SKRIPSI

ANALISIS KUALITAS LAYANAN APLIKASI E-GOVERNMENT DEPOK

SINGLE WINDOW (DSW) MENGGUNAKAN METODE E-GOVQUAL

DAN IMPORTANCE PERFORMANCE ANALYSIS (IPA)

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:

OVIANI VIANDARI
11140930000079

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2021 M / 1442 H
 HALAMAN JUDUL
SKRIPSI

ANALISIS KUALITAS LAYANAN APLIKASI E-GOVERNMENT DEPOK

SINGLE WINDOW (DSW) MENGGUNAKAN METODE E-GOVQUAL

DAN IMPORTANCE PERFORMANCE ANALYSIS (IPA)

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:

OVIANI VIANDARI
11140930000079

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2021 M / 1442 H

i
LEMBAR PENGESAHAN

ii
PENGESAHAN UJIAN

iii
 PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI

ATAU LEMBAGA MANAPUN.

Jakarta, 22 Juni 2021

NIM. 11140930000079

iv
 ABSTRAK

Oviani Viandari – 11140930000079, Analisis Kualitas Layanan Aplikasi E-

Government Depok Single Window (DSW) Menggunakan Metode E-GovQual dan
Importance Performance Analysis (IPA) di bawah bimbingan Nur Aeni Hidayah
dan Nuryasin.

Aplikasi Depok Single Window (DSW) merupakan portal dari gabungan berbagai
aplikasi pelayanan publik di Kota Depok. Untuk meningkatkan kualitas layanan e-
Government berbasis mobile yang diberikan Pemerintah Kota Depok kepada
masyarakat maka diperlukan evaluasi secara berkala. Namun pada kenyataannya,
Diskominfo Kota Depok belum melakukan evaluasi pada layanan aplikasi e-
Government pada aplikasi DSW berdasarkan persepsi dan harapan penggunanya,
sehingga aplikasi masih mengalami beberapa kendala, seperti permasalahan
aplikasi DSW mengalami penurunan pengguna yang tiap bulannya yang
menyebabkan sedikitnya pengguna dari aplikasi DSW hanya 0,5% pengguna dari
jumlah penduduk Kota Depok. Melihat masalah yang ada pada kualitas layanan
aplikasi DSW, oleh karena itu perlu adanya penelitian. Penelitian ini bertujuan
untuk mengetahui kualitas layanan pada aplikasi DSW berdasarkan persepsi dan
harapan pengguna, dan mendapatkan usulan faktor-faktor yang menjadi prioritas
utama untuk diperbaiki. Model yang digunakan dalam penelitian ini adalah model
E-Government Service Quality (e-GovQual) dengan menambah dua variabel yaitu:
User Satisfaction (USAT) dan Intent to Reuse (USE). Penelitian ini menggunakan
pendekatan kuantitatif dan proses analisis data dilakukan dengan IBM Statistics
SPSS versi 24 untuk Importance Performance Analysis (IPA), kemudian digunakan
pula SmartPLS versi 3.2.9 untuk analisis outer dan inner model dengan pendekatan
PLS-SEM. Hasilnya, semua indikator yang digunakan memiliki nilai kesenjangan
negatif dengan nilai terbesar pada variabel Intention to Use (USE) dengan nilai rata-
rata sebesar -0,64. Faktor-faktor yang menjadi prioritas utama perbaikan adalah
variabel Efficiency (EF1) dan Citizen Support (CS4) yaitu: pengelola tanggap
terhadap masalah pengguna, pengelola mempunyai pengetahuan yang memadai
untuk menjawab pertanyaan publik, pengelola mempunyai kemampuan untuk
menyampaikan layanan dengan kepercayaan dan keyakinan serta informasi tentang
layanan yang memadai.

Kata kunci: Kualitas Layanan, e-Government, Depok Single Window (DSW), e-

GovQual, Importance Performance Analysis, PLS-SEM.

Bab I-V + 213 Halaman + xviii + 31 Gambar + 33 Tabel + Daftar Pustaka +

Lampiran
Pustaka Acuan (83, 1977-2020)

v
 KATA PENGANTAR

Assalamu’alaikum Wr. Wb.

Puji dan syukur kehadirat Allah SWT yang telah memberikan segala rahmat

dan hidayah-Nya, sehingga peneliti dapat menyelesaikan skripsi ini dengan baik.

Shalawat serta salam tak lupa selalu tercurahkan kepada junjungan dan suri

tauladan kita yaitu Nabi Muhammad SAW yang telah memberikan tuntunan dan

petunjuk kepada umat manusia menuju kehidupan dan peradaban, serta para

keluarga dan para sahabat yang Nabi.

Peneliti sangat menyadari bahwa dalam pembuatan skripsi ini masih jauh dari

sempurna. Hal ini semata-mata karena kurangnya pengetahuan dan pengalaman

yang dimiliki peneliti. Namun demikian peneliti berharap skripsi ini dapat

memenuhi persyaratan guna memperoleh gelar Sarjana (S1) dalam bidang Sistem

Informasi dari Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta.

Skripsi yang berjudul “Analisis Kualitas Layanan Aplikasi E-Government

Depok Single Window (DSW) Menggunakan Metode E-GovQual dan

Importance Performance Analysis (IPA)” akhirnya dapat diselesaikan dengan

yang diharapkan. Selama penyusunan laporan ini tentunya terdapat banyak

kesulitan dan hambatan yang dihadapi, baik dalam pengumpulan bahan dan lain

sebagainya. Namun berkat kesungguhan hati dan bantuan dari berbagai pihak,

sehingga segala kesulitan tersebut dapat diatasi. Kebahagiaan yang tak ternilai

secara pribadi dapat dipersembahkan kepada kedua orang tua, seluruh keluarga, dan

pihak-pihak yang telah ikut andil dalam penyelesaian skripsi ini.

vi
 Sebagai bentuk penghargaan, izinkan peneliti menuangkan dalam bentuk

ucapan terimakasih yang sebesar-besarnya kepada:

1. Bapak Nasrul Hakim, M.Kom, Ph.D selaku Dekan Fakultas Sains dan

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta.

2. Bapak A’ang Subiyakto, S.Kom., M.Kom., Ph.D selaku Ketua Program Studi

Sistem Informasi Fakultas Sains dan Teknologi dan Bapak Nuryasin, S.T.,

M.Kom selaku Sekretaris Program Studi Sistem Informasi Fakultas Sains dan

Teknologi dan selaku Dosen Pembimbing II peneliti.

3. Ibu Nur Aeni Hidayah, SE., MMSI sebagai Dosen Pembimbing I yang tidak

pernah lelah dan sabar dalam membimbing, memotivasi, dan mengingatkan

peneliti untuk segera menyelesaikan skripsi ini. Peneliti mengucapkan

banyak terimakasih untuk waktu, tenaga, dukungan, arahan, saran, dan kritik

yang membangun agar skripsi ini dapat diselesaikan dengan baik.

4. Dosen-dosen Program Studi Sistem Informasi yang telah memeberikan

ilmunya selama peneliti menuntut ilmu di UIN Jakarta.

5. Seluruh karyawan dan staf Diskominfo Pemerintah Kota Depok yang telah

menerima dan mengizinkan peneliti melakukan penelitian skripsi dan

membantu peneliti dalam mendapatkan data dan informasi yang peneliti

butuhkan dalam penulisan skripsi ini.

6. Bapak Kasiman dan Ibu Indarsihyatun selaku orang tua yang selalu

memberikan do’a, kasih sayang, mendidik, memberikan motivasi, nasihat,

dukungan, serta bantuan baik moril maupun materil yang tak terhingga

sehingga peneliti dapat menyelesaikan skripsi ini, dan nenek tersayang

vii
 peneliti Mbah Uti Sum serta saudara/i peneliti Mas Fadila, Kak Tary, Adik

Hanifah yang selalu memberikan semangat, motivasi dan do’a agar peneliti

dapat menjadi kebanggaan orang tua dan keluarga.

7. Ust. Afwan Faizin yang telah meberikan dukungan, motivasi dan do’anya.

8. Desvian Binawan dan keluarga besar, yang telah menjadi support system bagi

peneliti. Terimakasih atas do’a, dukungan moril, tenaga, waktu serta kasih

sayang dan segala motivasinya agar peneliti tetap semangat dalam

menyelesaikan skripsi ini.

9. Sahabat-sahabat seperjuangan, Nadila (tak lupa De Pia), Sabila, Nurul, Meira,

April, Risa, Anna, Riri, Hesty, Ramadhita, Nadia, Aul, Nandita, Helmy,

Raffi, Lingga, Juhari, Kak Nita, Zaky dan lain-lain yang tidak bisa disebutkan

satu persatu terimakasih untuk motivasi, dukungan, semangat, dan do’anya,

terimakasih karena selalu ada setiap saat, berbagi canda tawa serta

memberikan pengaruh positif dan tidak pernah bosan mendengar keluh kesah

peneliti.

10. Keluarga besar Sistem Informasi angkatan 2014 yang telah memberikan

dukungan, semangat, bantuan, do’a, motivasi dalam penyelesaian skripsi.

Peneliti berharap kita semua akan sukses dunia dan akhirat.

11. Sahabat-sahabat kecil peneliti Kak Ira, Mba Tira, Novi, Mitha, dan Amel,

yang selalu memberikan semangat, do’a, dan motivasi untuk peneliti.

12. Keluarga besar Unit Kegiatan Mahasiswa (UKM) FORSA (Federasi

Olahraga Mahasiswa) dan Keluarga Besar Divisi Bola Basket UIN Jakarta,

terimakasih telah menjadi wadah non-akademik yang baik untuk

viii
 mengembangkan diri peneliti sebagai student athelete. Terimakasih atas

kesempatan yang telah diberikan, terimakasih telah banyak menghibur dan

mendukung peneliti dalam menyelesaikan skripsi ini.

13. Manajemen UIN Jakarta Basketball beserta Coaching Staff, dan para Sahabat-

sahabat seperjuangan Basket UIN Jakarta, Tia Septiyani dan Stifani Martha

yang selalu memberikan motivasi, do’a, dan memeberikan kritikan

membangun untuk dan membantu dalam menyelesaikan skripsi ini.

14. Kakak-kakak Senior tercinta Kak Yulia, Kak Tika El, Kak Yuni, Kak Sarah,

Kak Jauza, Kak Ela, Kak Nabilah dll. Serta Adik-adik Junior tersayang Latifa,

Nana, Deffi, Sri, Adinda, Aca, dan yang tidak bisa disebutkan satu persatu,

namun tidak mengurangi rasa sayang peneliti, terimakasih untuk motivasi,

dukungan, semangat, do’a, dan terimakasih banyak untuk kebersamaan dan

kerjasamanya selama ini, sukses untuk kalian semua.do’anya.

Peneliti juga berdo’a agar Allah SWT membalas setimpal dan berlipat-lipat

atas semua kebaikan, dukungan, bantuan, dan bimbingan dari semua pihak. Selain

itu, peneliti menyadari penyusunan skripsi ini masih banyak kekurangan, apabila

terdapat kritik dapat disampaikan melalui oviani.viandari14@mhs.uinjkt.ac.id.

Akhir kata, semoga penelitian ini dapat memberikan manfaat dan sekaligus

menambah ilmu bagi kita semua. Aamiin Ya Rabbal Alamiin.

Wassalamu’alaikum Wr. Wb.

Jakarta, 22 Juni 2021

Oviani Viandari
NIM. 11140930000079

ix
 DAFTAR ISI

HALAMAN JUDUL .............................................................................................. i

LEMBAR PENGESAHAN .................................................................................. ii

PENGESAHAN UJIAN ....................................................................................... iii

PERNYATAAN .................................................................................................... iv

ABSTRAK ............................................................................................................. v

KATA PENGANTAR .......................................................................................... vi

DAFTAR ISI .......................................................................................................... x

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

DAFTAR TABEL ............................................................................................. xvii

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

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

1.2 Identifikasi Masalah .................................................................................... 10

1.3 Rumusan Masalah........................................................................................ 11

1.4 Batasan Masalah .......................................................................................... 11

1.5 Pertanyaan Penelitian .................................................................................. 12

1.6 Tujuan Penelitian ......................................................................................... 14

1.7 Metodologi Penelitian.................................................................................. 14

1.8 Manfaat Penelitian ....................................................................................... 17

1.9 Sistematika Penulisan .................................................................................. 17

BAB 2 TINJAUAN PUSTAKA .......................................................................... 20

2.1 Definisi Analisis .......................................................................................... 20

x
2.2 Definisi Kualitas Layanan ........................................................................... 21

2.2.1 Definisi Aplikasi Mobile .................................................................. 22

2.2.2 Kualitas Aplikasi Mobile ................................................................. 23

2.3 Definisi Layanan Publik .............................................................................. 23

2.4 Electronic Government (e-Government) ..................................................... 23

2.4.1 Definisi e-Government .................................................................. 23

2.4.2 Tujuan E-Government ................................................................... 25

2.5 Pengaruh Kualitas Layanan Tehadap Niat Menggunakan Kembali E-

Government ................................................................................................. 28

2.6 Kepuasan Pengguna (User Satisfaction) dan Niat Untuk Menggunakan

Kembali (Intent to Reuse) ............................................................................ 29

2.7 Importance Performance Analysis (IPA) .................................................... 31

2.8 Teknik Pengumpulan Data .......................................................................... 35

2.9 Pengelompokan Data ................................................................................... 36

2.10 Metode Kuantitatif ....................................................................................... 39

2.11 Populasi dan Teknik Sampling .................................................................... 40

2.11.1 Populasi dan Sampel...................................................................... 40

2.11.2 Teknik Sampling............................................................................ 41

2.12 Metode Perhitungan Sampel ........................................................................ 45

2.13 Structure Equation Modeling (SEM) .......................................................... 48

2.14 Partial Least Square (PLS) ......................................................................... 53

2.15 SmartPLS ..................................................................................................... 55

2.15.1 Evaluasi Pengukuran Model (Outer Model).................................. 56

xi
 2.15.2 Evaluasi Struktural Model (Inner Model) ..................................... 59

2.16 Konstruk Reflekstif dan Formatif ................................................................ 61

2.16.1 Konstruk dengan Indikator Refleksif ............................................ 62

2.16.2 Konstruk dengan Indikator Formatif ............................................. 63

2.16.3 Pedoman Menentukan Arah Indikator Konstruk ........................... 63

2.17 Konstruk Unidimensional dan Multidimensional........................................ 65

2.17.1 Konstruk Unidimensional .............................................................. 65

2.17.2 Konstruk Multidimensional ........................................................... 67

2.18 Second order confirmatory factor analysis ................................................. 70

2.19 Statistical Product and Service Solution (SPSS) ......................................... 73

2.20 Skala Likert .................................................................................................. 74

2.21 Metode Perhitungan ..................................................................................... 76

2.21.1 Uji Validitas................................................................................... 76

2.21.2 Uji Reliabilitas ............................................................................... 80

2.21.3 Uji Hipotesis .................................................................................. 81

2.21.4 Uji Paired Sample t-Test ............................................................... 82

2.22 Teknik Pengolahan Data .............................................................................. 82

2.22.1 Analisis Kesesuaian ....................................................................... 82

2.22.2 Analisis Kesenjangan (Gap Analysis) ........................................... 83

2.23 Pengukuran Kualitas Layanan ..................................................................... 84

2.24 Metode Penilaian E-Government................................................................. 88

2.25 Penelitian Sejenis ......................................................................................... 99

BAB 3 METODOLOGI PENELITIAN .......................................................... 110

xii
3.1 Pendekatan dan Strategis Penelitian .......................................................... 110

3.2 Prosedur Penelitian .................................................................................... 111

3.3 Populasi dan Sampel Penelitian ................................................................. 114

3.4 Pengembangan Model Penelitian .............................................................. 116

3.5 Instrumen Penelitian .................................................................................. 118

3.6 Pembuatan Kuesioner ................................................................................ 122

3.7 Pengumpulan Data ..................................................................................... 126

3.8 Hipotesis Penelitian ................................................................................... 127

3.9 Analisis dan Interpretasi Data.................................................................... 127

BAB 4 HASIL ANALISIS DAN INTERPRETASI ....................................... 130

4.1 Gambaran Umum Diskominfo Kota Depok .............................................. 130

4.1.1 Profil Organisasi .......................................................................... 130

4.1.2 Visi .............................................................................................. 132

4.1.3 Misi .............................................................................................. 132

4.1.4 Logo............................................................................................. 133

4.1.5 Struktur Organisasi ...................................................................... 137

4.1.6 Tugas dan Fungsi Diskominfo Kota Depok ................................ 138

4.1.7 Profil Aplikasi Depok Single Window (DSW) ............................ 140

4.2 Hasil Analisis ............................................................................................. 143

4.2.1 Pilot Study ................................................................................... 144

4.2.2 Hasil Analisis Demografis ........................................................... 145

4.2.3 Hasil Analisis Model Penelitian .................................................. 149

4.2.3.1 Hasil Analisis Model Pengukuran (Outer Model)......... 149

xiii
 4.2.3.2 Hasil Analisis Struktur Model (Inner Model) ............... 158

4.2.4 Hasil Uji Paired Samples T-Test ................................................. 163

4.2.5 Hasil Analisis Kesesuaian ........................................................... 165

4.2.6 Hasil Analisis Kesenjangan (Gap Analysis) ................................ 167

4.2.7 Hasil Analisis Importance Performance Analysis (IPA)............. 170

4.3 Interpretasi Data Hasil Penelitian .............................................................. 173

4.3.1 Interpretasi Hasil dan Pembahasan Pilot Study ........................... 173

4.3.2 Interpretasi Data Hasil Analisis Demografis ............................... 174

4.3.3 Interpretasi Data Hasil Analisis Model Penelitian ...................... 178

4.3.4 Interpretasi Hasil Uji Paired Samples T-Test .............................. 190

4.3.5 Interpretasi Hasil Analisis Kesesuaian ........................................ 190

4.3.6 Interpretasi Hasil Analisis Kesenjangan (Gap Analysis)............. 192

4.3.7 Interpretasi Hasil Analisis IPA .................................................... 193

4.4 Rekomendasi ............................................................................................. 198

BAB 5 PENUTUP.............................................................................................. 199

5.1 Kesimpulan ................................................................................................ 199

5.2 Saran .......................................................................................................... 201

DAFTAR PUSTAKA ........................................................................................ 203

LAMPIRAN

xiv
 DAFTAR GAMBAR

Gambar 1.1 Data Perbandingan antara Pengguna Baru dengan Pengguna yang .... 5

Gambar 1.2 Data Jumlah Penduduk Kota Depok ................................................... 6

Gambar 2.1 Diagram Kartesius IPA (Martilla & James, 1977) ............................ 32

Gambar 2.2 Klasifikasi Komponen Model Struktural (Hussein, 2015) ............... 50

Gambar 2.3 Contoh Konstruk dengan Indikator Refleksif (Ghozali, 2012) ......... 62

Gambar 2.4 Contoh Konstruk dengan Indikator Formatif (Ghozali, 2012) .......... 63

Gambar 2.5 Konstruk Unidimensional (Ghozali, 2012) ................................... 66

Gambar 2.6 Model Struktural dengan Konstruk Unidimensional Refleksif .... 66

Gambar 2.7 Model Struktural dengan Konstruk Unidimensional Formatif .... 66

Gambar 2.8 Konstruk Multidimensional (Ghozali, 2012) ................................ 68

Gambar 2.9 Struktural dengan Lower Order Konstruk Refleksif dan Higher

Order Konstruk Formatif (Ghozali, 2012) ..................................................... 68

Gambar 2.10 Model Struktural dengan Lower dan Higher Order Konstruk Formatif

(Ghozali, 2012) .................................................................................................... 69

Gambar 2.11 Model Struktural Lower dan Higher Order Konstruk Refleksif

(Ghozali, 2012) ..................................................................................................... 69

Gambar 2.12 Model Struktural dengan Lower Order Konstruk Formatif dan Higher

Order Konstruk Refleksif (Ghozali, 2012)........................................................ 70

Gambar 2.13 Diagram Jalur First Order dan Second Order ................................ 72

Gambar 2.14 Tampilan Lembar Kerja SPSS versi 24........................................... 74

Gambar 2.15 Model Konseptual Kualitas Layanan e-GovQual ........................... 91

xv
Gambar 2.16 Model Kualitas Layanan e-GovQual Final ..................................... 95

Gambar 3.1 Prosedur Penelitian.......................................................................... 111

Gambar 3.2 Model Penelitian yang dikembangkan ............................................ 116

Gambar 4.1 Logo Kota Depok (Pemkot Depok, 2020) ...................................... 133

Gambar 4.2 Struktur Organisasi (Diskominfo Kota Depok, 2020) .................... 137

Gambar 4.3 Interface Aplikasi Depok Single Window (DSW)........................... 141

Gambar 4.4 Diagram Jenis Kelamin ................................................................... 145

Gambar 4.5 Diagram Pekerjaan .......................................................................... 146

Gambar 4.6 Diagram Usia................................................................................... 147

Gambar 4.7 Diagram Pendidikan Terakhir ......................................................... 148

Gambar 4.8 Diagram Frekuensi Pengguna Aplikasi DSW Per-Bulan ................ 148

Gambar 4.9 Diagram Durasi Akses Aplikasi DSW Per-Hari ............................. 149

Gambar 4.10 Hasil Analisis Outer Model dengan SmartPLS ............................. 156

Gambar 4.11 Diagram Kartesius IPA Layanan Aplikasi DSW .......................... 170

xvi
 DAFTAR TABEL

Tabel 2.1 Atribut User Satisfaction dan Intent to Reuse....................................... 31

Tabel 2.2 Keterangan Konstruk SmartPLS (Hussein, 2015) ................................ 50

Tabel 2.3 Metode Analisis Multivariat (Hairiah et al., 2003) .............................. 51

Tabel 2.4 Rule of tumb CB-SEM dan SEM-PLS (Hairiah et al., 2003) ............... 52

Tabel 2.5 Jenis Software SEM (Hairiah et al., 2003) ........................................... 52

Tabel 2.6 Kesalahan Pemilihan Indikator (Ghozali, 2012) ................................ 64

Tabel 2.7 Perbandingan Antara Indikator Refleksif dan Formatif ..................... 64

Tabel 2.8 Ketentuan Skala Likert ( Sugiyono, 2010) ............................................ 75

Tabel 2.9 Tingkat hubungan interval koefisien r (Sarwono, 2006) ...................... 79

Tabel 2.10 Kriteria Reliabilitas (Azwar, 2000) ..................................................... 81

Tabel 2.11 Dimensi dan Atribut e-GovQual (Papadomichelaki &

Mentzas, 2012) ...................................................................................................... 92

Tabel 2.12 Dimensi dan Atribut e-GovQual Final (Papadomichelaki &

Mentzas, 2012) ...................................................................................................... 95

Tabel 2.13 Penelitian Sejenis .............................................................................. 100

Tabel 3.1 Skala Likert yang Digunakan untuk Kuesioner Penelitian ................. 119

Tabel 3.2 Indikator dan Butir Pertanyaan Pengujian .......................................... 120

Tabel 3. 3 Penentu Skala Kuesioner ................................................................... 124

Tabel 3.4 Kuesioner Penelitian ........................................................................... 124

Tabel 4.1 Layanan dan Fitur Aplikasi Depok Single Window (DSW) ............... 142

Tabel 4.2 Hasil Uji Loading Factor dengan SmartPLS ...................................... 150

xvii
Tabel 4.3 Hasil Composite Reliability dengan SmartPLS .................................. 151

Tabel 4.4 Hasil Average Variance Extracted (AVE) dengan SmartPLS ............ 152

Tabel 4.5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS . 153

Tabel 4.6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s)

dengan SmartPLS ................................................................................................ 154

Tabel 4.7 Keseluruhan Hasil Analisis Pengukuran Model (Outer Model) dengan

SmartPLS ............................................................................................................ 157

Tabel 4.8 Hasil Uji Signifikansi Path Coefficient (𝛽) ........................................ 158

Tabel 4.9 Hasil Uji Path Coefficient (𝛽) dengan SmartPLS .............................. 159

Tabel 4.10 Hasil Uji Coefficient of Determination (R-square) dengan

SmartPLS ............................................................................................................ 161

Tabel 4.11 Hasil Uji T-test dengan SmartPLS .................................................... 162

Tabel 4. 12 Hasil Uji Validitas Paired Samples T-Test ...................................... 164

Tabel 4.13 Hasil Analisis Tingkat kesesuaian Tiap Dimensi ............................. 166

Tabel 4.14 Hasil Analisis Tingkat Kesenjangan (Gap) Tiap Dimensi................ 168

Tabel 4.15 Hasil Uji Hipotesis ............................................................................ 182

Tabel 4.16 Rekomendasi ..................................................................................... 198

xviii
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Di era globalisasi perkembangan teknologi sudah banyak memberi pengaruh

terhadap cara hidup karena teknologi berperan penting untuk mempercepat suatu

proses data menjadi lebih efektif dan efisien. Mengelola segmen masyarakat secara

efektif, pemerintah membutuhkan sistem dan alat pintar yang dapat berkoordinasi

dalam berbagai bidang, termasuk untuk digitalisasi sektor pemerintahan yang lebih

dikenal dengan Electronic Government (e-Government) agar memiliki akses ke

data waktu nyata, berbagai informasi, implementasi skema kesejahteraan, dan

pembangunan baru (Irawan, 2013).

Istilah e-Government di Indonesia pertama kali diperkenalkan melalui

Instruksi Presiden RI No. 6 Tahun 2001. Kemudian dibuat kebijakan dan strategi

nasional pengembangan e-Government melalui Instruksi Presiden RI No. 3 Tahun

2003. Dan ditekankan pada Instruksi Presiden RI No. 12 Tahun 2016 untuk

melakukan penyempurnaan standar pelayanan dan sistem pelayanan yang inovatif.

Beberapa kabupaten dan kota di Indonesia kini membuat informasi

pemerintah digital di semua bidang sehingga menghasilkan banyak hasil dan nilai

positif bagi masyarakat. Pengembangan website, forum online, aplikasi mobile, dan

layanan terpadu akan membantu secara langsung dalam berbagai ide, saran, dan

keluhan masyarakat kepada pemerintah.

1
 2

Kepala Diskominfo Kota Depok Sidik Mulyono menjelaskan, untuk

mengoptimalkan e-Government, Diskominfo Kota Depok akan mengintegrasikan

seluruh pelayanan berbasis TI dalam satu aplikasi berbasis smartphone dan

menyiapkan pusat data warehouse yang terintegrasi dengan semua perangkat

daerah di Pemkot Depok. Kota Depok telah memulai inisiatif e-Government sejak

2016.

Salah satu penerapan e-Government di Kota Depok untuk meningkatkan

kualitas layanan publik adalah dengan membuat dan mengembangkan aplikasi e-

Government, yaitu: Aplikasi Depok Single Window (DSW). Aplikasi DSW adalah

media portal pelayanan publik bagi masyarakat Kota Depok untuk memudahkan

layanan informasi. Dengan begitu, 1 pintu (window) masyarakat dapat mengakses

layanan publik yang dibutuhkan secara mudah, cepat, lengkap, informatif dan

masyarakat kini tidak harus menghafal banyak alamat / URL website / aplikasi dan

datang ke lokasi pelayanan umtuk mendapatkan informasi. Aplikasi DSW tersebut

adalah objek yang dijadikan fokus pada penelitian ini.

Adapun yang menjadi dasar dipilihnya objek tersebut adalah Instruksi

Presiden (Inpres) RI No. 3 Tahun 2003 dan Inpres RI No. 12 Tahun 2016 mengenai

good governance melalu penerapan e-Government, UU Nomor 22 Tahun 1999

tentang pemerintah daerah, dimana otonomi daerah diberikan kepada tingkat

kabupaten atau kota. Kebijakan tersebut menjadikan kabupaten atau kota menjadi

titik sentral dalam penyampaian layanan kepada masyarakat oleh pemerintah

daerah (Hermana & Silfianti, 2011).

 3

Aplikasi Depok Single Window (DSW) dapat diakses melalui perangkat

Android. Aplikasi DSW ini merupakan gabungan dari beberapa single aplikasi

layanan publik yang sudah ada agar memudahkan layanan informasi dapat diakses

oleh pengguna. Layanan publik yang diberikan adalah layanan waktu salat di Kota

Depok, layanan Panggilan Darurat, layanan Cuaca, layanan Kependudukan, e-

Library, layanan informasi keadaan Lalu Lintas di Kota Depok, layanan Peta

Depok, layanan Berita Depok, layanan informasi Lowongan Kerja, layanan

Kesehatan (berisi informasi kesehatan: daftar online puskesmas, daftar online

RSUD (jadwal dokter, ketersediaan kamar inap, jadwal dokter tidak praktir, tanya

jawab, informasi Faskes BPJS), daftar online Rumah Sakit, dan informasi penyakit

di Kota Depok), layanan Pendidikan (berisi informasi pendidikan: daftar sekolah di

Kota Depok, informasi passing grade SMP, SMA, SMK, informasi kalender

pendidikan, informasi tentang PPDB), layanan Pajak (berisi informasi layanan:

Pajak Bumi dan Bangunan (PBB), Bea Perolehan Hak Tanah dan/atau Bangunan

(BPHTB), dan informasi Pajak Kendaraan Bermotor), layanan Perizinan, layanan

PDAM & PLN, layanan Zakat, layanan Aspirasi, Layanan Contact Center, layanan

WIFI Publik, layanan Ekonomi (berisi informasi ekonomi: katalog usaha, harga

komoditas, knowledge ekonomi).

Sejauh pengetahuan peneliti, penelitian mengenai kualitas layanan aplikasi

DSW berdasarkan persepsi pengguna belum pernah dilakukan. Selama ini,

pengguna hanya memberikan umpan balik terhadap kualitas layanan aplikasi DSW

dengan memberikan rating dan komentar di kolom reviews pada aplikasi Google

Play Store. Berikut ini adalah beberapa pengaduan pengguna aplikasi DSW melalui
 4

aplikasi Google Play Store dapat dilihat pada Lampiran yang di antaranya yaitu:

aplikasi DSW masih sering terjadi error pada saat pendaftaran pengguna akun

baru/sign up, fitur WIFI sulit terhubung pada perangkat pengguna, masyarakat

kesulitan mendaftar antrian online dalam akses fitur layanan kesehatan, tampilan

aplikasi DSW masih belum cukup user friendly bagi beberapa pengguna, masih

sering terjadi force close (tutup paksa) saat membuka aplikasi DSW, aplikasi DSW

seringkali tidak support atau dapat diakses pada perangkat-perangkat tertentu

sehingga aplikasi tidak berjalan dengan sempurna pada perangkat yang digunakan

tersebut.

Berdasarkan uraian sebelumnya maka perlu dilakukan penelitian untuk

mengukuran atau menilaian kualitas layanan aplikasi e-Government Pemkot Depok

berdasarkan perspektif pengguna sehingga akan diketahui tingkat kesesuaian dan

tingkat kepuasan dan harapan pengguna, serta faktor-faktor yang memengaruhi

kualitas dari layanan aplikasi e-Government tersebut. Hasil pengukuran kemudian

digunakan untuk membantu pihak pengembang aplikasi dalam meningkatkan

kualitas layanan publik yang efisien dan efektif. Dalam mengukur layanan e-

Government diperlukan kerangka penilaian layanan e-Government yang mendasari

diajukannya pertanyaan-pertanyaan kepada pengguna layanan e-Government

tersebut (Setyaningrum, 2015).

 5

Aplikasi DSW sampai saat ini telah diunduh oleh 11.640 pengguna per-

tanggal 16 September 2019. Jumlah tersebut tentu masih sedikit dibandingkan

dengan populasi masyarakat Kota Depok yang menggunakan aplikasi mobile

berbasis Android. Aplikasi mobile berbasis android berfungsi semacam website,

dimana website bertindak sebagai jendela bagi pengguna untuk melakukan interaksi

dengan organisasi penyedia layanan aplikasi (Zhang & Von Dran, 2002).

Gambar 1.1 Data Perbandingan antara Pengguna Baru dengan Pengguna yang Meng-Uninstall

(Diskominfo Kota Depok, 2019)

Pada Gambar 1.1 menampilkan grafik data perbandingan antara pengguna

baru yang diperoleh sebanyak 43.160 dan pengguna yang meng-uninstall sebanyak

31.520 pengguna dalam tahun 2019. Karena mengalami penurunan pengguna yang

terlihat dari data tersebut cukup signifikan tiap bulannya, maka jumlah pengguna

aplikasi DSW yang didapat sampai saat ini berkisar 11.640 pengguna. Jumlah

penurunan pengguna tersebut tentu menjadi tanda tanya besar terhadap kualitas

layanan aplikasi mobile DSW Pemerintah Kota Depok karena belum sesuai

komitmennya dalam mewujudkan Depok Cyber City yang merupakan program

yang mencakup pengembangan e-Government di Kota Depok karena masih sedikit

 6

dari pengguna aplikasi DSW hanya 0,5% pengguna dibandingkan dengan jumlah

populasi masyarakat Kota Depok pada Gambar 1.2.

Gambar 1.2 Data Jumlah Penduduk Kota Depok (Badan Pusat Statistik Kota Depok, 2019)

Terdapat berbagai metode atau model yang dapat digunakan untuk mengukur

kualitas dari suatu layanan e-Government. Dalam penelitian ini metode yang akan

digunakan adalah metode e-GovQual, karena sesuai permasalahan yang ada, yakni

penilaian terhadap layanan e-Government, yang di dalamnya sudah terdapat atribut

di setiap dimensi kualitas pelayanan yang dibutuhkan oleh masyarakat sebagai

pengguna (Wahono, 2017).

E-GovQual adalah kerangka dimensi yang dikembangkan untuk mengukur

kualitas layanan dari website atau portal pemerintah menurut persepsi pengguna.

Portal pemerintah yang dimaksud adalah media dimana orang-orang dapat

menerima informasi atau layanan yang dibutuhkan. Model e-GovQual memiliki

beberapa atribut kualitas e-Government yang dimasukkan kedalam 6 kriteria

dimensi utama. Kriteria tersebut adalah Ease of Use (kemudahan penggunaan),

Trust (kepercayaan), Functionality of the Interaction Environment (fungsional dari

 7

interaksi lingkungan), Reliability (keandalan), Content and Appearance of

Information (isi dan tampilan informasi), dan Citizen Support (Dukung

Masyarakat). Dari keenam dimensi utama tersebut diturunkan menjadi 4 dimensi

final atau dasar akhir berupa variabel yang telah divalidasi berdasarkan konsep awal

yang telah dikembangkan yaitu: Efficiency, Trust, Reliability, dan Citizen Support

(Papadomichelaki & Mentzas, 2012).

Sudah banyak peneliti yang fokus dalam menggunakan metode e-GovQual

maupun mengembangkannya dengan dimensi efisiensi, kepercayaan, kehandalan,

dan dukungan masyarakat, aspek e-Government yang ada hanya terfokus pada 4

dimensi/variabel tersebut. Maka dibutuhkan tambahan variabel yang lain guna

mengukur atau melakukan analisis antara faktor-faktor e-Government.

Pada model e-GovQual belum diketahui prioritas utama perbaikan tingkat

kepuasan dari pengguna (user satisfaction), serta minat untuk menggunakan (intent

to reuse). Sedangkan dilihat dari permasalahan yang telah dijelaskan pada latar

belakang penelitian ini, aplikasi DSW mengalami penurunan pengguna yang cukup

signifikan tiap bulannya yang menyebabkan sedikitnya penguna dari aplikasi DSW

yaitu: hanya 0,5% pengguna dari jumlah penduduk Kota Depok. Oleh karena itu,

peneliti tertarik untuk menambahkan dimensi kepuasan pelanggan (user

satisfaction) dan minat untuk menggunakan (intent to reuse) dalam penelitian ini

guna mengukur pengaruh kepuasan penguna dan niat pengguna untuk

menggunakan kembali dalam menggunakan aplikasi DSW terhadap kualitas

layanan e-Government.
 8

Penambahan 2 variabel/dimensi tersebut juga didasari oleh penelitian DeLone

dan McLean yang mengungkapkan bahwa adanya pengaruh antara kualitas sistem

informasi terhadap kepuasan pengguna (user satisfaction) dan niat untuk

menggunakan kembali (intent to reuse) (DeLone & McLean, 2003). Wicaksono,

Susanto, dan Winarno dalam penelitiannya juga mengungkapkan adanya pengaruh

antara kualitas layanan terhadap kepuasan pengguna (user satisfaction) dan minat

untuk menggunakan (intent to reuse) (Wicaksono et al., 2012). Variabel user

satisfaction pada penelitian ini berguna untuk mengetahui pendapat/persepsi

pengguna mengenai kepuasan secara keseluruhan akan kualitas layanan yang

dirasakan (DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016).

Sedangkan variabel intent to reuse pada penelitian ini berguna untuk mengetahui

pengaruh kualitas layanan e-Government terhadap niat untuk menggunakan

kembali aplikasi DSW agar kepuasan akan kualitas layanan terpenuhi (DeLone &

McLean, 2003; Wicaksono et al., 2012; Haryani, 2016).

Selain dengan metode tersebut ada juga penelitian yang menggunakan

metode WebQual (Wicaksono et al., 2012; Arif Masthori et al., 2016), seperti pada

penjelasan tersebut pada penelitian ini akan digunakan metode e-GovQual karena

model ini dapat meningkatkan kemampuan lembaga pemerintah untuk menggali

kebutuhan serta mendorong publik memanfaatkan layanan secara optimal

(Papadomichelaki & Mentzas, 2012). Kemudian dalam penelitian yang dilakukan

oleh (Albar et al., 2018) hasilnya menunjukkan bahwa model e-GovQual valid

dengan hasil yang memuaskan dan model e-GovQual relevan untuk konteks

Pemerintahan Indonesia.
 9

Alat bantu yang digunakan dalam penelitian ini adalah kuesioner yang

dirancang berdasarkan pendekatan dimensi e-GovQual dan Importance

Performance Analysis (IPA) untuk mengukur performa layanan e-Government

yang dirasakan dan harapan pengguna terhadap layanan yang diberikan. Dengan

demikian dapat diperoleh informasi apakah layanan yang disediakan oleh

pemerintah telah memenuhi kepuasan publik atau justru masih di bawah ekspektasi.

Dalam penelitian ini peneliti menggabungkan teknik analisis Importance

Performance Analysis (IPA) (Martilla & James, 1977) untuk mengetahui tingkat

kesesuaian antara kinerja dan harapan, sekaligus juga mengetahui indikator kualitas

layanan yang kurang baik dan perlu mendapatkan prioritas perbaikan (Napitupulu,

2016; Abdurahman & Octavia, 2017; Sulaiman et al., 2017; Saputra et al., 2018).

Selain itu, teknik IPA ini sudah pernah digunakan untuk mengevaluasi layanan e-

Government Jepang yang dilakukan oleh Wong et al. (2011). Adapun hasil yang

diperoleh dari penelitian tersebut menyatakan bahwa IPA merupakan alat strategis

yang dapat dengan cepat memungkinkan perencanaan e-Government untuk

memahami kebutuhan, keinginan dan kepuasan pelanggan daripada mengandalkan

indikator kinerja saja. Hal ini sesuai dengan pendapat dari Wong (2009) yang

menyatakan bahwa IPA dapat membantu mengevaluasi manfaat e-Government dan

memberikan panduan untuk merumuskan strategi pemerintah untuk

mengalokasikan sumber daya secara akurat untuk memaksimalkan ROI (Return On

Investment) atau laba atas investasi yang tinggi.

Berdasarkan latar belakang, penggabungan metode E-GovQual dan teknik

analisis data Importance performance Analysis (IPA) dimaksudkan untuk

 10

mengukur kualitas layanan aplikasi Depok Single Window (DSW) Diskominfo

Pemkot Depok berdasarkan persepsi masyarakat yang dirasa masih kurang

kinerjanya atau tidak sesuai dengan harapan pengguna, sehingga bisa dijadikan

rekomendasi prioritas perbaikan yang tepat terhadap faktor penentu kualitas

layanan, oleh karena itu, itu penulis tertarik untuk melakukan penelitian dengan

judul “Analisis Kualitas Layanan Aplikasi E-Government Depok Single

Window (DSW) Menggunakan Metode E-GovQual dan Importance

Performance Analysis (IPA).

1.2 Identifikasi Masalah

Berdasarkan pada latar belakang permasalahan yang telah dijelaskan, maka

penulis mengidentifikasikan masalah sebagai berikut:

a. Aplikasi Depok Single Window (DSW) mengalami penurunan pengguna

yang cukup signifikan tiap bulannya yang menyebabkan sedikitnya pengguna

dari aplikasi DSW yaitu: hanya 0,5% pengguna dari jumlah penduduk Kota

Depok dengan total 2.330.333 jiwa.

b. Kurangnya sosialisasi yang dilakukan oleh Pemkot Depok dalam penerapan

aplikasi tersebut kepada masyarakat sehingga membuat aplikasi tersebut

menjadi tidak efektif.

c. Tingkat aksesibilitas aplikasi Depok Single Window (DSW) dianggap kurang,

terutama tidak dapat dibuka pada beberapa perangkat pengguna yang

menyebabkan keterbatasan akses pengguna dalam mengakses informasi.

 11

1.3 Rumusan Masalah

Berdasarkan penjelasan dan identifikasi masalah yang telah disebutkan, dapat

dirumuskan bahwa permasalahan yang dibahas pada penelitian ini adalah:

a. Bagaimana status persepsi masyarakat terhadap kualitas layanan e-

Government pada aplikasi Depok Single Window (DSW)?

b. Apa saja faktor-faktor yang memengaruhi kualitas layanan e-Government

pada aplikasi Depok Single Window (DSW)?

c. Bagaimana menentukan atribut yang menjadi prioritas perbaikan kualitas

layanan berdasarkan hasil analisis Importance Performance Analysis (IPA)?

1.4 Batasan Masalah

Batasan masalah dalam penelitian ini adalah:

a. Penelitian ini dilakukan di Dinas Komunikasi dan Informatika Pemerintah

Kota Depok yang beralamat di Gedung Dibaleka II Komplek Balaikota

Depok Lantai 7, Jl. Margonda Raya No. 54, Depok, Kecamatan Pancoran

Mas, Kota Depok, Provinsi Jawa Barat.

b. Analisis kualitas layanan e-Government menggunakan metode e-GovQual

((Papadomichelaki & Mentzas, 2012) dengan variabel: Efficiency (Efisiensi),

Reliability (Keandalan), Trust (Kepercayaan), Citizen Support (Dukungan

Masyarakat) (Papadomichelaki & Mentzas, 2012) dan penambahan dua

variabel yaitu: User Satisfaction (Kepuasan Pengguna) serta niat untuk

menggunakan kembali (intent to reuse) (McDelon & McLean, 2003;

Wicaksono et al., 2012; Haryani, 2016).

 12

c. Analisis diagram kartesius Importance Performance Analysis (IPA) (Martilla

& James, 1977) memiliki 4 (empat) buah kuadran yaitu: Kuadran A (Prioritas

Utama), Kuadran B (Pertahankan Prestasi), Kuadran C (Prioritas Rendah) dan

Kuadran D (Berlebihan).

d. Penelitian ini menggunakan skala Likert dengan skala 1-5 untuk menyusun

skala pengukuran terhadap aplikasi Depok Single Window (DSW).

e. Populasi penelitian ini mencakup masyarakat Kota Depok yang

menggunakan aplikasi Depok Single Window (DSW), sebagai pengguna

akhir dari aplikasi Depok Single Window (DSW).

f. Penelitian ini menggunakan pendekatan metode kuantitatif, dengan teknik

pengambilan sampel menggunakan simple random sampling.

g. Analisis outer model, inner model, dan uji hipotesis dengan menggunakan

pendekatan PLS-SEM menggunakan perangkat lunak SmartPLS versi 3.2.9.

serta penggunaan aplikasi IBM Statistics SPSS versi 24 untuk analisis

Importance Performance Analysis (IPA).

1.5 Pertanyaan Penelitian

Mengacu pada tujuan dan sasaran penelitian yang telah disebutkan

sebelumnya, maka tiga pertanyaan utama dalam penelitian ini adalah:

Q1 Bagaimana status perspsi masyarakat terhadap kualitas layanan e-

Government pada aplikasi Depok Single Window (DSW)?

Q2 Apa saja faktor-faktor yang memengaruhi kualitas layanan e-Government

pada aplikasi Depok Single Window (DSW)?

 13

Q3 Bagaimana menentukan atribut yang menjadi prioritas perbaikan kualitas

layanan berdasarkan hasil analisis Importance Performance Analysis (IPA)?

Selanjutnya, berdasarkan model e-GovQual yang telah dipaparkan

sebelumnya, berikut adalah pertanyaan penelitian terkait faktor-faktor apa saja yang

memengaruhi kualitas layanan e-government pada aplikasi Depok Single Window

(DSW).

Q2.1 Efficiency (EF) memiliki pengaruh terhadap kualitas layanan e-Government

(EGSQ).

Q2.2 Trust (TRS) memiliki pengaruh terhadap kualitas layanan e-Government

(EGSQ).

Q2.3 Reliability (RLB) memiliki pengaruh terhadap kualitas layanan e-

Government (EGSQ).

Q2.4 Citizen Support (CS) memiliki pengaruh terhadap kualitas layanan e-

Government (EGSQ).

Q2.5 Kualitas layanan e-Government (EGSQ) memiliki pengaruh terhadap User

Satisfaction (USAT).

Q2.6 Kualitas layanan e-Government (EGSQ) memiliki pengaruh terhadap

Intention to Reuse (USE).

Q2.7 User Satisfaction (USAT) memiliki pengaruh terhadap Intention to Reuse

(USE).
 14

1.6 Tujuan Penelitian

Pada penelitian ini terdapat dua jenis tujuan, yaitu: tujuan umum dan tujuan

khusus. Tujuan umumnya yaitu: untuk melakukan analisis terhadap kualitas

layanan e-Government pada aplikasi Depok Single Window (DSW) berdasarkan

persepsi pengguna, sedangkan tujuan khususnya:

a. Untuk mengetahui status persepsi masyarakat terhadap kualitas e-

Government pada aplikasi Depok Single Window (DSW).

b. Untuk mengetahui faktor–faktor yang memengaruhi kualitas layanan e-

Government pada aplikasi Depok Single Window (DSW).

c. Untuk menentukan atribut yang menjadi prioritas perbaikan kualitas layanan

berdasarkan hasil analisis Importance Performance Analysis

(IPA).

1.7 Metodologi Penelitian

Pada penelitian ini dilakukan dengan pendekatan kuantitatif dan model yang

digunakan adalah model e-GovQual. Model e-GovQual akan dikembangkan

sebagai sumber rumusan hipotesis. Selanjutnya hipotesis diuji dengan data yang

telah terkumpul dari kuesioner. Kuesioner ini berbentuk pertanyaan dan pertanyaan

yang sesuai dengan pendekatan kuantitatif. Kemudian kuesioner ini disebarkan

kepada responden yang menjadi target dalam penelitian ini. Adapun pada kuesioner

tersebut menggunakan skala Likert dengan skala 1-5 (Croasmun & Ostrom, 2011;

Guritno & Rahardja, 2011) untuk pengukurannya.

 15

Responden yang terlibat pada peneliti ini adalah masyarakat Depok yang

menggunakan aplikasi Depok Single Window (DSW), sebagai pengguna akhir dari

aplikasi DSW Berdasarkan data yang diperoleh dari Dinas Komunikasi dan

Informatika (Diskominfo) Kota Depok (2019), jumlah pengguna yang meng-install

aplikasi DSW sebanyak 11.640 pengguna. Sampel diambil dengan menggunakan

teknik simple random sampling, dimana pengambilan sampel dilakukan secara acak

tanpa memperhatikan strata, tingkatan, ataupun kelompok (Guritno et al., 2011;

Scheaffer et al., 2011; Acharya et al., 2013). Penyebaran kuesioner dilakukan

peneliti secara langsung dan tidak langsung. Penyebaran tidak langsung dilakukan

peneliti untuk mencari responden yang tepat melalui tatap muka secara langsung.

Penyebaran tidak langsung dilakukan peneliti melalui media sosial (e-mail,

whatsapp, line, facebook, instagram) dengan bantuan fitur google forms untuk

pengisiannya.

Setelah penyebaran kuseioner dilakukan, hasil jawaban pada kuesioner

tersebut dikonfersikan menggunakan MS. Excel 2016. Selanjutnya dilakukan

proses analisis model penelitian dengan outer model, inner model, dan uji hipotesis

dengan bantuan SmartPLS 3.2.9.

Mengacu pada sejumlah peneliti tersebut, peneliti melakukan analisis dengan

dua tahap untuk model penelitian, yaitu: analisis measurement model dan structural

model. Measurement model dilakukan untuk menguji reliabilitas dan validitas outer

model melalui indikator reliability, internal consistency reliability, converfent

validity, dan discriminant validity. Sedangkan pengujian structural model (inner

model) melalui path ceofficient (𝛽), cofficient of determination (𝑅2 ), t-Test melalui
 16

metode bootstrapping, effect size (ƒ2 ), predictive relevance (𝑄2 ), dan relative

impact (𝑞 2 ) menggunakan metode pengujian blindfolding (Hair et al, 2017; Kock

& Hadaya, 2018; Sarsted et al, 2014; Wong, 2013).

Namun karena model penelitian yang digunakan berbentuk second order

maka uji structural model (inner model) yang dilakukan dengan uji signifikansi

konstruk first order / t-Test dengan outer loading, uji path coefficients dengan

bootstapping (Ghozali & Latan, 2015), dan juga ditambahkan dengan uji coefficient

of determinaton (𝑅2 ) seperti pada penelitian (Jogiyanto, 2011; Naniek et al, 2012;

Soekanto & Mustikarini, 2017).

Kemudian bagaimana tingkat kesesuaian antara kinerja yang dirasakan

dengan harapan publik sesungguhnya trhadap layanan e-Government dapat

diketahui dengan analisis kesesuaian, serta dilakukan pula analisis kesenjangan

untuk mengetahui nilai kesenjangan antara kinerja dan harapan dari aplikasi

tersebut.

Serta dilakukan juga analisis kuadaran atau Importance Performance

Analysis (IPA), seperti disebutkan sebelumnya bahwa data hasil kuesioner dengan

pendekatan e-GovQual akan dianalisis dengan bantuan IPA untuk mengetahui

sejauh mana kualitas layanan e-Government Depok Single Window (DSW)

berdasarkan perspektif masyarakat atau publik. Proses analisis kesesuaian, analisis

gap, dan analisis IPA tersebut dilakukan dengan aplikasi IBM Statistics SPSS versi

24.

Interpretasi dilakukan berdasarkan dari hasil analisis yang telah dilakukan.

Selanjutnya kesimpulan disusun sesuai dengan pertanyaan yang ada pada penelitian
 17

yang telah dibahas dan didiskusikan sesuai dengan batasan penelitian yang telah

dibuat.

1.8 Manfaat Penelitian

Adapun manfaat yang didapat dari penelitian ini dapat dijabarkan dalam tiga

point, tiga point yang dimaksud adalah sebagai berikut:

a. Secara teoritis, penelitian ini dapat memberikan usulan untuk mengetahui

tingkat kualitas layanan e-Government dan hubungan setiap faktor-faktornya.

Penelitian ini dapat menjadi alternatif bagi penelitian selanjutnya untuk

memahami kualitas layanan e-Government.

b. Secara metodologi, penelitian ini dapat mendukung pemanfaatan metode

pendekatan kuantitatif pada riset atau penelitian di bidang sistem informasi

UIN Syarif Hidayatullah Jakarta, serta dapat digunakan sebagai referensi

penelitian sejenis berikutnya.

c. Secara praktis, hasil penelitian ini dapat menjadi pertimbangan bagi pihak

terkait yaitu: Dinas Komunikasi dan Informatika (Diskominfo) Pemerintah

Kota Depok dalam rencana perbaikan dan pengembangan sistem berikutnya.

1.9 Sistematika Penulisan

Penyusunan laporan penelitian ini terbagi dalam lima bab yang tebagi dalam

lima bab yang terdiri atas pendahuluan, kajian pustaka, metodologi penelitian, hasil

analisis kualitas aplikasi, serta kesimpulan dan saran. Adapun penjelasan singkat

terkait kelima bab tersebut adalah:

 18

Bab 1 Pendahuluan

Bab ini terdiri atas latar belakang, identifikasi masalah, rumusan masalah,

batasan masalah, tujuan penelitian, metodologi penelitian, manfaat

penelitian, dan sistematika penulisan.

Bab 2 Tinjauan Pustaka

Bab ini menjelaskan teori-teori yang berkaitan dengan tinjauan pustaka.

Meliputi analisis, kualitas layanan, pelayanan publik, aplikasi mobile,

electronic Government (e-Government), Importance Performance Analysis

(IPA), teknik pengumpulan data, pengelompokan data, statistik deskriptif,

metode kuantitatif, dan teknik sampling, Structure Equation Model (SEM),

Partial Least Square (PLS), SmartPLS, konstruk reflektif dan formatif,

Statistical Product and Service Solution (SPSS), skala Likert dengan skala

1-5, metode penentuan ukuran sampel, metode perhitungan, teknik

pengolahan data, e-GovQual, pengembangan model penelitian,

pengembangan hipotesis penelitian, dan penelitian sejenis.

Bab 3 Metodologi Penelitian

Bab ini menjelaskan metode proses pelaksanaan penelitian, yang terdiri atas

penjelasan-penjelasan mengenai pendekatan, prosedur, populasi dan

sampel, instrumen penelitian, pengumpulan dan pemrosesan data, serta

analisis data.

Bab 4 Hasil Analisis dan Interpretasi

 19

Bab ini menguraian profil singkat Dinas Komunikasi dan Informatika

Pemkot Depok yang dijadikan objek penelitian, menjelaskan mengenai

analisis data dan hasilnya, interpretasi, dan diskusi hasil penelitian. Dalam

menganalisis data utamanya menggunakan metode PLS-SEM yang dibantu

dengan menggunakan perangkat lunak SmartPLS. Analisis data yang

dilakukan terdiri atas analisis model pengukuran dan struktur model, dan

analisis data Importance Performance Analysis (IPA). Selanjutnya

interpretasi data dilakukan dengan merujuk teori sebelumnya,

memperhatikan, dan menimbang pelaksanaan penelitian secara praktis di

lapangan, serta rekomendasi bagi pihak Diskominfo Pemerintah Kota

Depok.

Bab 5 Penutup

Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan masalah

serta penjabaran keterbatasan peneliti dan beberapa saran atau perbaikan

untuk pihak terkait dan pengembangan penelitian selanjutnya.

 BAB 2

TINJAUAN PUSTAKA

2.1 Definisi Analisis

Analisis dapat didefinisikan sebagai penguraian dari suatu sistem informasi

yang utuh ke dalam bagian-bagian komponennya dengan maksud untuk

mengidentifikasi dan mengevaluasi permasalahan, kesempatan serta hambatan

yang terjadi dan kebutuhan yang diharapkan sehingga dapat diusulkan

perbaikannya, selain itu analisis merupakan cara berpikir yang berkaitan dengan

pengujian sistematis terhadap sesuatu untuk menentukan hubungan antar bagian

dan hubungannya dengan keseluruhan (Sugiyono, 2015).

Pengertian lain dari analisis dalam Kamus Bahas Indonesia Kontemporer

Salim & Salim (2002) adalah sebagai berikut:

a. Analisis adalah penguraian pokok persoalan atas bagian-bagian, penelaahan

bagian-bagian tersebut dan hubungan antar bagian untuk mendapatkan

pengertian yang tepat dengan pemahaman secara keseluruhan.

b. Analisis adalah proses pemecahan masalah yang dimulai dengan hipotesisi

(dugaan, dan sebagainya) sampai terbukti kebenarannya melalui beberapa

kepastian (pengamatan, percobaan, dan sebagainya).

Menurut Suryani & Hendryadi (2015) menentukan teknik analisis merupakan

sebuah proses yang terintegrasi dalam prosedur penelitian. Analisis data dilakukan

20
 21

untuk menjawab rumusan masalah dan hipotesis yang sudah diajukan. Hasil analisis

data selanjutnya diinterpretasikan dan dibulatkan kesimpulannya.

Dari definisi tersebut, maka dapat ditarik kesimpulan bahwa analisis adalah

suatu penyelidikan, penguraian, dan proses pemecahan masalah melalui beberapa

pengamatan, percobaan, dan sebagainya sehingga dapat menghasilkan pengertian

yang tepat dan arti secara keseluruhan.

2.2 Definisi Kualitas Layanan

Menurut Tjiptono (2008) kualitas layanan adalah suatu keadaan dinamis yang

berkaitan erat dengan produk, jasa, sumber daya manusia, serta proses dan

lingkungan yang setidaknya dapat memenuhi atau justru dapat melebihi kualitas

layanan yang diharapkan. Menurut Tjiptono, definisi kualitas pelayanan ini adalah

upaya pemenuhan kebutuhan yang dibarengi dengan keinginan konsumen serta

ketetapan cara penyampainnya agar dapat memenuhi harapan dan kepuasan

pelanggan tersebut.

Kualitas layanan tidak hanya diharapkan dan dinilai dari perusahaan-

perusahaan yang menjual produk yang diinginkan. Salah satu tempat yang

memerlukan perhatian terkait kualitas layanannya adalah instansi pemerintahan.

Kerap kali kita megeluh tentang layanan di instansi pemerintahan yang cenderung

kurang atau tidak memenuhi kriteria yang diharapkan. Namun pada dasarnya

standar kualitas layanan di instansi pemerintahan telah memiliki standar-standar

tersendiri yang harus dipenuhi.

 22

Beberapa pelayanan yang kerap harus diperhatikan untuk pelayanan

masyarakat di antaranya adalah di bidang kualitas layanan kesehatan, kualitas

layanan jas, kualitas layanan prima, kualitas layanan hotel, kualitas layanan

akademik, dan kualitas layanan bank. Beberapa instansi seperti rumah sakit, bank,

hotel, pemerintahan, dan universitas, memiliki standar kualitas layanan masing-

masing. Namun umumnya masyarakat juga memiliki penilaian dan harapan kualitas

layanan tersendiri dari masing-masing instansi tersebut.

Dari definisi kualitas layanan tersebut, dapat disimpulkan bahwa kualitas

layanan merupakan kemampuan perusahaan dalam memenuhi harapan pelanggan

dengan memberikan pelayanan kepada pelanggan pada saat berinteraksi langsung

dengan satu pelanggan.

2.2.1 Definisi Aplikasi Mobile

Menurut Pressman & Bruce (2014), aplikasi mobile adalah aplikasi yang telah

dirancang khusus untuk platform mobile (misalnya iOS, android, atau windows

mobile). Dalam banyak kasus, aplikasi mobile memiliki user interface dengan

mekanisme interaksi unik yang disediakan oleh platform mobile, interoperabilitas

dengan sumber daya berbasis web yang menyediakan akses ke beragam informasi

yang relevan dengan aplikasi, dan kemampuan pemrosesan lokal untuk

pengumpulan, analisis, dan format informasi dengan cara yang paling cocok untuk

platform mobile. Selain itu aplikasi mobile menyediakan kemampuan penyimpanan

persisten dalam platform.

 23

2.2.2 Kualitas Aplikasi Mobile

Menurut DeLone dan McLean (dalam Widodo, Putranti, dan Nurcahyati,

2016) mengemukakan bahwa kualitas sistem aplikasi mobile merupakan

karakteristik dari informasi yang melekat mengenai sistem aplikasi itu sendiri yang

mana kualitas sistem aplikasi merujuk pada seberapa baik kemampuan perangkat

keras, perangkat lunak, kebijakan prosedur dari sistem aplikasi informasi yang

menyediakan informasi kebutuhan pengguna.

2.3 Definisi Layanan Publik

Layanan publik dalam UU No. 25 Tahun 2009 diartikan sebagai kegiatan atau

rangkaian kegiatan dalam rangka pemenuhan kebutuhan layanan sesuai dengan

peraturan perundang-undangan bagi setiap warga negara dan penduduk atas barang,

jasa, dan/atau pelayanan administatif yang disediakan oleh penyelenggara layanan

publik.

Dari definisi layanan publik tersebut, maka dapat disimpulkan bahwa layanan

publik dapat diartikan sebagai pemberian layanan (melayani) keperluan orang atau

masyarakat yang mempunyai kepentingan pada organisasi itu sesuai dengan aturan

pokok dan tata cara yang telah ditetapkan.

2.4 Electronic Government (e-Government)

2.4.1 Definisi e-Government

E-Government adalah istilah yang menyatakan penggunaan teknologi

informasi untuk melakukan transformasi hubungan dengan masyarakat, bisnis,

 24

sesama badan pemerintah, dan pegawai (Kadir, 2014). E-Government diusulkan

sebagai cara untuk meningkatkan kepercayaan warga pada pemerintah dan

meningkatkan evaluasi warga negara terhadap pemerintah secara umum (Wu &

Guo, 2015). E-Government merupakan ICT (Information, Communication, and

Technology) untuk pemerintahan yang lebih baik atau untuk meningkatkan kualitas

layanannya melalui teknologi internet dan web (Gao & Lee, 2017).

E-Government adalah sebuah proses sistem pemerintahan dengan

memanfaatkan ICT. ICT adalah alat untuk memudahkan proses komunikasi dan

transaksi kepada masyarakat, antar instansi pemerintahan, dan transaksi kepada

masyarakat, antar instansi pemerintahan, dan organisasi bisnis. Penerapan ICT

dilakukan untuk membantu pencapaian pemerintah dalam hal efisiensi, efektivitas,

transparansi, dan pertanggung jawaban pemerintah kepada masyarakat (Susena et

al., 2016). ICT merupakan penggunaan teknologi informsi dan komunikasi yang

cepat, mudah, dan biaya lebih murah (Sutabri, 2013).

E-Governmet adalah penggunaan internet dalam melaksanakan urusan

pemerintah dan penyediaan pelayanan publik yang lebih baik pada pelayanan

masyarakat (Handika, 2017). E-Government merupakan bentuk aplikasi dari

pelaksanaan tugas dan tata laksana kepemerintahan menggunakan teknologi

informasi. E-Government memberikan peluang untuk meningkatkan hubungan

pemerintah dengan masyarakat, pemrintah dengan dunia usaha, dan anatar instansi

pemerintah. Hubungan itu berada karena adanya pemanfaatan teknologi informasi

yang merupakan penggabungan dari komputer dan sistem jaringan komunikasi

(Rianto & Lestari, 2012).

 25

Ada empat indikator keberhasilan di dalam e-Government (Rianto & Lestari,

2012), yaitu:

1. Ketersediaan data dan informasi di pusat data.

2. Ketersediaan data dan informasi untuk kebutuhan promosi daerah.

3. Ketersediaan aplikasi e-Government sebagai pendukung untuk pelayanan

publik.

4. Ketersediaan aplikasi dialog publik untuk meningkatkan komunikasi

pemerintah dengan masyarakat, antar instansi pemerintah, melalui e-mail,

SMS, atau teleconference.

2.4.2 Tujuan E-Government

Tujuan umum yang ingin dicapai dari penerapan e-Government (Batini et al.,

2009), yaitu:

a. Memberikan efisiensi dan efektivitas proses administrasi untuk memberikan

layanan kepada masyarakat/bisnis dalam hal penggunaan sumber data dan

pencapaian hasil akhir pemerintahan.

b. Tersedianya transparasi lembaga pemerintahan dan administrasi publik,

seperti hak warga negara/bisnis untuk mengakses semua jenis informasi dan

pengetahuan yang dihasilkan oleh institusi untuk data publik.

c. Menyertakan dengan mengatasi kesenjangan digital, terciptanya hak setiap

warga negara, tanpa memandang jenis kelamin, budaya, bahasa, ekonomi,

dan kondisi fisik untuk dapat mengakses dan mendapatkan manfaat dari

layanan e-Government.
 26

Penerapan e-Government memiliki beberapa tujuan di dalamnya (Pranalia,

2015), yaitu:

a. Mempermudah masyarakat dalam melakukan pelayanan publik.

b. Mempermudah pemerintah dalam memberikan pelayanan publik kepada

masyarakat.

c. Tersedia sistem jaringan dengan internet yang memudahkan pemerintah untuk

saling berhubungan, seperti ke sesama instansi pemerintah, pemerintah dengan

swasta, dan kepada masyarakat untuk berkomunikasi dengan dua arah untuk

peningkatan koordinasi dan partisipasi masyarakat dalam penyelenggaraan

kepemerintahan.

d. Penerapan e-Government dengan menggunakan aplikasi sistem informasi atau

sistem pengolahan data yang memudahkan untuk penyebarluasan informasi

secara transparan kepada publik.

e. Otomatisasi pekerjaan kantor dan aplikasi pelayanan publik yang terselenggara

untuk memberikan kemudahan akses bagi pihak yang membutuhkan.

Sutabri (2013) mengemukakan, tujuan dari e-Government adalah untuk

mencapai tata pemerintahan yang baik menurut UNDP yang terdiri atas beberapa

unsur yaitu:

a. Partisipasi

Partisipasi adalah kebebasan berkumpul dan mengungkapkan hak/suara dalam

pengambilan keputusan, baik secara langsung maupun tidak langsung bagi

semua pria maupun wanita.

 27

b. Supremasi Hukum

Kerangka hukum yang adil dan diberlakukan tanpa memandang lagi, terutama

hukum yang menyangkut HAM (Hak Asasi Manusia).

c. Transparansi

Transparansi merupakan unsur yang dibangun atas dasar arus informasi yang

bebas.

d. Cepat Tanggap

Lembaga dan seluruh proses di dalamnya harus berusaha melayani semua pihak

yang berkepentingan.

e. Membangun Konsensus

Terbangunnya konsensus yang menyeluruh dalam hal yang terbaik bagi

kelompok masyarakat untuk penjembatan kepentingan yang berbeda bagi tata

pemerintahan yang baik.

f. Kesetaraan

Semua warga baik pria atau wanita memiliki kesempatan untuk memperbaiki

atau mempertahankan kesejahteraan mereka.

g. Efektif dan Efisien

Proses yang ada di lembaga pemerintahan yang mendapatkan hasil sesuai

dengan kebutuhan warga masyarakat dengan menggunakan sumber data yang

ada dengan optimal.

h. Bertanggung Jawab
 28

Pihak yang melakukan pengambilan keputusan yang ada di pemerintahan yang

bertanggung jawab kepada bentuk yang berbeda satu dengan lainnya sesuai

dengan jenis organisasi.

i. Visi Strategis

Pemimpin dan masyarakat yang memiliki perspektif luas dan jauh ke depan atas

tata pemerintahan yang baik dan pembangunan serta apa yang dibutuhkan untuk

mewujudkan perkembangan tersebut.

2.5 Pengaruh Kualitas Layanan Tehadap Niat Menggunakan Kembali E-

Government

Dalam lingkungan layanan online, kualitas layanan dapat didefinisikan

sebagai penilaian pengguna secara keseluruhan terhadap kualtas proses penyediaan

layanan secara online (Long dan McMellon, 2004). Dalam penelitiannya Lin (2007)

dan Long dan McMellon (2004) mengatakan bahwa kualitas layanan

mempresentasikan kualitas dukungan yang diterima pegguna dari penyedia layanan

yang dimensinya meliputi keresponsivan, kepercayaan, dan empati. Dengan

demikian, semakin baik kualitas situs layanan yang mempresentasikan kualitas

dukungan dari penyedia layanan maka semakin tinggi pula keinginan pengguna

untuk menggunakan situs layanan tersebut.

Penelitian yang dilakukan oleh Quthaisat (2012) juga menunjukkan bahwa

persepsi pengguna atas kualitas layanan yang diberikan berpengaruh positif

terhadap keinginan pengguna menggunakan e-Government.

 29

Berdasarkan teori penelitian tersebut dapat disimpulkan bahwa terdapat

pengaruh positif dari kualitas layanan terhadap keinginan untuk menggunakan

kembali e-Government.

2.6 Kepuasan Pengguna (User Satisfaction) dan Niat Untuk Menggunakan

Kembali (Intent to Reuse)

a. Kepuasan Pengguna (User Satisfaction)

User satisfaction adalah tingkat seseorang setelah membandingkan kinerja

(hasil) yang dirasakan dengan harapannya (Supranto, 2006). Menurut penelitian

Wicaksono, Susanto, dan Winarno mengemukakan bahwa user satisfaction ialah

pendapat/persepsi pengguna mengenai kepuasan secara keseluruhan akan kualitas

layanan yang dirasakan (Wicaksono et al., 2012).

b. Niat untuk Menggunakan Kembali (Intent to Reuse)

Intent to use adalah niat pengguna untuk menggunakan atau mengunjungi

kembali sebuah sistem informasi (DeLone & McLean, 2003). Niat untuk

menggunakan kembali (Intent to reuse) dapat didefinisikan sebagai bentuk

keinginan pengguna untuk menggunakan atau menggunakan kembali suatu obyek

tertentu. Niat merupakan salah satu aspek psikis manusia yang cenderung untuk

memberikan perhatian atau merasa senang yang lebih besar kepada obyek tersebut

yang dapat mendorong untuk mencapai tujuan (Kusumah, 2009).

Niat dapat didefinisikan sebagai kekuatan perilaku yang secara sadar untuk

melakukan sesuatu yang telah ditargetkan (Keil et al., 1995). Niat dipengaruhi oleh

dua faktor dasar, yaitu: faktor pribadi defan faktor pengaruh sosial. Kedua faktor
 30

tersebut berpengaruh positif terhaap niat perilaku individu yang secara positif

menyebabkan suatu perilaku. Perilaku merupakan tindakan aktual individu akibat

dari faktor-faktor yang memengaruhinya (Ajzen, 1991).

Pada penelitian ini, selain menggunakan empat dimensi e-GovQual final oleh

Papadomichelaki & Mentzas (2012) peneliti juga menambahkan dimensi Kepuasan

Pengguna (User Satisfaction) dan Niat untuk Menggunakan Kembali (Intent to

Reuse). Hal ini didasari oleh penelitian DeLone dan McLean (2003) yang

mengungkapkan bahwa adanya pengaruh antara kualitas sistem informasi terhadap

kepuasan pengguna (user satisfaction) dan niat untuk menggunakan kembali (intent

to reuse). Wicaksono, Susanto, dan Winarno dalam penelitiannya juga

mengungkapkan adanya pengaruh antara kualitas layanan terhadap kepuasan

pengguna (user satisfaction) dan niat untuk menggunakan kembali (intent to reuse)

(Wicaksono et al., 2012).

Terkait studi kasus pada penelitian ini yaitu: pelayanan publik yang diberikan

melalui aplikasi Depok Single Window (DSW) harus mampu memberikan kepuasan

kepada pengguna aplikai DSW sebagai pelanggan. Kepuasan pengguna banyak

ditentukan oleh kualitas performa pelayanan di lapangan. Bila pelayanan (service)

tidak sama sekali atau tidak sesuai dengan harapan (expectation) pelanggan, maka

di mata pelanggan pelayanan yang diberikan dinilai buruk. Harapan pelanggan

memiliki peranan yang besar sebagai standar perbandingan dalam evaluasi suatu

kualitas maupun kepuasan (Yoeti, 2003).

Apabila pengguna telah menentukan tingkat kepuasannya terhadap suatu

barang atau jasa, maka munculah niat berprilaku (behavior intention) pengguna
 31

terhadap barang atau jasa tersebut. Niat berprilaku pelanggan terhadap produk dan

jasa merupakan hasil dari proses kepuasan yang dirasakan pelanggan terhadap

produk dan jasa yang telah diberikan oleh penyedia produk dan jasa. Kepuasan yang

dirasakan pelanggan terhadap produk dan jasa yang telah diberikan dapat

memberikan pengaruh perilaku niat pelanggan yang tinggi atau rendah tergantung

sberapa besar kepuasan yang dirasakan pelanggan (Anggraeni & Yasa, 2012).

Dari penjelasan tersebut, peneliti merumuskan atribut untuk dimensi

kepuasan pengguna (user satisfaction) dan niat untuk menggunakan kembali (intent

to reuse). Atribut-atribut tersebut dijelaskan pada Tabel 2.1.

Tabel 2.1 Atribut User Satisfaction dan Intent to Reuse

Nama Variabel Indikator Referensi

Kepuasan Pengguna (User Kepuasan pengguna terhadap
Satisfaction) performa aplikasi (DeLone & McLean,
Kepuasan pengguna terhadap 2003; Wicaksono et al.,
layanan yang diberikan 2012; Fajrisani, 2019;
Kemauan pengguna untuk terus Haryani, 2016).
menggunakan aplikasi
Niat untuk Menggunakan Keberlanjutan menggunakan
(DeLone & McLean,
kembali (Intent to Reuse). aplikasi
2003 Wicaksono et al.,
Frekuensi mengakses aplikasi
2012; Haryani, 2016).
Rekomendasi

2.7 Importance Performance Analysis (IPA)

Importance Performance Analysis (IPA) merupakan metode yang pertama

kali dikemukakan oleh Martilla & James (1977) dalam artikel yang dipublikasikan

di Journal of Marketing. Menurut Martilla & James, dalam teknik IPA, responden

diminta untuk menilai tingkat harapan dan tingkat kinerja (perceived performance)

pada masing-masing atribut (Tjiptono & Chandra, 2016). Perbandingan antara

keduanya yakni tingkat harapan (importance) dan tingkat kinerja (performance)

akan menunjukkan sejauh mana pelanggan merasa puas terhadap kualitas produk
 32

atau jasa yang ditawarkan. Hal ini berarti jikalau kinerja yang dirasakan

(dipersepsikan) masih jauh dibawah harapan maka dikatakan pelanggan belum

merasa puas namun sebaliknya jika performa yang dirasakan sudah sesuai bahkan

melebihi harapan pelanggan maka dikatakan pelanggan sudah merasa puas.

Seperti yang disebutkan sebelumnya bahwa kepuasan pelanggan merupakan

faktor yang sangat penting dan menentukan keberhasilan suatu organisasi karena

kepuasan adalah evaluasi pengguna untuk menggunakan kembali produk atau jasa

yang ditawarkan (Sukamti & Utomo, 2015) Hasil analisa terhadap harapan

pelanggan dan kinerja tersebut dipetakan kedalam diagram kartesius seperti yang

diilustrasikan pada Gambar 2.1.

Kudran A Kuadran B

Concentrate Here Keep Up the Good Work

Harapan Tinggi/ Harapan Tinggi/

Kinerja Rendah Kinerja Tinggi

Low Priority Possible Overkill

Harapan Rendah/ Harapan Rendah/

Kinerja Rendah Kinerja Tinggi

Kuadran C Kuadran D

Gambar 2.1 Diagram Kartesius IPA (Martilla & James, 1977)

Diagram Kartesius IPA memiliki 4 (empat) buah kuadran dengan

penjelesannya sebagai berikut (Martilla & James, 1977):

1. Kuadran A (Prioritas Utama). Kuadran ini menunjukkan aspek atau atribut

yang dianggap memengaruhi kepuasan pelanggan termasuk unsur-unsur

layanan yang dianggap sangat penting. Tetapi belum dilaksanakan sesuai

 33

keinginan pelanggan. Akibatnya layanan mengecewakan atau pelanggan

tidak merasa puas. Layanan di kuadran ini merupakan prioritas utama

organisasi untuk ditingkatkan.

2. Kuadran B (Pertahakan Prestasi). Kuadran ini menunjukkan layanan telah

berhasil disediakan oleh organisasi dan dianggap telah memuaskan pelanggan

atau memenuhi harapan pelanggan. Layanan di kuadran ini daianggap penting

oleh pelanggan sehingga wajib dipertahankan kualitasnya.

3. Kuadran C (Prioritas Rendah). Kuadran ini menunjukkan beberapa aspek

yang kurang penting pengaruhnya bagi pelanggan. Performa layanan

organisasi juga dianggap rendah. Layanan di kuadran ini merupakan prioritas

rendah bagi organisasi sehingga dapat diabaikan.

4. Kuadran D (Berlebihan). Kuadran ini menunjukkan aspek yang memengaruhi

pelanggan ternyata kurang penting namun dalam pelaksanaanya berlebihan.

Sumber daya yang digunakan perlu dialihkan ke layanan yang dianggap lebih

penting seperti kuadran A dan kuadaran B.

Ada dua macam metode untuk menampilkan data IPA (Martinez, 2003) yaitu:

metode yang pertama dengan menempatkan garis perpotongan kuadran pada nilai

rata-rata pada sumbu tingkat kepuasan dan sumbu prioritas penanganan dengan

tujuan untuk mengetahui secara umum penyebaran data terletak di kuadran berapa.

Metode yang kedua adalah dnegan menempatkan garis perpotongan kuadran pada

nilai rata-rata hasil pengamatan pada sumbu tingkat kepuasan dan sumbu prioritas

penanganan dengan tujuan untuk mengetahui secara spesifik pada kuadran berapa
 34

faktor-faktor tersebut berada. Berikut ini merupakan prosedur yang berkaitan

dengan penggunaan metode IPA:

1. Penentuan faktor-faktor yang akan dianalisis.

2. Melakukan survei melalui penyebaran kuesioner.

3. Menghitung nilai rata-rata tingkat kepuasan dan prioritas penanganan.

4. Membuat grafik IPA.

Dalam penelitian ini, peneliti menggabungkan teknik Importance

Performance Analysis (IPA) (Martilla & James, 1977) untuk menilai indikator yang

terdapa pada model e-GovQual ((Papadomichelaki & Mentzas, 2012). Penggunaan

model IPA ini dibutuhkan untuk penentuan keputusan prioritas dimana keterbatasan

sumber daya dalam organisasi bisa mengerahkan kemampuan terbaiknya untuk

mencapai tingkat kepuasan pengguna tertinggi (Ulkhaq et al., 2017). Selain itu,

teknik IPA ini sudah pernah digunakan untuk mengevaluasi layanan e-Government

Jepang yang dilakukan oleh Wong et al. (2011). Adapun hasil yang diperoleh dari

penelitian tersebut menyatakan bahwa IPA merupakan alat strategis yang dapat

dengan cepat memungkinkan perencana e-Government untuk memahami

kebutuhan, keinginan dan kepuasan pelanggan daripada mengandalkan indikator

kinerja saja. Hal ini sesuai dengan pendapat dari Wong (2009) yang menyatakan

bahwa IPA dapat membantu mengevaluasi manfaat e-Government dan memberikan

panduan untuk merumuskan strategi pemerintah untuk mengalokasikan sumber

daya secara akurat untuk memaksimalkan ROI (Return on Investment) atau laba

atas investasi yang tinggi. Dengan kata lain, penggabungan ini dimaksudkan untuk

membantu menganalisis kualitas layanan aplikasi e-Government Depok Single

 35

Window (DSW) yang dirasa masih kurang kinerja nya oleh pengguna atau tidak

sesuai dengan harapan pengguna, sehingga bisa dijadikan rekomendasi prioritas

perbaikan.

2.8 Teknik Pengumpulan Data

Menurut Mustakini (2008), ada beberapa teknik untuk mengambil sampel.

Teknik pengambilan sampel adalah sebagai berikut:

1. Teknik Survei

Teknik Survei adalah metode pengumpulan data primer dengan memberikan

pertanyaan-pertanyaan kepada responden individu.

Adapun ragam kuesioner menurut Siyoto & Sodik (2015) seperti:

a. Kuesioner terbuka, responden bebas menjawab dengan kalimat sendiri,

bentuknya sama dengan kuesioner isian.

b. Kuesioner tertutup, responden tinggal memilih jawaban yang telah

disediakan, bentuknya sama dengan kuesioner pilihan ganda.

c. Kuesioner langsung, responden menjawab seputar dirinya.

d. Kuesioner tidak langsung, responden menjawab pertanyaan yang

berhubungan dengan orang lain.

2. Teknik Observasi

Teknik observasi merupakan teknik untuk mendapatkan data primer dengan

cara mengamati langsung objeknya.

3. Teknik Eksperimen
 36

Teknik eksperimen adalah suatu teknik yang melibatkan penelitian dalam

memanipulasi beberapa variabel, mengamati dan mengobservasi efeknya.

Variabel-variabel yang di manipulasi atau diberi treatment adalah variabel-variabel

independen dan variabel yang diamati efeknya adalah variabel dependen.

4. Teknik Wawancara

Teknik wawancara adalah komunikasi dua arah untuk mendapatkan data dari

responden. Wawancara (interview) dapat berupa wawancara personal (personal

interview), wawancara intersep (intercept interiew) dan wawancara telepon

(telephone interview).

5. Teknik Pengumpulan Data Arsip

Teknik pengumpulan data arsip dapat berupa data primer aau data sekunder.

Untuk mendapatkan data primer, teknik pengumpulan data yang dapat digunakan

adalah teknik pengumpulan data analisis isi (content analysis). Sedangkan unuk

mendapatkan data sekunder, tenik pengumpulan data yang dapat digunakan adalah

teknik pengumpulan data di basis data.

2.9 Pengelompokan Data

Data merupakan sejumlah informasi yang dapat memberikan penjabaran

tentag suatu keadaan. Informasi yang diperoleh memberikan sebuah keterangan,

gambaran, atau fakta mengenai suatu persoalan dalam untuk kategori, huruf, atau

bilangan (Sugiarto, 2002).

a. Jenis data menurut cara memperolehnya:

1. Data Primer
 37

Data primer adalah data yang diambil langsung dari obyek penelitian atau

merupakan data yang berasal dari sumber asli atau pertama. Data ini tidak

tersedia dalam bentuk file. Data primer tersebut harus dicari melalui

narasumber atau responden yaitu: orang yang kita jadikan obyek penelitian

atau orang yang kita jadikan sebagai sarana mendapatkan informasi maupun

data.

2. Data sekunder

Data sekunder adalah data yang tidak didapatkan secara langsung dari obyek

penelitian, melainkan data yang berasal dari sumber yang telah dikumpulkan

dari perpustakaan, perusahaan-perusahaan, organisasi-organisasi

perdaganagan, biro pusat statistik, dan kantor-kantor pemerintahan seperti

data dari Diskominfo Kota Depok, data hasil riset, dan dari perusahaan dan

lain sebagainya.

b. Klasifikasi Data Berdasarkan Jenis Datanya:

1. Data Kuantitatif

Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. Misalnya

adalah jumlah pembeli pada saat menjelang hari raya Idul Fitri, tinggi badan

mahasiswa MTI, dan lain-lain.

2. Data Kuakitatif

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

mengandung makna. Contohnya seperti persepsi konsumen terhadap botol air

minum dalam kemasan, anggapan para ahli terhadap bencana alam yang

terjadi di Indonesia dan lain-lain.

 38

c. Jenis Data Menurut Waktu Pengumpulannya:

1. Data Cross Section

Data cross-section adalah data yang menunjukkan titik waktu tertentu.

Contohnya laporan keuangan per 31 Desember 2019, data pelanggan PT.

Pertamina bukan Maret 2019, dan lain sebagainya.

2. Data Time Series (Berkala)

Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu

ke waktu atau periode secara historis. Contohnya data time series adalah data

perkembangan nilai tukar rupiah terhadap dollar Amerika dari tahun 2007

sampai 2008.

Selain pengelompokkan data, ada juga pengelompokkan kategori riset

berdasarkan metode, adalah sebagai berikut:

a. Riset Kuantitatif (Quantiative Riset)

1. Descriptive research, riset deskriptif boleh saja dilakukan asal penuh dengan

interpretasi dan kontribusi. Misalnya kita ingin melihat bagaimana

pemanfaatan IT diberbagai organisasi.

2. Correlational research, yaitu: peneitian yang dilakukan belum tentu sebab

akibat, bisa saja diakibatkan oleh adanya suatu faktor kebetulan (accident).

Contohnya bila kinerja meningkat belum tentu berkorelasi positif dengan

meningkatnya sistem IT, masih diperlukan adanya suatu analisa dan

tambahan lainnya.

3. Casual-comparative research, dimana terdapat hubungan sebab-akibat.

 39

4. Experimental research, yaitu: penelitian yang diberikan perlakuan

(treatment). Misalnya, pada hipotesis awal (H0) kita katakan bahwa

mahasiswa MTI yang sudah mengambil matakuliah metodologi penelitian

pada semester 4 lebih banyak yang lulus tepat waktu daripada mahasiswa

yang mengambil matakuliah metodologi penelitian di semester 5.

5. Single-subject research, yaitu: penelitian yang meneliti atau mengamati

obyek yang sama secara terus menerus.

b. Riset Kualitatif (Qualitative Research)

1. Narrative research, misalnya bagaimana kita meng-capture berbagai

pendapat IT manager diberbagai perusahaan, baik itu berupa peran,

kontribusi dan keluhan-keluhan mereka.

2. Ethnographic research, adalah penelitian yang di mana si peneliti mengamati

dan berinteraksi dengan peserta penelitian dalam lingkungan kehidupan nyata

mereka.

2.10 Metode Kuantitatif

Metode kuantitatif adalah metode yang digunakan untuk melakukan

pengujian terhadap teori-teori dengan meliti hubungan antar variabel yang saling

berkaitan. Variabel tersebut dianalisis secara ketat, dengan melakukan analisis

statistik dengan pengukuran atau observasi (Flack, 2016).

Metode kuantitatif merupakan penelitian yang menggunakan desain

penelitian kuantitatif yang bertujuan untuk menjaring data kuantitatif dalam bentuk

nmeric dengan menggunakan instrument yang di validasi untuk mencerminkan

 40

dimensi dan indikator dari variabel (Sugiyono, 2013). Metode kuantitaif digunakan

untuk penelitian fokus pada rancangan survei dan untuk melakukan ekspermen.

Metode kuantitatif adalah metode tradisional, metode ini disebut sebagai

metode yang ilmiah yang konkrit, rasional, empiris, objektif, terukur, dan sistematis.

Metode ini disebut kuantitatif karena data penelitian berupa angka, dan analisisnya

menggunakan statistik, metode kuantitatif juga merupakan metode dengan filsafat

positism untuk meneliti pada populasi atau sampel tertentu untuk pengambilan

sampel, dan biasanta dilakukan secara random.

Data dikumpulan dengan instrument penelitian analisis data untuk pengujian

hipotesis yang sudah ditetapkan sebelumnya (Creswell, 2013). Dari pengertian

tersebut dapat disimpulkan bahwa metode ini merupakan metode yang digunakan

untuk melakukan pengujian dengan meneliti hubungan antar variabel yang saling

berkaitan dan dihasilkan dalam bentuk angka (numeric).

2.11 Populasi dan Teknik Sampling

2.11.1 Populasi dan Sampel

Populasi adalah himpunan semua elemen yang menjadi fokus utama dalam

penelitian. Sedangkan menurut Siyoto & Sodik (2015), populasi adalah wilayah

generasi yang terdeiri dari obyek/subyek yang memiliki kuantitas dan karakteristik

tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudia ditarik

kesimpulannya. Populasi disini termasuk di dalamnya orang, makhluk hidup, dan

benda-benda. Populasi juga bukan hanya sekedar jumlah yang ada pada obyek atau

subyek yang dipelajari, akan tetapi meliputi semua karakteristik, sifat-sifat yang
 41

dimiliki oleh obyek atau subyek tersebut. Bahkan satu orang bisa dijadikan sebagai

populasi, karena orang tersebut memiliki karakteristik, misalnya seperti gaya

bicara, disiplin, pribadi, hobi, dan lain sebagainya.

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh

populasi, ataupun bagian kecil dari anggota populasi yang diambil menurut

prosedur tertentu sehingga dapat mewakili populsiya. Sampel yang akan diambil

dari populasi tersebut harus betul-betul representatif atau dapat mewakili (Siyoto &

Sodik, 2015). Sampel yang baik merupakan sampel yang akurat dan tepat. Sampel

yang akurat adalah sampel yang tidak bias, sedangkan sampel yang tepat adalah

sampel yang mempunyai presisi yang tertinggi yang mempunyai kesalahan

pengambilan sampel (sampling error) yang rendah. Sampel yang tidak akurat dan

tidak tepat akan memberikan kesimpulan riset yang tidak diharapkan atau dapat

menghasilkan kesimpulan salah yang menyesatkan (Mustakini, 2008).

2.11.2 Teknik Sampling

Teknik sampling adalah teknik pengambilan sampel yang akan digunakan

dalam penelitian. Menurut Sujarweni & Endrayanto (2012), Teknik sampling

dikelompokkan menjadi dua yaitu: probability sampling dan nonprobability

sampling. Adapun sebutan lain untuk probability sampling adalah sampel random

dan nonprobability sampling adalah sampel non random (Yusuf, 2014).

a. Probability Sampling

Probability sampling adalah teknik pengambilan sampel yang memberian peluang

yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota
 42

sampel dan diambil secara random (acak) (Sujarweni & Endrayanto, 2012;

Yusuf, 2014). Teknik ini terdiri atas enam macam cara pengambilan sampel

yaitu: (Yusuf, 2014)

1. Sample Random Sampling (SRS)

Pada prinsipnya SRS dilakukan dengan cara undian atau lottere secara

tradisional maupun dengan menggunakan tabel random number ataupun

melalui random number dalam mesin hitung. Dalam pelaksanaannya dapat

berbentuk replacement, yaitu: dengan cara mengembalikan responden

terpilih sebagai sampel kepada kelompok populasi untuk dipilih menjadi

calon responden berikutnya dan without replacement, yaitu: cara

pengambilan sampel dengan tidak mengembalikan responden terpilih pada

kelompok populasi.

2. Systematic Random Sampling

Systematic random sampling merupakan suatu prosedur penentuan sampel

secara random dan sistematis. Pada langkah awal dalam menentukan urutan

tiap individu yang akan dipilih berdasarkan populasi yang ada dengan

dilakukan secara random. Kemudian ditentukan siapa yang akan terpilih

menjadi sampel pertama, kedua, dan seterusnya sesuai dengan besarnya

ukuran sampel yang telah ditetapkan secara sistematis.

3. Cluster Sampling

Cluster samplingg adalah simple random sampling dimana tiap-tiap unit

dikumpulkan sebagai satu kumpulan atau cluster.

4. Stratified Random Sampling

 43

Stratified random sampling merupakan suatu prosedur atau cara dalam

menentukan sampel dengan membagi populasi atas beberapa strata sehingga

tiap strata menjadi homogen dan tidak tumpang tindih dengan kelompok lain

atau antara satu kelompok dengan yang lain bertingkat atau berlapis yang

merupakan “rank order”.

5. Multistage Random Sampling

Penggunaan Multistage randim sampling dalam menentukan responden

dilakukan apanila dalam penentuan responden tersebut melalui beberapa

pertimbangan sesuai dengan tingkatannya.

6. Proportional Random Sampling

Proportional random sampling juga merupakan pengembangan dari stratified

random sampling, dimana jumlah sampel pada masing-masing strata

sebanding dengan jumlah anggota populasi pada masing-masing stratum

populasi.

b. Nonprobability Sampling

Nonprobability sampling adalah teknik pengambilan sampel yang tidak

memberi peluang atau kesempatan yang sama bagi setiap unsur atau anggota

populasi untuk dipilih menjadi sampel (Sujarweni & Endrayanto, 2012;

Yusuf, 2014).

Teknik Nonprobability Sampling terdiri atas enam macam yaitu: (Sujarweni

& Endrayanto, 2012)

1. Systematic Sampling
 44

Systematic Sampling adalah teknik pengambilan sampel berdasarkan urutan

dari anggota populasi yang telah diberi nomor urut. Misalnya diambil nomor

ganjil saja.

2. Quota Sampling

Quota Sampling adalah teknik menentukan sampel dari populasi yang

mempunyai ciri-ciri tertentu sampai jumlah kuota yang diinginkan.

3. Incidental Sampling

Incidental Sampling adalah teknik penentuan sampel berdasarkan kebetulan,

yaitu: siapa aja yang secara kebetulan/insidental bertemu dengan peneliti

dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan

ditemui itu cocok sebagai sumber data.

4. Purposive Sampling

Purposive Sampling adalah teknik penentuan sampel dengan pertimbangan

atau kriteria-kriteria tertentu.

5. Saturated Sampling

Saturated Sampling adalah teknik penentuan sampel bila semua anggota

populasi digunakan sebagai sampel. Biasanya digunakan jika populasi kurang

dari 30 orang atau penelitian yang ingin membuat generalisai dengan

kesalahan yang sangat kecil.

6. Snowball Sampling

Snowball Sampling adalah teknik penentuan sampel yang mula-mula

jumlahnya kecil, kemudian membesar, ibarat bola salju yang menggelinding

yang lama-lama menjadi besar seperti bola salju.

 45

2.12 Metode Perhitungan Sampel

Untuk ukuran sampel atau besarnya sampel yang diambil dari populasi,

merupakan salah satu faktor penentu tingkat kerepresentatifan sampel yang

digunakan. Menurut Roscoe dalam Wahyudi (2017), cara menentukan sampel

dalam penelitian yaitu:

a. Sebaiknya ukuran sampel di antara 30 s/d 500 elemen.

b. Jika sampel dipecah lagi ke dalam subsampel (laki/perempuan, SD/SLTP/

SMU, dsb), jumlah minimum sub sampel harus 30.

c. Pada penelitian multivariate (termasuk analisis regresi multivariate) ukuran

sampel harus beberapa kali lebih besar (10 kali) dari jumlah variabel yang

akan dianalisis.

d. Untuk penelitian eksperimen yang sederhana, dengan pengendalian yang

ketat, ukuran sampel bisa antara 10 s/d 20 elemen.

Pada penelitian ini untuk penentuan jumlah sampel yang representatif

menggunkan teori menurut (Hair et.al, 2010) bahwa untuk mengukur ukuran

sampel dihitung antara (5-10) × jumlah indikator, hal tersebut sesuai dengan

(Tobing, 2009), seperti berikut ini:

Sampel = 8 × Jumlah Indikator

Dalam penelitian ini digunakan teknik analisis data Structural Equation

Modeling (SEM). Lebih jauh lagi dalam penelitian ini mengunakan SEM dengan

jenis PLS, pada PLS-SEM, salah satu kriteria jumlah sampel minimum adalah lebih
 46

besar atau sama dengan dari sepuluh kali jumlah indikator terbanyak dari konstruk

yang diukur invalid source specified.

Penelitian ukuran sampel memiliki dua macam pendekatan (Astohar &

Setiawan, 2009) yaitu:

1. Pendekatan statistika adalah pendekatan yang memiliki empat aspek di

dalamnya, yaitu:

a) Tujuan penelitian yaitu: dengan mengetahui bagiamana variabel penelitian

akan diukur untuk mendapatkan nilai sesuai dengan tujuan penelitian. Oleh

karena itu, dalam penentuan sampel bergantung pada metode yang akan

dipakai untuk menyesuaikan dengan tujuan penelitian yang akan dicapai.

b) Tingkat keandalan pendugaan yang diinginkan, yaitu: menetapkan nilai Z

yang akan diambil pada tabel distribusi normal standar atau t dari tabel

distribusi t, atau 𝑥2 chi kuadrat berdasarkan pada nilai α tertentu.

c) Besar galat penduga yang akan ditolerir, yaitu: menentukan seberapa besar

galat penduga memengaruhi atas apa yang akan diukur. Penentuan

pengukuran sesuai dengan satuan yang akan dipakai.

d) Kondisi keragaman populasi yang akan diteliti, yaitu: kondisi atas keragaman

populasi yang bergantung pada skala pengukuran yang dipakai dalam

penelitian.

2. Pendekatan non statistika, yaitu: pendekatan dimana subjek dari peneliti

sangat besar. Dalam menentukan pengukuran sampel, ada beberapa metode

(Setiawan, 2009) yaitu:

a) Rumus slovin
 47

Penentuan ukuran sampel yang hanya dapat digunakan untuk penelitian yang

bertujuan mengukur proporsi populasi. Rumus slovin menggunakan asumsi

tingkat keandalan 95% dengan memakai pendekatan distribusi normal.

Rumus ini memberikan kebebasan untuk menentukan nilai batas kesalahan.

Asumsi keragaman dari populasi dimasukan dalam perhitungan dengan P(1-

P), dimana P=0,5. Rumus untuk slovin, yaitu:

𝑁
n=
𝑁 𝑑 2 +1
(2.1)

Keterangan:

n = Ukuran sampel

N = Ukuran populasi

d = Galat pendugaan

b) Tabel Krejcie-Morgan

Penentuan ukuran sampel jika penelitian bertujuan untuk menduga proporsi

populasi. Tabel krejcie-morgan menggunakan asumsi tingkat keandalan 95%

karena menggunakan nilai α=0.05 pada derajat bebas 1. Asumsi keragaman

populasi yang ada di dalam perhitungan adalah P (1-P) dimana P=0,5. Perhitungan

dalam tabel krejcie-morgan sudah ada daftar jumlah populasi (N) dan taraf

signifikasi α=1%, 5%, dan 10%.

Berdasarkan beberapa teori penentuan jumlah sampel diatas karena

keterbatasannya waktu dan biaya, maka peneliti menggunakan teori yang sesuai

dengan model penelitian yaitu: model SEM, atau teori dari (Hair et al., 2010) bahwa

untuk mengukur ukuran sampel dihitung antara (5-10) × jumlah indikator, lalu
 48

alasan lain nya adalah teori tersebut sudah cukup mewakilkan jumlah sampel yang

harus diambil dari populasi yang ada meskipun menghasilkan jumlah sampel paling

sedikit dari teori sampel yang lain dengan perbandingan pada teori ini di dapatkan

hasil minimum 200 sampel, rumus slovin dengan tingkat taraf signifikasi α = 5%

di dapat kan hasil minimum 400 sampel dari populasi yang ada, dan dengan tabel

krejcie-morgan taraf signifikasi α = 5% dihasilkan minimum 960 sampel dari

keseluruhan populasi penelitian.

2.13 Structure Equation Modeling (SEM)

Structure Equation Modeling (SEM) merupakan gabunan dari dua metode

statistik yang terpisah yait analisis faktor (factor analysis) yang dikembangkan di

ilmu psikologi dan psikometri dan model persamaan smultan (simultaneous

equation modeling) yang dikembangkan di ekonometrika (Ghozali, 2013).

Structure Equation Modeling (SEM) pertama dikenalkan oleh ilmuwan

bernama Joreskog pada tahun 1970. SEM merupakan teknik statistika uang kuat

dalam menetapkan model pengukuran dan model struktural (Nusair & Hua, 2010).

Metode SEM memiliki kemampun analisis dan prediksi yang lebih baik

dibandingkan analisis jalur dan regresi berganda karena SEM mampu menganalisis

sampai pada level terdalam terhadap variabel atau model yang diteliti. SEM

(Structure Equation Modeling) adalah suatu teknik statisik yang mampu

menganalisis pola hubungan antara konstruk laten dan indikatornya, konstruk laten

yang satu dengan lainnya, serta kesalahan pengukuran secara langsung. SEM
 49

memungkinkan dilakukannya analisis di antara beberapa variabel dependen dan

independen secara langsung.

Teknik analisis data menggunakan Structure Equation Modeling (SEM),

dilakukan untuk menjelaskan secara menyeluruh hubungan antara variabel yang

ada dalam penelitian. SEM digunakan bukan untuk merancang suatu teori, tetapi

lebih ditujukan untuk memeriksa dan membenarkan suatu model. Oleh karena itu,

syarat utama menggunakan SEM adalah membangun suatu model hipotesis yang

terdiri atas model struktural dan model pengukuran dalam bentuk diagram jalur

yang berdasarkan justifikasi teori.

SEM adalah merupakan sekumpulan teknik-teknik statistik yang

memungkinkan pengujian sebuah rangkaian hubungan secara simultan. Hubungan

itu dibangun atara satu atau beberapa variabel independen (Afthanorhan, 2013).

SEM dapat dikategorikan menjadi 2 model yaitu: model struktural dan model

pengukuran. Model struktural yaitu: model yang menggambarkan hubungan yang

ada diantra variabel-variabel laten. Sedangkan model pengukuran menggambarkan

tentang hubungan antara variabel yang diamati (juga disebut indikator) dengan

variabel laten yang mendasarinya (Hair, 2014).

 50

Gambar 2.2 Klasifikasi Komponen Model Struktural (Hussein, 2015)

Gambar 2.2 merupakan penjelasan dari tiap-tiap komponen yang ada pada

model struktural menggunakan software smartPLS 3.2.9. Penjelasan yang lebih

rinci dapat dilihat di Tabel 2.2 sebagai berikut.

Tabel 2.2 Keterangan Konstruk SmartPLS (Hussein, 2015)

Istilah Pengertian

Variabel yang tidak diprediksi oleh variabel-

variabel yang lain yang terdapat dalam model.
Konstruk Eksogen
Konstruk eksogen adalah konstruk yang dituju
oleh garis dengan satu ujung anak panah.
Merupakanfaktor-faktor yang diprdiksi oleh satu
atau beberapa konstruk. Konstruk endogen dapat
Konstruk Endogen memprediksi satu atau beberapa konstruk endogen
lain, tetapi konstruk endogen hanya dapat
berhubungan kasual dengan konstruk endogen.
Variabel laten adalah variabel yang
Latent Variabel nilaikuantitatifnya tidak dapat diketahui secara
tampak.
Variabel manifest adalah variabel yang besaran
kuantitatifnya dapat diketahui secara langsung,
Observed Variabel
misalnya dari skor respons subjek terhadap
instrument pengukuran.
 51

Pada tahun 1975, Wold menyelesaikan sebuah soft modeling untuk analisis

hubunan antara beberapa blok dari variabel teramati pada unit statistik yang sama.

Metode ini dikenal sebagai pendekatan PLS ke SEM (SEM-PLS) atau PLS Path

Modeling (PLSPM) yang merupakan metode SEM berbasis varian.

PLS merupakan metode analisis yang powerful karena dapat diterapkan pada

semua sekala data, tidak membutuhkan banyak asumsi dan ukuran sampel tidak

harus besar. PLS selain dapat digunakan sebagai konfirmasi teori, dapat juga

digunakan untuk membangun hubungan yang belum tinjauan pustakanya atau

untuk pengujian proposisi.

PLS juga dapat digunakan untuk permodelan struktural dengan indikator

berdifat reflektif ataupun formatif (Jaya & Sumertajaya, 2008). Metode SEM-PLS

sudah terdapat dalam program komputer seperti Lisrel, SmartPLS, Amos R, dan

masih banyak lainnya. Selain itu SEM mampu menguji penelitian yang kompleks

dan banyak variabel secara simultan, dapat menyelesaikan analisis dengan satu kali

estimasi dimana yang lain diselesaikan dengan beberapa persamaan regresi, dan

dapat melakukan analisis faktor, regresi dan jalur sekaligus.

Hariah et al, (2013) membagi metode analisis multivariat menjadi dua

kelompok menurut waktu perkembangannya yaitu: teknik generasi pertama dan

generasi kedua. Untuk lebih jelasnya dapat dilihat pada Tabel 2.3 berikut:

Tabel 2.3 Metode Analisis Multivariat (Hairiah et al., 2003)

Tujuan Utama Eksplorasi Tujuan Utama Konfirmasi

Generasi I • Analisis Kluster • Analysis of Variance
• Exploratory factor analysis • Regresi
• Multidimensional Scaling • Kolerasi
 52

Generasi II • Partial Least • Covariance based SEM

• Square/Variance
• SEM (SEM-PLS)

Dari Tabel 2.3 dapat dilihat bahwa ternyata terdapat dua SEM, yaitu: CB-

SEM dan VB-SEM/PLS. Namun kapan menggunakan CB-SEM atau SEM-PLS,

berikut panduan singkat (rule of tumb) memilih CB-SEM atau SEM-PLS dapat

dilihat pada Tabel 2.4:

Tabel 2.4 Rule of tumb CB-SEM dan SEM-PLS (Hairiah et al., 2003)

CB-SEM PLS-SEM
Tujuan • Menguji teori, konfirmasi • Bersifat eksploratoris atau perluasan
teori teori, mengidentifikasi variabel

Penelitian • Membandingkan berbagai • Determinan utama atau memprediksi

alternatif teori konstruk tertentu
Spesifikasi • Error term memerlukan • Terdapat konstruk formatif (CB-SEM
model spesifikasi tamahan seperti hanya reflektif)
pengukuran kovariasi
Model • Konstruk terdapat hubungan • Tidak terdapat hubungan nonrecursive
Struktural nonrecursive (timbal balik) (timbal balik)
Karakteristik • Data memenuhi asumsi- • Jika ukuran relatif kevil dan tidak
Data dan asumsi CB-SEM seperti memenuhi asumsi-asumsi CB-SEM
Algoritma minimal ukuran sampel dan (spesifikasi model, identifikasi, non
distribusi normal convergence, distribusi data, dsb).
Evaluasi Model • Penelitian yang memerlukan • Tidak memerlukan index goodness of
index goodness of fit yang fit yang lengkap
lengkap secara keseluruhan

Karena terdapat dua jenis SEM, maka harus benar-benar memahami beberapa

persyaratan dalam penggunaan jenis software SEM sehingga hasil pengolahan

compatible dan akurat. Berikut jenis SEM dam software komputer yang cocok

untuk digunakan:

Tabel 2.5 Jenis Software SEM (Hairiah et al., 2003)

Jenis software yang sesuai

 53

Convariance based (CB-SEM) Amos, Lisrel, EQS, M-Plus

Variance/Component based (VB-SEM/PLS) Tetrad, GSCA, SmartPLS, WarpPLS

Dachlan (2014) mengemukakan bahwa di dalam SEM peneliti dapat

melakukan tiga kegiatan sekaligus, yaitu: pemeriksaan validitas dan reliabilitas

instrumen (setara denagan analisis faktor konfirmatori), pengujian model hubungan

antar variabel laten (setara dengan analisis path), dan mendapatkan model yang

bermanfaat untuk prediksi (setara dengan model struktural atau analisis regresi).

Dua alasan yang mendasari digunakannya SEM yaitu: (1) SEM mempunyai

kemampuan untuk mengestimasi hubungan antar variabel yang bersifat multiple

relationship. Hubungan ini dibentuk dalam model struktural (hubungan antara

konstruk dependen dan independen). (2) SEM mempunyai kemampuan untuk

menggambarkan pola hubungan antara konstruk laten dan variabel manifes atau

variabel indikator.

2.14 Partial Least Square (PLS)

Mustakini & Abdillah (2009), Analisis Partial Least Square (PLS) adalah

teknik statistika multivariant yang melakukan perbandingan antaravariabel

dependen berganda dan variabel independen berganda. PLS adalah salah satu

metode statistika SEM berbasis vatian yang didesain ntuk menyelesaikan regresi

berganda ketika terjadi permasalaan spesifik pada data, seperti ukuran sampel

penelitian kecil adanya data yang hilang (missing values) dan multikolinealitas.

Multikolinealitas yang tinggi meningkatkan resiko secara teoritikal penolakan

hipotesis dalam pengujian model regresi (Field, 2000).

 54

PLS adalah model persamaan Structural Equation Modeling (SEM) yang

berbasis komponen atau varian. Menurut Ghozali (2006), PLS merupakan

pendekatan alternatif yang bergeser dari pendekatan SEM berbasis kovarian

menjadi berbasis varian. SEM yang berbasis kovarian umumnya menguki

kausalitas/teori sedangkan PLS lebih bersifat predictive model.

PLS merupakan metode analisis yang powerfull (Ghozali, 2014) karena tidak

didasarkan pada banyak asumsi. Misalnya, data harus terdistribusi normal, sampel

tidak harus besar. Selain dapat digunakan untuk mengkonfirmasi teori, PLS juga

dapat digunakan untuk menjelasakan ada tidaknya hubungan antar variabel laten.

PLS dapat sekaligus menganalisis konstru yang dibentuk dengan indikator refleksi

dan formatif.

Menurut Jogiyanto (2015) tujuan PLS adalah membantu penelitian untuk

tujuan prediksi. Model formalnya mendefinisikan variabel laten adalah linear

agregat dari indikitor-indikatornya. Weight estimate untuk menciptakan komponen

skor variabel laten didapat berdasarkan bagaimana inner model (model struktural

yang menghubungkan antar variabel laten) dan outer model (model pengukuran

yaitu: hubungan antara indikator dengan konstruknya) dispesifikasi.

Hasilnya adalah residual variance dari variabel dependen. Estimasi

parameter yang didapat dengan PLS dapat dikategorikan menjadi tiga. Pertama,

adalah weight estimate yang digunakan untuk menciptakan skor variabel laten.

Kedua, mencerminkan estimasi jalur (path estimate) yang menghubungkan variabel

laten dan antar variabel laten dan indikatornya (loading). Ketiga, berkaitan dengan
 55

means dan lokasi parameter (nilai konstanta regresi) untuk indikator dan variabel

laten.

Untuk memperoleh ketiga estimasi ini, PLS menggunakan proses iterasi tiga

tahap dan setiap tahap iterasi menghasilkan estimasi. Tahap pertama, menghasilkan

eight estimate, tahap kedua menghasilkan estimasi untuk inner model dan outer

model, dan tahap ketiga menghasilkan estimasi rata-rata (means) dan lokasi

parameter (Abdillah, Jogiyanto, &Willy, 2015).

Tujuan PLS adalah memprediksi pengaruh variabel x terhadap y dan

menjelasakan hubungan teoritikal diantara kedua variabel. PLS adalah metode

regresi yang dapat digunakan untuk identifikasi faktor yang merypaka kobinasi x

sebagai penjelas dan variabel y sebagai variabel respon (Talbot, 1997).

2.15 SmartPLS

SmartPLS atau smart partial least square adalah software statistik yang

dikembangkan oleh Institute of Hamburg Jerman dan sama tujuannya dengan Lisrel

dan Amos yaitu: untuk menguji hubungan antara variabel, baik sesama varabel

laten maupun dengan variabel indikator atau manifest.

Penggunaan smartPLS sangat dianjurkan ketika peneliti memiliki

keterbatasan jumlah sampel sementara model yang dibangun kompleks, hal ini

tidak dapat dilakukan ketika peneliti menggunakan Lisrel dan Amos karena

software tersebut membutuhkan kecukupan sampel.

Kelebihan lainnya dari smartPLS adalah kemampuannya mengolah data yang

baik untuk model SEM formatif ataupun reflektif. Model SEM formatif memiliki
 56

ciri-ciri di antaranya adalah variabel laten atau konstruk yang dibangun variabel

indikator, dimana panah mengarah dari variabel konstruk ke variabel indikator.

Model SEM reflektif adalah model SEM dimana variabel konstruk merupakan

refleksi dari variabel indikator, sehingga panahnya mengarah dari variabel indikator

ke variabel laten. Secara statistik, konsekuensinya adalah tidak akan ada nilai error

pada variabel indikator.

PLS-SEM memiliki 4 alasan umum bagi para peneliti untuk dapat

menggunakannya. Alasan pertama yaitu: algoritma PLS tidak terbatas hanya untuk

hubungan indikator dengan konstruk latennya yang bersifat reflektif saja tetapi

algoritma PLS dipakai juga untuk hubungan yang bersifat formatif. Alasan kedua,

PLS dapat digunakan untuk model path dengan sample size yang kecil. Alasan

ketiga, PLS-SEM dapat digunakan untuk model yang sangat kompleks dimana

terdapat variabel laten yang banyak, tanpa mengalami masalah dalam estimasi data.

Alasan keempat yaitu: PLS dapat digunakan ketika distribusi data miring (skew)

(Yamin & Kurniawan, 2011).

Di dalam PLS terdapat dua model evaluasi yaitu: outer model atau model

pengukuran dan evaluasi terhadap inner model atau model struktural (Yamin &

Kurniawan, 2011; Afthanorhan, 2013; Wong, 2013; Hair et al., 2017).

2.15.1 Evaluasi Pengukuran Model (Outer Model)

Model ini meliputi pemeriksaan individual item reliability, internal

consistency atau construct reliability, average variance extracted. Ketiga

pengukuran tersebut dikelompokkan dalam convergent validity, yaitu: mengukur

 57

besarnya korelasi antara konstruk dengan variabel laten. Selanjutnya dilakukan

pemeriksaan discriminant validity. Measurement model dilakukan untuk dapat

mengetahui hubungan antara konstruk (variabel) dengan indikator-indikatornya

(Yamin & Kurniawan, 2011).

Pemeriksaan individual item reliability dapat melihat nilai standardizes

loading factor. Nilai ini menggambarkan besarnya korelasi antara setiap item

pengukuran (indikator) dengan konstruknya. Nilai loading factor di atas 0,7 dapat

dikatakan ideal, artinya bahwa indikator tesebut dikatakan valid sebagai indikator

yang mengukur konstruk. Jika nilai loading factor antara 0,5-0,6 dikatakan cukup

(Ghozali, 2011), sedangkan untuk dikator dengan angka 0,4-0,5 dapat

dipertimbangkan jika nilai composite reliability masih pada batas aman dan

indikator dapat dihapus jika hal tersebut meningkatkan nilai composite reliability

(Hair et al., 2011).

Selanjutnya melihat internal consistency reliability dari nilai composite

reliabity. Composite reliability lebih baik dalam mengukur internal consistency

dibandingkan cronbach’s alpha dalam model SEM dikarenakan composite

reliability tidak mengasumsikan kesamaan boot dari setiap indikator. Cronbach’s

alpha cenderung menaksir lebih rendah construct reliability dibandingkan

composite reliability. Nilai harus lebih besar dari 0,7 meskipun nilai 0,6 masih dapat

diterima (Abdillah & Mustakini, 2015). Nilai batas 0,7 ke atas berarti dapat diterima

dan di atas 0,8 dan 0,9 berarti sangat memuaskan (Yamin & Kurniawan, 2011).

Berikut adalah rumus untuk composite reliability (CR):

 58

CR = (∑λ𝑖 )2 (∑λ𝑖 )2 + ∑𝜀𝑖 (2.2)

Ukuran lain dari convergent validity adalah nilai Average Variance Extracted

(AVE). Nilai ini menggambarkan besaran varian atau keragaman variabel manifes

yang dapat dikandung oleh konstruk laten. Nilai AVE minimal 0,5 menunjukkan

ukuran convergent validity yang baik (Yamin & Kurniawan, 2011; Ghozali, 2011).

Artinya, variabel laten dapat menjelaskan rata-rata lebih dari setengah variance dari

indikator-indikatornya. Nilai ini diperoleh dari penjumlahan kuadrat loading factor

dibagi dengan error.

Berikut ini rumus dari Average Variance Extracted (AVE):

AVE = (∑λ𝑖 )2 (∑λ𝑖 )2 + ∑𝜀𝑖 (2.3)

Discriminant validity dievaluasi melalui cross loading, kemudian

membandingkan nilai AVE dengan kuadrat nilai korelasi antar konstruk. Ukuran

cross loading adalah membandingkan korelasi indikator dengan konstruknya dan

konstruk blok lainnya. Bila korelasi antara indikator dengan konstruknya lebih

tinggi dari korelasi dengan konstruk blok lainnya, hal ini menunjukkan konstruk

tersebut memprediksi ukuran pada blok mereka dengan lebih baik dari blok lainnya.

Ukuran discriminant validity lainnya adala bahwa nilai akar AVE harus lebih tinggi

daripada korelasi antara konstruk dengan konstruk lainnya atau nilai AVE lebih

tinggi dari kuadrat korelasi antara konstruk.

Evaluasi outer model dalam penelitian ini dilakukan melalui dua tahap, yaitu:

evaluasi pada konstruk first order ialah konstruk yang dibentuk oleh indikator-
 59

indikatornya dan evaluasi pada konstruk second order ialah konstruk yang dibentuk

oleh kosntruk first order yang menjadi dimensinya.

2.15.2 Evaluasi Struktural Model (Inner Model)

Pengukuran struktural Model (Inner Model) dilakukan untuk dapat

mengetahui hubungan antara konstruk yang dihipotesiskan oleh peneliti (Yamin &

Kurniawan, 2011). Dalam model ini terdapat enam tahap dalam melakukan

evaluasinya.

Tahap pertama adalah dengan melihat signifikansi hubungan antara konstruk.

Hal ini dapat dilihat dari koefisien jalur (path coefficient) yang menggambarkan

kekuatan hubungan antara konstruk. Pengukuran path ceofficient (𝛽) memilik nilai

ambang batas di atas 0,1 hal ini untuk menyatakan bahwa jalur (path) yang

dimaksud mempunyai pengaruh di dalam model.

Tahap kedua adalah dengan mengevaluasi nilai 𝑅2 (cofficient of

determination). Nilai ini menjelaskan varian dari tiap target endogenous variabel

dengan standar pengukuran sekitar 0,67 sebagai kuat, sekitar 0,33 moderat dan di

bawah 0,19 menunjukkan tingkat varian yang lemah (Hair et al., 2012; Ringle,

2014; Wong, 2016).

Tahap ketiga adalah dengan melihat nilai t-test dengan metode bootsrapping

menggunakan uji two-tailed dengan tingkat signifikansi 5% untuk menguji

hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar dari 1,96 maka hipotesis

penelitian yang dibuat dapat diterima.

 60

Tahap keempat, pengujian 𝑓 2 (effect size). Pengujian ini dilakukan untuk

dapat memprdiksi pengaruh variabel tertentu terhadap variabel lainnya dalam

struktur model dengan nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15

untuk pengaruh menengah dan 0,35 untuk pengaruh yang besar. Berikut adalah

rumus untuk menghitung effect size atau 𝑓 2 :

2
𝑅𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑−𝑅 2
𝑓2 = 2
𝐸𝑥𝑐𝑙𝑢𝑑𝑒𝑑
(2.4)
1 − 𝑅𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑

Dimana :
2
𝑅𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai 𝑅2 ketika prediktor dimasukan ke dalam model.

2
𝑅𝐸𝑥𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai 𝑅2 ketika prediktor dikeluarkan dari model.

Tahap kelima, pengujian 𝑄2 (Predictive Relevance) dengan menggunakan

metode blindfolding untuk dapat memberikan bukti bahwa variabel tertentu yang

digunakan dalam suatu model yang dibuat mempunyai keterkaitan prediktif

(predictive relevance) dengan variabel lainnya dalam model tersebut nilai ambang

batas pengukuran di atas 0.

Tahap keenam, pengujian 𝑞 2 (Relative Impact) dengan menggunakan metode

blindfolding juga untuk dapat mengukur relatif pengaruh sebuah keterkaitan antara

prediktif sebuah variabel tertentu dengan variabel lainnya yang memilki nilai

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

0,35 untuk pengaruh besar. Berikut rumus yang digunakan dalam perhitungan 𝑞 2 :
2
𝑄𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑−𝑄 2
2 𝐸𝑥𝑐𝑙𝑢𝑑𝑒𝑑
𝑞 = 2
(2.5)
1 − 𝑄𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑
 61

Dimana :
2
𝑄𝐼𝑛𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai 𝑅2 yang diperoleh ketika konstruk eksogen dimasukkan ke

model.
2
𝑄𝐸𝑥𝑐𝑙𝑢𝑑𝑒𝑑 = Nilai 𝑅2 yang diperoleh ketika konstruk eksogen dikeluarkan ke

model.

Jadi, dapat ditarik kesimpulan bahwa PLS-SEM merupakan salah satu metode

yang digunakan untuk mengelola SEM. Tujuannya adalah untuk mengukur ada atau

tidaknya hubungan antara variabel dependen atau independen. Dari pengertian

tersebut dapat disimpulkan bahwa smartPLS 3.2.9 adalah software statistik untuk

menguji hubungan antara variabel, baik semua variabel laten maupun dengan

variabel indikator tanpa ada keterbatasan jumlah sampel.

2.16 Konstruk Reflekstif dan Formatif

Pada umumnya prosedur pengembangan konstruk dalam berbagai literatur

disarankan menggunakan konstruk dengan indikator reflektif karena diasumsikan

mempunyai kesamaan domain konten walaupun sebenarnya dapat juga

menggunakan konstruk dengan indikator formatif. Fornell dan Bookstein (1982)

menjelaskan bahwa konstruk seperti pesonalitas atau sikap umumnya dipandang

sebagai faktor yang menimbulkan sesuatu yang kita amati sehingga merupakan

kombinasi penjelas dai indikator (seperti perubahan penduduk atau bauran

pemasaran) yang ditentukan oleh kombinasi variabwl maka indikatornya harus

berbentuk formatif. Seperti yang diketahui bahwa PLS-SEM dapat menangani

konstruk dengan indikator reflektif maupun formatif.

 62

Dalam penelitian-penelitian di bidang organisasi (Podsakoff et al., 2003),

marketing (Jarvis et al., 2003) maupun sistem informasi (Peter et al., 2007)

indikator formatif cenderung lebih digunakan karena tidak semua konstruk dapat

dibentuk dengan indikator reflektif maupun formatif.

2.16.1 Konstruk dengan Indikator Refleksif

Konstruk dengan indikator refleksif mengasumsikan bahwa kovarian di

antara pengukuran model dijelaskan oleh varian yang merupakan manifestasi

domain konstruknya. Arah indikatornya yaitu: dari konstruk ke indikator. Pada

setiap indikatornya harus ditambah dengan error terms atau kesalahan pengukuran.

Berikut diberikan contoh konstruk dengan indikator refleksif dapat dilihat

pada Gambar 2.3.

𝜉1 X1
𝜉2 X2 𝜉1
𝜉3 X3
𝜉1
X4
𝜉2 X5 𝜉2
𝜉3 X6
𝜉1
X7
𝜉2
X8 𝜉3
𝜉3 X9

Gambar 2.3 Contoh Konstruk dengan Indikator Refleksif (Ghozali, 2012)

 63

2.16.2 Konstruk dengan Indikator Formatif

Konstruk dengan indikator formatif mengasumsikan bahwa setiap

indikatornya mendefinisikan atau menjelaskan karakteristik domain konstruknya.

Arah indikatornya yaitu: dari indikator ke konstruk. Kesalahan pengukuran

ditujukan pada konstruk bukan pada indikatornya sehingga pengujia validitas dan

reliabilitas konstruk tidak diperlukan. Berikut contoh konstruk dengan indikator

formatif dapat dilihat pada Gambar 2.5.

X1
𝜉1
X2
𝜉1
X3

X4
𝜉2

X5 𝜉2
X6
𝜉3
X7

X8 𝜉3
X9

Gambar 2.4 Contoh Konstruk dengan Indikator Formatif (Ghozali, 2012)

2.16.3 Pedoman Menentukan Arah Indikator Konstruk

Untuk melakukan pengukuran model (outer model), penting bagi seorang

peneliti untuk mengetahui arah indikator suatu konstruk, apakah berbentuk refleksif

atau formatif agar dapat mengevaluasi hubungan antara variabel laten dengan

indikatornya. Pada kasus tertentu sering ditemukan bahwa peneliti menggunakan

indikator formatif untuk melakukan operasionalisasi konstruk refleksif. Kesalahan

 64

penggunaan ini disebut dengan Type I Error. Dan sebaliknya jika peneliti

meggunakan indikatro refleksif untuk melakukan opersionalisasi konstruk formatif,

maka kesalahan ini disebut dengan Type II Error. Berikut ringkasnya dapat dilihat

pada Tabel 2.6.

Tabel 2.6 Kesalahan Pemilihan Indikator (Ghozali, 2012)

Kesalahan Pemilihan Indikator Reflective Formative

Reflective Correct Decision Type I Error

Formative Type II Error Correct Decision

Untuk mencegah terjadinya kesalahan Type I Error dan Type II Error, maka

penting bagi peneliti untuk mengetahui arah indikaor konstruk yang dibentuk.

Jarvis et al. (2003) dan MacKenzie (2003) memberikan suatu konstruk berbentuk

refleksif ataukah formatif dengan melihat beberapa kriteria pada Tabel 2.7.

Tabel 2.7 Perbandingan Antara Indikator Refleksif dan Formatif (Ghozali, 2012)

Kriteria Refleksif Formatif

1. Arah hubungan
kausalitas antara
konstruk dan
indikator dari
definisi konseptual
Apakah indikator (items)
mendefinisikan karakteristik
konstruk Manifestasi
terhadapkonstruk
Apakah perubahan pada
indikator mengakibatkan
perubahan pada konstruk
ataukah tidak?
Apakah perubahan pada
konstruk mengakibatkan
perubahan pada indikator?
2. Apakah indikator
atau items dapat
dipertukarkan?
Haruskah indikator memiliki
konten yang sama? Atau
Arah kausalitas dari konstruk
ke indikator (items)
Indikator manifestasi
terhadap konstruk
Perubahan pada indikator
tidak menyebabkan
perubahan pada konstruk
Perubahan pada
konstruk mengakibatkan
perubahan pada indikator
Indikator dapat dipertukarkan
Indikator harus memiliki
konten yang sama dan
Arah kausalitas dari
indikator (items) ke konstruk
Indikator mendefinisikan
karakteristik konstruk
Perubahan pada indikator
mengakibatkan perubahan
pada konstruk
Perubahan pada konstruk
tidak menyebabkan
perubahan pada indikator
Indikator tidak dapat
dipertukarkan
Indikator tidak harus
memiliki konten yang
sama dan indikator tidak
 65

indikator memiliki tema indikator perlu memiliki tema perlu memiliki tema yang
yang sama? yang sama sama
Apakah dengan Menghilangkan satu Menghilangkan satu
menghilangkan satu indikator indikator tidak akan indikator akan mengubah
akan mengubah makna mengubah maknakonstruk makna konstruk
konstruk?
3. Apakah terdapat Indikator diharapkan Tidak perlu ada kovarian
kovarian antar memiliki kovarian satu sama antar indikator
indikator? lainnya
Apakah perubahan satu Tidak harus Ya
indikator berhubungan
dengan perubahan indikator
lainnya?
4. Nomological dari Nomological indikator tidak Nomological indikator
indikator konstruk harus berbeda berbeda
Apakah indikator (items) Indikator disyaratkan Indikator tidak
diharapkan memiliki memiliki anteseden dan disyaratkan memiliki
anteseden dan konsekuen konsekuen yang sama antesedendan konsekuen
yang sama? yang sama

2.17 Konstruk Unidimensional dan Multidimensional

Dalam model persamaan struktural, penting bagi seorang peneliti untuk

memahami dimensionalitas suatu konstruk. Secara teoritis, dimensi suatu konstruk

dapat berbentuk unidimensional dan multidimensional. Perbedaan tersebut terjadi

karena tiap konstruk memiliki level abstraksi yang berbeda sehingga menentukan

perlakuan yang berbeda pula dalam pengujian statistiknya.

2.17.1 Konstruk Unidimensional

Konstruk unidimensional adalah konstruk yang dibentuk langsung dari

manifes variabelnya dengan arah indikornya dapat berbentuk reflektid maupun

formatif. Pada model struktural yang menggunakan konstruk unidimensional,

analisis faktor konfirmatori untuk menguji validitas konstruk dapat dilakukan

langsung melalui first order construct yaitu: konstruk laten yang direfleksikan oleh
 66

indikatornya. Berikut ini diberikan contoh konstruk unidimensional dan model

struktural dengan konstruk unidimensional seperti tampak pada Gambar 2.5-2.7.

Konstruk Unidimensional dengan Konstruk Unidimensional dengan

Indikator Reflektif Indikator Formatif

X1 X1

X2 𝜂 X2 𝜂

X3 X3

Gambar 2.5 Konstruk Unidimensional (Ghozali, 2012)

𝜉1 X1
𝜉2
X2 𝜉1
𝜉3
X3
𝜉4
𝜉4 X4
𝜉5 X5 𝜉2 𝜉
𝜉6 X6
𝜉7
X7
𝜉8 X8 𝜉3
𝜉9 X9

Gambar 2.6 Model Struktural dengan Konstruk Unidimensional Refleksif (Ghozali, 2012)

X1 𝜉1
X2
𝜉1
X3
𝜉2
X4 𝜉4
X5 𝜉2
𝜉
X6 𝜉3
X7

X8 𝜉3
X9

Gambar 2.7 Model Struktural dengan Konstruk Unidimensional Formatif (Ghozali, 2012)
 67

2.17.2 Konstruk Multidimensional

Konstruk multidimensional adalah konstruk yang dibentuk dari konstruk

laten dimensi yang di dalamnya termasuk konstruk konstruk unidimensional

dengan arah indikatornya dapat berbentuk reflektif maupun formatif. Pada model

struktural yang menggunaan konstruk multidimensional, analisis faktor

konfirmatori untuk menguji validitas konstruk dilakukan melalui dua tahap, yaitu:

analisis pada first order construct ialah konstruk laten dimensi yang direfleksikan

atau dibentuk oleh indikator-indikatornya dan analisis pada second order construct

ialah konstruk yang direfleksikan atau dibentuk oleh konstruk laten dimensinya.

Konstruk multidimensional dapat dibentuk menjadi empat tipe yaitu:

reflective first order dan reflective second order, reflective first order dan formative

second order, formative fisrt order dan reflective second order, formative fisrt order

dan formative second order. Berikut ini diberikan contoh konstruk

multidimensional dan model struktural menggunakan konstruk multidimensional

seperti tampak pada Gambar 2.8- 2.12.

Type I Type II
Reflective First-Order, Reflective First-Order,
Reflective Second Order Reflective Second Order
 68

Type IV
Type III
Reflective First-Order,
Reflective First-Order,
Reflective Second Order
Reflective Second Order

Gambar 2.8 Konstruk Multidimensional (Ghozali, 2012)

𝜉10 𝜉11 𝜉12

𝜉1 X1
Y2
𝜉2 Y1 Y3
X2 𝜉1
𝜉3
X3 𝜉1 𝜂1
𝜉4 X4
𝜉5 𝜉2
X5 𝜉2 𝜉1
𝜉6 𝜉3
X6
𝜉7 𝜂2
X7
𝜉8 X8 𝜉3
𝜉9 X9 Y4 Y5 Y6
𝜉13 𝜉14 𝜉15

Gambar 2.9 Struktural dengan Lower Order Konstruk Refleksif dan Higher Order Konstruk
Formatif (Ghozali, 2012)
 69

X1 𝜉1 X1 X2 X3

X2 𝜉1
X3 𝜉4 𝜂1
X4
𝜉2
𝜉5
X5 𝜉2 𝜉1
𝜉6
X6
𝜉3 𝜂2
X7

X8 𝜉3
X9 X4 X5 X6

Gambar 2.10 Model Struktural Lower dan Higher Order Konstruk Refleksif (Ghozali, 2012)

𝜉10 𝜉11 𝜉12

𝜉1 X1 𝜉1 Y1 Y2 Y3
𝜉2
X2 𝜉1
𝜉3
X3 𝜉4 𝜂1
𝜉4 X4 𝜉2
𝜉2
𝜉5 X5 𝜉2 𝜉1
𝜉3
𝜉6 X6
𝜉7 𝜉3 𝜂2
X7
𝜉8 X8 𝜉3
𝜉9 X9
Y4 Y4 Y6
𝜉13 𝜉14 𝜉15
Gambar 2.11 Model Struktural dengan Lower dan Higher Order Konstruk Formatif

(Ghozali,2012)
 70

X1 𝜉1 X1 X2 X3

X2 𝜉1
X3 𝜉4 𝜂1
X4
𝜉2
𝜉5
X5 𝜉2 𝜉1
𝜉6
X6
𝜉3 𝜂2
X7

X8 𝜉3
X9 X4 X5 X6

Gambar 2.12 Model Struktural dengan Lower Order Konstruk Formatif dan Higher Order

Konstruk Refleksif (Ghozali, 2012)

2.18 Second order confirmatory factor analysis

Second order confirmatory factor analysis adalah bentuk model pengukuran

dalam SEM yang terdiri atas 2 tingkat yang menunjukkan hubungan antara

variabel-variabel laten pada tingkat pertama sebagai indkator-indikator dari sebuah

variabel laten tingkat kedua (Dewi et al., 2015). Second Order Construct (SOC)

merupakan hubungan teoritis antara variabel laten atau konstruk higher order

dengan dimensi konstruk di bawahnya. Hubungan konstruk higher order dengan

dimensi konstruk dapat bersifat reflektif atau formatif (Abdillah & Hartono, 2011).

Konstuk multidimensional terbagi menjadi dua, yaitu: konstruk

multidimensional reflektif dan konstruk multidimensional formatif. Konstruk

multidimensional yang memiliki konstruk di bawahnya yang bersifat reflektif

 71

terhadap konstruk intinya, maka pengujian pada jenjang higher order dapat

dilakukan dengan mengompositkan seluruh indikator yang ada di setiap konstruk

dimensinya. Untuk format multidimensional reflecive construct, pengujian dapat

dilakukan pada salah satu jenjang saja, apakah di higher order atau lower order

construct reflective, bergantung pada teori dan tingkat abstraksi tujuan pengujian

(Abdillah & Hartono, 2011).

Pada penelitian ini digunakan konstruk multidimensional reflektif. Secara

statistik, pengujian konstruk multidimensional reflektif di jenjang higher order

merupakan komposit dari seluruh konstruk di lower order (dimensi konstruk)

(Abdillah & Hartono, 2011). Lalu untuk melakukan pengukuran atau evaluasi

dilakukan pada konstruk First Order dan konstruk Second Order (Chin, 1998;

Ghozali, 2011). Pada Gambar 2.13 adalah gambar antara konstruk order pertama

dan kedua dalam peneitian ini.

 72

First Order CFA Second Order CFA

Gambar 2.13 Diagram Jalur First Order dan Second Order

1) Evaluasi Konsruk First Order

Evaluasi konstruk fisrt order dalam penelitian ini digunakan untuk menguji

validitas dan reliabilitas konstruk unidimensional yang memiliki arah

 73

indikator berbentuk reflektif. Evaluasi konstruk first order dilakukan dengan

menguji model yang telah dibuat. Menurut Latan dan (Ghozali, 2011), outer

model dengan indikator reflektif dievaluasi melalui validasi diskriminan

(discriminan validity) dari indikator pembentuk konstruk, serta composite

relability (CR) dan cronbach’s alpha untuk blok indikatornya ditambah

dengan uji signifikansi konstruk first order / t-Test dengan outer loading pada

bootsrapping.

2) Evaluasi konstruk Second Order

Evaluasi konstruk Second Order dilakukan dari konstruk second order ke

konstruk first order yang menjadi dimensinya. Menurut Wold (1982) (

Ghozali, 2011), evaluasi konstruk second order dapat dilakukan dengan

metode repeated indicators approach atau disebut juga hierarchical

component model. Evaluasi konstruk second order yang berbentu reflektif

dapat dilakukan dengan uji path coefficient dengan bootsrapping (Ghozali,

2014), dan juga ditambahkan dengan uji coefficient of determination

(𝑅2 ) seperti pada penelitian (Jogiyanto, 2011; Naniek et al., 2012; Soekanto

& Mustikarini, 2017).

2.19 Statistical Product and Service Solution (SPSS)

Statistical Product and Service Solution (SPSS) merupakan program aplikasi

yang digunakan untuk membatu pengolahan, perhitungan, dan analisis data secara

statistik menggunakan komputer. SPSS dipublikasikan oleh SPSS Inc.

 74

SPSS versi pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie,

seorang lulusan Fakultas Ilmu Politik dari Stanford University, yang sekarang

menjadi Profesor Peneliti Fakultas Ilmu Politik di Stanfor dan Profesor Emeritus

Ilmu Politik di University of Chicago. SPSS mengalami perkembangan dari versi

6.0 hingga kini ada versi 24 dan mungkin akan terus berkembang lagi.

Gambar 2.14 Tampilan Lembar Kerja SPSS versi 24

2.20 Skala Likert

Skala Likert adalah suatu skala psikometrik yang umum digunakan dalam

angket dan merupakan skala yang paling banyak digunakan dalam riset berupa

survei. Nama skala ini diambil dari nama Rensis Likert, yang menerbitkan suatu

laporan yang menjelaskan penggunaannya (Dikananda et al., 2021).

Skala Likert juga disebut summated rating scale, skala ini banyak digunakan

karena memberikan peluang kepada responden untuk mengekspresikan perasaan

mereka dalam bentuk persetujuan terhadap suatu pernyataan. Jumlah skala pilihan
 75

jawaban yang disediakan skala Likert bisa tiga, lima, tujuh, sembilan, yang jelas

penggunaan skala harus ganjil.

Skala Likert digunakan dalam penelitian survei kepada orang dengan

menyatakan sikap atau tanggapan lain yang sehubungan dengan kategori tingkat

ordinal seperti pendapat setuju atau tidak setuju (Budiaji & Weksi, 2013). Tabel 2.8

berikut ini merupakan keterangan nilai atau skor dari skala Likert:

Tabel 2.8 Ketentuan Skala Likert ( Sugiyono, 2010)

Skor
Keterangan Singkatan
Positif Negatif
Sangat Tidak Setuju STS 1 5
Tidak Setuju TS 2 4
Tidak Tahu/Netral TT/N 3 3
Setuju S 4 2
Sangat Setuju SS 5 1

Kelebihan yang dimiliki skala Likert adalah (Durianto et al., 2004):

a. Mudah dalam pembuatannya

b. Interval respons yang lebih besar yang membuat skala ini dapat memberi

keterangan yang lebih nyata atau tegas mengenai pendapat atau sikap

responden terhadap pertanyaan atau pernyataan yang diberikan.

c. Reliabilitas yang relative tinggi. Namun semakin banyak item interval respon

yang diberikan akan mengakibatkan nilai reliabilitasnya semakin berkurang.

d. Dapat memperhatikan beberapa respon alternatif bagi responden terhadap

suatu karakteristik produk (sangat setuju, setuju, bimbang, tidak setuju,

sangat tidak setuju).

Selain memiliki kelebihan, skala Likert juga memiliki kekurangan di

antaranya (Durianto, et al., 2004):

 76

a. Karena ukuran yang digunakan merupakan ukuran ordinal, skala Likert hanya

dapat mengurutkan tingkat tanggapan individu ke dalam skala, tetapi tidak

dapat dilakukan perbandingan berapa kali satu individu lebih baik dari

individu lain.

b. Terkadang skor total tidak memberi arti yang jelas karena banyak pola

tanggapan terhadap beberapa item akan memberikan skor yang sama.

Dari pengertian tersebut dapat disimpulkan bahwa skala Likert adalah skala

untuk mengukur respon subjek ke dalam 5 poin atau 7 poin skala dengan interval

sama yang digunakan dalam penelitian survei kepada orang dengan menyatakan

sikap atau tanggapan lain yang sehubungan dengan kategori tingkat ordinal seperti

pendapat setuju atau tidak setuju (Willits et al., 2016).

2.21 Metode Perhitungan

2.21.1 Uji Validitas

Sebuah instrumen dikatakan valid apabila mampu mengukur apa yang

diinginkan dan dapat mengungkapkan data dari variabel yang diteliti secara tepat.

Validitas merupakan suatu ukuran yang menunjukkan tingkat kehandalan dan

kesahihan suatu instrument (Arikunto, 2010). Validitas dapat dibagi menjadi tiga

bagian besar, yaitu:

1. Content Validity (Validitas Isi)

Content validity berkaitan dengan pengujian apakah alat ukur terdidi dari set

item yang mencukupi dan representatif untuk mengukur semua aspek

 77

kerangka konsep yang dimaksud dalam teori-teori yang ada. Jenis validitas

ini adalah satu-satunya validitas yang menggunakan pembuktian logika dan

bukan secara statistik. Content validity yang paling dasar adalah face validity

(validitas rupa). Face validity hanya menunjukkan bahwa dari segi rupa, alat

ukur yang digunakan tampaknya mengukur yang ingin diukur.

2. Criterion-Related Validity

Criterion-related validity berkaitan dengan hasil suatu alat ukur dengan

kriteria yang telah ditentukan. Validitas ini terdiri atas dua jenis, yakni:

a. Concurrent Validity (Validitas Simultan)

Validitas simultan berkaitan dengan pengujian apakah terdapat kesesuaian

antara hasil alat ukur tentang perilaku obyek penelitian dengan perilakunya

yang terjadi dimasa sekarang.

b. Predictive Validity (Validitas Prediktif)

Validitas prediktif berkaitan dengan pengujian apakah terdapat kesesuaian

antara hasil prediksi tentang perilaku obyek penelitian dengan perilakunya

yang nyata terjadi dimasa depan.

3. Construct Validity (Validitas Konstruk)

Konstruk adalah kerangka dari suatu konsep. Validitas konstruk berkaitan

dengan pengujian apakah alat ukur tersebut benar-benar mengukur obyek

sesuai dengan kerangka konsep obyek yang bersangkutan. Analisis validitas

konstruk kuesioner dilakukan dengan mengevaluasi kolerasi yang terjadi

antara jawaban-jawaban tiap aspek yang menyusun konstruk suatu kuesioner

sesuai dengan tujuan kuesioner. Kemudian nilai kolerasi dibandingkan

 78

dengan angka kritis yang terdapat dalam tabel kolerasi nilai r. Jika nilai

kolerasi lebih besar atau sama dengan nilai r, maka kuesioner yang disusun

memiliki validitas konstruk.

Construct validity terdiri atas dua jenis, yaitu:

a. Convergent Validity (Validitas Konvergen)

Validitas ini berkaitan dnegan apakah hasil yang diperoleh dari dua alat ukur

yang berbeda yang mengukur konsep yang sama berkolerasi tinggi. Jika

kolerasinya tinggi dan signifikan, maka alat ukur tersebut valid.

b. Discriminant Validity (Validasi Diskriminan)

Validitas ini berkaitan dengan apakah berdasarkan dengan teori yang ada, dua

variabel yang diprediksikan tidak berkolerasi, dan hasil yang diperoleh secara

empiris membuktikannya.

Peningkatan construct validity dapat dipandang sebagai konsep yang

menyatukan semua bukti adanya validitas untuk semua tipe validitas. Selanjutnya

menambahkan jenis validitas untuk sebuah alat ukur dengan culture validity

(validitas budaya). Alat ukur yang berhasil valid di suatu tempat belum tentu valid

untuk digunakan di tempat lain yang budayanya berbeda. Oleh sebab itu, dalam

penyusunan alat ukur atau kuesioner perlu dipertimbangkan aspek budaya

penduduk setempat yang akan dijadikan responden.

Uji validitas dilakukan dengan mengukur korlasi antara variabel dengan total

skor variabel. Cara mengukur validitas konstruk salah satunya dilakukan dengan

mencari korelasi antara masing-masing pertanyaan dengan skor total dengan

menggunakan korelasi “product moment” (Singarimbun et al., 1989).

 79

Kriteria validasi suatu pertanyaan dapat ditentukan jika (Azwar, 1996;

Sugiyono, 2007; Arikunto, 2010):

a. 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑟𝑡𝑎𝑏𝑒𝑙 , maka pertanyaan yang diajukan valid.

b. 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑟𝑡𝑎𝑏𝑒𝑙 , maka pertanyaan yang diajukan tidak valid.

Teknik yang digunakan untuk menguji validitas kuesioner adalah teknik

korelasi Product Moment Pearson (PMP), yaitu: dengan cara mengkolerasi skor

tiap butir pertanyaan dengan skor totalnya. Jika nilai 𝑟ℎ𝑖𝑡𝑢𝑛𝑔 > nilai 𝑟𝑡𝑎𝑏𝑒𝑙 , maka

item tersebut dapat dikatakan valid (Sugiyono, 2007; Arikunto, 2010).

Korelasi PMP dilambangkan (r) dengan ketentuan r tidak lebih dari harga (-

1≤ r ≤ +1). Apabila nilai r = -1 artinya korelasinya negative sempurna, jika r = 0

artinya tidak ada korelasi, dan apabila nilai r = 1 berarti korelasinya sangat kuat.

Rumus yang digunakan untuk mencari nilai 𝑟𝑡𝑎𝑏𝑒𝑙 adalah sebagai berikut:

𝑡
𝑟𝑡𝑎𝑏𝑒𝑙 = (2.6)
√𝑑𝑓 + 𝑡 2

Keterangan:

𝑡 = nilai 𝑡𝑡𝑎𝑏𝑒𝑙

df = derajat bebas (jumlah responden-2)

Rumus untuk mencari nilai 𝑟𝑡𝑎𝑏𝑒𝑙 di MS. Excel (Alfiani, 2018):

t → = TINV (tingkat signifikan, jumlah responden)

𝑟𝑡𝑎𝑏𝑒𝑙 → = t/SQRT(df+t^2)

Tingkat hubungan interval koefisien r (Sarwono, 2006) dijelaskan pada Tabel

2.9 sebagai berikut.

Tabel 2.9 Tingkat hubungan interval koefisien r (Sarwono, 2006)

Interval Koefisien Tingkat Hubungan

 80

0.80 – 1.000 Sangat Kuat

0.60 – 0.799 Kuat
0.40 – 0.599 Cukup Kuat
0.20 – 0.399 Rendah
0.00 – 0.199 Sangat Rendah

2.21.2 Uji Reliabilitas

Setelah dilakukan uji validitas atas pertanyaan yang digunakan dalam

penelitian tersebut, selanjutnya dilakukan uji realibilitas. Reliabilitas merupakan

salah satu ciri atau karakter utama instrumen pengukuran yang baik. Reliabilitas

memberikan gambaran sejauh mana suatu pengukuran dapat dipercaya, dalam arti

sejauh mana skor hasil pengukuran terbebas dari kesalahan pengukuran. Uji

reabilitas bertujuan unruk mengerahui apakah alat pengumpulan data pada dasarnya

menunjukkan tingkat ketepatan, keakuratan, kestabilan, konsistensi alat tersebut

dalam mengungkapkan gejala tertentu dari sekelompok individual, walaupun

dilakukan pada waktu yang berbeda.

Secara umum uji reliabilitas didefinisikan sebagai rangkaian uji lanjutan

untuk menilai kehandalan dari item-item pertanyaan yang valid yang terlihat dari

nilai cronbach alpha yang dihasilkan >0.60 (Sekaran, 2006; Ghozali, 2013).

Rumus untuk menghitung besarnya koefisien Alpha Cronbach adalah sebagai

berikut:

𝑘 ∑ 𝑆𝑖 2
𝛼=𝛼 {1 − }
(𝑘 − 1) ∑ 𝑆𝑡 2

𝐽𝑘𝑖 𝐽𝑘𝑠
𝑆𝑖 2 = − 2 (2.7)
𝑛 𝑛

∑ 𝑋𝑡 2 ∑ 𝑋𝑡 2
𝑆𝑖 2 = − 2
𝑛 𝑛
 81

Keterangan:
𝑘 = Mean kuadran subjek
∑ 𝑆𝑖 2 = Mean kuadran kesalahan
∑ 𝑆𝑡 2 = Variansi total
𝐽𝑘𝑖= Jumlah kuadran keseluruhan skor item
𝐽𝑘𝑠= Jumlah kuadran subjek

Jika seluruh item distandarisasi sehingga memiliki variasi yang sama, maka

rumus yang digunakan dapat disederhanakan menjadi:

𝑘𝑟̅
𝛼=
1 + (𝑘 − 1)𝑟̅
(2.8)
Dengan:

𝑟̅ = Korelasi rata-rata antar item

Menurut Suharsimi (1998), metode ini akan menghasilkan koefisien korelasi

yang memiliki nilai antara 0 dan 1. Jika nilainya semakin mendekati 1 maka

kuesionernya semakin reliable. Pada Tabel 2.10 disebutkan kriteria reliabilitas

menurut Fuinford (Azwar, 2000) sebagai berikut.

Tabel 2.10 Kriteria Reliabilitas (Azwar, 2000)

Kriteria Koefisien Reliabilitas

Sangat Reliabel > 0,9
Reliabel 0,7 – 0,9
Cukup Reliabel 0,4 – 0,7
Kurang Reliabel 0,2 – 0,4
Tidak Reliabel <0,2

2.21.3 Uji Hipotesis

Hartono (2008) dalam Jogiyanto dan Abdillah (2009) menjelaskan bahwa

ukuran signifikansi keterdukungan hipotesis dapat digunakan perbandingan nilai T-

tabel dan T-statistik. Jika T-statistik lebih tinggi dibandingkan nilai T-tabel, berarti

hipotesis terdukung atau diterima.

 82

2.21.4 Uji Paired Sample t-Test

Uji Paired Sample t-Test dilakukan untuk mengetahui apakah terdapat

perbedaan rata-rata dua sampel (dua kelompok) yang berpasangan atau

berhubungan (spssIndonesia, 2016). Uji paired sample t-Test bertujuan untuk

mengerahui ada atau tidaknya perbedaan rata-rata antara dua kelompok sampel

yang sama. Jika nilai probabilitas atau Sig. (2-tailed) <0,05 maka dapat dinyatakan

bahwa terdapat perbedaan yang signifikan antara kedua sampel yang berpasangan

tersebut. Sebaliknya jika nilai probabilitas atau Sig. (2-tailed) >0,05 maka tidak

terdapat perbedaan yang signifikan diantara keduanya (Yusri, 2016).

2.22 Teknik Pengolahan Data

Data yang dimaksud adalah data yang diperoleh dari responden berupa

jawaban dari kuesioner yang diberikan. Data tersebut akan diolah sehingga

menghasilkan suatu nilai yang representatif. Teknik pengolahan data yang

digunakan dalam penelitian ini adalah analisis kesesuaian dan analisis kesenjangan

(gap analysis).

2.22.1 Analisis Kesesuaian

Analisis kesesuaian adalah hasil perbandingan prosentase dari penilaian

tingkat kinerja dengan penilaian tingkat harpaan. Analisis kesesuaian digunakan

untuk melihat apakah hasil kinerja aplikasi seseuai dengan harapan atau

kepentingan penggunanya. Penilaian analisis kesesuaian nantinya akan menjadi

 83

prioritas skala perbaikan pada analisis kuadran IPA (kuadran kartesius) dengan

persamaan rumus sebagai berikut (Supranto, 2011):

Σxi
𝑇𝑘𝑖 = x 100% (2.9)
Σyi

Keterangan:
𝑇𝑘𝑖 = Tingkat kesesuian responden
Σ𝑥𝑖 = Skor penilaian kinerja ke-i
Σ𝑦𝑖 = Skor penilaian kinerja ke-i

Kriteria penilaian tingkat kesesuaian pengguna (Supranto, 2011):

a. Tingkat kesesuaian pengguna >100% berarti kualitas layanan yang diberikan

telah melebihi apa yang dianggap penting oleh pengguna. Dengan kata lain,

pelayanan sangat puas.

b. Tingkat kesesuaian pengguna =100% berarti kualitas layanan yang diberikan

memnuhi apa yang dianggap penting oleh pengguna. Dengan kata lain,

pelayanan telah memuaskan.

c. Tingkat kesesuaian pengguna <100% berarti kualitas layanan yang diberikan

kurang/tidak memenuhi apa yang dianggap penting oleh pengguna. Dengan

kata lain, pelayanan belum memuaskan.

2.22.2 Analisis Kesenjangan (Gap Analysis)

Analisis kesenjangan (gap analysis) adalah pendekatan inovatif dan berguna

dalam melakukan penilaian kebutuhan dan untuk mengevaluasi program. Analisis

ini dapat diartikan sebagai perbandingan antara kinerja saat ini/persepsi

(perception) dengan kinerja yang diharapkan (expectation).

Dalam model ServQual untuk menenetukan kualitas layanan dapat dilakukan

dengan cara mengetahui perbedaan antara persepsi dan harapan pelanggan atas
 84

pelayanan yang diterima (Parasuraman, et al., 1988). Kotler (2003) menegaskan

bahwa kepuasan pelanggan merupakan tingkat perasaan seseorang setelah

membandingkan kinerja yang dirasakan dengan harapannya. Sehingga dengan

menggunakan analisis kesenjangan kita dapat mengetahui kepuasan pelanggan.

Proses untuk menentukan nilai kesenjangan dapat dihitung dengan melihat

selisih nilai antara kualitas layanan aktual/saat (perception) ini dan kualitas layanan

yang diharapkan (expectation) seperti digambarkan pada rumus dibawah ini

(Parasuraman, et al., 1988).

Q=P-E (2.10)

Keterangan:
Q = Tingkat kesenjangan
P = Nilai kualitas yang dirasakan saat ini
E = Nilai kualitas yang diharapkan

Kriteria penilaian tingkat kepuasan pengguna (Jayasundara, 2008):

a. Tingkat kesenjangan = 0, maka hal ini menunjukkan bahwa layanan yang

diberikan sesuai dengan harapan.

b. Tingkat kesenjangan > 0, hal ini menunjukkan bahwa keputusan pengguna

sangat tinggi terhadap layanan yang diberikan.

c. Tingkat kesenjangan < 0, hal ini menunjukkan bahwa kualitas yang ada saat

ini belum sesuai dengan kualitas yang diharapkan yang berarti bahwa

pengguna belum puas terhadap kualitas layanan yang diberikan.

2.23 Pengukuran Kualitas Layanan

Service quality secara luas digunakan sebagai indikator kunci dari

keunggulan dalam service tradisional.pengembangan konsep dimensi kualitas

 85

layanan dimulai oleh Sasser et al. (1978) dengan tujuh dimensi kualitas layanan

meliputi: keamanan (security), konsistensi (consistency), sikap (attitude),

kelengkapan (completeness), kondisi (condition), ketersediaan (availability), dan

pelatihan (training). Pada dasarnya dimensi tersebut dapat diklasifikasikan

berdasarkan kelompok kualitas aset fisik, keandalan layanan, dan kualitas dari

proses penyampaian layanan. Selanjutnya Gronross (1978; 1984; dan 1988)

menyatakan tiga dimensi dalam kualitas fungsional trkait degan proses (functional

quality of process), dan citra perusahaan (coorporate image). Dimensi-dimensi

tersebut mencakup semua dimensi sebagaimana yang disampaikan oleh Sasser et

al. (1978), bahkan juga ditambahkan dimensi citra atau reputasi perusahaan.

Ukuran kualitas layanan yang banyak dijadikan acuan dalam riset pemasaran

adalah model SERVQUAL (Service Quality) (Parasuraman et al., 1988).

SERVQUAL dibangun atas adanya perbandingan dua faktor utama yaitu: layanan

yang dipersepsikan (perceived service) dengan layanan yang sesungguhnya

diharapkan/diinginkan (expected service). Terdapat sepuluh dimensi kualitas

layanan yang dikemukakannya antara lain keandalan (reliability), daya tangap

(responsivness), kemampuan (competance), persetujuan (access), kehormatan

(courtesy), komunikasi (communication), kredibilitas (credibility), kemanan

(security), pemahaman terhadap konsumen (understanding/knowing customer), dan

bewujud (tangibles). Dari sepuluh dimensi tersebut selanjurnya Parasuraman et al.

(1988) mengelompokkan kembali menjadi lima dimensi yang meliputi:

a. Tangibles, yakni berkaitan dnegan hal-hal yang bersifat berwujud seperti

sarana atau peraatan yang digunakan dalam proses penyampaian layanan.

 86

b. Reliability, berkaian dengan kehandalan atau kemampuan perusahaan

memberikan layanan.

c. Responsivness, berkairan dengan respon atau daya tanggap perusahaan

terhadap apa yang sesungguhnya diinginkan konsumen.

d. Assurance, berkaitan dengan jaminan yang diberikan perusahaan bahwa

konsumen akan merasa aman selama menerima layanan.

e. Emphaty, adalah perhatian perusahaan untuk ikut merasakan mengenai apa

yang sesungguhnya dirasakan konsumen.

Banyak peneliti lain menemukan bahwa kualitas e-service dipengaruhi oleh

dimensi yang berbeda dari kualitas layanan tradisonal (Santoso, 2003; Parasuraman

et al., 2002; Zhu, Wymer, & Chen, 2002). Banyak penulis kemudian mulai khusus

mengembangan model kualitas mulai diusulkan dan diimplementasikan selama

tahun 200an. Prosesnya terus berlanjut sampai sekarang. Beberapa dari model

adalah WebQual (Barnes & Vidgen, 2001), SiteQual (Yoo & Donthu, 2001), eTailQ

(Wolfinbarger & Gilly, 2003), ES-Qual (Parasuraman et al., 2005), eGovSat

(Abhicandani et al., 2005), eGovSat (Abhichandani et al., 2005), SSTQual (Lin &

Hsieh, 2012), dan lain sebagainya.

Salah satu pengembangan dari SERVQUAL (Parasuraman et al, 1988) yang

banyak digunakan adalah WebQual. WebQual merupakan sebuah metode untuk

mengukur kualitas sebuah website berdasarkan persepsi pengguna akhirnya (Barnes

& Vidgen, 2000). WebQual pertama kali dikembangkan oleh Stuart J.Barnes dan

Richard T. Vidgen sejak 1988 digunakan untuk mengukur kualitas website pada
 87

portal sekolah bisnis berdasarkan faktor-faktor kemudahan penggunaan,

pengalaman, informasi dan komunikasi, serta integrasi (Barnes et al., 2001).

WebQual telah mengalami beberapa iterasi dalam penyusunan dimensi dan

butir-butir pertanyaannya. Adapun versi terakhirnya adalah WebQual 4.0 yang

diperoleh dari pengembangan WebQual versi 1 sampai 3 dan juga disesuaikan dan

dikembangkan dari SERVQUAL untuk menilai kualitas layanan website di bidang

pekerjaan, pendidikan, perpustakaan, sstem informasi, e-commerce, dan transaksi

online (Barnes et al., 2002) WebQual 4.0 terdiri atas 3 dimensi yaitu:

a. Usability (kegunaan), yaitu: variabel WebQual yang berdasarkan pada kajian

mengenai hubungan antara manusia dan komputer, serta berdasar pada kajian

mengenai kegunaan website.

b. Information quality (kualitas informasi), variabel yang dikaji berdasarkan

pada mutu dari konten yang disediakan oleh sebuah website.

c. Services interaction quality (kualitas interaksi layanan), variabel ini dikaji

berdasarkan pada interaksi layanan yang dirasakan oleh pengguna ketika

menggunakan website.

Khusus untuk disektor e-Government terdapat beberapa model di antaranya

EGWET (Henriksson, et al., 2006), e-GovQual (Papadomichelaki & Mentaz,

2012), e-GovSqual (Kaisara & Pather, 2011), WEQ (Website Evaluation

Questionnaire) (Ellinga, et al, 2012), dan lain sebagainya.

Dalam penelitian ini peneliti memilih e-GovQual ((Papadomichelaki &

Mentzas, 2012) sebagai model yang digunakan untuk mengukur kualitas layanan

Aplikasi E-Government Depok SingleWindow (DSW) karena e-GovQual dianggap

 88

sesuai dengan penelitian ini. Adapun beberapa pertimbangan dalam memilih model

ini sebagai benchmark adalah sebagai berikut: kerangka dimensi untuk penilaian

kualitas pelayanan merupakan hasil gabungan penelitian tentang e-Government

(Papadoichelaki & Mentzas, 2012), penilaian dilakukan berdasarkan perspektif

pengguna dan penelitian tersebut merupakan teori yang sudah dibuktikan melalui

studi empiris dimana dimensi penilaiannya (trust, reliability, efficiency, dan citizen

support) memiliki atribut yang sudah mencakup semua faktor yang memengaruhi

kualitas yang sesuai dengan kebutuhan dan harapan masyarakat (Fath-Allah et al.,

2014; Setyaningrum, 2015; Napitupulu, 2016), dan model ini dapat meningkatkan

kemampuan lembaga pemerinah untuk menggali kebutuhan dan mendoroang

publik memanfaatkan layanan secara optimal (Papadoichelaki & Mentzas, 2012;

Setyaningrum, 2015; Napitupulu, 2016).

2.24 Metode Penilaian E-Government

Beberapa metode telah dibangun untuk menganalisis dan melakukan

penilaian atau pengukuran dengan memahami faktor-faktor yang memengaruhi

kualitas layanan e-Government di antaranya sebagai berikut:

a. E-GovQual (Electronic Government Quality)

E-GovQual (Electronic Government Quality) merupakan skala multi-item

untuk mengukur kualitas layanan e-Government yang ada dan diberikan oleh

pemerintah atau portal e-Government yang dilihat dari persepsi pengguna. E-

GovQual adalah kerangka dimensi untuk penilaian kualitas pelayanan yang

 89

merupakan hasil gabungan penelitian tentang e-Government ((Papadomichelaki &

Mentzas, 2012).

Konsep e-GovQual mulai dikembangkan oleh Papadomichelaki dan Mentzas

sejak tahun 2011. Dalam penelitiannya, mereka berpendapat bahwa isu e-service

quality yang banyak di gunakan mengikuti perkembangan pelayanan kususnya

secara elektronik tidak hanya berlaku pada lingkungan bisnis namun juga sektor

pemerintahan, khususnya untuk meningkatkan layanan e-Government kepada

publik.

Model e-GovQual dibangun berdasarkan survei terhadap sejumlah besar

literatur yang terkait dengan website quality dan e-service quality (Napitupulu,

2016). Hasil penelitian tersebut adalah untuk mengembangkan pengukuran yang

memiliki kehandalan dan validitas. Pendekatan yang dilakukan meliputi kualitas

website, kualitas portal, kualitas e-service, kualitas e-Government, dan ukuran

kualitas (previously validated scales).

Pada konsep awal e-GovQual memiliki 6 dimensi dengan 47 atribut di

dalamnya (Papadomichelaki & Mentzas, 2011), yaitu:

1. Ease of Use (Kemudahan Pengguna)

Dimensi ini adalah seberapa mudah penguna mengakses layanan.

Kemudahan di sini maksudnya adalah mudah melakukan pecarian, URL yang

mudah diingat, adanya navigasi yang mdah dicari di situs layanan, dan teknis

yang efisien di situs layanan. Dimensi ini memiliki 7 atribut di dalamnya.

2. Content and Appearance of Information (Isi dan Tampilan Informasi)

 90

Dimensi ini adalah dimensi yang engacu pada kualitas informasi yang

diberikan diberikan di situs layanan, yang berupa desain, warna, gambar, dan

ukuran halaman situs layanan. Kualitas informas ini mencakup pada

kelengkapan, akurasi, keringkasan, dan relevansi di dalam situs layanan.

Dimensi ini memiliki 10 atribut di dalamnya.

3. Functionality of The Interaction Environment (Fungsionalitas dari Interaksi)

Dimensi ini adalah situs layanan yang memiliki kemudahan, ketersediaan,

dan bantuan di dalamnya. Di sinilah peran dalam e-Government untuk

berkomunikasi dan melakukan interaksi dengan layanan administrasi publik.

Dalam e-Government informasi yang diberikan adalah secara online,

sehingga karakteristik kualitas informasi di dalamnya sangat penting bagi

pengguna. Dimensi ini memiliki 4 atribut di dalamnya.

4. Reliability (Kehandalan)

Dimensi ini adalah dimensi yang mengacu pada fungsi di dalam situs layanan

yang berhbungan dengan aksesibilitas dan ketersediaan layanan. Kehandalan

ini juga merupakan kepercayaab pengguna untuk mengakses situs layanan

kepemerintahan mengenai kebenaran dan ketepatan waktu dalam layanan.

Aksesibilitas merupakan gambaran sejauh mana sistem digunakan oleh

banyak orang tanpa adanya modifikasi. Ketersediaan adalah sejauh mana

sistem tidak banyak mengalami gangguan saat melayani masyarakat dan

memiliki kecepatan akses yang tinggi. Dimensi ini memiliki 5 atribut di

dalamnya.

5. Citizen Support (Dukungan Masyarakat)

 91

Dimensi ini adalah dimensi yang mengacu pada adanya bantuan yang

diberikan oleh situs layanan untuk pengguna dalam mencari informasi atau

layanan yang diberikan, adanya panduan, halaman bantuan, dan tersedianya

saurankomunikasi di dalam situs layanan seperti telepon, e-mail, pesan, dsb.

Dimensi ini memiliki 10 atribut di dalamnya.

6. Trust (Kepercayaan)

Dimensi ini adalah adanya kepercayaan atas privasi dari pengguna terhadap

situs layanan untuk melindungi informasi yang diberikan melalui situs

layanan mengenai kebebasan dari resiko saat mengakses kualitas layanan,

seperti kepercayaan untuk perlindungan informasi pribadi, tidak

menyebarkan informasi pribadi dengan orang yang tidak berkepentingan atau

menjaga keamanan arsip data pribadi. Dimensi ini memiliki 11 atribut di

dalamnya.

Dimensi utama konsep awal tersebut digambarkan pada model konseptual

seperti pada Gambar 2.15.

Gambar 2.15 Model Konseptual Kualitas Layanan E-GovQual (Papadomichelaki & Mentzas,

2012)

Dari keenam dimensi utama konsep awal tersebut, terdapat beberapa atribut
dalam masing-masing dimensi yang diuraikan secara ringkas dari dimensi kualitas
layanan e-Government pada Tabel 2.11.
Tabel 2.11 Dimensi dan Atribut e-GovQual (Papadomichelaki & Mentzas, 2012)
Dimension
Ease of Use (navigation,
personalization, technical
effeciency)
Reliability
Trust (privacy, secuity)
Citizen Support (interactivity)
Functionality of the Intraction
Environment (support in
completing forms)
Content and Appearance of
Information
92
Attribute
Website’s structure
Customized search functions
Site-map
Set up links with search engines
Easy to remember URL
Personalization of information
Ability of customization
Ability to perform the promised service accurately
In time service delivery
Accessibility of site
Browser-system compatibility
Loading transaction speed
Not sharing personal information with others
Protecting anonymity
Secure archiving of personal data
Providing informed consent
Use of personal data
Non repudiation by authenticating the parties involved
Procedure of acquiring username and password
Correct transaction
Encrypting messages
Digital signatures
Access control
User friendly guidelines
Helps pages
Frequently asked question
Transaction tracking facility
The existance of contact information
Problem solving
Prompt reply to customer inquiries
Knowledge of employees
Countesy of employees
Ability of employees to convey trust and confident
Existance of online help in forms
Reuse of citizen information to fasilitate future interaction
Automatic calculation of forms
Adequate response format
Existance of online help in forms
Data completeness
Data accuracy and conscisenss
 93

Data relevancy
Updates information
Linkage
Ease of understanding/interpretable data
Colors
Graphics
Animation
Size of web pages

Dari 6 dimensi utama konsep awal tersebut maka ((Papadomichelaki &

Mentzas, 2012), kemudian memvalidasi konsep tersebut dan diturunkan menjadi 4

dimensi dengan 21 atribut yang memiliki bobot tertinggi sebagai skala dimensi e-

GovQual final menjadi Efficiency, Trust, Reliability, dan Citizen Support. Pada

Tabel 2.1 tersebut maka diturunkan menjadi empat dimensi yang memiliki bobot

tinggi sebagai skala dimensi e-GovQual final di antaranya sebagai berikut:

1. Efficiency (efisiensi)

Dalam penilaian e-Government quality, pengertian efisiensi menurut

Papadomichelaki dan Mentzas (2011) adalah sebagai adalah kemudahan

menggunakan situs dan kualitas informasi yang menyediakan tujuh kriteria

evaluasi. Tujuh kriteria evaluasi ini berupa struktur situs yang jelas dan

mudah diikuti, keefektifan mesin pencari (search engine) pada situs,

bagaimana pengaturan atau pemetaan situs terorganisir dengan baik,

bagaimana situs disesuaikan untuk kebutuhan pengguna dengan baik,

informasi yang dipasang pada situs terpampang secara detail, informasi yang

diberikan selalu baru, nyata dan up to date, dan informasi yang diberikan

dalam pengisian formulir data cukup baik.

2. Trust (Kepercayaan)
 94

Dalam penilaian e-Government quality, pengertian kepercayaan menurut

Papadomichelaki dan Mentzas (2011) adalah sejauh mana masyarakat

percaya pada situs tersebut aman dari gangguan dan melindungi informasi

yang bersifat personal atau pribadi yang terdiri atas empat kriteria evaluasi.

Empat kriteria evaluasi ini berupa penerimaan nama pengguna dan sandi pada

situs tersebut itu aman, jumlah data pribadi yang diperlukan untuk

pembuktian keaslian pada situs e-Government, apakah data yang diberikan

oleh pengguna di situs tersebut telah diarsipkan dengan aman, dan apakah

data yang diberikan oleh masyarakat hanya digunakan sesuai kebutuhan.

3. Reliability (Kehandalan)

Dalam penilaian e-Government quality, pengetian reliabilitas atau

kehandalan menurut Papadomichelaki dan Mentzas (2011) adalah kelayakan

dan kecepatan mengakses, menggunakan dan menerima layanan dari situs

yang memiliki enam kriteria evaluasi. Enam kriteria evaluasi tersebut berupa

kecepatan mengunduh formulir dari situs e-Government, apakah situs

tersebut selalu tersedia dan dapat diakses pada percobaan permintaan

pertama, apakah layanan yang diberikan pada situs ini tepat waktu, seberapa

cepat halaman situs di unduh (download), dan apakah situs e-Government

bekerja dengan standar browser.

4. Citizen Support (Dukungan Masyarakat)

Dalam penilaian e-Government quality, pengetian dukungan masyarakat

menurut Papadomichelaki dan Mentzas (2011) adalah kemampuan untuk

mendapatkan bantuan yang dibutuhkan, yang terdiri atas empat kriteria

 95

evaluasi. Dukungan masyarakat ini berkaitan dengan interaksi masyarakat

dengan karyawan atau admin pada saat megalami kesulitan atau masalah pada

interaksi mereka dengan situs e-Government. Empat kriteria evaluasi terdiri

berupa seberapa besar ketertarikan karyawan membantu menyelesaikan

maslah-maslah yang dialami oleh masyarakat, apakah karyawan memberikan

balasan yang cepat terhadap pertanyaan-pertanyaan yang diberikan oleh

pengguna, apakah karyawan memiliki kecakapan dan pengetahuan untuk

menjawab pertanyaan masyarakat, dan apakah karyawan mampu

menyampaikan ras kepercayaan dan keyakinan dalam pemberian informasi.

Adapun model e-GovQual ((Papadomichelaki & Mentzas, 2012) yang final

dapat dilihat pada Gambar 2.16.

Gambar 2.16 Model Kualitas Layanan e-GovQual Final (Papadomichelaki & Mentzas,

2012)

Berikut masing-masing atribut pada dimensi tersebut diuraikan pada Tabel

2.12.

Tabel 2.12 Dimensi dan Atribut e-GovQual Final (Papadomichelaki & Mentzas, 2012)
 96

Dimension Attribute
Efisiency This e-Government site’s structure is clear and easy to follow
This e-Government site’s search engine is effective
This e-Government site’s site map is wll organized
This e-Government site is well customized to individual
users’s needs
The information dislayed in this e-Government site is
appropriate detailed
The information displayed in this e-Government site is fresh
Information about field’s completion in this e-Government
site is enough
Trust Acquisition of username and password in this e-Government
site is secure
Only necessary personal data are provided for authentication
on this e-Government site
Data provided by users in this e-Government site are
archived securely
Data provided in this e-Government site are used only for the
reason submitted
Reliability Forms in this e-Government site are downloaded in short
time
This e-Government site is available and accesible whenever
you need it
This e-Government site performs the service successfully
upon first request
This e-Government site’s provides services in time
e-Government site’s pages are downloaded quickly enough
This e-Government site works properly with your default
browser
Citizen Support Employees showed a sincare interest in solving users’s
problem
Employees give prompt replies to users’s in inquiries
Employees have the knowledge to answer users’s questions
Employees have the ability to convey trust and confidence

b. STOPE Framework

Kerangka kerja STOPE yang terdiri atas (strategy, technology, organization,

people, and environment) atau terdapat 5 domain, 17 sub-domain (isu), dan 146

sub-sub domain (faktor) diperkenalkan oleh (Bakry, 2004). Kerangka kerja tersebut

memiliki domain-domain yang merupakan integrasi dari berbagai faktor yang

pernah dipakai pada berbagai penelitian untuk mengukur kesiapan. Framework

tersebut juga telah dikembangkan dan dipakai untuk mengebaluasi berbagai

 97

permasalahan teknologi informasi dan komunikasi (TIK), seperti perencanaan e-

Government dan e-business maupun manajemen keamanan informasi.

Pada bagian selanjutnya, STOPE digunakan untuk mengidentifikasi e-

Government, dalam lingkup luas pengembangan menuju ekonomi digital. Ini

menekankan proses dasar dan manfaat potensial. Dengan menggunakan STOPE,

rekomendasi untuk memaksimalkan manfaat ini kemudian dipekenalkan.

Akhirnya, pekerjaan masa depan yang spesifik berkaitan dengan pengembangan

layanan e-Government khas berbasis STOPE diusulkan. Pekerjaan ini akan berguna

untuk standar layanan e-Government dasar di tingkat internasional, sehingga

layanan e-Government yang dirancang dengan baik dapat diglobalisasi (Bakry,

2004).

c. E-Government Assessment Framework (EAM)

EAM mencakup dua dimensi penilaian tambahan di luar kerangka STOPE

yaitu: operasional dan layanan. Kerangka kerja (EAM) bersifat generik dan

sebagian besar dimensi mencakup perspektif administratif. Namun, model ini tidak

dapat dianggapp sebagai kerangka evaluasi efektivitas e-services karena tidak

memberikan indeks pengukuran spesifik (Esteves, 2008).

Kerangka penilaian e-Government yang diusulkan terdiri atas tiga komponen:

tingkat kematangan e-Government, pemangku kepentingan e-Government, dan

dimensi penilaian. Salah satu kritik utama model teoritis adalah penyederhanaannya

yang berlebihan terhadap konstruksi dunia nyata.

d. COBRA Framework
 98

Kerangka kerja ini digunakan untuk mengetahui kualitas layanan e-

Government, dimana melibatkan banyak pemangku kepentingan yang memiliki

tujuan berbeda yang dapat berdampak pada kesuksesan. Di antara para pemangku

kepentingan ini, warga negara adalah pemangku kepentingan utama dari kegiatan

pemerintah. Dengan demikian, epuasan mereka memainkan peran penting dalam

kesuksesan e-Government. Meskipun beberapa model telah diusulkan untuk

menilai keberhasilan layanan e-Government melalui pengukuean tingkat kepuasan

pengguna, mereka gagal memberikan model evaluasi yang komprehensif.

Pada kerangka kerja ini ditemukan berbagai variabel terwujud kemudian

dikelompokkan ke dalam kerangka analisis kuantitaif baru ang terdiri atas empat

konstruki utama yaitu: biaya, manfaat, resiko, dan peluang (COBRA) dengan

analogi kerangka kerja analisis kualitatif SWOT yang terkenal. Skala pengukuran

COBRA dikembangkan, diuji, disempurnakan, dan divalidasi pada kelompok

sampel pengguna layanan e-Government di Turki. Model persamaan terstruktur

digunakan untuk membangun hungan di antara konstruk yang diidentifikasi,

variabel terkait, dan kepuasan pengguna. Hasil mengkonfirmasi bahwa kerangka

COBRA adalah pendekatan yang berguna untuk mengevaluasi keberhasilan

layanan e-Government dari perspektif warga negara dan dapat digeneralisasi ke

perspektif lain dan konteks pengukuran (Ibrahim H. Osman, 2014).

Berdasarkan beberapa model pengukuran tersebut maka peneliti memilih

untuk menggunakan model E-GovQual hal ini dikarenakan, sesuai dengan

permasalahan yang ada, yakni penilian terhadap layanan e-Government, yang di

dalamnya sudah terdapat atribut disetiap dimensi penilaiannya yang mencakup

 99

faktor-faktor yang memengaruhi penilaian kualitas pelayanan yang dibutuhkan oleh

masyarakat sebagai pengguna akhir sistem (Wahono, 2017), kemudian juga banyak

referensi atau penelitian sejenis yang peneliti temukan sehingga mempermudah

proses penelitian ini.

2.25 Penelitian Sejenis

Penelitian sejenis merupakan telaah pustaka yang berasal dari penelitian-

penelitan terdahulu sebelumnya. Penelitian sejenis berikut bersumber dari

kumpulan jurnal dan skripsi. Dalam penelitian sejenis ini hasil-hasil penelitian yang

didapatkan oleh peneliti terdahulu dan berhubungan dengan penelitian yang

dilakukan saat ini dirangkum sehingga mudah dipahami. Adapun beberapa

penelitian sejenis yang digunakan sebagai acuan telaah pustaka penelitian ini

ditunjukkan pada Tabel 2.13.

 100

Tabel 2.13 Penelitian Sejenis

Metode/
No. Peneliti Judul Permasalahan Hasil Variabel
Tools
1. Wong et al. (2011) Evaluating E- Survei untuk - Belum pernah dilakukan - Dapat mengukur manfaat e- 4 kuadran IPA
Goverment in mengukur pengukuran manfaat e- Government dari perspektif
Malaysia: an persepsi Governmet dari perspektif pengguna e-Government Jepang.
Importance- alumni pengguna e-Government di - IPA merupakan alat strategis yang
Performance Ryukoku Jepang. dapat dengan cepat
Analysis (IPA) of sebagai memungkinkan perencana e-
Citizens and Service pengguna e- Government untuk memahami
Providers Government kebutuhan, keinginan, dan
dan kepuasan pelanggan daripada
Importance mengandalkan indikator kinerja
Performance saja.
Analysis - IPA dinilaicocok untuk
(IPA) diintegrasikan dengan e-GovQual.

Tools: SPSS
2. Papadomichelaki E-GovQual: A E-GovQual - Belum adanya validasi - Mengembangkan model Ada 4 variabel, yaitu:
(2012) Multiple-item Scale konseptual kualitas konseptual awal menjadi model Efficiency, Trust,
for Assessing e- layanan e-Government, final berupa variabel yang telah Reliability dan Citizen
Government Service dengan e-GovQual. divalidasi berdasarkan konsep Support.
Quality. - Peneliti tidak awal yang telah dikembangkan,
menggabungkan dengan sehingga di dapatkan 4 variabel.
teknik IPA -
 101

3 Albar et al. (2017) E-Government E-GovQual - Sulitnya mendapatkan data - Ada 6 variabel, yaitu:
Service Quality yang tersedia dan akurat Ease of Use, Content
Based on E- dari warga negara and Appearance of
GovQual Approach Indonesia terkait Information,
Case Study in West pelaksanaannya e- Functionality of the
Sumatera Province Government. interaction
environment,
Reliability, Citizen
Support, dan Trust.

4. Mudjahidin et al. Penilaian Kualitas E-GovQual - Belum diketahui penilaian - Penilaian menggunakan analisis Ada 6 variabel, yaitu:
(2013) Layanan E- masyarakat terhadap gap, untuk mengetahui jarak Ease of Use, Content
Government keberhasilan atau antara target capaian dengan and Appearance of
Dengan efektifitas e-Governement penilian masyarakat. Kemudian Information,
menggunakan di Provinsi Jawa Timur. dari hasil analisis tersebut dibuat Functionality of
Dimensi E- - Menggunakan model e- rekomendasi berdasarkan jurnal Interaction
GovQual (Studi GovQual awal tanpa ada pendukung. Environment,
Kasus: Pemerintah penambahan variabel lain - Rekomendasi perbaikan yang Reliability, Citizen
Provinsi Jawa - Peneliti tidak dapat meningkatkan kualitas Support, dan Trust.
Timur). menggabungkan dengan pelayanan website e-Government
teknik IPA dalam kemudahan penggunaan,
kepercayaan keamanan,
fungsional dan interaksi form
online, keandalan, isi dan
tampilan informasi.
5. Abdurrahman & Analisis E- E-GovQual - Menurunnya pesan - Tingkat kepuasan pengguna Ada 6 variabel, yaitu:
Octavia (2017) Government Service dan keluhan dari masyarakat LAPOR! di Kota Bandung berada Ease of Use, Content
Quality Layanan Importance yang sangat drastis. di tingkat cukup baik yang artinya and Appearance of
Aspirasi dan Performance - Kinerja LAPOR! Yang pengguna merasa cukup puas Information,
Pengaduan Online Analysis rendah dibawah 50%. terhadap layanan LAPOR! Functionality of the
Rakyat (LAPOR!) (IPA) interaction
di Kota Bandung environment,
Reliability, Citizen
Support, dan Trust.
 102

6. Widiani & Kualitas Pelayanan Metode E- Permasalahan yang seringkali - e-Government yang Ada 6 variabel, yaitu:
Abdullah (2018) E-Government GovQual terjadi saat pelaporan SPT dievaluasi dengan Ease of Use, Content
Melalui Aplikasi secara manual adalah antrian pendekatan e-GovQual and Appearance of
E-Filing Kantor wajib pajak yang akan berada pada kategori baik Information,
Pelayanan Pajak melakukan pelaporan SPT saat merasa puas. Functionality of the
Pratama Bandung memasuki jatuh tempo dan - Besarnya faktor variabel interaction
Cibeunying terbatasnya jumlah petugas kualitas pelayanan e- environment,
Terhadap Kepuasan perekaman data di Kantor Government memberikan Reliability, Citizen
Pengguna Aplikasi Pelayanan Pajak, sehingga pengaruh sebesar 70,5% Support, dan Trust.
proses perekaman menjadi terhadap kepuasan pengguna
lambat dan tidak efisien. Hal aplikasi, sedangkan sisanya
ini pada akhirnya akan sebesar 29,5% disebabkan
berpengaruh terhadap presepsi variabel lain atau faktor lain
kualitas pelayanan yang di luar penelitian ini.
dirasakan oleh wajib pajak.
7. Puspita (2019) Evaluasi Kualitas Metode E- - Masih belum memenuhi - Keseluruhan variabel e-GovQual Ada 6 variabel, yaitu:
Layanan E-VB GovQualdan harapan kepentingan untuk mengukur kualitas layanan Ease of Use, Content
Dengan Importance penggina pada E-VB telah memiliki kinerja and Appearance of
Menggunakan Performanc yang cukup baik namun masih Information,
Metode E-GovQual e Analysis belum memenuhi harapan Functionality of the
Dan IPA (Studi (IPA) kepentingan pengguna. interaction
Kasus: 19 Desa di - Hasil IPA menghasilkan dua atribt environment,
Kecamatan Cluring yang berada pada kuadran 1 yaitu: Reliability, Citizen
Dan Kecamatan berkaitan dengan kecepatan Support, dan Trust.
Muncar Kabupaten loading dan pelacakan transaksi.
Banyuwangi) Hal ini menunjukkan kedua
atribut tersebut perlu
mendapatkan prioritas khusus
untuk dilakuakan.
 103

8. Sulaiman et al. Evaluasi Kualitas Metode E- - Tedapat feedback Keseluruhan variabel e-GovQual Ada 5 variabel, yaitu
(2018) Layanan Website Govqual pengguna akan informasi untuk mengukur kualitas layanan : Ease of Use,
Pemerintah Kota dan yang kurang lengkap. pada Website Pemerintah Kota Reliability, Citizen
Batu dengan Importance - Jumlah pengunjung Batu, pengguna merasa cukup puas Support, Content
Metode E- Govqual Performanc website dalam satu tahun dalam mengunakan Website And Appreance Of
dan Importance e Analysis terakhir tiap bulannya Pemerintah Kota Batu. Information, dan
Performance (IPA) rata-rata mengalami Trust.
Analysis (IPA) penurunan.
- Belum pernah dilakukan
evaluasi.
9. Wicaksono et al. Evaluasi Kualitas WebQual - Belum pernah dilakukan - Kualitas layanan website yang Ada 8 variabel, yaitu:
(2012) Layanan Website Modifikasi evaluasi mengenai kualitas baik akan meningkatkan kepuasan Usability Quality,
Pusdiklat BPK RI dan dari website Pusdiklat BPK pelanggan sehinggaakan Information Quality,
Menggunakan Importance RI berdasarkan persepsi memperngaruhi niat untuk Service Interaction
Metode WebQual Performance pengguna akhir atau menggunakan website. Quality, Website
Modifikasian dan Analysis pengunjung situs. - Faktor-faktor yang memengaruhi Design Quality,
Importance (IPA) kualitas website Kab. Sleman Website Services
Performance adalah kualitas informasi, kualitas Quality, User
Analysis Tools: Amos interaksi layanan dan kualitas Satisfaction, Intent to
desain website. Reuse, dan Net
- Peneliti menggabungkan dengan Benefit.
teknik IPA
- Menambahkan variabel user
satisfaction, intent to reuse dan
net benefit yang dinyatakan
berhubungan/berpengaruh dengan
e-Government.
 104

10. Haryani (2016) Evaluasi Kualitas E-GovQual - Diperlukan feedback - Kepuasan pengguna website Ada 8 variabel, yaitu:
Layanan E- Modifikasi terhadap pihak Pemerintah Pemerintah Kota Yogyakara Ease of Use, Content
Government Kota Yogyakarta, yaitu: berpengaruh terhadap intensitas and Appearance of
Pemerintah Kota Tools: dengan melakukan analisis penggunaan website Pemerintah Information,
Yogyakarta Dengan SmartPLS kualitas layanan website Kota Yogyakarta. Functionality of
Metode E-GovQual terhadap persepsi - Guna meningkakan kepuasan Interaction
Modifikasi. pengguna akhir. pengguna terhadap website Environment,
- Menggunakan model e- Pemerintah Yogyakarta, perlu Reliability, Citizen
GovQual awal ditambahkan fitur peta situs dan Support, Trust, User
- Peneliti tidak persetujuan tertulis antara pihak Satisfaction, dan
menggabungkan dengan pengelola dan pengguna layanan. Intent to Reuse.
teknik IPA - Menambahkan variabel user
satisfaction dan intent to reuse
yang dinyatakan berhubungan/
berpengaruh dengan e-
Government.
 105

Dari penelitian tentang kualitas layanan e-Government rata-rata

menggunakan metode yang dikembangkan oleh (Papadomichelaki & Mentzas,

2012) yaitu: e-GovQual seperti pada (Albar et al., 2017; Mudjahidin et al., 2013;

Abdurrahman & Octavia, 2017; Widiani et al., 2018; Puspita, 2019; Sulaiman et

al., 2017; Haryani, 2016; Alfiani, 2018; Fajrsani, 2019, Wijaya, 2019;

Setyaningsih, 2019). Selain dengan metode tersebut ada juga penelitian yang

menggunakan metode WebQual modifikasi (Wicaksono et al., 2012).

Penelitian mengenai kualitas layanan e-Government telah banyak dilakukan

menyebutkan penelitian terdahulu yang sesuai dengan penelitian ini, penelitian

yang dihasilkan berupa faktor kualitas layanan e-Governmnet yang meliputi 6

variabel yaitu: Ease of Use, Content and Appearance of Information, Functionality

of the Interaction Environment, Reliability, Citizen Support, dan Trust, seperti pada

penelitian (Mudjahidin, 2013; Abdurrahman & Octavia, 2017; Widiani et al., 2018;

Puspita, 2019). Lalu ada pula yang menggunakan 4 variabel final yaitu: Efficiency,

Trust, Reliability dan Citizen Support seperti pada penelitian ((Papadomichelaki &

Mentzas, 2012).

Jika dilihat berdasarkan sumber awal pengembangan metode e-GovQual,

penelitian yang menggunakan 6 variabel berdasarkan dari model konseptual awal

e-GovQual yang dikembangkan oleh ((Papadomichelaki & Mentzas, 2012). Lalu

penelitian yang menggunakan 4 variabel juga berdasar dari penelitian tersebut

namun mengambil dasar akhir berupa variabel yang telah divalidasi berdasarkan

konsep awal yang telah dikembangkan, sehingga didapatkan 4 variabel tersebut.

 106

Dari hasil penelitian juga dapat disimpulkan bahwa, model e-GovQual

terbukti dapat digunakan untuk mengetahui kualitas layanan e-Government pada

instansi atau lembaga pemerintah, serta dapat meningkatkan kemampuan lembaga

pemerintah untuk menggali kebutuhan serta mendorong publik memanfaatkan

layanan secara optimal (Papadomichelaki & Mentzas, 2012). Namun dari beberapa

penelitian terdapat kekurangan yang umum yaitu: belum diketahui atau belum

dilakukan analisis keterlibatan diantara setiap faktor terhadap kualitas layanan e-

Government.

Berdasarkan hasil analisis perbandingan model penelitian untuk pengukuran

kualitas aplikasi portal e-Government pada Tabel 2.9 berikut yang menjadi alasan

peneliti menggunakan dimensi e-GovQual (Papadomichelaki, 2011) untuk

melakukan penelitian kualitas layanan aplikasi portal e-Goverment:

1. Model e-GovQual pada penelitian masih relevan dan spesifik untuk

mengevaluasi kualitas layanan aplikasi portal website pemerintah yang

mengutamakan penilaian berbasis pengguna aplikasi.

2. Model e-GovQual merupakan penelitian terbaru dari pengembangan

penelitian sebelumnya.

3. Penelitian tersebut merupakan teori yang sudah dibuktikan melalui studi

empiris dimana dimensi peniliannya (trust, reliability, efficiency, dan citizen

support) memiliki atribut yang sudah mencakup semua faktor yang

memengaruhi kualitas yang sesuai dengan kebutuhan dan harapan

masyarakat dan telah melalui pengujian validitas dan reliabilitas hingga dua

putaran sehingga benar-benar teruji dan handal (Papadomichelaki, 2012;

 107

Fath-Allah et al., 2014, 2015; Napitupulu, 2016; Haryani, 2016; Rusli, 2018;

Alfiani, 2018; Fajrsani, 2019, Wijaya, 2019; Setyaningsih, 2019).

4. Model ini dapat meningkatkan kemampuan lembaga pemerintah untuk

menggali kebutuhan dan mendoroang publik memanfaatkan layanan secara

optimal (Papadomichelaki, 2012; Napitupulu, 2016).

Pada model e-GovQual belum diketahui prioritas utama perbaikan tingkat

kepuasan dari pengguna (user satisfaction), serta niat untuk menggunakan kembali

(intent to reuse). Sedangkan dilihat dari permasalahan yang telah dijelaskan pada

latar belakang penelitian ini, aplikasi DSW mengalami penurunan pengguna yang

cukup signifikan tiap bulannya yang menyebabkan sedikitnya penguna dari aplikasi

DSW yaitu: hanya 0,5% pengguna dari jumlah penduduk Kota Depok. Oleh karena

itu, peneliti tertarik untuk menambahkan dimensi kepuasan pelanggan (user

satisfaction) dan niat untuk menggunakan kembali (intent to reuse) dalam

penelitian ini guna mengukur pengaruh kepuasan penguna dan niat kontinuitas

pengguna dalam menggunakan aplikasi DSW terhadap kualitas layanan e-

Government.

Penambahan 2 variabel/dimensi tersebut juga didasari oleh penelitian

DeLone dan McLean yang mengungkapkan bahwa adanya pengaruh antara kualitas

sistem informasi terhadap kepuasan pengguna (user satisfaction) dan niat untuk

menggunakan kembali (intent to reuse) (DeLone & McLean, 2003). Wicaksono,

Susanto, dan Winarno dalam penelitiannya juga mengungkapkan adanya pengaruh

antara kualitas layanan terhadap kepuasan pengguna (user satisfaction) dan niat

untuk menggunakan kembali (intent to reuse) (Wicaksono et al., 2012). Variabel

 108

user satisfaction pada penelitian ini berguna untuk mengetahui pendapat/persepsi

pengguna mengenai kepuasan secara keseluruhan akan kualitas layanan yang

dirasakan (DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016).

Sedangkan variabel intent to reuse pada penelitian ini berguna untuk mengetahui

pengaruh kualitas layanan e-Government terhadap niat penggunaan kembali

aplikasi DSW agar kepuasan akan kualitas layanan terpenuhi (DeLone & McLean,

2003; Wicaksono et al., 2012; Haryani, 2016).

Pada penelitian yang telah dilakukan oleh (Napitupulu, 2016; Abdurrahman

& Octavia, 2017; Puspita, 2019; Sulaiman et al., 2017; Wijaya, 2019; Setyaningsih,

2019) mengembangkan kerangka evaluasi e-Government dengan menggabungkan

model e-GovQual dan Importance Performance Analysis (IPA) yang digunakan

untuk mengetahui kualitas layanan e-Government di Indonesia dan mengetahui

aspek yang perlu ditingkatkan pada layanan e-Government, dalam penelitian

tersebut atribut dan variabel e-GovQual yang digunakan dikonsultasikan terlebih

dahulu penggunaannya guna mengetahui dimensi pengukuran yang sesuai, hal

tersebut juga dilakukan (Mudjahidin, 2013).

Penggunaan model IPA ini dibutuhkan untuk penentuan keputusan prioritas

dimana keterbatasan sumber daya dalam organisasi bisa mengerahkan kemampuan

terbaiknya untuk mencapai tingkat kepuasan pengguna tertinggi (Ulkhaq et al.,

2017). Selain itu, teknik IPA ini sudah pernah digunakan untuk mengevaluasi

layanan e-Government Jepang yang dilakukan oleh Wong et al. (2011). Adapun

hasil yang diperoleh dari penelitian tersebut menyatakan bahwa IPA merupakan

alat strategis yang dapat dengan cepat memungkinkan perencana e-Government

 109

untuk memahami kebutuhan, keinginan dan kepuasan pelanggan daripada

mengandalkan indikator kinerja saja. Hal ini sesuai dengan pendapat dari Wong

(2009) yang menyatakan bahwa IPA dapat membantu mengevaluasi manfaat e-

Government dan memberikan panduan untuk merumuskan strategi pemerintah

untuk mengalokasikan sumber daya secara akurat untuk memaksimalkan ROI

(Return on Investment) atau laba atas investasi yang tinggi. Dengan kata lain,

penggabungan ini dimaksudkan untuk membantu menganalisis kualitas layanan

aplikasi e-Government Depok Single Window (DSW) yang dirasa masih kurang

kinerja nya oleh pengguna atau tidak sesuai dengan persepsi dan harapan pengguna,

sehingga bisa dijadikan rekomendasi prioritas perbaikan.

.
 BAB 3

METODOLOGI PENELITIAN

3.1 Pendekatan dan Strategis Penelitian

Secara umum, penelitian ini dilakukan dengan pendekatan kuantitatif dan

strategis penelitian berurutan sesuai tujuannya yaitu: untuk menganalisis kualitas

layanan e-Government dan mendapatkan gambaran atau umpan balik mengenai

penilaian pengguna terhadap layanan aplikasi mobile Pemerintah Kota Depok

dalam melayani kebutuhan masyarakat. Salah satu bentuk pendekatan kuantitatif

pada penelitian ini adalah pengumpulan data yang dilakukan melalui survei dengan

menggunakan instrumen kuesioner.

Dalam penelitian ini, perangkat lunak yang digunakan untuk membantu

selama proses berjalan yaitu: MS. Word 2016 untuk penulisan laporan, MS. Excel

2016 untuk membantu pengolahan data demografis, setelah data terkumpul dari

hasil kuesioner yang ditujukan kepada masayarakat yang pernah menggunakan

aplikasi Depok Single Window (DSW) yang telah disebarkan dengan bantuan fitur

google forms untuk pengisiannya, lalu dilakukan analisis outer model, inner model,

uji hipotesis dengan menggunakan tools SmartPLS versi 3.2.9. lalu dilakukan juga

analisis kesesuaian, analisis kesenjangan, dan analisis diagram kartesius

Importance Performance Analysis (IPA) dengan menggunakan aplikasi pengolahan

data statistik yaitu: IBM Statistics SPSS versi 24. Terakhir, kesimpulan-kesimpulan

dibuat sesuai dengan hipotesis penelitian yang diajukan, serta MS.Visio 2016 dan

110
 111

MS.Excel 2016 untuk pembuatan gambar yang mendukung penulisan laporan

penelitian.

3.2 Prosedur Penelitian

Berdasarkan pada startegi penelitian yang telah dijabarkan pada bab

sebelumnya, penelitian ini dilakukan menggunakan sepuluh tahap yang secara

berurutan diperlihatkan pada Gambar 3.1.

Gambar 3.1 Prosedur Penelitian

 112

Berdasarkan pada Gambar 3.1 tahapan pertama yang dilakukan dimulai dari

melakukan studi pendahuluan untuk mengkaji beberapa literatur yang berhubungan

dengan penelitan ini. Di antaranya adalah website, buku, beberapa jurnal, dan

skripsi terdahulu yang terkait dengan penelitian ini. Kajian pustaka juga dilakukan

selain sebagai sumber informasi juga sebagai referensi untuk mengetahui hasil

kelebihan dan kekurangan yang terdapat pada penelitian sebelumnya. Setelah

mengkaji beberapa literatur, Selanjutnya dilakukan wawancara guna menemukan

perumusan permasalahan.

Tahapan kedua peneliti melakukan perumusan masalah yang dilakukan

dengan pengkajian terhadap wawancara yang sudah dilakukan pada para ahli terkait

seperti Kepala beserta beberapa Staff bagian Aplikasi dan Teknologi Informatika

(APTIKA) Diskominfo Pemkot Depok dan dari latar belakang penelitian ini

masalah-masalah yang ditemukan dilapangan yang menjadi alasan dilakukannya

penelitian ini. Hasil wawancara dapat dilihat pada Lampiran.

Tahapan ketiga yaitu: menentukan metode yang cocok digunakan untuk

menganalisis kualitas layanan e-Government Aplikasi Depok Single Window

(DSW) dengan menggabungkan metode e-GovQual dengan 4 dimensi/variabel

final yaitu: Efficiency (efisiensi), Trust (kepercayaan), Reliability (keandalan),

Citizen Support (dukungan masyarakat) (Papadomichelaki, e-GovQual: A multiple

– item scale for assesing e-government service quality, 2012) dan teknik analisis

Importance Performance Analysis (IPA) (Martilla & James, 1977) untuk

mengetahui tingkat kesesuaian antara kinerja dan harapan, sekaligus juga

mengetahui indikator kualitas layanan yang kurang baik dan perlu mendapatkan
 113

prioritas perbaikan (Napitupulu, 2016; Abdurahman & Octavia, 2017; Saputra et

al., 2018). Dan penelti menambahkan variabel yaitu: User Satisfaction (kepuasan

pengguna), dan Intent to Reuse (niat untuk menggunakan kembali) yang mengacu

pada penelitian (DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016).

Prosedur selanjutnya pada tahapan keempat yaitu: perancangan penelitian

berupa gambaran besar proses penelitian yang akan dilakukan. Tahapan kelima

yaitu: pembuatan instrumen penelitian dan menyusun kuesioner berupa lembar

pertanyaan kuesioner untuk pendekatan kuantitatif yang terdiri atas 6 variabel

dengan 26 butir indikator pertanyaan dimana setiap pertanyaannya disusun

menggunakan 5 skala Likert.

Kemudian pada tahapan keenam dilakukan pengembangan dan pengujian

kuesioner penelitian atau pilot study, dengan menyebarkan kepada 30 orang

responden dan dilakukan uji instrumen berupa uji reliabilitas dan uji validitas

instrumen. Hasil pada uji ini kuesioner memenuhi kriteria yang ditentukan maka

akan dilanjutkan ketahap berikutnya.

Tahapan ketujuh pengumpulan data, dengan menyebarkan kuesioner kepada

responden secara tidak langsung dilakukan peneliti dengan bantuan pihak ketiga

melalui media sosial (Whatsapp, Line, Instagram, Twitter, dan Facebook) dengan

bantuan fitur Google Forms untuk pengisiannya.

Kemudian setelah hasil data terkumpul, tahapan kedelapan yaitu: analisis data

penelitian yang digunakan yaitu: dengan menguji model penelitian, lalu dilakukan

analisis demografis, kemudian dilakukan analisis kesesuaian antara kinerja yang

dirasakan dengan harapan publik sesungguhnya terhadap layanan e-Government,

 114

serta dilakukan pula analisis kesenjangan untuk mengetahui nilai kesenjangan

antara kinerja dan harapan terhadap aplikasi DSW dengan nilai kualitas yang

diharapkan dari aplikasi tersebut. Dilanjutkan dengan analisis kuadran atau

Importance Performance Analysis (IPA), seperti disebutkan sebelumnya bahwa

data hasil kuesioner dengan pendekatan e-GovQual akan dianalisa dengan bantuan

IPA untuk mengetahui sejauh mana kualitas layanan aplikasi e-Government

Pemerintah Kota Depok berdasarkan perspektif masyarakat atau publik, proses

analisis tersebut dilakukan dengan analisis outer model, inner model, uji hipotesis

dengan menggunakan tools SmartPLS versi 3.2.9. lalu dilakukan juga analisis

kesesuaian, analisis kesenjangan, dan Importance Performance Analysis (IPA)

dengan menggunakan aplikasi pengolahan data statistik yaitu: IBM Statistics SPSS

versi 24.

Selanjutnya pada tahap kedelapan, data yang telah diolah akan

diinterpretasikan sesuai dengan teori dan penelitian-penelitian sebelumnya, peneliti

menterjemahkan hasil analisis yang sudah dilakukan dibuat sesuai dengan hipotesis

penelitian yang diajukan, serta tools MS. Visio 2016 dan MS. Excel 2016 untuk

pembuatan gambar yang mendukung penulisan. Prosedur paling akhir yaitu:

tahapan kesembilan yang dilakukan adalah pembuatan laporan penelitian.

3.3 Populasi dan Sampel Penelitian

Populasi dalam penelitian ini adalah pengguna aplikasi Depok Single Window

(DSW) tahun 2019. Berdasarkan laporan jumlah pengguna dari Diskominfo Kota
 115

Depok 2019 yang diperoleh dari bagian Aplikasi Teknologi & Informatika

(APTIKA) adalah sebanyak 11.640 pengguna.

Merujuk pada jumlah pengguna aplikasi DSW tahun 2019 tersebut dan karena

pertimbangan jumlah populasi, keterbatasan waktu, dan biaya dalam penelitian ini,

maka akan diambil sampel dari populasi yang ada. Penentuan jumlah sampel yang

representatif menurut (Hair et al., 2010) bahwa untuk mengukur ukuran sampel

dihitung antara (5-10) x jumlah indikator.

Sampel = 8 × Jumlah Indikator

= 8 × 26

= 208

Berdasarkan perhitungan tersebut maka peneliti mendapatkan 210 sampel

dengan dasar perhitungan sampel dalam penelitian ini ditentukan berdasarkan

teknik analisis data yang digunakan. Dalam penelitian ini digunakan teknik analisis

data Structural Equation Modeling (SEM). Lebih jauh lagi dalam penelitian ini

menggunakan SEM dengan jenis PLS, pada PLS-SEM, salah satu kriteria jumlah

indikator terbanyak dari konstruk yang diukur (Hair J.F., 2011).

Mengacu pada model e-GovQual yang digunakan dalam penelitian ini,

jumlah indikator yang digunakan sebanyak 26 indikator, sehingga minimum jumlah

sampel adalah 208 sampel, dan jumlah sampel minimum untuk teknik analisis SEM

adalah 200 sampel (Wolf, 2013; Hair J. W., 2005). Dengan demikian, jumlah

sampel yang diperoleh dalam penelitian ini yaitu: sebanyak 210 sampel sudah

memenuhi kriteria tersebut.

 116

Penelitian ini menggunakan teknik simple random sampling, yaitu: teknik

sampling yang dilakukan secara acak tanpa memperhatikan strata, tingkatan,

ataupun kelompok. Hal ini dikarenakan keterbatasan waktu dan tenaga dalam

proses penyebaran kuesioner.

3.4 Pengembangan Model Penelitian

Model penelitian yang digunakan peneliti pada penelitian ini ditampilkan

pada Gambar 3.2. Sebagian besar model penelitian dikembangkan menggunakan

model dan teori sebelumnya (Belout dan Gauvreu, 2004). Berdasarkan hal tersebut,

dalam pengembangan model penelitian ini, menggunakan model kerangka

sebelumnya yang menggabungkan e-GovQual dan Importance Performance

Analysis (IPA), seperti yang dilakukan oleh (Napitupulu, 2016; Abdurahman &

Octavia, 2017; Sulaiman et al., 2017; Saputra et al., 2018) saat melakukan

pengembangan model kualitas layanan e-Government.

Gambar 3.2 Model Penelitian yang dikembangkan

Kemudian pengaruh setiap variabel e-GovQual akan dianalisis untuk

menemukan faktor yang memengaruhi kualitas layanan e-Government seperti yang

dilakukan oleh (Haryani, 2016; Charaselt, 2018).

 117

Penelitian ini menggunakan 6 variabel yang terdiri atas 4 variabel operasional

berasal dari validasi penelitian (Papadomichelaki & Mentzas, 2012) yaitu:

Effeciency (efesiensi), Trust (kepercayaan), Reliability (keandalan), Citizen Support

(dukungan masyarakat). Dan 2 variabel untuk mengukur tingkat kepuasan dari

pengguna yaitu: User Satisfaction serta penggunaan ulang kembali layanan e-

Government yang telah digunakan sebelumnya yaitu: Intent to Reuse. Berikut

adalah definisi dari setiap variabel yang peneliti gunakan:

1. Efficiency (EF)

Variabel Efficiency ini merupakan hasil dari penggabungan dari 3 dimensi

awal e-GovQual pada penelitian (Papadomichelaki & Mentzas, 2012).

Variabel Efficiency menggambarkan kemudahan penggunaan situs & kualitas

informasi yang disediakan.

2. Trust (TRS)

Variabel Trust pada penelitian ini berguna untuk menilai kepercayaan

masyarakat terhadap e-Government mengenai kebebasan dari resiko bahaya

atau keraguan selama proses layanan secara online (Papadomichelaki &

Mentzas, 2012).

3. Reliability (RLB)

Variabel Reliability pada penelitian ini berguna untuk mengetahui tingkatan

kepercayaan warga terhadap situs pemerintah mengenai kebenaran dan

ketepatan waktu pengiriman layanan. Istilah ini mencakup fungsi teknis

kebenaran (aksesibilitas dan ketersediaan) dan akurasi janji layanan

(Papadomichelaki & Mentzas, 2012).

 118

4. Citizen Support (CS)

Variabel Citizen Support pada penelitian ini berguna untuk mengukur sejauh

mana bantuan yang diberikan oleh pemerintah untuk membantu masyarakat

dalam pencarian informasi atau transaksi (Papadomichelaki & Mentzas,

2012).

5. User Satisfaction (USAT)

Variabel User Satisfaction pada penelitian ini berguna untuk mengetahui

pendapat/persepsi pengguna mengenai kepuasan secara keseluruhan akan

kualitas layanan yang dirasakan (DeLone & McLean, 2003; Wicaksono et al.,

2012; Haryani, 2016).

6. Intent to Reuse (USE)

Variabel Intent to Reuse pada penelitian ini berguna untuk mengetahui

pengaruh kualitas layanan e-Government terhadap niat penggunaan kembali

aplikasi DSW agar kepuasan akan kualitas layanan terpenuhi (DeLone &

McLean, 2003; Wicaksono et al., 2012; Haryani, 2016).

3.5 Instrumen Penelitian

Instrumen penelitian ini adalah berupa kuesioner (Sugiyono, 2013) yang

terdiri atas dua bagian. Bagian pertama adalah lembar surat pengantar dari peneliti

yang digunakan sebagai pemohon untuk pengisian kuesioner dan pertanyaan

seputar data diri responden meliputi No.Hp/E-mail, Usia, Jenis Kelamin,

Pendidikan Terakhir, Pekerjaan, Frekuensi Penggunaan Aplikasi Depok Single

 119

Window (DSW) per-bulan dan Durasi Penggunaan Aplikasi Depok Single Window

(DSW) per-hari.

Pada bagian kedua adalah berisi mengenai pertanyaan-pertanyaan yang

terkait dengan penelitian. Bagian kedua ini terdiri atas 26 pertanyaan pengujian

yang akan dijelaskan pada Lampiran mengenai kuesioner penelitian, yang terbagi

kedalam 26 butir pertanyaan dari sisi persepsi dan 26 butir pertanyaan dari sisi

harapan yang dirasakan masyrakat atau pengguna.

Secara khusus, peneliti menggunakan lima poin Skala Likert (Dikananda et

al., 2021; Gurtno et al., 2011; Croasmun & Ostrom, 2011) untuk pengukuran

kuesioner pada penelitian ini. Alasan menggunakan skala lima poin karena

mengacu pada penelitian sebelumnya. Otomatis dari range tersebut terdapat nilai

tengah 3 (TT/N), peneliti berpendapat, nilai netral mewakili penilaian responden

yang ingin memberikan nilai cukup. Dalam penelitian ini tidak ada memaksakan

pengguna untuk selalu berpendapat setuju atau tidak setuju dengan pertanyaan yang

diajukan. Dari sini juga dapat dinilai tingkat penetrasi dan pemahaman pengguna

aplikasi Depok Single Window (DSW) sekedar menggunakan atau benar-benar

menginginkan kebutuhannya dicukupi oleh layanan aplikasi Depok Single Window

(DSW). Dalam penelitian ini dibuat dua model Skala Likert untuk membedakan

penilaian persepsi dan harapan responden dengan penjelasan pada Tabel 3.1.

Tabel 3.1 Skala Likert yang Digunakan untuk Kuesioner Penelitian

Persepsi Harapan
Nilai Jawaban Singkatan Jawaban Singkatan
1 STS Sangat Tidak Setuju STP Sangat Tidak Penting
2 TS Tidak Setuju TP Tidak Penting
3 TT Tidak Tahu TT Tidak Tahu
4 S Setuju P Penting
 120

5 SS Sangat Setuju SP Sangat Penting

Tabel 3.2 Memperlihatkan indikator dan butir pertanyaan pengujian

berdasarkan model penelitian yang digunakan. Untuk kuesioner lengkap di bagian

Lampiran.

Tabel 3.2 Indikator dan Butir Pertanyaan Pengujian

Variabel Kode Indikator Pertanyaan

Struktur atau alur proses
jelas dan mudah diikuti
EF1
Mesin pencari efektif
EF2
Alur proses (saat pendaftaran,
pengisian formulir, dll) yang ada pada
aplikasi Depok Single Window (DSW)
mudah dipahami dan diikuti
Mesin pencarian (search engine) dari
tiap layanan pada aplikasi Depok
Single Window (DSW) bekerja efektif
sehingga memudahkan pencarian saya

Tampilan halaman aplikasi Halaman-halaman pada aplikasi

yang memudahkan dalam Depok Single Window (DSW) yang
EF3 mengakses teratur sehingga memudahkan saya
dalam mengakses tiap layanan

Efficiency Memenuhi harapan Aplikasi Depok Single Window

EF4 pengguna (DSW) sesuai dengan kebutuhan saya

Informasi tepat dan Informsi yang diberikan pada aplikasi

EF5 terperinci Depok Single Window (DSW) cukup
terperinci

Informasi terbaru Aplikasi Depok Single Window

EF6 (DSW) selalu memberikan informasi
terbaru
Petunjuk pengisian cukup Saat mengisi formulir pada aplikasi
membantu Depok Single Window (DSW),
tersedia bantuan yang dapat
EF7
membantu saya untuk mengisi
formulir tersebut

Keamanan username dan Saya percaya username dan password

TRS1 password saya aman pada aplikasi Depok Single
Window (DSW)
Otentifikasi data pribadi Otentikasi pada aplikasi Depok Single
Trust TRS2 Window (DSW) hanya menggunakan
data pribadi saya yang diperlukan
Keamanan data pribadi Saya percaya data-data saya yang
TRS3 tersipan melalui aplikasi Depok Single
Window (DSW) aman
 121

Penggunaan data pribadi Saya percaya data-data saya yang

TRS4 untuk tujuan yang jelas tersimpan digunakan sesuai dengan
kebutuhan
Waktu unduh formulir Waktu yang diperlukan untuk
singkat mengunduh (download) formulir pada
RLB1
aplikasi Depok Single Window (DSW)
singkat
Mudah diakses kapan pun Aplikasi Depok Single Window
RLB2
dibutuhkan (DSW) dapat saya akses kapan pun
Keberhasilan layanan Aplikasi Depok Single Window
RLB3 ketika pertama kali diakses (DSW) dapat merespon permintaan
saya dengan sekali klik
Reliability Pelayanan tepat waktu Aplikasi Depok Single Window
RLB4 (DSW) memberikan pelayanan tepat
waktu
Keberhasilan akses layanan Aplikasi Depok Single Window
dengan waktu yang cukup (DSW) membutuhkan waktu cukup
RLB5
singkat singkat untuk menampilkan tiap
halaman menu yang saya klik
Kecocokan sistem Aplikasi Depok Single Window
RLB6 perangkat (DSW) berfungsi dengan baik pada
perangkat saya
Pengelola tanggap terhadap Pihak pengelola bersungguh-sungguh
CS1 masalah pengguna dalam menyelesaikan masalah yang
saya alami
Pengelola memberikan Pihak pengelola memberikan respon
respon yang cepat untuk jawaban dengan cepat dan tepat
CS2
pertanyaan pengguna kepada saya saat saya
membutuhkannya
pengelola memiliki Pihak pengelola memiliki
Citizen
pengetahuan yang cukup pengetahuan yang cukup untuk
Support
CS3 untuk menjawab menjawab pertanyaan saya
pertanyaan-pertanyaan
pengguna
Pengelola memiliki Pihak pengelola memiliki
kemampuan untuk kemampuan untuk menyampaikan
CS4 menyampaikan layanan kepercayaan dan keyakinan kepada
dengan kepercayaan dan saya
keyakinan
Kepuasan pengguna Saya puas dengan performa layanan
USAT1 terhadap performa layanan yang diberikan melalui aplikasi
aplikasi Depok Single Window (DSW)
User
Keinginan pengguna untuk Saya akan terus menggunakan
Satisfaction
terus menggunakan aplikasi Depok Single Window (DSW)
USAT2
aplikasi untuk mempermudah mendapatkan
pelayanan publik
Keberlanjutan Saya kembali menggunakan aplikasi
menggunakan aplikasi Depok Single Window (DSW) karena
USE1
puas akan kualitas layanan yang
Intent to terpenuhi
Reuse Frekuensi mengakses Saya akan sering menggunakan
aplikasi aplikasi Depok Single Window (DSW)
USE2
untuk mempermudah mendapatkan
pelayanan publik
 122

Rekomendasi Saya akan memberitahu /

merekomendasikan aplikasi Depok
USE3
Single Window (DSW) kepada orang
lain

3.6 Pembuatan Kuesioner

Pada penelitian ini terdapat 30 pertanyaan yang dibuat berdasarkan model

penelitian. Pertanyaan-pertanyaan disesuaikan dengan variabel-variabel yang

terdapat dalam model. Berikut adalah format kuesioner penelitian yang ada, untuk

lebih lengkapnyanya terdapat pada Lampiran.

Kuesioner Penelitian

1) Bagian I (Screening Questions)

A. Profil Responden

a) Karakteristik Pengguna Aplikasi Depok Single Window (DSW)

Petunjuk pengisian kuesioner: Pilih jawaban yang sesuai dengan kondisi

pribadi Anda.

No. Handphone / E-mail: ..........................................

1. Jenis Kelamin

o Pria o Wanita

2. Usia

o < 17 Tahun o 26-35 Tahun o 46-55 Tahun

o 17–25 Tahun o 36-45 Tahun o > 55 Tahun

3. Pendidikan Terakhir
 123

o SMA/Sederajat o S1 o S3

o D1/2/3 o S2 o lainnya

4. Pekerjaan

o Pelajar / Mahasiswa o Pegawai Swasta o lainnya

o PNS o Wirausaha

5. Seberapa sering Anda menggunakan aplikasi DSW dalam

sebulan?

o Setiap hari o Sebulan sekali

o Seminggu Sekali o < Sebulan Sekali

6. Berapa lama durasi Anda dalam menggunakan aplikasi

DSW per-hari?

o < 5 menit o 16 – 25 menit o 26 – 35 menit

o 5 – 15 menit o > 35 menit

2) Bagian II (Main Questions)

Pada bagian kedua kuesioner berisikan item-item pertanyaan yang terbagi

kedalam bagian Persepsi (kondisi yang Anda rasakan sekarang) dan Harapan

(kualitas yang diharapkan dari aplikasi DSW) tentang Efficiency (Efisiensi), Trust

(Kepercayaan), Reliability (Keandalan), Citizen Support (Dukungan Masyarakat),

 124

User Satisfaction (Kepuasan Pengguna), dan Intent to Reuse (Niat untuk

Menggunakan Kembali) yang ada pada aplikasi Depok Single Window (DSW).

Dalam pengisian kuesioner, peneliti menggunakan skala Likert dari 1-5.

Nyatakan pendapat Anda dengan memberikan tanda pada salah satu skala berikut.

Tabel 3.3 Penentu Skala Kuesioner

Persepsi Harapan
Nilai Jawaban Singkatan Jawaban Singkatan
1 STS Sangat Tidak Setuju STP Sangat Tidak Penting
2 TS Tidak Setuju TP Tidak Penting
3 TT Tidak Tahu TT Tidak Tahu
4 S Setuju P Penting
5 SS Sangat Setuju SP Sangat Penting

Tabel 3.4 Kuesioner Penelitian

Persepsi Harapan
No. Pernyataan STS TS TT S SS STP TP TT P SP
Dimensi Efisiensi
Dimensi ini berfokus pada seberapa mudah aplikasi Depok Singgle Window (DSW) digunakan
serta kualitas informasi yang disajikan oleh aplikasi DSW.
Alur proses (saat pendaftaran,
pengisian formulir, dll) yang ada
1 pada aplikasi Depok Single
Window (DSW) mudah dipahami
dan diikuti
Mesin pencarian (search engine)
dari tiap layanan pada aplikasi
2 Depok Single Window (DSW)
bekerja efektif sehingga
memudahkan pencarian saya
Halaman-halaman pada aplikasi
Depok Single Window (DSW)
3 yang teratur sehingga
memudahkan saya dalam
mengakses tiap layanan
Aplikasi Depok Single Window
4 (DSW) sesuai dengan kebutuhan
saya
Informasi yang diberikan pada
5 aplikasi Depok Single Window
(DSW) cukup terperinci
Aplikasi Depok Single Window
6 (DSW) selalu memberikan
informasi terbaru
 125

Saat mengisi formulir pada

aplikasi Depok Single Window
7 (DSW), tersedia bantuan yang
dapat membantu saya untuk
mengisi formulir tersebut
Dimensi Kepercayaan
Dimensi ini berfokus pada tingkat kepercayaan Anda sebagai pengguna aplikasi terhadap aplikasi
Depok Single Window (DSW) bahwa data personal yang Anda berikan pada aplikasi terlindungi
dan aman dari gangguan pihak lain.
Saya percaya username dan
8 password saya aman pada aplikasi
Depok Single Window (DSW)
Otentikasi pada aplikasi Depok
Single Window (DSW) hanya
9
menggunakan data pribadi saya
yang diperlukan
Saya percaya data-data saya yang
10 tersipan melalui aplikasi Depok
Single Window (DSW) aman
Saya percaya data-data saya yang
11 tersimpan digunakan sesuai
dengan kebutuhan
Dimensi Keandalan (Reliabilitas)
Dimensi ini berfokus pada seberapa layak dan cepat aplikasi dalam mengakses, menggunakan
dan menerima pelayanan yang disediakan oleh aplikasi Depok Single Window (DSW).
Waktu yang diperlukan untuk
mengunduh (download) formulir
12
pada aplikasi Depok Single
Window (DSW) singkat
Aplikasi Depok Single Window
13 (DSW) dapat saya akses kapan
pun
Aplikasi Depok Single Window
14 (DSW) dapat merespon
permintaan saya dengan sekali klik
Aplikasi Depok Single Window
15 (DSW) memberikan pelayanan
tepat waktu
Aplikasi Depok Single Window
(DSW) membutuhkan waktu
16
cukup singkat untuk menampilkan
tiap halaman menu yang saya klik
Aplikasi Depok Single Window
17 (DSW) berfungsi dengan baik
pada perangkat saya
Dukungan Masyarakat
Dimensi ini berfokus pada interaksi antara Anda sebagai pengguna aplikasi terhadap pihak
pengelola aplikasi ketika mengalami kesulitan dalam menggunakan aplikasi Depok Single
Window (DSW).
Pihak pengelola bersungguh-
18 sungguh dalam menyelesaikan
masalah yang saya alami
Pihak pengelola memberikan
19
jawaban dengan cepat dan tepat
 126

kepada saya saat saya

membutuhkannya
Pihak pengelola memiliki
20 pengetahuan yang cukup untuk
menjawab pertanyaan saya
Saya mempercayai pihak
21
pengelola
Dimensi Kepuasan Pengguna
Dimensi ini berfokus pada seberapa puas Anda sebagai pengguna aplikasi dalam menggunakan
aplikasi Depok Single Window (DSW).
Saya puas dengan performa
layanan yang diberikan melalui
22
aplikasi Depok Single Window
(DSW)
Saya akan terus menggunakan
aplikasi Depok Single Window
23
(DSW) untuk mempermudah
mendapatkan pelayanan publik
Dimensi Niat untuk Menggunakan Kembali
Dimensi ini berfokus pada keinginan pengguna untuk menggunakan kembali layanan aplikasi
Depok Single Window (DSW) lebih sering karena kepuasan akan kualitas layanan terpenuhi.
Saya kembali menggunakan
aplikasi Depok Single Window
24
(DSW) karena puas akan kualitas
layanan yang terpenuhi
Saya akan sering menggunakan
aplikasi Depok Single Window
25
(DSW) untuk mempermudah
mendapatkan pelayanan publik
Saya akan memberitahu
/merekomendasikan aplikasi
26
Depok Single Window (DSW)
kepada orang lain

3.7 Pengumpulan Data

Proses pengumpulan data pada penelitian ini dilakukan dengan menyebarkan

kuesioner secara tidak langsung kepada responden. Penyebaran secara tidak

langsung dilakukan peneliti dengan bantuan pihak ketiga melalui media sosial

(Whatsapp, Line, Instagram, Twitter, dan Facebook) dengan bantuan fitur Google

Forms untuk pengisiannya.

Penyebaran kuesioner ini dilakukan dalam rentang waktu 15 Mei-20 Juni

2020 dalam rangka mengumpulkan data yang dibutuhkan dalam penelitian ini.
 127

Selanjutnya, seluruh kuesioner yang telah terkumpul selama proses penelitian

berlangsung akan diproses dan diklarifikasikan menggunakan perangkat lunak

pengolahan angka MS. Excel 2016 dari data tersebut diperoleh hasil bahwa

kuesioner yang terkumpul valid untuk digunakan.

3.8 Hipotesis Penelitian

Hipotesis yang diusulkan dalam penelitian ini adalah sebagai berikut:

H1: Eficiency (EF) memiliki pengaruh terhadap e-Government Service Quality

(EGSQ).

H2: Trust (TRS) memiliki pengaruh terhadap e-Government Service Quality

(EGSQ).

H3: Reliability (RLB) memiliki pengaruh terhadap e-Government Service Quality

(EGSQ).

H4: Citizen Support (CS) memiliki pengaruh terhadap e-Government Service

Quality (EGSQ).

H5: E-Government Service Quality memiliki pengaruh terhadap User Satisfaction

(USAT).

H6: E-Government Service Quality memiliki pengaruh positif terhadap Intent to

Reuse (USE).

H7: User Satisfaction (USAT) memiliki pengaruh terhadap Intent to Reuse (USE).

3.9 Analisis dan Interpretasi Data

 128

Mengacu pada proses analisis data seperti yang dilakukan oleh Subiyakto dan

Sukmana (2015), tahap ini dibagi menjadi dua tahap utama yaitu: analisis

demografis dan analisis statistik. Pertama, peneliti melakukan analisis data

demografis dengan menggunakan perangkat lunak angka MS. Excel 2016.

Data responden dikelompokkan berdasarkan No.Hp/e-mail, usia, jenis

kelamin, pendidikan terakhir, pekerjaan, frekuensi penggunaan aplikasi serta durasi

penggunaan aplikasi DSW.

Kedua, peneliti melakukan analisis outer model, inner model, dan uji

hipotesis menggunakan SmartPLS versi 3.2.9 (Yamin & Kurniawan, 2011: Hair et

al, 2012). Mengacu pada sejumlah peneliti tesebut, peneliti melakukan analisis

dengan dua tahap untuk model penelitian, yaitu: analisis measurement model dan

structural model.

Measurement model dilakukan untuk menguji reliabilitas dan validitas outer

model melalui indikator reliability, internal consistency reliability, convergent

validity, dan discriminant validity. Sedangkan pengujian structural model (inner

model)

Namun karena model penelitian yang digunakan berbentuk second order

maka uji structural model (inner model) yang dilakukan dengan uji signifikansi

konstruk first order / t-Test dengan outer loading, uji path coefficients dengan

bootstapping (Ghozali, 2014), dan juga ditambahkan dengan uji coefficient of

determination (𝑅2 ) seperti pada penelitian (Jogiyanto, 2011; Naniek et al, 2012;

Soekanto & Mustikarini, 2017).

 129

Setelah analisis outer model, inner model dan uji hipotesis dilakukan, maka

dilanjutkan analisis kesesuaian, analisis kesenjangan (gap) dengan terlebih dahulu

data di lakukan uji validitas, reliabilitas, dan sampel t-Test untuk mengetahui

apakah terdapat perbedaan yang signifikan antara persepsi dan harapan pengguna

terhadap kualitas aplikasi. Kemudian dilanjutkan analisis Importance Performance

Analysis (IPA) untuk mengetahui area yang menjadi perbaikan aplikasi Depok

Single Window (DSW), proses tersebut dibantu dengan aplikasi IBM Statistics

SPSS versi 24.

Setelah itu, untuk interpretasi hasil penelitian, penulis melakukan diskusi

terhadap hasil analisis demografis para responden dengan kondisi lapangan yang

berjalan dan menjelaskan hasil analisis model secara statistika kuantitatif dengan

cara membandingkan dan mempertimbangkan sejumlah literatur terkait

sebelumnya. Selanjutnya, hasil analisis dan interpretasi tersebut secara lengkap

akan dijelaskan pada Bab 4.

136
 BAB 4

HASIL ANALISIS DAN INTERPRETASI

4.1 Gambaran Umum Diskominfo Kota Depok

4.1.1 Profil Organisasi

Dinas Komunikasi dan Informatika Kota Depok (Diskominfo Depok)

merupakan salah satu Organisasi Perangkat Daerah (OPD) yang terbentuk karena

ada pengembangan dari Kantor Arsip, Perpustakaan dan Telematika Kota Depok

yang dibentuk sesuai Peraturan Daerah Kota Depok Nomor 16 Tahun 2003 tentang

pembentukan dan susunan organisasi Perangkat Daerah. Kemudian dibagi menjadi

Kantor Arsip dan Perpustakaan Kota Depok, berkantor di Gedung Setda (Balai

Kota) lantai 5, Jalan Margonda Raya No.54, Depok. No. Telp (021) 7720-0011. Fax

(021) 776-4410. Sekarang Dinas Komunikasi dan Informatika Kota Depok telah

menempati gedung baru di Gedung Dibaleka II lantai 7 terhitung sejak Senin, 24

Maret 2014.

Organisasi Perangkat Daerah ini terbentuk di bulan Januari 2009, dengan

nama Dinas Komunikasi dan Informasi, berdasarkan:

1. Peraturan Daerah Nomor 8 Tahun 2008 tentang Organisasi Perangkat Daerah.

2. Peraturan Walikota Depok Nomor 26 Tahun 2008 tentang Rincian Tugas,

Fungsi dan Tata Kerja Dinas Komunikasi dan Informasi.

Di awal pembentukannya, Dinas Komunikasi dan Informasi terdiri atas

sekretariat, dua bidang, unit pelaksana teknis dinas, dan kelompok jabatan

fungsional. Sekretariat, membawakan 2 sub bagian terdiri atas: 1) Sub bagian

130
 131

umum, perencanaan, evaluasi, dan pelaporan; dan 2) Sub bagian keuangan.

Sementara Bidang ada 2 bidang yaitu: Teknologi Informasi dan Postelekomunikasi

dan Diseminasi Informasi. Bidang Teknologi Informasi, membawakan 2 seksi

terdiri atas: 1) Seksi pengembangan dan perencanaan teknologi informasi; dan 2)

seksi pembangunan dan pengendalian Pos Telekomunikasi dan penyiaran; dan 2)

Seksi diseminasi informasi.

Kemudian dalam rangka memperluas ruang lingkup kinerja OPD dalam

mewujudkan visi dan misinya, makas sejak Januari 2012 berganti nama menjadi

Dinas Komunikasi dan Informatika terdiri atas Sekretariat, Tiga Bidang, Unit

Pelaksana Teknis Dinas dan Kelompok Jabatan Fungsional, berdasarkan:

1. Peraturan Daerah Nomor 20 Tahun 2011 tanggal 29 Desember 2011 tentang

perubahan kedua atas Perda Nomor 8 Tahun 2008 tentang Organisasi

Perangkat Daerah (OPD).

2. Peraturan Walikota Depok Nomor 56 Tahun 2011 tentang Rincian Tugas,

Fungsi, dan Tata Keja Dinas Komunikasi dan Informatika.

Struktur organisasi yang berubah hanya ada penambahan bidang dari

sebelumnya dua bidang menjadi tiga bidang yaitu: Bidang Data dan Informasi,

membawakan 2 seksi terdiri atas: 1) Seksi Data dan Aplikasi; dan 2) Seksi

Pengendalian Informasi. Bidang Teknologi Informatika, membawakan 2 seksi

terdiri atas: 1) Seksi Pengembangan Infrastruktur; dan 2) Seksi Pos dan

Telekomuniaksi. Bidang Informasi Publik, membawakan 2 seksi terdiri atas: 1)

Seksi Kemitraan; dan 2) Seksi Diseminasi Informasi Publik.

 132

Sejak didirikan, Diskominfo Depok sudah beberapa kali mengalami pergantian

Kepala Dinas, tercatat beberapa orang telah menjabat di antaranya:

1. Drs. Norman Sjafaat : Plt. Kepala Dinas Sejak Januari 2009-November 2009.

2. Hj. Farah Mulyati, SH, M.Si: Plt. Kepala Dinas sejak November 2009-Januari

2010.

3. Drs. Asep Rahmat, M.Si: Kepala Dinas (didahului sebagai Plt) sejak 2010-

2011.

4. Ir. Herry Pansila, M.Sc: Kepala Dinas (didahului sebagai Plt) sejak 2011-

Januari 2013.

5. Dra. Hj. Yulistiani Mochtar, M.M: Kepala Dinas sejak Januari 2013-Februari

2014.

6. Mohammad Fitriawan, ST, MT: Februari 2014 – Maret 2016.

7. Ir. Widyati Riyandani: Plt. Kepala Dinas sejak Maret 2016-Desember 2017.

8. drg. Hardiono Sp.Bm: Plt. Kepala Dinas sejak Desember 2017-Mei 2017.

9. Dr. Sidik Mulyono, B.Eng., M.Eng: Kepala Dinas sejak Mei 2017 sampai

dengan sekarang.

4.1.2 Visi

“Kota Depok yang Unggul, Nyaman dan Religius”.

4.1.3 Misi

1. Meningkatkan kualitas pelayanan publik yang profesional dan transparan.

 133

2. Mengembangkan sumber daya manusia yang religius, kreatif dan berdaya

saing.

3. Mengembangkan ekonomi yang mandiri, kokoh dan berkeadilan berbasis

ekonomi kreatif.

4. Membangun infrastruktur dan ruang publik yang merata, berwawasan

lingkungan dan rumah keluarga.

5. Meningkatkan kesadaran masyarakat dalam melaksanakan nilai-nilai agama

dan menjaga kerukunan antar umat beragama serta meningkatkan kesadaran

hidup berbangsa dan bernegara.

4.1.4 Logo

Berdasarkan peraturan daerah Kota Depok No. 1 Tahun 1999 tentang hari

jadi dan lambang Kota Depok, bentuk, arti, dan lambang/logo Kota Depok dapat

dilihat pada Gambar 4.1:

Gambar 4.1 Logo Kota Depok (Pemkot Depok, 2020)

1. Lambang/logo Kota Depok berbentuk Perisai bersisi 5 (lima) dengan warna

dasar biru yang di dalamnya terdapat gambar, warna, dan bentuk serta di
 134

bagian atas terdapat tulisan “KOTA DEPOK” dan di bagian bawah terdapat

tulisan “PARICARA DHARMA” dengan warna putih.

2. Lambang/logo Kota terdiri atas 3 (tiga) bagian, dengan perincian sebagai

berikut:

a. Bagian depan, terdiri atas:

1. Gambar Kujang dengan posisi tegak.

2. Kujang merupakan senjata/alat kerja masyarakat Jawa Barat, Kujang

dianggap sebagai manifestasi satria-satria Pajajaran, yang identik dengan

nilai-nilai kejuangan pahlawan Depok, yang memiliki sidat tak gentar

dalam menegakkan kebenaran dan rela berkorban.

3. Pada gambar Kujang terdapat 2 (dua) buah Lubang, dengan lengkungan

luar sebanyak 7 (tujuh) buah dan tangkai (gagang) mempunyai lekukan 4

(empat) buah, yang dikelilingi rangkian padi dan bunga kapas yang terdiri

atas 9 (sembilan) butir padi dan 9 (sembilan) kuntum bunga kapas yang

mempunyai arti Kota Depok dilahirkan pada tanggal 27 April 1999. Padi

dan kapas melambangkan cita-cita pemerintahan dan masyarakat Kota

Depok guna mewujudkan kesejahteraan dan kemakmuran.

4. Di bawah gambar Kujang terdapat gambar sebuah mata pena dan gambar

sebuah buku terbuka, yang melambangkan Depok sebagai Kota

Pendidikan.

b. Bagian Tengah, terdiri atas:

 135

1. Gambar Pendopo merupakan simbol Pusat Pemerintahan Kota Depok

dalam melaksanakan tugas pemerintahan, pembangunan, dan

kemasyarakatan.

2. Gambar bangunan gedung melambangkan Kota Depok sebagai Kota

pemukiman serta sebagai pusat perdaganagn dan jasa.

3. Gambar tumpukan batu bata membentuk rangkaian kesatuan yang

menggambarkan dinamika masyarakat Kota Depok dalam melaksanakan

pembangunan di segala bidang.

4. Gambar gelombang air menggambarkan aliran sungai yang mengalir di

wilayah Kota Depok melambangkan kesuburan serta menunjukkan Depok

sebagai Kota resapan air.

c. Bagian Dasar, terdiri atas:

1. Bentuk Perisai yang memiliki 5 (lima) sisi melambangkan tameng dan

banteng, yang mampu mengayomi, memberikan rasa aman dan tentram

baik lahir maupun batin bagi masyarakat Depok serta melambangkan

ketahanan fisik dan mental masyarakat Depok dalam menghadapi segala

macam gangguan, halangan dan tantangan yang datang dari manapun juga

terhadap kehidupan Bangsa dan Negara Republik Indonesia yang

berdasarkan Pancasila. Dan ke 5 (lima) sisi tersebut melambangkan pula

fungsi/pesan yang diemban oleh Pemerintah Kota Depok yaitu:

a. Kota Pemukiman

b. Kota Pendidikan

c. Pusat Perdagangan dan Jasa

 136

d. Kota Wisata

e. Kota Resapan Air

2. Tulisan “Kota Depok” menunjukkan sebutan bagi Kota dan Pemerintah

Kota Depok.

3. Tulisan “Paricara Dharma” berasal dari bahasa Sansekerta yang terdiri

kata Paricara yang berarti Abdi, sedangkan Dharma adalah kebijakan,

kebenaran, dan keadilan jadi Paricara Dharama mengandung makna

bahwa Pemerintah Kota Depok sebagai abdi masyarakat dan abdi negara

senantiasa mengutamakan kepada kebaikan, kebenaran, dan keadilan.

3. Warna dalam lambang/logo Kota Depok mempunyai arti sebagai berikut:

a. Kuning emas melambangkan kemuliaan.

b. Merah bata melambangkan keberanian.

c. Putih melambangkan harapan masa depan serta menunjukkan daerah yang

subur.

d. Hitam melambangkan keteguhan.

e. Warna biru melambangkan keluasan wawasan dan kejernihan pikiran.

 137

4.1.5 Struktur Organisasi

Secara hierarki struktur organisasi Dinas Pemerintah Kota Depok dapat ditunjukkan pada Gambar 4.2.

Gambar 4.2 Struktur Organisasi (Diskominfo Kota Depok, 2020)

 138

4.1.6 Tugas dan Fungsi Diskominfo Kota Depok

1. Bidang Informasi dan Komunikasi Publik

Bidang informasi dan komunikasi publik mempunyai tugas melaksanakan

urusan pemerintahan dan tugas perbantuan di bidang, pengelolaan informasi

dan komunikasi publik. Untuk melaksanakan tugas sebagaimana dimaksud,

bidang informasi dan komunikasi publik menyelenggarakan fungsi:

a. Penyusunan rencana kerja bidang informasi dan komunikasi publik

mengacu pada rencana strategi dinas.

b. Pelaksanaan kegiatan bidang pengelolaan informasi dan komunikasi

publik.

c. Pembinaan, pengawasan dan pengendalian kegiatan pengelolaan

informasi dan komunikasi publik.

d. Penyelenggaraan pengkajian dan fasilitasi pengumpulan, pengolahan,

integrasi, dan pengendalian informasi dan komunikasi publik.

e. Penyediaan informasi dan bahan komunikasi publik yang berkualitas,

lengkap, akurat, berkelanjutan dan relevan bagi pengguna.

f. Penyediaan informasi dan bahan komunikasi publik guna perumusan

kebijakan dalam menyusun perencanaan dan mengevaluasi program-

program.

g. Pelaksanaan koordinasi dengan unit kerja terkait

h. Pelaksanaan tugas lainnya yang diberikan pimpinan sesuai dengan bidang

tugasnya.

2. Bidang Aplikasi Informatika

 139

Bidang Aplikasi Informatika mempuyai tugas melaksanaka urusan

pemerintahan dan tugas pembantuan di bidang Aplikasi Informatika. Untuk

melaksanakan tugas sebagaimana dimaksud, Bidang Aplikasi Informatika

menyelenggarakan fungsi:

a. Penyusunan rencana kerja bidang Aplikasi Informatika mengacu pada

rencana strategi dinas.

b. Perumusan kebijakan teknis bidang apliksi informatika.

c. Penyusunan bahan pengembangan aplikasi informatika.

d. Pelaksanaan kemitraan dan pengembangan aplikasi informatika.

e. Pelaksanaan pengolahan data dan informasi aplikasi informatika.

f. Pelaksanaan pelaporan dan evaluasi kegiatan bidang aplikasi informatika.

g. Pelaksanaan tugas lainnya yang diberikan pimpinan sesuai dnegan bidang

tugasnya.

3. Bidang Statistik dan Persandian

Bidang Statistik dan Persandian mempunyai tugas melaksanakan urusan

pemerintahan dan tugas pembantuan. Untuk menyelenggarakan tugas

sebagaimana dimaksud, Bidang Statistik dan Persandaian menyelenggarakan

fungsi:

a. Penyusunan rencana kerja Bidang Statistik dan persandian mengacu pada

rencana strategi dinas.

b. Perumusan kebijakan teknis pelaksanaan statistik dan persandian dengan

berpedoman pada norma standar prosedur dan kriteria yang ditetapkan

pemerintah.
 140

c. Pelaksanaan penyiapan, pemanfaatan dan pengembangan SDM.

d. Penyelenggaraan persandian dan statistik sektoral.

e. Peningkatan kesadaran keamanan informasi (security awareness).

f. Pengelolaan pusat data persandian.

g. Pelaksanaan pengukuran dan evaluasi penyelanggaraan persandian secara

internal pada masing-masing perangkat daerah.

h. Pelaksanaan pengelolaan dan pemeliharan materil, sarana, prasarana, an

infrastruktur.

i. Pengelolaan kegiatan pemulihan data dari gangguan jaringan sistem

informasi.

j. Pelaksanaan kegiatan pemulihan data dari gangguan jaringan sistem

informasi.

k. Pelaksanaan tugas lainnya yang diberikan pimpinan sesuai dengan bidang

tugasnya.

4.1.7 Profil Aplikasi Depok Single Window (DSW)

Depok Single Window (DSW) merupakan portal aplikasi berbasis mobile

yang merupakan gabungan aplikasi yang telah ada lalu dijadikan satu sehingga

lebih mudah dan efektif untuk mengakses layanan-layanan yang ada hanya dengan

satu aplikasi. Bisa dikatakan aplikasi DSW ialah satu aplikasi untuk berbagai

urusan. Aplikasi DSW diluncurkan bertepatan dengan Dirgahayu Republik

Indonesia pada tanggal 17 Agustus 2018 oleh Dinas Komunikasi dan Informatika

(Diskominfo) Kota Depok. Aplikasi ini memang difokuskan kepada masyarakat

 141

kota Depok. Untuk mendapatkan aplikasi DSW sangat mudah, masyarakat kota

Depok dapat langsung mengunduh aplikasi tersebut melalui playstore yang terdapat

pada smartphone pribadi. Lalu melakukan langkah-langkah pendaftaran sesuai

dengan petunjuk di aplikasi tersebut. Masyarakat hanya memasukan data seperti

nama, email, dan daerah kependudukan saat ini. Cara kerja DSW sendiri dapat

digunakan oleh masyarakat seperti media sosial pada umumnya, bedanya DSW

sudah terintegrasi dengan layanan-layanan pemkot Depok seperti beberapa fitur

aplikasi Waktu Salat, Panggilan Darurat, Info Cuaca, Berita Depok, Kampung

Siaga, Pajak, Perizinan, Kesehatan, Peta Depok, Loker, PDAM & PLN, Pengaduan,

Kontak, Pendidikan, Baznas, Data ASN, Ekonomi, Perpustakaan, Wifi, BNN,

Kependudukan, dan lain-lain. Aplikasi ini bekerjasama dengan Diskominfo Pemkot

Depok seperti PLN, RSUD, dan kepolisian.

Gambar 4.3 Interface Aplikasi Depok Single Window (DSW)

 142

Tabel 4.1 Layanan dan Fitur Aplikasi Depok Single Window (DSW)

No. Layanan dan Fitur Aplikasi Depok Single Window (DSW)

1. Halaman Utama Layanan Kampung Siaga Data Covid-19 Depok
Forum Diskusi
Himbauan Wali Kota
Pencegahan Covid-19
Penanganan Covid-19
Kontak Penting
Logistk dan Bansos
Pasar Online
Form PE Covid-19
Layanan Pajak PBB: Cek Tagihan
BPHTB: Cek Berkas BPHTB (Bea
Perolehan Hak Atas Tanah dan/atau
Bangunan)
Pajak Kendaraan: Samsat Mobile
Jawa Barat (SAMBARA)
Layanan Perizinan Perizinan Online: Dinas Penanaman
Modal dan Pelayanan Terpadu Satu
Pintu (DPMPTSP) Kota Depok
Tracking Status Perizinan
Informasi Perizinan
Layanan Kesehatan Cari Dokter
RSUD: Pendaftaran Online, Jadwal
Dokter, Ketersediaan Kamar Inap,
Jadwa Dokter Tidak Praktik, Tanya
Jawab
Puskesmas: Pendaftaran Online,
Antian, Lokasi, Petunjuk Pendaftaran
Online
Konsultasi Halodoc
Berita Kesehatan
Informasi Faskes BPJS
Informasi Kesehatan (Daftar Klinik,
Daftar Apotik, Daftar RS, Daftar
Puskesmas
Layanan Peta Depok Peta Depok
Layanan Lowongan Kerja Informasi Loker: Bursa Kerja Online,
JobsDb
Layanan PDAM & PLN PDAM: Registrasi, Info Layanan,
Jaringan Layanan, Cek Tagihan, Info
Pembayaran, Simulasi Tagihan
PLN: Lihat Tagihan PLN
Layanan Pengaduan Pengaduan
Layanan Contact Center Contact Center Depok
Info Kontak ODP
Layanan Pendidikan Data Sekolah Depok
Lihat Passing Grade
Kalender Pendidikan
Informasi PPDB
Informasi Pembayaran Zakat
Kalkulator Zakat
 143

Layanan Baznas (Badan Bayar Zakat Maal

Amil dan Zakat Nasional) Bayar Zakat Fitrah
Depok Bayar Infaq
Rekening Pembayaran
Konfirmasi Transfer Dana
Layan Jemput Zakat
Konsultasi Zakat
Layanan Data ASN Cari ASN Kota Depok
(Aparatur Sipil Negeri) Statistik ASN
Layanan Ekonomi Katalog Usaha
Harga Komoditas
Info Ekonomi
E-UMKM
Layanan Perpustakaan Pendaftaran Anggota
Katalog Buku
Layanan WIFI Pubik Connect WIFI
Cara Penggunaan WIFI
Letak WIFI
Permohonan WIFI
Layanan BNN (Badan Pojok Informasi
Narkotika Nasional) Info Layanan & Konsultasi
Rehabilitasi
Call Center
Layanan Kependudukan Pelayanan Dinas Penduduk
Persyaratan Pelayanan Daftar
Penduduk
Info Persyaratan Akta Capil
2. Halaman Waktu - Jadwal Sholat untuk Wilayah Kota Depok
Sholat Wilayah
Kota Depok
3. Halaman Berita - Kumpulan Berita Kota Depok
Kota Depok
4. Halaman Telp. - Call Center: Panggilan Darurat, Kontak Polisi, Ambulance,
Darurat Pemadam Kebakaran, PLN, Dll.
5. Halaman - Prediksi Cuaca Kota Depok, Jawa Barat
Informasi Cuaca
6. Halaman - Profil Pengguna: Alamat, E-mail, Jenis Kelamin, No. Hp, Ubah
Informasi Akun Profil
- Pengaturan: Ubah Password, Logout

4.2 Hasil Analisis

Hasil analisis merupakan pemaparan hasil dari data yang didapatkan. Hasil

analisis terbagi menjadi 2 (dua) bagian yaitu: Yang pertama hasil analisis

demografis berupa profil responden yang diolah menggunakan perangkat lunak

MS. Excel 2016. Hasil analisis yang kedua yaitu: hasil analisis statistik, dalam

menganalisis data utamanya peneliti menggunakan pendekatan PLS-SEM yang

 144

dibantu dengan menggunakan perangkat lunak SmartPLS 3.2.9 untuk hasil analisis

outer model dan inner model penelitian, dan kemudian digunakan pula IBM

Statistics SPSS 24 untuk pengolahan hasil uji paired sample t-test, analisisis

keseuaian, analisis kesenjangan (gap), dan hasil analisis kuadran Importance

Performance Analysis (IPA).

4.2.1 Pilot Study

Pada tahap ini, peneliti perlu melakukan pilot study untuk mengetahui sejauh

mana tinggi rendahnya tingkat validitas dan reliabilitas atas kuesioner yang

digunakan serta bagaimana hasil terhadap model penelitian yang digunakan serta

bagaimana hasil terhadap model penelitian yang digunakan. Pilot study dilakukan

dengan menggunakan 30 sampel kuesioner yang diberikan kepada para masyarakat

Depok yang menggunakan aplikasi Depok Single Window (DSW), jumlah sampel

tersebut sesuai dengan minimal jumlah sampel penelitian. (Louis, 2007) semakin

besar sampel dari besarnya populasi yang ada adalah semakin baik, akan tetapi ada

jumlah batas minimal yang harus diambil oleh peneliti yaitu: sebanyak 30 sampel.

Sebagaimana dikemukakan oleh Baley (Mahmud, 2011) yang menyatakan

bahwa untuk penelitian yang menggunakan analisis data statistik, ukuran sampel

paling minimum adalah 30. Hasil pilot study menunjukkan dengan tingkat

reliabilitas yang baik yaitu: dengan nilai Composite Reliability (CR) di atas 0,7

(Yamin & Kurniawan, 2011) dan tingkat validitas yang baik pula nilai Average

Variance Extracted (AVE) di atas 0,5 (Yamin & Kurniawan, 2011; Ghozali, 2011).
 145

4.2.2 Hasil Analisis Demografis

Pada tahap ini dilakukan dengan tujuan untuk menganalisis jawaban yang

berasal dari responden terhadap pernyataan yang ada dalam kuesioner. Data

responden yang berhasil diperoleh peneliti dalam rentang waktu 15 Mei – 20 Juni

2020 adalah sebanyak 210 data yang dinyatakan valid, sesuai dengan kriteria dan

dinyatakan lengkap. Informasi demografis tersebut meliputi jenis kelamin,

pekerjaan, usia, pendidikan terakhir, frekuensi penggunaan aplikasi, dan durasi

mengakes aplikasi. Berikut adalah hasil analisisnya:

1) Jenis Kelamin

Gambar 4.4 menampilkan bahwa dari jumlah 210 responden yang

dilibatkan dalam penelitian ini, sebagian besar didominasi oleh laki-laki 121

orang responden atau 58% dan responden laki-laki dengan jumlah 89 orang

atau 42%.

Jenis Kelamin

89; 42% Laki-laki

121; 58% Perempuan

Gambar 4.4 Diagram Jenis Kelamin

 146

2) Pekerjaan

Dari Gambar 4.5 diketahui bahwa dari 210 data responden yang

digunakan di dalam penelitian ini, pekerja responden didominasi oleh

Pegawai Swasta, yaitu: dengan jumlah 85 responden atau 40%, lalu

Pelajar/Mahasiswa, yaitu: dengan jumlah 56 responden atau 27%, dilanjutkan

dengan Wirausaha dengan 34 responden atau 16%, kemudian PNS dengan

jumlah 22 responden atau 11%, dan yang terakhir 13 responden atau 6%

memilih lainnya.

Pekerjaan

13; 6%

Pelajar / Mahasiswa
34; 16% 56; 27%
PNS
Pegawai Swasta
Wirausaha
22; 11% lainnya
85; 40%

Gambar 4.5 Diagram Pekerjaan

3) Usia

Dari Gambar 4.6 diketahui bahwa dari 210 data responden yang

digunakan di dalam penelitian ini, usia responden didominasi dengan range

17-25 tahun dengan jumlah 113 responden atau 54%, range 26-35 tahun

dengan jumlah 50 responden atau 24 %, range 36-45 tahun dengan jumlah 26

responden atau 12%, range 46-55 tahun dengan jumlah 12 responden atau
 147

6%, range kurang dari 17 tahun dengan jumlah 5 responden atau 2%, range

lebih dari 55 tahun dengan jumlah 4 responden atau 2%.

Gambar 4.6 Diagram Usia

4) Pendidikan Terakhir

Gambar 4.7 menampilkan bahwa dari jumlah 210 responden yang

dilibatkan dalam penelitian ini, pendidikan terakhir didominasi oleh

pendidikan S1 dengan jumlah 94 responden atau 45%, dilanjutkan dengan

SMA/Sederajat dengan jumlah 88 responden atau 42%, pendidikan D1/2/3

dengan jumlah 17 responden atau 8%, pendidikan S2 11 responden atau 5%,

dan pendidikan S3 dan lainnya dengan jumlah 0 responden atau tidak ada.
 148

Pendidikan Terakhir
0; 0%0; 0%
11; 5%

SMA/Sederajat
D1/2/3
S1
94; 45% 88; 42% S2
S3
lainnya
17; 8%

Gambar 4.7 Diagram Pendidikan Terakhir

5) Frekuensi Penggunaan Aplikasi

Gambar 4.8 menampilkan bahwa dari jumlah 210 responden yang

dilibatkan dalam penelitian ini, frekuensi kunjungan dari responden

didominasi kurang dari sebulan sekali dengan jumlah 91 responden atau 43%,

sebulan sekali dengan jumlah 68 responden atau 32%, seminggu sekali

dengan jumlah 43 responden atau 21, dan setiap hari dengan jumlah 8

responden atau 4%.

Frekuensi Pengguna Aplikasi DSW Per-Bulan

8;…

43; 21% Setiap Hari

Seminggu Sekali
91; 43% Sebulan Sekali
< Sebulan Sekali
68; 32%

Gambar 4.8 Diagram Frekuensi Pengguna Aplikasi DSW Per-Bulan

 149

6) Durasi Mengakses Aplikasi

Gambar 4.9 menampilkan bahwa dari jumlah 210 responden yang

dilibatkan dalam penelitian ini, durasi akses yang dilakukan oleh responden

didominasi dengan waktu 5-15 menit dengan jumlah 96 responden atau 46%,

durasi 16-25 menit dengan jumlah 59 responden atau 28%, durasi kurang dari

5 menit dengan jumlah 39 responden atau 18%, durasi 26-35 menit dengan

jumlah 14 responden atau 7%, dan durasi lebih dari 35 menit dengan jumlah

2 reponden atau 1%.

Durasi Akses Aplikasi DSW Per-Hari

2; 1%

39; 18% 5 - 15 Menit

16 - 25 Menit
96; 46%
14; 7% 26 - 35 Menit
< 5 menit
>35 menit
59; 28%

Gambar 4. 9 Diagram Durasi Akses Aplikasi DSW Per-Hari

4.2.3 Hasil Analisis Model Penelitian

4.2.3.1 Hasil Analisis Model Pengukuran (Outer Model)

Pada tahap ini Measurement model dilakukan untuk dapat mengetahui

hubungan antara konstruk (variabel) dengan indikatornya (Yamin & Kurniawan,

2011). Analisis pengukuran model (measurement model) pada tahap konstruk first

order dimana analisis pengukuran model ini terdiri atas empat tahap pengujian.
 150

Empat tahap pengujian itu terdiri atas individual item reliability, internal

consistency reliability, average variance extracted, dan discriminant validity

(Urbach & Ahlemann, 2010; Subiyakto, 2013; Wong, 2013; Ringle et al., 2014;

Hair et al., 2014). Berikut hasil analisis pengukuran model dijelaskan dalam empat

tahap.

a. Uji Individual Item Reliability

Pengujian ini dilakukan dengan meihat nilai standardizes loading factor.

Nilai tersebut menggambarkan besarnya korelasi antar item pengukuran (indikator)

dengan konstruknya. Nilai loading factor di atas 0,7 dikatakan ideal yang artinya

indikator tersebut dapat dikatakan valid sebagai indikator yang dapat mengukur

konstruk atau variabelnya (Henseler et al., 2009; Hair et al., 2012; Irawati & Putra,

2015; Sarsted et al., 2014). Namun menurut Yamin & Kurniawan, 2011) nilai

standadized loading factor di atas 0,5 masih dapat diterima untuk penelitian tahap

pengujian teori sehingga indikator yang memiliki nilai sekitar 0,6 akan tetap

dipertahankan dan tidak dihapus dikarenakan nilai CR dari kedua variabel ini masih

di atas 0,6 sehingga indikator ini masih bisa digunakan.

Hasil dari pengujian ini semua indikator memiliki nilai di atas 0,7. Artinya,

hasil uji tersebut dapat dikatakan ideal atau valid sebagai indikator yang dapat

mengukur konstruk atau variabelnya.

Tabel 4.2 Hasil Uji Loading Factor dengan SmartPLS

Variabel
Indikator
EF TRS RLB CS USAT USE
EF1 0,700
EF2 0,793
EF3 0,798
EF4 0,705
 151

EF5 0,764
EF6 0,718
EF7 0,706
TRS1 0,812
TRS2 0,785
TRS3 0,793
TRS4 0,847
RLB1 0,743
RLB2 0,789
RLB3 0,757
RLB4 0,757
RLB5 0,740
RLB6 0,720
CS1 0,782
CS2 0,809
CS3 0,927
CS4 0,915
USAT1 0,857
USAT2 0,899
USE1 0,866
USE2 0,831
USE3 0,789

b. Uji Internal Consistency Reliability

Pada tahap ini pengujian dilakukan dengan menggunakan nilai Composite

Reliability (CR) dengan ambang batas 0,7 (Yamin & Kurniawan, 2011; Hair et al.,

2012; Wong, 2013; Subiyakto et al., 2015; Irawati & Putra, 2015; Nugroho et al.,

2016).

CR lebih baik dalam mengukur internal consistency dibandingkan dengan

cronbach’s alpha dalam model SEM dikarenakan CR tidak mengasumsikan semua

indikator sama dalam sebuah variabel (Yamin & Kurniawan, 2011; Irawati & Putra,

2015). Berikut adalah hasil pengujiannya:

Tabel 4.3 Hasil Composite Reliability dengan SmartPLS

Variabel Composite Reliability (CR)

Efficiency (EF) 0,895
 152

Trust (TRS) 0,884

Reliability (RLB) 0,886
Citizen Support (CS) 0,919
User Satisfaction (USAT) 0,871
Intent to Reuse (USE) 0,868

c. Uji Average Variance Extracted (AVE)

Pengujian convergent validity selanjutnya adalah melihat nilai Average

Variance Extracted (AVE). Nilai ini menggambarkan besaran varian atau

keragaman variabel manifest yang dapat dikandung oleh variabel laten.

Nilai AVE minimal 0,5 menunjukkan ukuran convergent validity (Yamin &

Kurniawan, 2011; Hair et al., 2012; Wong, 2013; Subiyakto et al., 2015; Irawati &

Putra, 2015; Nugroho et al., 2016). Berikut adalah hasil pengujiannya:

Tabel 4.4 Hasil Average Variance Extracted (AVE) dengan SmartPLS

Variabel Average Variance Extracted

(AVE)
Efficiency (EF) 0,895
Trust (TRS) 0,884
Reliability (RLB) 0,886
Citizen Support (CS) 0,919
User Satisfaction (USAT) 0,871
Intent to Reuse (USE) 0,868

Dari Tabel 4.4 dapat terlihat bahwa seluruh nilai AVE memiliki nilai yang

lebih besar dari 0,5 sehingga dapat dikatakan bahwa tidak ada masalah dalam uji

Average Variance Extracted (AVE).

 153

d. Uji Discriminant Validity

Pengujian ini dilakukan melalui cross loading, kemudian

membandingkannya dengan nilai akar AVE. Ukuran discriminant validity lainnya

adalah bahwa nilai akar AVE harus lebih tinggi dari pada korelasi antara konstruk

dengan konstruk lainnya (Yamin & Kurniawan, 2011; Hair et al., 2012; Wong,

2013; Subiyakto et al., 2015; Irawati & Putra, 2015; Nugroho et al., 2016).

Pengujian discriminant validity dilakukan dengan 2 tahap yaitu: melihat nilai cross

loading antar indikator, serta cross loading Fornell-Lacker’s (Yamin & Kurniawan,

2011; Hair et al., 2014).

Pada pengukuran cross loading antar indikator, dilakukan dengan cara

membandingkan korelasi indikator dengan konstruknya lebih tinggi dari korelasi

dengan konstruk blok lainnya, hal ini menunjukkan konstruk tersebut memprediksi

ukuran pada blok mereka lebih baik dari blok lainnya (Yamin & Kurniawan, 2011;

Hair et al., 2012; Wong, 2013; Subiyakto et al., 2015; Irawati & Putra, 2015;

Nugroho et al., 2016). Berikut adalah hasil pengujiannya:

Tabel 4.5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS

Variabel
Indikator
CS EF RLB TRS USAT USE
CS1 0,782 0,677 0,633 0,626 0,657 0,591
CS2 0,809 0,636 0,664 0,606 0,581 0,601
CS3 0,927 0,602 0,703 0,677 0,640 0,661
CS4 0,915 0,682 0,680 0,674 0,630 0,641
EF1 0,593 0,700 0,594 0,553 0,509 0,584
EF2 0,582 0,793 0,591 0,573 0,485 0,559
EF3 0,583 0,798 0,599 0,580 0,492 0,564
EF4 0,585 0,705 0,603 0,617 0,504 0,517
EF5 0,612 0,764 0,593 0,679 0,511 0,613
EF6 0,553 0,718 0,628 0,579 0,579 0,525
 154

EF7 0,563 0,706 0,575 0,596 0,593 0,590

RLB1 0,592 0,651 0,743 0,585 0,517 0,515
RLB2 0,584 0,577 0,789 0,525 0,500 0,527
RLB3 0,594 0,622 0,757 0,560 0,560 0,505
RLB4 0,542 0,568 0,757 0,528 0,442 0,490
RLB5 0,561 0,615 0,740 0,543 0,490 0,551
RLB6 0,636 0,594 0,720 0,556 0,610 0,558
TRS1 0,658 0,664 0,612 0,812 0,590 0,572
TRS2 0,565 0,651 0,523 0,785 0,547 0,564
TRS3 0,584 0,638 0,591 0,793 0,544 0,512
TRS4 0,624 0,655 0,640 0,847 0,656 0,584
USAT1 0,612 0,577 0,611 0,620 0,857 0,526
USAT2 0,666 0,661 0,610 0,651 0,899 0,696
USE1 0,617 0,637 0,633 0,626 0,638 0,866
USE2 0,604 0,655 0,553 0,557 0,550 0,831
USE3 0,586 0,602 0,548 0,528 0,555 0,789

Dari Tabel 4.5 memperlihatkan bahwa nilai loading pada konstruk yang

dituju ternyata lebih besar dibandingkan dengan nilai loading dengan konstruk yang

lain. Hal tersebut dapat dilihat dari angka-angka yang diterangi dengan warna biru.

Pemeriksaan nilai cross loading Fornell-Lacker’s dilakukan dengan melihat

nilai akar AVE harus lebih tinggi dari korelasi antar konstruk dengan konstruk

lainnya. Berikut adalah hasil pengujiannya:

Tabel 4.6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s) dengan SmartPLS

Variabel CS EF RLB TRS USAT USE

CS 0,861
EF 0,784 0,842
RLB 0,780 0,806 0,751
TRS 0,752 0,805 0,732 0,810
USAT 0,729 0,707 0,694 0,723 0,879
USE 0,726 0,761 0,698 0,689 0,702 0,829
 155

Pada Tabel 4.6 menunjukkan bahwa nilai akar AVE lebih tinggi daripada

korelasi antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil

pemeriksaan dua tahap cross loading diketahui bahwa tidak ada masalah dalam uji

discriminant validity. Secara singkat, hasil analisis pengukuran model (Inner

Model) tersebut menunjukkan bahwa model yang peneliti ajukan sudah memenuhi

karakeristik yang baik secara statistik sehingga dapat memenuhi syarat untuk

dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,

2013).
 156

Gambar 4.10 Hasil Analisis Outer Model dengan SmartPLS

Pada Gambar 4.10 menunjukkan hasil analisis setelah melalui analisis outer

model. Berdasarkan empat tahap yang telah dilakukan pada analisis pengukuran

model (outer model) sebelumnya, dapat diketahui bahwa model yang diajukan

dalam penelitian ini sudah memiliki karakteristik yang baik dan secara statistik,

sesuai dengan syarat pada masing-masing tahapan yang ada pada pengukuran

model (individual item reliability, internal consistency reliability, discriminant

 157

validity, dan average variance extracted). Sehingga dapat diambil kesimpulan dari

hasil analisis pengukuran model bahwa model tersebut memenuhi syarat untuk

dilanjutkan ke tahap pengujian model struktural (inner model).

Tabel 4.7 Keseluruhan Hasil Analisis Pengukuran Model (Outer Model) dengan SmartPLS

CL
VAR IND OL CR AVE
CS EF RLB TRS USAT USE
CS1 0,782 0,782 0,677 0,633 0,626 0,657 0,591
CS2 0,809 0,809 0,636 0,664 0,606 0,581 0,601
CS 0,919 0,741
CS3 0,927 0,927 0,702 0,703 0,677 0,640 0,661
CS4 0,915 0,915 0,682 0,680 0,674 0,630 0,641
EF1 0,700 0,593 0,700 0,594 0,553 0,509 0,584
EF2 0,793 0,582 0,793 0,591 0,573 0,485 0,559
EF3 0,798 0,583 0,798 0,599 0,580 0,492 0,564
EF EF4 0,705 0,585 0,705 0,603 0,617 0,504 0,517 0,895 0,550
EF5 0,764 0,612 0,764 0,593 0,679 0,511 0,613
EF6 0,718 0,553 0,718 0,628 0,579 0,579 0,525
EF7 0,706 0,563 0,706 0,575 0,596 0,593 0,590
RLB1 0,743 0,592 0,651 0,743 0,585 0,517 0,515
RLB2 0,789 0,584 0,577 0,789 0,525 0,500 0,527
RLB3 0,757 0,594 0,622 0,757 0,560 0,560 0,505
RLB 0,886 0,565
RLB4 0,757 0,542 0,568 0,757 0,528 0,442 0,490
RLB5 0,740 0,561 0,615 0,740 0,543 0,490 0,551
RLB6 0,720 0,636 0,594 0,720 0,556 0,610 0,558
TRS1 0,812 0,658 0,664 0,612 0,812 0,590 0,572
TRS2 0,785 0,565 0,651 0,523 0,785 0,547 0,564
TRS 0,884 0,655
TRS3 0,793 0,584 0,638 0,591 0,793 0,544 0,512
TRS4 0,847 0,624 0,655 0,640 0,847 0,656 0,584
USAT1 0,857 0,612 0,577 0,611 0,620 0,857 0,526
USAT 0,871 0,772
USAT2 0,899 0,666 0,661 0,610 0,651 0,899 0,696
USE1 0,866 0,617 0,637 0,633 0,626 0,638 0,866
USE USE2 0,831 0,604 0,655 0,553 0,557 0,550 0,831 0,868 0,688
USE3 0,789 0,586 0,602 0,548 0,528 0,555 0,789

Keterangan:
VAR: Variabel CR: Composite Reliability
CL: Cross Loading AVE: Average Variance Extracted
IND: Indikator OL: Outer Loading
 158

4.2.3.2 Hasil Analisis Struktur Model (Inner Model)

Pada tahap analisis model struktural ini dilakukan pada tahap pengujian path

coefficients (𝛽), coefficient of determination (𝑅2 ), T-test menggunakan metode

bootstrapping, effect size (𝑓 2 ), predictive relevance (𝑄2 ), dan relative impact (𝑞 2 ).

Namun karena model penelitian yang digunakan berbentuk second order maka

dapat dilakukan dengan uji path coefficients dengan bootstrapping, uji signifikansi

konstruk first order / t-Test dengan outer loading, (Ghozali & Latan, 2015), dan

juga ditambahkan dengan uji coefficient of determination ( 𝑅2 ) seperti pada

penelitian (Jogiyanto, 2011; Naniek et al., 2012; Soekanto & Mustikarini, 2017).

a. Uji Path Coefficients (𝜷)

Pengujian ini dilakukan dengan meihat nilai ambang batas yaitu: di atas 0,1,

dimana jalur (path) dapat dinyatakan memiliki pengaruh dalam model jika hasil uji

path coefficient berada di atas 0,1 (Hair et al., 2012; Wong, 2013; Ringle, 2014).

Tabel 4.8 Hasil Uji Signifikansi Path Coefficient (𝛽)

Variabel Path Coefficient (𝜷)

EF → EGSQ 0,336
TRS → EGSQ 0,220
RLB → EGSQ 0,283
CS → EGSQ 0,254
EGSQ → USAT 0,780
EGSQ → USE 0,619
USAT → USE 0,219

Hasilnya 7 jalur yang ada pada model penelitian ini diterima dan signifikan

karena nilai path coefficient di atas 0,1 dengan Citizen Support (CS) dengan E-

Government Service Quality (EGSQ), Efficiency (EF) dengan E-Government

 159

Service Quality (EGSQ), E-Government Service Quality (EGSQ) dengan User

Satisfaction (USAT), E-Government Service Quality (EGSQ) dengan Intention to

Use (USE), Reliability (RLB) dengan E-Government Service Quality (EGSQ),

Trust (TRS) dengan E-Government Service Quality (EGSQ), dan User Satisfaction

(USAT) dengan Intention to Use (USE).

Pada second order pengujian ini juga dilakukan dengan menggunakan

metode bootstrapping pada SmartPLS 3.2.9.

Tabel 4. 9 Hasil Uji Path Coefficient (𝛽) dengan SmartPLS

Standard
Original Sample T Statitics
Jalur Deviation P Values
Sample (O) Mean (M) (|O/STDEV|)
(STDEV)

CS1 ← CS 0,782 0,780 0,042 18,605 0,000

CS1 ← EGSQ 0,745 0,743 0,035 21,190 0,000
CS2 ← CS 0,809 0,806 0,034 23,591 0,000
CS2 ← EGSQ 0,742 0,741 0,040 18,713 0,000
CS3 ← CS 0,927 0,928 0,012 77,809 0,000
CS3 ← EGSQ 0,818 0,819 0,024 33,916 0,000
CS4 ← CS 0,915 0,917 0,016 59,052 0,000
CS4 ← EGSQ 0,801 0,803 0,027 29,274 0,000
EF1 ← EF 0,700 0,695 0,045 15,555 0,000
EF1 ← EGSQ 0,676 0,673 0,046 14,705 0,000
EF2 ← EF 0,793 0,791 0,038 20,848 0,000
EF2 ← EGSQ 0,706 0,703 0,046 15,270 0,000
EF3 ← EF 0,798 0,796 0,037 21,499 0,000
EF3 ← EGSQ 0,712 0,709 0,045 15,751 0,000
EF4 ← EF 0,705 0,705 0,044 15,926 0,000
EF4 ← EGSQ 0,691 0,689 0,043 15,900 0,000
EF5 ← EF 0,764 0,762 0,038 20,241 0,000
EF5 ← EGSQ 0,730 0,725 0,044 16,634 0,000
EF6 ← EF 0,718 0,714 0,046 15,557 0,000
EF6 ← EGSQ 0,689 0,685 0,051 13,521 0,000
EF7 ← EF 0,706 0,706 0,045 15,853 0,000
EF7 ← EGSQ 0,677 0,676 0,048 14,050 0,000
 160

RLB1 ← RLB 0,743 0,742 0,044 16,704 0,000

RLB1 ← EGSQ 0,707 0,707 0,050 14,152 0,000
RLB2 ← RLB 0,789 0,791 0,036 22,091 0,000
RLB2 ← EGSQ 0,681 0,684 0,052 13,040 0,000
RLB3 ← RLB 0,757 0,757 0,037 20,205 0,000
RLB3 ← EGSQ 0,697 0,693 0,048 14,517 0,000
RLB4 ← RLB 0,757 0,754 0,040 19,169 0,000
RLB4 ← EGSQ 0,658 0,654 0,049 13,396 0,000
RLB5 ← RLB 0,740 0,736 0,043 17,336 0,000
RLB5 ← EGSQ 0,679 0,673 0,053 12,821 0,000
RLB6 ← RLB 0,720 0,718 0,045 16,154 0,000
RLB6 ← EGSQ 0,690 0,689 0,047 14,549 0,000
TRS1 ← TRS 0,812 0,810 0,032 25,624 0,000
TRS1 ← EGSQ 0,741 0,739 0,042 17,568 0,000
TRS2 ← TRS 0,785 0,781 0,039 19,964 0,000
TRS2 ← EGSQ 0,684 0,682 0,044 15,449 0,000
TRS3 ← TRS 0,793 0,791 0,035 22,686 0,000
TRS3 ← EGSQ 0,704 0,700 0,045 15,511 0,000
TRS4 ← TRS 0,847 0,845 0,025 33,952 0,000
TRS4 ← EGSQ 0,746 0,744 0,045 16,498 0,000
USAT1 ← USAT 0,857 0,854 0,033 25,844 0,000
USAT2 ← USAT 0,899 0,900 0,013 71,478 0,000
USE1 ← USE 0,866 0,865 0,020 42,298 0,000
USE2 ← USE 0,831 0,830 0,032 25,621 0,000
USE3 ← USE 0,789 0,786 0,036 22,009 0,000

Keterangan:
Hip: Hipotesis
EGSQ: E-Government Service Quality

Dari hasil penelitian path coefficients (𝛽) dapat dilihat bahwa semua first

order konstruk ternyata berpengaruh signifikan terhadap second order konstruk E-

Government Service Quality (EGSQ) dimana nilai T-statistics di atas 1,96 hal ini

menunjukkan bahwa semua konstruk first order merupakan konstruk dimensi

pembentuk konstruk E-Government Service Quality (EGSQ) (Ghozali & Laten,

2015).
 161

b. Uji Coefficient of Determination (𝑹𝟐 )

Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel

endogeneous (variabel yang dianggap dipengaruhi oleh variabel lain dalam model)

dengan standar pengukuran sekitar 0,670 dinilai kuat, kisaran 0,333 dinilai moderat,

dan 0,190 dinilai lemah (Hair et al., 2012; Ringle, 2014; Wong, 2016). Berikut

adalah hasil perhitungan R-square dengan menggunakan SmartPLS 3.2.9 sebagai

berikut:

Tabel 4.10 Hasil Uji Coefficient of Determination (𝑅2 ) dengan SmartPLS

Variabel R-square Keterangan

E-Government Service Quality (EGSQ) 1,000 Kuat
USAT 0,608 Moderat
USE 0,644 Moderat

Melalui Tabel 4.10 dapat dilihat hasil uji coefficient of determination, dimana

𝑅2 dari E-Government Service Quality (EGSQ) memiliki nilai 1,000 (100%), User

Satisfaction (USAT) nilai 0,608 (60,8%), dan Intention to Use (Use) memiliki nilai

0,644 (64,4%). Artinya, variabel eksogeneous CS, EF, RLB, dan TRS menjelaskan

secara kuat (100%) dalam varian dari E-Government Service Quality (EGSQ), User

Satisfaction (USAT), dan Intention to Use (USE).

c. Uji T-test

Pada pengujian tahap ini dilakukan dengan metode bootsrapping yang ada di

dalam SmartPLS 3.2.9 dengan menggunakan uji two-tailed.

 162

Tabel 4.11 Hasil Uji T-test dengan SmartPLS

Standard
Original Sample T Statitics
Jalur Deviation P Values
Sample (O) Mean (M) (|O/STDEV|)
(STDEV)

CS1 ← CS 0,782 0,780 0,042 18,605 0,000

CS1 ← EGSQ 0,745 0,743 0,035 21,190 0,000
CS2 ← CS 0,809 0,806 0,034 23,591 0,000
CS2 ← EGSQ 0,742 0,741 0,040 18,713 0,000
CS3 ← CS 0,927 0,928 0,012 77,809 0,000
CS3 ← EGSQ 0,818 0,819 0,024 33,916 0,000
CS4 ← CS 0,915 0,917 0,016 59,052 0,000
CS4 ← EGSQ 0,801 0,803 0,027 29,274 0,000
EF1 ← EF 0,700 0,695 0,045 15,555 0,000
EF1 ← EGSQ 0,676 0,673 0,046 14,705 0,000
EF2 ← EF 0,793 0,791 0,038 20,848 0,000
EF2 ← EGSQ 0,706 0,703 0,046 15,270 0,000
EF3 ← EF 0,798 0,796 0,037 21,499 0,000
EF3 ← EGSQ 0,712 0,709 0,045 15,751 0,000
EF4 ← EF 0,705 0,705 0,044 15,926 0,000
EF4 ← EGSQ 0,691 0,689 0,043 15,900 0,000
EF5 ← EF 0,764 0,762 0,038 20,241 0,000
EF5 ← EGSQ 0,730 0,725 0,044 16,634 0,000
EF6 ← EF 0,718 0,714 0,046 15,557 0,000
EF6 ← EGSQ 0,689 0,685 0,051 13,521 0,000
EF7 ← EF 0,706 0,706 0,045 15,853 0,000
EF7 ← EGSQ 0,677 0,676 0,048 14,050 0,000
RLB1 ← RLB 0,743 0,742 0,044 16,704 0,000
RLB1 ← EGSQ 0,707 0,707 0,050 14,152 0,000
RLB2 ← RLB 0,789 0,791 0,036 22,091 0,000
RLB2 ← EGSQ 0,681 0,684 0,052 13,040 0,000
RLB3 ← RLB 0,757 0,757 0,037 20,205 0,000
RLB3 ← EGSQ 0,697 0,693 0,048 14,517 0,000
RLB4 ← RLB 0,757 0,754 0,040 19,169 0,000
RLB4 ← EGSQ 0,658 0,654 0,049 13,396 0,000
RLB5 ← RLB 0,740 0,736 0,043 17,336 0,000
RLB5 ← EGSQ 0,679 0,673 0,053 12,821 0,000
RLB6 ← RLB 0,720 0,718 0,045 16,154 0,000
RLB6 ← EGSQ 0,690 0,689 0,047 14,549 0,000
 163

TRS1 ← TRS 0,812 0,810 0,032 25,624 0,000

TRS1 ← EGSQ 0,741 0,739 0,042 17,568 0,000
TRS2 ← TRS 0,785 0,781 0,039 19,964 0,000
TRS2 ← EGSQ 0,684 0,682 0,044 15,449 0,000
TRS3 ← TRS 0,793 0,791 0,035 22,686 0,000
TRS3 ← EGSQ 0,704 0,700 0,045 15,511 0,000
TRS4 ← TRS 0,847 0,845 0,025 33,952 0,000
TRS4 ← EGSQ 0,746 0,744 0,045 16,498 0,000
USAT1 ← USAT 0,857 0,854 0,033 25,844 0,000
USAT2 ← USAT 0,899 0,900 0,013 71,478 0,000
USE1 ← USE 0,866 0,865 0,020 42,298 0,000
USE2 ← USE 0,831 0,830 0,032 25,621 0,000
USE3 ← USE 0,789 0,786 0,036 22,009 0,000

Keterangan:
Hip: Hipotesis
EGSQ: E-Government Service Quality

Melalui Tabel 4.11 dapat dilihat hasil uji T-test, dimana seluruh hasilnya

sudah berada di atas 1,96 sehingga menyatakan bahwa semua indikator konstruk

dalam model adalah valid (Ghozali, 2015).

4.2.4 Hasil Uji Paired Samples T-Test

Setelah dilakukan uji reliabilitas dan validitas kemudian dilakukan analisis

Paired Samples t-Test untuk mengetahui ada atau tidaknya perbedaan rata-rata

antara dua kelompok sampel yang sama. Jika nilai probabilitas atau Sig. (2-tailed)

< 0,05 maka dapat dinyatakan bahwa terdapat perbedaan yang signifikan antara

kedua sampel yang berpasangan tersebut.

Sebaliknya jika nilai probabilitas atau Sig. (2-tailed) > 0,05 maka tidak

terdapat perbedaan yang dignifikan diantara keduanya (Yusri, 2016). Pengujian

 164

dilakukan dengan melihat nilai Sig. (2-tailed). Hasil pengujian secara lengkap dapat

dilihat pada Lampiran.

Tabel 4. 12 Hasil Uji Validitas Paired Samples T-Test

Paired Samples Test

Paired Differences
95 % Confidence
Std. Std. Sig. (2-
Interval of the t df
Mean Deviati Error tailed)
Difference
on Mean
Lower Upper
P_EF1-
Pair 1 -.567 1.080 .074 -.714 -.420 -7.607 209 .000
H_EF1
P_EF2-
Pair 2 -.762 1.128 .078 -.915 -.608 -9.785 209 .000
H_EF2
P_EF3-
Pair 3 -.490 1.064 .073 -.635 -.346 -6.682 209 .000
H_EF3
P_EF4-
Pair 4 -.338 1.060 .073 -.482 -.194 -4.621 209 .000
H_EF4
P_EF5-
Pair 5 -.586 1.100 .076 -.735 -.436 -7.715 209 .000
H_EF5
P_EF6-
Pair 6 -.486 1.195 .082 -.648 -.323 -5.890 209 .000
H_EF6
P_EF7-
Pair 7 -.476 1.008 .070 -.613 -.339 -6.846 209 .000
H_EF7
P_TRS1-
Pair 8 -.490 1.163 .080 -.649 -.332 -6.114 209 .000
H_TRS1
P_TRS2-
Pair 9 -.395 1.133 .078 -.549 -.241 -5.056 209 .000
H_TRS2
P_TRS3-
Pair 10 -.486 1.116 .077 -.638 -.334 -6.305 209 .000
H_TRS3
P_TRS4-
Pair 11 -.476 1.086 .075 -.624 -.328 -6.356 209 .000
H_TRS4
P_RLB1-
Pair 12 -.514 1.171 .081 -.674 -.355 -6.366 209 .000
H_RLB1
P_RLB2-
Pair 13 -.562 1.209 .083 -.726 -.397 -6.733 209 .000
H_RLB2
P_RLB3-
Pair 14 -.529 1.107 .076 -.679 -.378 -6.917 209 .000
H_RLB3
P_RLB4-
Pair 15 -.590 1.117 .077 -.742 -.439 -7.660 209 .000
H_RLB4
P_RLB5-
Pair 16 -.576 1.143 .079 -.732 -.421 -7.302 209 .000
H_RLB5
P_RLB6-
Pair 17 -.543 1.085 .075 -.690 -.395 -7.249 209 .000
H_RLB6
P_CS1-
Pair 18 -.543 1.128 .078 -.696 -.389 -6.972 209 .000
H_CS1
P_CS2-
Pair 19 -.495 1.108 .076 -.646 -.345 -6.478 209 .000
H_CS2
P_CS3-
Pair 20 -.490 1.129 .078 -.644 -.337 -6.295 209 .000
H_CS3
P_CS4-
Pair 21 -.690 1.109 .077 -.841 -.540 -9.025 209 .000
H_CS4
P_USAT1-
Pair 22 -.486 1.068 .074 -.631 -.340 -6.590 209 .000
H_USAT1
P_USAT2-
Pair 23 -.495 1.073 .074 -.641 -.349 -6.690 209 .000
H_USAT2
 165

P_USE1-
Pair 24 -.448 1.111 .077 -.599 -.296 -5.839 209 .000
H_USE1
P_USE2-
Pair 25 -.619 1.079 .074 -.766 -.472 -8.311 209 .000
H_USE2
P_USE3-
Pair 26 -.862 1.105 .076 -1.012 -.712 -11.308 209 .000
H_USE3

Tabel 4.19 menunjukkan hasil pengujian Paired Samples t-Test yang

menunjukkan ada atau tidaknya hubungan korelasi antara kedua data. Kolom Mean

menunjukkan nilai rata-rata dari selisih/gap antara kedua sampel. Kolom 95%

Confidance interfal of The Difference menunjukkan nilai gap terendah dan tertinggi

dari kedua sampel.

Lalu kolom yang terpenting adalah kolom Sig (2-tailed) nilai dari kolom ini

dapat menunjukkan apakah terdapat perbedaan rata-rata dua sampel (dua

kelompok) yang berpasangan atau berhubungan. Hasil pada kolom Sig (2-tailed)

menunjukkan nilai ,000 yang berarti menunjukkan bahwa terdapat perbedaan yang

signifikan antara kedua sampel. Hal ini dikarenakan nilai probabilitas atau Sig (2-

tailed) < 0,05

4.2.5 Hasil Analisis Kesesuaian

Pada analisis ini digunakan untuk mengetahui pencapaian kualitas kinerja

layanan e-Government berupa aplikasi mobile yang diberikan oleh Diskominfo

Pemerintah Kota Depok berdasarkan penilaian masyarakat. Pengukuran tersebut

dilakukan dengan menghitung perbandingan antara kenyataan atas layanan yang

diterima atau persepsi pengguna dengan harapan atas layanan yang diinginkan

pengguna. Hasil yang diperoleh adalah berupa tingkat kesesuaian pencapaian

 166

kualitas layanan e-Government berupa aplikasi mobile di Diskominfo Pemerintah

Kota Depok.

Nilai dari tingkat kesesuaian yang diperoleh dari perbandingan antara

kenyataan atas layanan yang diterima terhadap harapan dari masyarakat tersebut

menggambarkan kualitas kinerja layanan yang dinilai dalam bentuk presentase

kesesuaian. Berikut ini adalah hasil tingkat kesesuaian antara kualitas layanan e-

Government berupa aplikasi mobile di Diskominfo Pemerintah Kota Depok untuk

masing-masing dimensi e-GovQual modifikasi.

Tabel 4.13 Hasil Analisis Tingkat kesesuaian Tiap Dimensi

Mean Performance Mean Importance Tingkat Kesesuaian

Indikator
Peratribut Perdimensi Peratribut Perdimensi Peratribut Perdimensi

EF1 3,21 3,78 84,92%

EF2 3,01 3,77 79,84%
EF3 3,29 3,78 87,04%
EF4 3,30 3,23 3,64 3,76 90,66% 85,93%
EF5 3,18 3,76 84,57%
EF6 3,31 3,80 87,11%
EF7 3,32 3,80 87,37%
TRS1 3,30 3,80 86,84%
TRS2 3,29 3,69 89,16%
3,29 3,76 87,64%
TRS3 3,32 3,81 87,14%
TRS4 3,26 3,73 87,40%
RLB1 3,24 3,76 86,17%
RLB2 3,31 3,88 85,31%
RLB3 3,30 3,83 86,16%
3,28 3,83 85,52%
RLB4 3,25 3,84 84,64%
RLB5 3,24 3,81 85,04%
RLB6 3,32 3,87 85,79%
CS1 3,24 3,78 85,71%
CS2 3,20 3,70 86,49%
3,21 3,77 85,20%
CS3 3,29 3,78 87,04%
CS4 3,10 3,80 81,58%
USAT1 3,29 3,78 87,04%
3,26 3,76 86,82%
USAT2 3,23 3,73 86,60%
 167

USE1 3,29 3,73 88,20%

USE2 3,10 3,10 3,72 3,74 83,33% 82,89%
USE3 2,90 3,76 77,13%
Rata-Rata Tingkat Kesesuaian 6 Dimensi 85,67%

Tabel 4.13 menunjukkan rata-rata tingkat kesesuaian dari masing-masing

indikator yang ada di keenam variabel-variabel e-GovQual. Dari tabel tersebut,

terlihat bahwa semua nilai rata-rata tingkat kesesuaian dari 6 dimensi bernilai

85,67% hasil tersebut menunjukkan bahwa kinerja dari masing-masing atribut

pelayanan aplikasi mobile Depok Single Window (DSW) dapat memenuhi harapan

dari pengguna artinya, sesuai dengan apa yang diharapkan oleh para pengguna dari

aplikasi DSW, namun masih perlu ditingkatkan lagi kinerjanya.

Hal ini didukung dengan pendapat dari Indriwinangsih dan Sudaryanto (

Lodhita, 2014), jika presentase < 80% maka dikatakan bahwa kesesuaian kinerja

dari masing-masing atribut tidak dapat memenuhi harapan dari responden, jika

presentase 80-100% maka kesesuaian tersebut dapat memenuhi harapan dari

konsumen tetapi masih perlu diperbaiki lagi, dan jika presentase > 100% dapat

dikatakan kinerja indikator tersebut telah melebihi dengan harapan konsumen atau

sangat memuaskan.

4.2.6 Hasil Analisis Kesenjangan (Gap Analysis)

Pada tahap ini dilakukan untuk mengetahui tingkat kesenjangan atau

perbedaan antara harapan masyarakat dengan kinerja yang dirasakan atau persepsi

pengguna terhadap kualitas layanan e-Government berupa aplikasi mobile. Analisis

ini dilakukan pada aplikasi Depok Single Window (DSW) guna untuk mengetahui
 168

kesenjangan yang terjadi pada layanan e-Government yang terdapat dalam aplikasi,

analisis kesenjangan dilakukan berdasarkan model E-GovQual modifikasi. Analisis

gap atau analisis kesenjangan dalam penelitian ini dilakukan untuk tiga hal, yaitu:

analisis per item layanan, analisis per dimensi layanan, dan analisis rata-rata

keseluruhan, sehingga dapat diketahui kesenjangan yang terjadi antar tiap

layanan/item atribut, dimensi, dan secara keseluruhan dari 6 dimensi.

Hasil dari perhitungan Gap P (Performance) – I (Importance) untuk

masing-masing item, per dimensi maupun rata-rata keseluruhan dapat dilihat dalam

Tabel 4.14 berikut:

Tabel 4.14 Hasil Analisis Tingkat Kesenjangan (Gap) Tiap Dimensi

Mean Performance Mean Importance GAP

Indikator
Peratribut Perdimensi Peratribut Perdimensi Peratribut Perdimensi
EF1 3,21 3,78 -0,57
EF2 3,01 3,77 -0,76
EF3 3,29 3,78 -0,49
EF4 3,30 3,23 3,64 3,76 -0,34 -0,53
EF5 3,18 3,76 -0,58
EF6 3,31 3,80 -0,49
EF7 3,32 3,80 -0,48
TRS1 3,30 3,80 -0,50
TRS2 3,29 3,69 -0,40
3,29 3,76 -0,47
TRS3 3,32 3,81 -0,49
TRS4 3,26 3,73 -0,47
RLB1 3,24 3,76 -0,52
RLB2 3,31 3,88 -0,57
RLB3 3,30 3,83 -0,53
3,28 3,83 -0,56
RLB4 3,25 3,84 -0,59
RLB5 3,24 3,81 -0,57
RLB6 3,32 3,87 -0,55
CS1 3,24 3,78 -0,54
CS2 3,20 3,70 -0,50
3,21 3,77 -0,56
CS3 3,29 3,78 -0,49
CS4 3,10 3,80 -0,70
 169

USAT1 3,29 3,78 -0,49

3,26 3,76 -0,50
USAT2 3,23 3,73 -0,50
USE1 3,29 3,73 -0,44
USE2 3,10 3,10 3,72 3,74 -0,62 -0,64
USE3 2,90 3,76 -0,86
Rata-Rata GAP 6 Dimensi -0,54

Tabel 4.14 menunjukkan rata-rata tingkat kesenjangan dari masing-masing

indikator yang ada di keenam variabel-variabel e-GovQual modifikasi. Dari tabel

tersebut terlihat bahwa semua nilai kesenjangan pada masing-masing indikator

bernilai negatif yang menunjukkan pelayanan yang diberikan belum sesuai dengan

harapan pengguna (Yulianti, 2016).

Jika dilihat berdasarkan variabel maka kesenjangan terbesar terjadi pada

variabel Intention to Use dengan nilai rata-rata sebesar -0,64, kemudian disusul

dengan variabel Reliability dan Citizen Support dengan nilai rata-rata yang sama

sebesar -0,56, lalu variabel Efficiency yang rata-ratanya -0,54, lalu variabel User

Satisfaction yang rata-ratanya -0,50, dan Trust dengan nilai rata-rata -0,47.

Kemudian jika dilihat berdasarkan tingkat indikator/atribut maka

kesenjangan terbesar terjadi pada indikator USE3 dengan nilai (-0,86) atau sama

seperti hasil analisis kesesuaian sebelumnya yang mengindikasikan diperlukan

adanya perbaikan pada indikator ini, karena jika dibandingkan dengan indikator

yang lain indikator USE3 memiliki harapan yang tinggi dari masyarakat untuk

pelayanan yang baik namun kenyataan yang terjadi pelayanan yang ada belum

sesuai. Selain itu sesuai hasil analisis pada Tabel 4.14 pada tingkat atribut terlihat

bahwa kesenjangan terkecil terjadi pada indikator/atribut EF4 dengan nilai -0,34,

hasil tersebut menunjukkan dari 26 indikator/atribut yang ada maka EF4 adalah
 170

indikator/atribut yang paling mendekati harapan masyarakat berdasarkan pelayanan

yang diberikan. Meskipun dari pengukuran hasil penelitian yang membandingkan

antara rata-rata performance dan importance nilai kesenjangan dari keenam

dimensi dari masing-masing menghasilkan nilai gap negatif, akan tetapi menurut

(Parasuraman et al., 1991) Jika hasil kesenjangan < -1 berarti baik, dan hasil >-1

berarti kualitas pelayanan yang diberikan tidak baik. Maka dapat dikatakan bahwa

kualitas layanan e-Government pada aplikasi Depok Single Window (DSW) sudah

baik.

4.2.7 Hasil Analisis Importance Performance Analysis (IPA)

Selanjutnya dilakukan proses analisis dengan Importance Performance

Analysis (IPA) menggunakan analisis kuadran yang hasilnya dipetakan ke dalam

kartesius dengan sumbu (x) yang menjelaskan tentang persepsi dan sumbu (y) untuk

harapan. Berikut merupakan hasil analisis kuadran yang diperoleh dari pengolahan

data hasil penyebaran kuesioner.

(y))

(x)
Gambar 4.11 Diagram Kartesius IPA Layanan Aplikasi DSW
 171

Berdasarkan Gambar 4.11 maka dapat diketahui sebagai berikut:

a. Kuadran A terdapat 2 faktor prioritas utama perbaikan yang terdiri atas:

1) Indikator nomor 1 (EF1) struktur atau alur proses jelas dan mudah diikuti.

2) Indikator nomor 21 (CS4) pengelola memiliki kemampuan untuk

menyampaikan layanan dengan kepercayaan dan keyakinan.

b. Kuadran B terdapat 13 faktor yang perlu dipertahankan kualitasnya yang

terdiri atas:

1) Indikator nomor 3 (EF3) tampilan halaman aplikasi yang memudahkan dalam

mengakses.

2) Indikator nomor 6 (EF6) aplikasi selalu memberikan informasi terbaru.

3) Indikator nomor 7 (EF7) petunjuk pengisian cukup membantu.

4) Indikator nomor 8 (TRS1) kepercayaan terhadap username dan password

aplikasi aman.

5) Indikator nomor 13 (RLB2) aplikasi mudah diakses kapan pun dibutuhkan.

6) Indikator nomor 14 (RLB3) keberhasilan layanan ketika pertama kali diakses.

7) Indikator nomor 15 (RLB4) memberikan pelayanan tepat waktu.

8) Indikator nomor 16 (RLB5) keberhasilan akses layanan dengan waktu yang

cukup singkat.

9) Indikator nomor 17 (RLB6) kecocokan sistem dengan perangkat.

10) Indikator nomor 18 (CS1) pengelola tanggap terhadap masalah pengguna.

11) Indikator nomor 19 (CS2) pengelola memberikan respon yang cepat untuk

pertanyaan pengguna.
 172

12) Indikator nomor 20 (CS3) pengelola memiliki pengetahuan yang cukup untuk

menjawab pertanyaan-pertanyaan pengguna.

13) Indikator nomor 22 (CS4) pengelola memiliki kemampuan untuk

menyampaikan layanan dengan kepercayaan dan keyakinan.

c. Kuadran C terdapat 6 faktor prioritas rendah yang terdiri atas:

1) Indikator nomor 2 (EF2) mesin pencarian (search engine) dari tiap layanan

pada aplikasi bekerja efektif sehingga memudahkan pencarian.

2) Indikator nomor 5 (EF5) yaitu: informsi yang diberikan pada aplikasi cukup

terperinci.

3) Indikator nomor 19 (CS2) yaitu: pengelola memberikan respon yang cepat

untuk pertanyaan pengguna.

4) Indikator nomor 23 (USAT2) yaitu: kepuasan pengguna terhadap performa

layanan aplikasi.

5) Indikator nomor 25 (USE2) frekuensi mengakses aplikasi.

6) Indikator nomor 26 (USE3) rekomendasi aplikasi kepada orang lain.

d. Kuadran D terdapat 5 faktor yang dianggap tidak begitu penting yang terdiri

atas:

1) Indikator nomor 4 (EF4) aplikasi memenuhi harapan pengguna.

2) Indikator nomor 9 (TRS2) otentifikasi data pribadi.

3) Indikator nomor 11 (TRS4) penggunaan data pribadi untuk tujuan yang jelas.

4) Indikator nomor 12 (RLB1) waktu unduh formulir singkat.

 173

5) Indikator nomor 24 (USE1) keberlanjutan menggunakan aplikasi.

4.3 Interpretasi Data Hasil Penelitian

4.3.1 Interpretasi Hasil dan Pembahasan Pilot Study

Berdasarkan uji instrumen dengan melakukan uji validitas dan reliabilitas

peneliti melakukan interpretasi dan pembahasan hasil uji instrumen sebagai berikut:

1. Uji Validitas

Hasil akhir dari analisis uji validitas instrumen menunjukkan bahwa semua

indikator yang digunakan pada valid. Valid berarti instrumen yang telah

digunakan untuk pengambilan data berupa kuesioner.

2. Uji Reliabilitas

Hasil akhir dari analisis reliabilitas instrumen menunjukkan bahwa instrumen

yang digunakan dalam penyebaran kuesioner memenuhi syarat untuk dianggap

reliabel dimana nilai Cronbach’s Alpha yang didapatkan harus > 0,7. Sedangkan,

pada pelitian ini Cronbach’s Alpha yang didapatkan pada semua variabel adalah >

0,7 sehingga dapat disimpulkan bahwa instrumen yang digunakan sangat reliabel.

Hal tersebut menunjukkan bahwa apabila instrumen tersebut digunakan beberapa

kali untuk mengukur objek yang sama, akan menghasilkan data yang sama.

Berdasarkan hasil analisis yang telah dilakukan dengan bantuan tools

SmartPLS dan IBM Statistic SPSS, diketahui bahwa terdapat 26 indikator indikator

variabel e-GovQual yang digunakan sebagai acuan dalam penilaian kualitas

layanan aplikasi Depok Single Window (DSW) kepada responden dinyatakan valid
 174

dan reliabel baik terhadap persepsi kualitas layanan aplikasi DSW saat ini maupun

harapan kualitas layanan aplikasi DSW.

Peneliti beranggapan kemungkinan besar hasil pengujian menunjukkan

bahwa instrumen dikatakan valid dan reliabel dikarenakan peneliti menggunakan

insrumen yang ada dan sudah banyak digunakan, dan bukan instrumen yang

disusun sendiri oleh peneliti. Sehingga reliabilitas dan validitasnya sudah terbukti

dan dapat digunakan ke tahap selanjutnya. Hasil pilot study dapat dilihat pada

Lampiran.

4.3.2 Interpretasi Data Hasil Analisis Demografis

Berdasarkan hasil analisis informasi demografis profil responden, peneliti

melakukan interpretasi dan mendiskusikan hasil analisisnya yaitu:

1. Jenis Kelamin

Seperti yang dapat dilihat pada Gambar 4.4 menampilkan diagram lingkaran

jenis kelamin responden, Dapat diketahui bahwa sekitar dari jumlah

responden sebanyak 210 yang mendominasi adalah responden dengan jenis

kelamin laki-laki sebanyak 121 responden atau 58%, sisanya perempuan

dengan jumlah 89 responden atau 42%. Hasil persebaran data tersebut terjadi

karena penyebaran kuesioner pada beberapa media sosial (Facebook, Twitter,

Instagram, Whatsapp) dan beberapa staff Diskominfo Pemerintah Kota

Depok yang turut ikut membantu menyebarkan dengan lingkup yang

didominasi oleh laki-laki.

2. Pekerjaan
 175

Dari Gambar 4.5 menampilkan diagram lingkaran pekerjaan responden pada

penelitian ini. Diketahui bahwa dari 210 data responden yang digunakan di

dalam penelitian ini, pekerja responden didominasi oleh Pegawai Swasta,

yaitu: dengan jumlah 85 responden atau 40%, Peneliti merasa bahwa hal ini

bukan suatu keanehan, dikarenakan hasil tersebut konsisten dengan laporan

Badan Pusat Statistik Kota Depok (2018) yang menyatakan bahwa penduduk

Kota Depok yang bekerja menurut status pekerjaan di Kota Depok paling

banyak adalah bekerja sebagai Pegawai Swasta/Karyawan/Buruh/Employee

dengan presentase sebesar 68,29%.

3. Usia

Dari Gambar 4.6 menampilkan diagram lingkaran usia responden pada

penelitian ini. Diketahui bahwa dari 210 data responden yang digunakan di

dalam penelitian ini, usia responden didominasi dengan range 17 – 25 tahun

dengan jumlah 113 responden atau 54%, Hasil pesebaran data tersebut terjadi

karena penyebaran kuesioner secara online dengan memanfaatkan media

sosial peneliti dan dengan bantuan teman-teman peneliti sehingga responden

memiliki dominasi kelompok usia yang sama dengan peneliti. Selain itu,

dikarenakan penyebaran kuesioner yang memanfaatkan media sosial

Facebook, Twitter, Instagram, dan Whatsapp yang menurut penelitian yang

dilakukan Marsono (2014) sebagai Kepala Unit Bisnis Digital Dwi Sapta

Group usia 19 – 25 tahun lebih haus akan informasi sehingga media sosial

atau aplikasi software yang digunakan lebih bermacam-macam.

 176

4. Pendidikan Terakhir

Pada Gambar 4.5 menampilkan diagram lingkaran pekerjaan responden pada

penelitian ini. Diketahui bahwa jenjang pendidikan terakhir yang ditempuh

oleh responden paling banyak didominasi oleh lulusan S1 sebanyak 94

responden atau 45% dan tidak ada responden dengan pendidikan terakhir S3

dan lainnya. Peneliti merasa bahwa hal ini bukan suatu keanehan,

dikarenakan hasil tersebut konsisten dengan laporan Badan Pusat Statistik

Kota Depok (2018) yang menyatakan bahwa pendidikan terakhir di Kota

Depok paling banyak adalah lulusan S1 sebesar 11,17%.

5. Frekuensi Penggunaan Aplikasi

Gambar 4.8 menampilkan diagram lingkaran frekuensi pengguna aplikasi

Depok Single Window (DSW) pada penelitian ini. Bahwa dari jumlah 210

responden yang dilibatkan dalam penelitian ini, frekuensi kunjungan dari

responden didominasi kurang dari sebulan sekali dengan jumlah 91

responden atau 43%, sebulan sekali dengan jumlah 68 responden atau 32%,

seminggu sekali dengan jumlah 43 responden atau 21, dan setiap hari dengan

jumlah 8 responden atau 4%. Dari hasil persebaran data tersebut, dapat dilihat

masih banyak pengguna aplikasi jarang menggunakan situs/sistem aplikasi

ini. Peneliti berasumsi bahwa hal ini mungkin terjadi karena tingkat

aksesibilitas aplikasi Depok Single Window (DSW) dianggap kurang dan

tidak dapat dibuka pada beberapa perangkat pengguna yang menyebabkan

keterbatasan akses pengguna dalam mengakses informasi. Misalnya, aplikasi

DSW ini baru hanya bisa diakses mengunakan perangkat Android, namun
 177

tidak menutup kemungkinan, banyak juga warga Kota Depok yang

menggunakan perangkat IOS/Iphone sehingga tidak dapat mengakses aplikasi

DSW. Lalu dapat pula disebabkan oleh kesulitan masyarakat dalam

berinteraksi atau menggunakan aplikasi Depok Single Window (DSW).

Misalnya, aplikasi sering terjadi force close, respon jawaban aspirasi warga

perlu menunggu lama untuk dapat respon, terkadang informasi belum up to

date, sistem masih banyak yang error (seperti: error pada saat pendaftaran

akun maupun login sistem, gagal mendaftar antrian puskesmas dan tidak

muncul nomor antrian, dan error pada pengajuan-pengajuan lainnya).

Peneliti berpendapat bahwa hasil pemaparan tersebut sesuai dengan

pengamatan dilapangan dan dapat memberikan dukungan atas temuan ini.

6. Durasi Mengakses Aplikasi

Gambar 4.9 menampilkan diagram lingkaran frekuensi pengguna aplikasi

Depok Single Window (DSW) pada penelitian ini. Bahwa dari jumlah 210

responden yang dilibatkan dalam penelitian ini, durasi akses yang dilakukan

oleh responden didominasi dengan waktu 5–15 menit dengan jumlah 96

responden atau 46%. Dari hasil persebaran data tersebut, peneliti berasumsi

bahwa pengguna dengan durasi waktu 5–15 menit dalam sehari yang artinya

dapat disebabkan oleh sebagian pengguna cenderung menggunakan aplikasi

atas dasar keinginan atau kebutuhan saja seperti membuka aplikasi sekedar

untuk mengecek informasi dalam fitur Kampung Siaga yang terdapat berita

tentang Covid-19, melihat berita Depok, mengecek/mendaftar nomor antrian

Puskesmas/Rumah Sakit, mengecek waktu salat/informasi cuaca,

 178

mencari/membaca katalog buku di fitur perpustakaan, mengecek lowongan

kerja/job fair terbaru, mengecek keadaan arus lalu-lintas atau bahkan hanya

sekedar menggunakan fitur WIFI publik yang tersedia pada aplikasi DSW.

Peneliti berpendapat bahwa hasil pengamatan dilapangan memberikan

dukungan atas temuan ini.

4.3.3 Interpretasi Data Hasil Analisis Model Penelitian

Berdasarkan dari data penyebaran kuesioner yang telah terkumpul,

selanjutnya peneliti melakukan pengolahan data menggunakan metode Structured

Equotion Model-Partial Least Square (SEM-PLS) dengan bantuan tools SmartPLS.

Pada penelitian ini dilakukan analisis dengan dua tahap untuk model penelitian,

yaitu: analisis outer model / measurement model dan inner model / structural model.

a. Interpretasi dan Hasil Analisis Model Pengukuran (Outer Model)

Evaluasi outer model dalam penelitian ini dilakukan melalui dua tahap,

yaitu: evaluasi pada konstruk first order ialah konstruk yang dibentuk oleh

indikator-indikatornya dan evaluasi pada konstruk second order yaitu:

konstruk yang dibentuk oleh konstruk first order yang menjadi dimensinya

seperti pada Gambar 4.10 yang menunjukkan hasil analisis setelah melalui

analisis outer model.

Pada pengujian model pengukuran dilakukan uji individual item

reliability untuk menilai besarnya hubungan antar item pengukuran

(indikator) dengan variabel dengan acuan nilai loading factor di atas 0,7 dapat

dikatakan ideal yang artinya indikator tersebut dapat dikatakan valid sebagai
 179

indikator yang dapat mengukur konstruk atau variabelnya (Henseler et al.,

2009; Hair et al., 2012; Irawati & Putra, 2015; Sarsted et al., 2014).

Hasil dari pengujian individual item reliability ini memiliki hubungan

antar item pengukuran indikator Efficiency (EF), Trust (TRS), Reliability

(RLB), Citizen Support (CS), User Satisfaction (USAT), dan Intent to Reuse

(USE) memiliki nilai di atas 0,7. Artinya, hasil uji tersebut dapat dikatakan

ideal atau valid sebagai indikator yang dapat mengukur variabelnya sehingga

dapat dinyatakan model penelitian yang digunakan valid atau reliabel.

Setelah dilakukan pengujian individual item reliability, dilanjutkan

dengan pengujian internal consistency reliability yang dilakukan dengan

menggunakan acuan nilai Composite Reliability (CR) dengan ambang batas

0,7 (Yamin & Kurniawan, 2011; Hair et al., 2012; Wong, 2013; Subiyakto et

al., 2015; Irawati & Putra, 2015; Nugroho et al., 2016).

Peneliti menyimpulkan hasil dari pengujian internal consistency

reliability semua indikator memiliki nilai CR di atas 0,7 dan sehingga dapat

dinyatakan model penelitian yang digunakan valid atau reliabel. Berikut

penjabar hasil nilai CR pada Tabel 4.3 yaitu: variabel Efficiency (EF)

memiliki nilai CR sebesar 0,895, Trust (TRS) memiliki nilai CR sebesar

0,884, Reliability (RLB) memiliki nilai CR sebesar 0,886, Citizen Support

(CS) memiliki nilai CR sebesar 0,919, User Satisfaction (USAT) memiliki

nilai CR sebesar 0,871, dan Intent to Reuse (USE) memiliki nilai CR sebesar

0,868.
 180

Setelah dilakukan pengujian internal consistency reliability,

dilanjutkan dengan pengujian average variance extracted (AVE) untuk

mengetahui besaran keragaman variabel yang dilakukan dengan

menggunakan acuan dengan nilai AVE minimal 0,5 yang menunjukkan

ukuran convergent validity (Yamin & Kurniawan, 2011; Hair et al., 2012;

Wong, 2013; Subiyakto et al., 2015; Irawati & Putra, 2015; Nugroho et al.,

2016).

Peneliti menyimpulkan hasil dari pengujian average variance extracted

(AVE) semua indikator memiliki nilai AVE di atas 0,5 dan sehingga dapat

dinyatakan model penelitian yang digunakan valid atau reliabel. Berikut

penjabar hasil nilai pengujian AVE pada Tabel 4.4 yaitu: variabel Efficiency

(EF) memiliki nilai AVE sebesar 0,550, Trust (TRS) memiliki nilai AVE

sebesar 0,655, Reliability (RLB) memiliki nilai AVE sebesar 0,565, Citizen

Support (CS) memiliki nilai AVE sebesar 0,741, User Satisfaction (USAT)

memiliki nilai AVE sebesar 0,772, dan Intent to Reuse (USE) memiliki nilai

AVE sebesar 0,688.

Setelah dilakukan pengujian average variance extracted (AVE),

dilanjutkan dengan pengujian discriminant validity yang dilakukan melalui

cross loading, kemudian membandingkannya dengan nilai akar AVE. Pada

penelitian ini pengujian discriminant validity dilakukan dengan 2 tahap yaitu:

melihat nilai cross loading antar indikator, serta cross loading Fornell-

Lacker’s (Yamin & Kurniawan, 2011; Hair et al., 2014).

 181

Peneliti menyimpulkan hasil dari pengujian discriminant validity

melalui cross loading dengan bantuan tools SmartPLS memperlihatkan

bahwa nilai loading pada konstruk yang dituju ternyata lebih besar

dibandingkan dengan nilai loading dengan konstruk yang lain. Hal tersebut

dapat dilihat dari angka-angka yang diterangi dengan warna biru pada Tabel

4.5.

Pemeriksaan nilai cross loading Fornell-Lacker’s juga dilakukan

peneliti dengan bantuan tools SmartPLS dengan melihat nilai akar AVE harus

lebih tinggi dari korelasi antar konstruk dengan konstruk lainnya. Hal tersebut

dapat dilihat pada Tabel 4.6 yang menunjukkan bahwa nilai akar AVE pada

pengujian nilai cross loading Fornell-Lacker’s juga lebih tinggi dari pada

korelasi antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil

pemeriksaan dua tahap cross loading diketahui bahwa tidak ada masalah

dalam uji discriminant validity.

Secara singkat, dapat disimpulkan bahwa hasil analisis pengukuran

model (outer model) tersebut menunjukkan model yang peneliti ajukan sudah

memenuhi karakeristik yang baik secara statistik sehingga dapat memenuhi

syarat untuk dilanjutkan ke tahap pengujian struktur model (inner model).

b. Interpretasi dan Hasil Analisis Struktur Model

Hasil analisis struktural yang terdapat pada model pada second order

yang terdiri atas uji path coefficients (𝛽) yang ada pada Tabel 4.8 dan Tabel

4.9, coefficient of determination (𝑅2 ) yang ada pada Tabel 4.10, t-Test dengan
 182

menggunakan metode bootstrapping pada Tabel 4.11, maka didapatkan hasil

bahwa:

1) Terdapat tujuh hipotesa yang signifikan dan diterima, dimana

didapatkan pemaparan hasil analisis berikut yang dilakukan dengan

hipotesis-hipotesis yang telah dirumuskan sebelumnya.

Tabel 4.15 Hasil Uji Hipotesis

Hipotesis Keterangan
Path
T-test Coefficient Path
Hasil
No Jalur (𝜷) Coefficient
Pengujian
(𝜷)
H1 EF → EGSQ 33,074 0,336 Signifikan Diterima
H2 TRS → EGSQ 20,236 0,220 Signifikan Diterima
H3 RLB → EGSQ 24,797 0,283 Signifikan Diterima
H4 CS → EGSQ 18,217 0,254 Signifikan Diterima
H5 EGSQ → USAT 18,144 0,780 Signifikan Diterima
H6 EGSQ → USE 8,891 0,619 Signifikan Diterima
H7 USAT → USE 2,765 0,219 Signifikan Diterima

H1 Efficiency (EF) memiliki terhadap e-Government Service Quality (EGSQ)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients (𝛽) menunjukkan bahwa variabel Efficiency (EF)

memiliki pengaruh signifikan terhadap kualitas layanan e-Government, serta

menunjukkan bahwa variabel EF dalam konstruk first order merupakan

konstruk dimensi pembentuk konstruk e-Government Service Quality

(Ghozali, 2015). Kemudian pada pengujian t-Test, juga didapatkan hasil yang

valid pada indikator pembentuk variabel EF mulai dari EF1, EF2, EF3, EF4,

EF5, EF6, dan EF7. Indikator tersebut memiliki hubungan antara variabel EF

dan e-Government Service Quality karena memiliki nilai T-statistik di atas

1,96.
 183

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(Papadomichelaki, e-GovQual; A multiple-item scale for asseing e-

Government service quality, 2012; Haryani, 2016; Charaselt, 2018) yang

menyatakan bahwa variabel eficiency memiliki pengaruh terhadap E-

Government Service Quality (EGSQ). Peneliti berpendapat bahwa hasil

pengamatan dilapangan memberikan dukungan atas temuan ini. Responden

berpendapat bahwa menggunakan layanan aplikasi Depok Single Window

(DSW) dengan efisien akan memberikan pengaruh kepada kualitas layanan

e-Government yang diterima. Hal ini ditunjukkan dengan penggunaan

aplikasi DSW yang cepat dalam mengakesnya 5-15 menit untuk mencari

data/informasi statistik, sesuai dengan hasil analisis demografis. Berdasarkan

hal tersebut maka hipotesis ini diterima.

H2 Trust (TRS) memiliki pengaruh terhadap e-Government Service Quality

(EGSQ)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients (𝛽) menunjukkan bahwa variabel Trust (TRS)

memiliki pengaruh signifikan terhadap kualitas layanan e-Government, serta

menunjukkan bahwa variabel TRS dalam konstruk first order merupakan

konstruk dimensi pembentuk konstruk e-Government Service Quality

(Ghozali, 2015). Kemudian pada pengujian t-Test, juga didapatkan hasil yang

valid pada indikator pembentuk variabel TRS mulai dari TRS1, TRS2, TRS3,
 184

dan TRS4. Indikator tersebut memiliki hubungan antara variabel TRS dan e-

Government Service Quality karena memiliki nilai T-statistik di atas 1,96.

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(Papadomichelaki, e-GovQual; A multiple-item scale for asseing e-

Government service quality, 2012; Haryani, 2016; Charaselt, 2018) yang

menyatakan bahwa variabel trust memiliki pengaruh terhadap E-Government

Service Quality (EGSQ). Peneliti berpendapat bahwa hasil pengamatan

dilapangan memberikan dukungan atas temuan ini. Responden berpendapat

bahwa Diskominfo Pemerintah Kota Depok sudah memberikan perlindungan

yang baik kepada pengguna atau masyarakat sehingga memunculkan

kepercayaan dalam menggunakan situs tersebut. Hal ini ditunjukkan dengan

kesediaan pengguna untuk mengisi data akun ketika ingin mengunduh

beberapa informasi yang mengharuskan untuk memiliki akses login ke

aplikasi DSW. Berdasarkan hal tersebut maka hipotesis ini diterima.

H3 Reliability (RLB) memiliki pengaruh terhadap e-Government Service

Quality (EGSQ)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients ( 𝛽) menunjukkan bahwa variabel Reliability

(RLB) memiliki pengaruh signifikan terhadap kualitas layanan e-

Government, serta menunjukkan bahwa variabel RLB dalam konstruk first

order merupakan konstruk dimensi pembentuk konstruk e-Government

Service Quality (Ghozali, 2015). Kemudian pada pengujian t-Test, juga

 185

didapatkan hasil yang valid pada indikator pembentuk variabel RLB mulai

dari RLB1, RLB2, RLB3, RLB4, RLB5 dan RLB6. Indikator tersebut

memiliki hubungan antara variabel RLB dan e-Government Service Quality

karena memiliki nilai T-statistik di atas 1,96.

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(Papadomichelaki, e-GovQual; A multiple-item scale for asseing e-

Government service quality, 2012; Haryani, 2016; Charaselt, 2018) yang

menyatakan bahwa variabel reliability memiliki pengaruh terhadap E-

Government Service Quality (EGSQ). Peneliti berpendapat bahwa hasil

pengamatan dilapangan memberikan dukungan atas temuan ini. Responden

berpendapat bahwa aplikasi Depok Single Window (DSW) sudah

memberikan kebenaran dan ketepaan waktu pengiriman layanan. Istilah ini

mencakup fungsi teknis kebenaran (aksesibilits dan ketersediaan) dan akurasi

janji layanan. Hal ini ditunjukkan dengan respon yang baik dan cepat ketika

pengguna menagkes aplikasi DSW dan berita/informasi yang ditampilkan

relevan. Berdasarkan hal tersebut maka hipotesis ini diterima.

H4 Citizen Support (CS) memiliki pengaruh terhadap e-Government Service

Quality (EGSQ)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients ( 𝛽) menunjukkan bahwa variabel Citizen

Support (CS) memiliki pengaruh signifikan terhadap kualitas layanan e-

Government, serta menunjukkan bahwa variabel CS dalam konstruk first

 186

order merupakan konstruk dimensi pembentuk konstruk e-Government

Service Quality (Ghozali, 2015). Kemudian pada pengujian t-Test, juga

didapatkan hasil yang valid pada indikator pembentuk variabel CS mulai dari

CS1, CS2, CS3, dan CS4. Indikator tersebut memiliki hubungan antara

variabel CS dan e-Government Service Quality karena memiliki nilai T-

statistik di atas 1,96.

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(Papadomichelaki, e-GovQual; A multiple-item scale for asseing e-

Government service quality, 2012; Haryani, 2016; Charaselt, 2018) yang

menyatakan bahwa variabel citizen support memiliki pengaruh terhadap E-

Government Service Quality (EGSQ). Peneliti berpendapat bahwa hasil

pengamatan dilapangan memberikan dukungan atas temuan ini. Responden

berpendapat bahwa bantuan yang diberikan untuk membantu masyarakat

dalam pencarian informasi atau bertransaksi data ketika mengakses aplikasi

Depok Single Window (DSW) sudah baik. Hal ini ditunjukkan dengan respon

yang baik dan cepat dari layanan masyarakat atau konsumen ketika pengguna

mengalami kesulitan ketika mencari data di aplikasi DSW. Berdasarkan hal

tersebut maka hipotesis ini diterima.

H5 E-Government Service Quality (EGSQ) memiliki pengaruh terhadap User

Satisfaction (USAT)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients (𝛽) menunjukkan bahwa variabel E-Government

 187

Service Quality (EGSQ) memiliki pengaruh signifikan terhadap User

Satisfaction (USAT), serta menunjukkan bahwa variabel EGSQ dalam

konstruk second order merupakan konstruk dimensi pembentuk konstruk

User Satisfacion (USAT) (DeLone & McLean, 2003; Wicaksono et al., 2012;

Haryani, 2016). Kemudian pada pengujian t-Test, juga didapatkan hasil yang

valid pada indikator pembentuk variabel USAT mulai dari USAT1, dan

USAT2. Indikator tersebut memiliki hubungan antara variabel E-Government

Service Quality (EGSQ) dan User Satisfaction (USAT) karena memiliki nilai

T-statistik di atas 1,96.

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016, Fajrisani,

2019) yang menyatakan bahwa variabel E-Government Service Quality

(EGSQ) memiliki pengaruh terhadap variabel User Satisfaction (USAT)

Peneliti berpendapat bahwa hasil pengamatan dilapangan memberikan

dukungan atas temuan ini. Responden berpendapat bahwa Diskominfo

Pemerintah Kota Depok sudah memberikan kepuasan secara keseluruhan

akan kualitas layanan yang dirasakan pengguna namun masih perlu

ditingkatkan lagi kinerjanya. Hal ini ditunjukkan dengan respon pengguna

tertarik untuk konsisten menggunakan aplikasi DSW. Berdasarkan hal

tersebut maka hipotesis ini diterima.

 188

H6 E-Government Service Quality (EGSQ) memiliki pengaruh terhadap

Intent to Reuse (USE)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients (𝛽) menunjukkan bahwa variabel E-Government

Service Quality (EGSQ) memiliki pengaruh signifikan terhadap Intent to

Reuse (USE), serta menunjukkan bahwa variabel EGSQ dalam konstruk

second order merupakan konstruk dimensi pembentuk konstruk Intent to

Reuse (USE) (DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani,

2016). Kemudian pada pengujian t-Test, juga didapatkan hasil yang valid

pada indikator pembentuk variabel USE mulai dari USE1, USE2 dan USE3.

Indikator tersebut memiliki hubungan antara variabel E-Government Service

Quality (EGSQ) dan Intent to Reuse (USE) karena memiliki nilai T-statistik

di atas 1,96.

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016) yang

menyatakan bahwa variabel E-Government Service Quality (EGSQ) memiliki

pengaruh terhadap variabel Intent to Reuse (USE) Peneliti berpendapat bahwa

hasil pengamatan di lapangan memberikan dukungan atas temuan ini.

Responden berpendapat bahwa Diskominfo Pemerintah Kota Depok sudah

memberikan kepuasan secara keseluruhan akan kualitas layanan yang

dirasakan pengguna namun masih perlu ditingkatkan lagi kinerjanya. Hal ini

ditunjukkan dengan respon pengguna tertarik untuk terus menggunakan

 189

sehingga muncul niat memberitahu/merekomendasikan aplikasi DSW kepada

orang lain. Berdasarkan hal tersebut maka hipotesis ini diterima.

H7 User Satisfaction (USAT) memiliki pengaruh terhadap Intent to Reuse

(USE)

Berdasarkan hasil pengujian struktural model yang dilakukan, hasil dari

pengujiam path coefficients ( 𝛽) menunjukkan bahwa variabel User

Satisfaction (USAT) memiliki pengaruh signifikan terhadap Intent to Reuse

(USE), serta menunjukkan bahwa variabel USAT dalam konstruk second

order merupakan konstruk dimensi pembentuk konstruk Intent to Reuse

(USE) (DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016).

Kemudian pada pengujian t-Test, juga didapatkan hasil yang valid. Indikator

tersebut memiliki hubungan antara variabel User Satisfaction (USAT) dan

Intent to Reuse (USE) karena memiliki nilai T-statistik di atas 1,96.

Hal ini konsisten dengan penelitian yang dilakukan sebelumnya oleh

(DeLone & McLean, 2003; Wicaksono et al., 2012; Haryani, 2016) yang

menyatakan bahwa variabel User Satisfaction (USAT) memiliki pengaruh

terhadap variabel Intent to Reuse (USE). Peneliti berpendapat bahwa hasil

pengamatan dilapangan memberikan dukungan atas temuan ini. Responden

berpendapat bahwa Diskominfo Pemerintah Kota Depok sudah memberikan

kepuasan akan kualitas layanan yang dirasakan pengguna namun masih perlu

ditingkatkan lagi kinerjanya. Hal ini ditunjukkan dengan respon intensitas

 190

atau keinginan pengguna untuk menggunakan layanan aplikasi DSW.

Berdasarkan hal tersebut maka hipotesis ini diterima.

4.3.4 Interpretasi Hasil Uji Paired Samples T-Test

Hasil akhir dari analisis uji Paired Sample t-Test menunjukkan bahwa

terdapat perbedaan yang signifikan antara kedua nilai atau dapat dikatakan bahwa

terdapat kesenjangan/gap antara persepsi dan harapan terhadap kualitas layanan

aplikasi tersebut.

Hasil tersebut diperkuat dengan analisis yang dilakukan menggunakan

analisis kesenjangan seperti yang dapat dilihat pada Tabel 4.21 Berdasarkan analisis

tersebut diketahui bahwa rata-rata nilai kesenjangan tertinggi terdapat variabel

Intent to Reuse dengan nilai rata-rata sebesar -0,64, kemudian disusul dengan

variabel Reliability dan Citizen Support dengan nilai rata-rata yang sama sebesar -

0,65, lalu variabel Efficiency yang rata-ratanya -0,54, lalu variabel User Satisfaction

yang rata-ratanya -0,50, dan Trust dengan nilai rata-rata -0,47.

Hal ini terjadi karena peneliti beranggapan bahwa hasil kinerja aplikasi DSW

yang dirasakan pengguna belum sesuai dengan harapan atau kepentingan

penggunanya terlebih pada keandalan dalam mengguakan dan menerima layanan

dari situs yang dimiliki oleh Diskominfo Pemkot Depok.

4.3.5 Interpretasi Hasil Analisis Kesesuaian

Hasil kesesuaian yang ada pada Tabel 4.2 dari penelitian ini didapatkan

bahwa:
 191

a. Dimensi Efficiency (EF) mendapatkan rerata tingkat kesesuaian sebesar

85,93% atau sama dengan rerata 6 dimensi yang lain, hal ini menyatakan

bahwa layanan yang ada terkait dengan dimensi ini harus ditingkatkan.

b. Dimensi Trust (TRS) mendapatkan rerata tingkat kesesuaian sebesar

87,64% atau lebih tinggi dari rerata 6 dimensi yang lain, hal ini

menyatakan bahwa diantara 6 dimensi yang lain dimensi ini adalah yang

paling memberikan layanan paling baik.

c. Dimensi Reliability (RLB) mendapatkan rerata tingkat kesesuaian sebesar

85,52% atau sama dengan rerata 6 dimensi yang lain, hal ini menyatakan

bahwa layanan yang ada terkait dengan dimensi ini harus ditingkatkan.

d. Dimensi Citizen Support (CS) mendapatkan rerata tingkat kesesuaian

sebesar 85,20% atau sama dengan rerata 6 dimensi yang lain, hal ini

menyatakan bahwa layanan yang ada terkait dengan dimensi ini harus

ditingkatkan.

e. Dimensi User Satisfaction (USAT) mendapatkan rerata tingkat kesesuaian

sebesar 86,82% atau sama dengan rerata 6 dimensi yang lain, hal ini

menyatakan bahwa layanan yang ada terkait dengan dimensi ini harus

ditingkatkan.

f. Dimensi Intent to Reuse (USE) mendapatkan rerata tingkat kesesuaian

sebesar 82,89% atau dibawah rerata 6 dimensi yang lain, hal ini

menyatakan bahwa diantara 6 dimensi yang lain maka dimensi ini adalah

dimensi yang perlu mendapatkan perhatian lebih dari pengelola Aplikasi

Depok Single Window (DSW).

 192

4.3.6 Interpretasi Hasil Analisis Kesenjangan (Gap Analysis)

Hasil analisis kesenjangan / gap yang ada pada Tabel 4.21 dari penelitian ini

didapatkan bahwa:

a. Dimensi Efficiency (EF) mendapatkan rerata nilai gap sebesar (-0,53) atau

lebih tinggi dari rerata 6 dimensi yang lain, hal ini menyatakan bahwa

harapan lebih besar dari kenyataan yang diberikan oleh aplikasi Depok

Single Window (DSW) sehingga perlu menjadi perhatian pengembang

aplikasi.

b. Dimensi Trust (TRS) mendapatkan rerata nilai gap sebesar (-0,47) atau

lebih rendah dari rerata 6 dimensi yang lain, hal ini menyatakan bahwa

diantara 6 dimensi yang lain dimensi ini adalah yang paling memberikan

layanan paling baik.

c. Dimensi Reliability (RLB) mendapatkan rerata nilai gap sebesar (-0,56)

atau sama dengan rerata 6 dimensi yang lain, hal ini menyatakan bahwa

terjadi perbedaan antara harapan dan kenyataan yang ada ketika

menggunakan aplikasi Depok Single Window (DSW) yang perlu

diperbaiki.

d. Dimensi Citizen Support (CS) mendapatkan rerata nilai gap sebesar (-

0,56) atau sama dengan rerata 6 dimensi yang lain, hal ini menyatakan

bahwa terjadi perbedaan antara harapan dan kenyataan yang ada ketika

menggunakan aplikasi yang perlu diperbaiki.

 193

e. Dimensi User Satisfaction (USAT) mendapatkan rerata nilai gap sebesar

(-0,50) atau sama dengan rerata 6 dimensi yang lain, hal ini menyatakan

bahwa terjadi perbedaan antara harapan dan kenyataan yang ada ketika

menggunakan aplikasi yang perlu diperbaiki.

f. Dimensi Intent to Reuse (USE) mendapatkan rerata nilai gap sebesar (-

0,64) atau lebih besar dari rerata 6 dimensi yang lain, hal ini menyatakan

bahwa diantara 6 dimensi yang lain maka dimensi ini memiliki kunerja

yang paling rendah.

4.3.7 Interpretasi Hasil Analisis Importance Performance Analysis (IPA)

Berdasarkan Gambar 4.11 dapat dijabarkan pengklasifikasian faktor-faktor

layanan berdasarkan kepuasan pengguna dilihat dari hasil nilai persepsi dan

harapan menggunakan Importance Performance Analysis (IPA) atau analisis

kuadran adalah sebagai berikut:

a. Kuadran A (Prioritas Utama)

Terdapat 2 indikator yang termasuk dalam kuadaran A atau yang menjadi

prioritas utama untuk perbaikan yaitu: dimana 1 indikator berasal dari dimensi

efficiency dalam struktur atau alur proses jelas dan mudah diikuti (EF1) dan 1

indikator lagi berasal dari dimensi citizen support yaitu: pengelola memiliki

kemampuan untuk menyampaikan layanan dengan kepercayaan dan keyakinan

(CS4).

Indikator pada kuadran A merupaka fator-faktor yang menjadi prioritas utama

perbaikan atau peningkatan kualitas layanan karena pada kuadran A terdapat faktor
 194

penting atau faktor yang diharapkan pengguna teteapi kinerja layanan aplikasi

DSW masih rendah sehingga dirasa belum memuaskan pengguna. Oleh sebab itu,

pihak Pemkot Depok perlu mengalokasikan sumber daya yang memadai untuk

meningkatkan kinerja yang sudah ada.

Untuk kondisi saat ini yang terjadi dilapangan adalah telah adanya upaya

yang dilakukan oleh pihak Diskominfo Pemkot Depok dalam melakukan perbaikan

kualitas layanan aplikasi DSW dengan merencanakan pembentukan tim khusus

yaitu: pengelola atau pengembang aplikasi meningkatkan aksesibilitas dan

penyegaran alur tampilan aplikasi DSW sehingga dapat memberikan kemudahan

pengguna untuk menjelajahi aplikasi DSW dan dapat menyediakan informasi

terbaru dengan tepat dan terperinci.

Berdasarkan hasil wawacara dengan pihak pengelola aplikasi DSW (Bapak

Denhas selaku Kepala Divisi Aplikasi Diskominfo Depok) menyatakan bahwa saat

ini upaya mensosialisasikan aplikasi DSW hanya dilakukan dengan cara

menggunakan baliho, website Pemkot Depok, serta pihak Pemkot Depok

mengumumkan kepada kecamatan dan kelurahan dan pada lingkup RT/RW untuk

mengunduh aplikasi DSW juga serta terus mensosialisasikan dan meyakinkan

masyarakat untuk turut menggunakan.

Dengan ini peneliti mengajukan saran kepada pihak terkait untuk lebih

meyakinkan pengguna dan lakukan promosi yang lebih menarik berupa iklan

menarik, pembuatan testimoni melalui publik figur atau tokoh masyarakat guna

membuat semakin banyak masyaraka kota Depok dapat merasa yakin dan tertarik

untuk menggunakan aplikasi DSW.

 195

b. Kuadran B (Pertahankan Prestasi)

Terdapat 13 indikator yang perlu dipertahankan yang terletak pada kuadran

B dimana 3 indikator berasal dari dimensi efficiency yaitu: tampilan halaman

aplikasi yang memudahkan dalam mengakses (EF3), aplikasi selalu memberikan

informasi terbaru (EF6), petunjuk pengisian cukup membantu (EF7), serta 1

indikator berasal dari dimensi trust yaitu: kepercayaan terhadap username dan

password aplikasi aman (TRS1), lalu 5 indikator berasal dari dimensi reliability

yaitu: aplikasi mudah diakses kapan pun dibutuhkan (RLB2), keberhasilan layanan

ketika pertama kali diakses (RLB3), memberikan pelayanan tepat waktu (RLB4),

keberhasilan akses layanan dengan waktu yang cukup singkat (RLB5), dan

kecocokan sistem dengan perangkat (RLB6), serta sisanya 2 indikator berasal dari

citizen support yaitu: pengelola tanggap terhadap masalah pengguna (CS1),

pengelola memberikan respon yang cepat untuk pertanyaan pengguna (CS2),

pengelola memiliki pengetahuan yang cukup untuk menjawab pertanyaan-

pertanyaan pengguna (CS3), dan pengelola memiliki kemampuan untuk

menyampaikan layanan dengan kepercyaan dan keyakinan (CS4).

Indikator-indikator yang terletak pada kuadran B merupakan faktor-faktor

ang menjadi kepuasan tertinggi pengguna layanan aplikasi DSW agar

dipertahankan kualitasnya, karena pada kuadran B sudah dianggap memenuhi

harapan. Dengan kata lain indikator-indikator ini dinilai sesuai atau melebihi

harapan/kentingan dari penggunanya, sehingga pihak Diskominfo Pemkot Depok

perlu memastikan bahwa kinerjayang dkelola dapat terus dipertahankan prestasinya

atas pencapaian yang telah dilakukan.

 196

c. Kuadran C (Prioritas Rendah)

Terdapat 6 faktor yang menjadi prioritas rendah perbaikan dipertahankan

dimana 2 indikator berasal dari dimensi efficiency yaitu: mesin pencarian (search

engine) dari tiap layanan pada aplikasi bekerja efektif sehingga memudahkan

pencarian (EF2) dan informasi yang diberikan pada aplikasi cukup terperinci (EF5),

serta 1 indikator berasal dari dimensi citizen support yaitu: pengelola memberikan

respon yang cepat untuk pertanyaan pengguna (CS2), lalu 1 indikator berasal dari

dimensi user satisfaction yaitu: kepuasan pengguna terhadap performa layanan

aplikasi (USAT2), serta sisanya terdapat 2 indikator yang berasal dari dimensi

intent to reuse yaitu: frekuensi mengakses aplikasi (USE2) dan rekomendasi

aplikasi kepada orang lain (USE3).

Indikator-indikator yang terletak pada kuadran C ini merupakan faktor-faktor

dengan prioritas rendah, karena padakuadran C kinerja dirasa rendah oleh pengguna

namun haran atau kepentingannya juga tidak dianggap pening oleh pengguna.

Sehingga indikator ini tidak menjadi prioritas utama pihak Diskominfo Pemkot

Depok dalam memberikan perhatian dan mengadakan perbaikan.

Peneliti beranggapan bahwa saat ini layanan yang diberikan pada aplikasi

DSW cukup membantu masyarakat dalam kemudahan mendapatkan pelayanan

yang dapat meminimalisir tenaga, waktu, dan biaya karena tidak harus mendownlod

berbagai macam aplikasi yang disediakan oleh Diskominfo Pemkot Depok satu

persatu yang dapat mengakibatkan ruang penyimpanan perangkat menjadi penuh,

namun saat ini masyarkat sudah dapat menggunakannya seperti mengguakan media

sosial pada umumnya kapanpun dan dimana pun, karena Depok Single Window
 197

(DSW ) saat ini sudah terintegrasi dari beberapa portal layanan dalam satu aplikasi

dengan layanan-layanan pemerintah kota Depok seperti, antrian online kesehatan

(RSUD, Puskesmas, BPJS), informasi seputar Depok atau Covid19, perpustakaan,

menggunakan WiFi publik, membayar zakat, info cuaca, lalu lintas, dan cek tagihan

pajak serta PLN juga dapat diakses di sini karena aplikasi ini juga bekerja sama

dengan Pemkot Depok seperti PLN, RSUD, dan Kepolisian.

d. Kuadran D (Kurang Penting)

Terdapat 5 faktor yang dianggap tidak begitu penting terletak pada kuadran

D dimana 1 indikator berasal dari dimensi efficiency yaitu: aplikasi memenuhi

harapan pengguna (EF4), lalu 2 indikator berasal dari dimensi trust

yaitu:otentifikasi data pribadi (TRS2) dan penggunaan data pribadi untuk tujuan

yang jelas (TRS4), serta 1 indikator berasal dari dimensi reliability yaitu: waktu

unduh formulir singkat (RLB1), serta sisanya 1 indikator berasal dari dimensi Intent

to Reuse yaitu: keberlanjutan menggunakan aplikasi (USE1).

Indikator-indikator yang terletak pada kuadran D ini merupakan faktor yang

dianggap kurang penting atau dalam kondisiyang berlebihan, yaitu: kinerja dari

aplikasi DSW sudah dianggap sangat baik, namun kepentingannya dinilai rendah

oleh pengguna sehingga sering diabaikan. Oleh karena itu, Diskominfo Pemkot

Depok harus mengevalasi indikator ini, alih-alih terusberlant fokus pada kuadran

ini, mereka harus mengaloksikan lebih banyak sumber daya untuk menangani

indikator yang berada di kuadran A.

 198

4.4 Rekomendasi

Rekomendasi yang dibuat adalah berdasarkan hasil dari analisis kualitas

layanan aplikasi e-Government Depok Single Window (DSW) berbasis mobile dan

dapat digunakan sebagai acuan dalam meningkatkan kualitas layanan aplikasi DSW

yang merujuk pada hasil dari masing-masing variabel pada penelitian ini.

Rekomendasi berdasarkan variabel yang digunakan pada penelitian ini adalah

sebagai berikut:

Tabel 4.16 Rekomendasi

Variabel Analisis Rekomendasi

- Dari sisi desain aplikasi perlu adanya penyegaran tampilan
sehingga mempermudah masyarakat dalam menjelajahi
aplikasi Depok Single Window (DSW) dengan perangkat
apapun. Tampilan aplikasi dapat pula disederhanakan
Efficiency (EF) Accepted
sehingga tampilan tidak terkesan padat dan rumit.
- Dari sisi informasi perlu adanya update informasi secara
berkala sehingga informasi yang ditampilkan sesuai dengan
kondisi terbaru.
Pertahankan rasa kepercayaan pengguna dan lakukan
Trust (TRS) Accepted promosi yang menarik berupa pembuatan testimoni melalui
publik figur atau tokoh masyarakat.
Untuk pihak pengelola dapat melakukan uji coba dengan
Reliability (RLB) Accepted berbagai jenis perangkat dan berbagai jenis versi sistem
operasi sebelum meluncurkan update terbaru.
Dari sisi interaksi layanan perlu adanya tanggapan yang
Citizen Support
Accepted cepat dan akurat terhadap masukan (pertanyaan, kritik dan
(CS)
saran) yang diberikan oleh masyarakat.
- Untuk pihak pengelola dapat mengembangkan aplikasi
Depok Single Window (DSW) berdasarkan rekomendasi
yang diberikan atas dasar penelitan pada skripsi ini.
- Untuk pihak pengelola dapat melakukan evaluasi layanan
User Satisfaction
Accepted aplikasi secara berkala, setidaknya dua kali dalam satu
(USAT)
tahun, sehingga dapat diketahui hal-hal yang harus
diperbaiki dan ditingkatkan agar kualitas layanan aplikasi
Depok Single Window (DSW) senantiasa dalam kondisi
yang baik.
Intent to Reuse Perbanyak iklan yang menarik melalui media sosial, televisi,
(USE) ataupun perbanyak layanan signifikan seperti WIFI publik
gratis, layanan pembayaran dsb yang mengharuskan
masyarakat meng-install aplikasi DSW terlebih dahulu
Accepted
sebelum menggunakan layanan tsb guna membuat semakin
banyak masyarakat Kota Depok dapat tertarik untuk
menggunakan/meng-install/ mengunjungi kembali aplikasi
Depok Single Window (DSW).
199
 BAB 5

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil penelitian berkaitan dengan kualitas layanan aplikasi DSW

(Depok Single Window), dapat disimpulkan bahwa:

1. Masyarakat atau pengguna aplikasi DSW merasa puas terhadap kualitas layanan

e-Government yang ada pada aplikasi DSW yang terlihat dari nilai rata-rata

analisis kesesuaian dari 6 dimensi bernilai 85,67%, namun masih perlu

ditingkatkan lagi kinerjanya, karena nilai kesenjangan/gap masih menunjukkan

nilai negatif, dengan variabel Intention to Use (-0,64), Reliability (-0,56), Citizen

Support (-0,56), Efficiency (-0,54), User Satisfaction (-0,50), dan Trust (-0,47).

2. Keenam dimensi pada penelitian ini, berpengaruh signifikan terhadap e-

Government Service Quality pada aplikasi DSW. Hal ini terlihat dari nilai T-test

> 1,96 dan path coefficients (𝛽) > 0,1, atau 7 hipotesis yang ada di dalam

penelitian diterima.

3. Penambahan dua variabel yaitu: User Satisfaction dan Intent to Reuse

berpengaruh signifikan terhadap E-Government Service Quality karena

berdasarkan pengujian T-test, jalur tersebut diterima dan berdasarkan pengujian

path coefficients (𝛽), memiliki pengaruh yang signifikan. Hal tersebut terjadi

karena responden berpendapat bahwa Diskominfo Pemkot Depok cukup

memberikan kepuasan akan kualitas layanan yang dirasakan pengguna. Hal ini

199
 200

ditunjukkan dengan respon intensitas atau keinginan pengguna untuk

menggunakan kembali layanan aplikasi DSW.

4. Berdasarkan integrasi analisis persamaan struktural dari keenam dimensi

kualitas layanan e-Government dengan IPA (Importance-Performance Analysis)

yang diukur dari tiap-tiap indikatornya menemukan bahwa atribut aplikasi DSW

yang sangat perlu untuk mendapat perhatian utama perbaikan adalah pada

indikator EF1 dan CS4 yaitu: pegawai tanggap terhadap masalah pengguna,

pegawai mempunyai pengetahuan yang memadai untuk menjawab pertanyaan

publik, pegawai mempunyai kemampuan untuk menyampaikan layanan dengan

kepercayaan dan keyakinan serta informasi tentang layanan yang memadai.

Kedua atribut ini memiliki kesenjangan (gap) yang paling besar antara persepsi

yang dirasakan pengguna saat ini dengan harapan yang ideal serta keduanya

mempunyai nilai loading factor yang terkecil yang berkontribusi terhadap

dimensi kualitas layanan pada aplikasi DSW. Oleh karena itu, kedua atribut

inilah yang pada penelitian ini dianggap perlu mendapatkan perhatian utama

sehubungan dengan perbaikan kinerja e-Government pada aplikasi DSW.

Di sisi lain, pada penelitian ini masih banyak memiliki keterbatasan yang

mengakibatkan hasil penelitian ini dirasa kurang optimal. Berikut adalah

keterbatasan penelitian ini:

1. Pada penelitian ini menggunakan pendekatan kuantitatif, penelitian ini

menghasilkan temuan berupa angka statistik yang kemudian di interpretasikan

berupa kata-kata asumsi atau anggapan justifikasi terhadap apa yang terjadi,
 201

maka temuan/hasil dari penelitian ini dinilai kurang mendalam untuk

menemukan masalah yang terjadi sebenarnya.

2. Pada penelitian ini penambahan variabel kepuasan pengguna (user

satisfaction) dan niat untuk menggunakan kembali (intent to reuse) dirasa

masih memiliki kekurangan dikarenakan hanya fokus mengukur pengaruhnya

terhadap kualitas layanan e-Government pada aplikasi DSW. Mungkin masih

dapat dilakukan eksplorasi pengaruh manfaat terhadap 2 (dua) variabel tersebut

sehingga dapat diketahui apakah manfaat yang dirasakan oleh pengguna akan

memengaruhi kepuasan pengguna dan mendorongnya untuk mengakses

sebuah layanan pada aplikasi DSW.

3. Keterbatasan penelitian dari segi waktu, sehingga penelitian ini dibatasi dari

sisi sudut pandang efektivitas serta sebaran responden kepada pengguna

layanan aplikasi DSW, kemungkinan masih dapat digali lebih jauh seberapa

efektif tingkat pelayanan yang telah diberikan pada layanan aplikasi DSW dari

sudut pandang/persepsi dan harapan pihak pengelola aplikasi selaku

pengembang layanan.

5.2 Saran

Berdasarkan hasil penelitian yang telah dilakukan, penulis memiliki beberapa

saran yang sekiranya dapat dipertimbangkan untuk penelitian selanjutnya,

khususnya yang tertarik dengan penelitian sejenis sebagai berikut:

 202

1. Dalam proses pengumpulan data, populasi respondennya agar dapat diperluas

tidak hanya masyarakat sebagai pengguna akhir layanan, tetapi mengambil

populasi dari sudut padang/perspektif pihak pengelola selaku penyedia layanan.

2. Bagi peneliti selanjutnya, dapat melakukan penambahan atau pengembangan

variabel lain seperti variabel manfaat bersih (Net Benefit) yang mempengaruhi

manfaat terhadap kepuasan pengguna dan niat untuk menggunakan kembali

aplikasi Depok Single Window (DSW) atau bisa dengan membandingkan

penggunaan model e-GovQual dengan model seperti E-S-Qual atau ServQual

berdasarkan persepsi dan harapan pengguna.

203
 DAFTAR PUSTAKA

Abdurrahman, M. Y (2017). Analisis E-Government Servce Quality Layanan

Aspirasi Dan Pengaduan Online Rakyat (Lapor!) Di Kota Bandung.

Skripsi, Universitas Telkom.

Acharya, A. S., Prakash, A., Saxena, P., Nigam, A., & Acharya, A. S. (2013).

Sampling: Why and How of it? Symposium Sampling: Why and How of it?

Indian Journal of Medical Specialities, 4(2), 330–333.

http://dx.doi.org/10.7713/ijms.2013.0032

Ahmadjayadi, C. (2004). Sistem Informasi Kepemerintahan Abad 21. Jakarta:

Kominfo.

Albar, Mooduto, H. A., Yuhefizar, Napitupulu, D., & Hidayat, R. (2018). Is e-

government service quality (E-Govqual) model still relevant? A Study in the

context of Indonesian Government. 2018 8th International Conference on

Computer Science and Information Technology, CSIT 2018, 2018-July, 155–

160. https://doi.org/10.1109/CSIT.2018.8486357

Alfiani, N. (2019). Pengukuran Kualitas Layanan Website Pemerintah Kota

Tangerang Selatan Menggunakan E-GovQual dan Importance

Performance Analysis. Skripsi, UIN Syarif Hidayatullah Jakarta.

Arikunto, S. (2010). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta:

Rineka Cipta, Cet. Ke-13.

Azwar, S. (2007). Sikap Manusia Teori dan Pengukurannya, Edisi ke-2.

Yogyakarta: Pustaka Pelajar Offset.

203
 204

Depok. (2019, Februari 20). Diskominfo Wujudkan E-Government. Retrieved from

https://www.jurnaldepok.id/

Dikananda, A. R., Pratama, F. A., & Rinaldi, A. R. (2020). E-learning Satisfaction

Menggunakan Metode Auto Model. Journal Informatics, Science &

Technology, 10(1), 1-6.

Diskominfo Depok. (2019, Februari 21). Diskominfo Optimalkan Penerapan E-

Government di Depok. Retrieved from https://diskominfo.depok.go.id/

Fajrisani, N. (2019). Penilaian Kualitas Layanan Aplikasi Tangerang LIVE

Menggunakan Framework E-GovQual. Skripsi, UIN Syarif Hidayatullah

Jakarta.

Fuad, A. (2013). Penilaian Kualitas Layanan E-Government Dengan Menggunakan

Dimensi E-Govqual (Studi Kasus Pemerintah Provinsi Jawa Timur). Jurnal

Teknik Pomits, 1(1), 1–6.

Gao, X., & Lee, J. (2017). E-government services and social media adoption:

Experience of small local governments in Nebraska state. Government

Information Quarterly, 34(4), 627–634. doi:10.1016/j.giq.2017.09.005

Gerow, K. G., & Scheaffer, R. L. (2011). Survey Sampling. Brooks/Cole.

https://books.google.co.id/books?id=QVg8YgEACAAJ

Ghozali, I. (2011). Structural Equation Modelling, Metode Alternatif Dengan

Partial Least Squares (PLS). Semarang: Badan Penerbit-Undip.

Ghozali I., L., H. (2015). Partial least squares konsep, teknik dan aplikasi

menggunakan program SmartPLS 3.0 untuk penelitian empiris (Ed.2.):

Semarang: Badan Penerbit Universitas Diponegoro.

 205

Guritno, S., & Rahardja, U. (2011). Theory and Application of IT Research:

Metodologi Penelitian Teknologi Informasi. Yogyakarta: Penerbit Andi.

Hair, J. F., Sarstedt, M., Pieper, T. M., & Ringle, C. M. (2012). The use of partial

least squares structural equation modeling in strategic management

research: a review of past practices and recommendations for future

applications. Long range planning, 45(5-6), 320-340.

Hair, 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, 26(2), 106–121.

https://doi.org/10.1108/EBR-10-2013-0128

Hair Jr, J. F., Sarstedt, M., Ringle, C. M., & Gudergan, S. P. (2017). Advanced

issues in partial least squares structural equation modeling. SaGe

Publications.

Handayani, N. U., Santoso, H., & Pratama, A. I. (2012). Faktor-Faktor yang

memengaruhi Peningkatan Daya Saing Klaster Mebel di Kabupaten Jepara.

Jurnal teknik industri, 13(1), 22-30.

Hartono, J. (2011). Konsep dan aplikasi structural equation modeling berbasis

varian dalam penelitian bisnis. Yogyakarta: UPP STIM YKPN.

Haryani, P. (2016). Evaluasi Kualitas Layanan E-Government Pemerintah Kota

Yogyakarta Dengan Metode E-GovQual. Data Managemen dan Teknologi

Informasi (DASI), 17(3), 44-50.

 206

Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least

squares path modeling in international marketing. In New challenges to

international marketing: Emerald Group Publishing Limited.

Henseler, K., Michael, Schuberth, F., Jörg, & Niehaves, B. (2019). A test for

multigroup comparison using partial least squares path modeling. Internet

research, 29(3), 464-477.

Hermana, B., & Silfianti, W. (2011). Evaluating E-government Implementation by

Local Government: Digital Divide in Internet Based Public Services in

Indonesia. International Journal of Business and Social Science, 2(3), 156-

163.

I., G. (2011). Structural Equation Modeling Metode Alternatif dengan Partial Least

Square. Semarang: Badan Penerbit-Undip.

Indonesia, P. R. (2001). Instruksi Presiden Republik Indonesia Nomor 6 Tahun

2001 Tentang Pengembangan Dan Pendayagunaan Telematika Di

Indonesia.

Indonesia, P. R. (2003). Instruksi Presiden Republik Indonesia Nomor 3 Tahun

2003 tentang Kebijakan dan Strategi Nasional Pengembangan E-

Government.

Indonesia, P. R. (2016). Instruksi Presiden Republik Indonesia Nomor 12 Tahun

2016 Tentang Gerakan Nasional Revolusi Mental.

Irawan, B. (2017). Studi Analisis Konsep E-Government: Sebuah Paradigma Baru

dalam Pelayanan Publik. Jurnal Paradigma (JP), 2(1), 174-201.

 207

Irawati, A., & Putra, D. (2015). Analisis Technology Acceptance Model dalam

Memahami Niat Perilaku Mahasiswa untuk Menggunakan E-Learning.

Prosiding Sembistek 2014, 1(01), 177-189.

James T Croasmun, & Lee Ostrom. (2011). Using Likert-type scales in the social

sciences. Journal of Adult Education, 40(1), 19–22.

Kadir, A. (2014). Pengenalan Sistem Informasi Edisi Revisi. Yogyakarta: Andi.

Kamilah, E. N. (2015). Pengaruh Keterampilan Mengajar Guru Terhadap Hasil

Belajar Siswa Pada Mata Pelajaran Akuntansi. Skripsi, Universitas

Pendidikan Indonesia, Bandung.

Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS‐SEM:

The inverse square root and gamma‐exponential methods. Information

Systems Journal, 28(1), 227-261.

Kotler, P. (2002). Manajemen Pemasaran Di Indonesia : Analisis Perencanaan

Implementasi Dan Pengendalian. Jakarta: Salemba Empat.

Louis, C. (2007). Research methods in education. In Professional Development in

Education 38(3). https://doi.org/10.1080/19415257.2011.643130

Lodhita, H. (2014). Analisis Pengaruh Kualitas Pelayanan Terhadap Kepuasan

Konsumen Dengan Menggunakan Metode IPA (Importance Performance

Analysis) dan CSI (Customer Satisfaction Index) Studi Kasus Pada Toko

Oen, Kota Malang. Skripsi, Universitas Brawijaya.

Mahmud. (2011). Metode Penelitian Pendidikan. Bandung: Pustaka Setia.

Martilla, J. A., & James, J. C. (1977). Importance-performance analysis. Journal of

marketing, 41(1), 77-79.

 208

Masthori, A., Nugroho, H. A., & Ferdiana, R. (2016). The Use of Modified

Webqual Method in Evaluation of Website Service Quality of Local

Government (Penggunaan Metode Webqual Modifikasi Dalam Evaluasi

Kualitas Layanan Website Pemerintah Daerah). Pekommas, 1(1), 57-68.

Napitupulu, D. (2015). Kajian Faktor Sukses Implementasi E-Government, Studi

Kasus: Pemerintah Kota Bogor. Jurnal Sistem Informasi ITS, 5, 229-236.

doi:10.24089/j.sisfo.2015.03.009

Napitupulu, D. B. (2016). Kualitas Layanan E-Government (Sebuah Analisa Di

Pemkot X Dengan Pendekatan E-GovQual Dan Ipa). Jurnal Penelitian Pos

Dan Informatika, 6(2), 153-168.

Nugroho, S. P., & Syamsudin, S. (2016). Pengukuran Indeks Kepuasan Pengguna

Data Terhadap Pelayanan Pada Badan Pusat Statistik Kota Surakarta.

Benefit: Jurnal Manajemen dan Bisnis, 1(1), 57-69.

Papadomichelaki, X., & Mentzas, G. (2011). Analysing e-government service

quality in Greece. Electronic Government, An International Journal, 8(4),

290-308.

Papadomichelaki, X., & Mentzas, G. (2012). e-GovQual: A multiple-item scale for

assessing e-government service quality. Government information quarterly,

29(1), 98-109.

Parasuraman, A., Berry, L. L., & Zeithaml, V. A. (1991). Refinement and

Reassessment of the SERVQUAL Scale. Journal of Retailing, 67(4), 420.

 209

Parasuraman, A., Zeithaml, V. A., & Berry, L. (1988). SERVQUAL: A multiple-

item scale for measuring consumer perceptions of service quality. Journal

of Retailing, 64(1), 12-40.

Penilaian Mandiri Kota/Kabupaten (PMK3I). (2019, Februari 20). Retrieved from

https://kotakreatif.kemenparekraf.go.id/kota-depok/

Ping Zhang, G. M. (2001). User expectations and rankings of quality factors in

different web site domains. International journal of electronic commerce,

6(2), 9-33.

Pressman, R. S., & Bruce R. Maxim, D. (2014). Software Engineering: A

Practitioner’s Approach. McGraw-Hill Education.

https://books.google.co.id/books?id=i8NmnAEACAAJ

Puspita, M. H. (2019) Evaluasi Kualitas Layanan E-VB Dengan Menggunakan

Metode E-GovQual Dan IPA (Studi Kasus: 19 Desa di Kecamatan Cluring

Dan Kecamatan Muncar Kabupaten Banyuwangi). Skripsi, Universitas

Jember.

Ringle, C., Da Silva, D., & Bido, D. (2015). Structural equation modeling with the

SmartPLS. Bido, D., da Silva, D., & Ringle, C.(2014). Structural Equation

Modeling with the Smartpls. Brazilian Journal Of Marketing, 13(2), 56-73.

Salim, P., & Salim, Y. (2002). Kamus Bahasa Indonesia Kontemporer. Jakarta:

Modern English Press.

Sanjaya, I. (2012). Analisis perbandingan kualitas pengalaman dengan standar

kualitas layanan bagi pelanggan seluler. Buletin Pos dan Telekomunikasi,

10(1), 23-34.
 210

Sarstedt, M., Ringle, C. M., Smith, D., Reams, R., & Hair Jr, J. F. (2014). Partial

least squares structural equation modeling (PLS-SEM): A useful tool for

family business researchers. Journal of Family Business Strategy, 5(1), 105-

115.

Sarwono, J. (2006). Metode Penelitian Kuantitatif Dan Kualitatif. Yogyakarta:

Graha Ilmu.

Sensuse, J. D. I. (2013). Analisis Faktor Pengaruh Kepuasan dan Adopsi

Masyarakat Terhadap Implementasi E-Government di Kota Depok. Skripsi,

Universitas Indonesia.

Setyaningrum, A. (2015). Penilaian kualitas website menggunakan dimensi e-

GovQual: studi kasus Kementerian komunikasi dan informatika. Skripsi,

Universitas Indonesia

Setyaningsih, F. (2019) Analisis Kualitas Website E-PJLP (Penyedia Jasa Lainnya

Perorangan) Di Daerah Khusus Ibukota Jakarta Dengan Pendekatan

Webqual 4.0 dan Importance Performance Analysis (IPA). Skripsi, UIN

Syarif Hidayatullah Jakarta.

Silalahi, M., Napitupulu, D., & Patria, G. (2015). Kajian Konsep dan Kondisi E-

Government di Indonesia. Jupiter, 1(1), 10-16.

Soekanto, A., & Mustikarini, C. N. (2017). Faktor Kesuksesan Bisnis Start-up.

PERFORMA:Junal Manajemen Dan Start-Up Bisnis, 1(6), 711–718.

Subianto, E. I., & Hamsal, M. (2013). Service Quality Assessment in

PT.Indokemika Jayatama Using INDSERV Scale and Importance-

 211

Performance Analysis. Indonesian Journal of Business Administration,

2(5), 543-552.

Subiyakto, A., & Bin Ahlan, A. R. (2013). A coherent framework for understanding

critical success factors of ICT project environment. International

Conference on Research and Innovation in Information Systems, ICRIIS,

342–347. https://doi.org/10.1109/ICRIIS.2013.6716733

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.

Sugiyono. (2007). Metode Penelitian Kuantitatif Dan Kualitatif. Bandung:

Alfabeta.

Sugiyono. (2010). Metode Penelitian Pendidikan Pendekatan Kuantitatif,

kualitatif, dan R&D. Bandung: Alfabeta.

Sulaiman, A. H., Aryadita, H., & Pinandito, A. (2017). Evaluasi Kualitas Layanan

Website Pemerintah Kota Batu dengan Metode E-Govqual dan Importance

Performance Analysis ( IPA ). Jurnal Pengembangan Teknologi Informasi

Dan Ilmu Komputer (J-PTIIK), 2(2), 493–502.

Supangkat, S. H., & Negara, I. (2006). Framework Strategi Implementasi E-

Government. Prosiding Konferensi Nasional Teknologi Informasi &

Komunikasi untuk Indonesia, 3-4.

Tjiptono, F., & Chandra, G. (2016). Service, quality & satisfaction. 4th edition.

Yogyakarta: ANDI.
 212

Undang-Undang Nomor 25 Tahun 2009 Tentang, Pelayanan Publik.

Urbach, N., & Ahlemann, F. (2010). Structural equation modeling in information

systems research using partial least squares. Journal of Information

technology theory and application, 11(2), 5-40.

Wahono, R. A. (2017). Penerapan E-GovQual Dalam Sistem Evaluasi Penilaian

Kualitas Layanan E-Government Pemerintah Kabupaten Malang. Skripsi,

Universitas Jember.

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

Layanan Website Pusdiklat BPK RI Menggunakan Metode Webqual

Modifikasian dan Importance Performance Analysis. MEDIA, 19(1).

Widiani, Y. N. (2018). Kualitas Pelayanan E-Goverment Melalui Aplikasi E-Filling

Kantor Pelayanan Pajak Pratama Bandung Cibeunyin Terhadap Kepuasan

Pengguna Aplikasi. Jurnal Riset Bisnis Dan Manejemen, 11(2), 38-46.

Widodo, A., Dwi, H. R. D. R., & Nurchayati, N. (2016). Pengaruh Kualitas Sistem

Aplikasi Dan Kualitas Informasi Terhadap Kepuasan Pengguna Sistem

Aplikasi RTS (Rail Ticketing System) Dengan Kepercayaan Sebagai

Variabel Mediasi (Studi Pada Penumpang “KAI” Ekonomi Operasi 4

Semarang). Media Ekonomi dan Manajemen, 31(2), 160-180.

Wijaya, D. J. (2019). Analisis kualitas layanan e-government menggunakan metode

E-GovQual dan Importance Performance Analysis (IPA)(studi kasus:

Badan Pusat Statistik). Skripsi, UIN Syarif Hidayatullah Jakarta.

Wong, K. K.-K. (2013). Partial least squares structural equation modeling (PLS-

SEM) techniques using SmartPLS. Marketing Bulletin, 24(1), 1-32.

 213

Wong, M., Nishimoto, H., & Philip, G. (2011). The Use of Importance-

Performance Analysis (IPA) in Evaluating Japan’s E-government Services.

JTAER, 6, 17-30. doi:10.4067/S0718-18762011000200003

Wong, M. S., Philip, G., & Fearon, C. (2009). Evaluating E-government in

Malaysia: An importance-performance grid analysis (IPA) of citizens and

service providers. International Journal of Electronic Business, 7(2), 105-

129. doi:10.1504/IJEB.2009.024623

Wu, J., & Guo, D. (2015). Measuring E-government performance of provincial

government website in China with slacks-based efficiency measurement.

Technological Forecasting and Social Change, 96, 25-31.

doi:https://doi.org/10.1016/j.techfore.2015.01.007

Yamin, S. K. (2011). Generasi Baru Mengelola Data Penelitian Dengan Partial

Least Square Path Modeling: Aplikasi Dengan Software Xlstat, Smartpls,

Dan Visual Pls. (Edisi1). Jakarta: Salemba Infotek.

Yulianti, Y. (2016). Analasisi Kualitas Pelayanan Pendidikan Dengan

Menggunakan Gap Analysis Dan Importance Performance Analysis (IPA)

Pada Program Studi Pendidikan Ekonomi Fakultas Ekonomi UNY.

Universitas Negeri Yogyakarta, Yogyakarta.

 LAMPIRAN 1

HASIL WAWANCARA
Keterangan:
P : Penanya
N : Narasumber
Lokasi : Dinas Komunikasi dan Informatika Pemerintah Kota Depok,
Gedung Dibaleka II Komplek Balaikota Depok Lantai 7.

Narasumber I (Denhas Ary Wibowo S.Kom, M.T / Kepala Seksi Aplikasi) 16

September 2019
P: Assalamu’alaikum Wr. Wb, dengan Bapak Denhas?
N: Wa’alaikumsalam Wr. Wb Iya betul mba, dengan siapa ini? ada yang bisa
saya bantu?
P: Perkenalkan Pak saya Oviani Viandari Mahasiswi UIN Jakarta, kedatangan
saya disini bermaksud ingin melakukan riset skripsi dan menjadikan
layanan Aplikasi DSW sebagai studi kasus pada penelitian saya Pak.
Penelitian ini kurang lebih seperti yang ada pada proposal yang telah
diajukan sebelumnya. Tentang evaluasi e-Government yang pernah
dilakukan oleh Diskominfo Depok terkait kualitas layanan aplikasi DSW
Pak.
N: Oh iya mba, sebelumnya juga saya sudah sempat mempelajari proposal
penelitian yang mba berikan dan saya sempat membicarakannya dengan
Kabag Aplikasi Informatika, jadi gini mba aplikasi DSW itu sendiri kami
evaluasi tiap tahun, dan tiap tahun juga ada versinya karna tiap tahun juga
kami mengeluarkan yang terbaru atau biar lebih up to date gitu lah mba
disesuaikan maunya pengunjung.
P: Ohh seperti itu ya Pak, jadi evaluasi nya itu dilakukan dengan melibatkan
pengguna ya mas?
N: Ohh tidak mba, itu dari rapat internal teman-taman IT dan pihak
pengembang aja kira-kira kurangnya apa dan ingin update apa.
P: Berarti aplikasi DSW yang terbaru setiap tahunnya itu belum pernah
dilakukan evaluasi berdasarkan pengguna ya Pak?
N: Nah iya benar mba
P: Bisa dijelaskan dengan singkat Pak mengenai aplikasi DSW?
N: Aplikasi DSW (Depok Single Window) ini merupakan portal dari gabungan
berbagai aplikasi pelayanan publik di Kota Depok guna memenuhi
kebutuhan masyarakat Kota Depok.
P: Bagaimana sejarah dibuatnya aplikasi DSW Pak?
N: Ini ceritanya kayak gini mba, ini adalah framework inovasi, tapi intinya kita
mau bicara tentang TIK itu trend yang sekarang kan bicara smartcity sama
bicara tentang integrasi. TIK itu dimulai dari banyaknya aplikasi di Depok.
Ya saya bicara di Depok banyak aplikasi tapi aplikasi ini berdiri sendiri-
sendiri dengan platform sendiri-sendiri dengan bahasa pemrograman
sendiri-sendiri. Nah, tugas saya sama teman-teman kan trend nya integrasi
nih, sekarang kan sudah ga mungkinlah layanan itu sendiri-sendiri. Tuntutan
dari masyarakat kan pinginnya semua serba mudah, semua terintegrasi,
semua jadi satu, layanan dipermudah. Ini belum sampai DSW nih, sebelum
sampai disini sebelumnya saya cerita dulu, nih aplikasi banyak ada aplikasi
perizinan punya dinas perizinan, ada aplikasi kependudukan, ada aplikasi
cek PBB di dinas pendapatan, dan banyak aplikasi lainnya. Nah kita dari
banyaknya aplikasi ini, aplikasi boleh banyak tapi kan data harus jadi satu,
datanya kita taro di data warehouse, ini kita tarik data itu kita tarik hari ini
adalah data yang kemarin menggunakan pentaho, pakai pentaho istilah data
warehouse, pentaho itu proses ETL (Exstract, Transfrom, Load). Jadi di
pentaho itu kan nih banyak database nih aplikasi-aplikasi banyak database,
di pentaho itu dibersihin kan datanya di cleansing, jadi kodefikasi,
normalisasi semua data tuh disamain yakan metadata nya tuh disamain
misalnya ini numeric, integer, berapa character itu semua disamain semua,
udah sama semua masuk ke pusat data kota. Nah ini juga belum semua data,
jadi kita bangunnya bertahap sama seperti saya bangun DSW. Ini saya tarik
disini, muncul nih kita punya pusat data awalnya teruskan pikiran kalau kita
punya data harusnya kan di konsumsi kan datanya? Ada yang
mengkonsumsi data, dari data ini sebenarnya kita mau kasih nih share kita
punya dashboard monitoring room pimpinan, jadi pimpinan tuh sebenernya
bisa pantau OPD, pantau pergerakan data itu dari dashboard nya, misalnya
 berapa sih jumlah orang yang melakukan proses perizinan mendirikan
bangunan? Itu udah tau, di kota Depok hari ini bahkan kemarin berapa orang
sih yang berkunjung ke puskesmas kemarin? Itu walikota seharusnya tau
(bukan hari ini ya kemarin karna data hari ini ditarik adalah data kemarin).
Terus rata-rata penyakit apasih hari kemarin tuh itu ada dari dashboard itu
cuman ini kan dashboard pimpinan nah itu kita punya, nah baru itu muncul
cerita DSW. Nah ini sekarang fokusnya di DSW ya, ini saya cerita dari
framework dulu kenapa muncul DSW, namanya juga Depok Single Window
maksudnya gini yang seperti saya cerita diawal kan ada banyak aplikasi,
sebelum adanya DSW masyarakat pingin cek PBB dia harus download
sendiri itu aplikasi satu-satu nah inikan kasihan kan dan belum tentu juga
kalau dia gak butuh padahal kalau bayar PBB itu paling 1 tahun sekali dia
install cuma pengen tau berapa tagihannya terus abis itu gak bakal dipake.
Karna ngapain kan dia udah bayar gitu kan jadi satu-satu terus kita punya
SIGAP satu. Nah makanya berfikir gimana semua layanan itu jadi satu biar
masyarakat Depok itu gak usah pusing, dia cukup nge-install 1 ya kalau
perlunya apapun ya disitu, jadi kebetulan dia butuh PBB ya bisa cek,
kebetulan mau daftar puskesmas dia bisa lakukan, jadi semua layanan, cerita
layanan ya bukan cerita data DSW tu cerita layanan kalau data ada di pusat
kota sama dashoard kalau layanan tu di DSW. Jadi masyarakat itu biar
mudah aja, ada prosesnya muncul di DSW. Tapi perlu di ingat DSW itu, ini
kan gambarnya gini ya aplikasi, data kota, data kota ke sini, gak semua
begini bisa aja langsung ke aplikasi. Contoh yang transaksi langsung kayak
pendaftaran puskesmas, gak mungkin kesini, karna ini kan ketinggalan satu
hari, jadi ada yang dari sini DSW tuh langsung ketarik ke aplikasi
sebenernya, puskesmas, PBB pun tarik dari aplikasi, jadi artinya
memudahkan semua... kayak gitu ni ceritanya, jadi integrasi layanan lah
kalau saya bilang.
P: Ohh seperti itu ya Pak, DSW ini sudah berjalan sejak kapan pak?
N: DSW sudah berjalan dari tahun 2018 efektifnya, awal prototype di bangun
sih 2017, 2018 itu berkembang, jadi kan konsepnya bangun DSW itu bukan
 ujuk-ujuk langsung banyak layanan. Melihat temen-temen bukalapak,
temen-temen tokopedia bangun layanan kan dulu cuman marketplace terus
sekarang ada pembayaran, pembayarannya ada pembayaran hotel bahkan
sampai wah banyak, nah konsepnya sama dengan DSW, dulu tuh
layanannya sedikit terus jadi kita tambahin. Jadi sebenernya di DSW itu kan
kita tuh di Diskominfo memfasilitasi nyatuin semua layanan yang ada di
dinas, nah kalau di dinasnya gak ada layanan ya gak akan kita masukin. Jadi
yang udah life dengan baik baru kita masukin ke DSW kayak gitu, kalo yang
baru sekarang tuh nanti ada ekonomi nih di ekonomi kita bisa punya harga
komoditas sama katalog usaha. Ini harga komoditas, harga komuditas semua
pasar misalnya garam, bawang dipasar tugu dll. kalau kamu tinggal di depok
kayaknya bermanfaat nih untuk orangtua, misalkan harga pasar bawang
putih biasa itu berapa itu detailnya kelihatan. Nah ini kan jadi kan harganya
apakah harga tetap ini pasarnya. Jadi kalau mau beli sebelum sampai pasar
tuh udah punya ancang-ancang harga, ini penting buat masyarakat jadi kita
kasih, ini katalog usaha ini baru ngambil dari medsos kalau katalog usaha
karna kita ngambil dari data perizinan nama perusahaannya itu apa yang
berkaitan dengan makanan se-Depok.
P: Berarti tujuan dan fungsi dibuatnya aplikasi DSW ini salah satunya adalah
untuk mempermudah layanan masyarakat, ada lagi tidak Pak selain itu?
N: Ada mba, yang pertama kan integrasi layanan efeknya itu mempermudah
masyarakat, yang kedua pasti lebih hemat, lebih efisien, lebih hemat dari
sisi penganggaran, waktu dan semuanya. Kalau dari sisi pengganggaran,
kebayang dari semua apk layanan android misalkan mau daftar PBB dibikin
aplikasinya, mau pendaftaran puskesmas dibikin aplikasinya, daftar rumah
sakit dibikin aplikasinya itukan ada cost disitukan ada anggarannya juga ada
orang-orang yang terlibat jadi, kita lebih hemat intinya mempermudah
layanan dan lebih cepat. Kebanyakan, kadang-kadang masyarakat tuh gak
ngeh bisa cek PBB, karna tipekal kita kan install kalau lagi butuh, misal
kalau mau nonton bioskop install TixID biar mudah karna antri panjang lalu
install biar cepat dan mudah. Nah kalau di DSW pengennya gitu kalau udah
 nginstall satu kebetulan butuhnya misalnya puskesmas tapi dia bisa dapet
banyak layanan, artinya enak kan lebih cepet, efektif, mudah. Begitupun
misal kebetulan butuhnya aplikasi-aplikasi yang telah di sediakan di DSW.
Jadi masyarakat sekali aja install.
P: Untuk sejauh DSW berjalan ada gak sih kendala atau ada respon-respon
kurang baik dari masyarakat/pengguna Pak?
N: Ya paling bugs sih mba. Kekurangannya masih banyak juga, kita sering
membuka diri sih, berapa kalipun kita sosialisasi apasih kurangnya DSW,
kurang fiturnya apa, lalu belum menemukan yang pas nya gimana untuk
mengembangkan fitur DSW yang dilihat dari penilaian user di google play
store. Koordinasi yang belum kuat juga termasuk kekurangannya.
P: Apa harapan untuk aplikasi DSW kedepannya Pak?
N: Kalau saya ekstrim harapannya, kalau penduduk didepok itukan 2 juta, yang
download baru 17ribu, namanya aplikasi atau startup besar itu kan yang
menggunakan banyak. Depok sebenernya gak ada saingan Cuma
dimasyarakat depok butuh layanan gak? Nah ini sebenernya tinggal stretegi
pemasarannya lah kalau orang-orang swasta bilang , marketing nya gimana
sehingga masyarakat download. Salah satu strateginya salah satunya tadi
wifi, melalui RT/RW, Kecamatan&kelurahan. Kadang-kadang kan layanan
pemerintah itu terkesan gak asik, anak muda ngapain download DSW coba?
Belum kebutuhan juga ya kan, orang download itu di bikin butuh gitu,
makanya harapannya yang download aplikasi DSW itu banyak. Sebenernya
yang kurangnya itu juga masalah entertaimentnya itu gak ada, karna
pembuatan aplikasi itu kan harus ada yang menarik jadi semua usia bisa
memakai, bisa tembus 100k downloder aja itu udah bagus. Yang akan
mendorong DSW nanti itu wifi, kalau untuk saat ini puskesmas, karna daftar
online kan dari pada dia manual kan, sebenernya daftar dsw tuh lebih cepet
gitu kan kenyataannya puskesmas itu kan jadi tempat yang paling banyak di
kunjungi selain rumah sakit ya, masyarakat depok tuh ternyata pengunjung
puskesmasnya juga banyak. Jadi ya pengunjung puskesmas kalau mau
daftar online mau gamau harus download DSW daripada dia antri dapat
 urutan kan dia bisa booking di layanan puskesmas DSW. Belum ada lagi
layanan yang signifikan selain layanan puskesmas orang yang jadi pengen
download DSW selain puskesmas RSUD udah karna kan layanan dasar.
P: Untuk sejauh DSW berjalan ada gak sih kendala atau ada respon-respon
kurang baik dari masyarakat/pengguna Pak?
N: Biasanya kendala dari aplikasi DSW ini dari segi fitur menurut saya tidak
banyak kendala, malah menurut saya sudah canggih. Karena aplikasi DSW
dibuat sesuai dengan kebutuhan masyarakat. Mungkin kendala dari gadget
pengguna yang sering dihadapi. Karena pada saat pengembangan aplikasi
DSW terbatas pada perangkat. Untuk melakukan pengembangan, kita harus
punya perangkat testing dengan versi android yang berbeda-beda.
Meskipun dengan versi android yang sama, tetapi merek perangkat yang
berbeda maka masih ada kemungkinan terjadinya kesalahan. Kalau
responnya gampang lihat di google play store, ya pelan-pelan lah nanti kita
bikin juga, ya namanya kita bikin ya gak kayak swasta banyak investornya.
Kendala nya juga di proses bisnis di belakang aplikasinya. Jadi setiap OPD
tuh sudah punya proses bisnisnya masing-masing.
P: Oh gitu baik Pak terima kasih banyak atas waktu dan bantuan Bapak dalam
memberikan informasi yang sangat jelas ini Pak.
N: Oh iya mba sama-sama saya juga senang membantu mba. Nanti kalau sudah
selesai mengevaluasi tolong kasih masukan dong mba harusnya kita punya
layanan apa lagi yang bagus dimasukkan ke DSW , karna layanan ini kan
harus punya aplikasi kan. Jadi nanti dari hasil riset kan ada saran ya jadi
pertanyaan-pertanyaan saya bisa dijawab juga sama mba nya setelah riset
nanti gimana caranya DSW ini banyak yang download (kan karna gak
intertaiment ya gak menarik jadi masyarakat berfikiran ngapain download
DSW?) gimana caranya biar bisa digunakan di semua kalangan gitu mba.
Sukses selalu mba Ovi.
Narasumber II (Danang / Staff Tenaga Ahli Seksi Aplikasi) 16 September 2019

P: Assalamu’alaikum Wr. Wb. Siang mas, perkenalkan saya Oviani Viandari

dari UIN Jakarta, ingin meminta waktunya sebentar mas untuk wawancara
terkait riset skripsi boleh mas?
N: Wa’alaikumsalam Wr.Wb. Oh iya boleh, saya dengan Danang mba.
P: Bisa dijelaskan dengan singkat Pak mengenai aplikasi DSW?
N: Aplikasi DSW itu merupakan layanan portal aplikasi berbasis mobile
gabungan dari berbagai aplikasi pelayanan publik yang berisi beberapa
layanan Kota Depok untuk masyarakat.
P: Bagaimana sejarah dibuatnya aplikasi DSW?
N: Niatnya awal kan kita pingin punya single portal, aplikasi portal mobile
menyangkup semua layanan yang ada. Jadi kepinginnya masyarakat hanya
meng install satu aplikasi saja. Kan di depok sendiri aplikasi itu ada banyak
ya jumlahnya 12 aplikasi mobile, ada juga yang tidak mobile seperti
puskesmas, simpus, rumah sakit dsb pinginnya semua aplikasi tersebut
terintegrasi oleh satu aplikasi portal dashboard sehingga masyarakat dapat
mengakses layanan-layanan tersebut dengan mudah. Pada intinya tujuan
aplikasi ini untuk memudahkan masyarakat sih mba.
P: Sejak kapan awal mula aplikasi DSW ini di launching mas?
N: Starting launching kita menggunakan dari Agustus 2018 mba, kalau
dibangunnya sudah dari tahun 2017.
P: Menurut Mas Danang, apa kelebihan dan kekurangan dari aplikasi DSW
ini?
N: Menurut saya kalau kelebihannya banyak ya mba, sekarang di era-eranya
keterbukaan e-government sekarang kita mau mensosialisasikan, banyak
kan sekarang udah di sinergi sosialisasi dengan perizinan, sekarang kan
space ruang kosong-ruang kosong, baliho-baliho yang bukan punya nya
pemkot mau masang karna mau membantu mensosialisasikan. Respon
masyarakat yang bagus karna dengan satu aplikasi mencakup semua
 layanan, kita juga integrasi dengan SAMBARA, yang telah terintegrasikan
dengan SAMBARA itu baru DSW. Kalau untuk kekurangannya masih
banyak sih mba, kita sering membuka diri sih, berapa kalipun kita sosialisasi
apasih kurangnya DSW, kurang fiturnya apa, lalu belum menemukan yang
pas nya gimana untuk mengembangkan fitur DSW yang dilihat dari
penilaian user di google play store. koordinasi yang belum kuat juga
termasuk kekurangannya.
P: Untuk sejauh DSW berjalan ada gak sih kendala atau ada respon-respon
kurang baik dari masyarakat/pengguna Pak?
N: Biasanya kendala dari aplikasi DSW ini dari segi fitur menurut saya tidak
banyak kendala, malah menurut saya sudah canggih. Karena aplikasi DSW
dibuat sesuai dengan kebutuhan masyarakat. Mungkin kendala dari gadget
pengguna yang sering dihadapi. Karena pada saat pengembangan aplikasi
DSW terbatas pada perangkat. Untuk melakukan pengembangan, kita harus
punya perangkat testing dengan versi android yang berbeda-beda.
Meskipun dengan versi android yang sama, tetapi merek perangkat yang
berbeda maka masih ada kemungkinan terjadinya kesalahan. Kalau
responnya gampang lihat di google play store, ya pelan-pelan lah nanti kita
bikin juga, ya namanya kita bikin ya gak kayak swasta banyak investornya.
Kendala nya juga di proses bisnis di belakang aplikasinya. Jadi setiap OPD
tuh sudah punya proses bisnisnya masing-masing. Namun dari sisi Back end
nya juga kadang-kadang koordinasinya terkadang kurang, maksudnya harus
di perlukan ditingkatkann lagi koordinasinya. Kadang-kadang banyak kan
rating kita mengenai DSW karna kendala koordinasi yang belum baik dan
ditingkatkannya lagi koordinasi.
P: Oh gitu baik Pak terima kasih banyak atas waktu dan bantuan Mas Danang
dalam memberikan informasi yang sangat jelas ini Mas.
N: Oh iya mba saya juga senang membantu mba nya hehe bagaimana pun saya
juga pernah ada diposisi mbaknya kok, jadi saya tahu rasanya seperti apa,
okee baiklah terima kasih juga mba Ovi kabarkan saja kalau perlu data-data
pendukung untuk penelitian! Sukses buat mba.
 LAMPIRAN 2

HASIL PILOT STUDY / PRETEST

 HASIL PILOT STUDY / PRETEST DENGAN SMARTPLS
(ANALISIS OUTER MODEL SECOND ORDER CONFIRMATORY
FACTOR ANALYSIS)

1. Evaluasi Konstruk First Order

a. Uji Validitas

i. Convergent Validity

• Loading Factor

Catatan:
EGSQ: E-Government Service Quality

HASIL UJI LOADING FACTOR

Variabel
Indikator
CS EF RLB TRS USAT USE
CS1 0,931
CS2 0,830
 CS3 0,958
CS4 0,790
EF1 0,748
EF2 0,889
EF3 0,910
EF4 0,877
EF5 0,843
EF6 0,872
EF7 0,781
RLB1 0,823
RLB2 0,915
RLB3 0,904
RLB4 0,861
RLB5 0,901
RLB6 0,833
TRS1 0,884
TRS2 0,881
TRS3 0,855
TRS4 0,940
USAT1 0,953
USAT2 0,955
USE1 0,925
USE2 0,926
USE3 0,945

• Average Variance Extracted (AVE)

Variabel Average Variance Extracted (AVE)

Citizen Support (CS) 0,774
Efficiency (EF) 0,718
Reliability (RLB) 0,763
Trust (TRS) 0,793
User Satisfaction (USAT) 0,910
Intention to Use (USE) 0,869

ii. Discriminant Validity

• Cross Loading
 Variabel CS EF RLB TRS USAT USE
0,931 0,815 0,833 0,709 0,723 0,658
0,830 0,811 0,800 0,703 0,606 0,683
CS
0,958 0,884 0,866 0,828 0,790 0,818
0,790 0,654 0,632 0,753 0,685 0,622
0,739 0,748 0,721 0,588 0,558 0,640
0,755 0,889 0,758 0,698 0,769 0,801
0,743 0,910 0,803 0,739 0,812 0,816
EF 0,809 0,877 0,776 0,793 0,858 0,810
0,808 0,843 0,762 0,800 0,670 0,831
0,782 0,872 0,793 0,866 0,735 0,808
0,728 0,781 0,750 0,676 0,770 0,590
0,731 0,709 0,823 0,574 0,716 0,665
0,727 0,781 0,915 0,588 0,670 0,817
0,851 0,847 0,904 0,865 0,771 0,801
RLB
0,799 0,721 0,861 0,703 0,768 0,618
0,762 0,789 0,901 0,644 0,627 0,732
0,810 0,874 0,833 0,801 0,721 0,854
0,816 0,793 0,737 0,884 0,659 0,717
0,608 0,630 0,562 0,881 0,656 0,666
TRS
0,743 0,830 0,752 0,855 0,886 0,765
0,832 0,832 0,783 0,940 0,849 0,808
0,785 0,835 0,741 0,861 0,953 0,756
USAT
0,739 0,834 0,816 0,786 0,955 0,798
0,777 0,879 0,835 0,868 0,833 0,925
USE 0,716 0,811 0,790 0,671 0,703 0,926
0,723 0,813 0,776 0,783 0,734 0,945

• Fornell Larckel Criterion

CS EF RLB TRS USAT USE

CS 0,880
EF 0,904 0,848
RLB 0,896 0,904 0,874
TRS 0,850 0,874 0,803 0,891
USAT 0,798 0,875 0,816 0,863 0,954
USE 0,794 0,897 0,860 0,834 0,815 0,932
 b. Uji Reliabilitas

i. Cronbach Alpha

Variabel Cronbach's Alpha

Citizen Support (CS) 0,900
Efficiency (EF) 0,934
E-Government Service Quality (EGSQ) 0,977
Reliability (RLB) 0,938
Trust (TRS) 0,913
User Satisfaction (USAT) 0,902
Intention to Use (USE) 0,925

ii. Composite Reliability

Variabel Composite Reliability (CR)

Citizen Support (CS) 0,931
Efficiency (EF) 0,947
E-Government Service Quality (EGSQ) 0,951
Reliability (RLB) 0,939
Trust (TRS) 0,953
User Satisfaction (USAT) 0,952
Intention to Use (USE) 0,931

(ANALISIS INNER MODEL SECOND ORDER CONFIRMATORY

FACTOR ANALYSIS)

2. Evaluasi Konstruk Second Order

a. T-Test

Standard
Original Sample T Statitics P
Jalur Deviation
Sample (O) Mean (M) (|O/STDEV|) Values
(STDEV)

CS1 ← CS 0,931 0,933 0,033 28,180 0,000

CS1 ← EGSQ 0,861 0,861 0,053 16,204 0,000
CS2 ← CS 0,830 0,827 0,071 11,617 0,000
CS2 ← EGSQ 0,826 0,824 0,076 10,863 0,000
CS3 ← CS 0,958 0,961 0,014 67,109 0,000
CS3 ← EGSQ 0,924 0,925 0,033 28,307 0,000
CS4 ← CS 0,790 0,776 0,140 5,624 0,000
CS4 ← EGSQ 0,728 0,722 0,143 5,080 0,000
EF1 ← EF 0,748 0,738 0,101 7,408 0,000
EF1 ← EGSQ 0,739 0,732 0,104 7,099 0,000
EF2 ← EF 0,889 0,885 0,046 19,331 0,000
EF2 ← EGSQ 0,829 0,825 0,065 12,712 0,000
EF3 ← EF 0,910 0,907 0,038 24,053 0,000
EF3 ← EGSQ 0,855 0,852 0,056 15,143 0,000
EF4 ← EF 0,877 0,884 0,049 17,763 0,000
EF4 ← EGSQ 0,861 0,867 0,044 19,497 0,000
EF5 ← EF 0,843 0,844 0,068 12,442 0,000
EF5 ← EGSQ 0,843 0,843 0,083 10,152 0,000
EF6 ← EF 0,872 0,874 0,044 20,031 0,000
EF6 ← EGSQ 0,871 0,873 0,043 20,184 0,000
EF7 ← EF 0,781 0,783 0,073 10,726 0,000
EF7 ← EGSQ 0,778 0,781 0,070 11,087 0,000
RLB1 ← RLB 0,823 0,843 0,074 11,164 0,000
RLB1 ← EGSQ 0,755 0,790 0,105 7,173 0,000
RLB2 ← RLB 0,915 0,910 0,040 22,657 0,000
RLB2 ← EGSQ 0,809 0,809 0,072 11,184 0,000
RLB3 ← RLB 0,904 0,903 0,037 24,660 0,000
RLB3 ← EGSQ 0,909 0,904 0,038 23,968 0,000
RLB4 ← RLB 0,861 0,854 0,063 13,590 0,000
RLB4 ← EGSQ 0,810 0,806 0,075 10,832 0,000
RLB5 ← RLB 0,901 0,896 0,047 19,258 0,000
RLB5 ← EGSQ 0,824 0,816 0,090 9,135 0,000
RLB6 ← RLB 0,833 0,840 0,080 10,391 0,000
RLB6 ← EGSQ 0,876 0,876 0,057 15,340 0,000
TRS1 ← TRS 0,884 0,887 0,034 26,182 0,000
TRS1 ← EGSQ 0,836 0,836 0,054 15,448 0,000
TRS2 ← TRS 0,881 0,866 0,082 10,765 0,000
TRS2 ← EGSQ 0,687 0,685 0,123 5,591 0,000
TRS3 ← TRS 0,855 0,852 0,065 13,200 0,000
TRS3 ← EGSQ 0,838 0,837 0,052 16,048 0,000
 TRS4 ← TRS 0,940 0,937 0,029 32,751 0,000
TRS4 ← EGSQ 0,881 0,881 0,046 19,216 0,000
USAT1 ← USAT 0,953 0,949 0,024 40,419 0,000
USAT2 ← USAT 0,955 0,952 0,022 44,116 0,000
USE1 ← USE 0,925 0,924 0,025 37,394 0,000
USE2 ← USE 0,926 0,927 0,027 34,918 0,000
USE3 ← USE 0,945 0,943 0,026 36,958 0,000

b. Path Coefficients

Standard
Original Sample T Statitics
Hip Variabel Deviation P Values
Sample Mean (IO/STDEV|)
(STDEV)
(O)
H1 CS → EGSQ 0,193 0,189 0,014 13,723 0,000
H2 EF → EGSQ 0,349 0,352 0,018 18,886 0,000
H3 EGSQ → USAT 0,884 0,889 0,042 20,924 0,000
H4 EGSQ → USE 0,811 0,844 0,227 3,567 0,000
H5 RLB → EGSQ 0,299 0,303 0,021 14,344 0,000
H6 TRS → EGSQ 0,208 0,202 0,029 7,274 0,000
H7 USAT → USE 0,097 0,062 0,256 0,380 0,704

Berdasarkan pengujian outer model dan inner model second order pretest

penelitian, diketahui bahwa semua indikator memenuhi persyaratan pada

convergent validity dengan nilai loading factor > dari 0,7, serta nilai T-staistic yang

> dari 1,96 pada pengujian t-Test. Maka dengan hasil tersebut, semua indikator yang

digunakan dalam penelitian ini sudah memenuhi persyaratan pengujian outer model

dan inner model yang terdiri dari:

1. Convergent Validity

a. Nilai Loading Factor > 0,7

b. Average Variance Extracted (AVE) > 0,5

2. Discriminant Validity
 a. Cross Loading > 0,70

b. Fornell Larckel Criterion (Akar Kuadrat AVE > Korelasi Antar

Konstruk Laten)

3. Reliability

a. Cronbach Alpha > 0,07

b. Composite Reliability (CR) > 0,07

4. Uji T-Test > dari 1,96

5. Uji Path Coefficient > dari 0,1

HASIL PILOT STUDY / PRETEST DENGAN SPSS

1. Uji Validitas Pretest Kuesioner

a. Validitas Kuesioner Persepsi

 Kode
No.
Kuesioner
rhitung rtabel 5% (30) Keterangan

1 P_CS1 0,929 0,361 Valid

2 P_CS2 0,822 0,361 Valid
3 P_CS3 0,956 0,361 Valid
4 P_CS4 0,802 0,361 Valid
5 P_EF1 0,747 0,361 Valid
6 P_EF2 0,882 0,361 Valid
7 P_EF3 0,903 0,361 Valid
8 P_EF4 0,885 0,361 Valid
9 P_EF5 0,844 0,361 Valid
10 P_EF6 0,871 0,361 Valid
11 P_EF7 0,786 0,361 Valid
12 P_RLB1 0,849 0,361 Valid
13 P_RLB2 0,924 0,361 Valid
14 P_RLB3 0,892 0,361 Valid
15 P_RLB4 0,863 0,361 Valid
16 P_RLB5 0,888 0,361 Valid
17 P_RLB6 0,819 0,361 Valid
18 P_TRS1 0,876 0,361 Valid
19 P_TRS2 0,898 0,361 Valid
20 P_TRS3 0,849 0,361 Valid
21 P_TRS4 0,938 0,361 Valid
22 P_USAT1 0,954 0,361 Valid
23 P_USAT2 0,955 0,361 Valid
24 P_USE1 0,913 0,361 Valid
25 P_USE2 0,932 0,361 Valid
26 P_USE3 0,951 0,361 Valid

b. Validitas Kuesioner Harapan

Kode
No.
Kuesioner rhitung rtabel 5% (30) Keterangan

1 H_CS1 0,703 0,361 Valid

2 H_CS2 0,865 0,361 Valid
3 H_CS3 0,712 0,361 Valid
4 H_CS4 0,790 0,361 Valid
5 H_EF1 0,837 0,361 Valid
6 H_EF2 0,775 0,361 Valid
 7 H_EF3 0,720 0,361 Valid
8 H_EF4 0,787 0,361 Valid
9 H_EF5 0,792 0,361 Valid
10 H_EF6 0,787 0,361 Valid
11 H_EF7 0,837 0,361 Valid
12 H_RLB1 0,583 0,361 Valid
13 H_RLB2 0,674 0,361 Valid
14 H_RLB3 0,719 0,361 Valid
15 H_RLB4 0,592 0,361 Valid
16 H_RLB5 0,735 0,361 Valid
17 H_RLB6 0,598 0,361 Valid
18 H_TRS1 0,641 0,361 Valid
19 H_TRS2 0,761 0,361 Valid
20 H_TRS3 0,776 0,361 Valid
21 H_TRS4 0,851 0,361 Valid
22 H_USAT1 0,894 0,361 Valid
23 H_USAT2 0,882 0,361 Valid
24 H_USE1 0,720 0,361 Valid
25 H_USE2 0,730 0,361 Valid
26 H_USE3 0,649 0,361 Valid

2. Uji Reliabilitas Pretest Kuesioner

a. Reliabilitas Kuesioner Persepsi

Reliability Statistics
Cronbach's Alpha N of Items
0,981 26

b. Reliabilitas Kuesioner Harapan

Reliability Statistics
Cronbach's Alpha N of Items
0,894 26

Berdasarkan pengujian validitas dan reliabilitas di atas terdapat 26 indikator

yang dinyatakan valid dan dapat digunakan untuk proses selanjutnya, lalu pada uji
reliabilitas menggunakan teknik Cronbach’s Alpha menghasilkan hasil yang

reliabel / baik karena nilai Cronbach’s Alpa bernilai > 0,7.

Jika dilihat dari pengujian pada SmartPLS dan SPSS menghasilkan hasil yang

sama. Pada SmartPLS dan SPSS menghasilkan 26 indikator yang dinyatakan valid

sehingga semua indikator tersebut digunakan untuk tahap selanjutnya.

DISTRIBUSI NILAI rtabel SIGNIFIKANSI 5% dan 1%

Sumber: (Kamilah, 2015)

The Level of Significance The Level of Significance

N N
5% 1% 5% 1%
3 0,997 1,000 38 0,320 0,413
4 0,950 0,990 39 0,316 0,408
5 0,878 0,959 40 0,312 0,403
6 0,811 0,917 41 0,308 0,398
7 0,754 0,875 42 0,304 0,393
8 0,707 0,834 43 0,301 0,389
9 0,666 0,798 44 0,297 0,384
10 0,632 0,765 45 0,294 0,380
11 0,602 0,735 46 0,291 0,376
12 0,576 0,708 47 0,288 0,372
13 0,553 0,684 48 0,285 0,368
14 0,532 0,661 49 0,282 0,365
15 0,514 0,641 50 0,279 0,361
16 0,497 0,623 55 0,266 0,345
17 0,482 0,606 60 0,254 0,330
18 0,468 0,590 65 0,244 0,317
19 0,456 0,575 70 0,235 0,306
20 0,444 0,561 75 0,227 0,296
21 0,433 0,549 80 0,220 0,286
22 0,423 0,537 85 0,213 0,278
23 0,413 0,526 90 0,207 0,267
24 0,404 0,515 95 0,202 0,263
25 0,396 0,505 100 0,195 0,256
26 0,388 0,496 125 0,176 0,230
27 0,381 0,487 150 0,159 0,210
28 0,374 0,479 175 0,148 0,194
29 0,367 0,471 200 0,138 0,181
30 0,361 0,463 210 0,135 0,148
31 0,355 0,456 400 0,098 0,128
32 0,349 0,449 500 0,088 0,115
33 0,344 0,442 600 0,080 0,105
34 0,339 0,436 700 0,074 0,097
LAMPIRAN 3

HASIL UJI-UJI
Hasil Uji Reliabilitas dan Validitas

a. Uji Reliabilitas dan Validitas Terhadap Penilaian Persepsi Pengguna

Hasil pengujian reliabilitas dan validitas terhadap penilaian pesepsi

pengguna dapat dilihat pada tabel berikut.

Case Processing Summary

N %
Valid 210 100.0
Cases Excludeda 0 .0
Total 210 100.0
a. Listwise deletion based on all variables in the
procedure.

Reliability Statistics
Cronbach's Alpha N of Items
.707 26

Item-Total Statistics
Scale Mean if Scale Variance if Corrected Item-Total Cronbach's Alpha if Item
Item Deleted Item Deleted Correlation Deleted
P_EF1 80.88 57.703 .177 .704
P_EF2 81.08 58.400 .119 .709
P_EF3 80.80 57.211 .209 .702
P_EF4 80.79 56.099 .298 .695
P_EF5 80.91 56.557 .281 .697
P_EF6 80.78 56.736 .231 .700
P_EF7 80.77 56.168 .285 .696
P_TRS1 80.79 56.150 .296 .695
P_TRS2 80.80 57.433 .198 .703
P_TRS3 80.77 56.955 .257 .698
P_TRS4 80.83 56.953 .235 .700
P_RLB1 80.85 55.230 .316 .693
P_RLB2 80.78 55.553 .293 .695
P_RLB3 80.79 55.260 .364 .690
 P_RLB4 80.84 57.224 .208 .702
P_RLB5 80.85 56.012 .305 .695
P_RLB6 80.77 57.682 .192 .703
P_CS1 80.85 55.591 .307 .694
P_CS2 80.89 56.710 .267 .698
P_CS3 80.80 56.780 .234 .700
P_CS4 80.99 57.268 .195 .703
P_USAT1 80.80 56.094 .316 .694
P_USAT2 80.86 57.252 .218 .701
P_USE1 80.80 56.703 .283 .697
P_USE2 80.99 58.201 .166 .705
P_USE3 81.20 59.096 .083 .710

b. Uji Reliabilitas dan Validitas Terhadap Penilaian Harapan Pengguna

Hasil pengujian reliabilitas dan validitas terhadap penilaian harapan

pengguna dapat dilihat pada tabel berikut.

Case Processing Summary

N %
Valid 210 100.0
Cases Excludeda 0 .0
Total 210 100.0
a. Listwise deletion based on all variables in the
procedure.

Reliability Statistics
Cronbach's Alpha N of Items
.960 26

Item-Total Statistics
Scale Mean if Scale Variance if Corrected Item-Total Cronbach's Alpha if
Item Deleted Item Deleted Correlation Item Deleted
H_EF1 94.31 229.009 .647 .959
H_EF2 94.31 227.642 .667 .959
H_EF3 94.31 227.401 .673 .959
H_EF4 94.45 226.976 .652 .959
 H_EF5 94.32 226.249 .696 .959
H_EF6 94.29 227.231 .656 .959
H_EF7 94.29 228.054 .657 .959
H_TRS1 94.29 225.700 .708 .959
H_TRS2 94.40 227.351 .654 .959
H_TRS3 94.28 226.555 .664 .959
H_TRS4 94.35 225.062 .722 .959
H_RLB1 94.33 226.700 .667 .959
H_RLB2 94.21 227.497 .644 .959
H_RLB3 94.25 227.922 .660 .959
H_RLB4 94.25 229.632 .614 .960
H_RLB5 94.27 228.648 .643 .959
H_RLB6 94.22 227.014 .665 .959
H_CS1 94.30 224.433 .721 .959
H_CS2 94.39 225.368 .711 .959
H_CS3 94.31 222.578 .791 .958
H_CS4 94.29 222.973 .772 .958
H_USAT1 94.31 226.875 .660 .959
H_USAT2 94.36 224.757 .728 .958
H_USE1 94.35 225.043 .708 .959
H_USE2 94.37 227.363 .665 .959
H_USE3 94.33 227.963 .635 .959

Jika nilai Cronbach Alpha lebih besar dari pada ketentuan yang ada yaitu

0,6 hal ini menunjukkan bahwa instrument di atas dapat dikatakan reliabel

(Malhotra, 1988; Solimun 2002; Sekaran, 2006; Ghozali, 2013). Dan termasuk ke

dalam kriteria “reliabel” (Sarwono, 2006). Dari hasil pengujian di atas, diketahui

bahwa kedua pengujian pada persepsi dan harapan pengguna tersebut dinyatakan

reliabel.

Nilai validitas masing-masing pertanyaan dapat dilihat dengan

memperhatikan nilai Corrected Item-Total Correlation pada Tabel Item-Total

Statistics dengan teknik Korelasi Product Moment Pearsone yaitu dengan cara
membandingkan antara skor item dengan skor total item (nilai rhitung) dibandingkan

rtabel. Jika nilai rhitung > nilai rtabel, maka item tersebut dapat dikatakan valid

(Sugiyono, 2007; Arikunto, 2010). Dari hasil pengujian di atas, diketahui bahwa

kedua pengujian pada persepsi dan harapan pengguna tersebut dinyatakan valid

karena rhitung > nilai rtabel sebesar 0,125 untuk 210 sampel.

Hasil Uji Paired Samples t-Test

Dari pegujian Paired Samples t-Test yang dilakukan diperoleh hasil

sebagai berikut.

Paired Samples Statistics

Bootstrapa
95% Confidence Interval
Statistic Bias Std. Error Lower Upper
Pair 1 P_EF1 Mean 3.21 .00 .06 3.09 3.33
N 210
Std. Deviation .855 -.001 .028 .797 .905
Std. Error Mean .059
H_EF1 Mean 3.78 .00 .05 3.67 3.86
N 210
Std. Deviation .772 .002 .038 .699 .847
Std. Error Mean .053
Pair 2 P_EF2 Mean 3.01 .00 .06 2.90 3.13
N 210
Std. Deviation .869 -.002 .030 .813 .927
Std. Error Mean .060
H_EF2 Mean 3.77 .00 .06 3.65 3.89
N 210
Std. Deviation .816 -.006 .040 .729 .881
Std. Error Mean .056
Pair 3 P_EF3 Mean 3.29 .00 .06 3.17 3.40
N 210
Std. Deviation .872 -.003 .033 .789 .926
 Std. Error Mean .060
H_EF3 Mean 3.78 .00 .06 3.65 3.90
N 210
Std. Deviation .820 -.006 .040 .729 .883
Std. Error Mean .057
Pair 4 P_EF4 Mean 3.30 .00 .05 3.19 3.42
N 210
Std. Deviation .870 -.006 .033 .803 .926
Std. Error Mean .060
H_EF4 Mean 3.64 .00 .06 3.53 3.76
N 210
Std. Deviation .865 -.004 .040 .786 .953
Std. Error Mean .060
Pair 5 P_EF5 Mean 3.18 .00 .05 3.06 3.27
N 210
Std. Deviation .826 -.003 .031 .766 .880
Std. Error Mean .057
H_EF5 Mean 3.76 .00 .06 3.64 3.87
N 210
Std. Deviation .847 -.002 .042 .751 .924
Std. Error Mean .058
Pair 6 P_EF6 Mean 3.31 .00 .06 3.18 3.42
N 210
Std. Deviation .909 -.002 .034 .837 .977
Std. Error Mean .063
H_EF6 Mean 3.80 .00 .06 3.67 3.92
N 210
Std. Deviation .848 -.002 .041 .760 .927
Std. Error Mean .058
Pair 7 P_EF7 Mean 3.32 .00 .06 3.19 3.44
N 210
Std. Deviation .885 -.006 .037 .807 .959
Std. Error Mean .061
H_EF7 Mean 3.80 .00 .06 3.67 3.92
N 210
Std. Deviation .807 -.002 .045 .700 .889
Std. Error Mean .056
Pair 8 P_TRS1 Mean 3.30 .00 .06 3.20 3.43
 N 210
Std. Deviation .865 -.004 .036 .790 .932
Std. Error Mean .060
H_TRS1 Mean 3.80 .00 .06 3.69 3.92
N 210
Std. Deviation .859 -.003 .042 .772 .928
Std. Error Mean .059
Pair 9 P_TRS2 Mean 3.29 .00 .06 3.15 3.40
N 210
Std. Deviation .856 -.004 .037 .772 .924
Std. Error Mean .059
H_TRS2 Mean 3.69 .00 .06 3.57 3.81
N 210
Std. Deviation .845 -.003 .044 .741 .925
Std. Error Mean .058
Pair 10 P_TRS3 Mean 3.32 .00 .05 3.22 3.43
N 210
Std. Deviation .807 -.006 .034 .726 .871
Std. Error Mean .056
H_TRS3 Mean 3.81 .00 .06 3.69 3.93
N 210
Std. Deviation .871 -.003 .039 .792 .944
Std. Error Mean .060
Pair 11 P_TRS4 Mean 3.26 .01 .06 3.15 3.38
N 210
Std. Deviation .859 .000 .033 .800 .929
Std. Error Mean .059
H_TRS4 Mean 3.73 .00 .07 3.62 3.88
N 210
Std. Deviation .872 -.002 .042 .782 .958
Std. Error Mean .060
Pair 12 P_RLB1 Mean 3.24 .00 .06 3.12 3.36
N 210
Std. Deviation .970 -.002 .042 .887 1.056
Std. Error Mean .067
H_RLB1 Mean 3.76 .00 .06 3.63 3.86
N 210
Std. Deviation .860 .001 .045 .769 .946
 Std. Error Mean .059
Pair 13 P_RLB2 Mean 3.31 .00 .06 3.21 3.43
N 210
Std. Deviation .972 -.005 .035 .899 1.037
Std. Error Mean .067
H_RLB2 Mean 3.88 .00 .06 3.75 3.98
N 210
Std. Deviation .849 -.002 .040 .775 .935
Std. Error Mean .059
Pair 14 P_RLB3 Mean 3.30 -.01 .06 3.18 3.40
N 210
Std. Deviation .871 -.006 .033 .796 .935
Std. Error Mean .060
H_RLB3 Mean 3.83 .00 .06 3.71 3.94
N 210
Std. Deviation .810 -.002 .041 .728 .894
Std. Error Mean .056
Pair 15 P_RLB4 Mean 3.25 .00 .06 3.13 3.35
N 210
Std. Deviation .873 -.004 .035 .793 .931
Std. Error Mean .060
H_RLB4 Mean 3.84 .00 .05 3.73 3.94
N 210
Std. Deviation .778 .001 .043 .706 .866
Std. Error Mean .054
Pair 16 P_RLB5 Mean 3.24 .00 .06 3.11 3.37
N 210
Std. Deviation .870 -.006 .034 .793 .929
Std. Error Mean .060
H_RLB5 Mean 3.81 .00 .06 3.67 3.93
N 210
Std. Deviation .794 .000 .042 .708 .879
Std. Error Mean .055
Pair 17 P_RLB6 Mean 3.32 .00 .05 3.22 3.44
N 210
Std. Deviation .818 -.001 .036 .748 .891
Std. Error Mean .056
H_RLB6 Mean 3.87 .00 .05 3.75 3.98
 N 210
Std. Deviation .848 -.002 .046 .753 .957
Std. Error Mean .059
Pair 18 P_CS1 Mean 3.24 .00 .06 3.10 3.36
N 210
Std. Deviation .933 -.007 .034 .861 .993
Std. Error Mean .064
H_CS1 Mean 3.78 .00 .07 3.65 3.90
N 210
Std. Deviation .902 -.003 .048 .807 1.005
Std. Error Mean .062
Pair 19 P_CS2 Mean 3.20 .00 .06 3.09 3.33
N 210
Std. Deviation .829 -.006 .030 .763 .880
Std. Error Mean .057
H_CS2 Mean 3.70 .00 .06 3.60 3.81
N 210
Std. Deviation .871 .000 .045 .779 .967
Std. Error Mean .060
Pair 20 P_CS3 Mean 3.29 .00 .06 3.16 3.38
N 210
Std. Deviation .894 -.005 .035 .820 .962
Std. Error Mean .062
H_CS3 Mean 3.78 .00 .07 3.63 3.90
N 210
Std. Deviation .903 -.003 .047 .807 1.001
Std. Error Mean .062
Pair 21 P_CS4 Mean 3.10 .00 .06 2.99 3.22
N 210
Std. Deviation .901 -.007 .034 .818 .962
Std. Error Mean .062
H_CS4 Mean 3.80 .00 .07 3.65 3.93
N 210
Std. Deviation .908 -.002 .048 .810 1.009
Std. Error Mean .063
Pair 22 P_USAT1 Mean 3.29 .00 .06 3.16 3.42
N 210
Std. Deviation .834 -.005 .027 .777 .884
 Std. Error Mean .058
H_USAT1 Mean 3.78 .00 .06 3.65 3.91
N 210
Std. Deviation .860 -.005 .044 .777 .947
Std. Error Mean .059
Pair 23 P_USAT2 Mean 3.23 .00 .05 3.12 3.33
N 210
Std. Deviation .840 -.002 .029 .785 .900
Std. Error Mean .058
H_USAT2 Mean 3.73 .00 .06 3.63 3.86
N 210
Std. Deviation .879 -.006 .044 .788 .967
Std. Error Mean .061
Pair 24 P_USE1 Mean 3.29 .00 .05 3.17 3.39
N 210
Std. Deviation .797 -.003 .030 .732 .852
Std. Error Mean .055
H_USE1 Mean 3.73 .00 .06 3.60 3.86
N 210
Std. Deviation .889 -.003 .044 .793 .972
Std. Error Mean .061
Pair 25 P_USE2 Mean 3.10 .00 .05 3.00 3.19
N 210
Std. Deviation .767 -.003 .025 .716 .811
Std. Error Mean .053
H_USE2 Mean 3.72 .00 .06 3.58 3.84
N 210
Std. Deviation .831 -.002 .044 .731 .911
Std. Error Mean .057
Pair 26 P_USE3 Mean 2.90 .00 .06 2.77 3.02
N 210
Std. Deviation .794 -.003 .027 .740 .840
Std. Error Mean .055
H_USE3 Mean 3.76 .00 .06 3.65 3.87
N 210
Std. Deviation .838 -.004 .049 .731 .946
Std. Error Mean .058
 Paired Samples Correlations
Bootstrap for Correlationa
95% Confidence
Correlat Std. Interval
N ion Sig. Bias Error Lower Upper
Pair 1 P_EF1 & H_EF1 210 .122 .077 .001 .071 -.016 .261
Pair 2 P_EF2 & H_EF2 210 .104 .132 -.003 .065 -.022 .228
Pair 3 P_EF3 & H_EF3 210 .210 .002 -.001 .059 .091 .331
Pair 4 P_EF4 & H_EF4 210 .253 .000 .000 .068 .112 .382
Pair 5 P_EF5 & H_EF5 210 .135 .050 -.007 .072 -.012 .274
Pair 6 P_EF6 & H_EF6 210 .076 .270 -.002 .071 -.065 .217
Pair 7 P_EF7 & H_EF7 210 .293 .000 -.008 .059 .174 .404
Pair 8 P_TRS1 & H_TRS1 210 .091 .190 .000 .069 -.059 .238
Pair 9 P_TRS2 & H_TRS2 210 .114 .101 .007 .057 .025 .237
Pair 10 P_TRS3 & H_TRS3 210 .116 .095 -.002 .077 -.034 .264
Pair 11 P_TRS4 & H_TRS4 210 .213 .002 -.003 .063 .086 .328
Pair 12 P_RLB1 & H_RLB1 210 .186 .007 .003 .069 .050 .309
Pair 13 P_RLB2 & H_RLB2 210 .123 .076 .003 .072 -.012 .261
Pair 14 P_RLB3 & H_RLB3 210 .133 .054 -.001 .057 .000 .251
Pair 15 P_RLB4 & H_RLB4 210 .088 .206 .005 .063 -.016 .207
Pair 16 P_RLB5 & H_RLB5 210 .057 .408 .001 .062 -.083 .171
Pair 17 P_RLB6 & H_RLB6 210 .152 .027 -.002 .068 -.004 .269
Pair 18 P_CS1 & H_CS1 210 .244 .000 .001 .070 .112 .387
Pair 19 P_CS2 & H_CS2 210 .151 .029 -.001 .064 .015 .262
Pair 20 P_CS3 & H_CS3 210 .210 .002 .001 .060 .100 .348
Pair 21 P_CS4 & H_CS4 210 .249 .000 -.007 .065 .116 .356
Pair 22 P_USAT1 & H_USAT1 210 .205 .003 -.004 .064 .064 .328
Pair 23 P_USAT2 & H_USAT2 210 .222 .001 .002 .064 .101 .340
Pair 24 P_USE1 & H_USE1 210 .135 .051 -.011 .076 -.040 .270
Pair 25 P_USE2 & H_USE2 210 .089 .197 .000 .061 -.029 .222
Pair 26 P_USE3 & H_USE3 210 .084 .226 .000 .070 -.048 .232
 Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std. Std. Error Difference Sig. (2-
Mean Deviation Mean Lower Upper t df tailed)
P_EF1 -
Pair 1 -.567 1.080 .074 -.714 -.420 -7.607 209 .000
H_EF1
P_EF2 -
Pair 2 -.762 1.128 .078 -.915 -.608 -9.785 209 .000
H_EF2
P_EF3 -
Pair 3 -.490 1.064 .073 -.635 -.346 -6.682 209 .000
H_EF3
P_EF4 -
Pair 4 -.338 1.060 .073 -.482 -.194 -4.621 209 .000
H_EF4
P_EF5 -
Pair 5 -.586 1.100 .076 -.735 -.436 -7.715 209 .000
H_EF5
P_EF6 -
Pair 6 -.486 1.195 .082 -.648 -.323 -5.890 209 .000
H_EF6
P_EF7 -
Pair 7 -.476 1.008 .070 -.613 -.339 -6.846 209 .000
H_EF7
P_TRS1 -
Pair 8 -.490 1.163 .080 -.649 -.332 -6.114 209 .000
H_TRS1
P_TRS2 -
Pair 9 -.395 1.133 .078 -.549 -.241 -5.056 209 .000
H_TRS2
P_TRS3 -
Pair 10 -.486 1.116 .077 -.638 -.334 -6.305 209 .000
H_TRS3
P_TRS4 -
Pair 11 -.476 1.086 .075 -.624 -.328 -6.356 209 .000
H_TRS4
P_RLB1 -
Pair 12 -.514 1.171 .081 -.674 -.355 -6.366 209 .000
H_RLB1
P_RLB2 -
Pair 13 -.562 1.209 .083 -.726 -.397 -6.733 209 .000
H_RLB2
P_RLB3 -
Pair 14 -.529 1.107 .076 -.679 -.378 -6.917 209 .000
H_RLB3
P_RLB4 -
Pair 15 -.590 1.117 .077 -.742 -.439 -7.660 209 .000
H_RLB4
P_RLB5 -
Pair 16 -.576 1.143 .079 -.732 -.421 -7.302 209 .000
H_RLB5
 P_RLB6 -
Pair 17 -.543 1.085 .075 -.690 -.395 -7.249 209 .000
H_RLB6
P_CS1 -
Pair 18 -.543 1.128 .078 -.696 -.389 -6.972 209 .000
H_CS1
P_CS2 -
Pair 19 -.495 1.108 .076 -.646 -.345 -6.478 209 .000
H_CS2
P_CS3 -
Pair 20 -.490 1.129 .078 -.644 -.337 -6.295 209 .000
H_CS3
P_CS4 -
Pair 21 -.690 1.109 .077 -.841 -.540 -9.025 209 .000
H_CS4
P_USAT1 -
Pair 22 -.486 1.068 .074 -.631 -.340 -6.590 209 .000
H_USAT1
P_USAT2 -
Pair 23 -.495 1.073 .074 -.641 -.349 -6.690 209 .000
H_USAT2
P_USE1 -
Pair 24 -.448 1.111 .077 -.599 -.296 -5.839 209 .000
H_USE1
P_USE2 -
Pair 25 -.619 1.079 .074 -.766 -.472 -8.311 209 .000
H_USE2
P_USE3 -
Pair 26 -.862 1.105 .076 -1.012 -.712 -11.308 209 .000
H_USE3
 LAMPIRAN 4

KUESIONER PENELITIAN
 KUESIONER PENELITIAN

Assalamu’alaikum Wr. Wb.

Kepada responden yang terhormat,
Perkenalkan saya Oviani Viandari, mahasiswi Program Sarjana Strata-1 (S1)
Fakultas Sains dan Teknologi Universitas Islam Negeri (UIN) Syarif Hidayatullah
Jakarta, yang saat ini sedang melaksanakan penelitian dalam rangka penyelesaian
skripsi dengan judul “Analisis Kualitas Layanan Aplikasi e-Government Depok
Single Window (DSW) menggunakan Metode Electronic Government (E-
GovQual) dan Importance Performance Analysis (IPA)”.
Penelitian ini bertujuan untuk mengetahui kualitas layanan yang diberikan
pada aplikasi Depok Single Window (DSW) dengan menggunakan metode
Electronic Government (E-GovQual) oleh Papadomichelaki & Mentzas (2011) dan
Importance Performance Analysis (IPA) oleh Martilla & James (1977). Untuk
mendapatkan rekomendasi dari tiap dimensi e-GovQual agar pengembang aplikasi
DSW kelak dapat memenuhi kinerja dan harapan pengguna.
Saya mengharapkan kesediaan Bapak/Ibu/Sdr/i untuk menjadi responden
dalam penelitian ini. Bentuk kerja sama yang Bapak/Ibu/Sdr/i harapkan adalah
kesediaan Bapak/Ibu/Sdr/i untuk beberapa pernyataan (terlampir). Adapun
informasi yang Bapak/Ibu/Sdr/i berikan akan sangat bermanfaat bagi penelitian
saya, dan informasi yang telah Bapak/Ibu/Sdr/i berikan akan saya jamin
kerahasiaannya serta hanya digunakan untuk kepentingan penelitian ini.
Sebelum dan sesudahnya, saya mengucapkan banyak terimakasih atas
kesediaan Bapak/Ibu/Sdr/i untuk meluangkan waktu mengisi kuesioner ini dan
mohon maaf apabila terdapat kesalahan dalam penulisan.
Jika ada informasi yang kurang jelas atau ingin ditanyakan, dapat
menghubungi peneliti pada e-mail: oviani.viandari14@mhs.uinjkt.ac.id
Wassalamu’alaikum Wr. Wb.
1) Bagian I (Screening Questions)

A. Profil Responden

a) Karakteristik Pengguna Aplikasi Depok Single Window (DSW)

Petunjuk pengisian kuesioner: Pilih jawaban yang sesuai dengan

kondisi pribadi Anda.

1. No. Handphone / E-mail: ..........................................

2. Jenis Kelamin

o Pria o Wanita

3. Usia

o < 17 Tahun o 26-35 Tahun o 46-55 Tahun

o 17–25 Tahun o 36-45 Tahun o > 55 Tahun
4. Pendidikan Terakhir

o SMA/Sederajat o S1 o S3
o D1/2/3 o S2 o Lainnya

5. Pekerjaan

o Pelajar / Mahasiswa o Pegawai Swasta o lainnya

o PNS o Wirausaha

6. Seberapa sering Anda menggunakan aplikasi DSW dalam sebulan?

o Setiap hari o Sebulan sekali

o Seminggu Sekali o < Sebulan Sekali

7. Berapa lama durasi Anda dalam menggunakan aplikasi DSW per-

hari?

o < 5 menit o 16 – 25 menit o 26 – 35 menit

o 5 – 15 menit o > 35 menit
2) Bagian II (Main Questions)

Pada bagian kedua kuesioner berisikan item-item pertanyaan yang

terbagi kedalam bagian Persepsi (kondisi yang Anda rasakan sekarang) dan
Harapan (kualitas yang diharapkan dari aplikasi DSW) tentang Efficiency
(Efisiensi), Trust (Kepercayaan), Reliability (Keandalan), Citizen Support
(Dukungan Masyarakat), User Satisfaction (Kepuasan Pengguna), dan Intent
to Reuse (Niat untuk Menggunakan Kembali) yang ada pada aplikasi Depok
Single Window (DSW).
Dalam pengisian kuesioner di bawah ini, peneliti menggunakan skala
Likert dari 1-5. Nyatakan pendapat Anda dengan memberikan tanda pada salah
satu skala berikut.

Persepsi Harapan
Nilai Jawaban Singkatan Jawaban Singkatan
1 STS Sangat Tidak Setuju STP Sangat Tidak Penting
2 TS Tidak Setuju TP Tidak Penting
3 TT Tidak Tahu TT Tidak Tahu
4 S Setuju P Penting
5 SS Sangat Setuju SP Sangat Penting

Persepsi Harapan
No. Pernyataan STS TS TT S SS STP TP TT P SP
Dimensi Efisiensi
Dimensi ini berfokus pada seberapa mudah aplikasi Depok Singgle Window (DSW)
digunakan serta kualitas informasi yang disajikan oleh aplikasi DSW.
Alur proses (saat
pendaftaran, pengisian
formulir, dll) yang ada
1 pada aplikasi Depok
Single Window (DSW)
mudah dipahami dan
diikuti
Mesin pencarian
(search engine) dari
tiap layanan pada
aplikasi Depok Single
2
Window (DSW)
bekerja efektif sehingga
memudahkan pencarian
saya
 Halaman-halaman pada
aplikasi Depok Single
Window (DSW) yang
3 teratur sehingga
memudahkan saya
dalam mengakses tiap
layanan
Aplikasi Depok Single
4 Window (DSW) sesuai
dengan kebutuhan saya
Informsi yang diberikan
pada aplikasi Depok
5
Single Window (DSW)
cukup terperinci
Aplikasi Depok Single
Window (DSW) selalu
6
memberikan informasi
terbaru
Saat mengisi formulir
pada aplikasi Depok
Single Window (DSW),
7 tersedia bantuan yang
dapat membantu saya
untuk mengisi formulir
tersebut
Dimensi Kepercayaan
Dimensi ini berfokus pada tingkat kepercayaan Anda sebagai pengguna aplikasi
terhadap aplikasi Depok Single Window (DSW) bahwa data personal yang Anda
berikan pada aplikasi terlindungi dan aman dari gangguan pihak lain.
Saya percaya username
dan password saya
8 aman pada aplikasi
Depok Single Window
(DSW)
Otentikasi pada aplikasi
Depok Single Window
(DSW) hanya
9
menggunakan data
pribadi saya yang
diperlukan
Saya percaya data-data
saya yang tersipan
10 melalui aplikasi Depok
Single Window (DSW)
aman
Saya percaya data-data
saya yang tersimpan
11
digunakan sesuai
dengan kebutuhan
Dimensi Keandalan (Reliabilitas)
Dimensi ini berfokus pada seberapa layak dan cepat aplikasi dalam mengakses,
menggunakan dan menerima pelayanan yang disediakan oleh aplikasi Depok Single
Window (DSW).
Waktu yang diperlukan
12
untuk mengunduh
 (download) formulir
pada aplikasi Depok
Single Window (DSW)
singkat
Aplikasi Depok Single
13 Window (DSW) dapat
saya akses kapan pun
Aplikasi Depok Single
Window (DSW) dapat
14
merespon permintaan
saya dengan sekali klik
Aplikasi Depok Single
Window (DSW)
15
memberikan pelayanan
tepat waktu
Aplikasi Depok Single
Window (DSW)
membutuhkan waktu
16 cukup singkat untuk
menampilkan tiap
halaman menu yang
saya klik
Aplikasi Depok Single
Window (DSW)
17
berfungsi dengan baik
pada perangkat saya
Dukungan Masyarakat
Dimensi ini berfokus pada interaksi antara Anda sebagai pengguna aplikasi terhadap
pihak pengelola aplikasi ketika mengalami kesulitan dalam menggunakan aplikasi
Depok Single Window (DSW).
Pihak pengelola
bersungguh-sungguh
18 dalam menyelesaikan
masalah yang saya
alami
Pihak pengelola
memberikan jawaban
19 dengan cepat dan tepat
kepada saya saat saya
membutuhkannya
Pihak pengelola
memiliki pengetahuan
20 yang cukup untuk
menjawab pertanyaan
saya
Saya mempercayai
21
pihak pengelola
Dimensi Kepuasan Pengguna
Dimensi ini berfokus pada seberapa puas Anda sebagai pengguna aplikasi dalam
menggunakan aplikasi Depok Single Window (DSW).
Saya puas dengan
performa layanan yang
22 diberikan melalui
aplikasi Depok Single
Window (DSW)
 Saya akan terus
menggunakan aplikasi
Depok Single Window
23 (DSW) untuk
mempermudah
mendapatkan
pelayanan publik
Dimensi Niat untuk Menggunakan Kembali
Dimensi ini berfokus pada keinginan pengguna untuk menggunakan kembali layanan
aplikasi Depok Single Window (DSW) lebih sering karena kepuasan akan kualitas
layanan terpenuhi.
Saya kembali
menggunakan aplikasi
Depok Single Window
24
(DSW) karena puas
akan kualitas layanan
yang terpenuhi
Saya akan sering
menggunakan aplikasi
Depok Single Window
25 (DSW) untuk
mempermudah
mendapatkan
pelayanan publik
Saya akan memberitahu
/merekomendasikan
26 aplikasi Depok Single
Window (DSW) kepada
orang lain
 LAMPIRAN 5

DATA PENDUKUNG PENELITIAN

A. Data Demografis
Frekuensi
Durasi Akses
Jenis Pendidikan Menggunakan
No. Usia Pekerjaan Aplikasi DSW
Kelamin Terakhir Aplikasi DSW
Per-Hari
Per-Bulan
17- 25 SMA / Pegawai
1 Perempuan Seminggu sekali 5 - 15 Menit
Tahun Sederajat Swasta
17- 25 Pelajar /
2 Perempuan S1 Sebulan sekali 16 - 25 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
3 Perempuan Seminggu sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
4 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
5 Perempuan Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
26 - 35 Pelajar /
6 Laki-laki S1 < Sebulan Sekali 16 - 25 Menit
Tahun Mahasiswa
< 17 SMA / Pelajar /
7 Perempuan Seminggu sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
8 Perempuan S1 Seminggu sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
9 Perempuan Setiap hari > 35 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
10 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
11 Perempuan Sebulan sekali < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
12 Perempuan < Sebulan Sekali < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 Pelajar /
13 Perempuan S1 Sebulan sekali 5 - 15 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
14 Perempuan Setiap hari < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
15 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
16 Perempuan Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA /
17 Perempuan lainnya < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
17- 25 Pegawai
18 Perempuan S1 Setiap hari 16 - 25 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
19 Perempuan < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
20 Laki-laki S1 Sebulan sekali 26 - 35 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
21 Laki-laki Seminggu sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
22 Perempuan S1 Sebulan sekali < 5 Menit
Tahun Swasta
17- 25 Pegawai
23 Laki-laki S1 Seminggu sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA /
24 Perempuan lainnya Sebulan sekali < 5 Menit
Tahun Sederajat
 17- 25 SMA / Pelajar /
25 Perempuan Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
26 Laki-laki S1 Seminggu sekali 5 - 15 Menit
Tahun Swasta
26 - 35 SMA /
27 Perempuan lainnya Setiap hari 26 - 35 Menit
Tahun Sederajat
17- 25 Pelajar /
28 Laki-laki S1 Seminggu sekali 5 - 15 Menit
Tahun Mahasiswa
36 - 45 SMA /
29 Perempuan lainnya < Sebulan Sekali < 5 Menit
Tahun Sederajat
17- 25 SMA / Pelajar /
30 Perempuan < Sebulan Sekali < 5 Menit
Tahun Sederajat Mahasiswa
36 - 45 SMA / Pegawai
31 Laki-laki Seminggu sekali 16 - 25 Menit
Tahun Sederajat Swasta
17- 25 SMA /
32 Perempuan lainnya < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
46 - 55 SMA /
33 Perempuan lainnya < Sebulan Sekali < 5 Menit
Tahun Sederajat
26 - 35 Pelajar /
34 Perempuan S1 Sebulan sekali < 5 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
35 Laki-laki Seminggu sekali < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
36 Perempuan Seminggu sekali 26 - 35 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
37 Perempuan Seminggu sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
38 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25
39 Perempuan S1 lainnya Sebulan sekali 26 - 35 Menit
Tahun
17- 25 SMA / Pelajar /
40 Laki-laki Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
41 Perempuan S1 Seminggu sekali 5 - 15 Menit
Tahun Swasta
17- 25
42 Perempuan S1 lainnya < Sebulan Sekali 5 - 15 Menit
Tahun
17- 25 SMA / Pelajar /
43 Perempuan Seminggu sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA /
44 Perempuan Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
17- 25 Pegawai
45 Perempuan S1 Seminggu sekali 5 - 15 Menit
Tahun Swasta
17- 25 Pelajar /
46 Perempuan D1/2/3 Seminggu sekali 26 - 35 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
47 Laki-laki < Sebulan Sekali < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
48 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA /
49 Laki-laki lainnya < Sebulan Sekali < 5 Menit
Tahun Sederajat
26 - 35 Pegawai
50 Laki-laki S1 < Sebulan Sekali < 5 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
51 Perempuan Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
 17- 25 Pegawai
52 Laki-laki S1 Sebulan sekali 5 - 15 Menit
Tahun Swasta
17- 25 Pegawai
53 Perempuan D1/2/3 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
54 Perempuan Setiap hari < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
55 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
26 - 35 SMA /
56 Perempuan Wirausaha Sebulan sekali 16 - 25 Menit
Tahun Sederajat
17- 25 SMA / Pelajar /
57 Perempuan Seminggu sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
58 Laki-laki Sebulan sekali < 5 Menit
Tahun Sederajat Mahasiswa
17- 25
59 Perempuan S1 lainnya < Sebulan Sekali 5 - 15 Menit
Tahun
17- 25 Pelajar /
60 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Mahasiswa
26 - 35 Pegawai
61 Laki-laki S1 Seminggu sekali 5 - 15 Menit
Tahun Swasta
26 - 35 Pegawai
62 Laki-laki D1/2/3 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
63 Laki-laki < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pelajar /
64 Laki-laki S2 Seminggu sekali 16 - 25 Menit
Tahun Mahasiswa
> 55 SMA / Pegawai
65 Laki-laki Sebulan sekali 26 - 35 Menit
Tahun Sederajat Swasta
17- 25 SMA / Pelajar /
66 Perempuan Seminggu sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
26 - 35 Pegawai
67 Laki-laki S1 Sebulan sekali 16 - 25 Menit
Tahun Swasta
26 - 35 SMA /
68 Perempuan lainnya < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat
36 - 45 SMA /
69 Perempuan Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat
17- 25 Pegawai
70 Laki-laki S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25
71 Perempuan S1 PNS Sebulan sekali 16 - 25 Menit
Tahun
17- 25 Pegawai
72 Perempuan S1 < Sebulan Sekali < 5 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
73 Laki-laki Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
74 Laki-laki S1 Sebulan sekali 5 - 15 Menit
Tahun Swasta
26 - 35
75 Laki-laki S1 PNS Sebulan sekali 5 - 15 Menit
Tahun
17- 25 SMA / Pegawai
76 Laki-laki Seminggu sekali 16 - 25 Menit
Tahun Sederajat Swasta
26 - 35
77 Laki-laki S1 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
26 - 35 Pegawai
78 Laki-laki S1 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
 26 - 35
79 Laki-laki S2 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
17- 25 SMA / Pegawai
80 Laki-laki Sebulan sekali 16 - 25 Menit
Tahun Sederajat Swasta
17- 25 SMA / Pegawai
81 Laki-laki < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Swasta
26 - 35 SMA / Pegawai
82 Laki-laki Sebulan sekali 16 - 25 Menit
Tahun Sederajat Swasta
17- 25
83 Laki-laki S1 PNS Sebulan sekali 5 - 15 Menit
Tahun
17- 25 Pegawai
84 Laki-laki S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25
85 Laki-laki S1 PNS Sebulan sekali 16 - 25 Menit
Tahun
17- 25 Pegawai
86 Laki-laki S1 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
87 Laki-laki Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
88 Laki-laki < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
26 - 35 SMA / Pelajar /
89 Laki-laki Sebulan sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
90 Laki-laki < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
91 Laki-laki S1 Sebulan sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA /
92 Laki-laki lainnya Sebulan sekali 16 - 25 Menit
Tahun Sederajat
17- 25 SMA / Pelajar /
93 Laki-laki Sebulan sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
94 Laki-laki S1 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
26 - 35 Pegawai
95 Laki-laki S1 Sebulan sekali 16 - 25 Menit
Tahun Swasta
< 17 SMA / Pelajar /
96 Perempuan Setiap hari > 35 Menit
Tahun Sederajat Mahasiswa
36 - 45 SMA /
97 Perempuan lainnya < Sebulan Sekali < 5 Menit
Tahun Sederajat
17- 25 SMA / Pelajar /
98 Perempuan Sebulan sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pegawai
99 Laki-laki < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Swasta
17- 25 SMA / Pegawai
100 Laki-laki < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Swasta
17- 25 Pegawai
101 Laki-laki S1 Sebulan sekali 16 - 25 Menit
Tahun Swasta
26 - 35
102 Laki-laki S1 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
17- 25 SMA / Pelajar /
103 Perempuan Sebulan sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 Pegawai
104 Perempuan S1 Sebulan sekali 5 - 15 Menit
Tahun Swasta
46 - 55
105 Perempuan S1 PNS Sebulan Sekali 16 - 25 Menit
Tahun
 46 - 55
106 Laki-laki S1 PNS < Sebulan Sekali 16 - 25 Menit
Tahun
< 17 SMA / Pelajar /
107 Perempuan < Sebulan Sekali 26 - 35 Menit
Tahun Sederajat Mahasiswa
< 17 SMA / Pelajar /
108 Perempuan < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
< 17 SMA / Pelajar /
109 Perempuan Seminggu Sekali 26 - 35 Menit
Tahun Sederajat Mahasiswa
46 - 55 Pegawai
110 Laki-laki S1 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
36 - 45 Pegawai
111 Laki-laki D1/2/3 < Sebulan Sekali 26 - 35 Menit
Tahun Swasta
36 - 45 Pegawai
112 Laki-laki S1 Sebulan Sekali 26 - 35 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
113 Laki-laki < Sebulan Sekali < 5 Menit
Tahun Sederajat Mahasiswa
17- 25 Pelajar /
114 Laki-laki S1 Seminggu Sekali 5 - 15 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
115 Laki-laki Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
17- 25 Pelajar /
116 Laki-laki S1 < Sebulan Sekali < 5 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
117 Laki-laki < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
36 - 45 Pegawai
118 Perempuan S1 Sebulan Sekali 26 - 35 Menit
Tahun Swasta
17- 25 Pegawai
119 Perempuan S1 < Sebulan Sekali < 5 Menit
Tahun Swasta
17- 25 SMA /
120 Perempuan Wirausaha Seminggu Sekali 5 - 15 Menit
Tahun Sederajat
36 - 45 SMA / Pegawai
121 Laki-laki < Sebulan Sekali 26 - 35 Menit
Tahun Sederajat Swasta
26 - 35 SMA / Pegawai
122 Laki-laki < Sebulan Sekali 26 - 35 Menit
Tahun Sederajat Swasta
26 - 35 Pegawai
123 Laki-laki S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25 Pelajar /
124 Perempuan S1 Sebulan sekali 16 - 25 Menit
Tahun Mahasiswa
26 - 35 Pegawai
125 Perempuan S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 Pegawai
126 Laki-laki D1/2/3 Seminggu Sekali 16 - 25 Menit
Tahun Swasta
26 - 35
127 Laki-laki D1/2/3 Wirausaha Sebulan Sekali < 5 Menit
Tahun
17- 25 SMA / Pelajar /
128 Perempuan Seminggu Sekali 26 - 35 Menit
Tahun Sederajat Mahasiswa
46 - 55 Pegawai
129 Laki-laki S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
36 - 45 SMA /
130 Laki-laki Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat
36 - 45 Pegawai
131 Laki-laki S1 Seminggu Sekali 5 - 15 Menit
Tahun Swasta
17- 25
132 Laki-laki S1 Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun
 46 - 55
133 Laki-laki S2 PNS < Sebulan Sekali 16 - 25 Menit
Tahun
26 - 35
134 Laki-laki S1 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
17- 25 SMA /
135 Laki-laki Wirausaha Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
36 - 45
136 Laki-laki S2 PNS Seminggu Sekali 5 - 15 Menit
Tahun
26 - 35 Pegawai
137 Laki-laki S1 Sebulan Sekali < 5 Menit
Tahun Swasta
26 - 35
138 Perempuan D1/2/3 Wirausaha Seminggu Sekali 5 - 15 Menit
Tahun
36 - 45
139 Laki-laki S1 Wirausaha Seminggu Sekali 16 - 25 Menit
Tahun
17- 25 Pegawai
140 Perempuan S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
> 55
141 Laki-laki S1 PNS < Sebulan Sekali < 5 Menit
Tahun
> 55 Pegawai
142 Laki-laki S1 Seminggu Sekali 5 - 15 Menit
Tahun Swasta
> 55
143 Perempuan S1 PNS < Sebulan Sekali < 5 Menit
Tahun
26 - 35 SMA /
144 Laki-laki Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
36 - 45 SMA /
145 Laki-laki Wirausaha Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
26 - 35 Pegawai
146 Laki-laki S1 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25
147 Perempuan S1 Wirausaha Seminggu Sekali 5 - 15 Menit
Tahun
36 - 45 Pegawai
148 Perempuan S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
26 - 35 Pegawai
149 Laki-laki S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA /
150 Laki-laki Wirausaha Seminggu Sekali 5 - 15 Menit
Tahun Sederajat
36 - 45
151 Laki-laki S1 PNS Sebulan Sekali < 5 Menit
Tahun
17- 25
152 Laki-laki D1/2/3 Wirausaha Seminggu Sekali 5 - 15 Menit
Tahun
36 - 45 Pegawai
153 Laki-laki S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
46 - 55 Pegawai
154 Laki-laki S1 < Sebulan Sekali < 5 Menit
Tahun Swasta
26 - 35 SMA /
155 Laki-laki Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
26 - 35 Pegawai
156 Perempuan S1 Seminggu Sekali 5 - 15 Menit
Tahun Swasta
36 - 45 Pegawai
157 Laki-laki S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25 SMA / Pelajar /
158 Laki-laki Setiap Hari 5 - 15 Menit
Tahun Sederajat Mahasiswa
17- 25 SMA / Pelajar /
159 Laki-laki < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat Mahasiswa
 17- 25 SMA / Pelajar /
160 Perempuan Setiap Hari 5 - 15 Menit
Tahun Sederajat Mahasiswa
46 - 55
161 Laki-laki S2 PNS Seminggu Sekali 16 - 25 Menit
Tahun
26 - 35
162 Laki-laki S1 Wirausaha < Sebulan Sekali < 5 Menit
Tahun
17- 25 Pegawai
163 Laki-laki S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
26 - 35 SMA /
164 Laki-laki Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat
17- 25 Pegawai
165 Laki-laki S1 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
46 - 55
166 Laki-laki S2 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
36 - 45 SMA /
167 Laki-laki Wirausaha < Sebulan Sekali < 5 Menit
Tahun Sederajat
26 - 35 SMA /
168 Laki-laki Wirausaha Seminggu Sekali < 5 Menit
Tahun Sederajat
17- 25 Pegawai
169 Laki-laki S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
36 - 45
170 Perempuan S2 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
26 - 35 Pegawai
171 Laki-laki D1/2/3 < Sebulan Sekali < 5 Menit
Tahun Swasta
26 - 35 Pegawai
172 Laki-laki S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
26 - 35
173 Laki-laki S1 PNS Sebulan Sekali 16 - 25 Menit
Tahun
17- 25 SMA / Pegawai
174 Laki-laki Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Swasta
26 - 35 Pegawai
175 Laki-laki D1/2/3 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25 Pegawai
176 Perempuan S1 Seminggu Sekali 5 - 15 Menit
Tahun Swasta
17- 25 SMA /
177 Perempuan Wirausaha Seminggu Sekali 5 - 15 Menit
Tahun Sederajat
26 - 35 Pegawai
178 Laki-laki D1/2/3 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25
179 Perempuan D1/2/3 Wirausaha < Sebulan Sekali < 5 Menit
Tahun
46 - 55 Pegawai
180 Laki-laki S2 < Sebulan Sekali 5 - 15 Menit
Tahun Swasta
26 - 35 Pegawai
181 Laki-laki S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
36 - 45 SMA /
182 Perempuan Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat
17- 25
183 Laki-laki D1/2/3 Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun
17- 25
184 Laki-laki D1/2/3 Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun
26 - 35 Pegawai
185 Laki-laki S1 Sebulan Sekali 16 - 25 Menit
Tahun Swasta
17- 25 Pegawai
186 Perempuan S1 Seminggu Sekali 5 - 15 Menit
Tahun Swasta
 26 - 35 SMA / Pegawai
187 Laki-laki < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat Swasta
26 - 35 Pegawai
188 Perempuan S1 < Sebulan Sekali 16 - 25 Menit
Tahun Swasta
36 - 45
189 Laki-laki S1 PNS Sebulan Sekali < 5 Menit
Tahun
17- 25
190 Laki-laki S1 Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun
26 - 35 SMA /
191 Perempuan Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat
36 - 45
192 Laki-laki D1/2/3 Wirausaha Sebulan Sekali 5 - 15 Menit
Tahun
26 - 35
193 Perempuan S1 PNS Seminggu Sekali 5 - 15 Menit
Tahun
17- 25 Pegawai
194 Perempuan S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
36 - 45
195 Laki-laki S2 Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun
46 - 55 Pegawai
196 Perempuan S2 < Sebulan Sekali < 5 Menit
Tahun Swasta
26 - 35
197 Laki-laki D1/2/3 Wirausaha < Sebulan Sekali < 5 Menit
Tahun
17- 25 Pegawai
198 Perempuan S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
36 - 45 SMA /
199 Laki-laki Wirausaha < Sebulan Sekali < 5 Menit
Tahun Sederajat
17- 25 Pelajar /
200 Laki-laki S1 Sebulan Sekali 16 - 25 Menit
Tahun Mahasiswa
17- 25 SMA / Pelajar /
201 Laki-laki < Sebulan Sekali 16 - 25 Menit
Tahun Sederajat Mahasiswa
26 - 35 SMA /
202 Perempuan Wirausaha < Sebulan Sekali 5 - 15 Menit
Tahun Sederajat
36 - 45 Pegawai
203 Laki-laki S1 < Sebulan Sekali < 5 Menit
Tahun Swasta
26 - 35 SMA / Pegawai
204 Perempuan Seminggu Sekali 5 - 15 Menit
Tahun Sederajat Swasta
26 - 35
205 Perempuan D1/2/3 Wirausaha < Sebulan Sekali 16 - 25 Menit
Tahun
26 - 35 SMA / Pegawai
206 Laki-laki Sebulan Sekali < 5 Menit
Tahun Sederajat Swasta
36 - 45 Pegawai
207 Perempuan S1 Seminggu Sekali < 5 Menit
Tahun Swasta
46 - 55
208 Laki-laki S2 PNS < Sebulan Sekali 5 - 15 Menit
Tahun
26 - 35 SMA /
209 Laki-laki Wirausaha Sebulan Sekali < 5 Menit
Tahun Sederajat
26 - 35 Pegawai
210 Laki-laki S1 Sebulan Sekali 5 - 15 Menit
Tahun Swasta
B. Data Persepsi Penelitian

N P_ P_ P_ P_ P_ P_ P_ P_T P_T P_T P_T P_R P_R P_R P_R P_R P_R P_ P_ P_ P_ P_U P_U P_ P_ P_

o. EF EF EF EF EF EF EF RS RS RS RS LB LB LB LB LB LB CS CS CS CS SAT SAT US US US

1 2 3 4 5 6 7 1 2 3 4 1 2 3 4 5 6 1 2 3 4 1 2 E1 E2 E3

1 4 4 3 3 3 4 4 3 4 3 4 3 3 2 2 2 2 4 3 3 4 4 4 4 4 3

2 4 5 3 4 4 5 4 2 3 4 3 3 2 2 2 3 3 4 3 4 4 3 4 5 3 2

3 4 5 5 4 5 4 5 3 3 4 4 4 3 4 4 2 2 2 3 3 4 4 3 4 2 2

4 4 4 5 4 4 4 5 3 2 2 2 3 4 3 3 2 2 3 4 4 3 2 4 4 4 4

5 4 4 4 4 4 4 4 3 4 3 4 2 2 4 4 2 3 4 2 3 3 2 3 4 3 2

6 4 4 4 4 4 4 5 4 4 4 5 4 3 3 4 3 3 4 2 2 4 4 4 4 3 4

7 4 4 4 5 5 4 5 4 4 4 4 2 3 4 2 4 4 4 3 2 4 3 3 5 4 3

8 4 4 4 5 4 5 4 2 3 4 3 2 3 5 3 5 3 4 3 2 4 4 4 4 2 4

9 4 4 5 3 3 3 3 3 3 3 3 4 3 3 4 3 4 3 3 4 3 3 3 3 3 3

10 3 4 2 2 3 2 1 3 3 1 2 3 3 2 2 2 3 2 2 3 2 2 2 2 2 2

11 4 5 4 5 4 4 5 3 2 3 3 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4

12 2 2 2 2 2 2 3 2 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2

13 4 5 4 3 3 3 4 4 4 5 4 3 3 4 3 3 4 4 3 4 3 3 3 3 3 4

14 4 4 4 3 4 3 4 3 4 4 4 3 4 4 4 3 3 3 4 3 5 4 4 4 3 2

15 4 3 4 3 3 4 4 5 3 4 4 3 5 3 3 2 3 2 3 4 3 4 3 3 2 2

16 4 3 4 4 3 3 3 3 3 3 3 3 4 3 4 4 3 3 4 3 4 4 4 4 3 4
17 4 4 4 3 3 4 3 4 4 4 4 4 4 4 3 4 4 2 3 4 4 4 4 4 3 4

18 3 3 3 3 2 2 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3

19 3 2 4 2 3 2 3 4 5 4 4 1 3 2 3 2 4 3 3 3 4 2 3 2 3 3

20 4 4 3 4 4 3 4 3 4 3 4 3 5 4 3 3 4 4 4 4 4 4 4 4 4 4

21 2 2 2 3 3 4 3 4 5 3 2 2 3 2 4 3 2 2 2 3 2 3 2 4 2 3

22 3 2 3 2 2 2 3 3 3 3 3 2 2 3 2 3 3 2 2 2 3 2 2 3 3 2

23 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

24 5 5 5 5 5 5 5 3 3 2 2 5 5 5 5 5 5 5 5 5 5 3 2 5 3 2

25 4 3 4 2 3 3 3 2 3 2 3 4 3 3 2 2 1 4 4 4 4 4 4 4 3 3

26 3 4 2 4 4 2 4 3 2 3 2 1 1 3 4 2 4 4 4 4 4 4 4 3 3 2

27 2 3 2 2 3 2 2 2 4 3 4 3 3 2 4 4 4 3 3 3 2 4 2 3 2 4

28 4 4 3 2 4 3 2 4 3 2 3 4 3 2 2 4 4 4 3 2 2 4 4 4 3 2

29 3 4 2 4 2 4 3 3 2 3 2 3 3 3 4 4 4 3 3 2 3 4 4 4 4 2

30 3 3 4 5 2 2 4 2 3 3 2 3 2 2 3 2 3 3 3 4 5 2 3 2 3 3

31 5 4 3 4 4 2 3 5 5 5 2 2 2 3 2 3 2 2 3 5 4 3 2 2 2 3

32 4 4 3 4 4 2 4 3 2 3 3 1 1 2 4 4 4 3 3 2 2 4 4 4 4 4

33 3 2 2 2 3 4 3 2 4 4 3 3 2 3 3 5 4 2 3 4 5 4 4 3 3 4

34 4 4 3 3 3 3 3 4 2 2 2 2 3 2 2 4 4 3 4 4 4 4 3 2 2 4

35 2 3 2 5 2 2 4 2 2 3 2 2 4 2 3 3 3 5 4 5 5 3 4 3 4 3

36 4 2 4 4 2 2 4 3 2 4 4 1 2 3 2 2 3 4 2 2 3 4 4 4 2 4
37 3 3 4 4 3 3 3 3 3 3 3 2 3 2 2 3 4 3 3 3 3 3 2 3 4 4

38 3 3 4 2 2 3 3 3 3 4 4 3 2 3 3 2 2 4 3 4 4 3 2 4 4 2

39 2 3 5 4 4 2 4 4 3 2 2 2 4 4 3 2 3 2 2 3 4 4 4 3 2 4

40 2 3 4 4 3 5 4 2 5 2 4 3 2 2 3 2 3 4 5 4 3 4 2 4 3 3

41 3 2 3 4 4 2 4 3 2 4 3 2 3 3 2 2 3 2 3 3 3 2 4 4 3 3

42 4 3 2 2 4 4 2 2 3 4 3 5 3 4 4 3 3 2 4 5 5 3 4 3 3 4

43 2 4 4 3 3 4 3 4 4 3 3 4 3 3 4 4 4 2 3 5 4 4 5 4 3 2

44 2 3 5 4 2 4 3 2 5 2 4 5 3 3 4 5 5 4 4 3 4 5 5 4 2 2

45 4 3 3 3 2 2 4 4 4 4 4 5 5 5 5 4 5 3 3 2 2 4 4 4 4 4

46 3 3 4 5 4 2 4 5 5 3 5 4 5 4 5 4 4 4 3 4 3 5 5 3 2 2

47 2 3 3 3 2 3 4 3 2 2 4 3 3 3 3 3 4 2 3 2 3 2 2 3 2 1

48 3 2 4 5 4 3 4 5 4 3 4 4 5 5 4 4 4 3 4 3 4 5 4 4 3 2

49 3 4 3 3 2 4 2 4 4 3 4 5 5 4 5 4 4 4 3 2 2 4 5 4 4 2

50 3 3 3 3 4 2 3 2 3 2 3 4 4 4 4 3 4 3 2 2 2 3 3 3 2 2

51 3 4 3 4 3 3 3 3 2 2 3 4 3 4 3 3 3 3 3 4 4 4 4 3 3 3

52 3 3 4 3 2 2 3 2 2 2 3 3 3 4 3 3 4 3 2 3 2 3 3 3 3 3

53 3 3 3 3 3 2 3 2 3 2 2 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3

54 4 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

55 4 2 3 3 4 3 4 3 4 3 4 3 3 3 4 4 3 3 3 4 4 3 4 3 3 4

56 3 4 5 3 4 5 4 2 5 3 5 5 4 3 3 2 3 5 5 4 2 4 3 2 3 2
57 4 2 3 3 3 3 3 3 3 3 3 3 2 2 3 3 3 3 3 3 3 3 3 3 3 3

58 3 5 3 3 3 4 4 3 4 3 3 3 2 4 3 4 4 4 4 4 3 4 3 4 3 2

59 3 2 4 2 4 2 4 5 4 4 4 4 2 4 4 3 4 5 2 5 4 5 4 4 2 4

60 4 2 4 3 2 3 4 4 3 4 4 3 2 4 3 4 2 4 4 4 4 4 4 4 4 2

61 4 4 4 2 2 2 3 3 3 3 3 4 3 3 2 4 5 3 3 4 3 4 4 4 3 3

62 4 3 2 5 3 4 3 4 4 4 4 3 2 2 3 4 3 4 4 4 4 2 3 3 4 4

63 3 3 4 4 2 3 4 4 4 3 3 4 4 3 2 3 4 4 4 4 4 4 4 4 4 2

64 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 3 4 1 2 1 3 3 3 3 3 2

65 3 2 4 4 3 4 4 4 4 3 4 4 3 3 3 3 3 4 3 4 4 3 4 3 3 3

66 3 3 3 3 4 3 3 4 4 3 3 3 4 4 3 3 4 4 4 3 4 3 4 4 2 2

67 2 3 3 2 2 4 5 3 4 4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 4

68 2 4 2 3 3 3 2 3 3 3 4 4 3 4 2 3 4 4 3 3 3 2 3 3 4 3

69 4 3 3 4 3 3 3 4 4 4 3 3 3 3 3 4 3 3 4 4 3 2 2 3 2 2

70 3 4 4 3 3 3 2 3 3 3 3 3 4 2 3 3 3 4 4 3 4 2 3 3 3 3

71 4 3 2 4 4 4 2 2 3 2 3 3 4 3 3 3 3 4 4 3 3 3 2 3 3 2

72 2 2 3 3 2 2 3 2 3 2 3 1 2 3 3 2 2 1 2 2 2 3 3 1 2 3

73 4 2 2 4 4 5 4 4 4 4 4 3 2 2 2 3 3 4 4 4 2 4 4 4 4 4

74 3 3 3 3 3 4 3 4 3 3 3 4 4 3 3 4 3 3 3 3 4 2 3 3 3 2

75 3 3 3 4 4 3 4 3 3 4 4 3 3 4 4 3 3 4 3 3 3 4 3 3 3 4

76 4 2 4 3 3 5 3 4 3 4 2 3 4 4 4 5 3 3 4 4 4 3 2 4 4 3
77 3 2 3 4 4 3 2 4 3 3 3 4 4 3 3 4 4 4 3 4 3 2 3 3 3 4

78 2 4 3 3 4 2 3 3 3 4 3 2 2 3 3 3 3 3 2 3 3 3 3 3 3 3

79 3 3 3 4 4 4 2 4 4 3 3 2 2 2 1 1 3 2 3 2 2 2 4 2 2 3

80 4 4 3 2 2 3 3 2 2 2 4 3 2 4 3 2 4 3 3 3 3 3 3 3 3 3

81 3 2 4 4 3 2 2 2 3 3 4 3 3 3 3 3 3 3 4 3 2 3 3 2 2 2

82 2 2 3 3 2 2 3 2 3 4 3 2 3 3 4 3 4 2 3 2 4 2 2 3 3 2

83 3 3 4 4 2 2 3 3 2 2 2 3 3 3 3 3 3 2 2 3 3 2 3 3 3 3

84 4 2 2 3 3 4 3 2 3 3 2 3 4 4 1 2 3 3 3 3 3 3 3 3 3 3

85 3 2 3 3 3 3 3 3 2 3 3 3 3 3 3 3 4 3 3 3 2 4 4 3 2 3

86 4 4 2 2 2 3 2 4 3 4 3 3 3 2 4 3 4 3 3 4 2 3 3 3 3 3

87 3 2 3 2 3 2 2 3 4 3 2 2 2 2 3 3 3 3 3 3 3 3 2 3 2 3

88 2 2 2 3 3 3 4 2 3 2 3 3 2 3 3 3 3 3 3 3 3 2 3 4 2 2

89 2 3 4 4 2 3 3 3 2 3 4 3 3 3 4 3 3 4 3 4 3 3 4 4 4 2

90 3 3 3 2 3 3 2 3 3 3 3 2 3 2 4 3 4 3 3 3 2 2 3 4 3 3

91 4 3 2 3 3 4 3 4 4 3 3 3 2 3 3 3 4 3 4 4 4 4 3 3 3 2

92 4 4 3 4 2 4 3 3 4 4 3 4 2 3 3 3 4 3 3 3 3 3 3 2 3 3

93 2 4 4 3 3 3 3 2 4 4 4 3 3 4 2 2 1 3 5 4 4 4 3 2 3 3

94 3 3 3 2 3 2 3 3 3 3 3 3 2 3 4 3 3 3 3 2 2 3 3 3 4 3

95 3 3 4 4 2 3 4 4 3 3 3 3 3 3 4 3 4 4 4 4 2 4 4 4 2 4

96 4 3 5 2 2 3 3 3 2 3 3 5 4 3 2 2 2 3 4 3 5 5 3 2 2 3
97 3 2 3 4 3 4 5 2 4 4 4 4 3 3 3 2 4 4 4 4 4 4 4 4 4 4

98 2 2 2 3 2 2 3 4 3 3 3 3 2 2 3 2 3 3 2 3 3 3 3 3 3 3

99 3 2 3 3 3 4 4 2 3 4 5 4 4 3 4 3 4 2 4 3 2 3 2 4 3 3

10 3 4 4 4 3 4 3 3 4 3 3 4 4 4 4 4 4 3 2 3 3 3 4 3 3 2

10 2 4 4 3 3 5 2 3 3 4 5 3 3 3 3 5 4 3 2 3 2 3 4 2 3 3

10 4 3 4 4 3 3 3 3 3 3 3 4 5 4 3 3 3 3 3 3 2 3 4 3 3 3

10 2 3 3 3 4 4 4 2 4 4 4 3 5 3 4 4 4 2 4 4 3 4 4 3 4 2

10 4 2 3 4 4 4 3 4 4 4 4 4 4 2 3 4 3 4 3 3 2 4 2 4 4 4

10 2 2 3 3 4 5 4 4 3 3 4 2 4 3 4 3 4 3 3 4 2 4 2 2 2 3

10 3 3 4 4 4 5 4 4 5 4 4 2 4 3 3 2 4 2 4 4 3 4 4 4 2 3

10 3 4 4 3 3 4 5 4 3 4 4 4 3 4 3 3 3 3 2 3 3 3 4 2 2 3

10 4 2 3 4 5 4 2 5 3 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3

8
10 4 3 4 5 4 2 2 3 3 3 4 5 4 5 3 3 4 2 3 4 4 4 5 4 3 4

11 3 4 4 4 4 4 2 4 4 4 4 4 3 2 2 2 4 2 4 3 3 2 4 2 3 2

11 4 2 4 3 3 4 2 4 3 3 3 4 2 2 3 4 4 2 3 3 4 2 3 4 4 2

11 2 2 4 4 4 3 4 4 4 4 4 4 3 2 2 3 3 4 4 4 2 4 4 3 4 4

11 3 2 2 2 2 2 3 3 3 2 2 3 2 2 2 3 3 2 4 2 3 3 3 3 3 3

11 4 4 3 4 3 4 4 3 3 3 3 3 3 3 3 4 3 2 2 3 4 3 4 4 4 4

11 3 3 4 3 3 3 2 2 3 2 3 3 4 2 2 3 4 3 3 3 3 3 3 3 3 2

11 3 2 3 4 3 3 2 4 3 3 4 3 2 3 4 3 3 2 2 3 2 3 3 2 2 2

11 3 3 3 3 2 4 4 3 4 3 3 3 4 4 3 4 4 4 2 4 3 4 3 4 3 3

11 4 2 4 4 3 4 5 4 4 3 4 4 4 4 3 3 4 3 4 3 3 3 4 2 3 3

8
11 3 4 3 2 4 2 4 4 4 3 4 2 2 4 2 4 3 4 3 4 4 4 4 4 4 4

12 4 2 4 4 4 2 3 2 3 2 3 4 4 3 3 3 3 4 2 4 4 4 3 3 2 2

12 3 2 3 2 2 4 3 3 3 2 3 4 4 4 3 3 3 4 3 3 2 3 4 3 3 4

12 3 2 4 4 4 3 4 3 3 4 4 2 2 3 4 2 3 3 4 4 2 3 4 4 3 2

12 4 3 4 3 4 3 3 3 2 3 4 3 4 3 3 2 4 4 3 3 4 4 4 3 4 2

12 4 4 4 4 3 5 4 3 2 3 3 5 3 5 4 3 3 2 3 3 4 5 4 2 2 3

12 4 2 4 3 3 4 3 3 2 2 2 2 3 2 3 3 3 5 2 4 2 4 3 3 3 2

12 2 2 3 4 4 4 3 2 3 3 4 2 2 2 3 3 3 4 3 4 4 3 4 3 4 2

12 4 2 4 2 4 3 4 3 2 4 5 3 3 3 3 2 2 4 5 5 2 3 3 4 2 2

12 4 3 3 4 4 4 3 5 4 4 4 4 4 4 4 4 3 4 3 4 4 4 2 4 3 3

8
12 4 4 4 3 3 5 3 4 2 3 4 4 5 5 4 5 3 3 3 4 4 3 4 2 4 3

13 4 3 3 3 4 3 5 5 4 4 4 3 3 4 4 4 3 2 4 3 2 4 4 2 3 2

13 5 3 3 4 4 2 4 4 3 2 3 3 3 3 5 3 3 4 4 4 2 4 3 4 5 2

13 4 4 5 4 3 3 3 3 3 2 2 5 4 3 5 4 4 2 4 4 4 2 3 4 4 2

13 2 3 4 3 4 4 2 3 4 4 3 3 3 3 4 3 5 3 3 2 2 2 4 3 4 4

13 4 3 4 4 3 5 3 4 3 4 2 4 3 2 3 4 3 2 2 3 3 4 4 2 4 3

13 2 4 3 3 5 3 3 4 3 4 4 4 4 3 5 4 3 2 2 2 3 3 5 4 3 3

13 3 3 4 4 4 3 4 3 4 5 4 5 5 3 4 5 3 2 4 2 3 2 3 3 4 2

13 4 3 2 4 3 2 3 4 4 4 4 4 5 3 4 4 3 4 4 4 4 3 2 4 4 3

13 4 3 4 3 3 3 2 2 4 3 2 4 4 4 4 5 5 3 2 2 4 2 2 3 2 2

8
13 3 3 4 3 2 2 4 4 3 4 5 4 5 2 4 3 4 4 2 3 2 4 3 4 3 3

14 4 3 3 4 4 4 3 4 3 4 4 4 3 4 4 4 3 4 2 2 2 4 3 3 2 4

14 5 4 4 3 3 3 4 5 4 3 2 3 5 4 4 3 3 3 3 2 3 3 3 4 2 4

14 4 4 3 4 3 2 2 4 4 4 2 4 3 2 5 4 3 2 4 4 2 4 2 2 2 3

14 5 2 4 5 2 3 2 4 4 3 3 5 3 4 3 3 4 4 4 3 2 4 2 4 3 2

14 2 2 4 4 4 4 4 4 3 4 4 4 4 3 3 4 4 4 3 4 2 4 2 3 4 4

14 4 2 3 4 4 4 3 4 3 4 2 3 4 3 4 4 3 3 3 4 3 3 2 2 3 2

14 3 2 2 3 3 5 4 5 5 3 4 2 3 2 4 5 2 4 4 4 2 4 4 4 3 2

14 3 2 3 2 2 3 2 3 4 4 2 4 4 4 4 3 3 4 3 4 2 4 4 4 3 3

14 3 4 5 3 4 3 3 3 3 4 4 5 3 4 2 4 4 5 3 5 3 4 2 3 4 2

8
14 2 3 4 4 3 4 4 2 4 4 4 5 4 3 4 2 3 2 4 4 3 3 3 3 4 3

15 4 3 2 2 4 4 3 2 4 4 2 4 2 3 4 3 4 2 4 4 2 2 4 4 4 3

15 4 3 2 4 3 2 5 4 3 4 4 4 3 4 4 3 2 4 4 5 3 4 2 3 4 4

15 2 2 4 2 2 3 4 4 5 5 2 4 2 5 4 2 3 5 4 4 3 2 2 4 4 3

15 3 2 4 4 2 2 2 4 4 3 3 4 5 4 5 3 3 4 4 4 4 4 4 2 4 2

15 4 2 5 4 3 2 3 4 4 2 4 3 3 3 4 2 4 5 4 4 4 2 4 3 4 4

15 2 3 3 2 4 3 2 2 4 4 2 5 5 2 4 2 3 2 5 4 3 4 4 2 4 2

15 3 2 2 3 2 4 3 4 4 3 4 4 4 4 2 4 5 4 4 5 4 4 2 4 3 3

15 2 3 3 3 3 4 4 4 4 4 2 4 3 2 2 2 3 2 4 5 2 2 2 4 3 2

15 2 2 4 3 4 3 2 3 4 3 3 2 5 4 4 4 3 2 5 2 2 4 2 2 4 4

8
15 4 2 2 3 4 3 4 2 4 3 2 3 3 4 4 2 4 2 4 2 2 3 4 4 4 2

16 4 4 2 5 3 4 2 4 4 4 2 4 4 2 2 3 4 4 2 2 4 4 2 4 2 4

16 2 2 2 4 2 3 4 3 5 4 4 4 4 4 4 3 4 2 4 4 3 3 3 2 2 4

16 4 2 4 2 3 4 3 4 5 5 2 2 2 3 3 3 3 4 3 2 3 4 3 4 4 3

16 4 4 4 3 4 3 4 4 4 4 4 2 4 4 2 5 3 4 4 4 2 4 3 4 2 3

16 2 3 3 4 3 4 2 4 4 4 4 2 2 2 4 4 4 5 4 3 3 3 2 2 4 4

16 4 3 4 3 4 3 4 4 4 4 3 2 4 3 3 4 4 4 4 4 2 4 2 4 2 4

16 4 3 4 3 4 4 4 3 3 5 3 3 3 3 3 3 3 2 3 3 3 2 4 2 3 2

16 2 4 2 4 4 3 2 4 2 4 2 4 5 3 4 4 3 3 4 4 2 2 4 4 4 2

16 4 2 2 3 3 4 4 4 4 4 2 3 4 4 4 4 3 2 4 4 4 2 4 3 4 4

8
16 4 2 2 4 4 4 2 2 2 3 3 3 4 4 2 4 2 4 3 4 2 3 2 4 4 2

17 3 3 4 2 4 3 2 4 4 4 4 4 3 4 4 3 2 4 4 2 3 4 2 4 4 4

17 2 4 2 4 4 4 4 3 4 4 4 3 4 4 2 3 2 3 3 4 4 2 4 4 4 2

17 2 2 4 4 4 4 2 1 1 4 2 4 5 3 2 3 2 2 4 3 4 4 2 4 4 2

17 3 2 3 3 3 3 3 2 2 2 3 3 3 4 4 3 3 2 3 2 3 3 3 4 4 4

17 2 3 2 4 4 4 4 5 2 4 2 4 5 4 2 5 5 4 3 4 4 2 3 4 3 2

17 3 2 3 4 2 4 5 3 4 4 4 4 4 4 4 3 3 4 4 2 3 4 3 2 3 3

17 4 2 2 5 4 3 4 4 2 4 2 4 4 5 3 4 3 5 4 2 3 3 4 4 4 2

17 4 2 4 4 2 2 3 5 4 4 4 3 4 4 4 3 3 4 4 2 4 4 4 2 4 4

17 2 2 4 3 4 3 4 4 3 4 4 3 4 4 2 4 4 4 3 4 5 4 2 4 3 3

8
17 4 2 2 3 2 4 3 4 4 4 5 3 4 4 3 3 4 4 2 3 3 4 2 4 2 2

18 2 2 4 4 4 4 3 5 4 5 2 5 4 5 4 4 5 5 2 4 3 4 2 3 2 2

18 4 3 2 4 5 3 4 3 4 4 2 2 4 5 3 3 5 3 2 4 2 2 4 4 3 4

18 2 3 5 4 3 3 5 3 2 2 3 4 5 5 2 4 4 4 2 2 2 4 4 4 4 3

18 5 4 2 2 3 2 4 3 2 4 5 3 4 4 5 5 5 4 4 2 1 3 2 3 3 2

18 4 3 4 3 4 4 2 4 4 4 2 4 4 5 2 3 4 5 4 2 1 4 4 3 4 3

18 2 4 2 2 2 4 4 4 3 4 5 4 5 4 3 2 4 4 5 4 4 2 2 4 2 3

18 4 5 2 2 3 5 4 4 3 4 4 1 4 2 4 4 5 4 4 2 3 3 4 2 2 3

18 3 4 3 5 2 4 5 3 2 3 2 5 4 4 3 4 2 5 2 4 2 2 2 4 2 2

18 4 4 2 2 2 4 4 2 3 2 3 2 4 2 2 2 4 2 2 2 1 3 2 2 3 3

8
18 2 3 4 3 4 2 3 4 3 4 4 5 5 4 5 4 2 4 3 2 2 3 4 3 4 3

19 4 3 5 2 2 4 4 2 2 5 2 2 2 4 4 4 3 2 2 2 3 2 3 4 3 4

19 4 3 4 2 3 4 5 4 2 2 4 3 2 3 4 2 4 2 2 4 4 2 3 4 2 3

19 2 2 3 3 4 4 4 4 3 4 2 2 3 4 2 4 4 4 3 2 3 4 4 4 2 3

19 4 5 3 2 2 3 3 3 3 4 5 3 2 2 4 4 2 3 2 2 2 4 4 4 3 4

19 2 2 4 3 3 2 5 3 3 4 4 2 2 4 2 2 3 3 2 4 4 3 2 4 4 3

19 4 3 3 2 2 3 4 4 5 3 3 2 4 3 3 2 2 3 2 3 2 4 2 3 3 2

19 3 2 4 2 4 4 3 4 3 4 4 4 2 4 3 2 2 2 4 2 2 4 4 4 3 3

19 2 4 3 4 2 3 4 3 4 4 3 3 2 4 4 4 2 4 2 4 3 2 2 4 4 2

19 2 3 3 2 2 3 3 4 4 2 2 4 4 2 2 2 2 4 2 2 4 4 4 2 4 3

8
19 3 3 2 2 3 4 2 4 3 4 3 2 2 4 4 4 2 2 4 4 3 4 4 2 3 3

20 2 4 3 2 3 3 4 4 5 4 4 2 4 4 5 2 4 3 2 5 4 4 3 4 4 3

20 2 4 3 4 3 4 2 3 2 2 3 2 2 4 2 4 2 4 3 4 3 2 4 2 2 5

20 2 3 2 3 4 5 4 4 3 3 3 2 2 4 3 4 4 2 4 4 3 5 4 4 4 3

20 4 2 2 4 4 5 3 2 2 3 3 5 4 4 2 4 4 4 3 3 4 3 4 3 2 3

20 4 2 4 3 3 2 4 3 3 2 3 2 2 4 3 4 2 2 3 4 4 2 4 4 4 2

20 3 4 2 4 4 2 3 4 3 3 2 4 2 4 4 4 4 4 2 2 2 4 3 3 3 2

20 2 2 2 3 3 3 3 4 2 3 2 2 4 4 2 4 2 3 4 4 4 4 3 4 4 2

20 3 3 3 2 4 4 2 3 2 3 3 3 3 2 3 2 2 3 2 2 2 2 2 4 3 3

20 2 3 2 4 2 5 3 3 2 2 4 2 4 3 3 4 3 5 4 3 4 4 3 2 3 3

8
 20 2 4 3 2 3 3 2 3 3 4 3 3 4 4 3 4 3 3 3 2 4 4 3 3 4 4

21 2 4 3 3 2 4 3 2 2 3 3 4 5 4 3 3 3 2 2 3 4 3 3 2 2 3

C. Data Harapan Penelitian

N H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_ H_U H_U H_ H_ H_

o. EF EF EF EF EF EF EF TR TR TR TR RL RL RL RL RL RL CS CS CS CS SAT SAT US US US

1 2 3 4 5 6 7 S1 S2 S3 S4 B1 B2 B3 B4 B5 B6 1 2 3 4 1 2 E1 E2 E3

1 4 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

2 5 4 4 5 5 4 5 5 4 5 4 5 4 4 4 3 4 5 4 5 5 5 4 4 4 5

3 5 4 4 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5 5

4 4 4 4 4 4 5 5 5 5 5 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4

5 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

6 5 4 4 4 4 4 4 4 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 5 5

7 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

8 5 5 5 5 5 5 4 5 4 5 5 5 5 5 4 5 5 5 5 5 5 4 4 5 5 5

9 5 4 4 3 3 3 3 3 3 3 3 3 4 4 3 4 3 3 4 3 3 3 4 4 3 3

1 4 3 3 2 3 3 4 3 1 2 2 4 4 3 4 4 3 4 4 3 3 2 2 2 3 2

0
1 4 5 5 5 4 5 5 4 4 5 4 4 4 4 4 4 5 4 4 4 4 4 5 5 5 4

1 4 3 3 3 3 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

1 5 4 4 4 3 4 5 5 4 5 4 5 4 5 5 4 4 5 4 5 5 4 5 4 3 3

1 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 5 5 5 4 5

1 4 4 4 3 4 3 4 4 3 4 3 4 5 4 4 4 4 3 3 4 4 3 4 4 4 5

1 5 5 5 4 4 5 4 5 4 4 4 5 5 5 4 4 5 4 4 5 5 4 5 5 5 5

1 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

1 3 4 4 3 3 3 4 3 3 4 4 3 3 3 4 3 3 3 3 3 5 4 4 3 3 3

1 5 4 4 2 5 4 3 5 5 3 4 1 3 4 3 4 5 3 5 4 4 3 3 4 3 4

2 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

0
2 3 3 3 3 3 4 3 4 5 3 4 3 3 4 4 3 3 3 3 3 5 3 3 4 3 3

2 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

2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

2 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

2 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

2 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4

2 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 4

2 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 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

0
3 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 4 3 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

3 4 5 5 3 5 5 4 4 5 4 5 4 5 5 4 5 4 5 5 5 5 5 5 5 4 5

3 4 4 4 4 4 5 4 5 4 5 5 4 4 4 5 4 5 4 4 4 4 4 5 4 2 4

3 4 5 5 4 5 5 5 5 4 4 4 4 4 4 5 5 4 4 4 5 5 5 5 5 5 4

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

3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 3 3 4 4 4 4 3 4 3 4 4

3 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

3 5 5 5 4 4 5 4 5 5 5 4 4 4 5 4 4 4 5 5 5 5 4 5 4 4 5

4 5 5 5 5 4 5 4 4 5 4 4 4 5 4 4 4 4 4 5 4 4 4 4 4 5 5

0
4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 3 3 5 5 5 4 4 4 5 4 4 4 3 3 4 4 5 4 5 5 3 5 4 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 5 5 5 5

4 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

4 4 4 4 4 4 5 4 4 4 5 5 5 5 5 5 4 4 5 5 5 5 5 4 4 4 4

4 5 5 5 5 4 4 5 5 5 4 5 4 5 5 5 4 4 5 5 5 5 5 5 5 5 5

4 3 3 3 4 3 5 5 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 3 3 1

4 4 5 5 5 4 5 4 5 4 5 4 4 5 5 4 4 5 5 4 5 5 5 4 4 5 4

4 5 3 3 3 5 5 5 4 4 3 4 5 5 4 5 4 5 5 5 4 4 5 5 5 4 5

5 4 5 5 4 4 4 5 4 5 4 4 4 4 4 4 5 5 4 4 4 4 4 5 4 4 5

0
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

5 4 4 4 3 3 3 3 2 2 4 4 3 3 4 4 4 4 4 3 4 4 4 3 3 3 3

5 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 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 5 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

5 4 5 5 4 5 4 4 4 5 5 4 5 4 4 4 4 4 5 4 4 4 4 4 5 4 4

5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5 5 5 5 5 5 5 5 5 5

5 5 4 4 4 4 5 3 5 4 5 5 4 5 5 4 5 4 4 4 5 5 5 4 4 4 4

5 4 5 5 4 5 4 4 5 4 5 4 4 5 4 5 4 5 4 5 5 5 5 5 5 4 5

6 4 4 4 4 5 4 3 3 4 4 5 4 4 5 4 5 4 4 4 4 4 4 4 4 4 4

0
6 5 5 5 5 5 5 4 5 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 3

6 3 3 3 5 3 3 3 3 4 4 4 4 5 4 4 4 4 4 4 4 4 4 3 3 4 4

6 5 4 4 4 4 4 4 4 4 3 4 4 3 3 3 3 3 3 3 4 4 3 4 3 4 4

6 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 2 1 1 1 1 1 2 1 1 1 3

6 3 4 4 5 3 4 4 3 4 3 4 4 3 4 4 4 4 4 4 3 3 4 4 3 4 4

6 4 4 4 4 4 4 4 4 4 4 4 3 5 4 3 4 4 4 5 4 4 4 5 3 3 3

6 4 4 4 4 4 4 4 4 5 4 3 3 5 4 3 3 4 4 4 3 3 3 3 2 3 3

6 3 3 3 4 4 4 3 3 4 4 5 4 4 4 3 3 5 5 3 3 3 4 4 2 3 3

6 3 4 4 3 4 4 3 3 3 3 3 3 4 5 4 5 4 3 4 4 4 3 3 3 3 3

7 3 3 3 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 5 3 3 2 3 3 2 3

0
7 3 3 3 3 3 3 3 3 3 3 2 2 3 2 2 3 4 4 3 4 4 3 3 2 3 3

7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

7 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4

7 2 2 2 2 2 3 4 3 2 4 2 3 5 2 4 3 4 2 3 2 2 3 2 2 2 3

7 3 4 4 2 5 2 3 4 2 5 4 4 2 3 5 2 3 2 2 4 4 5 2 4 2 3

7 3 5 5 2 4 4 2 3 5 2 3 2 3 3 4 3 2 2 3 5 5 2 2 3 5 2

7 3 2 2 4 2 3 2 3 2 2 2 3 5 2 4 3 5 3 4 3 3 3 2 2 2 3

7 4 4 4 2 2 5 5 2 5 4 2 2 2 2 2 5 5 5 2 2 2 4 4 4 5 2

7 4 5 5 2 2 2 2 5 2 2 2 4 5 5 5 4 5 2 2 5 5 4 2 2 4 4

8 2 2 2 2 2 2 2 5 4 2 5 2 4 4 2 2 2 2 2 2 2 5 5 5 2 4

0
8 4 2 2 2 2 5 5 2 2 2 2 5 4 2 4 5 2 2 2 2 2 2 4 5 2 4

8 4 2 2 4 5 2 2 4 2 4 2 4 2 2 4 2 2 4 2 2 2 2 2 2 2 4

8 2 4 4 4 4 4 4 2 2 2 2 4 2 4 2 4 2 4 2 2 2 5 2 2 2 2

8 2 4 4 4 2 2 2 2 2 2 2 4 5 5 2 2 4 4 2 2 2 4 4 4 4 4

8 4 2 2 2 4 3 4 2 4 4 4 2 4 2 4 4 4 2 4 2 2 2 2 4 4 2

8 2 4 4 4 4 2 4 5 3 2 4 2 2 2 2 3 2 4 3 3 3 2 4 3 4 4

8 4 2 2 2 2 4 4 2 4 2 2 2 2 4 4 4 2 2 4 2 2 2 4 4 4 2

8 2 4 4 4 2 2 2 4 4 2 4 2 2 4 2 4 2 4 2 2 2 4 2 2 3 2

8 4 2 2 2 3 2 4 2 4 4 2 2 4 4 3 2 4 2 4 2 2 4 3 2 3 2

9 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 4 2

0
9 4 2 2 2 4 3 4 3 4 2 2 2 2 4 3 2 4 2 4 3 3 2 4 4 3 4

9 3 2 2 4 4 3 3 4 3 4 3 3 2 2 4 3 4 2 4 2 2 3 3 3 3 4

9 4 4 4 4 2 2 3 4 2 4 4 4 4 4 4 3 2 2 5 5 5 5 2 2 2 4

9 4 5 5 2 2 2 2 4 2 4 2 2 4 4 5 5 2 2 2 4 4 2 2 4 4 2

9 4 2 2 2 2 4 4 2 2 2 2 2 2 4 4 2 4 4 4 2 2 5 4 2 2 4

9 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5

9 3 5 5 4 5 5 5 5 4 5 5 4 4 4 4 4 5 4 4 4 4 4 5 5 5 5

9 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

9 2 4 4 2 2 4 2 2 4 5 2 5 2 2 2 2 4 2 2 2 2 2 2 2 2 2

1 2 4 4 4 4 5 2 2 2 2 4 4 4 4 5 5 2 2 2 2 2 2 2 2 2 5

0
1 4 2 2 2 2 5 2 2 2 4 5 2 2 2 4 4 2 2 2 2 2 4 4 2 4 2

1 4 4 4 4 2 2 2 2 2 2 2 2 5 4 2 2 4 2 2 2 2 4 2 2 4 2

1 4 4 4 5 4 4 4 5 5 4 5 4 5 4 4 4 5 4 4 4 4 4 4 4 4 3

1 4 4 4 4 4 4 4 4 4 4 4 4 4 2 3 4 4 4 3 3 3 4 4 4 4 4

1 4 5 5 4 4 4 4 4 3 4 3 3 4 4 4 4 4 3 3 4 4 5 3 4 5 4

1 3 4 4 3 4 4 5 4 4 5 4 4 3 3 2 3 4 3 3 3 3 3 3 3 3 3

1 3 3 3 4 3 4 4 3 4 3 4 5 4 4 4 4 4 4 4 4 4 4 4 4 3 4

7
1 4 4 4 4 4 3 4 4 3 4 3 3 3 4 3 3 3 3 4 3 3 3 4 4 4 4

1 4 4 4 4 3 3 4 4 4 4 3 3 3 3 3 4 3 3 3 3 3 3 4 3 4 3

1 3 3 3 3 5 5 4 4 3 3 3 4 3 3 4 5 5 4 3 3 3 4 4 4 3 3

1 3 4 4 3 4 3 3 5 3 3 4 3 3 4 4 5 3 4 3 4 4 3 4 4 4 4

1 4 3 3 3 3 3 4 3 3 3 3 4 3 3 3 3 3 3 3 4 4 3 3 3 3 3

1 4 3 3 4 3 4 3 3 3 3 2 3 4 4 3 3 3 3 4 2 2 2 3 2 3 3

1 4 3 3 3 4 3 3 3 2 4 4 3 4 4 3 4 4 3 3 4 4 3 4 4 4 4

4
1 3 4 4 3 4 3 4 3 4 3 3 3 4 4 3 3 4 3 3 4 4 3 3 4 4 3

1 3 4 4 4 4 3 4 4 4 3 4 4 3 4 4 4 3 2 2 2 2 2 2 3 3 2

1 4 4 4 4 4 4 4 5 4 5 5 4 4 5 4 5 5 5 4 4 4 4 4 4 4 3

1 3 4 4 2 4 5 5 3 4 4 4 2 5 3 4 4 4 4 4 4 4 5 4 4 4 4

1 4 4 4 5 5 4 5 5 5 5 5 5 5 5 4 4 4 4 3 4 4 5 4 5 5 3

1 5 5 5 5 5 4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4

1 4 4 4 3 5 4 4 5 4 4 4 4 4 4 4 4 4 5 5 4 4 3 3 4 4 4

1
1 4 4 4 5 4 5 3 4 4 4 5 4 4 4 3 4 4 5 4 5 5 4 5 3 4 4

1 4 5 5 4 4 4 4 4 3 4 5 3 4 4 5 4 4 5 3 4 4 4 4 2 4 4

1 5 4 4 5 5 4 5 5 4 5 4 5 4 4 4 3 4 5 4 5 5 5 4 4 4 5

1 3 3 3 4 4 3 4 4 3 4 3 3 5 4 4 4 4 4 3 4 4 3 4 4 4 4

1 4 3 3 3 3 4 4 3 4 5 4 4 5 3 4 4 4 3 3 3 3 4 3 4 3 4

1 4 3 3 3 3 3 3 4 4 4 4 5 3 4 3 4 3 4 4 4 4 4 3 3 4 4

1 4 4 4 3 4 3 3 4 3 4 4 4 4 4 4 4 3 3 3 4 4 4 4 3 3 4

8
1 4 4 4 3 4 3 4 4 4 4 5 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4

1 4 4 4 3 3 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4

1 4 3 3 4 5 4 3 3 4 4 3 3 4 4 4 5 4 4 4 4 4 3 4 3 4 4

1 4 4 4 4 4 3 3 3 4 4 4 4 4 3 4 4 4 3 4 4 4 4 3 4 4 5

1 3 4 4 3 3 3 4 4 4 4 3 3 4 3 4 4 4 3 3 5 5 4 4 3 4 3

1 3 3 3 4 4 4 4 4 3 3 3 4 3 4 3 3 3 4 4 4 4 4 4 4 3 3

1 4 3 3 4 4 3 4 4 4 4 4 3 3 3 4 3 5 4 4 4 4 4 4 3 3 4

5
1 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 3 3 4 4 4

1 3 3 3 4 3 4 4 4 4 4 3 4 4 4 4 3 3 4 3 4 4 4 3 4 4 4

1 3 3 3 3 3 3 4 3 3 3 3 3 3 3 4 4 5 4 5 4 4 3 3 3 4 4

1 3 4 4 3 3 3 4 4 3 4 4 3 5 3 4 4 4 4 4 4 4 3 4 4 4 4

1 4 3 3 3 3 3 4 4 3 3 3 3 3 4 3 3 4 4 4 4 4 3 3 3 4 4

1 4 4 4 4 4 3 4 4 3 4 4 3 4 4 4 3 4 4 3 4 4 4 3 3 4 4

1 4 3 3 3 4 3 3 3 4 4 4 3 3 4 4 4 4 4 3 3 3 4 4 4 4 4

2
1 4 4 4 5 3 3 3 3 3 4 4 4 3 4 3 4 3 3 3 3 3 3 3 4 3 4

1 4 3 3 4 3 3 4 3 3 4 3 3 3 4 4 4 3 3 3 4 4 3 3 3 4 4

1 4 3 3 3 4 4 4 4 4 4 3 4 3 3 3 4 3 4 3 3 3 4 3 3 3 4

1 3 3 3 4 3 4 4 4 4 3 4 3 4 3 4 4 3 4 4 3 3 3 4 4 3 3

1 3 4 4 3 4 4 3 3 3 4 3 4 4 3 4 3 3 4 3 4 4 3 4 4 3 3

1 3 5 5 3 3 4 4 3 4 3 4 4 3 4 3 3 4 4 4 4 4 4 4 3 4 4

1 3 4 4 3 3 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 5 3 3 3 4

9
1 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 3 3 3 3 4 4 4 3 4 4 3

1 3 4 4 3 4 3 4 4 3 4 3 3 3 3 4 3 3 3 3 4 4 4 4 4 3 4

1 4 4 4 3 4 4 3 3 4 4 3 4 5 4 3 3 4 4 3 5 5 3 4 4 3 3

1 4 4 4 3 4 4 3 3 3 4 4 4 4 4 4 4 3 4 3 4 4 3 3 4 4 4

1 3 4 4 4 4 4 3 3 3 4 3 4 3 4 3 3 4 5 4 3 3 4 3 3 4 4

1 3 4 4 3 4 4 3 4 3 4 4 4 4 4 3 4 4 4 4 3 3 4 3 4 4 3

1 3 3 3 3 3 4 3 4 3 3 3 4 3 3 4 3 5 3 4 4 4 4 5 3 4 5

6
1 4 4 4 3 4 3 3 4 3 4 3 4 3 4 3 4 4 3 3 5 5 4 4 3 3 4

1 4 3 3 3 4 3 4 4 3 3 3 4 4 3 3 3 4 4 4 4 4 4 3 4 3 4

1 3 3 3 3 4 4 3 4 4 3 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 3

1 4 4 4 4 4 4 3 4 4 3 4 4 3 4 3 3 4 4 4 3 3 3 3 4 3 4

1 3 3 3 3 4 3 4 3 4 4 4 4 3 4 3 4 3 4 3 3 3 4 3 4 3 4

1 3 3 3 4 4 4 3 4 4 4 3 4 3 4 4 3 3 3 3 3 3 3 4 3 3 3

1 4 4 4 3 4 4 4 3 4 4 4 3 4 4 4 4 4 3 3 4 4 4 4 3 4 3

3
1 3 3 3 3 3 3 3 3 3 4 4 3 4 3 4 4 5 4 4 3 3 4 3 4 4 4

1 3 3 3 4 3 4 3 3 4 3 3 3 4 4 4 4 4 4 3 4 4 3 3 4 3 3

1 3 3 3 3 4 3 4 4 4 4 3 3 4 4 3 3 4 4 2 3 3 4 3 3 3 4

1 3 4 4 4 3 3 3 4 3 3 3 4 4 3 3 4 3 3 4 4 4 3 3 4 3 3

1 3 3 3 3 3 4 3 3 4 3 4 3 3 3 4 3 3 4 3 3 3 3 3 3 3 4

1 3 4 4 3 4 4 4 3 3 3 3 3 4 5 4 4 3 3 3 3 3 3 3 3 3 4

1 3 4 4 3 3 3 3 4 3 4 3 3 3 3 3 3 3 4 4 3 3 4 3 3 3 4

0
1 3 4 4 3 4 3 4 3 3 3 4 3 4 3 4 4 4 3 3 3 3 4 3 4 4 3

1 3 3 3 4 3 4 3 4 3 3 3 4 4 3 4 3 3 3 3 3 3 3 4 3 3 3

1 4 5 5 3 4 5 4 4 4 3 4 4 5 4 4 4 5 3 4 4 4 4 5 4 4 4

1 4 4 4 4 3 3 3 4 4 3 3 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4

1 5 4 4 4 4 5 5 4 4 4 4 4 4 4 5 4 4 4 4 4 4 3 4 5 5 4

1 3 4 4 4 4 3 4 3 4 3 4 4 4 4 4 3 4 5 4 4 4 4 3 4 3 4

1 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 5 3 3 3 4 3 3 3 4

7
1 4 3 3 3 4 4 4 3 3 3 4 3 3 3 4 4 3 4 4 4 4 4 4 4 4 4

1 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4

1 4 3 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4

1 3 4 4 3 4 4 4 4 3 3 3 4 4 4 4 4 4 4 4 4 4 3 4 4 5 4

1 5 4 4 3 4 4 4 4 4 5 3 4 4 4 4 3 4 4 3 4 4 4 4 3 4 4

1 4 3 3 4 3 4 4 4 3 4 4 4 4 4 4 4 4 5 4 4 4 4 4 5 4 4

1 4 3 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 5 4 4 4 4 4 5 5 4

4
1 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4

1 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

1 4 4 4 4 4 3 4 4 4 3 4 4 5 5 4 3 5 4 4 3 3 4 4 4 4 4

1 3 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 4

1 3 4 4 3 4 4 4 4 4 4 4 4 4 4 5 4 4 3 3 3 3 3 3 4 3 3

1 4 4 4 4 4 4 3 3 4 4 4 4 4 3 4 4 4 4 3 4 4 5 4 4 4 4

1 3 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4 4 4 3 5 5 5 4 5 4 4

1
1 4 3 3 3 4 3 3 4 3 5 4 4 3 4 3 4 4 3 3 4 4 4 4 3 4 3

1 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 3

1 4 4 4 4 3 4 4 3 4 4 4 3 4 3 3 4 4 4 4 4 4 4 4 3 4 4

1 4 3 3 3 3 3 4 4 3 4 3 4 3 4 4 5 4 4 4 3 3 4 4 4 4 3

1 4 4 4 3 3 4 4 3 3 4 3 4 3 4 4 4 4 3 4 4 4 3 3 4 4 4

1 3 3 3 4 3 3 4 3 4 4 4 3 4 3 3 4 4 3 4 4 4 3 3 4 4 4

1 3 3 3 4 3 4 4 4 3 4 3 4 3 4 4 4 4 3 4 4 4 3 4 4 3 4

8
1 4 4 4 3 4 3 4 3 4 3 3 4 4 4 3 3 4 4 4 4 4 3 4 4 4 4

2 3 4 4 4 3 3 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4

2 4 3 3 4 4 5 4 4 4 3 3 4 4 3 4 3 4 4 4 3 3 3 4 4 4 4

2 4 3 3 5 4 4 4 4 3 4 4 4 4 3 3 4 3 3 4 4 4 4 3 4 4 3

2 4 4 4 3 4 4 4 3 4 3 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 3

2 3 4 4 3 4 4 3 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 3 3 3

2 3 4 4 3 4 4 3 3 4 4 4 3 4 3 4 3 4 4 4 4 4 4 4 5 4 4

5
2 4 4 4 3 3 3 4 3 3 3 3 3 3 4 3 4 4 3 3 4 4 4 4 4 4 4

2 4 3 3 4 4 3 4 3 3 5 5 5 4 5 5 4 3 4 4 4 4 4 3 4 4 3

2 3 4 4 3 4 4 5 4 4 5 3 5 4 3 4 4 3 4 4 4 4 4 4 4 4 4

2 4 4 4 3 4 3 4 3 3 4 4 3 3 4 4 3 4 4 3 3 3 3 4 3 4 4

2 4 4 3 3 3 3 3 4 4 3 4 4 4 4 4 3 4 3 4 4 4 3 4 3 4 4

0
Screenshoot Beberapa Feedback dari Pengguna Aplikasi DSW (Depok Single

Window) Pada Google Play Store

LAMPIRAN 6

SURAT-SURAT