of Business Research, 115, 225–233.
Https://Doi.Org/10.1016/J.Jbusres.2019.11.010
Jogiyanto. (2005). Analisa Dan Desain Sistem Informasi: Pendekatan Terstuktur
Teori Dan Praktik Aplikasi Bisnis. Yogyakarta : Andi.
Jogiyanto. (2011). Konsep Dan Aplikasi Structural Equation Modeling
Berdasarkan Varian Dalam Penelitian Bisnis. UPP STIM YKPN:
Yogyakarta.
Jumaan, I. A., Hashim, N. H., & Al-Ghazali, B. M. (2020). The Role Of Cognitive
Absorption In Predicting Mobile Internet Users’ Continuance Intention: An
Extension Of The Expectation-Confirmation Model. Technology In Society,
63, 101355. Https://Doi.Org/10.1016/J.Techsoc.2020.101355
K, P. S., & Pawirosumarto, S. (2017). Pengaruh Kualitas Sistem, Kualitas
Informasi, Dan Kualitas Layanan Terhadap Penggunaan Sistem E-Learning
Di Program Pascasarjana Universitas Mercu Buana. Jurnal Manajemen,
21(2). Https://Doi.Org/10.24912/Jm.V21i2.237
Kadir, A. (2003). Pengenalan Sistem Informasi. Yogyakarta.
Kim, K.-H., Kim, K.-J., Lee, D.-H., & Kim, M.-G. (2019). Identification Of Critical
Quality Dimensions For Continuance Intention In Mhealth Services: Case
141
Study Of Onecare Service. International Journal Of Information
Management, 46, 187–197.
Https://Doi.Org/10.1016/J.Ijinfomgt.2018.12.008
Kim, M., Chang, Y., Park, M.-C., & Lee, J. (2015). The Effects Of Service
Interactivity On The Satisfaction And The Loyalty Of Smartphone Users.
Telematics And Informatics, 32(4), 949–960.
Https://Doi.Org/10.1016/J.Tele.2015.05.003
Kim, S., & Malhotra, N. K. (2005). A Longitudinal Model Of Continuaned IS Use:
An Integrative View Of Four Mechanisms Underlying Post Adoption
Phenomena. Management Science.
Kim, S. S., Malhotra, N. K., & Narasimhan, S. (2005). Research Note—Two
Competing Perspectives On Automatic Use: A Theoretical And Empirical
Comparison. Information Systems Research, 16(4), 418–432.
Https://Doi.Org/10.1287/Isre.1050.0070
Komarudin. (1994). Ensiklopedia Manajemen. Jakarta: Bumi Aksara.
KOMINFO, P. (2019, March 18). Jumlah Startup Di Indonesia Ratusan Atau
Ribuan. Website Resmi Kementerian Komunikasi Dan Informatika RI.
Http:///Content/Detail/17233/Jotal-Startup-Di-Indonesia-Ratusan-Atau-
Ribuan/0/Sorotan_Media
Kordina, L., Putra, W. H. N., & Herlambang, A. D. (2019). Evaluasi Keadaan
Continuance Intention To Use Dan Citizen Support Pada Implementasi
Layanan Website Pusat Pelayanan Pengaduan Masyarakat (P3M)
Kabupaten Sidoarjo. 3, No. 5, 10.
Kristanto, A. (2008). Perancangan Sistem Informasi Dan Aplikasinya. Yogyakarta:
Gava Media.
Lai, H.-M., Chen, C.-P., & Chang, Y.-F. (2016). Expectation-Confirmation Model
Of Information System Continuance: A Meta-Analysis. 10(7), 6.
Lee, M.-C. (2010). Explaining And Predicting Users’ Continuance Intention
Toward E-Learning: An Extension Of The Expectation–Confirmation
Model. Computers & Education, 54(2), 506–516.
Https://Doi.Org/10.1016/J.Compedu.2009.09.002
142
Liao, C., Palvia, P., & Lin, H.-N. (2006). The Roles Of Habit And Web Site Quality
In E-Commerce. International Journal Of Information Management, 26(6),
469–483. Https://Doi.Org/10.1016/J.Ijinfomgt.2006.09.001
Limayem, M., & Cheung, C. M. K. (2011). Predicting The Continued Use Of
Internet-Based Learning Technologies: The Role Of Habit. Behaviour &
Information Technology, 30(1), 91–99.
Https://Doi.Org/10.1080/0144929X.2010.490956
Lin, X., Featherman, M., & Sarker, S. (2017). Understanding Factors Affecting
Users’ Social Networking Site Continuance: A Gender Difference
Perspective. Information & Management, 54(3), 383–395.
Https://Doi.Org/10.1016/J.Im.2016.09.004
Macvivar, D., & Throne, D. (2016). Managing High-Tech Start-Ups.
MIKTI. (2018). Mapping & Database Startup Indonesia 2018.
Mouakket, S. (2015a). Factors Influencing Continuance Intention To Use Social
Network Sites: The Facebook Case.
Mouakket, S. (2015b). Factors Influencing Continuance Intention To Use Social
Network Sites: The Facebook Case. Computers In Human Behavior, 53,
102–110. Https://Doi.Org/10.1016/J.Chb.2015.06.045
Muchlisin, R. (2020). Pengertian Dan Jenis-Jenis Variabel Penelitian—
Kajianpustaka.Com.
Https://Www.Kajianpustaka.Com/2020/09/Pengertian-Dan-Jenis-
Variabel-Penelitian.Html
Mukaromah, K., Kusyanti, A., & Perdanakusuma, A. R. (2018). Analisis Faktor-
Faktor Yang Memengaruhi Pengguna Snapchat Membagikan Video
Dengan Menggunakan Structural Equation Modeling. 10.
Mulyadi, M. (2008). Sistem Informasi Akuntansi. YKPN Yogyakarta.
Nazir, M. (2003). Metodologi Penelitian. Jakarta : Ghalia Indonesia.
Nematolohi, M., Kafashi, M., Sharifian, R., & Monem, H. (2016). Evaluation Of
The Users’ Continuous Intention To Use PACS Based On The Expectation
Confirmation Model In Teaching Hospitals Of Shiraz University Of
Medical Sciences. Jurnal Of Health Management & Informatics.
143
Nindita Erwanti, Widodo, A. P., & Oky Dwi Nurhayati. (2018). Determinants Of
Continuance Intention To Use On-Demand Mobile Service: GO-JEK Case.
Https://Doi.Org/10.5281/ZENODO.2544618
Noeng, M. (1993). Metode Penelitian Kuallitatif. Jakarta : Rake Sarasin.
Oghuma, A. P., Libaque-Saenz, C. F., Wong, S. F., & Chang, Y. (2016). An
Expectation-Confirmation Model Of Continuance Intention To Use Mobile
Instant Messaging. Telematics And Informatics, 33(1), 34–47.
Https://Doi.Org/10.1016/J.Tele.2015.05.006
Oliver, R. L. (1980). A Cognitive Model Of The Antecedents And Consequences
Of Satisfaction Decisions. JOURNAL OF MARKETING RESEARCH, 10.
Park, E. (2020). User Acceptance Of Smart Wearable Devices: An Expectation-
Confirmation Model Approach. Telematics And Informatics, 47, 101318.
Https://Doi.Org/10.1016/J.Tele.2019.101318
Park, E., & Kim, K. J. (2014). An Integrated Adoption Model Of Mobile Cloud
Services: Exploration Of Key Determinants And Extension Of Technology
Acceptance Model. Telematics And Informatics, 31(3), 376–385.
Https://Doi.Org/10.1016/J.Tele.2013.11.008
Patenaude-Gaudet, N. (2014). Startup Communications. Haaga-Helia University
Of Applied Sciences.
PENGERTIAN KEGIATAN OPERASIONAL PERUSAHAAN. (2016,
September 18). Pengertian Menurut Para Ahli.
Https://Www.Pengertianmenurutparaahli.Net/Pengertian-Kegiatan-
Operasional-Perusahaan/
Plimbi. (2015). Pengertian Startup Dan Karakteristiknya.
Https://Www.Plimbi.Com/Article/160520/Mengenal-Startup-Dan-7-
Karakteristiknya-
Pramono, P. R. (2007). Seri UKM Cara Memilih Walaba Yang Menjanjikan Profit.
Jakarta: PT. Elex Media Komputindo.
Prathama, F., & Sahetapy, W. L. (2019). Pengaruh Kemudahan Penggunan
Aplikasi Dan Kepercayaan Konsumen Terhadap Minat Beli Ulang
Konsumen E-Commerce Lazada. AGORA.
144
Priharto, S. (2020, February 24). Pengertian Manajemen Operasional, Tujuan, Ciri
Dan Fungsinya Pada Bisnis. Accurate Online.
Https://Accurate.Id/Marketing-Manajemen/Pengertian-Manajemen-
Operasional/
Punaji, S. (2010). Metode Penelitian Pendidikan Dan Pengembangan. Jakarta : PT.
Kencana.
Risnita. (2012). Pengembangan Skala Model Likert (Vol. 1–3). Edu-Bio.
Roca, J. C., Chiu, C.-M., & Martínez, F. J. (2006). Understanding E-Learning
Continuance Intention: An Extension Of The Technology Acceptance
Model. International Journal Of Human-Computer Studies, 64(8), 683–
696. Https://Doi.Org/10.1016/J.Ijhcs.2006.01.003
Sangadji, E. M., & Sopiah. (2010). Metodologi Penelitian: Pendekatan Praktis
Dalam Penelitian. Yogyakarta : CV Andi Offset.
Saputri, E. (2020). Pengertian Operations Management (OM).
Https://Www.Academia.Edu/6871020/Pengertian_Operations_Manageme
nt_OM
Setia, P., Venkatesh, V., & Jogleker, S. (2013). Leveraging Digital Technologies:
How Information Quality Leads To Localized Capabilities And Customer
Service Performance. MIS Q, 565–590.
Setiawan, A. B. (2016). Evaluasi Kepuasan Pengguna Sistem Aplikasi Surat
Keterangan Tinggal Sementara Online (SKTS) Dengan Menggunakan
Metode End-User Computing Satisfaction. Surabaya : Universitas
Airlangga.
Setiawan, S. (2021, March 18). Manajemen Operasional—Tujuan, Ruang Lingkup,
Contoh, Para Ahli. Https://Www.Gurupendidikan.Co.Id/Manajemen-
Operasional/
Sindonews.Com. (2020, November 9). Pengguna Internet Setengah Lebih Populasi
Dunia, Umat Manusia Makin Terikat.
Https://Ekbis.Sindonews.Com/Read/225900/34/Pengguna-Internet-
Setengah-Lebih-Populasi-Dunia-Umat-Manusia-Makin-Terikat-
1604931077
145
Siregar, S. (2013). Statistik Parametrik Untuk Penelitian Kuantitatif. Jakarta : Bumi
Aksara.
Soedjadi, F. X. (1997). In Analisis Manajemen Modern. CV. Haji Mas Agung.
Startupranking.Com. (2021). Countries—With The Top Startups Worldwide |
Startup Ranking. Https://Www.Startupranking.Com/Countries
Subiyakto, A. (2018). Assessing Information System Integration Using
Combination of the Readiness and Success Models. Bulletin of Electrical
Engineering and Informatics, 7(3), 400-410. doi:10.11591/eei.v7i3.1182
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Sukmana, H. T. (2015). Measurement
of Information System Project Success Based on Perceptions of the Internal
Stakeholders. International Journal of Electrical and Computer
Engineering (IJECE), 5(2), 271-279. Retrieved from
http://iaesjournal.com/online/index.php/IJECE/article/view/7009
Subiyakto, A., Rosalina, R., Utami, M. C., Kumaladewi, N., & Putra, S. J. (2017).
The Psychometric and Interpretative Analyses for Assessing the End-User
Computing Satisfaction Questionnaire. Paper presented at the 5th
International Conference on Information Technology for Cyber and IT
Service Management (CITSM) 2017 Denpasar, Bali.
Subiyakto, A., Septiandani, D., Nurmiati, E., Durachman, Y., Kartiwi, M., &
Ahlan, A. R. (2017). Managers Perceptions towards the Success of E-
Performance Reporting System. TELKOMNIKA (Telecommunication
Computing Electronics and Control), 15(3), 1389-1396.
doi:http://dx.doi.org/10.12928/telkomnika.v15i3.5133
Sugiarto, Siagian, D., Sunaryanto, L. T., & Oetomo, D. S. (2001). Teknik Sampling.
Jakarta: PT Gramedia Pustaka Utama.
Sugiyono. (2015). Metode Penelitian Pendidikan: Pendekatan Kuantitatif
Kualitatif Dan Rnd. Bandung : Penerbit Alfabeta.
Sujarweni, W., & Endrayanto, P. (2012). Statistika Untuk Penelitian. Yogyakarta :
Graha Ilmu.
146
Suryadi, D. (2017). Yansen Kamto, Mitra Pemerintah Lahirkan 1.000 Startup
Digital—DEDE SURYADI. Http://Www.Dedesuryadi.Com/Yansen-
Kamto-Mitra-Pemerintah-Lahirkan-1-000-Startup-Digital/
Sutabri, T. (2012). Analisis Sistem Informasi. Yogyakarta : Andi.
Teo, T. S. H., Srivastava, S. C., & Jiang, L. (2008). Trust And Electronic
Government Success: An Empirical Study. Journal Of Management
Information Systems, 25(3), 99–132. Https://Doi.Org/10.2753/MIS0742-
1222250303
Thong, J. Y. L., Hong, S.-J., & Tam, K. Y. (2006). The Effects Of Post-Adoption
Beliefs On The Expectation-Confirmation Model For Information
Technology Continuance. International Journal Of Human-Computer
Studies, 64(9), 799–810. Https://Doi.Org/10.1016/J.Ijhcs.2006.05.001
Tsai, H., Lee, Y.-P., & Ruangkanjanases, A. (2020). Understanding The Effects Of
Antecedents On Continuance Intention To Gather Food Safety Information
On Websites. Frontiers In Psychology, 11, 579322.
Https://Doi.Org/10.3389/Fpsyg.2020.579322
Venkatesh, V. (2000). Determinants Of Perceived Ease Of Use: Integrating
Control, Intrinsic Motivation, And Emotion Into The Technology
Acceptance Model. Information Systems Research, 11(4), 342–365.
Https://Doi.Org/10.1287/Isre.11.4.342.11872
Verplanken, B., Aarts, H., & Van Knippenberg, A. (1997). Habit, Information
Acquisition, And The Process Of Making Travel Mode Choices. European
Of Social Psychology, 27(5), 539–560.
Verplanken, B., & Orbell, S. (2003). Reflections On Past Behavior: A Self-Report
Index Of Habit Strength 1. Journal Of Applied Social Psychology, 33(6),
1313–1330. Https://Doi.Org/10.1111/J.1559-1816.2003.Tb01951.X
Wang, W., Ngai, E. W. T., & Wei, H. (2011). Explaining Instant Messaging
Continuance Intention: The Role Of Personality. International Journal Of
Human-Computer Interaction, 28(8), 500–510.
Weng, G. S., Zailani, S., Iranmanesh, M., & Hyun, S. S. (2017). Mobile Taxi
Booking Application Service’s Continuance Usage Intention By Users.
147
Transportation Research Part D: Transport And Environment, 57, 207–
216. Https://Doi.Org/10.1016/J.Trd.2017.07.023
Winarno. (2006). Sistem Informasi Manajemen. Yogyakarta:UPP STIM YKPN.
Winarno. (2013). Metodologi Penelitian Dalam Pendidikan Jasmani. Malang : UM
Press.
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian
Dengan Partial Least Square Path Modeling. Jakarta : Salemba Infotek.
Zakiyudin, A. (2012). Sistem Informasi Manajemen. Jakarta : Mitra Wacana Media.
Zheng, Y., Zhao, K., & Stylianou, A. (2013). The Impacts Of Information Quality
And System Quality On Users’ Continuance Intention In Information-
Exchange Virtual Communities: An Empirical Investigation. Decision
Support Systems, 56, 513–524. Https://Doi.Org/10.1016/J.Dss.2012.11.008
Zhou, T. (2013). An Empirical Examination Of Continuance Intention Of Mobile
Payment Services. Decision Support Systems, 54(2), 1085–1091.
Https://Doi.Org/10.1016/J.Dss.2012.10.034
148
LAMPIRAN 1
KUESIONER PENELITIAN
149
Kepada Yth.
Bapak / Ibu
Pengguna Dashboard / Sistem Informasi Manajemen Eden Farm (SIMEF)
Divisi Operasional Start Up Eden Farm
di Tempat
Apabila ada informasi yang kurang jelas atau ingin ditanyakan, silahkan hubungi
peneliti melalui
E-mail : ekaputrina16@gmail.com
SMS/Whatsapp : 081318647445
Terimakasih.
Hormat Saya
Eka Putri Nur Asyiam
150
KUESIONER
PETUNJUK PENGISIAN
Kuesioner ini terdiri dari daftar pertanyaan isian dan pilihan. Pada bagian ini
dimohon kepada Bapak/Ibu untuk mengisikan jawaban pada tempat yang telah
disediakan dan untuk daftar pertanyaan pilihan, Bapa/Ibu dimohon untuk
memberikan tanda centang ( √ ) pada salah satu jawaban pada kolom yang telah
disediakan.
151
¨Staff Gudang
¨Chief Operating Officer (COO)
¨Operation Analyst
152
¨> 3 Tahun
Keterangan:
1 = Sangat Tidak Setuju (STS)
2 = Tidak Setuju (TS)
3 = Netral (N)
4 = Setuju (S)
5 = Sangat Setuju (SS)
153
No Keterangan STS TS N S SS
Information Quality
No Keterangan STS TS N S SS
akurat
membingungkan
System Quality
No Keterangan STS TS N S SS
diinginkan
report, dsb]
154
8. Dashboard yang digunakan dapat diandalkan.
operasional berlangsung]
Confirmation
No Keterangan STS TS N S SS
sistem
Satisfaction
No Keterangan STS TS N S SS
memuaskan
menyenangkan
yang ada
Perceived Usefulness
No Keterangan STS TS N S SS
155
15. Sistem yang ada berguna dalam pekerjaan saya
sehari-hari
produktivitas
pekerjaan sehari-hari
Habit
No Keterangan STS TS N S SS
pekerjaan sehari-hari
saya
bagi saya
Perceived Usefulness
No Keterangan STS TS N S SS
spreadsheets, dsb )
156
LAMPIRAN 2
PENGUJIAN AWAL
157
A. Jenis Kelamin
JENIS KELAMIN
Perempuan Laki-Laki
Perempuan
40%
Laki-Laki
60%
B. Usia
USIA
20% 20%
20%
40%
158
C. Domisili Bekerja
DOMISILI BEKERJA
4% 8%
8%
40%
40%
D. Posisi Pekerjaan
POSISI PEKERJAAN
20% 12%
4%
4%
60%
159
E. Lama Menggunakan Internet
20%
8%
72%
20%
8%
72%
160
LAMA MENGGUNAKAN SIMEF
32%
68%
8%
32%
60%
20%
32%
48%
161
NIAT KEBERLANJUTAN PENGGUNA
8%
44%
48%
162
HASIL ANALISA MEASUREMENT MODEL (OUTER MODEL)
1. Indikator Reliability
beberapa indikator yang memiliki nilai di bawah 0,700 yaitu C1, SQ1, SQ3,
SQ4, dan IQ1. Peneliti memutuskan untuk mengkaji dan menganalisis kembali
indikator yang memiliki nilai outer loading di bawah 0,700 sebelum pengujian
real dilakukan.
163
2. Internal Consistency Reliability
Berdasarkan hasil uji diketahui bahwa variabel system quality memiliki nilai
di bawaj 0,700, hal ini terjadi karena belum dikaji ulang mengenai indikator –
3. Convergent Reliability
164
Berdasarkan hasil uji diketahui bahwa variabel system quality memiliki nilai
di bawah 0,500, hal ini terjadi karena belum dikaji ulang mengenai indikator –
4. Discriminant Validity
berikut :
variabel indikator terhadap variabel laten harus lebih besar dari variabel
laten lainnya.
Gambar 4. Fornell-Larcker
165
Gambar 5. Cross Loading (b)
166
HASIL ANALISA STRUCTURAL MODEL (INNER MODEL)
167
LAMPIRAN 3
168
IQ1 IQ2 IQ3 IQ4 SQ1 SQ2 SQ3 SQ4 C1 C2 C3 S1 S2 S3 PU1 PU2 PU3 PU4 H1 H2 H3 CUI1 CUI2 CUI3
4 4 3 4 5 5 4 4 4 4 5 5 4 4 5 5 5 5 5 5 5 5 5 5
5 3 3 4 4 4 4 3 3 3 3 3 2 3 3 2 3 3 3 2 2 2 2 3
4 4 3 3 3 3 3 3 3 3 4 3 3 3 4 4 3 4 4 4 4 4 4 4
4 4 4 3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4
4 3 2 3 4 4 3 4 3 4 4 4 3 3 5 4 5 5 5 5 4 3 4 4
3 2 2 3 5 3 3 2 1 2 3 3 4 3 4 3 3 4 5 4 4 4 3 3
5 4 4 4 4 4 3 4 4 5 4 4 4 4 5 4 4 4 4 4 5 4 4 4
3 3 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 5 4 4 4 4
4 3 4 4 4 2 3 3 3 3 2 3 3 3 4 4 3 3 3 3 3 3 4 4
3 3 3 4 5 2 2 2 3 2 2 3 3 3 4 4 4 3 4 4 4 5 4 4
3 3 3 5 5 5 5 3 4 3 5 5 5 3 4 4 3 3 3 3 4 4 5 4
3 4 3 3 4 2 2 3 4 2 3 3 4 3 4 4 4 3 5 5 4 4 4 3
2 2 2 2 2 2 3 2 2 2 3 3 3 3 3 3 3 3 2 2 3 2 1 3
4 5 4 4 3 4 4 5 4 4 4 4 5 4 5 5 4 4 5 5 5 5 5 5
2 3 3 3 5 3 4 4 4 3 3 4 4 3 3 2 3 3 4 4 4 3 5 5
4 4 3 4 3 4 4 4 3 3 4 4 3 4 4 4 4 4 4 4 4 4 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 3
3 4 4 3 3 4 4 5 5 3 3 3 2 3 4 4 4 4 4 4 5 4 3 4
3 3 5 4 4 2 3 4 4 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4
4 4 3 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 3 5 4 4 3 4
4 4 4 4 4 5 3 3 4 3 4 4 4 4 4 4 5 4 5 4 4 4 4 4
3 4 5 3 4 4 3 4 4 4 4 4 4 4 4 4 4 4 5 5 5 5 5 4
5 4 4 4 4 4 3 4 5 5 5 4 4 4 4 4 4 4 4 4 4 4 4 5
4 4 3 3 3 4 3 3 4 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 1 1 4 3 3 4 4 1 1 3 3 3 1 1 3 3 1 3 3 1 4 4
5 4 4 4 5 4 4 4 4 4 4 4 4 4 4 5 4 4 4 3 3 4 4 4
3 2 2 2 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3
5 4 4 5 4 5 4 5 4 4 5 4 4 4 4 5 5 5 4 4 5 4 4 4
3 3 4 4 4 2 3 3 4 2 2 4 3 3 3 3 3 4 3 4 3 4 5 5
4 3 3 3 4 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 2 4 4 4 5 5
4 4 3 2 3 4 3 3 2 2 3 2 3 3 3 3 3 3 2 4 4 5 3 3
4 3 4 4 5 2 2 5 3 3 2 3 3 3 4 4 4 4 5 5 5 4 5 5
4 4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 4 4 4 5 4 4 4 4 4 4 4 5 5 5 5 5 5 5 4 4 4 5
5 2 3 2 4 4 4 4 3 3 3 3 3 3 4 4 4 4 4 4 4 4 3 4
4 4 3 4 4 5 1 3 3 3 3 3 4 4 4 3 4 4 4 4 4 4 4 4
5 4 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 4 5
4 3 4 4 4 4 3 4 3 3 4 4 3 3 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 3 4 4 4 4 4 4 4 4 2 3 3 3 3 3 3 3 3 3 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 4 3 4 4 4 3 3 3 3 4 4 4 4 3 3 3 3 3 3 4
4 3 4 4 4 2 3 3 3 3 3 3 3 3 4 3 2 3 5 5 5 5 5 5
5 4 4 4 4 5 4 3 4 3 4 5 4 4 4 4 4 4 3 4 4 5 4 4
5 5 5 5 5 5 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
5 5 4 4 4 5 3 4 4 5 5 4 4 5 5 5 5 5 5 5 4 5 4 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 5
169
LAMPIRAN 4
DATA PENDUKUNG
170
Berikut adalah foto saat peneliti melakukan penelitian di 2 warehouse Eden
171
172
173
LAMPIRAN 5
SURAT-SURAT PENDUKUNG
174
KEMENTERIAN AGAMA
UIN SYARIF HIDAYATULLAH JAKARTA
FAKULTAS SAINS DAN TEKNOLOGI
Apabila terjadi perubahan terkait dengan skripsi tersebut selama proses pembimbingan,
harap segera melaporkan kepada Program Studi bersangkutan.
Wassalamu’alaikum Wr.Wb
175
KEMENTERIAN AGAMA
UIN SYARIF HIDAYATULLAH JAKARTA
FAKULTAS SAINS DAN TEKNOLOGI
Wassalamu’alaikum Wr.Wb
176
177
178
179
180
181
182
183
184