PENGUKURAN TINGKAT PENERIMAA N PENGGUNA AKHIR

KIMIA FARMA EMPLOYE SERVICE TECHNOLOGY (KIFEST)

MENGGUNAKAN PENDEKATAN TECHNOLOGY ACCEPTANCE
MODEL (TAM) DAN END USER COMPUTING SATISFACTION (EUCS)
(STUDI KASUS: PT KIMIA FARMA (PERSERO) TBK.)

Skripsi

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh

M. HASBI HILMI

11140930000056

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1440 H / 2019 M
 PENGUKURAN TINGKAT PENERIMAAN PENGGUNA AKHIR

KIMIA FARMA EMPLOYE SERVICE TECHNOLOGY (KIFEST)

MENGGUNAKAN PENDEKATAN TECHNOLOGY ACCEPTANCE

MODEL (TAM) DAN END USER COMPUTING SATISFACTION (EUCS)

(STUDI KASUS: PT KIMIA FARMA (PERSERO) TBK.)

Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh:

M. HASBI HILMI
11140930000056

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
1440 H / 2019 M
 LEMBAR PENGESAHAN SKRIPSI

PENGUKURAN TINGKAT PENERIMAAN PENGGUNA AKHIR

KIMIA FARMA EMPLOYE SERVICE TECHNOLOGY (KIFEST)

MENGGUNAKAN PENDEKATAN TECHNOLOGY ACCEPTANCE

MODEL (TAM) DAN END USER COMPUTING SATISFACTION (EUCS)

(STUDI KASUS: PT KIMIA FARMA (PERSERO) TBK.)

Disusun Oleh:

M. HASBI HILMI
NIM :11140930000056

Pembimbing I Pembimbing II

Nur Aeni Hidayah, MMSI Nuryasin, M.Kom

NIP. 19750818 200501 2 008 NIP. 197607152011011005

Mengetahui,
Ketua Program Studi Informasi Fakultas Sains dan Teknologi
UIN Syarif Hidayatullah Jakarta

Nia Kumaladewi, MMSI

NIP. 19750412 200710 2 002

ii
 LEMBAR PENGESAHAN UJIAN

Skripsi dengan judul Pengukuran Tingkat Penerimaan Pengguna Akhir Kimia

Farma Employe Service Technology (KIFEST) Menggunakan Pendekatan
Technology Acceptance Model (TAM) dan End User Computing Satisfaction
(EUCS) (Studi Kasus: PT Kimia Farma (Persero) Tbk.) ditulis oleh M HASBI
HILMI, NIM 11140930000056 telah diuji dan dinyatakan lulus dalam sidang
Munaqosah Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif
Hidayatullah Jakarta pada hari Kamis, 21 Februari 2019. Skripsi ini telah diterima
sebagai salah satu syarat memperoleh gelar Sarjana Satu (S1) Program Studi Sistem
Informasi.
Menyetujui,
Penguji I Penguji II

Bayu Waspodo, M.M. Ir. Eri Rustamaji, MBA

NIP. 19740812 200801 1011 NIP.

Pembimbing I Pembimbing II

Nur Aeni Hidayah, MMSI Nuryasin, M.Kom

NIP. 19750818 200501 2 008 NIP. 197607152011011005

Mengetahui,
Dekan Ketua
Fakultas Sains dan Teknologi Program Studi Informasi

Prof. Dr. Lily Surayya Eka Putri, M.Env.Stud Nia Kumaladewi, MMSI
NIP. 196904042005012005 NIP. 19750412 200710 2 002

iii
 PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN

TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, 12 Desember 2018

M HASBI HILMI
11140930000056

iv
 ABSTRAK

M HASBI HILMI – 11140930000056. Pengukuran Tingkat Penerimaan Pengguna

Akhir Kimia Farma Employe Service Technology (KIFEST) Menggunakan
Pendekatan Technology Acceptance Model (TAM) dan End User Computing
Satisfaction (EUCS) (Studi Kasus: PT Kimia Farma (Persero) Tbk.) di bawah
bimbingan NUR AENI HIDAYAH dan NURYASIN.

KIMIA FARMA merupakan badan usaha milik negara (BUMN), bergerak di

bidang farmasi yang memiliki proses bisnis dari produksi, distribusi hingga retail
penjualan. Oleh karena data kepegawaian yang kompleks, maka pada pertengahan
2018 diterapkan sistem aplikasi KIFEST (Kimia Farma Employe Service
Technology). Sejak diterapkan KIFEST terdapat beberapa kendala teknis berupa
kurangnya update info, keluar aplikasi secara mendadak, absensi belum terintegrasi
dengan absensi fingerprint dan kendala lain dirasakan oleh sebagian pegawai,
sehingga perlu dilakukan penelitian terkait tingkat penerimaan pengguna terhadap
penerapan sistem ini. Penelitian ini menggunakan metode kuantitatif berdasarkan
integrasi Technology Acceptance Model (TAM) dan End-User Computing
Satisfaction (EUCS). Populasi dalam penelitian ini adalah karyawan Kimia Farma
di kantor pusat (Holding). Dari populasi tersebut diambil 224 responden sebagai
sampel. Penentuan jumlah sampel dilakukan dengan menggunakan teknik
Purposive Sampling. Proses analisis data menggunakan pendekatan PLS-SEM
dengan SmartPLS versi 3.0. Hasilnya, 6 dari 10 hipotesis yang diajukan diterima.
Sehingga faktor yang mempengaruhi penerimaan pengguna adalah variabel
Content, Enjoyment, Timeliness, serta variabel Attitude yang berhasil menjadi
variabel mediasi yang mempengaruhi Acceptance dan Satisfaction.
Kata kunci: Penerimaan pengguna, Kepuasan pengguna, Sistem Kepegawaian,
Technology Acceptance Model (TAM), End-User Computing
Satisfaction (EUCS), Kimia Farma, PLS-SEM, SmartPLS.
V Bab + XVII Halaman + 127 Halaman
Pustaka Acuan (48, 1985-2017)

v
 KATA PENGANTAR

Hanya dengan menyebut asma Allah yang maha pengasih dan penyayang,

puji syukur selalu dipanjatkan ke hadirat Allah SWT, atas berkat rahmat dan kasih-

Nya yang tak terhingga, sehingga penulis dapat menyelesaikan skripsi yang

berjudul : “Pengukuran Tingkat Penerimaan Pengguna Akhir Kimia Farma

Employe Service Technology (KIFEST) Menggunakan Pendekatan Technology

Acceptance Model (TAM) DAN End User Computing Satisfaction (EUCS) (Studi

Kasus: Pt Kimia Farma (Persero) Tbk.)” dengan tuntas dan paripurna. Shalawat

serta salam semoga selalu tercurah kepada manusia agung penyempurna akhlak

seluruh alam, Baginda Nabi Muhammad SAW beserta keluarga, sahabat, para

tabiin, para tabi’t tabiin serta para pengikutnya hingga akhir zaman. Dan semoga

kita diakui sebagai pengikutnya, Amiin.

Selesainya skripsi ini tak lepas dari bantuan berbagai pihak, maka dengan

segala kerendahan hati dan penuh rasa hormat penulis menghaturkan ucapan terima

kasih kepada berbagai pihak yang telah memberikan bantuan baik secara moril

maupun materiil, secara langsung maupun tidak langsung dalam proses

penyelesaian skripsi ini, terutama kepada yang saya hormati:

1. Bapak Dr. Agus Salim, S.Ag, M.Si selaku Dekan Fakultas Sains dan

Teknologi Universitas Islam Negeri Syarif Hidayatullah.

2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem

Informasi Fakultas Sains dan Teknologi dan Ibu Meinarini Catur

vi
 Utami, MT selaku Sekretaris Program Studi Sistem Informasi

Fakultas Sains dan Teknologi.

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

telah memberikan bimbingan, dan arahan kepada penulis selama

proses penyelesaian skripsi ini. Terima kasih atas kesabaran dalam

membimbing penulis, terima kasih banyak untuk seluruh waktu,

tenaga, kesediaan menjawab setiap pertanyaan penulis dan

senantiasa memberikan dukungan moril serta membagikan banyak

pengetahuan agar penulis bisa menyelesaikan skripsi ini dengan

baik.

4. Bapak Nuryasin, M.Kom sebagai Dosen Pembimbing II yang

senantiasa memberikan arahan dan bimbingan kepada penulis, tidak

pernah lelah menyemangati penulis. Terima kasih atas kesabarannya

dalam membimbing penulis, selalu memberi masukkan yang positif,

arahan yang jelas sehingga penulis bisa menyelesaikan skripsi ini

dengan baik.

5. Seluruh Dosen Program Studi Sistem Informasi yang telah

membagikan ilmunya kepada penulis selama proses perkuliahan.

6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak

membantu penulis dalam perkuliahan, terutama dalam

menyelesaikan administrasi yang berkaitan dengan skripsi.

7. Kedua orang tua penulis, Bapak Mundzir, S. Pdi dan Ibu Tsamroh.

Terima kasih untuk abah dan mamah yang telah memberikan seluruh

vii
 hidupnya untuk merawat dan mendidik penulis dari lahir hingga saat

ini. Terima kasih untuk seluruh cinta dan kasih yang selalu

diberikan. Terima kasih atas doa-doa yang selalu mengiringi

langkah penulis dalam segala kondisi dan situasi. Terima kasih atas

kasih atas kesempatan dan kepercayaan yang diberikan kepada

penulis.

8. Kedua Adik yang tersayang dan terkasih, M Haqqi Annazili dan M

Kevin Al-Mahdi. Terima kasih telah menjadi muara rindu penulis

setalah rindu kepada abah dan mamah. Meski ketika bertemu tak

lepas dari candaan dan berantem tetapi memandang wajah kalian

adalah vitamin penyemangat paling mujarab untuk penulis. Semoga

kita akan selalu menjadi saudara dan sahabat serta selalu beriringan

dalam langkah hidup kita serta menjadi kebanggaan abah dan

mamah.

9. Kepada saudara dan guru-guru saya di Pesantren Sulaimaniyah

Cabang Ciputat yang telah memberikan bantuan dan dorongan moril

maupun materiil selama penulis belajar di UIN dan menyelesaikan

skripsi ini. terima kasih atas bimbingan dan kasih sayangnya baik

secara dzohir maupun secara batin. Terima kasih telah mengajarkan

ilmu sekaligus praktik tasawuf dalam hidup penulis. Semoga penulis

diberi nasib selalu berada di jalan dakwah ini. Terima kasih

keceriaannya, kenangannya, ikramnya, mahabahnya. Mari selalu

viii
 istiqomah di jalan ini. Lukman, Sami, Tomi teman seperjuangan di

pesantren ini yang tetap bertahan hingga detik ini.

10. Seluruh karyawan Kimia Farma yang telah membantu mengisi

kuesioner. terutama Unit IT yang telah memberikan kesempatan

kepada penulis untuk melakukan penelitian sekaligus internship

selama 6 bulan, terima kasih atas segala ilmu yang diberikan baik

secara langsung maupun tidak langsung. Kemudian juga terima

kasih kepada unit Human Capital Kimia Farma yang telah

memberikan akses bagi penulis untuk memperoleh data-data selama

proses penelitian skripsi ini.

11. Seluruh teman-teman Sistem Informasi 2014 yang telah mewarnai

dunia perkuliahan penulis, terima kasih segala pelajarannya, terima

kasih untuk segala kenangannya, semangat yang diberikan sehingga

penulis bisa menyelesaikan skripsi ini.

12. Seluruh sedulur KPMDB Jakarta, mbak dan mas yang setia

memberikan kesempatan dan pembelajaran kepada penulis,

merekalah keluarga di perantauan.

13. Sahabat/i PMII KOMFAST terutama angkatan 2014. Terima kasih

atas seluruh kenangan dan pembelajaran bersama selama ini. Mari

terus bergerak. Zikir, fikir dan amal sholeh harus terus kita gerakkan.

Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan

bimbingan dari semua pihak dibalas pahala yang berlipat ganda. Selain itu, penulis

menyadari dalam penyusunan skripsi ini masih terdapat kekurangan dan jauh dari

ix
kata sempurna sehingga saran dan kritik yang membangun sangat penulis harapkan

dan dapat disampaikan melalui hasbi.hilmi14@mhs.uinjkt.ac.id. Akhir kata,

semoga penelitian ini dapat memberikan manfaat dan sekaligus menambah ilmu

bagi kita semua. Amiiin yaa Rabbal Alamin.

Jakarta, 12 Desember 2018

M Hasbi Hilmi

11140930000056

x
 DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI .............................................................. i

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

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

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

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

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

DAFTAR TABEL .......................................................................................... xv

DAFTAR GAMBAR .................................................................................... xvi

DAFTAR LAMPIRAN ................................................................................. xvi

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

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

1.2 Identifikasi Masalah .......................................................... 8

1.3 Perumusan Masalah ........................................................... 8

1.4 Batasan Masalah ................................................................ 9

1.5 Tujuan dan Sasaran Penelitian ........................................ 10

1.5.1 Tujuan Penelitian ................................................. 10

1.5.2 Sasaran Penelitian ................................................ 11

1.6 Manfaat Penelitian........................................................... 11

1.7 Pertanyaan Penelitian ...................................................... 12

1.8 Metodologi Penelitian ..................................................... 13

1.9 Sistematika Penulisan ...................................................... 15

BAB II KAJIAN PUSTAKA ............................................................... 17

2.1 Sistem Informasi Kepegawaian ....................................... 17

2.1.1 Definisi Sistem Informasi .................................... 17

2.1.2 Definisi Sistem Informasi Kepegawaian ............. 18

2.1.3 Sistem Informasi Kepegawaian Kimia Farma

(KIFEST) ...................................................................... 19

2.2 Mandatory dan Voluntary use ......................................... 21

2.3 Teori Penerimaan Teknologi ........................................... 22

2.4 Technology Acceptance Model (TAM) ........................... 24

2.5 End-User Computing Satisfaction (EUCS) ..................... 28

2.6 Model Integrasi TAM dan EUCS.................................... 31

2.7 Metode Kuantitatif pada Penelitian Sistem Informasi .... 34

2.7.1 Klasifikasi Data ................................................... 34

2.7.2 Jenis-jenis penelitian ........................................... 35

2.7.3 Skala Likert ......................................................... 37

2.7.4 Metode Pengumpulan Data ................................. 39

2.7.5 Populasi dan Teknik Sampling ............................ 41

2.7.6 Penentuan Ukuran Sampel .................................. 46

2.7.7 PLS-SEM ............................................................. 49

2.7.8 SMART-PLS ....................................................... 54

BAB III METODOLOGI PENELITIAN ............................................ 57

3.1 Pendekatan Penelitian ................................................... 57

3.2 Metode Pengumpulan Data ........................................... 58

xii
 3.2.1 Studi Pustaka ....................................................... 58

3.2.2 Studi Lapangan .................................................... 64

3.3 Metode Analisis Data .................................................... 66

3.3.1 Model Penelitian dan Hipotesis Penelitian .......... 66

3.3.2 Indikator Penelitian ............................................. 69

3.3.3 Kuesioner Penelitian ............................................ 71

3.3.4 Pengumpulan Sampel dan Pelaksanaan Kuesioner .

............................................................................. 74

3.4 Analisis Data dan Interpretasi Hasil ............................. 77

3.5 Kerangka Penelitian ...................................................... 79

BAB IV HASIL dan PEMBAHASAN ................................................. 81

4.1 Deskripsi Profil Responden .......................................... 81

4.2 Analisis dan Interpretasi Data ....................................... 84

4.2.1 Hasil Analisis Demografis ................................... 84

4.2.2 Interpretasi Hasil Analisis Data Demografis ....... 90

4.2.3 Hasil Analisis Model Pengukuran (Outer Model) 94

4.2.4 Interpretasi Hasil Analisis Model Pengukuran

(Outer Model) ............................................................. 103

4.2.5 Hasil Analisis Model Struktural (Inner Model). 104

4.2.6 Interpretasi Hasil Analisis Model Struktural (Inner

Model) ......................................................................... 115

BAB V PENUTUP ............................................................................. 124

5.1 Kesimpulan ................................................................. 124

xiii
 5.2 Saran ........................................................................... 125

DAFTAR PUSTAKA .................................................................................. 127

LAMPIRAN-LAMPIRAN .......................................................................... 127

xiv
 DAFTAR TABEL

Tabel 3. 1 Literatur Review Penelitian Sebelumnya ................................ 59

Tabel 3. 2 Hipotesis Penelitian ............................................................... 68
Tabel 3. 3 Indikator Penelitian dari Variabel Eksogen dan Endogen ..... 70
Tabel 3. 4 Indikator dan Daftar Pertanyaan............................................ 72
Tabel 4. 1 Profil Responden.....................................................................83
Tabel 4. 2 Rekapitulasi Jumlah Penyebaran Kuesioner .......................... 92
Tabel 4. 3 Hasil Uji Loading Factor dengan SmartPLS 3.0 .................. 96
Tabel 4. 4 Hasil Uji Composite Reliability dengan SmartPLS 3.0 ......... 98
Tabel 4. 5 Hasil Uji Average Variance Extracted (AVE) dengan
SmartPLS 3.0 ............................................................................................... 99
Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading) dengan
SmartPLS 3.0 ............................................................................................. 101
Tabel 4. 7 Hasil Uji Discriminant Validity (Fornell-Lacker’s Criterion)
dengan SmartPLS 3.0 ................................................................................ 102
Tabel 4. 8 Hasil Uji Path Coefficient dengan SmartPLS 3.0 ................ 105
Tabel 4. 9 Hasil Uji Coefficient of Determination (R-Square) dengan
SmartPLS 3.0 ............................................................................................. 106
Tabel 4. 10 Hasil Uji T-test dengan SmartPLS 3.0 ................................ 107
Tabel 4. 11 Hasil Analisis Uji Effect Size (f2) ........................................ 109
Tabel 4. 12 Hasil Uji Predictive Relevance dengan SmartPLS 3.0......... 110
Tabel 4. 13 Hasil Uji Relative Impact dengan SmartPLS 3.0 ................ 111
Tabel 4. 14 Ringkasan Hasil Analisis Struktural Model ......................... 112
Tabel 4. 15 Ringkasan Hasil Analisis Struktural Model (Lanjutan) ....... 113
Tabel 4. 16 Hasil Uji Hipotesis dengan SmartPLS 3.0 ........................... 116

xv
 DAFTAR GAMBAR

Gambar 2. 1 Halaman Utama KIFEST ............................................................ 21

Gambar 2. 2 Halaman Utama KIFEST ............................................................ 21
Gambar 2. 3 Model TAM (Davis, 1985) .......................................................... 25
Gambar 2. 4 Model TAM Santoso ................................................................... 26
Gambar 2. 5 Model EUCS ............................................................................... 29
Gambar 2. 6 Model Integrasi TAm dan EUCS ................................................ 32
Gambar 2. 7 Model Integrasi TAM dan EUCS untuk mandatory use ............. 33
Gambar 2. 8 Klasifikasi Komponen Model Struktural ..................................... 56
Gambar 3. 1 Model Penelitian .......................................................................... 67
Gambar 3. 2 Model Persamaan Struktural ....................................................... 78
Gambar 3. 3 Kerangka Penelitian ..................................................................... 80
Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden ........................... 85
Gambar 4. 2 Diagram Lingkaran Usia Responden ........................................... 86
Gambar 4. 3 Diagram Batang Divisi Kerja Responden .................................. 87
Gambar 4. 4 Diagram Lingkaran Lama Bekerja Responden ........................... 88
Gambar 4. 5 Diagram Lingkaran Status Penerimaan Responden .................... 89
Gambar 4. 6 Diagram Lingkaran Status Kepuasan Responden ....................... 90
Gambar 4. 7 Output Diagram Jalur dengan PLS-SEM .................................... 97

xvi
 DAFTAR LAMPIRAN

Lampiran 1 Kuesioner Penelitian .............................................................. 135

Lampiran 2 Hasil Pengujian Awal ........................................................... 142
Lampiran 3 Hasil Kuesioner ..................................................................... 151
Lampiran 4 Hasil Wawancara .................................................................. 171
Lampiran 5 Surat Surat Pendukung Penelitian ......................................... 178

xvii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada zaman sekarang ini, teknologi terus berkembang dengan cepat.

Tanpa ada yang sanggup membendungnya. Sehingga pada era sekarang ini

teknologi informasi telah menjadi kebutuhan dan juga sebuah keharusan

bagi organisasi dalam menjalankan bermacam-macam proses bisnisnya

(Hartono, 2011). Macam proses bisnis organisasi yang telah menggunakan

teknologi adalah dalam kegiatan berkomunikasi, berbagi informasi, maupun

untuk melakukan kegiatan pengelolaan administrasi perkantoran, seperti

dokumentasi pengadaan barang dan jasa, surat menyurat, absensi karyawan

dan lain sebagainya. Hal tersebut memunculkan persaingan di dunia

teknologi informasi (TI) dan memacu organisasi untuk bersaing dalam

pengembangan dan penerapan teknologi informasi yang kreatif dan inovatif

di masing-masing organisasinya. Tujuannya tak lain adalah untuk

menunjang kebutuhan operasional yang semakin efektif dan efisien.

Kecepatan perkembangan teknologi informasi selalu memaksa

orang untuk menyelaraskan ilmu yang dimilikinya dengan kemajuan TI.

Bagi sebagian orang yang dapat mengikuti dinilai sangat positif, tetapi bagi

sebagian yang lain akan merasa kesulitan dan dianggap hal negatif dan

dianggap mengganggu kenyamanan (Rahadi, 2007). kekhawatiran sebagian

orang ini bukan tanpa alasan. Mereka yang merasa terganggu dengan

1
teknologi baru boleh jadi karena banyaknya akun dan sandi yang harus

mereka ingat dari masing-masing sistem yang diterapkan di perusahaan. Hal

ini lah yang kiranya perlu untuk dipelajari tingkat penerimaan pengguna dari

sebuah sistem, karena penerimaan pengguna menjadi bagian yang tidak

terpisahkan dari keberhasilan penerapan sebuah sistem.

PT Kimia Farma (Persero) Tbk. sebagai perusahaan milik negara

(BUMN) yang bergerak dalam bidang farmasi dan terbesar di Indonesia

berkomitmen terus menjaga integritasnya untuk mencapai visi perusahaan

yakni menjadi perusahaan Healthcare pilihan utama yang terintegrasi dan

menghasilkan nilai yang berkesinambungan. Dalam rangka mewujudkan

visi tersebut PT Kimia Farma (Persero) Tbk. menjabarkannya dalam misi

perusahaan yang salah satunya adalah Mengelola perusahaan secara Good

Corporate Governance dan Operational Excellence didukung oleh SDM

profesional.

Dalam rangka menuju pengelola secara Good Corporate

Governance tersebut, PT Kimia Farma (Persero) Tbk. berfokus

mengembangkan aplikasi dan pelayanan IT untuk membantu efektifitas

kegiatan pegawai dengan membentuk Divisi Informasi dan Teknologi.

Divisi ini diproyeksikan menjadi penggerak dalam pengembangan layanan

IT baik di PT Kimia Farma (Persero) Tbk. sendiri maupun di anak

perusahaannya. Dengan slogan SOLID (Smart, Optimistic, Loyalty,

Integrity, and Difference) divisi IT di Kimia Farma betul-betul berfokus

mengembangkan dan melakukan pembuatan aplikasi-aplikasi yang

2
membantu aktivitas para karyawannya. Tak kurang dari 10 aplikasi telah di

gunakan sehari-hari. Diantaranya adalah aplikasi penggajian Pay Slip,

aplikasi Cuti Online, aplikasi Absensi Online, aplikasi SPPD Online,

aplikasi Mandiri in Health, aplikasi Performance Management, aplikasi Job

Vacancy, aplikasi Mutasi Promosi, aplikasi E-Learning, aplikasi KF Smart,

web portal Kimia Farma, dan lain sebagainya.

Aplikasi yang dikembangkan dan diterapkan, semula diharapkan

dapat memudahkan kegiatan sehari-hari para pegawai, namun seiring

menjadi banyaknya jumlah aplikasi ini memunculkan masalah baru yakni

kesulitan para pegawai dalam mengingat satu persatu username dan

password bagi tiap-tiap aplikasi. Hal ini lah yang kemudian pada awal

Agustus 2018 Kimia Farma meluncurkan sebuah portal bernama KIFEST

(Kimia Farma Employe Self Technology) yakni sebuah aplikasi sistem

informasi pegawai layanan terpadu bagi karyawan internal Kimia Farma.

Aplikasi ini memungkinkan para pegawai cukup melakukan login sekali

untuk mengakses aplikasi-aplikasi tersebut. Dimana pada kenyataannya

aplikasi-aplikasi di dalam KIFEST telah diterapkan sejak tahun 2015.

KIFEST hadir untuk menampilkan semua aplikasi dalam satu

halaman utama aplikasi KIFEST tersebut. Sehingga akan memudahkan

setiap pengguna untuk melakukan akses ke beberapa aplikasi yang telah

disediakan oleh KIFEST ini. Kemudahan ini memberikan efisiensi yang

menyeluruh dalam hal penyediaan akses ke beberapa aplikasi tersebut.

3
 KIFEST telah menggunakan konsep Single Sign On (SSO).

Teknologi Single-sign-on (sering disingkat menjadi SSO) adalah teknologi

yang mengizinkan pengguna jaringan agar dapat mengakses sumber daya

dalam jaringan hanya dengan menggunakan satu akun pengguna saja.

Dimana satu akun pengguna akan bisa mengakses ke beberapa aplikasi yang

terdapat di dalam dashboard aplikasi KIFEST. Aplikasi ini diharapkan

menjadi solusi untuk kemudahan para karyawan mengakses aplikasi

kepegawaiannya.

Selama sekitar beberapa bulan ini diterapkan, berdasarkan hasil

wawancara dengan admin IT, grafik pengguna KIFEST masih sangat sedikit

dan boleh dikatakan sangat jarang pegawai yang mengaksesnya. Hal ini

diperkirakan beberapa hal diantaranya adalah sosialisasi ke para pegawai

yang belum maksimal, juga beberapa fungsi yang masih belum dapat

diakses seperti fungsi berpindah aplikasi secara cepat, fungsi edit profile

yang belum menjadi satu, serta belum tersedianya menu sentral yang

memudahkan perpindahan dari satu aplikasi ke aplikasi lain juga

diperkirakan menjadi sebab pengguna kifest ini masih sedikit.

Kondisi KIFEST hari ini yang belum sesuai dengan harapan pada

saat merancangnya membuat peneliti tertarik untuk mengukur tingkat

penerimaan pengguna aplikasi KIFEST. Karena tingkat penerimaan

pengguna aplikasi berpengaruh terhadap keberhasilan penerapan sebuah

aplikasi. Dan keberhasilan penerapan sebuah teknologi akan memberikan

4
manfaat yang lebih kepada organisasi (Subiyakto, Ahlan, Kartiwi, Putra, &

Durachman, 2016).

Pengukuran tingkat penerimaan yang dilakukan peneliti adalah

menggunakan model analisis Technology Acceptance Model (TAM).

dimana TAM ini didasari pada Theory of Reasoned Action (TRA) yang

diteorikan oleh Fishbein & Ajzen, (1980).

TAM bertujuan untuk mendefinisikan dan memperkirakan

penerimaan (Acceptance) pengguna terhadap suatu sistem informasi. TAM

menyediakan suatu basis teoritis untuk mengetahui faktor-faktor yang

mempengaruhi penerimaan terhadap suatu teknologi dalam suatu

organisasi. TAM menjelaskan hubungan sebab akibat antara keyakinan

(akan manfaat suatu sistem informasi dan kemudahan penggunaannya) dan

perilaku, tujuan/keperluan, dan penggunaan aktual dari pengguna suatu

sistem informasi (Davis, 1985).

Davis (1985) mendefinisikan persepsi kegunaan (Perceived of

Usefulness) sebagai “sebuah tingkatan dimana seseorang mempercayai

bahwa dengan menggunakan sistem tersebut dapat meningkatkan

kinerjanya dalam bekerja”. Kripanont (2007) juga berpendapat sama,

“Perceived of Usefulness is the degree to which a person believes that using

a particular system would enhance his or her job performance”. Persepsi

atas kemudahan penggunaan (Perceived Ease of Use), secara kontras,

mengacu pada “suatu tingkatan dimana seseorang percaya bahwa

menggunakan sistem tersebut tak perlu bersusah payah. Hal ini mengikuti

5
definisi dari “mudah” (“Ease”): “freedom from difficulty or great effort”

atau tidak memiliki kesulitan atau upaya keras.

Menurut Hartono (2007) TAM berfokus pada sikap terhadap

penggunaan teknologi informasi, dimana pemakai mengembangkan

berdasarkan persepsi manfaat dan kemudahan dalam penggunaan teknologi

informasi. Hal ini juga didasarkan pada pendapat Davis F.D (Amalia, 2010),

TAM didefinisikan sebagai model untuk menjelaskan dan memprediksi

sikap pengguna terhadap sistem berdasarkan dua persepsi, yakni persepsi

pemanfaatan (Perceived usefulness) dan persepsi kemudahan penggunaan

(perceived ease of use).

Model lainnya adalah End User Computing Satisfaction (EUCS)

yang dikembangkan oleh (Doll & Torkzadeh, 1988) EUCS merupakan

model yang digunakan untuk mengukur kepuasan pengguna akhir sebuah

sistem atau aplikasi. Sebuah sistem informasi dapat diandalkan ketika

memiliki kualitas yang baik dan mampu memberikan kepuasan bagi

penggunanya. Dengan adanya kepuasan pengguna maka akan timbul

penerimaan (Acceptance) pada sistem informasi tersebut. Kepuasan

pengguna merupakan salah satu indikator keberhasilan penerapan sistem

informasi (Nugraha, 2014). Instrumen EUCS yang dikembangkan oleh Doll

dan Torkzadeh meliputi 5 komponen yaitu Isi (Content), Akurasi

(Accuracy), Bentuk (Format), kemudahan (Ease), dan ketepatan waktu

(Timeliness).

6
 Implementasi teknologi informasi (TI) baru pada suatu perusahaan

merupakan sebuah langkah yang baik dalam rangka meningkatkan proses

bisnis organisasi. Namun keberhasilan dalam proses implementasi TI juga

perlu memperhitungkan penerimaan (Acceptance) oleh pengguna akhir

(Fatta, 2007). Pengguna akhir (End User) yang dimaksud disini adalah

mereka yang terkait langsung dengan penggunaan aplikasi. Seringkali

ketika TI baru diimplementasikan maka aka terjadi perubahan proses bisnis,

dan pengguna akhir ini akan menimbulkan sikap penerimaan yang tidak

dapat diprediksi. Sikap penerimaan (Acceptance) ini yang akan memiliki

hubungan langsung terhadap kepuasannya dan kesuksesan penerapan

aplikasi.

Berdasarkan penjelasan di atas, maka peneliti tertarik untuk

melakukan penelitian yang berjudul “Pengukuran Tingkat Penerimaan

Pengguna Akhir Sistem Informasi Pegawai Kimia Farma (KIFEST)

Menggunakan Pendekatan Technology Acceptance Model (TAM) dan

End User Computing Satisfaction (EUCS)”. Penelitian ini diharapkan

untuk meningkatkan produktivitas, kualitas layanan dan kemampuan

kompetisi. Karena keberhasilan penerapan sistem informasi ditentukan oleh

faktor-faktor yang mempengaruhi penerimaan pengguna atas teknologi baru

tersebut. Hasil penelitian ini dapat menjadi masukan dan rekomendasi bagi

pengelola sistem informasi kepegawaian Kimia Farma (KIFEST) saat

mengambil keputusan dalam perencanaan pengembangan aplikasi KIFEST

agar dapat meningkatkan kemanfaatan aplikasi tersebut.

7
1.2 Identifikasi Masalah

Berdasarkan latar belakang yang telah dipaparkan di atas, peneliti

mengidentifikasi beberapa permasalahan yang ada sebagai berikut:

1. Masih terdapat beberapa kelemahan dalam Aplikasi sistem informasi

pegawai Kimia Farma (KIFEST) sehingga penerimaan pengguna

terhadap Aplikasi masih belum optimal.

2. Penerimaan pengguna merupakan salah satu faktor penting yang

menentukan keberhasilan implementasi sistem informasi dan belum

pernah dilakukan penelitian terkait hal tersebut pada sistem informasi

pegawai Kimia Farma (KIFEST).

3. Belum diketahui faktor-faktor yang perlu dipertahankan ataupun

faktor-faktor yang perlu menjadi fokus perhatian untuk meningkatkan

kualitas layanan Aplikasi sistem informasi pegawai Kimia Farma

(KIFEST) dengan menggunakan model TAM dan EUCS sehingga

peningkatan aplikasi KIFEST masih belum menemukan fokus

pengembangannya.

1.3 Perumusan Masalah

Berdasarkan identifikasi masalah dan latar belakang masalah di atas

nampak bahwa ada permasalahan yang terjadi pada pengguna akhir untuk

menggunakan KIFEST. Terlihat bahwa pengguna akhir mengalami masalah

dan kesulitan dalam menggunakan KIFEST. Hal ini boleh jadi terkait

dengan Kemanfaatan (Usefulness), Kemudahan Penggunaan (Ease of Use),

8
 Kenyamanan (Enjoyment), Isi (Content), Akurasi (Accuracy), Bentuk

(Format), kemudahan (Ease) dan ketepatan waktu (Timeliness) yang

dimiliki pengguna akhir dalam menggunakan KIFEST. Untuk membuktikan

hal tersebut maka penelitian ini dilakukan sehingga dapat diketahui apakah

faktor-faktor tersebut berhubungan dengan penerimaan (Acceptance)

pemakai akhir dalam menggunakan KIFEST.

Berdasarkan hal tersebut maka permasalahan dalam penelitian ini

dapat dirumuskan sebagai berikut:

1. Apakah faktor dalam TAM yaitu Kemanfaatan (Usefulness),

Kemudahan Penggunaan (Ease of Use) dan Kenyamanan

(Enjoyment) berpengaruh terhadap penerimaan (Acceptance).

pengguna KIFEST?

2. Apakah lima faktor EUCS Isi (Content), Akurasi (Accuracy), Bentuk

(Format), kemudahan (Ease) dan ketepatan waktu (Timeliness)

berpengaruh terhadap penerimaan (Acceptance) pengguna KIFEST?

1.4 Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah sebagai

berikut:

1. Penelitian ini hanya dilakukan terhadap penerapan teknologi Kimia

Farma Employe Service Technology (KIFEST).

2. Penelitian ini menggunakan dua model penelitian TAM yakni

penelitian Santoso (2012) yang terdiri dari 3 variabel yakni

9
 Percevied Usefulness (PU), Ease of Use (EOU) dan Enjoyment

(ENJ). Kedua penelitian Doll dan Torkzadeh (1988) yang terdiri

dari 5 variabel yakni variabel Accuracy (ACC), Content (CON),

Ease of Use (EOU), Format (FOR) dan Timeliness (TIM).

3. Penelitian ini menggunakan metode kuantitatif dengan teknik

pengumpulan data survei kepada end user (pengguna akhir) dalam

penelitian ini yaitu mencakup karyawan Kimia Farma yang

berkantor di Kimia Farma Holding. Teknik pengambilan sampel

menggunakan teknik purposive sampling dan analisis data

menggunakan PLS-SEM dengan SmartPLS.

1.5 Tujuan dan Sasaran Penelitian

1.5.1 Tujuan Penelitian

Berdasarkan latar belakang dan perumusan masalah yang

sudah dipaparkan sebelumnya, penelitian ini dilakukan dengan

beberapa tujuan, yaitu untuk:

1. Mengetahui sejauh mana tingkat penerimaan pengguna dari

penerapan aplikasi KIFEST.

2. Mengetahui faktor-faktor yang mempengaruhi penerimaan

pengguna akhir terhadap penerapan KIFEST.

3. Memberikan rekomendasi atau masukkan untuk PT Kimia

Farma (Persero) Tbk. terkait pengembangan aplikasi KIFEST.

10
 1.5.2 Sasaran Penelitian

Mengacu pada Tujuan yang telah disebutkan di atas, maka

sasaran yang ada dalam penelitian ini adalah:

1. Diketahuinya tingkat penerimaan pengguna akhir terhadap

penerapan aplikasi KIFEST, berdasarkan pengujian terhadap

responden dari pengguna akhir KIFEST.

2. Diketahuinya faktor-faktor yang mempengaruhi penerimaan

pengguna akhir KIFEST berdasarkan integrasi model TAM

dan EUCS.

1.6 Manfaat Penelitian

Sangat besar harapan peneliti bahwa penelitian ini dapat

memberikan manfaat pada pihak lain. Beberapa manfaat yang dapat diambil

dari penelitian ini adalah diantaranya:

1. Secara teoritis, hasil dari penelitian ini diharapkan dapat menjadi arsip

dokumen akademik yang bisa bermanfaat sebagai landasan untuk

penelitian selanjutnya.

2. Secara metode, dapat menjadi referensi penelitian di program studi

informasi dengan pendekatan kuantitatif.

3. Secara praktis, hasil penelitian dapat digunakan sebagai bahan

masukan untuk acuan dalam mengembangkan aplikasi KIFEST

selanjutnya.

11
 4. Dengan penelitian ini Divisi IT Kimia Farma dapat mengevaluasi

penerapan KIFEST yang telah dilakukan tersebut dan menentukan

langkah perbaikan dalam tahap pengembangan sistem selanjutnya.

5. Hasil penelitian ini diharapkan juga bisa memberikan kontribusi

kepada Divisi IT Kimia Farma untuk dapat memperhatikan aspek

keperilakuan dari para pemakai akhir dalam pengembangan KIFEST

selanjutnya.

1.7 Pertanyaan Penelitian

Berdasarkan tujuan dan sasaran dari penelitian ini maka pertanyaan

penelitian dalam hal ini adalah :

1. Bagaimana tingkat penerimaan pengguna akhir terhadap penerapan

aplikasi KIFEST?

2. Apa saja faktor yang dapat memberikan pengaruh terhadap penerimaan

pengguna akhir KIFEST berdasarkan pengujian terhadap responden

dari pengguna akhir KIFEST.

Melihat dari berbagai faktor yang mempengaruhi penerimaan

pengguna, maka dalam penelitian ini membuat hipotesis yang mungkin saja

saling mempengaruhi, diantaranya :

2.1 Apakah Faktor kemanfaatan (usefulness) oleh KIFEST berpengaruh

secara signifikan terhadap penerimaan (Acceptance) penggunaan

KIFEST?

12
 2.2 Apakah Faktor kemudahan penggunaan (ease of use ) oleh KIFEST

berpengaruh secara signifikan terhadap penerimaan (Acceptance)

penggunaan KIFEST?

2.3 Apakah Keakuratan informasi yang dihasilkan (accuracy) oleh

KIFEST berpengaruh secara positif terhadap penerimaan

(Acceptance) penggunaan KIFEST ?

2.4 Apakah Ketersediaan informasi yang tepat, benar dan konsisten

(content) pada aplikasi KIFEST berpengaruh secara positif terhadap

penerimaan (Acceptance) penggunaan KIFEST?

2.5 Apakah Tampilan menarik (format) pada aplikasi KIFEST

berpengaruh secara positif terhadap penerimaan (Acceptance)

penggunaan KIFEST?

2.6 Apakah Kecepatan dan pembaharuan informasi (timeliness) pada

aplikasi KIFEST berpengaruh secara positif terhadap penerimaan

(Acceptance) penggunaan KIFEST ?

2.7 Apakah Sikap (attitude) pengguna sistem berpengaruh positif

terhadap Penerimaan (Acceptance) KIFST.

2.8 Apakah kepuasan pengguna akhir (user satisfaction) berpengaruh

positif terhadap Penerimaan (Acceptance) sistem KIFEST?

1.8 Metodologi Penelitian

Penelitian ini menggunakan model Technology Acceptance Model

(TAM) dan End-User Computing Satisfaction (EUCS) sebagai alat untuk

13
menganalisis penerimaan pengguna akhir terhadap aplikasi Kimia Farma

employe service technology (KIFEST) dengan metode pengumpulan data

yang terdiri dari:

1. Studi Pustaka

Studi Pustaka dilakukan dengan membaca buku-buku serta jurnal

penelitian sebelumnya yang berhubungan dengan End-User Computing

Satisfaction (EUCS) dan Technology Acceptance Model (TAM).

2. Studi Lapangan

Studi lapangan adalah penelitian yang dilakukan dengan cara

mendatangi langsung tempat yang menjadi objek penelitian. Adapun

teknik pengumpulan datanya adalah sebagai berikut:

a. Observasi

Pada tahap ini peneliti melakukan pengamatan langsung ke

kantor PT Kimia Farma (Persero) Tbk..

b. Wawancara

Wawancara langsung dilakukan kepada beberapa orang

yang terkait dengan aplikasi KIFEST, yaitu kepada staf divisi

IT Kimia Farma serta beberapa pengguna akhir aplikasi

KIFEST.

c. Kuesioner

Kuesioner disebarkan kepada pengguna akhir aplikasi

Kimia Farma employe service technology (KIFEST),

kuesioner berisi daftar pertanyaan terkait variabel yang

14
 digunakan dalam penelitian ini berdasarkan model End-User

Computing Satisfaction (EUCS) dan Technology Acceptance

Model (TAM).

1.9 Sistematika Penulisan

Dalam penyusunan laporan penelitian, pembahasan terbagi dalam

lima bab yang secara singkat akan diuraikan sebagai berikut:

BAB I PENDAHULUAN

Bab ini menjelaskan tentang latar belakang, identifikasi masalah,

perumusan masalah, batasan masalah, tujuan penelitian, manfaat

penelitian, hipotesis penelitian, metodologi penelitian dan

sistematika penulisan.

BAB II KAJIAN PUSTAKA

Bab ini membahas mengenai dasar-dasar teori yang mendukung

dalam menganalisis tingkat penerimaan pengguna akhir terhadap

sistem aplikasi KIFEST Kimia Farma.

BAB III METODOLOGI PENELITIAN

Bab ini membahas tentang metodologi pengumpulan data yang

digunakan dalam penelitian ini, dan metode analisis data.

BAB IV HASIL DAN PEMBAHASAN

Bab ini menguraikan profil singkat respondesn dan membahas hasil-

hasil yang diperoleh dari hasil penelitian.

15
BAB V KESIMPULAN DAN SARAN

Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan

masalah serta beberapa saran untuk pengembangan sistem aplikasi

Kimia Farma Employe Service Technology (KIFEST).

DAFTAR PUSTAKA

16
 BAB II

KAJIAN PUSTAKA

2.1 Sistem Informasi Kepegawaian

2.1.1 Definisi Sistem Informasi

Sistem informasi merupakan sebuah sistem di dalam sebuah

organisasi yang mempertemukan kebutuhan pengelolaan transaksi

harian, dukungan operasional, sifat manajerial dan kegiatan strategi

sebuah organisasi dan menyediakan pihak luar tertentu dengan

laporan-laporan yang diperlukan (Hutahaean, 2015).

Sistem informasi juga merupakan suatu sistem di dalam

organisasi yang memiliki bentuk saling terintegrasi antara satu

komponen dengan komponen lain dan memiliki sasaran yang

berbeda untuk setiap sistem. Setiap sistem memiliki berbagai unsur

yang saling berhubungan erat dan saling bekerja sama untuk

mencapai tujuan sistem tersebut (Sutabri, 2012). Sistem informasi

adalah sebuah rangkaian prosedur formal di mana data

dikelompokkan, diproses menjadi informasi dan didistribusikan

kepada pengguna (Kadir, 2014).

Sehingga dapat ditarik kesimpulan bahwa sistem informasi

merupakan serangkaian sistem yang dapat mengolah data

menggunakan bermacam sumber daya menjadi informasi yang

memiliki manfaat bagi pengguna.

2.1.2 Definisi Sistem Informasi Kepegawaian

Kepegawaian menurut KBBI merupakan sebuah kata untuk

menjelaskan segala hal tentang pegawai. Sistem informasi

kepegawaian merupakan bagian dari sistem informasi manajemen

yang fungsinya mengelola data, manajemen dan administrasi

kepegawaian dari suatu instansi.

Sistem yang berhubungan dengan pegawai diantaranya Aplikasi

penggajian Pay Slip, Aplikasi Cuti Online, Aplikasi Absensi Online,

Aplikasi SPPD Online dsb. Sistem Informasi kepegawaian ini

dirancang sebagai solusi untuk memudahkan berbagai hal

pengurusan kepegawaian.

Keuntungan adanya sistem informasi kepegawaian ini

adalah:

1. Memungkinkan Departemen Human Capital berperan aktif

dalam perencanaan strategi perusahaan

2. Mengintegrasikan dan menyimpan semua informasi SDM

dalam satu Database, dan dengan hadirnya single sign on

pada sistem kepegawaian ini juga memungkinkan

kemudahan berpindah satu aplikasi ke aplikasi lain.

3. Memfasilitasi penyimpanan data dan akses catatan

kepegawaian yang vital bagi perusahaan (Widiyastuti,

Andretti, & Leon, 2014).

18
2.1.3 Sistem Informasi Kepegawaian Kimia Farma (Kimia Farma

Employe Service Technology / KIFEST)

Divisi IT Kimia Farma merupakan salah satu unit kerja di

bawah Direktur Keuangan, yang memiliki tugas dan fungsi yang

terkait dengan perkembangan IT. Dari mulai untuk melakukan

kegiatan digitalisasi proses bisnis di setiap divisi di PT Kimia Farma

(Persero) Tbk., melakukan pengembangan aplikasi-aplikasi,

membuat standar operasional layanan IT hingga melakukan proses

operasional dan kontrol terhadap insiden dan masalah yang terjadi

dengan perangkat IT.

Hingga pertengahan tahun 2018 tak kurang dari 30 aplikasi

telah dikembangkan dan dijalankan di perusahaan ini tentunya di

bawah kontrol divisi IT. Dari semua aplikasi yang telah ada,

beberapa aplikasi memang dikhususkan untuk sistem kepegawaian,

diantaranya adalah Pay slip, Cuti Online, Absensi Online, SPPD

Online, Mandiri in health, Performance Management, Job Vacancy,

Mutasi Promosi, E-Learning dan KF Smart. Aplikasi kepegawaian

ini awalnya berdiri sendiri dan tidak saling terhubung, setiap

pegawai akan memiliki username dan kata sandi masing-masing

untuk setiap aplikasi. Banyaknya kata sandi yang harus diingat oleh

para pegawai memunculkan seringnya aduan lupa kata sandi dari

para pegawai.

19
 Untuk mengatasi masalah tersebut divisi IT Kimia Farma pada

awal Agustus 2018 meluncurkan sebuah portal Single Sign On

(SSO) untuk mengintegrasikan semua aplikasi kepegawaian dalam

satu username dan kata sandi. Aplikasi ini diberi nama Kimia Farma

Employe Service Technology (KIFEST). Di dalam kifest ini semua

aplikasi kepegawaian tadi ditampilkan di dalam satu halaman utama

aplikasi. Sehingga akan memudahkan setiap user untuk melakukan

akses ke beberapa aplikasi yang telah disediakan oleh Kifest ini.

Kemudahan ini memberikan efisiensi yang menyeluruh dalam hal

penyediaan akses ke beberapa aplikasi tersebut. KIFEST telah

menggunakan konsep Single Sign On (SSO). Teknologi Single-Sign-

On (sering disingkat menjadi SSO) adalah teknologi yang

mengizinkan pengguna jaringan agar dapat mengakses sumber daya

dalam jaringan hanya dengan menggunakan satu akun pengguna

saja. Dimana satu akun user akan bisa mengakses ke beberapa

aplikasi yang terdapat di dalam dashboard aplikasi Kifest (Saputra,

2018).

Gambar berikut merupakan user interface dari aplikasi KIFEST:

20
 Gambar 2. 1 Halaman Utama KIFEST

(Sumber: Aplikasi KIFEST, 2018)

Gambar 2. 2 Halaman Utama KIFEST

(Sumber: Aplikasi KIFEST, 2018)

2.2 Mandatory dan Voluntary Use

Pada saat sebuah sistem diterapkan dalam perusahaan, maka

menjadi konsukensi logis apakah sistem ini menjadi Mandatory use atau

Voluntary use kepada pengguannya. Perbedaan utama dari keduanya adalah

21
 pada kebebasan pengguna dalam menggunakan sistem tersebut (freedom of

user). Manatory use yaitu pemakai sistem tidak memiliki kebebasan

(freedom) untuk memakai atau tidak sistem tersebut karena dipaksa

memakai oleh perusahaan atau instansi yang menerapkan sistem informasi

tersebut.. Sebaliknya, Voluntary use adalah pengguna memiliki kebebasan

(freedom) tersebut, apakah pemakai mau memakai atau tidak sistem

informasi tersebut (Rawstorne et al, 1998). Didasarkan pada hal tersebut,

menurut Rawstorne et al. (1998) adanya memiliki perbedaan dalam

penerimaan (Acceptance) sistem informasi dari kedua lingkungan

lingkungan tersebut.

2.3 Teori Penerimaan Teknologi

Dalam melakukan pengukuran penerimaan teknologi, ada beberapa

teori yang terkenal dan sering digunkan, yakni Technology Acceptance

Model (TAM) yang dikembangakan oleh Davis pada tahun 1989 , IS

Success Model yang dikembangkan oleh Delone dan McLean mulai tahun

1992, 2002, 2003 dan tahun 2004, model UTAUT (Unified theory of

Acceptance and Use of Technology) yang dikemukakan oleh Venkantesh

et.all pada tahun 2003, model Human-Organization-Technology (HOT) Fit

Model yang dikembangkan oleh Yusof et al. pada tahun 2006, model Task

Technology Fit (TTF) yang dikembangkan oleh Goodhue dan Thompson

pada tahun 1995 (di dalam Anwar, 2017).

22
 Secara teoritis dan praktis model pengukuran penerimaan pengguna

yang paling banyak digunakan adalah model TAM dan UTAUT. Model

UTAUT lebih banyak digunakan untuk mengukur penerimaan penerapan

sebuah sistem di lingkungan akademik sedangkan TAM lebih banyak

digunakan untuk mengukur penerimaan di lingkungan yang lebih luas lagi

(Hamrul, Soedijono, & Amborowati, 2013). Kedua model tersebut sama-

sama digunakan untuk menguku tingkat penerimaan pengguna namun

menurut Hamrul (2013), bahwa model UTAUT lebih dapat menjelaskan

pengukuran penerimaan sistem informasi akademik.

Dalam perbandingan model yang dilakukan oleh Megawati (2017),

dalam melakukan pengukuran penerimaan penerapan sistem infromasi

rumah sakit diperoleh hasil bahwa model TAM lebih dapat menjelaskan

penerimaan pengguna sistem informasi rumah sakit. Hal demikian yang

membuat peneliti dalam penelitian ini tertarik untuk menggunakan model

TAM dalam mengukur penerimaan pengguna terhadap penerapan

teknologi.

Sesuai dengan apa yang disampaikan oleh Sekundera (2006), bahwa

indikator untuk menjelaskan penerimaan teknologi informasi adalah

kepuasan pemakai (user satisfaction) dan penggunaan sistem (system

usage). Indikator penggunaan sistem ini dapat diukur dengan melihat

beberapa karakteristik. Diantaranya adalah kemudahan (ease of use),

manfaat (usefulness) penggunaan sistem dan sikap (attitude) penggunan

23
 terhadapa sistem. Karakteristik tersebut dapat dijelaskan melalui model

TAM, inilah kenapa peneliti lebih berfokus menggunakan model TAM.

Kemudian indikator kepuasan pemakai ini dapat diukur menggunakan

model End-User Computing Satisfaction (EUCS). Model ini adalah model

yang paling banyak digunakan dalam melakukan pengukuran kepuasan

pengguna. Model EUCS yang terintegrasi dengan model TAM dipercaya

dapat menjelaskan pengukuran tingkat penerimaan pengguna terhadap

penerapan sistem di lingkungan mandatoy use. Dimana pada lingkungan

tersebut pengguna tidak memiliki pilihan dalam menggunakan teknologi,

hal ini biasa terjadi di perusahaan-perusahaan besar dan juga BUMN.

2.4 Technology Acceptance Model (TAM)

Model evaluasi Technology Acceptance Model (TAM) adalah

sebuah model yang didasari pada Theory of Reasoned Action (TRA) yang

diteorikan oleh Ajzen dan Fibsen (Fishbein & Ajzen, 1980). TAM bertujuan

untuk mendefinisikan dan memperkirakan penerimaan (Acceptance)

pengguna terhadap suatu sistem informasi. TAM menyediakan suatu basis

teoritis untuk mengetahui faktor-faktor yang mempengaruhi penerimaan

terhadap suatu teknologi dalam suatu organisasi. TAM menjelaskan

hubungan sebab akibat antara keyakinan (akan manfaat suatu sistem

informasi dan kemudahan penggunaannya) dan perilaku, tujuan/keperluan,

dan penggunaan aktual dari pengguna suatu sistem informasi.(Davis, 1985).

Berikut ini gambaran model hubungan dari TAM :

24
 Perceived of
Usefulness

External Attitude Toward Behavioral Actual System

Variables Using Intention to Use Use

Perceived Ease of
Use

Gambar 2. 3 Model TAM Davis

(Sumber: Davis, 1985)

Dari gambaran di atas maka terlihat beberapa variabel dalam model

TAM yakni variabel eksternal, Perceived of Usefulness, Perceived Ease of

Use, Attitude Toward Using, Behavioral Intention to Use Dan Actual System

Use. Dalam perkembangannya model asli TAM ini banyak dikembangkan

salah satunya adalah oleh Linders (2006), dalam penelitiannya linders

menghapuskan variabel eksternal, Behavior Intention to Use dan Actual

System Use. Hal ini disebabkan oleh ketidakcocokan model TAM untuk

mengetahui penerimaan penerapan sistem di lingkungan Mandatory use,

model yang diteorikan oleh Davis lebih cocok untuk lingkungan Voluntary

use dikarenakan dalam lingkungan tersebut pengguna memiliki kebebasan

untuk memilih sistem sehingga kemudahan dan kebermanfaatan

berpengaruh terhadap intention use penggunaan sistem. namun sebaliknya

dalam lingkungan mandatory use, pengguna tidak memiliki pilihan lain,

alhasil dua variabel yaitu kemudahan dan kemanfaatan berpengaruh secara

signifikan terhadap penerimaan pengguna.

25
 Kemudian model tersebut juga dikembangkan oleh Sekundera

(2006) yang menggunakan model tam mandatory use ini dengan dua

variabel utama yakni variabel kegunaan dan kemanfaatan dan Santoso

(2012) dengan menambahkan variabel enjoyment untuk mengetahui

kenyamanan yang dirasakan oleh pengguna selam menggunakan sistem

informasi dalam bekerja hal ini di dasari oleh pengaruh kenyamanan

terhadap sikap atau attitude pengguna tersbut dalam meggunakan sistem

aplikasi. Seperti yang digambarkan dalam gambar di bawah ini :

Perceived of
Usefulness

User satisfaction
Attitude User
Toward Using Acceptance

Perceived
Ease of Use

Perceived
Enjoyment

Gambar 2. 4 Model TAM Santoso

(Sumber: Santoso, 2012)

Dari gambar di atas terlihat bahwa menurut Santoso (2012), ada tiga

variabel yang mempengaruhi sikap (attitude) penerimaan sistem informasi,

kemudian sikap tersebut berpengaruh terhadap kepuasan dalam

menggunakan sebuah sistem. Tiga variabel tersebut adalah :

26
1. Perceive of Usefulness (POU) atau persepsi kegunaan. POU

merupakan serangkaian pernyataan terkait dengan persepsi pengguna

atas kegunaan suatu sistem. Indikatornya menurut (Mardiana,

Tjakraatmadja, & Aprianingsih, 2015) adalah : mempercepat

pekerjaan, meningkatkan kinerja dan produktivitas, efektifitas,

mempermudah pekerjaan, dan bermanfaat atau tidaknya penerapan

sebuah sistem.

2. Percieve Ease of Use (PEOU) atau persepi kemudahan penggunaan

merupakan serangkaian pernyataan yang terkait dengan persepsi

pengguna atas kemudahan atau kesulitan dari penggunaan sebuah

sistem. Yang memiliki beberapa indikator seperti : kemudahahan

untuk dipelajari, kemudahan untuk mencapai tujuan, kejelasan

operasionalnya, kemudahan untuk dipahami, diakses dan kontrol,

sistem informasi yang fleksibel, bebas dari kesulitan, kejelasan sistem,

dan penilaian bahwa secara umum sistem tersebut mudah digunakan.

3. Perceived Enjoyment atau persepsi kenyamanan, merupakan

serangkaian pernyataan yang terkait dengan kenyamanan penggunan

terhadap penerapan sebuah sistem informasi. persepsi ini menurut Al-

Gahtani & King, (1999) memiliki beberapa indikator yakni :

kepercayaan penggunan atas kenyamanan dalam menggunakan

sistem, kenyamanan pengguna ketika menggunakan sistem informasi

saat bekerja dan kenyamanan pengguna secara aktual dalam

menggunakan sistem.

27
2.5 End-User Computing Satisfaction (EUCS)

Model evaluasi End User Computing Satisfaction (EUCS) adalah

model yang dikembangkan oleh (Doll & Torkzadeh, 1998). Model ini

menilai accuracy, content, ease of use, format dan timeliness dari sistem

untuk diketahui kepuasan (satisfaction) pengguna akhir terhadap sebuah

teknologi. Model ini juga dapat mengukur tingkat kepuasan (satisfaction)

dari pengguna sebuah sistem dengan membandingkan antara harapan dan

kenyataan dari sebuah sistem (Oktavia, 2012).

Definisi lain End User Computing Satisfaction dari sebuah sistem

informasi adalah evaluasi secara keseluruhan dari para pengguna sistem

informasi yang berdasarkan pengalaman mereka dalam menggunakan

sistem tersebut (Doll & Torkzadeh, 1988). Di bawah ini merupakan model

penelitian End-User Computing Satisfaction (EUCS).

28
 Content

Accuracy

Satisfaction Format

Ease of Use

Timeliness

Gambar 2. 5 Model EUCS

(Sumber: Doll & Torkzadeh, 1988)

Selanjutnya di bawah ini merupakan penjelasan dari setiap dimensi

ukuran model End User Computing Satisfaction yang dikembangkan oleh

(Doll & Torkzadeh, 1998) :

1. Dimensi Accuracy merupakan dimensi yang digunakan dalam

mengukur kepuasa penggunan dari sisi keakuratan data saat sistem

menerima perintah atau input lalu mengolahnya menjadi sebuah

informasi. Nilai keakuratan ini diukur dari seberapa akurat sistem

menghasilkan hasil pencarian dan kepuasan pengguna terhadap

keakuratan sistem (Doll & Torkzadeh, 1998).

2. Dimensi Content merupakan dimensi untuk mengukur kepuasan

pengguna dari sisi kelengkapan isi atau konten dari sebuah sistem.

29
 Semakin lengkap konten/isi sebuah sistem maka semakin dan semakin

informatif, maka kepuasan pengguna akan semakin tinggi(Anwar,

2017). Doll & Torkzadeh, 1998 mengukur dimensi ini dengan 4

indikator yaitu : kesediaan informasi yang tepat, kesesuaian informasi,

hasil pencarian informasi, dan pemenuhan kebutuhan informasi.

3. Dimensi Ease of use merupakan dimensi yang digunakan untuk

mengukur kepuasan pengguna dari sisi kemudahan pengguna dalam

menggunakan sistem (user friendly) kemudahan hadir dalam proses

input data, mengolah data, dan mencari informasi informasi yang

dibutuhkan (Moores, 2012)

4. Dimensi Format merupakan dimensi untuk mngukur kepuasaan

penggun dari sisi tampilan sistem. semakin besar persepsi positif

pengguna sebuah sistem terhadap bentuk aplikasi ini, semakin besar

pula persepsi kepuasan pengguna sistem (Sari & Syamsuddin, 2017).

5. Dimensi Timeliness merupakan dimensi untuk megukur kepuasan

penggunan dari sisi ketepatan waktu sistem dalam merespon dan

menyediakan data serta informasi yang dibutuhkan oleh pengguna.yaitu

dimensi untuk mengukur kepuasan pengguna dari sisi ketepatan waktu

sistem dalam menyajikan atau menyediakan data dan informasi yang

dibutuhkan oleh pengguna (Al-Gahtani & King, 1999).

30
2.6 Model Integrasi TAM dan EUCS

Integrasi antara model TAM dan EUCS ini didasari oleh hubungan

antara penerimaan dan kepuasan pengguna dalam menggunakan sistem

informasi. beberapa peneliti telah menggunakan integrasi ini diantaranya

adalah penelitian dari (Sekundera, 2006) dan (Istiarni, 2016). Poin penting

yang dijadikan argumen dalam integrasi ini adalah apabila pengguna puas

menggunakan sistem maka sistem dapat diterima (Anwar, 2017). Hal ini

selaras dengan pandangan Fishbein & Ajzen, (1980) yang menyatakan

bahwa kepuasan pengguna adalah kepuasan pengguna dalam menggunakan

sistem dipandang dari sikap (attitude) yang dimiliki pengguna terhadap

sistem (Shierla, 2014).

Berdasarkan hal yang diungkap oleh Anwar yang dikutip dari

Sekundera, ditemukan fakta bahwa ada beberapa indikator dalam

menjelaskan penerimaan teknologi informasi dan ada dua indikator yang

paling dapat diterima adalah penggunaan sistem dan kepuasan pemakai

(Anwar, 2017). Hal ini yang memperkuat bahwa tingkat kepuasan pemakai

menjadi indikator utama dalam sebuah penerimaan sistem. Selain itu EUCS

merupakan model yang telah banyak digunakan untuk mengukur kepuasan

sistem.

31
 Berdasarkan konsep penerimaan dan kepuasan terhadap penerapan

sebuah sistem yang telah dijelaskan di atas, maka Anwar (2017)

mengembangkan sebuah konsep yang mampu mengakomodasi kedua hal

tersebut. Konsep tersebut dikembangkan dari moores (2012) dan istiarni

(2016). Berikut konsep integrasi antar variabel dalam TAM dan EUCS:

Gambar 2. 6 Model Integrasi TAM dan EUCS

(Sumber: Istiarni, (2016) dan Moores (2012))

Dapat dilihat bahwa variabel dari TAM terdiri dari ease of use dan

usefulness diintegrasikan dengan lima variabel EUCS yakni content,

accuracy, format, ease of use dan timelines. Tujuh variabel tersebut

dihipotesiskan mempengaruhi sikap (Attitude) terhadap penggunaan sistem,

yang kemudian attitude akan mmpengaruhi intensitas penggunaan

(intention of use). Dan intensitas penggunaan tersebut mempengaruhi

32
penerimaan sistem (Acceptance), dan penerimaan tersebut mempengaruhi

kepuasan penggunan sistem (user satisfaction).

Dalam (Moores, 2012) model integrasi di atas digunakan untuk sistem

yang memiliki lingkungan voluntary use. Sedangkan dalam penelitian ini

memiliki lingkungan mandatory use. Sebagaimana penelitian (Sekundera,

2006) dan (Anwar, 2017) yang menilai tingkat penerimaan sistem pada

lingkungan mandatory use, peneliti juga mengadopsi model integrasi dari

penelitian tersebut. Model integrasi ini variabel intention to use dihilangkan

karena tidak sesuai digunakan dalam lingkungan mandatory use. Hal ini

mengacu pada penelitian (Linders, 2006). Selanjutnya variabel ease of use

dari TAM dan EUCS digabungkan menjadi variabel yang menyatu karena

memang sama pengaruhnya (Anwar, 2017). Berikut model integrasi TAM

dan EUCS yang digunakan dalam penelitian ini:

Enjoyment

Usefulness

Acceptance
Ease of Use

Attitude

Content

User
Accuracy satisfaction

Format

Timeliness

Gambar 2. 7 Model Integrasi TAM dan EUCS untuk Mandatory Use

(Sumber: data yang diolah dari Anwar, 2017)

33
 Berdasarkan gambar di atas, maka dapat dilihat bahwa dalam penelitian

ini terdapat tujuh variabel integrasi TAM dan EUCS yang terdiri dari

usefulness, ease of use, content, accuracy, format, timeliness dan enjoyment.

Semua variabel tersebut dihipotesiskan mempengaruhi sikap terhadap

penggunaan sistem (attitude). Selanjutnya attitude akan mempengaruhi

penerimaan sistem (Acceptance), dan pada akhirnya Acceptance akan

mempengaruhi kepuasan penggunaan sistem (user satisfaction).

2.7 Metode Kuantitatif pada Penelitian Sistem Informasi

2.7.1 Klasifikasi Data

Secara garis besar pengelompokkan data dibagi ke dalam

beberapa kelompok (Siregar, 2013), Adapun pengelompokkan

datanya sebagai berikut:

1. Kelompok data menurut cara memperolehnya

a. Data Primer adalah data yang dikumpulkan sendiri

oleh peneliti dari sumber pertama atau tempat

objek penelitian dilakukan.

b. Data Sekunder adalah data yang diterbitkan atau

digunakan oleh organisasi yang bukan

pengolahnya.

2. Kelompok data menurut waktu pengumpulannya

a. Data Time Series adalah data yang dikumpulkan

dari waktu ke waktu pada satu objek dengan

34
 tujuan untuk menggambarkan perkembangan dari

objek tersebut.

b. Data Cross Section adalah data yang dikumpulkan

di satu periode tertentu pada beberapa objek

dengan tujuan untuk menggambarkan keadaan.

3. Kelompok data menurut sifatnya

a. Data Kualitatif adalah data yang berupa pendapat,

pernyataan atau judgement sehingga tidak berupa

angka, tetapi berupa kata-kata atau kalimat.

b. Data Kuantitatif adalah data yang berupa angka.

Sesuai dengan bentuknya, data kuantitatif dapat

diolah dan dianalisis dengan menggunakan teknik

perhitungan statistik.

2.7.2 Jenis-jenis penelitian

Berdasarkan Direktorat Tenaga Kependidikan Departemen

Pendidikan Nasional (2008), penelitian dikategorikan dalam 3

kategori, yakni :

1. Penelitian berdasarkan fungsinya

a. Penelitian Dasar. Sebuah penelitian yang

bertujuan meningkatkan pemahaman dengan

prinsip dan hukum ilmiah yang dilakukan dengan

cara mengembangkan konsep, prinsip, dalil dari

35
 teori yang sudah ada. Penelitian ini bukanlah

untuk menemukan masalah atau solusi dari suatu

peristiwa. Melainkan hanya penemuan sebuah

dasar yang nantinya dapat dikembangkan lebih

lanjut.

b. Penelitian Terapan. Merupakan sebuah penelitian

menindaklanjuti, mengembangkan dan

menerapkan suatu data atau teori yang dihasilkan

dari penelitian dasar.

c. Penelitian Evaluatif. Penelitian yang dilakukan

untuk mengukur sebuah teori atau data dengan

cara membandingkan dengan target dan

pencapaian

2. Penelitian berdasarkan pendekatannya

a. Penelitian Kuantitatif. Jenis penelitian yang

bertujuan untuk menolak atau mendukung sebuah

teori. Penelitian ini dilakukan dengan

menggunakan deret ukur matematis hingga

menemukan kesimpulan tertentu.

b. Penelitian Kualitatif. Penelitian yang dilakukan

dengan cara mendatangi langsung objek yang

diteliti baik berupa orang atau sebuah peristiwa.

36
 3. Penelitian berdasarkan tujuannya

a. Penelitian Eksplorasi. Definisi yang paling mudah

untuk penelitian eksplorasi ialah jenis penelitian

yang dilakukan untuk mengenalkan suatu gagasan

atau topik baru kepada masyarakat luas,

menjelaskan gambaran umum secara sederhana

tentang gagasan yang akan dibahas dan

pekembangan teori yang bersifat tentatif.

b. Penelitian Pengembangan. Jenis penelitian yang

dilakukan untuk mengembangkan teori yang

sudah ada.

c. Penelitian Verifikasi. Penelitian yang dilakukan

untuk menguji keakuratan teori yang sudah ada,

baik dalam bentuk dasar, prosedur, konsep

ataupun prinsip dari teori itu sendiri.

2.7.3 Skala Likert

Skala Likert adalah suatu skala psikometrik yang umum

digunakan dalam kuesioner dan merupakan skala yang paling

banyak digunakan dalam riset beberapa survei. Skala ini mempunyai

empat atau lebih butir pertanyaan yang dikombinasikan sehingga

membentuk suatu nilai yang menggambarkan sifat individu,

pengetahuan, sikap, dan perilaku(Syofian et al., 2015). Skala Likert

37
merupakan skala yang digunakan untuk mengukur sikap, pendapat,

dan persepsi seseorang atau sekelompok orang mengenai fenomena

sosial. Nama skala ini diambil dari nama Rensis Likert, pendidik dan

ahli psikolog Amerika Serikat. Rensis Likert telah mengembangkan

sebuah skala untuk mengukur sikap masyarakat sejak tahun 1932

(Sugiyono, 2013).

Pada saat menanggapi pertanyaan atau pernyataan dalam Skala

Likert, responden menentukan tingkat persetujuan mereka terhadap

suatu pertanyaan atau pernyataan dengan memilih salah satu dari

pilihan yang tersedia. Biasanya disediakan lima pilihan skala dengan

format seperti: [1] sangat setuju, [2] setuju, [3] netral, [4] tidak

setuju, dan [5] sangat tidak setuju (Syofian, Setiyaningsih, &

Syamsiah, 2015).

Selain dengan pilihan lima skala seperti contoh di atas, kadang

digunakan juga skala dengan empat, tujuh atau sembilan tingkat

pilihan. Empat skala pilihan juga kadang digunakan untuk kuesioner

skala likert yang memaksa orang memilih salah satu kutub karena

pilihan "netral" tak tersedia. Suatu studi empiris menemukan bahwa

beberapa karakteristik statistik hasil kuesioner dengan berbagai

jumlah pilihan tersebut sangat mirip (Dawes, 2008).

38
2.7.4 Metode Pengumpulan Data

Teknik pengumpulan data merupakan langkah yang paling

utama dalam penelitian, karena tujuan utama dari penelitian adalah

mendapatkan data. Dengan metode pengumpulan data yang tepat

akan memungkinkan peneliti untuk memperoleh data yang valid

sehingga dapat membantu dalam penelitian (Sugiyono, 2013).

Terdapat beberapa metode pengumpulan data penelitian yaitu:

1. Studi Pustaka

Studi pustaka adalah teknik survei terhadap data yang

telah ada dengan menggali teori-teori yang telah

berkembang dalam bidang ilmu yang berkepentingan,

mencari metode-metode serta teknik penelitian baik dalam

mengumpulkan data atau dalam menganalisis data yang

telah pernah digunakan oleh peneliti-peneliti terdahulu

(Nazir, 2009).

2. Studi Lapangan

Studi lapangan adalah penelitian yang dilakukan dengan

cara mendatangi langsung tempat yang menjadi objek

penelitian (Nazir, 2009). Adapun teknik pengumpulan

datanya adalah sebagai berikut:

a. Observasi

Observasi adalah teknik pengumpulan data yang

dilakukan melalui suatu pengamatan disertai dengan

39
 pencatatan terhadap keadaan atau perilaku objek

penelitian (Setiawan, 2016). Observasi ini dilakukan

untuk memperoleh gambaran mengenai objek

penelitian secara keseluruhan.

b. Wawancara

Wawancara banyak digunakan dalam penelitian

eksploratif dan studi lapangan, pada prinsipnya tidak

berbeda dengan kuesioner yang menggunakan

format pertanyaan terbuka. Wawancara bertujuan

untuk mendapatkan informasi secara langsung

kepada responden atau partisipan (Abdillah &

Hartono, 2015).

c. Kuesioner

Kuesioner merupakan teknik pengumpulan data

yang dilakukan dengan cara memberikan

seperangkat pertanyaan atau pernyataan tertulis

kepada responden untuk dijawabnya. Kuesioner ini

cocok digunakan bila jumlah responden cukup besar

dan tersebar di wilayah yang luas. Kuesioner dapat

berupa pertanyaan/pernyataan tertutup atau terbuka,

dapat diberikan kepada responden secara langsung

atau dikirim melalui pos atau internet (Sugiyono,

2013).

40
2.7.5 Populasi dan Teknik Sampling

Populasi adalah wilayah generalisasi yang terdiri dari objek atau

subjek yang mempunyai kualitas dan karakteristik tertentu.

Ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik

kesimpulannya (Sugiyono, 2013). Dalam metode penelitian, kata

populasi sangat populer dipakai untuk menyebutkan sekelompok

objek yang menjadi sasaran penelitian. Populasi penelitian

merupakan keseluruhan dari objek penelitian yang dapat berupa

manusia, hewan, tumbuh-tumbuhan, udara, gejala, nilai, peristiwa

sikap hidup dan sebagainya. Persoalan populasi bagi suatu penelitian

harus dibedakan ke dalam 2 sifat (Zuriah, 2016). Adapun pembagian

populasi pada penelitian sebagai berikut:

1. Populasi homogen, yakni populasi yang unsur-unsurnya

memiliki sifat yang sama sehingga tidak perlu dipersoalkan

jumlahnya secara kuantitatif.

2. Populasi heterogen, yakni populasi yang unsur-unsurnya

memiliki sifat atau keadaan yang bervariasi sehingga perlu

ditetapkan batas-batasnya, baik secara kualitatif maupun

secara kuantitatif.

Sampel adalah bagian dari jumlah dan karakteristik yang

dimiliki oleh populasi. Bila populasi besar, dan peneliti tidak

mungkin mempelajari semua yang ada pada populasi, misalnya

41
karena keterbatasan dana, tenaga, dan waktu, maka peneliti dapat

menggunakan sampel yang diambil dari populasi. Untuk itu sampel

yang diambil dari populasi harus representatif (mewakili) populasi

tersebut (Sangadji, 2010). Proses mengambil sample merupakan

bagian penting dalam proses penelitian karena menentukan

keakuratan dan ketepatan penentuan sumber data dan informasi bagi

proses analisis dan pengambilan kesimpulan. Secara umum,

prosedur penarikan sampel terdiri atas teknik sampel probabilitas

dan non-probabilitas (Abdillah & Hartono, 2015). Ada beberapa hal

yang harus diperhatikan dan dipertimbangkan dalam menentukan

sampel, yaitu : unit analisis, pendekatan atau model penelitian yang

digunakan, banyaknya karakteristik khusus yang ada pada populasi

dan keterbatasan penelitian (Zuriah, 2016).

Teknik sampling adalah teknik pengambilan sampel. Untuk

menentukan sampel yang akan digunakan dalam penelitian, terdapat

berbagai teknik sampling yang digunakan. Teknik sampling pada

dasarnya dapat dikelompokkan menjadi dua (Sugiyono, 2013).

Adapun pengelompokan teknik sampling sebagai berikut:

1. Probability Sampling

Probability Sampling adalah teknik pengambilan

sampel yang memberikan peluang sama bagi setiap unsur

(anggota) populasi untuk dipilih menjadi sampel. Teknik

ini meliputi:

42
a. Simple Random Sampling

Simple Random Sampling dikatakan simple dan

sederhana karena pengambilan anggota sampel dari

populasi dilakukan secara acak tanpa memperhatikan

strata yang ada dalam populasi itu. Cara demikian

dilakukan bila anggota populasi dianggap homogen.

b. Proportionate Stratified Random Sampling

Proportionate Stratified Random Sampling

digunakan bila populasi mempunyai anggota/unsur

yang tidak homogen dan berstrata secara proporsional.

Suatu organisasi yang mempunyai pegawai dari latar

belakang pendidikan berstrata, maka populasi pegawai

itu berstrata.

c. Disproportionate Stratified Random Sampling

Disproportionate Stratified Random Sampling

digunakan untuk menentukan jumlah sampel, bila

populasi berstrata tetapi kurang proporsional.

d. Cluster Sampling

Cluster Sampling digunakan untuk

menentukan sampel bila objek yang akan diteliti atau

sumber data sangat luas. Teknik ini sering digunakan

melalui dua tahap, yaitu tahap pertama menentukan

43
 sampel daerah, dan tahap berikutnya menentukan

orang-orang yang ada pada daerah itu secara sampling

juga.

2. Nonprobability Sampling

Nonprobability Sampling merupakan suatu prosedur

penarikan sampel bersifat subjektif. Dalam hal ini,

probabilitas pemilihan elemen-elemen populasi tidak dapat

ditentukan. Hal ini disebabkan setiap elemen populasi tidak

memiliki peluang yang sama untuk dipilih sebagai sampel.

Beberapa teknik pengambilan sampel non probabilitas

sebagai berikut:

a. Convenience Sampling

Convenience Sampling adalah teknik penarikan

sampel berdasarkan kemudahan. Prosedurnya adalah

semata-mata langsung menghubungi unit-unit

penarikan sampel yang mudah dijumpai seperti

mahasiswa-mahasiswa dalam satu kelas, jamaah

tempat ibadah, pengunjung toko dan lain-lain.

b. Quota Sampling

Quota Sampling adalah penarikan sampel

berdasarkan quota. Prinsipnya adalah karakteristik

tertentu yang relevan menjelaskan dimensi populasi.

Peneliti harus mengetahui distribusi populasi.

44
c. Purposive Sampling

Purposive Sampling adalah penarikan sampel

berdasarkan pertimbangan atau kriteria tertentu.

Dalam purposive sampling pemilihan sekelompok

subjek didasarkan atas ciri-ciri atau sifat-sifat tertentu

yang dipandang mempunyai sangkut paut yang erat

dengan ciri-ciri atau sifat-sifat populasi yang sudah

diketahui sebelumnya.

d. Snowball Sampling

Snowball Sampling adalah metode penarikan

sampel dengan responden yang berhasil diperoleh

diminta untuk menunjukkan responden lainnya secara

berantai.

e. Insidental Sampling

Insidental Sampling adalah teknik penentuan

sampel berdasarkan kebetulan, yaitu siapa saja yang

secara kebetulan/insidental bertemu dengan peneliti

yang dapat digunakan sebagai sampel, bila dipandang

orang yang kebetulan ditemui cocok sebagai sumber

data.

f. Sampling Jenuh

Sampling Jenuh adalah teknik penentuan

sampel bila semua anggota populasi digunakan sebagai

45
 sampel. Hal ini sering dilakukan bila jumlah populasi

relatif kecil kurang dari 30 orang.

2.7.6 Penentuan Ukuran Sampel

Ukuran sampel merupakan banyaknya objek penelitian dalam

sampel. Sesuai dengan yang telah dijelaskan di bagian atas, sampel

meskipun jumlahnya tidak sama dengan populasi namun datanya

dapat digeneralisasikan pada populasi karena sampel diambil dari

populasi itu sendiri.

Penentuan ukuran sampel diperlukan jika populasi yang ada

dipandang besar, dan peneliti memiliki keterbatasan untuk

menjangkau seluruh populasi. Untuk menentukan jumlah atau

ukuran sampel biasanya menggunakan perhitungan maupun acuan

tabel yang dikembangkan oleh para ahli.

Hal paling erat kaitannya dengan ukuran sampel adalah nilai

tingkat ketelitian atau tingkat kesalahan yang diinginkan oleh

peneliti. Nilai tingkat ketelitian ini bervariasi sesuai dengan

keyakinan peneliti terhadap data-data sampel yang digunakan.

Besarnya nilai ketelitian yang biasa digunakan yaitu 1%(0,01);

5%(0,05); dan 10%(0,1). Apabila digunakan tingkat kesalah 1%

maka artinya peneliti meyakini tingkat kesalahan dari data yang

digunakan dari sampel itu sebesar 1% dari data sampel begitu juga

dengan angka yang lainnya.

46
 Rumus perhitungan dan tabel yang dapat membantu peneliti

dalam menentukan ukuran sampel dari populasi ini beragam,

diantaranya ada Rumus Slovin, Rumus Issac dan Michael dan

Rumus Sampling fraction per klaster (Wahyudi, 2017). Cara

penggunaan rumus-rumus yang telah disebutkan di atas adalah

sebagai berikut:

1. Rumus Slovin
Keterangan :
N
n = jumlah sampel minimal
𝑛= N = Jumlah Populasi
1+N 𝑒 2 e = Perkiraan margin of error atau derajat
kesalahan (1%,5% dan 10%)

Untuk menggunakan rumus ini tentukan derajat

kesalahan.. Semakin besar derajat kesalahan, semakin

akurat sampel menggambarkan populasi. Misalnya,

penelitian dengan batas kesalahan 5% berarti memiliki

akurat sampai 95%.

Contoh :

Sebuah perusahaan memiliki 1000 karyawan dan

akan dilakukan survei dengan mengambil sampel.

Berapa sampel yang dibutuhkan apabila derajat

kesalahan 5% :

N
𝑛=
1+N 𝑒 2

= 1.000 (1 + 1.000 x 0,05 x 0,05)

= 285,714 orang dibulatkan menjadi 286 orang.

47
 Berarti sampel minimal untuk populasi 1000

orang dan derajat kesalah 5% adalah 286 sampel.

2. Rumus Isaac dan Michael

Keterangan :
s = Jumlah sample
N = Jumlah populasi
λ2 N P Q
𝑠= λ2 = Chi Kuadrat, dengan dk = 1,
𝑑2 (𝑁−1)+ λ2 P Q taraf kesalahan 1%, 5% dan 10%
d = 0,05
P = Q = 0,5

Tabel penentuan jumlah sampel dari Isaac dan

Michael memberikan kemudahan penentuan jumlah

sampel berdasarkan tingkat kesalahan 1%, 5% dan

10%. Dengan tabel ini (lihat lampiran), peneliti dapat

secara langsung menentukan besaran sampel

berdasarkan jumlah populasi.

3. Rumus Sampling Fraction per klaster

Ni
𝑓𝑖 = kemudian didapat sampel per clusternya
N

adalah 𝑁𝑖 = fi X N

Keterangan :

fi = sampling fraction cluster

Ni = banyaknya individu yang ada dalam cluster

N = banyaknya populasi seluruhnya

n = banyaknya anggota yang dimasukkan sampel

ni = banyaknya anggota yang dimasukkan menjadi

sub sampel

48
 Rumus ini digunakan untuk menentukan

ukuran sampel berdasarkan populasi jika jumlah

sampel yang diinginkan bersifat proporsional

terhadap kumpulan sampel yang akan digunakan.

2.7.7 PLS-SEM

Partial Least Square (PLS) pertama kali dikembangkan oleh

Herman Wold dan dipublikasikan secara umum pada tahun 1974.

PLS-SEM adalah salah satu dari berbagai metode yang dapat

digunakan untuk melakukan analisis dan dinilai cukup kuat dapat

digunakan pada setiap jenis skala data (data nominal, data interval

dan rasio) serta syarat asumsi yang fleksibel (Yamin & Kurniawan,

2011). Tujuan utamanya adalah untuk membantu peneliti dalam

mendapatkan nilai variabel laten untuk tujuan melakukan prediksi

dan dapat juga digunakan untuk melakukan konfirmasi terhadap

teori atau pengujian hipotesis. Terdapat beberapa alasan mengapa

saat ini PLS-SEM populer digunakan oleh para peneliti(Yamin &

Kurniawan, 2011), yaitu sebagai berikut:

1. Algoritma PLS tidak terbatas hanya untuk hubungan

antara indikator dengan konstrak laten nya yang bersifat

reflektif saja, tetapi algoritma PLS juga dapat dipakai

untuk hubungan yang bersifat formatif. PLS-SEM dapat

digunakan untuk model yang sangat kompleks (terdiri atas

49
 banyak variabel laten dan manifes) tanpa mengalami

masalah dalam estimasi data.

2. PLS dapat digunakan ketika distribusi data sangat miring

(skew).

3. PLS dapat digunakan untuk menaksir model path dengan

ukuran sampel yang kecil.

Analisis model dalam PLS terdiri dari dua tahapan evaluasi

yakni model pengukuran (measurement model) atau sering disebut

outer model dan evaluasi model struktural (structural model) atau

sering disebut inner model (Yamin & Kurniawan, 2011). Evaluasi

pengukuran model Analisa outer model dilakukan untuk

memastikan bahwa pendekatan yang digunakan layak untuk

dijadikan pengukuran (valid dan reliabel) (Hussein, 2015). Valid

atau validity memiliki arti sifat benar menurut bukti yang ada, logika

berpikir atau kekuatan hukum dapat juga diartikann sebagai tingkat

kesahihan sesuatu. Sedangkan reliabel memiliki arti dapat dipercaya

atau sesuatu yang mempunyai hasil yang sama pada setiap

percobaan yang berhasil (KBBI, 2008).

Dua tahapan ini terdiri dari beberapa pemeriksaan sebagai

berikut :

1. Evaluasi Pengukuran model

Evaluasi ini meliputi pemeriksaan terhadap

individual item reliability, internal consistency atau

50
construct reliability, average variance extracted, dan

discriminant validity. Ketiga pengukuran pertama

dikelompokkan dalam convergent validity. Convergent

validity mengukur besaran nilai korelasi antara konstrak

dengan variabel laten.

Pada proses evaluasi convergent validity dari

pemeriksaan individual item reliability, dapat dilihat dari

nilai standardized loading factor. Dimana nilai ini

menggambarkan besarnya korelasi antara setiap indikator

dengan konstraknya. Nilai loading factor diatas 0,7 dapat

dikatakan ideal, memiliki arti bahwa indikator tersebut

dikatakan valid sebagai indikator yang mengukur

konstrak.

Kemudian melihat internal consistency reliability

dari nilai composite reliability. Nilai composite reliability

ini diambil karena lebih baik dalam mengukur internal

consistency dibandingkan cronbach’s alpha dalam model

SEM hal ini disebabkan karena composite reliability tidak

mengasumsikan kesamaan boot dari setiap indikator.

cronbach’s alpha cenderung menaksir lebih rendah

daripada composite reliability. Ambang batas 0,7 dapat

diartikan valid dan dapat diterima sedangkan nilai diatas

0,8 dan 0,9 berati sangat memuaskan.

51
 Nilai lain dari convergent validity adalah nilai

average variance extracted (AVE). Nilai ini

menggambarkan besaran varian atau keragaman variabel

manifes yang dapat dikandung oleh konstrak laten. Nilai

AVE minimal 0,5 menunjukkan ukuran convergent

validity yang baik. Artinya, variabel laten dapat

menjelaskan rata-rata lebih dari setengah variance dari

indikator-indikatornya.

Selanjutnya Discriminant validity dievaluasi melalui

cross loading, kemudian membandingkan nilai AVE

dengan kuadrat nilai korelasi antar konstrak. Ukuran

cross loading adalah membandingkan korelasi indikator

dengan konstraknya dan konstrak blok lainnya. Bila

korelasi antara indikator dengan konstraknya lebih tinggi

dari korelasi dengan konstrak blok lainnya, hal ini

menunjukkan konstrak tersebut memprediksi ukuran pada

blok mereka dengan lebih baik dari blok lainnya. Ukuran

discriminant validity lainnya adalah bahwa nilai akar

AVE harus lebih tinggi daripada korelasi antara konstrak

dengan konstrak lainnya atau nilai AVE lebih tinggi dari

kuadrat korelasi antara konstrak.

2. Evaluasi Struktural Model

52
 Tahapan dalam evaluasi ini meliputi beberapa tahap

yakni adalah dengan melihat signifikasi hubungan antara

konstrak. Nilai ini dapat dilihat dari koefisien jalur (path

coefficient) yang menggambarkan kekuatan hubungan

antara konstrak. Path coefficient (β) diuji dengan nilai

ambang batas diatas 0,1 untuk menyatakan bahwa jalur

(path) yang dimaksud memiliki pengaruh di dalam model.

Berikutnya, mengevaluasi nilai R2 (coefficient of

determination) untuk menjelaskan varian dari tiap target

endogenous variabel dengan standar pengukuran sekitar

0,67 sebagai kuat, sekitar 0,33 sebagai moderat dan 0,19

atau di bawahnya sebagai tingkat varian lemah.

Tahap berikutnya atau tahap ketiga adalah melihat

nilai t-test dengan metode bootstrapping menggunakan

uji two-tailed dengan signifikasi 5% untuk menguji

hipotesis-hipotesis penelitian. Hipotesis akan diterima

jika memilki nilai t-test lebih besar dari 1,96.

Tahap keempat, pengujian f2 (effect size) yang

memiliki fungsi untuk memprediksi pengaruh variabel

tertentu terhadap variabel lainnya dalam struktur model

dengan nilai ambang batas 0,02 untuk pengaruh kecil,

0,15 untuk menengah dan 0,35 untuk pengaruh besar. f2

dihitung dengan rumus sebagai berikut:

53
 𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
𝑓2 =
1 − 𝑅 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒

Tahap kelima, menguji Q2 (predictive relevance)

dengan metode blindfolding untuk memberikan bukti

bahwa variabel tertentu yang digunakan dalam model

memiliki keterkaitan prediktif (predictive relevance)

dengan variabel lainnya dalam model dengan ambang

batas pengukuran diatas nol.

Tahap keenam, melakukan pengujian q2 (relative

impact) masih dengan metode blindfolding untuk

mengukur relatif pengaruh sebuah keterkaitan prediktif

sebuah variabel tertentu dengan variabel lainnya dengan

nilai ambang batas minimal 0,02 untuk pengaruh kecil,

0,15 untuk pengaruh menengah, dan 0,35 untuk pengaruh

besar. Rumus untuk perhitungan q2 adalah sebagai

𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒− 𝑄 2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
berikut : 𝑞 2 = 1− 𝑄 2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒

2.7.8 SMART-PLS

SmartPLS merupakan salah satu software analisis yang biasa

digunakan dalam melakukan analisis menggunakan PLS-SEM,

software analisis ini dikembangkan oleh University of Hamburg,

Jerman (Ghozali & Latan, 2015). Dalam SmartPLS terdapat

beberapa komponen yaitu:

54
1. Variabel Laten

Variabel yang tidak dapat diamati dan diukur secara

langsung. Variabel laten ini terbagi menjadi dua yaitu

variabel eksogen (bersifat independen) dan variabel

endogen (bersifat dependen), dimana variabel eksogen

adalah variabel yang mempengaruhi variabel endogen.

2. Observed Variabel

Observed variable atau lebih dikenal dengan

variabel manifest adalah variabel yang besaran

kuantitatifnya dapat diketahui secara langsung,

misalnya dari skor respons subjek terhadap instrumen

pengukuran.

55
 Berikut dapat dilihat pada gambar 2.8 contoh

penggunaan konstrak pada model struktural

menggunakan SmartPLS 3.0.

Gambar 2. 8 Klasifikasi Komponen Model Struktural

(Sumber: Hussein, 2015)

56
 BAB III

METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian

Penelitian ini secara umum menggunakan pendekatan kuantitatif dan

strategi penelitian yang berkesinambungan sesuai dengan tujuannya yakni

mengukur tingkat penerimaan pengguna akhir KIFEST dan menguji

sejumlah hipotesis terkait faktor yang mempengaruhi penerimaan pengguna

akhir penerapan sistem KIFEST di PT Kimia Farma (Persero) Tbk. Dengan

menggunakan pendekatan kuantitatif tersebut maka dipandang perlu

metode pengumpulan data dan analisis data untuk menyelesaikan penelitian

ini. Oleh sebab itu dalam penelitian ini peneliti menggunakan metode

pengumpulan data melalui survei dengan menggunakan kuesioner dan

analisis data yang dilakukan secara statistik menggunakan aplikasi pengolah

data statistik.

Peneliti juga melakukan kegiatan wawancara tidak terstruktur yang

dilaksanakan pada rentang waktu bulan Septermber 2018 hingga Desember

2018, kegiatan wawancara ini dilaksanakan terhadap beberapa responden

yang merupakan pengguna akhir aplikasi KIFEST, hasil dari kegiataan ini

dijadikan sebagai data tambahan dalam diskusi penelitian ini. Dalam

melaksanakan penelitian ini, peneliti juga menggunakan beberapa

perangkat lunak untuk digunakan dalam proses penelitian yakni Microsoft

Word 2016 untuk penulisan laporan, Microsoftt Excel 2016 untuk

 mengelola data demografis, google form untuk membuat kuesioner dan

PLS-SEM dan SmartPLS 3.0 untuk mengolah data dari responden.

3.2 Metode Pengumpulan Data

3.2.1 Studi Pustaka

Dalam melaksanakan penelitian ini, peneliti melakukan

kajian terhadap beberapa literatur yang berhubungan dengan

penelitian ini. Diantaranya buku-buku terkait metode penelitian

kuantitatif, PLS-SEM dan SmartPLS untuk mengelola data.

Beberapa judul buku yang peneliti kaji adalah : Partial Least Square

(PLS) Alternatif Structural Equation Modeling (SEM) dalam

Penelitian Bisnis yang ditulis oleh Hartono 2015, Partial least

squares: Konsep, teknik dan aplikasi menggunakan program

SmartPLS 3.0 untuk penelitian empirisi yang ditulis oleh Ghozali, I.,

& Latan, H. (2015). Serta beberapa sumber buku lain yang

digunakan sebagai referensi dalam penulisan skripsi ini.

Peneliti juga mengkaji beberapa publikasi baik berupa

artikel maupul jurnal-jurnal terkait penelitian End-User Computing

Satisfaction (EUCS) dan Technology Acceptance Model (TAM).

Kegiatan ini dilakukan tak hanya sebagai sumber informasi, tetapi

juga sebagai referensi untuk mengetahui kelebihan dan kekurangan

yang terdapat dalam penelitian sebelumnya. Berikut adalah beberapa

penelitian sejenis yang peneliti jadikan literatur akan di jelaskan

pada tabel di bawah ini:

58
 Tabel 3. 1 Literatur Review Penelitian Sebelumnya

No Peneliti Tahun Judul Model Tujuan Hasil

Analisis Penerimaaan

Pemustaka terhadap 1. Mengetahui faktor apa saja pada TAM Model integratif antara Technology

Institutional Repository dan EUCS yang mempengaruhi sikap Acceptance Model (TAM) dan End User

berbasis e-prints di (attitude) pengguna sistem. Computing Satisfaction (EUCS) mampu

Ahmad TAM &
1. 2017 Perpustakaan Universitas 2. Mengetahui faktor yang mempengaruhi menjelaskan penerimaan sistem institutional
Anwar EUCS
‘Aisyiyah Yogyakarta sikap pengguna (attitude) terhadap repository 98 berbasis E-Prints di

sebuah Pendekatan penerimaan sistem Perpustakaan Universitas ‘Aisyiyah

Integratif antara TAM Yogyakarta.

dan EUCS

59
 Dengan model EUCS dan TAM diketahui

Analisis Faktor kesuksesan penerapan sistem yang berarti

Kesuksesan Sistem pengguna merasa puas. Lalu untuk

Mandatory Use meningkatkan kesuksesan aplikasi yang

Berdasarkan Model Tam Mengetahui kesuksesan sistem direpresentasikan melalui kepuasan

Dwi Praja
dan End User Computing TAM & mandatory use berdasarkan hasil pengguna terhadap aplikasi UR dipengaruhi
2. Anggraye 2015
Satisfaction (Studi EUCS penerimaan pengguna yang ditinjau oleh sikap (attitude) pengguna dalam
ni
Kasus: Aplikasi UR Pada dari kepuasan pengguna. menggunakan. Adapun sikap (attitude)

BPJS Kesehatan Divisi tersebut didorong oleh persepsi kemudahan

Regional Vii Jawa penggunaan (perceived ease of use) dan

Timur) persepsi kebermanfaatan (perceived

usefulness) aplikasi.

Penerapan Metode Menganalisis hasil penerapan dua

Petricia Servqual Variabel Creadibility, Assurances,
3. 2012 Servqual Dan Metode metode yang berkaitan dengan level
Oktavia dan EUCS Responssiveness dan Tangible menjadi
EUCS dalam layanan yakni metode SERVQUAL dan

60
 Mengevaluasi Kepuasan metode EUCS terhadap layanan variabel dengan tingkat kepuasan tertinggi

Pelanggan Dan Kualitas pelanggan jasa ISP PT. Platinum Citra dari sisi pelayanan atau servqual.

Layanan Teknologi Indonesia Sedangkan variabel Content, Format dan

Informasi Pengguna Jasa Ease of Use menjadi variabel tertinggi

ISP kepuasannya dari sisi EUCS.

Model TAM dapat menjelaskan faktor

Analisis Penerimaan
faktor yang mempengaruhi penerimaan
Pengguna Akhir Dengan
Menguji model penerimaan penggunaan sistem core banking di Bank
Menggunakan
(Acceptance) penggunaan sistem core ABC yaitu variabel kemanfaatan dan
Charlesto Technology Acceptance
TAM & banking di Bank ABC dengan kemudahan penggunaan. Sedangkan
4. Sekundera 2006 Model Dan End User
EUCS menggunakan model Technology mempergunakan model EUCS, variabel-
P.L Computing Satisfaction
Acceptance Model (TAM) dan End variabel akurasi, ketepatan waktu dan
Terhadap Penerapan
User Computing Satisfaction (EUCS). kemudahan mempengaruhi penerimaan
Sistem Core Banking
penggunaan sistem core banking di Bank
Pada Bank ABC
ABC.

61
 Using the Technology Menghasilkan variabel utama yang
Mengetahui kesuksesan sistem pada
Acceptance Model in mempengaruhi keberhailan penerapan
Sefan mandatory use dan menekankan
5. 2006 determining strategies TAM sistem mandatory use yakni hanya
Linders perbedaan antara mandatory use dan
for implementation of menekankan pada Perceived Usefulness dan
voluntery use
mandatory IS Perceived Ease of Use

An assessment of

advanced mobile services Perceived Usefulness dan Perceived of

Lopez- Mengetahui faktor-faktor penerimaan
Acceptance: Benefits yang menjadi faktor utama
6. Nicolas 2008 TAM mobile service dengan pedekatan model
Contributions from TAM penerimaan penerapan teknologi baru
Carolina TAM
and Diffusion Theory mobile service

Models

Hasilnya 75,7% pengguna puas dengan AIS

Pengujian Kepuasan Mengetahui status kepuasan pengguna
Nana UIN Jakarta. Dari 6 variabel yang digunakan
7. 2017 Sistem Informasi EUCS akhir dan menguji faktor-faktor apa saja
Rosalina dalam penelitian hanya 3 variabel yakni
Menggunakan Model yang mempengaruhi kepuasan
content, ease of use dan timeliness yang

62
 End-User Computing pengguna akhir AIS UIN Syarif menunjukan adanya pengaruh positif dan

Satisfaction Hidayatullah Jakarta signifikan.

Berdasarkan analisis 268 responden untuk

penelitian ini, maka dapat ditarik kesimpulan

Consumer Acceptance of Melakukan pengujian dan validasi bahwa dari 5 variabel yang digunakan pada
Kari
online banking: an terhadap End-User Computing penelitian ini hanya 3 variabel yang dapat
Pikkarain
8. 2006 extension of the EUCS Satisfaction (EUCS) untuk mengetahui dinyatakan diterima dan memiliki pengaruh
en,
technology Acceptance kepuasan pengguna perbankan online secara signifikan terhadap kepuasan

model berdasarkan layanannya. pengguna, variabel tersebut adalah content,

ease of use dan accuracy.

63
 Dari tabel di atas, peneliti mengambil model untuk

digunakana dalam penelitian ini yakni model integrasi TAM &

EUCS, dimana dari segi TAM peneliti mengambil 3 variabel yakni

ease of use, usefulness, dan enjoyment. Kemudian dari sisi EUCS

peneliti mengambil variabel accuracy, content, ease of use,

format dan timeliness. Model ini diadopsi dari penelitian moores

(2012) dan anwar (2017) dengan penambahan variabel enjoyment.

Variabel ini diadopsi dengan dasar bahwa dalam teori penerimaan

TAM oleh Al-ghatani (1999) dan santoso (2012) bahwa variabel

enjoyment mempengaruhi terhadap penerimaan pengguna.

Demikianlah kenapa peneliti menggunakan model integrasi TAM

dan EUCS.

3.2.2 Studi Lapangan

Kegiatan berikutnya adalah studi lapangan, kegiatan ini

merupakan kegiatan penelitian yang dilakukan dengan cara

mendatangi langsung tempat yang menjadi objek penelitian. Adapun

teknik pengumpulan datanya adalah sebagai berikut:

1. Observasi

Pada tahap ini peneliti melakukan peninjauan terhadap

proses penggunaan KIFEST dengan mendatangi beberapa

pengguna akhir dan melakukan peninjauan proses bisnis

yang terkait dengan aplikasi KIFEST dalm rentang waktu

64
 September hingga Desember 2018 dalam rangka

mengumpulkan data yang dibutuhkan dalam penelitian

ini.

2. Wawancara

Wawancara ini dilakukan sebagai studi pendahuluan

untuk mengumpulkan data-data yang berkaitan dengan

penelitian ini. Wawancara dilakukan kepada Bapak

Ahmad Yani, ST. selaku asisten manajer divisi human

capital dan beberapa staff human capital sebagai divisi

yang bertanggung jawab atas operasional KIFEST dan

beberapa staff IT sebagai developer dan pengawas

KIFEST. Berikut kesimpulan hasil yang didapat dari

wawancara:

a. Peneliti mendapatkan informasi terkait sistem

berjalan seputar proses Aplikasi KIFEST.

b. Peneliti mendapatkan informasi awal bagaimana

pandangan pengguna akhir terhadap penerapan,

manfaat, kelebihan dan kekurangan Aplikasi KIFEST

secara umum.

3. Kuesioner

Survei dilaksanakan dengan menyebarkan

kuesioner secara langsung dan tidak langsung. Kuesioner

tersebut disebarkan kepada pengguna akhir aplikasi

65
 KIFEST yakni karyawan PT Kimia Farma (Persero) Tbk.

dalam hal ini adalah hanya karyawan yang berkantor di

kantor pusat Kimia Farma. Kuesioner dibuat dengan

tujuan untuk mengukur tingkat penerimaan pengguna

terhadap aplikasi KIFEST dan faktor apa saja yang

mempengaruhi penerimaan tersebut dengan daftar

pertanyaan mengacu kepada model integrasi TAM dan

EUCS, untuk skala penilainnya menggunakan skala

Likert. Untuk teknis penyebaran kuesioner tersebut

peneliti menggunakan fitur google form untuk penyebaran

tidak langsung dan bertatap muka menghampiri

repsonden untuk penyebaran secara langsung.

3.3 Metode Analisis Data

3.3.1 Model Penelitian dan Hipotesis Penelitian

Dalam penelitian ini seperti yang telah dituliskan di atas

bahwa peneliti menggunakan pendeketan model TAM dan EUCS

yang di integrasikan sedemikian rupa untuk mengukur tingkat

penerimaan penguna KIFEST. Dari model Integrasi tersebut

diketahui memiliki 7 variabel yang masing-masing dihipotesiskan

memiliki pengaruh signifikan terhadap penerimaan dan kepuasan

pengguna akhir.

66
 Berdasarkan uraian di atas dapat kita petakan model

penelitian dan hipotesis penelitian integrasi TAM dan EUCS

dengan gambar di bawah ini :

Accuracy

Content H1

H2

Ease of Use Acceptance

H3 H8
Attitude
H4 H10
Enjoyment H9
User
H5
satisfaction

Format H6

H7

Percevied
Usefulnes

Timeliness

Gambar 3. 1 Model Penelitian

(Sumber: dikembangkan dari moores, 2012)

Hipotesis penelitian merupakan jawaban sementara

terhadap rumusan masalah penelitian. Kebenaran dari hipotesis ini

harus dibuktikan melalui data yang terkumpul. Secara statistik

hipotesis dimaknai sebagi pernyataan terkait keadaan populasi

yang akan diuji kebenarannya berdasarkan data dari sampel

penelitian.

67
 Dari latar belakang pada bab 1 dan uraian di bab 2 maka

peneliti mengajukan hipotesis sebagai berikut :

Tabel 3. 2 Hipotesis Penelitian

Hipotesis 1 Akurasi (accuracy) berpengaruh positif secara signifikan terhadap

sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma

(Persero) Tbk.

Hipotesis 2 Isi (content) berpengaruh positif secara signifikan terhadap sikap

(attitude) penggunaan sistem KIFEST di PT Kimia Farma

(Persero) Tbk.

Hipotesis 3 Kemudahan penggunaan (ease of use) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di

PT Kimia Farma (Persero) Tbk.

Hipotesis 4 Persepsi Kenyamanan (enjoyment) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di

PT Kimia Farma (Persero) Tbk.

Hipotesis 5 Bentuk (format) berpengaruh positif secara signifikan terhadap

sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma

(Persero) Tbk..

Hipotesis 6 Ketepatan waktu (timeliness) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan KIFEST di PT

Kimia Farma (Persero) Tbk..

68
Hipotesis 7 Persepsi Kegunaan (usefulness) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di

PT Kimia Farma (Persero) Tbk.

Hipotesis 8 sikap pengguna (attitude) menjadi variabel intervening yang

berpengaruh positif secara siginifikan terhadap penerimaan

(Acceptance) penggunaan KIFEST di PT Kimia Farma (Persero)

Tbk.

Hipotesis 9 sikap pengguna (attitude) menjadi variabel intervening yang

berpengaruh positif secara siginifikan terhadap kepuasan

(Satisfaction) penggunaan KIFEST di PT Kimia Farma (Persero)

Tbk.

Hipotesis 10 kepuasaan pengguna akhir (User Satisfaction) berpengaruh positif

secara signifikan terhadap Penerimaan pengguna (Acceptance)

KIFEST di PT Kimia Farma (Persero) Tbk.

3.3.2 Indikator Penelitian

Berdasaran model dan hipotesis penelitian yang telah

dijelaskan di atas, di bawah ini merupakan variabel dan indikator

dari model integrasi TAM dan EUCS yang digunkan dalam

penelitian ini :

69
 Tabel 3. 3 Indikator Penelitian dari Variabel Eksogen dan Endogen

Kode Variabel Kode Indikator Referensi Ket.

PU1 Kegunaan
PU2 Peningkatan kualitas (Anwar, 2017; Davis,
Perceived PU3 Peningkatan produktifitas 1985; Mardiana, et al.
PU Variabel
Usefulness 2015; Moores, 2012;
PU4 Peningkatan efektifitas Eksogen
(kemanfaatan) Santoso, 2012; Sari et
PU5 Hadirnya kemudahan al. 2017)

PU6 Kemanfaatan
EOU1 Mudah digunakan
(Anwar, 2017; Davis,
EOU2 Mudah dioperasikan
Ease of Use 1985; Mardiana et al.,
Variabel
EOU (kemudahan EOU3 Mudah dipahami 2015; Moores, 2012;
Eksogen
penggunaan) Santoso, 2012; Sari et
EOU4 Interaksis sistem
al., 2017)
EOU5 Sistem service
ENJ1 Peningkatan kesenangan
(S.S Al-Gahtani &
Enjoyment Variabel
ENJ ENJ2 Peningkatan kenyamaanan King, 1999; Santoso,
(Kenyamanan) Eksogen
2012)
ENJ3 Penignkatan ketertarikan
ACC1 Akurasi (Doll & Torkzadeh,
ACC2 Reliabel 1988; Pikkarainen et
ACC Accuracy Variabel
al., 2006; Sari &
(akurasi) ACC3 Keselarasan input dan output Eksogen
Syamsuddin, 2017;
ACC4 Standarisasi Setiawan, 2016)

CON1 Relevansi
(Doll & Torkzadeh,
CON2 Keragaman
1988; Pikkarainen et
Variabel
CON Content (isi) CON3 Manfaat al., 2006; Sari &
Eksogen
Syamsuddin, 2017;
CON4 Kualitas
Setiawan, 2016)
CON5 Transaparansi
FOR1 Menarik
(Doll & Torkzadeh,
FOR Format FOR2 Jelas Variabel
1988; Pikkarainen et
(bentuk) Eksogen
Kemudahan dalam al., 2006; Sari &
FOR3
penggunaan

70
 Syamsuddin, 2017;
FOR4 Kualitas informasi
Setiawan, 2016)
TIM1 Kesiapan Informasi (Doll & Torkzadeh,
Timeliness
TIM2 Up-to-date 1988; Pikkarainen et
(ketepatan Variabel
TIM al., 2006; Sari &
waktu) TIM3 Ketersediaan Informasi Eksogen
Syamsuddin, 2017;
TIM4 Layanan sistem Setiawan, 2016)

ATT1 Nilai positif (Doll & Torkzadeh,

Attitude 1988; Pikkarainen et Variabel
ATT ATT2 Ketertarikan
(Sikap) al., 2006; Sari et al., Endogen
ATT3 Kesenangan 2017; Setiawan, 2016)
Ketergantungan terhadap
ACCP1 (Davis, 1985;
Acceptance aplikasi Variabel
ACCP Fatmawati, 2015;
(Penerimaan) Penerimaan secara Endogen
ACCP2 Istiarni, 2016)
menyeluruh
End-User US1 Efektifitas
(Doll & Torkzadeh,
Satisfactin Variabel
EUS US2 Efisiensi 1988; Yulianingsih,
(kepuasan Endogen
2016)
pengguna) US3 Kepuasan secara menyeluruh

3.3.3 Kuesioner Penelitian

Sesuai dengan model integrasi End-User Computing

Satisfaction (EUCS) dan Technology Acceptance Model (TAM)

yang digunakan dalam penelitian ini maka dilakukan kegiatan

pembuatan kuesioner untuk mengetahio tingkat penerimaan

pengguna akhir serta faktor-faktor apa saja yang mempengaruhi

penerimaan pengguna akhir terhada aplikasi KIFEST.

Kuesioner terdiri dari 5 pertanyaan mengenai profil

responden dan 39 pertanyaan pengujian yang telah disesuaikan

dengan variabel dari model integrasi TAM dan EUCS. Daftar

71
 pertanyaan dapat dilihat pada tabel 3.4 , dan untuk selengkapnya

format kuesioner dapat dilihat dibagian lampiran.

Kuesioner penelitian ini diisi dengan skala penilaian Skala

Likert dengan menggunakan lima skala yang terdiri dari sangat tidak

setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2,

(netral) tidak tahu dengan bobot nilai 3, setuju dengan bobot nilai 4

dan sangat setuju dengan bobot nilai 5. Berikutnya untuk

memastikan validitas dan reliabilitas kuesioner ini peneliti

menggunakan beberapa item indikator yang diadopsi dari sejumlah

penelitian terkait sebelumnya, pada Tabel 3.4 menunjukan indikator

dan butir pertanyaan pengujian. Peneliti juga melakukan pengujian

pendahuluan (pre-test) terhadap desain awal kuesioner ini kepada

sejumlah pengguna akhir yang sudah memiliki pengalaman

menggunakan aplikasi sejenis dengan harapan mendapat masukan

atau perbaikan sebelum kuesioner disebar ke ruang yang lebih luas.

Hasil pre-test dapat dilihat di bagian lampiran.

Tabel 3. 4 Indikator dan Daftar Pertanyaan

Variabel Indikator Daftar Pertanyaan

Dengan adanya aplikasi KIFEST menjadikan tugas
Kegunaan
selesai lebih cepat
Peningkatan Dengan adanya aplikasi KIFEST dapat
Perceived
kualitas meningkatkan kualitas kerja
Usefulness
Peningkatan Dengan adanya aplikasi KIFEST dapat
(kemanfaatan)
produktifitas meningkatkan produktifitas kerja
Peningkatan Dengan adanya aplikasi KIFEST dapat menambah
efektifitas efektifitas kerja

72
 Hadirnya Dengan adanya aplikasi KIFEST dapat
kemudahan mempermudah pekerjaan
Dengan adanya aplikasi KIFEST bermanfaat dalam
Kemanfaatan
menyelesaikan kerja
Mudah
Sistem aplikasi KIFEST sudah user-friendly
digunakan
Mudah
Sistem aplikasi KIFEST sangat mudah dioperasikan
dioperasikan
Ease of Use
Mudah
(kemudahan Sistem aplikasi KIFEST sangat mudah dipahami
dipahami
penggunaan)
Interaksis Sistem aplikasi KIFEST mempermudah interaksi
sistem dengan pengguna
Sistem aplikasi KIFEST memiliki petunjuk untuk
Sistem service
pengguna dan menu bantuan
Peningkatan Dengan aplikasi KIFEST bekerja menjadi lebih
kesenangan menyenangkan
Enjoyment Peningkatan Dengan aplikasi KIFEST bekerja menjadi lebih
(Kenyamanan) kenyamaanan nyaman
Peningkatan Dengan aplikasi KIFEST bekerja menjadi lebih
ketertarikan menarik
Sistem aplikasi KIFEST menghasilkan informasi
Akurasi
yang akurat.
Sistem aplikasi KIFEST menghasilkan informasi
Reliabel
yang dapat diandalkan dan dipercaya.
Accuracy
Sistem aplikasi KIFESTmenampilkan output pada
(akurasi) Keselarasan
layar yang sesuai dengan apa yang diperintahkan di-
input dan ouput
input.
Sistem aplikasi KIFEST bekerja sesuai dengan
Standarisasi
standar yang ditentukan.
Konten aplikasi KIFEST sesuai dengan kebutuhan
Relevansi
saya
Keragaman Konten aplikasi KIFEST disajikan beragam
Content (isi) Manfaat Konten aplikasi KIFEST bermanfaat untuk saya
Kualitas Konten aplikasi KIFEST memiliki kualitas yang baik
Transaparansi Konten aplikasi KIFEST ditampilkan secara jelas
Menarik Format sistem aplikasi KIFEST menarik bagi saya.
Format
(bentuk) Format sistem aplikasi KIFEST yang ditampilkan
Jelas
jelas.

73
 Kemudahan Format sistem aplikasi KIFEST mudah digunakan.
Kualitas Format sistem aplikasi KIFEST menampilkan
Informasi informasi dengan baik.
Kesiapan Sistem aplikasi KIFEST menyajikan informasi secara
Informasi tepat waktu
Timeliness
Up-to-date Sistem aplikasi KIFEST memberikan data up-to-date
(ketepatan
waktu) Ketersediaan Sistem aplikasi KIFEST dapat menyajikan informasi
Informasi ketika dibutuhkan
Sistem aplikasi KIFEST didukung tim layanan sistem
Layanan sistem
yang tepat waktu
Menggunakan aplikasi KIFEST adalah hal yang
Nilai positif
bagus
Attitude Sistem aplikasi KIFEST membuat pekerjaan menjadi
Ketertarikan
(Sikap) lebih menarik
Bekerja dengan Aplikasi KIFEST sangat
Kesenangan
menyenangkan
Aplikasi KIFEST menjadi acuan dalam
Menjadi acuan
menyelesaikan pekerjaan
Acceptance
Ketergantungan
(Penerimaan) Dalam menyelesaikan pekerjaan saya bergantung
terhadap
terhadap aplikasi KIFEST
aplikasi
Aplikasi KIFEST dirasa memiliki fungsi yang benar
Efektifitas
atau tepat
End-User
Aplikasi KIFEST dirasa memiliki kinerja yang tepat
Satisfactin Efisiensi
dan cermat (efisiensi).
(kepuasan
pengguna) Kepuasan
Secara keseluruhan, pengguna merasa puas dalam
secara
menggunakan aplikasi KIFEST
menyeluruh

3.3.4 Pengumpulan Sampel dan Pelaksanaan Kuesioner

Pengumpulan data pada penelitian ini dilakukan dengan

kegiatan menyebarkan kuesioner baik secara langsung maupun

secara tidak langsung kepada responden. Penyebaran secara

langsung peneliti lakukan dengan jalan mendatangi calon responden

74
dan tatap muka secara langsung dengan responden. Sedangkan

penyebaran yang tidak langsung peneliti lakukan dengan jalan

membuat form di google form dan menyebarkan link form tersebut

melalui pesan singkat dan melalui link pada aplikasi KIFEST.

Penyebaran ini dilakukan dalam waktu 30 hari ( 22 Oktober 2018 –

22 November 2018) untuk memenuhi target jumlah sample.

Pengambilan sampel pada penelitian ini menggunakan

teknik Purposive Sampling, dimana peneliti menentukan sampel

dengan pertimbangan tertentu. Populasi pada penelitian ini adalah

pengguna akhir aplikasi Kimia Farma Employe Service Technology

(KIFEST) yaitu karyawan Kimia Farma yang berkantor di kantor

pusat PT Kimia Farma (Persero) Tbk. Jalan Veteran No. 9 Jakarta.

Penentuan jumlah sampel berdasarkan kriteria jumlah

sampel peneliti lakukan dengan beberapa pendekatan. Pendekatan

pertama menggunakan pendekatan Structural Equation Model

(SEM), yaitu minimal 10 kali dari jumlah maksimum anak panah

(jalur) yang mengarah pada variabel laten (10 time rule of thumb)

dimana pada penelitian ini terdapat 10 jalur (hipotesis) sehingga

sampel minimum adalah 100. Populasi pengguna akhir aplikasi

KIFEST adalah karyawan Kimia Farma yang berkantor di kantor

pusat Kimia Farma Jalan Veteran No. 9 Jakarta yang berjumlah 360

Karyawan (Human Capital Kimia Farma).

75
 Pendekatan kedua menggunakan perhitungan slovin atau

lebih dikenal dengan sebutan rumus Slovin. Perhitungan ini

bertujuan untuk menentukan besaran sampel berdasarkan margin of

error atau tingkat kesalahan. Berikut ini adalah notasi rumus slovin:
N
𝑛 = 1+N 𝑒 2

Keterangan :

n = jumlah sampel minimal

N = Jumlah Populasi

e = Perkiraan margin of error

Dengan jumlah populasi 360 karyawan dan margin of error

sebanyak 5% atau 0.05 maka didapat jumlah minimal sampel adalah

190 (angka setelah penyederhanaan) dengan perhitungan seperti di

bawah ini :

N
𝑛=
1+N 𝑒 2

3602
𝑛=
1+360 (0.05)2

3602
𝑛= = 190.026 dibulatkan menjadi 190
1.09

Berikutnya , semua kuesioner yang terkumpul akan disaring

dan diklasifikasikan menggunakan perangkat lunak Microsoft Excel

2016. Dalam jangka waktu penyebaran kuesioner, peneliti berhasil

memperoleh 224 kuesioner dan diperoleh hasil bahwa seluruh data

kuesioner yang terkumpul valid untuk digunakan dalam proses

analisis data. Semua responden memilih menerapkan salah satu

76
 prinsip perusahaan yakni eco-friendly, mereka mengisi pada form

online (melalui google form) meskipun 52 data kuesioner

diantaranya berasal dari penyebaran secara langsung dan 172 data

kuesioner sisanya berasal dari penyebaran secara tidak langsung

melalui email dan broadcast.

3.4 Analisis Data dan Interpretasi Hasil

Analisis data terbagi menjadi dua tahap yaitu analisis demografis

dan analisis statistik. Pertama, peneliti melakukan analisis demografis

dengan menggunakan perangkat lunak pengolah angka Ms. Excel 2013.

Data responden dikelompokkan berdasarkan jenis kelamin, usia, unit kerja,

dan status kepuasan pengguna. Kedua, peneliti melakukan analisis statistik

menggunakan software SmartPLS 3.0. Terdapat dua analisis yang dilakukan

oleh peneliti dalam tahap ini, yaitu analisis model pengukuran (outer model)

dan model struktural (inner model).

Model pengukuran (outer model) bertujuan untuk menilai validitas

dan reliabilitas model, sebagaimana telah dijelaskan lebih lanjut pada Bab

II. Model pengukuran (outer model) terdiri dari empat tahap pengujian yaitu

individual item reliability, internal consistency reliability, average variance

extracted, dan discriminant validity. Sedangkan pengujian model struktural

(inner model) bertujuan untuk melihat hubungan antar variabel. Uji inner

model terdiri dari enam tahapan pengujian, yaitu pengujian path coefficient

(β), coefficient of determination (𝑅2), t-test melalui metode bootstrapping,

77
effect size (𝑓 2 ), predictive relevance (𝑄2), dan relative impact (𝑞2)

menggunakan metode pengujian blindfolding. Pada gambar 3.2 berikut

merupakan model persamaan struktural EUCS pada SEM sebelum

dianalisis.

Gambar 3. 2 Model Persamaan Struktural

(Sumber: Data hasil SmartPLS 3.0)

Setelah itu, untuk interpretasi hasil penelitian, peneliti melakukan

diskusi terhadap hasil analisis demografi para responden dengan kondisi

78
 lapangan yang berjalan dan menerjemahkan 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 IV.

3.5 Kerangka Penelitian

Penelitian ini dimulai dengan identifikasi dan perumusan masalah

yang dilanjutkan dengan proses pengumpulan data, dilanjutkan analisis data

dengan model integrasi antara Technology Acceptance Model (TAM) dan

End-User Computing Satisfaction (EUCS), kemudian interpretasi hasil dan

didapatkan kesimpulan. Berikut ini kerangka penelitian yang peneliti

gunakan sebagai dasar tahapan penelitian ini :

79
Gambar 3. 3 Kerangka Penelitian

80
 BAB IV

HASIL DAN PEMBAHASAN

4.1 Deskripsi Profil Responden

Dalam penelitian ini, responden terdiri dari 224 orang karyawan

Kimia Farma pengguna aplikasi KIFEST yang memiliki status sebagai

karyawan di PT. Kimia Farma Holding. Profil responden meliputi informasi

jenis kelamin, usia, lama bekerja di Kimia Farma, dan divisi pekerjaan. Jenis

kelamin responden meliputi kategori laki-laki dan perempuan. Usia

responden dibagi dalam lima kategori yaitu 17 - 25 tahun, 26 - 35 tahun, 35

- 45 tahun dan 46 - 55 tahun. Lama bekerja di Kimia Farma dibagi dalam

lima kategori yakni kurang 3 tahun, 3 - 5 tahun, 5 - 15 tahun, 16 - 25 tahun,

25-30 tahun, lebih 30 tahun.

Profil responden berdasarkan jenis kelamin diketahui bahwa

responden laki-laki lebih banyak dari responden perempuan. Jumlah

responden laki-laki yaitu 132 orang sedangkan responden perempuan

sejumlah 92 orang. Kemudian profil responden berdasarkan usia diperoleh

hasil bahwa 36% responden berasal dari kelompok usia 17 – 25 tahun, 34%

responden berasal dari kelompok usia 26 – 35 tahun, 16% responden berasal

dari kelompok usia 36 – 45 tahun dan 14% responden berasal dari kelompok

usia 46 – 55 tahun. Selanjutnya profil responden berdasarkan lama kerja di

Kimia Farma diketahui bahwa 37% responden telah bekerja kurang dari 3

tahun, 19% responden telah bekerja antara 3 – 5 tahun, 18% responden telah

bekerja antara 5 – 15 tahun, 18% responden telah bekerja antara 16 - 25

81
tahun, 5% responden telah bekerja antara 25 – 30 tahun dan 3% responden

telah bekerja lebih dari 30 tahun.

Profil responden berdasarkan divisi pekerjaan ini dibagi sesuai

dengan jumlah divisi dan unit yang ada di Kimia Farma, yakni terdiri dari

24 kategori. Rincian semua profil responden peneliti sajikan dalam tabel di

bawah ini:

82
 Tabel 4. 1 Profil Responden

Keterangan Total Persentase

Jumlah Sampel 224 100%
Jenis Kelamin :
Laki-laki 132 59%
Perempuan 92 41%
Usia:
17 – 25 tahun 81 36%
26 – 35 tahun 77 34%
36 – 45 tahun 30 14%
46 – 55 tahun 36 16%
Lama bekerja di Kimia Farma:
Kurang dari 3 Tahun 82 37%
3 - 5 Tahun 42 19%
5 - 15 Tahun 41 18%
16 - 25 Tahun 40 18%
25 - 30 Tahun 12 5%
Lebih dari 30 Tahun 7 3%
Divisi Kerja:
Divisi Supply Chain 11 5%
Divisi Procurement 5 2%
Divisi Pengembangan Bisnis 14 6%
Divisi Riset dan Pengembangan Produk 8 4%
Divisi Sekretaris Perusahaan (CORSEC) 8 4%
Divisi Satuan Pengawas Intern 13 6%
Transformation Management Office 6 3%
Divisi Akuntansi 7 3%
Divisi Keuangan 14 6%
Divisi IT 23 10%
Divisi Human Capital 14 6%
Unit Umum, PKBL &CSR 5 2%
SBU Property 9 4%
SBU Marketing & Sales 10 4%
SBU Manufaktur 6 3%
Plant Semarang 14 6%
PT KF Sungwun Pharmacopia 1 0%
Plant Jakarta 10 4%
Plant Bandung 13 6%
Divisi Digital Business Development 5 2%
Plant Medan 6 3%
Plant Watudakon 10 4%
National Distribution Center 6 3%
Research & Development 6 3%

83
4.2 Analisis dan Interpretasi Data

4.2.1 Hasil Analisis Demografis

Tahap berikutnya adalah analisis demografis, tahap ini adalah

hasil dari proses analisis jawaban responden pada kuesioner,

khususnya pada bagian profil responden yang memang tidak jauh

berbeda dengan bagian deskripsi profil responden yang telah

disajikan di atas. Pada bagian ini juga menampilkan status kepuasan

serta penerimaan pengguna akhir terhadap KIFEST. Peneliti telah

mengumpulkan data responden dalam kurun waktu 30 hari (22

Oktober 2018 – 22 November 2018 sebanyak 224 data. Analisis yang

dihasilkan meliputi jenis kelamin, usia, divisi kejar, lama bekerja,

status penerimaan dan status kepuasan pengguna aplikasi KIFEST.

Berikut ini hasil analisisnya:

1. Jenis Kelamin

Pada gambar di bawah ini memperlihatkan bahwa dari

224 responden yang mengikuti penelitian ini, responden laki-

laki memiliki hasil sebanyak 132 (59%) dan responden

perempuan sebanyak 92 orang (41%).

84
 Perempuan
41%

laki-laki
59%

Gambar 4. 1 Diagram Lingkaran Jenis Kelamin Responden

2. Usia

Pada gambar 4.2 menggambarkan bahwa usia responden

dalam penelitian ini sebagian besar berada di kelompok usia

17 – 25 tahun sebanyak 81 orang (36%), 34% responden

berasal dari kelompok usia 26 – 35 tahun sebanyak 77 orang,

14% responden berasal dari kelompok usia 36 – 45 tahun

sebanyak 30 orang dan 16% responden berasal dari kelompok

usia 46 – 55 tahun sebanyak 36 orang.

85
 46 - 55 Tahun
16%

17-25 Tahun
36%
36 - 45 Tahun
14%

26 - 35 Tahun
34%

Gambar 4. 2 Diagram Lingkaran Usia Responden

3. Divisi Kerja

Gambar 4.3 menampilkan jumlah responden terbanyak

dalam penelitian ini adalah berasal dari Divisi IT yani

sebanyak 23 orang (10%). Responden lainnya berasal merata

dari berbagai divisi dan unit yang ada di Kimia Farma.

86
 0
5
10
15
20
25

11
Divisi Supply Chain

5
Divisi Procurement 14
Divisi Pengembangan Bisnis

8
Divisi Riset dan Pengembangan Produk
Divisi Sekretaris Perusahaan (CORSEC) 8
13

Divisi Satuan Pengawas Intern 6

Transformation Management Office
7

Divisi Akuntansi
14

Divisi Keuangan
23

Divisi IT

87
14

Divisi Human Capital

5

Unit Umum, PKBL &CSR

4. Lama Bekerja di Kimia Farma

9

SBU Property
10

SBU Marketing & Sales

6

SBU Manufaktur
14

Plant Semarang
1

PT KF Sungwun Pharmacopia
10

Plant Jakarta
13

Plant Bandung

Gambar 4. 3 Diagram Batang Divisi Kerja Responden

5

Divisi Digital Business Development

6

Plant Medan
10

Plant Watudakon

sedangkan yang paling sedikit adalah dari responden yang

orang (3%). Kemudian responden yang lainnya adalah 42

terbanyak adalah berasal dari karyawan yang baru bekerja
berdasarkan lama bekerja di Kimia Farma. Responden
Pada gambar 4.4 menggambarkan sebaran responden

kurang dari 3 tahun yakni sejumlah 82 orang (37%),

telah bekerja selama lebih dari 30 tahun yakni sejumlah 7

6

National Distribution Center

6

Research & Development

 responden telah bekerja antara 3 – 5 tahun (19%), 41

responden telah bekerja antara 5 – 15 tahun (18%), 40

responden telah bekerja antara 16 - 25 tahun (18%) serta 12

responden telah bekerja antara 25 – 30 tahun (5%).

25 - 30 Lebih 30
Tahun Tahun
5% 3%

16 - 25 Kurang 3
Tahun Tahun
18% 37%

5 - 15
Tahun
18%
3 - 5 Tahun
19%

Gambar 4. 4 Diagram Lingkaran Lama Bekerja Responden

5. Status Penerimaan

Diagram 4.5 menggambarkan bahwa sebagian besar

responden menerima penerapan aplikasi KIFEST yakni

sejumlah 114 orang (51%) sedangkan responden yang

menyatakan sangat menerima hanya 42 orang (37%).

Selanjutnya responden yang menyatakan kurang menerima

hanya 3 orang (1%), responden yang cukup menerima 25

orang (11%) dan tidak ada responden yang menyatakan tidak

menerima.

88
 Kurang Tidak
Menerima Menerima
1% (menolak)
Cukup 0%
Menerima
11%

Sangat
Menerima
37%

Menerima
51%

Gambar 4. 5 Diagram Lingkaran Status Penerimaan Responden

6. Status Kepuasan

Dalam gambar 4.6 mendeskripsikan jawaban responden

terkait tingkat kepuasan terhadap sistem aplikasi KIFEST.

Diketahui bahwa 117 responden (52%) menyatakan bahwa

mereka sistem aplikasi KIFEST memuaskan bagi mereka

sedangkan yang menyatakan cukup memuaskan sejumlah 67

orang (30%). Selanjutnya ada 25 responden (11%) yang

menyatakan sangat memuaskan serta hanya ada 1 responden

(1%) yang menyatakan tidak memuaskan. Sementara itu ada

14 responden (6%) yang menyatakan kurang memuaskan.

89
 Kurang Tidak
Memuaskan Memuaskan Sangat
6% 1% Memuaskan
11%

Cukup
Memuaskan
30%

Memuaskan
52%

Gambar 4. 6 Diagram Lingkaran Status Kepuasan Responden

4.2.2 Interpretasi Hasil Analisis Data Demografis

1. Jenis Kelamin

Sesuai dengan gambar 4.1 yang berada di sub bab hasil

analisis demografis, maka diketahui bahwa dalam penelitian

ini dari jumlah sebanyak 224 data responden 132 diantaranya

adalah dari jenis kelamin laki-laki dan 92 lainnya dari jenis

kelamin perempuan. Responden laki-laki lebih banyak yakni

memiliki persentase 59% dikarenakan karyawan yang

peneliti temui selama penyebaran kuesioner lebih banyak

laki-laki dan rekan kerja dari responden laki-laki tersebut

yang membantu menyebarkan kuesioner penelitian ini

melalui pesan singkat. Kemudian responden dari jenis

90
 kelamin perempuan hanya 41% dan hampir seluruhnya

mengisi kuesioner melalui Link form online.

2. Usia

Sesuai dengan gambar 4.2 pada sub bab hasil analisis

demografis, dapat diketahui bahwa responden pada penelitian

ini terbanyak adalah dari kelompok usia 17 – 25 tahun yakni

sebanyak 81 responden (36%), kemudian disusul dengan

kelompok usia 26 - 35 tahun sebanyak 77 responden (34%),

responden dari kelompok usia 46 – 55 tahun sebanyak 36

responden (16%) dan responden dari kelompok usia 36 – 45

tahun sebanya 30 responden (14%). Hal ini disebabkan oleh

karena populasi karyawan di PT. Kimia Farma (Tbk) pusat

memang yang sebanyak 360 karyawan adalah dari kelompok

usia millenial (17 – 25 tahun) dan pada saat penyebaran

kuesioner peneliti memang lebih banyak menemui karyawan

dari kelompok usia tersebut.

3. Divisi Kerja

Sesuai dengan gambar 4.3 pada sub bab hasil analisis

demografis, dapat kita lihat bahwa responden terbanyak pada

penelitian ini adalah dari divisi IT dengan jumlah 23

responden (10%). Sedangkan yang tersedikit berasa dari PT

91
 KF Sungwun Pharmacopia yakni 1 orang saja. Responden

lainnya tersebar di 22 divisi dan unit lainnya yang ada di

Kimia Farma dengan penyebaran secara acak.

Tabel 4. 2 Rekapitulasi Jumlah Penyebaran Kuesioner

Jumlah
Nama Divisi Persentase
Responden
Divisi Supply Chain 11 5%
Divisi Procurement 5 2%
Divisi Pengembangan Bisnis 14 6%
Divisi Riset dan Pengembangan Produk 8 4%
Divisi Sekretaris Perusahaan (CORSEC) 8 4%
Divisi Satuan Pengawas Intern 13 6%
Transformation Management Office 6 3%
Divisi Akuntansi 7 3%
Divisi Keuangan 14 6%
Divisi IT 23 10%
Divisi Human Capital 14 6%
Unit Umum, PKBL &CSR 5 2%
SBU Property 9 4%
SBU Marketing & Sales 10 4%
SBU Manufaktur 6 3%
Plant Semarang 14 6%
PT KF Sungwun Pharmacopia 1 0%
Plant Jakarta 10 4%
Plant Bandung 13 6%
Divisi Digital Business Development 5 2%
Plant Medan 6 3%
Plant Watudakon 10 4%
National Distribution Center 6 3%
Research & Development 6 3%
Jumlah Total 224 100%

4. Lama Bekerja di Kimia Farma

Sesuai dengan gambar 4.4 pada sub bab hasil analisis

demografis, dapat diketahui bahwa responden terbanyak

adalah dari karyawan yang baru bekerja kurang dari 3 tahun

92
 yakin 82 responden (37%), diikuti dari karyawan yang sudah

bekerja antara 3 sampai 5 tahun sebanyak 42 responden

(19%), karyawan yang sudah bekerja antara 6 sampai 15

tahun sebanyak 41 responden (18%), karyawan yang sudah

bekerja antara 16 sampai 25 tahun sebanyak 40 responden

(18%), karyawan yang sudah bekerja antara 26 sampai 30

tahun sebanyak 12 responden (5%) dan responden yang

paling sedikit adalah dari karyawan yang telah bekerja lebih

dari 30 tahun yakni sebanyak 7 responden (3%). Hal ini

menunjukkan antusiasme karyawan terhadap penelitian ini

juga terhadap penerapan teknologi di perusahaan pada

umumnya lebih diminati oleh karyawan baru dibanding

karyawan yang lebih lama.

5. Status Penerimaan

Sesuai dengan gambar 4.6 yang ada pada sub bab hasil

analisis demografis, dapat diketahui bahwa sebagian besar

responden menyatakan diri mereka menerima dengan

kehadiran aplikasi KIFEST, yaitu sebanyak 72 orang (51%).

Sebanyak 82 responden (37%) merasa sangat menerima dan

sebanyak 25 responden (11%) merasa cukup menerima

kehadiran aplikasi KIFEST. Lalu, hanya sebanyak 3

93
 responden (1%) merasa kurang menerima namun tidak ada

yang tidak menerima dengan kehadiran aplikasi KIFEST ini.

6. Status Kepuasan

Sesuai dengan gambar 4.7 yang ada pada sub bab hasil

analisis demografis, dapat diketahui bahwa sebagian besar

responden menyatakan merasa puas dalam menggunakan

sistem aplikasi KIFEST, yakni sebanyak 117 responden

(52%), disusul cukup puas sebanyak 67 responden (30%) dan

sangat puas 25 responden (11%). Sedangkan ada 15

responden (6%) yang menyatakan kurang puas bahkan

merasa tidak puas. Hal ini membuat peneliti berasumsi bahwa

adanya kesenjangan atau gap antara harapan dan kenyataan

pada aplikasi KIFEST. Harapan penggunaan yang cukup

tinggi terhadap sistem, sehingga meski banyak yang merasa

puas dan menerima kehadiran aplikasi KIFEST ini ternyata

masih ada juga pengguna yang belum merasa puas dalam

menggunakan sistem tersebut. Hal ini juga menjelaskan

tentang status kepuasan dan penerimaan pengguna terhadap

Aplikasi KIFEST pada saat ini.

4.2.3 Hasil Analisis Model Pengukuran (Outer Model)

Tahap ini merupakan tahap analisis model pengukuran (outer

model) diawali dengan mengevaluasi konstruk model dahulu.

94
Evaluasi model pengukuran ini dilaksanakan dengan tujuan menilai

validitas dan reliabilitas model. Evaluasi ini dilakukan dengan uji

convergent validity dan, discriminant validity. Di bawah ini adalah

hasil pengujian tersebut.

1. Uji Convergent Validity

Uji ini dilakukan dengan tiga tahap yakni dengan

melihat outer loading, composite reliability, dan avarage

variance extracted (AVE). Tahap pertama adalah melihat

nilai standardized loading factor atau nilai outer loading.

Nilai ini menunjukkan besarnya korelasi antara setiap item

pengukuran (indikator) dengan konstraknya. Standar nilai

outer loading dikatakan baik apabila memiliki nilai 0.7 atau

lebih, artinya bahwa indikator tersebut valid sebagai

indikator yang mengukur konstrak. Sesuai dengan ketentuan

standar nilai outer loading tersebut, pada tabel 4.3

ditampilkan hasil pengujain pada SmartPLS 3.0 dengan nilai

outer loading semuanya lebih dari 0.7 sehingga hasil ini

dapat dikatakan valid dan bisa dilakukan pengujian

selanjutnya.

95
 Tabel 4. 3 Hasil Uji Loading Factor dengan SmartPLS 3.0

Indikator ACC ACCP ATT CON ENJ EOU FOR PU TIM US

ACC1 0.900
ACC2 0.898
ACC3 0.896
ACC4 0.903
ACCPT1 0.952
ACCPT2 0.927
ATT1 0.857
ATT2 0.941
ATT3 0.941
CON1 0.876
CON2 0.854
CON3 0.880
CON4 0.919
CON5 0.877
ENJ1 0.959
ENJ2 0.961
ENJ3 0.956
EOU1 0.899
EOU2 0.901
EOU3 0.894
EOU4 0.885
EOU5 0.846
FOR1 0.913
FOR2 0.931
FOR3 0.933
FOR4 0.926
PU1 0.876
PU2 0.925
PU3 0.933
PU4 0.916
PU5 0.910
PU6 0.931
TIM1 0.899
TIM2 0.928
TIM3 0.942
TIM4 0.930
US1 0.997
US2 0.994
US3 0.994

96
Gambar 4. 7 Output Diagram Jalur dengan PLS-SEM

Pengujian berikutnya adalah uji internal consistency

reliability, pengujian ini dilakukan dengan melihat hasil

composite reliability (CR) dengan nilai minimum adalah 0.7.

Pada tabel 4.4 merupakan hasil uji composite reliability

97
 dengan semua nilai adalah diatas 0.7 sehingga dapat

dikatakan valid.

Tabel 4. 4 Hasil Uji Composite Reliability dengan SmartPLS 3.0

Variabel Composite Reliability

ACC 0.944
ACCP 0.938
ATT 0.938
CON 0.946
ENJ 0.972
EOU 0.948
FOR 0.96
PU 0.969
TIM 0.959
US 0.997

Pengujian selanjutnya adalah uji convergent validity

dengan melihat niali average variance extracted (AVE).

Nilai ini digunakan untuk mengukur seberapa banyak varians

atau keragaman variabel manifes (indikator) yang dapat

ditangkap oleh variabel laten (konstrak) dibandingkan

dengan variansi yang ditimbulkan oleh kesalahan

pengukuran. Nilai AVE dikatakan valid adalah ketika

memiliki nilai diatas 0.5 untuk menunjukkan ukuran

convergent validity yang baik. Artinya, variabel laten dapat

menjelaskan rata-rata lebih dari setengah variance dari

indikator-indikatornya.

98
Tabel 4. 5 Hasil Uji Average Variance Extracted (AVE) dengan
SmartPLS 3.0

Average Variance
Variabel Extracted (AVE)
ACC 0.809
ACCP 0.883
ATT 0.835
CON 0.776
ENJ 0.919
EOU 0.783
FOR 0.857
PU 0.838
TIM 0.855
US 0.99

2. Uji Discriminant Validity

Untuk melakukan pengujian discriminant validity dapat

dilakukan dengan melihat nilai cross loading dan Fornell-

Lacker Criterion. Pada cross loading, nilai koefisien korelasi

indikator dengan konstraknya dibandingkan dengan konstrak

blok lainnya. Jika korelasi antara indikator dengan

konstraknya lebih tinggi dari korelasi konstrak blok lainnya,

maka hal ini menunjukkan konstrak tersebut memprediksi

ukuran pada blok mereka lebih baik dari bloknya. Berikutnya

melihat nilai Fornell-Lacker Criterion yaitu dengan

membandingkannya dengan nilai akar AVE, dimana nilai

akar AVE harus lebih tinggi daripada korelasi antara

konstrak dengan konstrak lainnya. Model pengukuran dinilai

memiliki discriminant validity yang baik apabila nilai akar

99
AVE lebih besar dari korelasi antar variabel lainnya. Hasil

uji discriminant validity dengan cross loading dapat dilihat

pada tabel 4.6 menunjukkan bahwa nilai cross loading

indikator yang diberi blok pada setiap variabel memiliki nilai

lebih tinggi dari korelasi dengan konstrak blok lainnya.

Sehingga berdasarkan hasil pemeriksaan dua tahap cross

loading diketahui bahwa tidak ada masalah dalam uji

discriminant validity.

100
 Tabel 4. 6 Hasil Uji Discriminant Validity (Cross Loading) dengan
SmartPLS 3.0

Indikator ACC ACCP ATT CON ENJ EOU FOR PU TIM US

ACC1 0.900 0.653 0.753 0.812 0.724 0.745 0.761 0.709 0.782 0.730
ACC2 0.898 0.582 0.716 0.776 0.670 0.758 0.779 0.682 0.739 0.696
ACC3 0.896 0.564 0.722 0.794 0.681 0.752 0.765 0.669 0.706 0.680
ACC4 0.903 0.577 0.713 0.838 0.670 0.752 0.793 0.714 0.726 0.761
ACCPT1 0.699 0.952 0.744 0.706 0.755 0.634 0.703 0.775 0.808 0.643
ACCPT2 0.529 0.927 0.598 0.555 0.635 0.444 0.475 0.674 0.638 0.547
ATT1 0.768 0.548 0.857 0.882 0.724 0.712 0.786 0.715 0.714 0.699
ATT2 0.744 0.715 0.941 0.784 0.956 0.714 0.737 0.833 0.770 0.664
ATT3 0.709 0.704 0.941 0.748 0.961 0.744 0.684 0.826 0.743 0.653
CON1 0.808 0.634 0.755 0.876 0.709 0.709 0.761 0.703 0.755 0.803
CON2 0.763 0.623 0.750 0.854 0.732 0.706 0.764 0.706 0.755 0.702
CON3 0.765 0.552 0.845 0.880 0.714 0.709 0.788 0.721 0.718 0.702
CON4 0.842 0.662 0.763 0.919 0.695 0.714 0.825 0.729 0.771 0.798
CON5 0.768 0.519 0.737 0.877 0.678 0.796 0.846 0.643 0.776 0.696
ENJ1 0.708 0.702 0.939 0.748 0.959 0.746 0.684 0.828 0.742 0.653
ENJ2 0.746 0.725 0.906 0.773 0.961 0.726 0.720 0.849 0.766 0.696
ENJ3 0.744 0.715 0.941 0.784 0.956 0.714 0.737 0.833 0.770 0.664
EOU1 0.727 0.516 0.708 0.719 0.685 0.899 0.757 0.659 0.703 0.623
EOU2 0.770 0.442 0.650 0.730 0.607 0.901 0.751 0.602 0.650 0.610
EOU3 0.748 0.435 0.651 0.713 0.617 0.894 0.744 0.596 0.635 0.589
EOU4 0.760 0.613 0.784 0.769 0.764 0.885 0.758 0.759 0.757 0.667
EOU5 0.693 0.552 0.689 0.709 0.669 0.846 0.718 0.650 0.706 0.634
FOR1 0.789 0.635 0.797 0.853 0.741 0.745 0.913 0.752 0.762 0.716
FOR2 0.800 0.594 0.761 0.852 0.720 0.800 0.931 0.749 0.773 0.755
FOR3 0.797 0.533 0.696 0.826 0.631 0.795 0.933 0.653 0.744 0.709
FOR4 0.803 0.593 0.706 0.814 0.654 0.784 0.926 0.694 0.793 0.690
PU1 0.669 0.713 0.761 0.717 0.752 0.635 0.662 0.876 0.701 0.664
PU2 0.704 0.716 0.790 0.739 0.789 0.687 0.705 0.925 0.741 0.676
PU3 0.711 0.739 0.798 0.717 0.810 0.673 0.698 0.933 0.726 0.648
PU4 0.712 0.666 0.780 0.725 0.788 0.684 0.716 0.916 0.733 0.674
PU5 0.698 0.694 0.819 0.712 0.832 0.665 0.708 0.910 0.724 0.651
PU6 0.739 0.730 0.820 0.759 0.817 0.736 0.746 0.931 0.789 0.702
TIM1 0.776 0.685 0.743 0.786 0.717 0.716 0.791 0.725 0.899 0.725
TIM2 0.764 0.722 0.722 0.779 0.698 0.698 0.755 0.719 0.928 0.737
TIM3 0.760 0.742 0.789 0.813 0.778 0.756 0.776 0.791 0.942 0.769
TIM4 0.738 0.725 0.749 0.787 0.735 0.726 0.746 0.735 0.930 0.738
US1 0.791 0.637 0.721 0.833 0.690 0.702 0.772 0.731 0.799 0.997
US2 0.785 0.623 0.730 0.834 0.695 0.696 0.775 0.724 0.793 0.994
US3 0.804 0.643 0.737 0.839 0.703 0.715 0.770 0.727 0.805 0.994

101
 Tabel 4. 7 Hasil Uji Discriminant Validity (Fornell-Lacker’s Criterion)
dengan SmartPLS 3.0

ACC ACCP ATT CON ENJ EOU FOR PU TIM US

ACC 0.899
ACCP 0.662 0.940
ATT 0.808 0.721 0.914
CON 0.896 0.678 0.876 0.881
ENJ 0.764 0.745 0.969 0.801 0.959
EOU 0.836 0.583 0.791 0.824 0.760 0.885
FOR 0.861 0.638 0.802 0.904 0.744 0.843 0.926
PU 0.771 0.775 0.868 0.796 0.873 0.743 0.772 0.915
TIM 0.821 0.777 0.813 0.856 0.792 0.783 0.830 0.804 0.925
US 0.797 0.637 0.733 0.839 0.699 0.708 0.776 0.731 0.803 0.995

Pada tabel 4.7 dapat dilihat bahwa nilai akar AVE

variabel korelasi ACC sebesar 0.899, nilai tersebut lebih

besar dari nilai korelasi variabel ACCP dan variabel lainnya.

Berlaku pula pada variabel lainnya, nilai akar AVE pada

variabel itu sendiri menunjukkan angka yang lebih besar

dibandingkan korelasi antar variabel. Sesuai dengan hal

tersebut maka syarat discriminant validity dengan akar AVE

telah terpenuhi.

102
4.2.4 Interpretasi Hasil Analisis Model Pengukuran (Outer Model)

Sesuai dengan hasil analisis model pengukuran yang telah

dijabarkan pada sub bab sebelumnya, terdapat beberapa hal yang

perlu diperhatikan pada tahapan analisis model pengukuran (outer

model), yakni:

1. Berdasarkan hasil pengujian convergent validity dari 39

jumlah total indikator, semua indikator memiliki nilai outer

loading lebih dari 0.7 oleh karena itu tidak ada indikator yang

dihapus dalam model penelitian ini.

2. Berdasarkan hasil uji convergent validity dengan melihat

composite reliability dan avarage variance extracted juga

didapat hasil bahwa semua variabel memenuhi syarat nilai

lebih dari 0.5.

3. Berdasarkan hasil uji discriminant validity juga didapat hasil

bahwa semua nilai cross loading indikator yang diberi blok

pada setiap variabel memiliki nilai lebih tinggi dari korelasi

dengan konstrak blok lainnya dan nilai akar AVE pada satu

variabel kepada variabel itu sendiri menunjukkan angka yang

lebih besar dibandingkan korelasi antar variabel.

4. analisis model pengukuran didapatkan hasil bahwa model

penelitian ini telah memenuhi syarat dan memiliki

karakteristik yang baik sehingga dapat dilanjutkan ke tahap

analisis model struktural (inner model).

103
 Berdasarkan empat hal tersebut dengan hasil yang sudah

memenuhi syarat dan tidak ada penghapusan indikator dalam model

penelitian, peneliti beranggapan bahwa hal ini disebabkan oleh

penggunaan item pertanyaan pada kuesioner penelitian ini sudah

tepat.

4.2.5 Hasil Analisis Model Struktural (Inner Model)

Setelah pengujian outer model dilakukan, tahap selanjutnya

adalah melakukan pengujian pada model struktural (inner model)

untuk mengetahui apakah hipotesis yang diajukan diterima atau

ditolak. Dalam tahap ini terdapat enam tahapan pengujian yang terdiri

dari pengujian path coefficient (β), coefficient of determination (R²),

t-test menggunakan metode bootstraping, effect size ( ), predictive

relevance ( ), dan relative impact (q²). berikut ini hasil dari masing-

masing pengujian tersebut.

1. Uji Path Coefficient (β)

Uji path coefficient ini dilakukan dengan melihat

tabel nilai path coefficient dengan nilai minimal 0.1,

dimana jalu (path) dapat dikatakan memiliki pengaruh di

dalam model jika nilai hasil uji path coefficient berada

diatas 0.1. Pada tabel 4.8 hasil nilai uji path coefficient

dari 10 jalur yang ada di dalam model penelitian, 5 jalur

yaitu content → Attitude, Enjoyment → Attitude, attitude

104
 → acceptance, atitude → user satisfaction dan user

satisfaction→ acceptance menunjukkan pengaruh yang

signifikan.

Tabel 4. 8 Hasil Uji Path Coefficient dengan SmartPLS 3.0

Hubungan antar Variabel

Path Coefficient (β)
(Dependen → Independen)
Accuracy → Attitude -0.048

Content → Attitude 0.351

Ease Of Use → Attitude 0.006

Enjoyment → Attitude 0.766

Format → Attitude -0.001

Timeliness → Attitude -0.064

Percevied Usefulness → Attitude 0.004

Attitude → Acceptance 0.549

Attitude → User Satisfaction 0.733

User Satisfaction → Acceptance 0.235

2. Uji Coefficient of Determinan (R²)

Pengujian ini memiliki tujuan untuk menjelaskan

varian dari tiap target variabel endogen (variabel yang

dianggap dipengaruhi oleh variabel lain dalam model)

105
 dengan standar pengukuran apabila memiliki nilai diatas

0.670 dinyatakan sebagai kuat, nilai diatas 0.333

dinyatakan sebagai moderat, dan nilai 0.190 atau di

bawahnya menunjukkan tingkat varian yang lemah.

Tabel 4. 9 Hasil Uji Coefficient of Determination (R-Square) dengan

SmartPLS 3.0

Variabel Endogen R Square

ACCEPTANCE 0.546
ATTITUDE 0.968
USER SATISFACTION 0.537

Melalui tabel 4.9 dapat dijelaskan bawa hasil uji

coefficient of determination, dimana R2 dari variabel

Attitude memiliki nilai 0.968 maka dapat diartikan bahwa

variabel eksogen accuracy (ACC), content (CON),

enjoyment (ENJ), ease of use (EOU), format (FOR),

percevied usefulness (PU) dan timelines (TIM)

menjelaskan secara kuat (96,8%) varian dari attitude.

Kemudian nilai R2 dari variabel User Satisfaction 0.537

yang berarti bahwa variabel attitude menjelaskan secara

moderat (53.7%) varian dari user satisfaction.

Selanjutnya variabel acceptance memiliki nilai R2 0.546

yang berarti bahwa variabel Attitude dan User Satisfaction

106
 menjelaskan secara moderat (54.6%) varian dari

Acceptance.

3. Uji T-test

Pada uji t-test ini menggunakan metode

bootstraping pada SmartPLS 3.0, menggunakan uji two-

tailed dengan tingkat signifikasi 5% untuk menguji

hipotesis penelitian. Pada tingkat siginifikan tersebut,

hipotesis dinyatakan diterima apabila memiliki nilai t-test

lebih dari 1.96. Pada tabel 4.10 merupakan hasil uji t-test,

4 diantara hipotesis yang ada dinyatakan ditolak karena

memiliki nilai t-test kurang dari 1.96 dan 6 lainnya

diterima karena memiliki nilai t-test lebih dari 1.96.

Sehingga dalam penelitian ini ada 6 hipotesis yang

diterima.

Tabel 4. 10 Hasil Uji T-test dengan SmartPLS 3.0

Hubungan antar Variabel

T-test
(Dependen → Independen)
Accuracy → Attitude 1.174

Content → Attitude 7.645

Ease Of Use → Attitude 0.171

Enjoyment → Attitude 25.6

Format → Attitude 0.017

Timeliness → Attitude 2.067

107
Percevied Usefulness → Attitude 0.13

Attitude → Acceptance 6.079

Attitude → User Satisfaction 15.935

User Satisfaction → Acceptance 2.567

4. Uji Effect Size ( )

Pengujian berikutnya adala uji effect size,

pengujian ini dilakukakn untuk mengetahui pengaruh

variabel tertentu terhadap variabel lainnya dalam struktur

model dengan nilai sekitar 0.02 untuk pengaruh kecil,

0.15 untuk menengah, dan nilai 0.35 untuk pengaruh

besar. f2 dihitung dengan menggunakan rumus berikut ini.

Dimana adalah Nilai yang diperoleh

ketika konstrak eksogen dimasukkan ke model. dan

adalah Nilai yang diperoleh ketika konstrak

eksogen dikeluarkan dari model.

Pada tabel 4.11 ini merupakan hasil perhitungan f2

terhadap 10 jalur yang ada pada penelitian ini. Hasilnya 8

jalur memiliki pengaruh yang kecil.

108
 Tabel 4. 11 Hasil Analisis Uji Effect Size (f2)

f2 Analisis
No. Jalur
R2-in R2-ex ∑ f2 f2
H1 Accuracy → Attitude 0.968 0.968 0 Kecil
H2 Content → Attitude 0.968 0.955 0.40625 Besar
H3 Ease Of Use → Attitude 0.968 0.968 0 Kecil
H4 Enjoyment → Attitude 0.968 0.857 3.46875 Besar
H5 Format → Attitude 0.968 0.968 0 Kecil
H6 Timeliness → Attitude 0.968 0.967 0.03125 Kecil
Percevied Usefulness → Kecil
H7 0.968 0.968
Attitude
H8 Attitude → Acceptance 0.546 0.630 -0.18502 Kecil
Attitude → User Kecil
H9 0.537 0.740 -0.43844
Satisfaction
User Satisfaction → Kecil
H10 0.546 0.621 -0.16520
Acceptance

5. Uji Predictive Relevance ( )

Pengujian berikutnya adalah uji Predictive

Relevance, pengujian ini dilaksanakan dengan metode

blindfolding untuk menunjukkan bukti bahwa variabel

tertentu yang digunakan dalam model mempunyai

keterkaitan secara prediktif dengan variabel lainnya dalam

model dengan nilai minimum di atas nol.

Dapat dilihat pada tabel 4.10 bahwa hasil nilai Q2

dari semua variabel memiliki keterkaitan secara prediktif

(predictive relevance) dengan nilai diatas nol.

109
Tabel 4. 12 Hasil Uji Predictive Relevance dengan SmartPLS 3.0

Variabel Endogen Q2
ACCEPTANCE 0.742
ATTITUDE 0.437
USER SATISFACTION 0.468

6. Uji Relative Impact (q²)

Pada tahap ini dilakukan dengan metode

blindfolding untuk mengukur relatif pengaruh sebuah

keterkaitan prediktif sebuah variabel tertentu dengan

variabel lainnya dengan nilai ambang batas sekitar 0.02

untuk pengaruh kecil, 0.15 untuk pengaruh menengah,

dan 0.35 untuk pengaruh besar. Rumus yang digunakan

dalam perhitungan q² adalah sebagai berikut.

Dimana adalah nilai q² yang

diperoleh ketika konstrak eksogen dimasukkan ke model

dan adalah nilai q² yang diperoleh ketika

konstrak eksogen dikeluarkan dari model.

110
 Hasil perhitungan pada tabel 4.11 menunjukan

pengujian q² terhadap 10 jalur yang ada pada penelitian

ini. Hasilnya 9 jalur yang ada pada penelitian ini memiliki

pengaruh yang kecil.

Tabel 4. 13 Hasil Uji Relative Impact dengan SmartPLS 3.0

q2 Analisis
No. Jalur
Q2-in Q2-ex ∑ q2 q2
H1 Accuracy → Attitude 0.742 0.743 -0.004 Kecil
H2 Content → Attitude 0.742 0.733 0.035 Kecil
H3 Ease Of Use → Attitude 0.742 0.743 -0.004 Kecil
H4 Enjoyment → Attitude 0.742 0.655 0.337 Menengah
H5 Format → Attitude 0.742 0.743 -0.004 Kecil
H6 Timeliness → Attitude 0.742 0.742 0 Kecil
Percevied Usefulness → Kecil
H7 0.742 0.743 -0.004
Attitude
H8 Attitude → Acceptance 0.437 0.507 -0.124 Kecil
Attitude → User Kecil
H9 0.486 0.671 -0.360
Satisfaction
User Satisfaction → Kecil
H10 0.437 0.501 -0.114
Acceptance

111
 Tabel 4. 14 Ringkasan Hasil Analisis Struktural Model

Hipotesis f2 q2
β t-test R2
Q 2
No Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2
H1 Accuracy → Attitude -0.048 1.174 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H2 Content → Attitude 0.351 7.645 0.968 0.968 0.955 0.40625 0.742 0.742 0.733 0.035
H3 Ease Of Use → Attitude 0.006 0.171 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H4 Enjoyment → Attitude 0.766 25.6 0.968 0.968 0.857 3.46875 0.742 0.742 0.655 0.337
H5 Format → Attitude -0.001 0.017 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
H6 Timeliness → Attitude -0.064 2.067 0.968 0.968 0.967 0.03125 0.742 0.742 0.742 0
Percevied Usefulness →
H7 0.004 0.13 0.968 0.968 0.968 0 0.742 0.742 0.743 -0.004
Attitude
H8 Attitude → Acceptance 0.549 6.079 0.546 0.546 0.630 -0.18502 0.437 0.437 0.507 -0.124
H9 Attitude → User Satisfaction 0.733 15.935 0.537 0.537 0.740 -0.43844 0.486 0.486 0.671 -0.360
User Satisfaction →
H10 0.235 2.567 0.546 0.546 0.621 -0.16520 0.437 0.437 0.501 -0.114
Acceptance

112
 Tabel 4. 15 Ringkasan Hasil Analisis Struktural Model (Lanjutan)

Hipotesis Analyses
No Jalur β t-test R 2
f 2
Q2 q2
H1 Accuracy → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H2 Content → Attitude Sign Diterima Kuat Besar Predictive Relevance Kecil
H3 Ease Of Use → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H4 Enjoyment → Attitude Sign Diterima Kuat Besar Predictive Relevance Menengah
H5 Format → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H6 Timeliness → Attitude Insign Diterima Kuat Kecil Predictive Relevance Kecil
H7 Percevied Usefulness → Attitude Insign Ditolak Kuat Kecil Predictive Relevance Kecil
H8 Attitude → Acceptance Sign Diterima M Kecil Predictive Relevance Kecil
H9 Attitude → User Satisfaction Sign Diterima M Kecil Predictive Relevance Kecil
H10 User Satisfaction → Acceptance Sign Diterima M kecil Predictive Relevance Kecil

Keterangan:
Sign : Signifikan
Insign : Insignifikan
K : Kuat
M : Moderat
L : Lemah
b : Besar
m : Menengah
k : Kecil

113
 Pada tabel 4.15 ditampilkan hasil analisis dari enam

tahap uji struktural model, diantarnya adalah:

1. Path Coefficient (β)

2. Coefficient of Determination (R-Square)
3. T-test menggunakan metode bootstrapping
4. Effect Size (F2)
5. Predictive Relevance (Q-Square)
6. Relative Impact ( q² )

Hasil pertama yakni tahap path coefficient (β)

diketahui bahwa hanya 5 dari 10 jalur yang memiliki

pengaruh signifikan dalam model (yakni, jalur CON →

ATT, ENJ → ATT, ATT → ACCP, ATT → US dan jalur

US → ACCP) karena memiliki nilai path coefficient (β)

diatas nilai minimun yakni diatas 0,1. Kedua, hasil tahap

t-test diketahui bahwa 6 dari 10 hipotesis diterima karena

memiliki nilai t-test lebih dari 1.96.

Hasil yang ketiga, tahap coefficient of determination

(R-Square) menunjukkan bahwa R-Square dari 7 jalur

memiliki nilai 0.968 yang artinya memiliki pengaruh kuat.

Sedangkan yang lainnya memiliki nilai masing-masing

0.546 dan 0.537 yang berarti memiliki pengaruh moderat.

Selanjutnya, hasil tahap keempat yakni effect size (f2)

terhadap 10 jalur menunjukkan bahwa 2 jalur memiliki

pengaruh besar (CON -> ATT dan ENJ-> ATT)

sedangkan lainnya memiliki pengaruh kecil.

114
 Hasil berikutnya yakni predictive relevance (Q-

Square) semua jalur memiliki nilai diatas nol, yakni 7

jalur memiliki nilai 0.742 sedangkan lainya 0.437 dan

0.486, hal ini berarti bahwa semua variabel dalam

penelitian ini sudah memiliki keterkaitan yang prediktif.

Tahap terakhir yakni hasil dari relative impact (q2)

menyebutkan bahwa satu jalur (ENJ- ATT) memiliki

pengaruh besar sedangkan sembilan jalur lainya memiliki

pengaruh kecil.

4.2.6 Interpretasi Hasil Analisis Model Struktural (Inner Model)

Dalam bagian ini akan dijabarkan interpretasi berdasarkan

hasil 6 tahap pengujian yang telah dilakukan pada analisis struktur

model yakni, pengujian path coefficient (β), coefficient of

determination (R²), t-test menggunakan metode bootstraping, effect

size ( ), predictive relevance (Q2), dan relative impact (q²).

Interpretasi ini dilakukan dengan mengikuti pertanyaan-

pertanyaan penelitian dan hipotesis-hipotesis yang telah dirumuskan

pada bab sebelumnya dengan mengacu pada hasil nilai t-test yang

mengartikan diterima atau tidaknya hipotesis tersebut.

115
 Tabel 4. 16 Hasil Uji Hipotesis dengan SmartPLS 3.0

Hipotesis Analisis
β t-test
No Jalur β t-test
H1 Accuracy → Attitude -0.048 1.174 Insign Ditolak
H2 Content → Attitude 0.351 7.645 Sign Diterima
H3 Ease Of Use → Attitude 0.006 0.171 Insign Ditolak
H4 Enjoyment → Attitude 0.766 25.6 Sign Diterima
H5 Format → Attitude -0.001 0.017 Insign Ditolak
H6 Timeliness → Attitude -0.064 2.067 Insign Diterima
Percevied Usefulness →
H7 0.004 0.13 Insign Ditolak
Attitude
H8 Attitude → Acceptance 0.549 6.079 Sign Diterima
Attitude → User
H9 0.733 15.935 Sign Diterima
Satisfaction
User Satisfaction →
H10 0.235 2.567 Sign Diterima
Acceptance

H1 Akurasi (accuracy) berpengaruh positif secara signifikan terhadap

sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma

(Persero) Tbk.

Berdasarkan hasil analisis struktur model, khususnya pada nilai t-

test sesuai dengan yang ditampilkan pada tabel 4.16 bahwa hubungan

Accuracy → Attitude ditolak, sehingga dapat diartikan bahwa ACC

tidak berpengaruh positif terhadap ATT. Hal ini didukung pula dengan

nilai path coefficient (β) sebesar -0.048 yang berarti bahwa pengaruh

ACC tidak signifikan terhadap ATT sebagai variabel mediasi terhadap

ACCP dan US. hal tersebut juga menunjukkan penerimaan serta

kepuasan pengguna terhadap sistem KIFEST ini tidak dipengaruhi oleh

akurasi sistem. Tidak signifikannya pengaruh akurasi ini dimungkinkan

116
 karena dari pengguna sendiri merasa bahwa dalam lingkungan

mandatory use keakuratan sistem bukan hal pokok yang mempengaruhi

penerimaan dan kepuasan pengguna. Sehingga dapat disimpulkan

hipotesis 1 ditolak.

H2 Isi (content) berpengaruh positif secara signifikan terhadap sikap

(attitude) penggunaan sistem KIFEST di PT Kimia Farma

(Persero) Tbk.

Hasil analisis untuk hipotesis 2 terutama pada nilai t-test

menunjukkan nilai 7.645, hal ini juga menunjukkan bahwa hipotesis ini

diterima. Diperkuat juga dengan nilai koefisien jalurnya yakni 0.351

berarti memiliki pengaruh positif dan signifikan terhadap variabel ATT

yang menjadi variabel mediasi untuk kepuasan dan penerimaan

pengguna. Hasil ini membuktikan bahwa semakin positif sikap

karyawan terhadap fungsi-fungsi yang ada pada KIFEST, penerimaan

pengguna juga semakin meningkat. Penerimaan itu terlihat dengan

sikap positif penggunaan oleh karyawan. Isi (content) pada sistem

aplikasi KIFEST terlihat memenuhi harapan karyawan karena

mendapat tanggapan positif dengan rata-rata penilaian lebih dari skala

3. Hal tersebut sesuai dengan penelitian terdahulu yang dilakukan oleh

Sekundera (2006) yang menyatakan faktor isi mempengaruhi

penerimaan karyawan dikarenakan minimnya perubahan yang

dirasakan antara sistem lama dan baru sesuai dengan harapan pengguna.

117
 Pada penelitian ini kesesuaian harapan dengan isi yang ada pada sistem

diwakilkan oleh sikap positif terhadap KIFEST, demikian pula akan

mempengaruhi penerimaan pengguna akhir setelah melalui variabel

mediasi sikap atau attitude.

H3 Kemudahan penggunaan (ease of use) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di

PT Kimia Farma (Persero) Tbk.

Hasil pengujian hipotesis ini membuktikan bahwa kemudahan

penggunaan (ease of use) tidak berpengaruh secara positif terhadap

sikap (attitude) pengguna yang menjadi variabel mediasi terhadap

penerimaan pengguna. Dengan nilai t-test 0.17 dan nilai path coefficient

0.006 menjadikan hipotesis 3 ini tidak berpengaruh secara positif dan

ditolak. Hal ini peneliti asumsikan disebabkan karena dalam

lingkungan sistem mandatory use mudah atau susahnya sebuah sistem

yang wajib karyawan gunakan tidak akan berpengaruh karena dapat

dipastikan pada karyawan akan terpacu untuk belajar dalam

menggunakan sistem tersebut dan akan merasa mudah atau tidaknya

akan sama saja.

118
H4 Persepsi Kenyamanan (enjoyment) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di

PT Kimia Farma (Persero) Tbk.

Hasil analisis terhadap hipotesis ini menunjukkan nilai path

coefficient 0.766 yang berarti bahwa enjoyment memiliki pengaruh

positif secara signifikan terhadap variabel attitude yang menjadi

variabel mediasi terhadap penerimaan pengguna. Hal tersebut juga

didukung dengan nilai t-test 25.6 sehingga dapat disimpulkan hipotesis

ini diterima. Hasil ini membuktikan bahwa para pengguna KIFEST

merasakan adanya hubungan yang kuat antara kenyamanan dengan

penerimaan. Hal tersebut juga menjelaskan tentang aspek psikologis

dari teori reasoned action (fishbein & Azjen, 1975) bahwa keyakinan

dan persepsi seseorang terhadap sesuatu hal mendasari sikap dan

tindakan orang tersebut.

H5 Bentuk (format) berpengaruh positif secara signifikan terhadap

sikap (attitude) penggunaan sistem KIFEST di PT Kimia Farma

(Persero) Tbk.

Hasil analisis untuk hipotesis ini terutama pada nilai t-test

menunjukkan nilai 0.017, hal ini juga menunjukkan bahwa hipotesis ini

ditolak. Diperkuat juga dengan nilai koefisien jalurnya yakni -0.001

berarti tidak memiliki pengaruh positif dan signifikan terhadap variabel

ATT yang menjadi variabel mediasi untuk kepuasan dan penerimaan

119
 pengguna. Hasil ini peneliti asumsikan dikarenakan penerapan sistem

aplikasi KIFEST pada lingkungan mandatory use. Para pengguna

sekaligus karyawan tidak memiliki pilihan untuk menggunakan sistem

lain dengan format yang mereka harapkan. Artinya format

bagaimanapun akan diterima secara sukarela dan akan digunakan dan

diterima bagaimanapun formatnya.

H6 Ketepatan waktu (timeliness) berpengaruh positif secara signifikan

terhadap sikap (attitude) penggunaan KIFEST di PT Kimia Farma

(Persero) Tbk.

Hasil pengujian hipotesis ini menunjukkan bahwa variabel ini

diterima dikarenakan nilai t-test berada di 2.067 meskipun pengaruhnya

kurang signifikan dengan nilai path coefficient -0.064. Hal ini dapat

dideskripsikan bahwa ketepatan waktu memiliki pengaruh yang kurang

signifikan terhadap attitude yang menjadi variabel moderasi untuk

menentukan penerimaan pengguna. Hal ini juga menunjukkan semakin

tepat waktu, maka pengguna semakin menunjukkan sikap positif

penggunaan. Semakin positif penggunaan maka rasa menerima aplikasi

KIFEST juga semakin tinggi. Hasil ini sesuai dengan penelitian

sekundera (2006) bahwa ketepatan waktu memiliki pengaruh terhadap

penerimaan pengguna akhir.

120
H7 Persepsi Kegunaan (usefulness) berpengaruh positif secara

signifikan terhadap sikap (attitude) penggunaan sistem KIFEST di

PT Kimia Farma (Persero) Tbk.

Hasil pengujian hipotesis ini menunjukkan nilai t-test 0.13 dan nilai

path coefficient 0.004 sehingga dinyatakan ditolak dan tidak memiliki

pengaruh positif secara signifikan terhadap variabel attitude yang

menjadi variabel moderasi/intervening terhadap penerimaan pengguna.

Hasil ini dipengaruhi oleh lingkungan penerapan sistem yakni

mandatory use sehingga persepsi kegunaan dari pengguna tidak

berpengaruh terhadap diterima atau tidaknya penerapan sebuah sistem.

Memiliki kegunaan yang baik ataupun tidak akan tetap diterima oleh

pengguna karena sebuah keharusan bagi mereka.

H8 Sikap pengguna (attitude) menjadi variabel intervening yang

berpengaruh positif secara signifikan terhadap penerimaan

(Acceptance) penggunaan KIFEST di PT Kimia Farma (Persero)

Tbk.

Hasil analisis untuk hipotesis ini menunjukkan hasil t-test 6.079 dan

nilai path coefficient 0.549 sehingga dapat dikatakan attitude menjadi

variabel intervening yang berpengaruh positif dan signifikan terhadap

penerimaan pengguna sistem aplikasi KIFEST. Hasil ini juga

mempertegas bahwa hipotesis ini diterima dengan rata-rata penilaian

responden diatas skala 3.8. dapat diartikan pula bahwa semakin positif

121
 sikap pengguna maka semakin tinggi juga penerimaan terhadap

penerimaan sistem aplikasi KIFEST.

H9 Sikap pengguna (attitude) menjadi variabel intervening yang

berpengaruh positif secara signifikan terhadap kepuasan

(Satisfaction) penggunaan KIFEST di PT Kimia Farma (Persero)

Tbk.

Hasil analisis untuk hipotesis ini menunjukkan hasil t-test 15.93 dan

nilai path coefficient 0.73 sehingga dapat dikatakan attitude menjadi

variabel intervening yang berpengaruh positif dan signifikan terhadap

kepuasan pengguna sistem aplikasi KIFEST. Hasil ini juga

mempertegas bahwa hipotesis ini diterima dengan rata-rata penilaian

responden diatas skala 4. dapat diartikan pula bahwa semakin positif

sikap pengguna maka semakin tinggi juga kepuasan yang dirasakan

pengguna terhadap penerimaan sistem aplikasi KIFEST. Dari hasil

hipotesis 8 dan hipotesis 9 juga menunjukkan bahwa variabel attitude

berhasil menjadi variabel moderasi dalam penelitian ini.

H10 Kepuasaan pengguna akhir (user satisfaction) berpengaruh positif

secara signifikan terhadap penerimaan pengguna (acceptance)

KIFEST di PT Kimia Farma (Persero) Tbk.

Berdasarkan hasil analisis untuk hipotesis ini menunjukkan nilai t-

test 2.657 dan nilai path coefficient 0.235 yang berarti bahwa kepuasan

122
pengguna akhir memiliki pengaruh positif dan signifikan terhadap

penerimaan pengguna aplikasi KIFEST. Hasil ini menunjukkan bahwa

semakin puas pengguna terhadap sistem aplikasi KIFEST semakin

menerima terhadap kehadiran pembaruan aplikasi KIFEST di masa

yang akan datang. Harapan dari para penggunaan memang menanti

pembaruan dari aplikasi KIFEST meskipun sudah merasa puas namun

pembaruan dan penerimaan terhadap pembaruan tersebut dapat

dikatakan sudah tinggi dan baik. Dengan demikian hipotesis ini

dinyatakan diterima.

123
 BAB V

PENUTUP

5.1 Kesimpulan

Pada bagian ini peneliti menyajikan beberapa kesimpulan yang dapat

diambil berdasarkan hasil penelitian yang telah dilakukan. Berikut ini

kesimpulan yang dapat diambil:

1. Hasil pengelolaan data diketahui bahwa responden yang berpartisipasi

dalam penelitian ini adalah 224 responden. Dari jumlah tersebut

Diketahui 196 responden (88%) menyatakan menerima kehadiran

aplikasi KIFEST dan hanya 28 responden (12%) yang tidak menerima

kehadiran aplikasi KIFEST. Kedua, diketahui juga bahwa 142

responden (62%) menyatakan merasa puas dan 82 responden (37%)

menyatakan kurang puas saat menggunakan sistem aplikasi KIFEST.

Ketiga, diketahui bahwa 65% responden menyatakan kenyamanan

dalam menggunakan KIFEST, 75% responden menyatakan aplikasi

KIFEST bermanfaat dan 66% responden menyatakan mudah dalam

menggunakan KIFEST.

2. Dari sepuluh hipotesis yang peneliti ajukan, ada enam yang diterima

yaitu Content terhadap Attitude, Enjoyment terhadap Attitude,

Timeliness terhadap Attitude, Attitude terhadap Acceptance, Attitude

terhadap User Satisfaction dan User Satisfaction terhadap Acceptance.

Maka dapat diartikan bahwa Content, Enjoyment, Timeliness, terbukti

124
 berpengaruh secara signifikan terhadap attitude yang menjadi variabel

moderasi dalam penelitian ini serta menjadi variabel moderasi yang

mempengaruhi user satisfaction dan acceptance. Dapat disimpulkan

juga bahwa kepuasan pengguna berpengaruh secara signifikan dalam

penerimaan pengguna akhir aplikasi KIFEST.

3. Berdasarkan pada hasil analisis data variabel yang memiliki pengaruh

terbesar terhadap penerimaan pengguna akhir sistem aplikasi KIFEST

adalah Content, Enjoyment dan Timeliness. variabel ini memiliki nilai

effect size tertinggi.

5.2 Saran

Berdasarkan hasil penelitian yang telah dilaksanakan, ada beberapa

saran atau masukan terkait untuk perusahaan serta pihak-pihak yang akan

melaksanakan penelitian selanjutnya (khususnya dengan topik sejenis).

Saran ini dimaksudkan untuk kebaikan dan kondisi yang lebih baik lagi di

masa yang akan datang. Saran tersebut yaitu:

1. Bagi unit Information Technology dan unit Human Capital Kimia

Farma sebagai pihak yang berwenang mengembangkan aplikasi

KIFEST, agar terus meningkatkan perhatian kepada variabel Content,

Enjoyment dan Timeliness di aplikasi KIFEST sebagai variabel yang

paling memiliki pengaruh terhadap penerimaan dan kepuasan pengguna

akhir. Kedua, peningkatan content dan enjoyment ini dapat dilakukan

dengan konten yang lebih beragam, memiliki manfaat, konten yang

memiliki kualitas yang baik dan ditampilkan dengan jelas serta user

125
 Friendly. Ketiga, sisi Timeliness dapat ditingkatkan dengan menyajikan

informasi secara tepat waktu serta menyiapkan tim layanan sistem yang

tepat waktu Dengan peningkatan variabel tersebut diharapkan menjadi

peningkatan kepuasan pengguna sehingga meningkat pula penerimaan

pengguna terhadap penerapan sebuah sistem di PT. Kimia Farma

(Persero) Tbk.

2. Bagi peneliti selanjutnya, oleh karena penelitian ini menggunakan

metode kuantitatif, sebaiknya dilakukan juga penelitian dengan

menggunakan metode kualitatif. Kedua, penentuan sampel penelitian

selanjutnya dapat dilakukan pada kantor Kimia Farma lainnya agar

hasil penelitiannya dapat di generalisasi dengan baik.

126
 DAFTAR PUSTAKA

Abdillah, W., & Hartono, J. (2015). Partial Least Square (PLS) Alternatif

Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Yogyakarta:

Andi Offset.

Al-Gahtani, S. ., & King, M. (1999). Attitudes, satisfaction and usage:factors

contributing to each in the acceptance of information technology. Behavior

and Information Technology, 18(4), 277–297. Retrieved from

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.636.8920&rep=rep

1&type=pdf

Al-Gahtani, S. S., & King, M. (1999). Attitudes, satisfaction and usage: Factors

contributing to each in the acceptance of information technology. Behaviour

and Information Technology. https://doi.org/10.1080/014492999119020

Anggrayeni, D. P. (2015). SISTEM MANDATORY USE BERDASARKAN MODEL

TAM DAN END USER COMPUTING SATISFACTION ( STUDI KASUS :

APLIKASI UR PADA BPJS KESEHATAN DIVISI REGIONAL VII JAWA

TIMUR ) ANALYSIS OF MANDATORY USE SYSTEM SUCCESS FACTORS

BASED ON TAM MODEL and END USER COMPUTING SATI. ITS

Surabaya.

Anwar, A. (2017). Analisis Penerimaaan Pemustaka Terhadap Institutional

Repository Berbasis E-Prints di Perpustakaan Universitas ... UIN SUNAN

KALIJAGA Yogyakarta.

Davis, F. D. (1985). A Technology Acceptance Model for Empirically Testing New

End-User Information Systems. Massachusetts Institute of Technology,

127
 (December 1985), 291. https://doi.org/10.1016/S0378-7206(01)00143-4

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

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

Scales. International Journal of Market Research, 50(1), 61–104.

https://doi.org/10.1177/147078530805000106

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

Satisfaction. Management Information Systems Research Center, University

of Minnesota, 12, 259–274.

Doll, W. J., & Torkzadeh, G. (1998). Developing a multidimensional measure of

system-use in an organizational context, 33.

Fatmawati, E. (2015). Technology Acceptance Model (TAM) untuk Menganalisis

Penerimaan Terasap Sistem Informasi Perpustakaan. Jurnal Iqra, 09(01), 1–

13.

Fatta, H. Al. (2007). Analisis dan Desain Sistem Informasi: untuk keuggulan

bersaing perusahaan dan organisasi modern. Yogyakarta: Penerbit Andi.

Retrieved from

https://books.google.co.id/books?id=oHi8C1W4N7wC&pg=PA183&dq=Al-

Bahra+Bin+Ladjamudin,+2005.+Analisis+dan+Desain+Sistem+Informasi,+

Yogyakarta.&hl=id&sa=X&ved=0CBoQ6AEwAGoVChMIwOb78Pj3xgIV

RqiUCh1H9g2c#v=onepage&q=Al-Bahra Bin Ladjamudin%2C 2005.

Analisis da

Fishbein, M., & Ajzen, I. (1980). Belief, attitude, intention and behavior: an

introduction to theory and research. Mass: Addison-Wesley.

128
Ghozali, I., & Latan, H. (2015). Partial least squares: Konsep, teknik dan aplikasi

menggunakan program SmartPLS 3.0 untuk penelitian empiris. Semarang:

Badan Penerbit UNDIP.

Hamrul, H., Soedijono, B., & Amborowati, A. (2013). Mengukur Kesuksesan

Penerapan Sistem Informasi Akademik ( Studi Kasus Penerapan Sistem

Informasi Stmik Dipanegara Makassar ). Seminar Nasional Informatika 2013,

2013(semnasIF), 140–146. https://doi.org/ISSN: 1979-2328

Hartono, W. (2011). PENGEMBANGAN TECHNOPRENEURSHIP : UPAYA

PENINGKATAN DAYA SAING BANGSA DI ERA GLOBAL,

2011(Semantik).

Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial

Least Squares ( PLS ) dengan smartPLS 3 . 0. Malang: UB Press.

Hutahaean, J. (2015). Konsep Sistem Informasi. Deepublish. Retrieved from

https://books.google.co.id/books?hl=id&lr=&id=o8LjCAAAQBAJ&oi=fnd

&pg=PR7&dq=hutahaean+2015&ots=t_tcqlLThG&sig=XigpggBk729AXQ

PLJ0fUdB8s2e0&redir_esc=y#v=onepage&q=hutahaean 2015&f=false

Istiarni, A. (2016). ANALISIS PENERIMAAN SISTEM INFORMASI

PERPUSTAKAAN BERBASIS TECHNOLOGY ACCEPTANCE MODEL DAN

END-USER COMPUTING SATISFACTION DI PERPUSTAKAAN

UNIVERSITAS MUHAMMADIYAH MAGELANG.

Kadir, A. (2014). Pengenalan Sistem Informasi Edisi Revisi. Yogyakarta: Andi

Offset.

KBBI. (2008). Kamus Besar Bahasa Indonesia. Jakarta: Pusat Bahasa Departemen

129
 Pendidikan Nasional.

Linders, S. (2006). Using the Technology Acceptance Model in determining

strategies for implementation of mandatory IS. Retrieved from

http://referaat.cs.utwente.nl/conference/4/paper/7168/using-the-technology-

acceptance-model-in-determining-strategies-for-implementation-of-

mandatory-is.pdf

Lopez-Nicolas, C., Molina-Castillo, F. J., & Bouman, H. (2008). Information &

Management An assessment of advanced mobile services acceptance :

Contributions from TAM and diffusion theory models. Information &

Management, 45, 359–364. https://doi.org/10.1016/j.im.2008.05.001

Mardiana, S., Tjakraatmadja, J. H., & Aprianingsih, A. (2015). International

Journal of Economics and Financial Issues DeLone–McLean Information

System Success Model Revisited: The Separation of Intention to Use -Use and

the Integration of Technology Acceptance Models. International Journal of

Economics and Financial Issues, 5(5), 172–182.

https://doi.org/10.1016/j.procs.2015.12.150

Megawati, & Firmandi, R. (2017). Analisis Perbandingan Metode Tam dan Utaut

Dalam Mengevaluasi Penerimaan Pengguna Sistem Informasi Manajemen

Rumah Sakit (SIMRS) (Studi Kasus: Rumah Sakit Jiwa Tampan Provinsi

Riau). Seminar Nasional Teknologi Informasi, Komunikasi Dan Industri

(SNTIKI), 18–19.

Moores, T. T. (2012). Towards an integrated model of IT acceptance in healthcare.

Decision Support Systems, 53(3), 507–516.

130
 https://doi.org/10.1016/j.dss.2012.04.014

Nazir, M. (2009). Metode Penelitian. Bogor: Ghalia Indonesia.

Nugraha, E. (2014). Analisis Pengukuran Technology Acceptance Model (TAM)

dan End User Computing Satisfaction (EUCS) Terhadap Penerimaan

Penerapan Sistem Input Nilai Dosen (SINDO).

Oktavia, P. (2012). LAYANAN TEKNOLOGI INFORMASI PENGGUNA JASA

INTERNET SERVICE PROVIDER ( Studi Kasus Pada PT . Platinum Citra

Indonesia , Tangerang ), 1(2), 69–79.

Pikkarainen, K., Pikkarainen, T., Karjaluoto, H., & Pahnila, S. (2006). The

measurement of end-user computing satisfaction of online banking services:

Empirical evidence from Finland. International Journal of Bank Marketing,

24(3), 158–172. https://doi.org/10.1108/02652320610659012

Rahadi, D. R. (2007). Peranan teknologi informasi dalam peningkatan pelayanan di

sektor publik. Seminar Nasional Teknologi 2007, 2007(November).

Rawstorne, P., Jayasuriya, R., & Caputi, P. (1998). An integrative model of

information systems use in mandatory environments. Proceedings of the

International Conference on Information Systems, 325–330.

Rosalina, N. (2017). Skripsi Pengujian Kepuasan Sistem Informasi Menggunakan

End User Computing Satisfaction Studi Kasus: Sistem Informasi Akademik

UIN Syarifhidayatullah Jakarta. UIN Syarif Hidayatullah Jakarta.

https://doi.org/10.13140/RG.2.2.25545.44647

Sangadji, E. mamang S. (2010). Metodologi Penelitian : Pendekatan Praktis dalam

Penelitian. Yogyakarta: Andi Offset.

131
Santoso, B. (2012). Pengaruh Perceived Usefulness, Perceived Ease of Use, dan

Perceived Enjoyment Terhadap Penerimaan Teknologi Informasi. Jurnal Studi

Akuntansi Indonesia, (1998), 1–15.

Saputra, L. asep. (2018). User Manual KIFEST (Kimia Farma Employee Self

Technology).

Sari, A. P., & Syamsuddin, M. A. (2017). Analisis Faktor End-User Computing

Satisfaction Terhadap Kepuasan Pengguna : Studi Kasus Kantor Pelayanan

Pajak Madya Balikpapan. Jurnal Pajak Indonesia, 1(2), 92–101.

Sekundera, C. P. . (2006). Analisis Penerimaan Pengguna Akhir Dengan

Menggunakan Technology Acceptance Model Dan End User Computing

Satisfaction Terhadap Penerapan Sistem Core Banking Pada Bank ABC, 100.

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

Keterangan Tinggal Sementara Online (SKTS) dengan Menggunakan Metode

End-User Computing Satisfaction. Airlangga University.

Shierla. (2014). Analisis Pengaruh Information Quality, System Quality dan

Physical Distribution Service Quality terhadap user Satisfaction Dan

Dampaknya Pada Intention To Use Pada PT. Pos Indonesia. Binus University.

Siregar, S. (2013). Statistik Parametrik untuk Penelitian Kuantitatif: Dilengkapi

dengan Perhitungan Manual dan Aplikasi SPSS versi 17. Jakarta: Bumi

Aksara.

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

The user satisfaction perspectives of the information system projects.

Indonesian Journal of Electrical Engineering and Computer Science, 4(1),

132
 215–223. https://doi.org/10.11591/ijeecs.v4.i1.pp215-223

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

Sutabri, T. (2012). Analisis Sistem Informasi. Yogyakarta: Andi Offset.

Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi metode

penelitian skala likert berbasis web. TINF-023 Issn 2407-1846, 1(November),

1–8. Retrieved from

https://jurnal.umj.ac.id/index.php/semnastek/article/view/540

Wahyudi, S. T. (2017). STSTISTIKA EKONOMI Konsep, Teori dan Penerapan. UB

Press.

Widiyastuti, S., Andretti, A., & Leon, K. (2014). Sistem Informasi Eksekutif

Bagian Kepegawaian Pada Pt. Pelindo II (Persero) Palembang. Seminar

Nasional Teknologi Informasi, Komunikasi Dan Manajemen, 5(01), 165–171.

Retrieved from

http://eprints.binadarma.ac.id/2225/1/Abdillah2014_SEMNASTIK_SIE_Kep

egawaian_PelindoII.pdf

Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data Penelitian

dengan Partial Least Square Path Modeling: Aplikasi dengan Software

XLSTAT, SmartPLS, dan Visual PLS. Jakarta: Salemba Infotek.

Yulianingsih, E. (2016). Analisis Kepuasan Terhadap Penggunaan E-Learning

Menggunakan Technology Acceptance Model Dan End User Computing

Satisfaction. Jurnal Ilmiah MATRIK, 18(1), 27–42.

Zuriah, N. (2016). Metodologi penelitian sosial dan pendidikan: teori, aplikasi.

Jakarta: Bumi Aksara.

133
Lampiran-Lampiran

134
 Lampiran 1

Kuesioner Penelitian

135
Hal : Kuesioner Jakarta, 22 Oktober 2018

Kepada Yth.
Bapak / Ibu / Saudara / i
Pengguna Kimia Farma Employee Service Technology (KIFEST)
Di tempat

Dengan hormat,
Assalamu’alaikum warahmatullahi wabaraaktuh
Sehubungan dengan penelitian saya yang berjudul “Tingkat Penerimaan
Pengguna Akhir Sistem Informasi Pegawai Kimia Farma (KIFEST)
Menggunakan Pendekatan Technology Acceptance Model (TAM) dan End
User Computing Satisfaction (EUCS)”, saya memohon kesediaan anda untuk
membantu dengan cara memberikan jawaban pada kuisioner terlampir
menurut keadaan sebenaranya sesuai dengan pendapat anda. Semua jawaban
yang anda berikan dijamin kerahasiaannya.
Tujuan dari penelitian ini adalah untuk kepentingan akademik, data yang
terkumpul digunakan untuk menyusun skripsi pada Program Studi Sistem
Informasi Universitas Islam Negerin (UIN) Syarif Hidayatullah Jakarta.
Demikian permohonan dari saya, atas segala bantuan, kerjasama serta
kesediaannya diucapkan terima kasih, teriring doa semoga Tuhan membalas
kebaikan anda.
Wassalamu’alaikum warahmatullahi wabaraaktuh
Hormat saya,

M. Hasbi Hilmi

136
Petunjuk pengisian kuesioner :
1. Isikan identitas Anda pada kolom yang disediakan
2. Dalam pengisian kuesioner di bawah ini, peneliti menggunakan skala Likert dari
1-5
3. Keterangan pilihan jawaban pada kuesioner: SS (Sangat Setuju), S (Setuju), KS
(Kurang Setuju), TS (Tidak Setuju), STS (Sangat Tidak Setuju).
4. Berikan tanda checklist (√) pada kolom sesuai jawaban Anda.
Data Responden:
1. Nama :___________________________
2. Telepon / Email : ___________________________
3. Jenis Kelamin :  Laki-laki  Perempuan

4. Usia : ___________________________
5. Unit Kerja : ___________________________
6. Sejauh mana anda menerima Aplikasi KIFEST untuk pekerjaan anda?
□ Sangat □ Menerima □ Cukup □ Kurang □ Tidak
Menerima Menerima Menerima Menerima
7. Sejauh mana anda merasakan manfaat Aplikasi KIFEST untuk pekerjaan anda?
□ Sangat □ Bermanfaat □ Cukup □ Kurang □ Tidak
Bermanfaat Bermanfaat Bermanfaat Bermanfaat
8. Sejauh mana anda merasakan Kemudahan ketika menggunakan Aplikasi KIFEST untuk
pekerjaan anda?
□ Sangat □ Mudah □ Cukup □ Kurang □ Tidak
Mudah Mudah Mudah Mudah
9. Sejauh mana anda merasakan Kenyamanan ketika menggunakan Aplikasi KIFEST
untuk pekerjaan anda?
□ Sangat □ Nyaman □ Cukup □ Kurang □ Tidak
Nyaman Nyaman Nyaman Nyaman
10. Sejauh mana anda merasakan Kenyamanan ketika menggunakan Aplikasi KIFEST
untuk pekerjaan anda?
□ Sangat □ Memuaskan □ Cukup □ Kurang □ Tidak
Memuaskan Memuaskan Memuaskan Memuaskan

137
Daftar Pertanyaan:

1. Pernyataan variabel Perceived Usefulnes (Kebermanfaatan)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, dengan adanya aplikasi KIFEST
1
menjadikan tugas selesai lebih cepat
Menurut saya, dengan adanya aplikasi KIFEST
2
dapat meningkatkan kualitas kerja
Menurut saya, dengan adanya aplikasi KIFEST
3
dapat meningkatkan produktifitas kerja
Menurut saya, dengan adanya aplikasi KIFEST
4
dapat menambah efektifitas kerja
Menurut saya, dengan adanya aplikasi KIFEST
5
dapat mempermudah pekerjaan
Menurut saya, dengan adanya aplikasi KIFEST
6
bermanfaat dalam menyelesaikan kerja

2. Pernyataan variabel Perceived Ease of Use (Kemudahan Penggunaan)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Sistem aplikasi KIFEST sudah
7
user-friendly
Menurut saya, Sistem aplikasi KIFEST sangat
8
mudah dioperasikan
Menurut saya, Sistem aplikasi KIFEST sangat
9
mudah dipahami
Menurut saya, Sistem aplikasi KIFEST
10
mempermudah interaksi dengan pengguna
Menurut saya, Sistem aplikasi KIFEST memiliki
11
petunjuk untuk pengguna dan menu bantuan

138
 3. Pernyataan variabel Perceived Enjoyment (Kenyamanan)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Dengan aplikasi KIFEST bekerja
12
menjadi lebih menyenangkan
Menurut saya, Dengan aplikasi KIFEST bekerja
13
menjadi lebih nyaman
Menurut saya, Dengan aplikasi KIFEST bekerja
14
menjadi lebih menarik

4. Pernyataan variabel Accuracy (Akurasi)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Sistem aplikasi KIFEST
15
menghasilkan informasi yang akurat.
Menurut saya, Sistem aplikasi KIFEST
16 menghasilkan informasi yang dapat diandalkan
dan dipercaya.
Menurut saya, Sistem aplikasi
17 KIFESTmenampilkan output pada layar yang
sesuai dengan apa yang diperintahkan di-input.
Menurut saya, Sistem aplikasi KIFEST bekerja
18
sesuai dengan standar yang ditentukan.

5. Pernyataan variabel Content (Isi)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Konten aplikasi KIFEST sesuai
19
dengan kebutuhan saya
Menurut saya, Konten aplikasi KIFEST
20
disajikan beragam dan menarik

139
 Menurut saya, Konten aplikasi KIFEST
21
bermanfaat untuk saya
Menurut saya, Konten aplikasi KIFEST
22
memiliki kualitas yang baik
Menurut saya, Konten aplikasi KIFEST
23
ditampilkan secara jelas

6. Pernyataan variabel Format (Bentuk)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Format sistem aplikasi KIFEST
24
menarik bagi saya.
Menurut saya, Format sistem aplikasi KIFEST
25
yang ditampilkan jelas.
Menurut saya, Format sistem aplikasi KIFEST
26
mudah digunakan.
Menurut saya, Format sistem aplikasi KIFEST
27
menampilkan informasi dengan baik.

7. Pernyataan variabel Timeliness (Ketepatan Waktu)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Sistem aplikasi KIFEST
28
menyajikan informasi secara tepat waktu
Menurut saya, Sistem applikasi KIFEST
29
memberikan data up-to-date
Menurut saya, Sistem aplikasi KIFEST dapat
30
menyajikan informasi ketika dibutuhkan
Menurut saya, Sistem aplikasi KIFEST
31
didukung tim layanan sistem yang tepat waktu

140
 8. Pernyataan variabel Attitude (Sikap)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Menggunakan aplikasi KIFEST
32
adalah hal yang bagus
Menurut saya, Sistem aplikasi KIFEST
33
membuat pekerjaan menjadi lebih menarik
Menurut saya, Bekerja dengan Aplikasi KIFEST
34
sangat menyenangkan

9. Pernyataan variabel Acceptance (Penerimaan)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Menurut saya, Aplikasi KIFEST menjadi acuan
35
dalam menyelesaikan pekerjaan
Menurut saya, Dalam menyelesaikan pekerjaan
36
saya bergantung terhadap aplikasi KIFEST

10. Pernyataan variabel Satisfaction (Kepuasan)

Jawaban Responden
No. Pernyataan
STS TS KS S SS
Adanya aplikasi KIFEST ini sudah memiliki
37
fungsi yang tepat
Adanya aplikasi KIFEST ini memiliki kinerja
38
yang cermat
Secara keseluruhan, saya puas menggunakan
39
sistem aplikasi KIFEST

141
 Lampiran 2

Hasil Pengujian Awal

142
Hasil Pengujian Awal Pengukuran Tingkat Penerimaan Pengguna Akhir

Kimia Farma Employee Service Technology (KIFEST) Menggunakan

Pendekatan Technology Acceptance Model (TAM) & End User Computing

Satisfaction (EUCS)

1. Hasil analisis Demografi

Jenis Kelamin
25

20
21
15

10
11
5

0
1

laki-laki Perempuan

Usia
20
15
15 13

10

5
2 2

0
1

17-25 Tahun 26 - 35 Tahun 36 - 45 Tahun 46 - 55 Tahun

143
 0
5
10
15
20
DIVISI SUPPLY CHAIN 0
DIVISI PROCUREMENT 0
DIVISI PENGEMBANGAN… 3
DIVISI RISET DAN… 0
DIVISI SEKRETARIS… 0
17

DIVISI SATUAN PENGAWAS… 0

TRANSFORMATION… 0
6

DIVISI AKUNTANSI 0

16 - 25 Tahun
DIVISI KEUANGAN 5

Kurang 3 Tahun
DIVISI IT 16
5

DIVISI HUMAN CAPITAL 2

UNIT UMUM, PKBL &CSR 0
1

3 - 5 Tahun

SBU PROPERTY 1
25 - 30 Tahun
2
Lama Kerja

SBU MARKETING & SALES 0

SBU MANUFAKTUR 0

144
PLANT SEMARANG 0 DIVISI KERJA
2

PT KF SUNGWUN… 0
PLANT JAKARTA 0
5 - 15 Tahun
Lebih 30 Tahun

PLANT BANDUNG 2
0

DIVISI DIGITAL BUSINESS… 0

PLANT MEDAN 0
PLANT WATUDAKON 0
NATIONAL DISTRIBUTION… 1
RESEARCH & DEVELOPMENT 2
 Status Penerimaan
20
17

15
10
10
5
5
0 0
0
1

Sangat Menerima Menerima

Cukup Menerima Kurang Menerima
Tidak Menerima (menolak)

Status Kepuasan
30
24
25

20

15

10
6
5
1 1 0
0
1

Sangat Memuaskan Memuaskan Cukup Memuaskan

Kurang Memuaskan Tidak Memuaskan

145
 2. Hasil Analisis Model Pengukuran (Outer Model)
Dengan melihat nilai outer loading dari semua indikator pada tabel dibawah ini,

semua memiliki nilai outer loading diatas 0,5

146
Indikator Reliability

Dengan memeriksa nilai loading dari setiap indikator yang ada, maka hasilnya

adalah tidak ada indikator yang dihapus karena nilai loadingnya tidak ada yang

berada di bawah 0,4.

Internal Consistency Reliability dan Convergent Validity

Diuji dengan cara melihat hasil nilai Composite Reliability (CR) dengan angka

minimal diatas 0,7 dan melihat nilai Average Variance Extracted (AVE) dengan

nilai minimum ambang batas yang diterima adalah 0,5.

Average
Composite Variance
Reliability Extracted
(AVE)
ACC 0.948 0.820
ACCP 0.958 0.919
ATT 0.903 0.758
CON 0.954 0.807
ENJ 0.940 0.839
EOU 0.937 0.748
FOR 0.973 0.900
PU 0.961 0.804
TIM 0.958 0.851
US 0.923 0.801

147
Discriminant Validity

Diuji melalui analisis perbandingan cross loading dengan nilai kuadrat AVE juga telah memenuhi syarat, sebagai berikut:

Outer Cross Loadings AKAR

VAR IND AVE CR
Loading ACC ACCP ATT CON ENJ EOU FOR PU TIM US AVE
ACC1 0.921 0.921 0.657 0.705 0.752 0.718 0.702 0.677 0.508 0.731 0.671
ACC2 0.884 0.884 0.638 0.733 0.762 0.722 0.750 0.742 0.649 0.788 0.736 0.820
ACC 0.948 0.91
ACC3 0.897 0.897 0.678 0.685 0.765 0.666 0.702 0.826 0.712 0.738 0.804
ACC4 0.920 0.920 0.758 0.736 0.886 0.707 0.707 0.860 0.723 0.811 0.867
ACCP1 0.964 0.801 0.964 0.812 0.814 0.782 0.701 0.798 0.788 0.837 0.845 0.919 0.958
ACCP 0.96
ACCP2 0.953 0.634 0.953 0.710 0.675 0.726 0.479 0.586 0.727 0.742 0.736
ATT1 0.800 0.700 0.641 0.800 0.884 0.647 0.718 0.737 0.545 0.710 0.636
0.758
ATT ATT2 0.888 0.722 0.674 0.888 0.713 0.906 0.679 0.779 0.771 0.642 0.748 0.903 0.87
ATT3 0.919 0.650 0.761 0.919 0.633 0.934 0.774 0.634 0.794 0.625 0.750
CON1 0.853 0.843 0.829 0.774 0.853 0.714 0.780 0.869 0.724 0.814 0.817
CON2 0.861 0.760 0.619 0.611 0.861 0.558 0.572 0.798 0.484 0.705 0.607
CON CON3 0.884 0.700 0.641 0.800 0.884 0.647 0.718 0.737 0.545 0.710 0.636 0.807 0.954 0.90
CON4 0.957 0.808 0.745 0.798 0.957 0.697 0.664 0.901 0.688 0.828 0.822
CON5 0.933 0.821 0.665 0.777 0.933 0.716 0.692 0.887 0.671 0.817 0.784
ENJ1 0.934 0.650 0.761 0.919 0.633 0.934 0.774 0.634 0.794 0.625 0.750
ENJ 0.839 0.940 0.92
ENJ2 0.907 0.771 0.729 0.827 0.707 0.907 0.722 0.600 0.691 0.669 0.725

148
 ENJ3 0.906 0.722 0.674 0.888 0.713 0.906 0.679 0.779 0.771 0.642 0.748
EOU1 0.857 0.732 0.678 0.774 0.769 0.709 0.857 0.749 0.649 0.659 0.727
EOU2 0.906 0.701 0.455 0.649 0.628 0.596 0.906 0.651 0.488 0.492 0.551
EOU EOU3 0.913 0.691 0.441 0.656 0.600 0.652 0.913 0.618 0.498 0.415 0.545 0.748 0.937 0.86
EOU4 0.877 0.681 0.529 0.806 0.704 0.781 0.877 0.716 0.635 0.519 0.707
EOU5 0.762 0.597 0.562 0.667 0.583 0.653 0.762 0.567 0.644 0.600 0.698
FOR1 0.967 0.808 0.728 0.809 0.888 0.730 0.687 0.967 0.801 0.785 0.857
FOR2 0.949 0.832 0.659 0.791 0.873 0.730 0.692 0.949 0.758 0.749 0.8100
FOR 0.900 0.973 0.95
FOR3 0.946 0.822 0.667 0.746 0.904 0.659 0.821 0.946 0.610 0.747 0.744
FOR4 0.933 0.793 0.712 0.758 0.879 0.662 0.732 0.933 0.674 0.783 0.738
PU1 0.918 0.736 0.754 0.815 0.705 0.822 0.717 0.685 0.918 0.747 0.929
PU2 0.786 0.423 0.611 0.670 0.511 0.670 0.469 0.562 0.786 0.577 0.599
PU3 0.930 0.626 0.732 0.778 0.624 0.787 0.619 0.698 0.930 0.720 0.820
PU 0.804 0.961 0.90
PU4 0.913 0.733 0.751 0.705 0.659 0.703 0.651 0.732 0.913 0.764 0.924
PU5 0.877 0.624 0.672 0.686 0.593 0.715 0.586 0.656 0.877 0.517 0.798
PU6 0.947 0.690 0.731 0.714 0.649 0.711 0.599 0.703 0.947 0.738 0.884
TIM1 0.907 0.737 0.778 0.682 0.766 0.608 0.491 0.714 0.682 0.907 0.755
TIM2 0.923 0.754 0.706 0.677 0.764 0.636 0.571 0.739 0.660 0.923 0.792
TIM 0.851 0.958 0.92
TIM3 0.919 0.811 0.747 0.734 0.817 0.718 0.687 0.782 0.756 0.919 0.865
TIM4 0.941 0.826 0.822 0.680 0.840 0.630 0.556 0.742 0.699 0.941 0.825
US1 0.929 0.736 0.754 0.815 0.705 0.822 0.717 0.685 0.918 0.747 0.929
US 0.801 0.923 0.89
US2 0.924 0.733 0.751 0.705 0.659 0.703 0.651 0.732 0.913 0.764 0.924

149
 US3 0.828 0.821 0.719 0.673 0.848 0.638 0.656 0.824 0.639 0.854 0.828

Total dari 39 indikator seluruhnya memiliki nilai outer loading diatas 0,5 telah dianggap signifikan secara praktikal (Jogiyanto, 2015;

Ghozali, 2015). Selain itu berdasarkan nilai, CR, AVE dan cross loading juga tselah memenuhi syarat sehingga indikator pertanyaan

ini dianggap sudah memenuhi syarat untuk digunakan sebagai instrument penelitian.

150
 Lampiran 3

Hasil Kuesioner 224 Responden

151
 Hasil Kuesioner 224 Responden

PU1 PU2 PU3 PU4 PU5 PU6 EOU1 EOU2 EOU3 EOU4 EOU5 ENJ1 ENJ2 ENJ3 ACC1 ACC2 ACC3 ACC4 CON1 CON2
4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
2 2 2 2 2 2 3 4 4 4 4 2 2 2 3 3 3 3 3 3
4 3 3 3 3 3 4 3 3 4 4 3 4 4 4 4 3 4 3 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
5 5 5 5 4 5 4 5 5 5 5 4 4 5 4 5 5 4 5 4
3 4 3 4 4 4 4 4 3 3 3 3 3 3 3 3 4 4 4 4
4 3 3 4 4 4 4 4 4 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 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 5 3 4 4 4 3 3 4 3 3 3 4 4 5 4 4 3
4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 3 4 4 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 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 3 3 4 3 4 4 4 3 3 4 4 3 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4
3 4 4 2 3 3 3 3 3 3 4 3 4 3 3 3 3 3 3 3
3 4 4 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3
3 3 3 3 3 3 3 5 5 4 4 4 4 4 4 4 4 3 4 3
3 3 3 3 4 3 4 4 4 4 3 3 3 3 3 3 4 4 3 4
4 4 4 4 4 4 4 4 4 4 3 3 4 3 4 4 5 5 5 5

152
3 4 4 4 3 3 5 5 5 4 3 4 4 4 5 5 4 4 4 5
3 3 2 2 2 2 4 4 4 4 2 3 4 2 4 3 3 3 3 3
3 4 4 4 4 3 4 4 4 3 3 3 3 4 3 4 3 3 3 4
4 4 4 4 5 4 4 4 4 5 3 4 4 5 4 3 5 4 4 3
5 3 4 5 5 4 5 5 5 4 5 4 5 4 5 5 5 5 4 4
5 4 5 5 4 4 5 4 4 5 5 5 4 5 4 4 4 4 5 4
4 4 4 4 4 4 3 3 3 4 3 4 4 4 4 4 4 4 3 3
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 4 4 4 4 4 4 3 2 2 3 3 3 3 2
4 3 4 5 5 4 3 3 4 4 4 3 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 4 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 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 4 4 4 4 3 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 2 4 3 1 4 1 1 1 2 3 2 3 3 2
4 4 4 5 4 4 4 4 5 4 4 5 4 4 5 5 4 4 4 3
4 4 4 4 4 4 3 4 3 4 3 3 3 3 4 4 4 4 4 4
4 4 4 5 4 4 5 4 5 3 4 4 5 4 4 3 4 4 3 5
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
1 1 1 1 1 1 2 4 5 1 3 1 1 1 3 3 3 3 3 2
3 3 4 3 4 3 5 5 5 3 5 3 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
4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
2 3 3 3 2 2 3 3 3 3 3 3 3 3 3 3 2 3 3 3

153
2 2 2 2 2 2 3 4 4 3 3 3 2 2 2 2 2 3 2 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
3 3 3 3 4 3 3 3 3 3 3 4 4 4 2 2 3 3 3 2
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 5 4
2 2 2 2 2 2 4 2 2 3 2 2 2 3 3 2 2 2 2 3
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 4 4 4 4 4 3 4 4 4 4 4
3 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 4 4 4 4 3 4 4 4 4 3 4 3 4 3 3 3 3 3
3 2 2 3 2 2 2 2 2 2 2 2 2 2 3 2 3 3 3 2
4 3 2 3 3 3 4 4 3 3 3 3 2 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3
3 3 3 3 4 4 5 5 5 4 4 5 4 5 4 4 5 4 4 5
5 5 4 4 5 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4
4 4 4 3 4 4 4 3 4 4 3 3 4 4 4 4 4 4 3 3
3 3 2 3 2 2 3 3 3 3 3 3 4 3 3 3 2 3 3 4
3 3 3 4 3 3 4 4 3 3 4 4 4 3 4 4 3 3 4 4
4 4 4 4 4 4 3 4 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 4 4 2 4
2 2 2 2 2 2 2 3 3 2 1 2 2 2 1 1 2 3 3 2
4 4 4 4 4 4 3 3 3 4 2 4 4 4 4 4 5 4 5 3
4 4 4 4 5 4 4 4 5 5 5 5 5 5 4 4 5 5 5 5
4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 2

154
3 3 3 3 3 3 4 4 4 3 3 3 3 3 4 4 3 3 2 3
4 4 4 5 4 4 3 4 4 5 4 5 4 4 4 4 4 4 4 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 4 3 2 2 4 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 2 2 3 3 3
4 4 4 4 4 4 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 4 4 4 4 4 4 3 3 4 4 3 3 4 4
3 2 2 3 2 2 3 4 4 3 2 2 2 2 2 2 3 3 3 2
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 2 2 2 5
3 3 3 3 2 2 3 3 3 3 3 3 3 2 2 2 3 3 3 2
4 3 3 3 3 3 3 3 3 3 4 3 4 4 4 3 3 4 4 4
4 3 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 5 4
3 3 3 3 4 3 5 5 4 4 4 3 3 3 3 4 5 4 3 3
4 4 4 4 4 4 3 4 4 4 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 3 3 3 3
4 4 3 3 3 4 4 5 5 4 4 4 4 3 5 5 3 3 4 3
3 3 3 3 2 2 3 3 3 3 2 3 3 3 3 3 3 3 3 3
5 4 4 5 5 5 4 5 5 4 3 4 4 4 5 5 4 4 4 4
3 4 4 4 4 4 3 4 4 4 4 3 3 3 4 4 4 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 2 2 2 2 4 4 2 4 2 2 2 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
4 5 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3

155
1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2 3 2 2 2 4 4 4 3 4 2 2 2 2 4 4 4 2 2
3 2 2 2 2 2 3 3 3 3 3 2 2 2 3 3 3 3 3 3
4 3 3 4 3 3 3 3 3 3 4 3 3 3 3 3 3 4 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5
4 3 3 4 4 4 4 4 4 4 3 3 4 3 3 4 4 4 4 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 4 4 3 4 3 3 3 3 3 4 4 4 4 3 3 3
4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4
4 4 4 4 5 5 4 5 5 4 4 5 5 5 4 5 5 4 5 4
4 4 5 5 4 5 5 5 5 5 4 5 5 5 5 5 5 5 5 5
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 3 3 3 3 3 3 3 3 3 3 4 3 4 3
3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 5 3 3 4 4 4 4 4 5 3 3 3 3 3 4 4 4 4
4 5 5 5 5 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 4 4 4 4 4 4 4 4
4 5 5 4 5 3 3 4 3 4 3 4 4 4 5 5 5 4 5 4
3 3 3 3 3 3 3 3 3 3 4 4 3 4 3 3 3 3 3 4
4 3 3 3 3 4 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 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 4 3 3 5 3 4 4 4 4 3 4 4 3 3 3 3 3 3 4

156
2 3 3 3 3 3 5 5 5 5 4 3 3 3 4 4 4 3 3 3
1 3 4 4 4 2 4 4 4 3 4 4 4 4 2 2 4 3 4 2
3 3 3 3 4 3 4 4 4 3 4 3 3 3 4 4 4 4 4 4
3 3 4 4 4 3 4 4 4 4 4 3 4 3 3 4 4 4 3 3
3 4 3 3 3 3 4 4 4 4 3 3 3 4 3 4 3 2 3 4
4 3 4 3 4 3 4 4 3 4 4 3 3 4 4 3 4 4 4 3
1 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 4 5 4 4 4 4 4 5 4
4 4 4 5 4 4 4 5 4 4 4 5 5 4 4 4 4 4 3 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 3 3
3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 4 4 4 4 4 3 3 3 3 4 3 3 3 3
2 2 3 3 3 2 3 3 3 3 3 2 2 3 3 2 3 3 3 2
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 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 4 5 5 5 4 5 5 5 5 5
2 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4
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 3 3 4 3 4 3 3 3 4 3 4 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
2 2 3 3 4 2 2 3 3 3 3 2 2 3 4 4 4 3 3 3
3 3 3 4 3 3 4 4 3 3 3 3 3 4 4 3 3 3 3 4
2 3 3 3 3 3 4 2 3 3 3 3 3 3 3 3 3 3 2 3
3 3 3 3 3 3 3 3 2 2 2 2 4 4 5 5 3 4 3 4

157
2 2 2 2 2 2 5 5 5 5 3 2 2 2 4 5 5 5 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 4 3 3 4 4 4 3 2 3 3 3 3 3 4 4 3 3
3 3 3 4 3 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4
4 4 4 4 4 4 4 4 4 4 4 3 3 3 4 3 4 4 3 3
5 4 3 4 4 3 5 4 5 4 3 3 3 3 4 4 4 4 4 5
4 5 5 5 5 4 5 4 4 5 4 5 5 5 4 4 4 4 4 4
4 3 3 3 4 3 4 4 4 4 3 3 3 3 3 4 3 3 4 4
5 5 5 5 5 5 4 4 4 5 4 5 5 5 5 5 4 4 4 4
4 3 3 3 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 3
4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 4 5 4 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4
5 4 4 4 5 4 4 5 4 4 4 4 4 5 4 5 4 4 4 4
3 3 4 4 4 4 3 3 3 3 3 3 3 3 3 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
5 5 5 5 5 4 5 5 5 4 5 4 4 4 5 5 4 5 5 4
4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
1 4 2 4 1 4 4 5 5 4 3 1 1 1 4 4 3 4 4 4
4 4 3 3 3 3 4 4 4 4 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 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 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 4 3 4 3 4 4 4 4 5 4 4 4 5 5 4 4 4 5 5
4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4
3 3 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 2 3

158
4 3 3 4 3 3 5 5 4 4 4 3 3 3 4 4 4 4 4 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 4 4 3 4 4 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
3 4 4 3 4 4 4 4 5 3 3 3 4 4 4 3 4 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 4
4 4 4 3 4 3 3 3 3 4 3 3 3 3 4 3 4 4 3 4
3 3 3 3 3 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4
3 3 2 2 2 2 3 3 3 3 3 3 2 2 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 4 3 3 3 3 4 4 3 3 3 4 3 4 3 4 3 4 4
3 4 4 4 4 4 5 5 5 4 4 3 4 3 4 3 5 4 3 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
2 2 3 3 3 2 3 3 3 2 3 4 3 3 4 3 3 3 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 4 4 3 3 3 2 3 3 3 3 3 3 3 4 3 4 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
4 4 4 4 5 4 5 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 3 3
4 4 4 5 4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4
3 3 3 3 3 3 4 4 4 4 4 3 3 4 4 3 4 3 3 3
2 3 3 3 2 2 3 3 3 3 2 2 3 3 2 2 4 3 3 3
3 4 4 3 3 4 3 4 4 3 3 4 3 3 3 3 4 4 3 3
2 3 3 3 2 2 3 4 4 2 2 2 2 2 3 5 3 3 3 2

159
4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 3 3 3 3 4
3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 3 2 4 4 2 1 4 5 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 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 5 5 5 5 5 5 5 5 5 5 5 5 5 4
4 4 3 3 3 3 4 4 4 3 3 3 3 3 4 4 4 3 4 4
4 3 3 3 3 3 4 3 4 3 3 3 3 3 3 4 3 3 3 3
5 4 4 4 4 4 4 4 3 3 4 3 3 4 3 3 3 4 4 4
3 3 3 3 3 3 3 3 3 4 3 3 3 3 4 3 3 3 3 3
3 3 3 3 3 3 4 2 3 3 2 3 3 3 3 2 4 3 3 3
3 3 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 4 4 5 5 5 4 4 5 4 5 4 4 5 4 4 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 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 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 3 4 4 4 4 4 4 4 3 3 4 3 3 4 4 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 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 3 5 4 4 4 4 4 4 4 4 4 4 4 4 3
3 4 5 4 3 4 5 5 5 5 5 4 4 4 5 5 5 5 4 4

160
5 4 4 4 4 4 4 5 5 4 3 5 5 5 4 5 5 4 5 4
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Data 224 Responden

CON3 CON4 CON5 FOR1 FOR2 FOR3 FOR4 TIM1 TIM2 TIM3 TIM4 ATT1 ATT2 ATT3 ACCPT1 ACCPT2 US1 US2 US3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 4 3 2 3 3 2 3 2 2 2 1 4 4 4
5 5 5 4 4 4 4 4 5 4 4 5 4 3 3 3 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
4 4 5 5 5 5 5 4 5 5 4 4 5 4 4 3 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
4 4 3 4 4 4 4 4 3 3 3 4 4 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 5 5 4 5 4 3 3 4 3 4 4 4
4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 3 4 4 4
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 3 3 3 3 3 3 3 3 3 3 3 3
3 4 4 4 4 4 4 4 4 3 3 3 4 4 3 4 4 4 4
4 4 4 4 4 4 4 4 4 3 4 4 3 3 4 4 4 4 4
4 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3 3 3 3

161
3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 3 3 3 3
4 3 4 3 4 4 3 3 3 3 3 4 4 4 3 3 3 3 3
4 4 4 4 4 4 4 2 2 2 3 4 3 3 3 2 3 3 3
5 5 5 5 5 5 5 5 4 5 5 5 3 3 4 4 5 5 5
4 4 4 4 4 5 5 4 5 4 4 4 4 4 4 3 4 4 4
4 3 3 2 2 3 3 3 2 3 3 4 2 3 3 3 3 3 3
4 4 4 4 4 4 4 4 3 3 3 4 4 3 3 3 3 3 3
4 4 4 5 5 4 4 3 3 4 3 4 5 4 4 3 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 5 4 5 5 5 5 4 4 5 5 5 5 5 4 4 4
4 4 4 4 4 3 3 4 4 4 4 4 4 4 3 3 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 3 3 3 3 3 3 3 3 3 3 4 2 4 3 3 3 3 3
3 4 4 4 4 4 3 3 4 4 4 3 4 3 4 4 4 4 4
5 4 4 4 4 4 5 5 5 5 4 5 5 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
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 4 4 4 4 4 4 4 4 4 4 4 4 4
3 2 3 3 2 4 3 3 2 2 3 3 1 1 1 1 3 3 3
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 3 3 4 4 4 4 4
4 4 4 5 3 5 5 4 3 4 4 4 4 4 4 5 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 2 3 4 3 3 3 2 1 3 1 1 1 1 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4

162
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 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 2 3 2 3 3 3 3 1 3 3 3
3 3 3 3 2 3 3 3 2 2 2 3 2 3 2 1 3 3 3
4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 3 3 3 3 3 2 3 2 2 3 4 4 4 2 2 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 3 4 4 4 4 4 4 4 5 4 5 5 5
3 3 3 2 3 3 3 3 3 3 3 3 3 2 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 3 3 3
3 3 3 3 3 3 3 3 3 4 4 3 3 3 4 4 4 4 4
4 2 2 2 2 3 3 3 3 3 3 4 2 2 2 2 3 3 3
3 3 3 3 3 3 3 2 3 3 2 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 5 5 4 4 4 4 4 4 5 4 5 5 3 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 4 3 3 4 4 4 4 3 3 2 5 4 3 3 3 4 4 4
3 2 3 3 3 3 3 3 3 3 3 3 3 3 2 2 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 4 3 4 4 4 4
3 3 3 3 3 3 3 3 4 3 3 3 4 4 3 4 3 3 3
4 3 4 4 4 4 4 4 1 1 1 4 4 4 2 1 3 3 3

163
3 2 3 2 2 2 2 2 2 2 2 3 2 2 1 1 2 2 2
5 4 3 5 3 4 4 4 4 4 3 5 4 4 4 5 4 4 4
5 5 5 5 5 5 5 5 4 4 4 5 5 5 4 4 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 2 4 4 4
4 3 4 3 3 3 3 3 3 3 3 4 3 3 2 2 2 2 2
5 5 4 4 4 4 4 4 4 4 4 5 4 5 4 2 4 4 4
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 3 3 3 3 3 3 3 3 3 3 3 3
3 3 2 3 3 3 2 3 3 3 3 3 3 3 3 4 3 3 3
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 3 3 3 3 3 4 3 4 4 3 4 4 4
3 3 4 3 3 3 3 3 3 2 2 3 2 2 2 2 3 3 3
5 2 5 5 5 5 5 5 5 5 5 5 5 5 5 3 2 2 2
3 3 3 2 3 3 3 2 2 2 2 3 2 3 3 2 2 2 2
4 5 5 4 5 4 4 4 4 4 4 4 4 3 4 4 4 4 4
4 4 4 4 4 5 5 4 4 4 4 4 4 3 3 2 4 4 4
4 3 4 4 4 4 4 3 4 3 3 4 3 3 3 2 3 3 3
4 3 4 3 4 4 4 4 4 4 4 4 3 3 4 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 5 5 5 5 5 5 4 4 3 4 5 3 5 5 5
3 3 3 3 3 3 3 2 2 2 2 3 3 3 3 2 3 3 3
4 4 4 4 4 4 4 5 4 4 4 4 4 4 4 3 4 4 4
4 4 4 4 5 4 5 4 4 3 4 4 3 3 4 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

164
4 4 4 4 4 4 2 2 4 2 2 4 2 2 1 1 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 5 3 4 5 4 4 4 4 3 4 4 3 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
4 4 4 4 4 4 4 2 2 2 2 4 2 2 2 2 2 2 2
3 3 3 3 3 3 3 2 2 2 2 3 2 2 2 2 3 3 3
4 3 4 3 4 4 4 3 3 3 3 4 3 3 2 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 4 5 4 5 5 5 4 2 5 5 5
5 4 4 3 4 4 4 3 4 4 4 5 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 3
4 4 4 3 3 3 3 3 3 3 3 4 4 3 3 3 3 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 5 4 4 4 4 5 5 4 5 5 5 4 5 5 5
5 5 5 5 5 5 5 5 4 5 4 5 5 5 4 4 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 3 3 3 3 3 3 3 3 3 3 4 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
4 4 4 4 4 3 3 3 4 3 3 4 3 3 3 3 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 4 4 4 4 4 4 3 4 4 4
5 4 3 4 3 4 4 3 5 4 4 5 4 4 5 3 4 4 4
4 3 4 3 3 4 3 3 3 4 3 4 4 4 4 4 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

165
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 4 4 4 4 4 4 4 5 4 4 4 4 4 4 4
4 3 3 4 4 3 3 4 3 4 4 4 3 4 3 2 4 4 4
3 3 4 3 3 3 3 3 4 3 3 3 3 3 2 2 3 3 3
3 3 4 3 4 4 3 2 3 4 3 3 4 4 2 1 3 3 3
4 4 4 3 4 5 4 4 3 4 3 4 3 3 3 2 4 4 4
4 4 4 4 4 4 4 4 3 3 4 4 3 3 3 2 4 4 4
3 3 4 3 4 4 4 4 4 3 4 3 4 3 3 3 4 4 4
3 4 4 4 4 3 3 4 4 3 4 3 4 3 3 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
5 4 5 5 5 5 5 4 4 4 4 5 4 4 4 4 5 5 5
4 4 4 4 4 4 4 3 4 4 3 4 4 5 4 3 4 4 4
3 3 3 3 3 3 4 4 3 3 3 3 3 3 3 2 3 3 3
3 3 2 3 4 3 3 2 3 3 3 3 3 3 3 3 3 3 3
5 5 5 4 4 4 4 5 5 5 5 5 5 5 4 4 5 5 5
4 3 3 3 4 4 3 3 3 3 3 4 3 3 3 3 3 3 3
3 3 3 2 3 3 3 3 2 2 2 3 3 2 2 3 3 3 3
4 4 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 4 4 4 4 4 4 4 4
5 4 4 5 5 5 5 5 5 5 5 5 5 5 5 2 4 4 4
4 4 4 4 4 4 4 3 3 4 4 4 4 4 3 1 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
3 3 5 4 3 4 4 4 5 4 4 3 3 3 3 3 3 3 3
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 5 5 5

166
4 4 4 4 4 4 4 4 4 3 3 4 3 2 4 3 3 3 3
3 3 3 3 4 3 3 2 3 2 3 3 4 3 3 2 3 3 3
3 3 3 2 3 3 3 3 3 3 3 3 3 3 1 1 4 4 4
4 4 3 4 4 4 4 4 4 3 4 4 4 2 4 2 4 4 4
2 3 4 3 4 5 5 4 3 3 3 2 2 2 3 1 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 4 2 4 2 3 2 3 3 3 2 2 3 3 3
4 4 5 3 4 5 5 5 4 5 4 4 4 4 4 3 4 4 4
3 3 4 3 4 4 4 4 4 4 4 3 3 3 4 4 4 4 4
5 4 4 3 3 4 4 4 4 4 3 5 3 3 3 2 4 4 4
4 4 4 4 4 4 4 4 5 5 5 4 5 5 5 5 4 4 4
3 4 4 3 4 4 4 4 4 3 3 3 3 3 3 2 3 3 3
5 4 4 4 4 4 4 4 4 4 4 5 5 5 4 3 5 5 5
4 3 4 4 4 4 4 4 4 4 4 4 4 4 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 4 4 4 4 4 4 4 4 4 4 4 4 5 5 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 3 4 4 4 4 3 3 3 3 5 5 5
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 5 5 5 5 5 5 5 5 5 4 4 4 4 5 5 5 5 5
5 4 4 4 4 4 4 4 3 4 3 5 4 4 4 3 4 4 4
4 4 4 4 4 4 4 2 2 4 4 4 1 1 1 1 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 3 3 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 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

167
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 4 5 4 4 3 4 4 5 4 5 4 5 4 4 4 5 5 5
3 3 3 4 4 3 4 3 3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 2 3 3 3 3 3 3 3 3 3 3
4 4 5 4 4 4 5 5 4 4 4 4 3 3 3 3 4 4 4
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 4 4 4 4 4 4 4 4 4 4 4 4 4
1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 3 1 1 1
4 4 4 4 4 4 4 3 3 3 4 4 4 3 4 4 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4
4 4 3 3 4 4 3 3 3 4 4 4 4 4 4 4 4 4 4
4 4 3 3 3 3 3 4 4 4 4 4 3 3 4 3 4 4 4
4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4
3 3 4 2 2 3 3 2 2 3 3 3 2 3 2 1 2 2 2
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 3 3 3 3 3 3 2 3 3 4 3 3 3 3 3 3 3
3 4 4 4 4 5 5 4 4 4 4 3 3 3 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 3 4 3 3 3 3 3 3 3 3 4 3 4 2 2 4 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
4 4 4 5 4 5 5 4 4 4 4 4 4 4 4 4 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4

168
4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 2 3 3 3
3 3 3 2 3 3 3 3 3 3 3 3 3 2 2 2 3 3 3
4 4 3 4 3 3 4 4 3 3 3 4 3 4 4 5 3 3 3
4 3 2 3 3 4 4 2 2 2 2 4 2 2 2 1 3 3 3
4 3 4 4 4 4 4 3 3 4 3 4 4 4 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4
4 5 4 4 4 4 4 4 4 4 2 4 4 4 3 5 4 4 4
3 3 3 3 3 3 3 4 3 3 3 3 3 3 2 2 4 4 4
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 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 5 5 5 5 5 5 5 5 4 5 5 5
4 4 4 4 4 4 4 3 3 3 3 4 3 3 3 1 4 4 4
3 3 3 3 3 3 4 3 4 4 4 3 3 3 4 4 4 4 4
4 4 4 4 4 4 3 3 3 4 4 4 4 3 3 3 4 4 4
3 4 4 3 4 4 3 3 3 3 3 3 3 3 3 2 3 3 3
4 3 3 4 3 4 3 3 3 2 3 4 3 3 4 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
4 4 5 5 4 4 4 4 4 4 5 5 5 5 3 2 3 4 4
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
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 4 4 4 4 4 4 4 4 4 3 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 4 4 5 5 5
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
4 3 4 3 4 4 4 3 3 4 4 4 3 3 3 3 4 3 4

169
4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5
4 3 3 3 4 4 4 3 3 3 3 4 4 4 3 2 4 4 4
4 5 4 3 4 4 4 5 5 5 5 4 4 4 5 5 4 3 5
4 4 5 4 4 4 4 3 3 4 4 5 5 5 4 5 4 4 5
2 2 2 2 2 2 2 2 2 3 2 2 2 2 2 2 2 2 2

170
 Lampiran 4

Hasil Wawancara

171
 Responden : Ahmad Yani, S.T

Jabatan : Asisten Manajer HCIS (Human Capital Information

System)

Pewawancara : M Hasbi Hilmi

Tanggal : 1 September 2018

Tempat : Ruang rapat HC Kimia Farma

P: Bagaimana sejarah awal mula penerapan sistem aplikasi kepegawaian hingga

KIFEST di Kimia Farma?

J: awalnya 2015 diperkenalkan digitalisasi kepegawaian dengan nama HCIS,

setelah berjalan hampir 3 tahun pada 2017 disepakati oleh divisi IT dan divisi

HC terkait IT master plan di Kimia Farma maka dicanangkan sebuah sistem

terintegrasi untuk keperluan karyawan dan perusahaan dan menggunakan

sistem sigle sign on (SSO). Jadi awal develop KIFEST ini pada awal 2017 dan

setelah di uji coba beberapa kali baru di launching pada pertengahan 2018.

P: Apa fungsi dari aplikasi KIFEST?

J: fungsi KIFEST seperti dikatakan tadi, keunggulan fitur single sign on yang

akan memangkas ingatan para user dalam mengingat sistem informasi yang

ada di perusahaan ini. Jadi dengan fitur yang ada hampir semua keperluan

karyawan terhadap perusahaan harus diakses melalui aplikasi KIFEST.

P: Apa tujuan dari penerapan aplikasi KIFEST

J: tujuannya jelas untuk memudahkan pegawai dalam mengakses aplikasi dan

juga untuk kemudahan dalam mengelola data pegawai, karena kedepannya

172
 akan menjadi satu big data bagi perusahaan sehinggan analisa untuk human

development lebih tersusun rapi.

P: Apa saja kendala yang ada dalam diterapkannya sistem aplikasi KIFEST?

J: karena masih tahap pengembangan, beberapa aplikasi belum optimal

dijalankan dan terkadang terjadi crash database misalnya bpjs ketenakerjaan,

informasi mutasi dan promosi tidak up date, informasi ttg bpjs, yang sekarang

berfungsi hanya e-pay, absensi online cuti on line.

P: Apa harapan untuk sistem aplikasi KIFEST?

J: harapannya semoga aplikasi ini menjadi lebih baik kedepannya, meski

diketahui beberapa kendala teknis semoga saja memberikan rasa puas bagi para

pengguna dan juga dapat diterima sebagai aplikasi penunjang aktifitas

perusahaan.

173
 Responden : Dra. Rosrini, Apt.

Jabatan : Manajer Human Capital Operation

Pewawancara : M Hasbi Hilmi

Tanggal : 23 Oktober 2018

Tempat : Ruang kerja manajer HCO

P: Bagaimana pandangan Anda terkait aplikasi KIFEST?

J: KIFEST bagi saya merupakan sebuah trobosan baru dalam pengelolaan

administrasi karyawan di perusahaan ini. Hadirnya aplikasi ini tentu saja

membawa perubahan positif karena disamping fitur unggulannya yaitu single

sign on juga aplikasi ini membuat efesiensi penggunaan aplikasi perusahaan

semakin meningkat. Semua aplikasi terintegrasi dalam satu aplikasi KIFEST

ini dan juga dapat diakses dari ponsel pintar juga.

P: Jika diperkenankan, boleh saya mengetahui jumlah karyawan di Kimia Farma

serta berapa jumlah pengguna KIFEST?

J: Jika total seluruh karyawan kimia farma beserta seluruh anak perusahaannya

ada sekita 8700 karyawan, diantaranya hanya sekitar 460 yang berkantor di

kantor pusat ini. Lainnya tersebar di seluruh penjuru Indonesia. Dan seluruh

karyawan adalah pengguna KIFEST karena proses absensi dan penggajian

mereka berada di aplikasi ini.

P: Apa tujuan dari penerapan aplikasi KIFEST?

J: tujuannya seperti tadi dikatakan untuk proses monitoring absensi dan

penggajian karyawan melalui aplikasi KIFEST, dan juga fungsi-fungsi lain

174
 yang memang berhubungan dengan proses bisnis di perusahaan ini agar

menjadi lebih efisien dan efektif.

P: Apa saja kendala yang ada dalam diterapkannya sistem aplikasi KIFEST?

J: kendala yang muncul tentu saja saya mendapat laporan beberapa karyawan

yang berusia sudah lankut merasa kesulitan beradaptasi, kemudian ada lporan

juga bahwa integrasi antara satu aplikasi dan aplikasi lain dalam KIFEST masih

ada kekurangan, ini yang patut diselidiki bagaimana dan apa yang harus

dilakukan.

P: Apa harapan untuk sistem aplikasi KIFEST?

J: harapannya menjadi lebih bisa diterima oleh semua karyawan dan sesuai

dengan tujuan awal yakni menciptakan efisiensi dan efektifitaas dalam

menyelesaikan pekerjaan.

175
 Responden : Subiantoro, S.Kom

Jabatan : Pelaksana Strategi Pengembangan IT

Pewawancara : M Hasbi Hilmi

Tanggal : 25 Oktober 2018

Tempat : Ruang kerja IT

P: Membangun aplikasi KIFEST ini awalnya bagaiamana?

J: Pengembangan aplikasi ini awalnya dari sistem kepegawaian yang berdiri

sendiri, sistem penggajian, sistem absensi, sistem surat menyurat dan sistem

lain yang sebetulnya bisa terintegrasi tapi dibuat sebagai sistem yang berbeda

beda, akhirnya saya dan tim merumuskan bagaimana membuat sistem yang

terintegrasi lalu lahirlah ide membuat aplikasi employee service yang diberi

nama KIFEST ini.

P: Sampai hari ini berapa sih pengguna yang sudha mengakses KIFEST dan

berapa pengguna aktif setiap harinya?

J: per hari ini hampir 7000 pengguna telah minimal tiga kali mengakses aplikasi

KIFEST, dan hampir 5000 menjadi pengguna aktif setiap harinya.

P: Khusus untuk pengguna atau karyawan yang berkantor di kantor pusat sendiri

berapa persen yang menjadi pengguna aktif?

J: hampis 97% menjadi pengguna aktif atau sekitar 400 user aktif setiap harinya.

P: Apa saja kendala yang ada dalam diterapkannya sistem aplikasi KIFEST?

176
J: Proses integrasi antar aplikasi membutuhkan waktu sehingga memunculkan

laporan kendala dari berbagai divisi terkait integrasi aplikasi ini dengan sistem

yang dimiliki divisi

P: Apa harapan untuk sistem aplikasi KIFEST?

J: harapannya menjadi aplikasi yang terintegrasi dengans seluruh aplikasi yang

digunakan di perusahaan ini

177
 Lampiran 5

Surat-Surat Pendukung Penelitian

178
179
180
181
182