SKRIPSI

Penilaian Keberhasilan Aplikasi Kimia Farma Mobile dengan Model Delone

& Mclean (Studi Kasus: PT. Kimia Farma, Tbk)

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Fakultas

Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:
MUHAMMAD WILDAN SATRIO UTOMO

11150930000059

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2022 M / 1444 H
 SKRIPSI

Penilaian Keberhasilan Aplikasi Kimia Farma Mobile dengan Model Delone

& Mclean (Studi Kasus: PT. Kimia Farma, Tbk)

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer Fakultas

Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh:
MUHAMMAD WILDAN SATRIO UTOMO

11150930000059

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH JAKARTA

2022 M / 1444 H
 LEMBAR 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, September 2022

Muhammad Wildan Satrio Utomo

11150930000059

v
 ABSTRAK

Muhamad Wildan Satrio Utomo – 11150930000059. Penilaian

Keberhasilan Aplikasi Kimia Farma Mobile dengan Model Delone & Mclean
(Studi Kasus: PT. Kimia Farma, Tbk) dibawah bimbingan Fitroh, M.Kom dan
Evy Nurmiati, M.Msi.

Kimia Farma merupakan perusahaan swasta di Indonesia yang berada dibawah

naungan Kementrian BUMN. Kimia Farma memiliki mHealth yang dinamakan
Kimia Farma Mobile. Aplikasi ini dapat digunakan oleh penggunanya untuk
layanan kesehatan, seperti membeli obat, layanan resep online, reservasi klinik,
konsultasi online, cek lokasi outlet kimia farma, dan layanan vaksinasi. Meski
pengguna dapat dengan mudah mengakses layanan kesehatan dimanapun dan
kapanpun mereka berada. Namun, adakalanya Kimia Farma Mobile tidak
memberikan manfaat secara maksimal bagi kebutuhan pengguna. Seperti saat
pelayanan vaksinasi, pegawai Kimia Farma Tbk menemui masalah tidak
munculnya fitur menu dan scan barcode vaksin, sehingga hal ini telah menganggu
produktivitas mereka dalam melayani masyarakat. Selain itu, terdapat
permasalahan fitur lainnya seperti stok obat yang dibeli tidak sesuai, maka
akibatnya akan memengaruhi kepercayaan pengguna ketika bertransaksi
menggunakan Kimia Farma Mobile. Padahal, salah satu faktor penentu
keberhasilan sebuah aplikasi adalah berdasarkan persepsi penggunanya. Oleh
karena itu, tujuan penelitian ini adalah untuk mengetahui bagaimana keberhasilan
aplikasi Kimia Farma Mobile kepada pengguna dan mengidentifikasi faktor-faktor
yang memengaruhinya. Penelitian ini menggunakan model Delone & Mclean yang
dikembangkan. Dilakukan dengan pendekatan kuantitatif, dengan teknik
pengumpulan data menggunakan kuesioner, dan teknik analisis data menggunakan
Microsoft Excel 2019 dan SmartPLS 3.0. Hasilnya, dari 13 hipotesis terdapat 6
hubungan antar variabel tidak berpengaruh, dan 7 hubungan lainnya dinyatakan
berpengaruh. Hasil penelitian ini diharapkan dapat menjadi masukan dan
rekomendasi dalam meningkatkan Kimia Farma Mobile di masa mendatang.

Kata kunci: Keberhasilan Sistem Informasi, Kimia Farma Mobile, DeLone and
McLean IS Success Model, PLS-SEM.

V BAB + 144 Halaman + xxviii halaman + 16 Gambar + 18 Tabel + Daftar Pustaka

+ Lampiran Pustaka Acuan (84, 1965 – 2022)

vi
7
 PRAKATA

Pujian dan rasa syukur terhadap Allah atas segala petunjuk, hikmah, rezeki,

dan cinta yang dilimpahkan bagi penulis. Beragam ujian yang diberikan menjadikan

penulis bertambah ilmu, pengalaman, saudara, dan berlipat rezeki serta karunia.

Semoga dengan hadirnya laporan skripsi ini dengan judul “Penilaian Keberhasilan

Aplikasi Kimia Farma Mobile dengan Model Delone & Mclean (Studi Kasus: PT.

Kimia Farma, Tbk)” ini akan bernilai manfaat bagi para pembaca, khususnya pihak

terkait dalam penelitian, yaitu tim pengembang Kimia Farma Mobile dan pengguna

Kimia Farma Mobile yang bekerja di PT. Kimia Farma, Tbk.

Selawat serta salam semoga selalu tercurahkan pada Baginda yang mulia

lagi suci, Rasulullah Shallallahu Alaihi Wassalam. Berkat risalah yang telah dibawa

sepenuh jiwa dan harap bagi kemashalatan umat, beliau berhasil menghantarkan

cahaya kebaikan yang mampu menerangi dunia dari kegelapan menuju tempat yang

baik dan nyaman dinikmati umatnya. Penulis sangat berharap mendapatkan Syafaat

dari Baginda Rasulullah Shalallahu Alaihi Wassalam di Yaumil Akhir kelak.

Aamiin.

Penyusunan Laporan Penelitian Skripsi ini merupakan bagian dari mata

kuliah Skripsi yang harus ditempuh oleh mahasiswa Fakultas Sains dan Teknologi,

Universitas Islam Negeri Syarif Hidayatullah Jakarta sebagai prasyarat untuk

menyelesaikan studi yang diambil. Penulis banyak mendapatkan motivasi, doa,

harapan, serta bimbingan dari berbagai pihak yang menjadi suatu pengalaman

berharga. Oleh karena itu, dengan segala hormat, perkenankanlah penulis

vii
mengucapkan terima kasih kepada :

1. Ibu Prof. Dr. Hj. Amany Burhanuddin Umar Lubis, MA, selaku Rektor

Universitas Islam Negeri Syarif Hidayatullah Jakarta. Terima kasih

banyak atas semua dedikasinya terkhusus proses kelulusan bagi penulis

di UIN Jakarta.

2. Bapak Ir. Nashrul Hakiem, S.Si, M.T., Ph.D, selaku Dekan Fakultas

Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah

Jakarta. Terima kasih banyak atas semua dedikasinya terkhusus proses

kelulusan bagi penulis di UIN Jakarta.

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

Studi dan Bapak Nuryasin, M.Kom, selaku Sekretaris Program Studi

Sistem Informasi, Fakultas Sains dan Teknologi, Universitas Islam

Negeri Syarif Hidayatullah Jakarta. Terima kasih banyak atas semua

dedikasinya terkhusus proses pembelajaran dan kelulusan bagi penulis

di UIN Jakarta, serta motivasi, dukungan, harapan, candaan dan

semangat yang diberikan.

4. Bu Fitroh, M.Kom, dan Bu Evy Nurmiati, M.MSI, selaku Dosen

Pembimbing. Terima kasih sebesar-besarnya atas begitu banyaknya

kesabaran, nasihat, dorongan motivasi, harapan, doa, dan yang

terpenting ilmu serta pengalaman yang diberikan terhadap penulis

dalam proses penyelesaian laporan skripsi ini.

5. Pak Aries Susanto, MMSI., Ph.D. dan Bu Rinda Hesti Kusumaningtyas,

M.M.S.I, selaku Dosen Penguji. Terima kasih sebesar-besarnya atas

viii
 begitu banyaknya kesabaran, nasihat, motivasi, harapan, doa, dan yang

terpenting ilmu serta pengalaman yang diberikan terhadap penulis

dalam proses penyelesaian laporan skripsi ini.

6. Seluruh dosen dan civitas akademika FST, Keluarga Sistem Informasi

2015 UIN Jakarta, Keluarga Sistem Informasi UIN Jakarta. Terima

kasih banyak untuk pembelajaran dan nasihat hidup selama ini.

7. Ayah, Mama dan Keluarga. Berkat kebesaran cinta dan kasih sayang

dari Ayah danMama, penulis mampu kuliah di UIN Syarif Hidayatullah

Jakarta dengan penuh bangga. Walau selesai lulus dalam waktu yang

tidak sangat ideal, tetapi penulis berharap keberkahan hidup selalu

mengiringi kami semua. Terdapat hikmah besar dalam masa penantian

kelulusan. Penulis berharap semoga kasih sayang serta doa terbaik yang

mereka hantarkan kepada Allah SWT, menjadi kebaikan yang Allah

ridhoi sepanjang masa bagi keduanya. Aamiin.

8. Seluruh responden penelitian ini. Terima kasih banyak atas semua

bantuannya. Semoga mendapat ganjaran setimpal dan diberi

kesuksesan dunia akhirat oleh Allah.

9. Teman-teman yang sangat besar dukungannya. Rizaldi, Ferdi, Adisti,

Diyan. Terima kasih sebesar-besarnya atas motivasi, doa, harapan, dan

dukungannya selama ini.

Penulis menyadari bahwa dalam penyusunan Laporan Skripsi ini masih jauh

dari kata sempurna, baik dari segi bahasa, penyusunan, ataupun penulisannya.

Untuk itu kiranya, pembaca dapat memaklumi atas kekurangan dalam Laporan

ix
Skripsi ini. Akhir kata, penulis berharap semoga Laporan Skripsi ini dapat

bermanfaat bagi penulis khususnya dan bagi para pembaca pada umumnya. Aamiin.

Terima kasih. Wassalamualaikum Warrahmatullah Wabarakatuh

Jakarta, Agustus 2022

Muhammad Wildan Satrio Utomo

1115093000005

x
 DAFTAR ISI

SKRIPSI ................................................................................................................... i

HALAMAN JUDUL ............................................................................................... ii

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

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

Bab 1 Pendahuluan ............................................................................................. 1

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

1.2 Identifikasi Masalah .......................................................................... 9

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

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

1.5 Tujuan Penelitian ............................................................................ 12

1.6 Manfaat Penelitian .......................................................................... 12

1.7 Metodologi Penelitian ..................................................................... 13

1.7.1 Metode Pengumpulan Data ....................................................... 13

1.7.2 Model Penelitian ...................................................................... 14

1.8 Hipotesis Penelitian......................................................................... 16

1.9 Sistematika Kepenulisan ................................................................. 17

Bab 2 Landasan Teori ....................................................................................... 18

2.1 Perkembangan Teknologi ............................................................... 18

2.2 Sistem Informasi ............................................................................. 19

xi
2.6 Teori-Teori Keberhasilan Sistem Informasi.................................... 21

2.7 Mobile Apps .................................................................................... 22

2.8 Pandemi ........................................................................................... 23

2.9 Mobile Health.................................................................................. 24

2.9.1 Telehealth .................................................................................... 28

2.9.2 Telemedicine ............................................................................ 33

2.10 D&M Success IS Model .............................................................. 36

2.11 Model Delone &McLean yang dikembangkan (Zibak et al., 2021)

38

2.12 Perceived Trust ............................................................................ 42

2.13 Penelitian Kuantitatif ................................................................... 43

2.14 Metode Pengumpulan Data ......................................................... 44

2.15 Populasi dan Sampel ................................................................... 46

2.16 Simple Random Sampling ....................................................... 46

2.17 Skala Likert ................................................................................. 47

2.20 SEM ............................................................................................. 48

2.21 PLS-SEM..................................................................................... 49

2.22 Evaluasi Model PLS .................................................................... 50

1. Evaluasi Pengukuran Model (Outer Model) ............................... 50

2. Evaluasi Struktural Model (Inner Model) ................................... 52

xii
 2.23 Interpretasi ................................................................................... 55

2.24 Penelitian Sejenis ........................................................................ 56

Bab 3 Metodologi Penelitian ............................................................................ 66

3.3 Teknik Populasi dan Sampel Penelitian .......................................... 67

3.4 Pengukuran Model Keberhasilan .................................................... 68

3.5 Instrumen Penelitian........................................................................ 72

3.6 Pengumpulan dan Pemrosesan Data ............................................... 76

3.7 Analisis dan Interpretasi Data ......................................................... 77

3.8 Kerangka Penelitian ........................................................................ 79

Bab 4 Hasil dan Pembahasan ............................................................................ 79

4.1 Profil Perusahaan ............................................................................ 79

4.3 Pilot Study ....................................................................................... 82

4.4 Pengumpulan Data dan Analisis ..................................................... 83

4.4.1 Analisis Demografis ................................................................ 83

4.4.2 Evaluasi Outer Model .............................................................. 91

4.4.3 Evaluasi Inner Model............................................................. 101

4.5 Interpretasi Data Hasil................................................................... 112

4.5.1 Interpretasi Hasil Data Demografis ....................................... 112

4.5.2 Interpetasi Hasil Uji Outer Model ......................................... 118

4.5.3 Interpretasi Hasil Uji Inner Model ......................................... 118

xiii
 4.6 Rekomendasi ................................................................................. 128

Bab 5 Kesimpulan dan Saran .......................................................................... 130

5.1 Kesimpulan ................................................................................... 130

1. Form Kuesioner Penelitian: ...................................................... xviii

A. Pendahuluan ............................................................................. xviii

B. Karakteristik Responden ............................................................ xix

C. Penelitian untuk Kimia Farma Mobile ...................................... xxv

xiv
 DAFTAR GAMBAR

Gambar 1.1 Fitur Aplikasi ........................................................................... 5

Gambar 1.2 Model Penelitian yang diadopsi (Zibak et al., 2021) ............. 16

Gambar 2.1 Illustration of a typical architecture of m-Health services ..... 27

Gambar 2.2 Telehealth Technologies (Tuckson et al., 2017) .................... 29

Gambar 2.3 Contoh dari Telemedicine (Waller & Stotler, 2018).............. 35

Gambar 2.4 Delone & Mclean Model tahun 1992 ..................................... 37

Gambar 2.5 Updated Delone & Mclean IS Success Model ....................... 38

Gambar 3.1 Model Delone & McLean ...................................................... 68

Gambar 3.2 Model Penelitian yang diadopsi ............................................. 70

Gambar 3.3 Kerangka Penelitian (Eden & Allen, 2017) ........................... 78

Gambar 4.1 Diagram Jenis Kelamin.......................................................... 83

Gambar 4.2 Diagram Usia ......................................................................... 83

Gambar 4.3 Diagram Divisi Kerja ............................................................. 86

Gambar 4.4 Diagram Unit Kerja ................................................................ 89

Gambar 4.5 Diagram Lokasi Kerja ............................................................ 90

Gambar 4.6 Diagram Status Pekerjaan ...................................................... 90

Gambar 4.7 Analisis Hasil dengan SmartPLS ........................................... 97

xv
 DAFTAR TABEL

Tabel 2.1 Penelitian Sejenis ........................................................................ 56

Tabel 3.1 Referensi Indikator ..................................................................... 70

Tabel 3.2 Indikator dan Pernyataan ............................................................ 72

Tabel 4.1 Hasil CR dan AVE uji pilot study .............................................. 81

Tabel 4.2 Loading Factor ............................................................................ 91

Tabel 4.3 Composite Reliability ................................................................. 92

Tabel 4.4 Average Variance Extracted ....................................................... 94

Tabel 4.5 Cross Loading ............................................................................. 95

Tabel 4.6 Fornelllacker’s ............................................................................ 96

Tabel 4.7 Hasil SmartPLS .......................................................................... 99

Tabel 4.8 Path Coefficient (β)................................................................... 101

Tabel 4.9 Coefficient of Determination (R2) ............................................ 100

Tabel 4.10 Hasil Uji T-test ....................................................................... 103

Tabel 4.11 Hasil Effect Size (f2) ............................................................... 105

Tabel 4.12 Hasil Penghitungan Predictive Relevance .............................. 106

Tabel 4.13 Hasil Penghitungan Relative Impact ....................................... 108

Tabel 4.14 Hasil Inner Model ................................................................... 110

Tabel 4.15 Rekomendasi........................................................................... 128

xvi
xvii
 Bab 1

Pendahuluan

1.1 Latar Belakang

Teknologi informasi telah mengalami perkembangan yang paling pesat

pada era saat ini. Contohnya, telah membawa pengaruh terhadap semakin

konvergennya sistem komputasi (computing system) dan sistem komunikasi,

yang mendorong kedua sistem tersebut menjadi terintegrasi pada jarak jauh

(telecomunication system) (Dio, 2019).

Penggunaan teknologi informasi sendiri berkaitan dengan proses, alat

bantu, manipulasi, dan pengelolaan informasi. Sementara teknologi

komunikasi adalah segala sesuatu yang berkaitan dengan penggunaan alat

bantu untuk memproses dan mentransfer data dari perangkat satu ke

perangkat lainnya. Oleh karena itu, teknologi informasi dan teknologi

komunikasi adalah dua buah konsep yang tidak terpisahkan dan biasa disebut

dengan Teknologi Informasi dan Komunikasi (TIK) (Huda, 2020).

Kemudahan yang ditimbulkan dari perkembangan teknologi informasi

berdampak secara langsung pada kegiatan organisasi. Perkembangan tersebut

memacu mereka untuk tetap eksis, bahkan dapat membantu dalam

meningkatkan prestasi (Dinasari et al., 2020). Kini, telah banyak perusahaan

yang memaksimalkan nilai pelanggan dan bisnis menggunakan teknologi

informasi. Hal ini untuk mendorong karyawan mereka mampu menerapkan

proses bisnis yang baik (Sudirman et al., 2020).

1
 Menurut (Abualoush et al., 2016) dalam (Sudirman et al., 2020), sistem

informasi dan teknologi dapat membantu organisasi lebih cepat dan

kompeten dalam mengumpulkan, menganalisis, dan menyajikan informasi.

Hal ini berhubungan dengan semua operasi dan tugas organisasi yang

bergantung pada teknologi, sistem informasi, dan teknik yang diberikan, yang

kemudian dianggap mampu meringankan sebuah pekerjaan.

Menjadi bagian dari teknologi informasi, perkembangan aplikasi

mobile terus bergerak naik sejak tahun 2011. Misalnya pada 2015 lalu, sebuah

marketplace bernama ContratIQ, yang merupakan penghubung antara

pengembang aplikasi dan perusahaan, telah menyajikan beberapa fakta.

Diantaranya, sistem operasi android, ios, dan cross platform menjadi bidang

yang banyak dikerjakan pengembang aplikasi. Fakta lainnya, aplikasi mobile

telah cukup berpotensial dalam sudut pandang ekonomi (Tolle et al., 2017).

Saat ini aplikasi mobile telah dimanfaatkan pada beberapa cara untuk

mengendalikan penyebaran COVID-19. Aplikasi ini dapat diakses, diterima,

dan diadopsi dengan mudah, serta memiliki kemampuan untuk mendukung

upaya social distancing. Dengan demikian, secara luas mereka telah

dikembangkan dan diimplementasikan selama berbulan-bulan sebelumnya

sebagai upaya untuk menurunkan jumlah penyebaran virus. Selain itu juga

digunakan untuk memberikan pengetahuan dan informasi kepada warga sipil

(Kondylakis et al., 2020).

Mobile health merupakan sebuah perangkat yang secara luas

memberikan layanan dan teknologi yang didukung perangkat mobile, seperti

2
ponsel pintar, perangkat pemantau pasien, asisten digital pribadi, dan

perangkat nirkabel lainnya, yang ditujukan untuk meningkatkan kebiasaan,

kualitas kesehatan, dan menjadikan individu yang lebih baik (Lucivero &

Jongsma, 2018).

Mobile health (mHealth) telah menjadi teknologi kesehatan yang

menjadi solusi dari bagian rencana terkait pencegahan penyebaran COVID-

19. Ada keterbatasan pengetahuan utama tentang kegunaan dan keberhasilan

mobile health selama pandemi ini, baik untuk tenaga medis profesional

maupun untuk populasi umum (Kondylakis et al., 2020).

Telemedicine merupakan bagian dari mobile health (Abaza &

Marschollek, 2017; Bhavnani et al., 2016). Telemedicine sendiri adalah

teknologi kesehatan yang digunakan untuk membantu sistem perawatan

kesehatan yang mengalami kesulitan, seperti dalam menghadapi epidemi

penyakit yang menular secara global (Sari W et al., 2021).

Terkini, Telemedicine menjadi lebih populer. Faktanya, selama

epidemi COVID-19 terdapat peningkatan penggunaan telemedicine di

Indonesia. Jumlah pengguna telemedicine meningkat dari 4 juta sebelum

pandemi, dan kini menjadi 15 juta penggunaan (Humas Sekretariat Kabinet

Republik Indonesia, 2020).

Pada Januari 2020, Asosiasi Penyelenggara Jasa Internet Indonesia

melaporkan bahwa jumlah individu yang menggunakan aplikasi kesehatan

meningkat selama pandemi COVID-19. Diketahui sebanyak 81% masyarakat

3
mencari informasi kesehatan, dan 63% diantaranya berkonsultasi dengan

profesional kesehatan melalui internet (Sari W et al., 2021).

Terdapat penelitian yang melakukan evaluasi terhadap mHealth, seperti

yang dilakukan (Kushendriawan et al., 2021). Penelitian tersebut membahas

tentang mHeath Halodoc. Model yang digunakan adalah Usability Testing

dan User Experience Questionnaire. Dari hasil penelitian, dikatakan aplikasi

Halodoc jika melihat skala UEQ maka memiliki pengalaman pengguna yang

menghasilkan nilai positif, karena semua skala menunjukkan nilai rata-rata

>0.8, sehingga hasil tersebut masuk kedalam kategori Good atau Bagus.

Sedangkan hasil usability testing yang menjadi kendala utama aplikasi

Halodoc berupa masalah pembelian produk kesehatan, memiliki hasil bahwa

telah terjadi kekurangan kepastian atau kejelasan mengenai pembelian obat,

seperti informasi apotek yang dipilih, ketersediaan obat, informasi harga obat

yang tidak pasti, dan fitur pencarian yang kurang fleksibel. Hal ini didukung

oleh hasil evaluasi yang menyatakan bahwa sebagian besar responden

mengharapkan agar dapat dikembangkan fitur pencarian aplikasi ini. Misal

awalnya hanya dapat mengambil nama produk sebagai input, maka dapat

dikembangkan menjadi beberapa pilihan, seperti jenis obat, harga, dan nama

penyakit. Di sisi lain perbaikan ukuran tombol perlu dilakukan, alasannya

beberapa ukuran tampilan tombol disebut terlalu kecil.

Kimia Farma merupakan perusahaan swasta di Indonesia yang berada

dibawah naungan Kementrian BUMN, dan memiliki jargon Living Well

Digitally yang mendukung pencegahan penyebaran COVID-19. Kimia Farma

4
telah merilis mHealth bernama Kimia Farma Mobile pada tahun 2020 dan

telah diunduh sebanyak 100.000 lebih di play store. Kimia Farma Mobile

berjalan dalam sistem operasi android maupun IOS, sehingga mudah diunduh

melalui Play Store ataupun App Store. Melalui aplikasi Kimia Farma Mobile,

pengguna dapat memanfaatkan berbagai fitur dan layanan, seperti pembelian

obat, layanan resep online, reservasi klinik, konsultasi online, cek lokasi

outlet kimia farma, hingga layanan vaksinasi.

Gambar 1.1 Fitur Aplikasi

5
 Kimia Farma Mobile telah menjadi bagian dari perkembangan

teknologi informasi yang membawa dampak positif terutama pada bidang

kesehatan. Dengan aplikasi ini, pengguna dapat dengan mudah untuk

mengakses layanan kesehatan dimanapun dan kapanpun mereka berada.

Namun, adakalanya Kimia Farma Mobile tidak memberikan manfaat secara

maksimal bagi kebutuhan pengguna.

Berdasarkan hasil diskusi peneliti dengan pegawai Kimia Farma, Tbk

saat sedang pelayanan vaksinasi, pegawai menyebut adanya masalah fitur

pada menu dan scan barcode vaksin yang tidak muncul, sehingga

menyebabkan layanan tertunda sementara dan berdampak pada produktivitas

pegawai.

Selain itu, peneliti juga melakukan observasi mandiri dan ditemukan

beberapa permasalahan sistem. Semisal: stok obat yang dibeli tidak sesuai,

form pembayaran blank, sistem error ketika melakukan registrasi, kemudian

belum adanya tim yang membantu keluhan pengguna sehingga selama terjadi

error tidak ditemukan bantuan teknis

Dengan melihat permasalahan Kimia Farma Mobile diatas, tentu hal ini

menyebabkan terganggunya produktivitas pegawai Kimia Farma saat

pelayanan vaksinasi kepada masyarakat, dan akan berdampak terhadap

kepuasan dan kepercayaan pengguna pada layanan Kimia Farma.

Menurut (Novianti, 2018), sebuah aplikasi bisa dikatakan berhasil jika

faktor kualitas sistem dan informasi yang dihasilkan dapat memberikan

kepuasan terhadap pengguna, dan mereka bersedia untuk menerima teknologi

6
tersebut untuk membantu menunjang kebutuhannya. Kemudian menurut

(Reichheld & Schefter, 2000), kepercayaan menjadi suatu konsep atau kunci

dalam adopsi teknologi yang membantu beberapa merchants atau toko untuk

membangun hubungan pelanggan/customer relationships yang kuat

(Reichheld & Schefter, 2000).

Selain itu, bagi (Rahimi et al., 2014) kepuasan pelanggan/pengguna

berarti terpenuhinya kebutuhan dan harapan mereka selama menggunakan

sistem. Sedangkan menurut (Cherapanukorn & Phasit, 2017), kunci dari

retensi penggunaan yang terus-menerus oleh pelanggan/pengguna adalah

kepuasan dan loyalitas mereka, yang sangat bergantung pada kualitas layanan

yang ditawarkan.

Menurut (Subiyakto & Ahlan, 2014), salah satu tantangan dari

penerapan sistem baru adalah menjamin tingkat keberhasilannya. Melihat hal

itu, maka menurut peneliti penting untuk melakukan penilaian keberhasilan

Kimia Farma Mobile yang juga masih tergolong baru.

Berdasarkan permasalahan dan literatur diatas, maka peneliti

simpulkan perlu dilakukan pengukuran keberhasilan sistem untuk

mengetahui nilai tambah bagi perusahaan (Yuliana, 2016). Selain itu,

menurut (Sari & Sanjaya, 2016), penerapan sebuah sistem informasi perlu

mendapatkan evaluasi/pengukuran. Sehingga diharapkan keberadaan sistem

informasi ini dapat meningkatkan produktivitas kinerja penggunanya baik

secara individual maupun organisasional.

7
 Terdapat beberapa model dalam mengukur keberhasilan sistem yang

telah dikembangkan oleh para peneliti diantaranya, Technology Acceptance

Model (TAM) oleh (Davis, 1985), Unified Theory of Acceptance and Use of

Technology (UTAUT) oleh (Venkatesh et al., 2003), UTAUT2 oleh

(Venkatesh et al., 2012), dan Task Technology Fit (TTF) oleh (Goodhue &

Thompson, 2019).

Selain beberapa model diatas, terdapat model Delone & Mclean yang

dikembangkan (Delone & Mclean, 2003). Model ini merupakan sebuah

metode pengukuran keberhasilan sistem yang sudah dikembangkan pada

tahun 1992, dan diperbarui pada tahun 2003. Model Delone & Mclean

memiliki enam variabel dalam pengukurannya, yakni Information Quality,

Service Quality, System Quality, Intention to Use, Use, User Satisfaction, dan

Net Benefits.

Model yang peneliti gunakan pada penelitian ini adalah model (Delone

& Mclean, 2003) yang dikembangkan oleh (Zibak et al., 2021). Dalam model

ini terdapat 7 variabel, yang terdiri dari Content Quality, System Quality,

Service Quality, Perceived Trust, Use, User Satisfaction, dan Net Benefits.

Pada model yang dikembangkan oleh (Zibak et al., 2021) ini, telah

ditambahkan variabel eskternal Perceived Trust. Penambahan tersebut terkait

dengan masalah keamanan seperti privasi dan data perlindungan yang dapat

memengaruhi kepuasan pengguna secara keseluruhan (Zibak, Sauerwein, &

Simpson, 2021).

8
 Alasan menggunakan model penelitian yang dikembangkan (Zibak et

al., 2021) ialah berdasarkan permasalahan yang peneliti sebut diatas.

Pertama, adanya kendala fitur menu dan scan barcode vaksin yang tidak

muncul, dan belum adanya tim yang membantu keluhan pengguna, maka

kedua masalah tersebut akan berdampak bagi produktivitas pengguna.

Kemudian, dengan adanya blank pada form pembayaran dan stok obat yang

dibeli tidak sesuai, maka dapat menimbulkan ketidakpercayaan pengguna

ketika bertransaksi menggunakan Kimia Farma Mobile.

Dari latar belakang diatas mengenai permasalahan dan model yang

peneliti gunakan, maka peneliti akan melakukan penilaian keberhasilan

aplikasi Kimia Farma Mobile pada PT. Kimia Farma, Tbk dengan model

Delone & Mclean yang dikembangkan (Zibak, Sauerwein, & Simpson,

2021). Hasil penelitian ini diharapkan dapat mengetahui rekomendasi untuk

menjadi bahan evaluasi pihak Kimia Farma, Tbk dalam

mengimplementasikan Kimia Farma Mobile. Oleh karena itu, pada penelitian

ini peneliti mengambil judul “PENILAIAN KEBERHASILAN PADA

APLIKASI KIMIA FARMA MOBILE DENGAN MODEL DELONE &

MCLEAN DAN PERCEIVED TRUST (STUDI KASUS: PT. KIMIA

FARMA, Tbk)”.

1.2 Identifikasi Masalah

Berdasarkan latar belakang permasalahan yang telah dijelaskan di atas,

maka penulis mengidentifikasikan masalah yang akan dijelaskan sebagai

berikut:

9
a. Dalam penggunaan Kimia Farma Mobile, pegawai Kimia Farma, Tbk

pernah mengalami masalah fitur saat melakukan pelayanan vaksinasi,

seperti fitur menu dan scan barcode yang tidak muncul. Hal ini

menyebabkan layanan tertunda sementara dan berdampak pada

produktivitas pegawai.

b. Masalah lainnya, peneliti temukan saat mengobservasi aplikasi Kimia

Farma Mobile. Terdapat beberapa masalah seperti stok obat yang dibeli

tidak sesuai, form pembayaran blank, sistem error ketika melakukan

registrasi, serta belum adanya tim yang membantu keluhan pengguna,

sehingga selama terjadi error tidak ditemukan bantuan teknis untuk

pengguna.

c. Adanya masalah pada fitur yang blank pada form pembayaran dan stok obat

yang dibeli tidak sesuai, maka dapat menimbulkan ketidakpercayaan

pengguna apabila bertransaksi kembali dengan Kimia Farma Mobile.

Selain itu, akibat belum adanya tim yang membantu permasalahan

pengguna, maka akan berdampak terhadap produktivitas pengguna ketika

menggunakan aplikasi.

d. Menurut Yuliana (2016), suatu sistem perlu dilakukan pengukuran

keberhasilan dengan tujuan mengetahui nilai tambah bagi perusahaan.

Sehingga, diharapkan keberadaan sistem informasi akan meningkatkan

produktivitas kinerja penggunanya baik secara individual maupun

organisasional. Oleh karena itu, peneliti merasa perlu melakukan evaluasi

pada aplikasi Kimia Farma Mobile dari sisi penggunanya.

10
1.3 Rumusan Masalah

Berdasarkan identifikasi masalah diatas maka dapat dirumuskan masalah

dalam penelitian ini, yaitu:

a. Bagaimana status keberhasilan implementasi aplikasi Kimia Farma Mobile

dari persepsi pengguna?

b. Faktor-faktor apa saja yang memengaruhi keberhasilan implementasi aplikasi

Kimia Farma Mobile dari persepsi pengguna?

c. Faktor-faktor apa saja yang tidak memengaruhi keberhasilan implementasi

aplikasi Kimia Farma Mobile dari persepsi pengguna?

1.4 Batasan Masalah

Berdasarkan masalah yang telah dirumuskan di atas maka ruang lingkup

masalah dibatasi pada:

a. Penelitian dilakukan pada aplikasi Kimia Farma Mobile dengan subjek

penelitian adalah para pengguna aplikasi tersebut yang bekerja di PT

Kimia Farma, Tbk.

b. Pada penelitian ini, peneliti mengadopsi model penelitian Delone &

McLean yang telah dikembangkan (Zibak, Sauerwein, & Simpson, 2021)

dengan 7 variabel, yaitu : Content Quality (Kualitas Konten), System Quality

(Kualitas Sistem), Service Quality (Kualitas Layanan), Perceived Trust

(Kepercayaan Pengguna), Use (Kegunaan), User Satisfaction (Kepuasan

Pengguna), dan Net Benefits (Manfaat Bersih).

c. Secara metodologi, penelitian ini menggunakan pendekatan kuantitatif

dengan menggunakan teknik pengambilan sampel Simple Random

11
 Sampling, serta analisis data menggunakan pendekatan PLS-SEM dengan

tools SmartPLS 3.0. Kuesioner dirancang dalam bentuk pertanyaan dengan

5 skor skala Likert.

1.5 Tujuan Penelitian

Berdasarkan yang sudah dipaparkan di atas, maka tujuan penelitian ini

adalah:

a. Mengetahui status keberhasilan implementasi aplikasi Kimia Farma

Mobile dari persepsi pengguna.

b. Mengetahui, menganalisis, dan menginterpretasi faktor-faktor apa saja

yang memengaruhi keberhasilan implementasi aplikasi Kimia Farma

Mobile dari persepsi pengguna

c. Mengetahui, menganalisis, dan menginterpretasi faktor-faktor apa saja

yang tidak memengaruhi keberhasilan implementasi aplikasi Kimia

Farma Mobile dari persepsi pengguna.

1.6 Manfaat Penelitian

Adapun manfaat yang didapat dari penelitian ini dapat dijabarkan dalam

tiga point, tiga point yang dimaksud adalah sebagai berikut:

1. Manfaat pelaksanaan penelitian bagi penulis

a. Penulis dapat menerapkan ilmu yang sudah diperoleh

selama masa perkuliahan.

b. Sebagai pengalaman peneliti dalam menulis skripsi dan syarat

untuk lulus serta mendapat gelar sarjana pada program studi

Sistem Informasi.

12
 c. Dapat mengetahui hasil dari pengukuran Kimia Farma Mobile

PT. Kimia Farma, Tbk.

2. Manfaat pelaksanaan penelitian bagi universitas

a. Sebagai bahan referensi bagi penelitian selanjutnya

b. Sebagai bahan evaluasi dalam mengembangkan

keilmuan yang berhubungan dengan penelitian yang serupa

3. Manfaat pelaksanaan penelitian bagi PT. Kimia Farma, Tbk

a. Membantu mengevaluasi implementasi Kimia Farma Mobile PT.

Kimia Farma, Tbk.

b. Sebagai informasi yang bermanfaat bagi instansi dalam

pengembangannya.

c. Memberikan saran terhadap implementasi Kimia Farma Mobile

yang dilakukan oleh PT. Kimia Farma, Tbk.

1.7 Metodologi Penelitian

1.7.1 Metode Pengumpulan Data

Metode penelitian yang dilakukan untuk memperoleh data yang

dibutuhkan adalah sebagai berikut :

1. Wawancara

Wawancara dilakukan dengan mendatangi responden yang

telah membuat perjanjian sebelumnya, dalam wawancarta tersebut

dilakukan komunikasi dua arah guna mendapatkan data yang

berkaitan dengan penelitian, lalu dilakukan dokumentasi guna

13
 penyimpanan data wawancara. Peneliti melakukan wawancara

dengan peserta Vaksin di Learning Center Kimia Farma

2. Observasi

Observasi dilakukan dengan cara melakukan pengamatan

terhadap objek penelitian. Peneliti melakukan observasi aplikasi

Kimia Farma Mobile saat berada di Learning Center Kimia

Farma, pada tanggal 29 Juni-1 Agustus.

3. Studi Pustaka

Pada studi pustaka dilakukan identifikasi dan analisis

dokumen-dokumen yang memuat informasi yang berkaitan dengan

penelitian yang dilakukan baik yang bersumber dari buku maupun

website yang berkaitan dengan topik dalam laporan ini. Adapun daftar

buku, website, dan sumber lain dapat dilihat di dalam daftar pustaka.

4. Kuisioner

Kuisioner akan ditujukan kepada responden yang telah

ditentukan sebelumnya sesuai dengan kriteria yang telah ditetapkan

sebelumnya, data tersebut akan diolah berdasakan aturan yang

sesuai untuk menghasilkan kesimpulan.

1.7.2 Model Penelitian

(Belout & Gauvreau, 2004) mengatakan bahwa sebagian

besar model penelitian dikembangkan menggunakan model dan

teori penelitian sebelumnya. Maka dari itu penelitian ini

14
menggunakan model yang diprakarsai (Delone & Mclean, 2003).

Pada penelitian ini, peneliti mengadopsi model penelitian

Delone & McLean yang telah dikembangkan (Zibak et al., 2021).

Pada model ini telah menambahkan variabel eskternal Perceived

Trust. Penambahan tersebut terkait dengan masalah keamanan

seperti privasi dan data perlindungan yang dapat memengaruhi

kepuasan pengguna secara keseluruhan (Zibak et al., 2021).

Selain itu, model penelitian ini tidak menggunakan variabel

kualitas informasi melainkan variabel kualitas konten. Variabel

kualitas konten diadaptasi menjadi variabel yang lebih luas yang

ditujukan untuk menangkap kekayaan dan keragaman konten

yang terdapat dalam aplikasi.

Selain itu, model ini juga tidak memakai hubungan umpan

balik antara variabel seperti yang ditemukan dalam model Delone

& McLean. Hal ini karena untuk meminimalkan waktu yang

dibutuhkan untuk mencapai hasil penelitian.

Sehingga pada model penelitian ini terdapat 7 variabel,

yang terdiri dari Content Quality (Kualitas Konten), System

Quality (Kualitas Sistem), Service Quality (Kualitas Layanan),

Perceived Trust (Kepercayaan Pengguna), Use (Kegunaan), User

Satisfaction (Kepuasan Pengguna), dan Net Benefits (Manfaat

Bersih).

15
 Gambar 1.2 Model Penelitian yang diadopsi (Zibak et al., 2021)

1.8 Hipotesis Penelitian

Berdasarkan model penelitian yang disusun, maka didapatkan hipotesis

penelitian sebagai berikut, yaitu:

H1a: Apakah Content Quality (CONQ) berpengaruh secara signifikan

terhadap Use (USE)?

H1b: Apakah Content Quality (CONQ) berpengaruh secara signifikan

terhadap User Satisfaction (USAT)?

H1c: Apakah Content Quality (CONQ) berpengaruh secara signifikan

terhadap Perceived Trust (PT)?

H2a: Apakah System Quality (SYSQ) berpengaruh secara signifikan

terhadap Use (USE)?

H2b: Apakah System Quality (SYSQ) berpengaruh secara signifikan

terhadap User Satisfaction (USAT)?

H2c: Apakah System Quality (SYSQ) berpengaruh secara signifikan

terhadap Perceived Trust (PT)?

16
 H3a: Apakah Service Quality (SERQ) berpengaruh secara signifikan

terhadap Use (USE)?

H3b: Apakah Service Quality (SERQ) berpengaruh secara signifikan

terhadap User Satisfaction (USAT)?

H3c: Apakah Service Quality (SERQ) berpengaruh secara signifikan

terhadap Perceived Trust (PT)?

H4: Apakah Perceived Trust (PT) berpengaruh secara signifikan

terhadap User Satisfaction (USAT)?

H5: Apakah User Satisfaction (USAT) berpengaruh secara signifikan

terhadap Use (USE)?

H6: Apakah User Satisfaction (USAT) berpengaruh secara signifikan

terhadap Net Benefits (NETB)?

H7: Apakah Use (USE) berpengaruh secara signifikan terhadap Net

Benefits (NETB)?

1.9 Sistematika Kepenulisan

Dalam penyusunan laporan penelitian, pembahasan terbagi dalam lima bab

yang secara singkat akan diuraikan sebagai berikut:

BAB I PENDAHULUAN

Bab ini berisi penjelasan secara singkat mengenai latar belakang

masalah, identiikasi masalah, rumusan masalah, batasan masalah,

tujuan serta manfaat penelitian, metode penelitian, dan sistematika

penulisan.

17
BAB II LANDASAN TEORI

Bab ini membahas mengenai dasar-dasar teori yang mendukung

penelitian seperti, pengertian evaluasi, penilaian, metode penelitian,

Delone & McLean, perceived trust, serta tabel studi literatur yang

digunakan.

BAB III METODOLOGI PENELITIAN

Bab ini membahas tentang metodologi yang digunakan dalam

penelitian ini, yaitu metode pengumpulan data dan metode Updated

Delone and Mclean yang dikembangkan dari (Zibak et al., 2021).

BAB IV HASIL DAN PEMBAHASAN

Bab ini menguraikan profil singkat perusahaan dan membahas

hasil-hasil yang diperoleh dari hasil pengukuran Kimia Farma

Mobile pada PT. Kimia Farma, Tbk.

BAB V PENUTUP

Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan

masalah serta beberapa saran dalam penerapan Kimia Farma Mobile

PT. Kimia Farma, Tbk.

18
19
 Bab 2

Landasan Teori

2.1 Perkembangan Teknologi

Menurut (Mohammad Zamroni, 2009) dalam jurnal Perkembangan

Teknologi Komunikasi dan Dampaknya terhadap Kehidupan, arus

perkembangan teknologi menyebar luas dan masuk dalam kehidupan

masyarakat. Adanya globalisasi membantu penyebaran perkembangan

teknologi ke berbagai negara. Akibatnya teknologi semakin dikenal luas dan

menyebar dalam kehidupan manusia.

Contoh perkembangan teknologi Mengutip dari buku Sejarah

Perkembangan Teknologi Informasi dan Komunikasi karya (Nuryanto,

2012), contoh perkembangan teknologi bisa dilihat dari perbedaan

penggunaan alat pada zaman dahulu dan masa sekarang. Misalnya dahulu

masyarakat menggunakan kentongan sebagai alat untuk memberi informasi.

Namun, saat ini pemberian informasi bisa dilakukan lewat internet dan media

sosial. Berikut beberapa contoh perkembangan teknologi yang digunakan

sehari-hari, yakni: Saat ini masyarakat bisa menggunakan sepeda motor,

mobil, dan bus sebagai alat transportasi darat. Dahulu masyarakat menjalin

komunikasi dengan berkirim surat atau pesan singkat lewat SMS. Saat ini,

mengirim pesan bisa dilakukan lewat sosial media, seperti WhatsApp dan

Line.

18
 Masyarakat dahulu menggunakan mesin tik untuk mengerjakan tugas

atau mengetik teks. Tetapi saat ini hal tersebut bisa dilakukan memakai

laptop, komputer, dan handphone. Sebagai penerangan, lilin atau lampu

minyak, dulu sangat sering digunakan. Namun, semenjak perkembangan

teknologi, banyak masyarakat yang beralih menggunakan lampu yang dialiri

listrik. Dahulu masyarakat mencuci baju dengan cara tradisional. Pekerjaan

ini semakin dipermudah dengan adanya mesin cuci (Kompas, 2021)

2.2 Sistem Informasi

Sistem informasi terbagi dalam 2 kata yaitu sistem dan informasi.

Penjelasan masing masing akan lebih mendalam dibawah ini.

a. Pengertian Sistem

Sistem didefinisikan sebagai suatu jaringan kerja dari prosedur

prosedur yang saling berhubungan dan berkumpul bersama-sama untuk

melakukan suatu kegiatan atau untuk menyelesaikan suatu sasaran tertentu

(Jogiyanto, 2014).

b. Pengertian Informasi

Informasi dapat didefinisikan sebagai hasil dari pengolahan data dalam

bentuk yang lebih berguna dan lebih berarti bagi penerimanya yang

menggambarkan suatu kejadian (event) yang nyata (fact), yang dapat

digunakan untuk pengambilan keputusan. (Jogiyanto, 2014)

c. Pengertian Sistem Informasi

Menurut (Hanif Al Fatta, 2007:10), sistem informasi terdiri dari

komponen-komponen yang disebut dengan istilah blok bangunan (building

19
 block). Terdapat blok masukan (input block), blok model (model block), blok

keluaran (output block), blok teknologi (technology block), dan blok kendali

(control block). Sebagai suatu sistem, keenam blok tersebut saling

berinteraksi satu dengan yang lainnya membentuk satu kesatuan untuk

mencapai sasarannya.

2.3 Penilaian

Menurut Sugihartono dalam (Suryani, 2018), diterangkan bahwa

penilaian disebut sebagai kegiatan penafsiran tehadap hasil pengukuran yang

untuk mengetahui baik buruknya atau tinggi rendahnya fenomena, aspek,

gejala, dan program tertentu.

Sedangkan menurut Sukardi dan Tumardi dalam (Suryani, 2018),

penilaian adalah proses dalam mempertimbangkan gejala, fenomena, benda

dan orang dengan menggunakan standar hasil tertentu. yaitu data nilai (kata

atau angka) yang bersifat kualitatif.

2.4 Evaluasi

Menurut Wirawan dalam (Ananda et al, 2014), evaluasi adalah

penelitian yang dilakukan dengan cara mengumpulkan, menganalisis, dan

menyajikan informasi terkait objek penelitian tersebut, dan selanjutnya

menilai dan membandingkannya dengan indikator evaluasi, dan hasilnya

dipergunakan untuk mengambil keputusan mengenai objek evaluasi tersebut.

2.5 Analisis

Menurut kamus besar Bahasa Indonesia analisis adalah penyelidikan

atas suatu peristiwa baik sebuah karangan, perbuatan dan lainnya untuk

20
 mengetahui keadaan yang sebenarnya. Sedangkan dalam teori (Sarwono,

2006), analisis adalah evaluasi dalam sebuah situasi dari sebuah

permasalahan yang dibahas, termasuk dalam peninjauan dari berbagai aspek

dan sudut pandang.

2.6 Teori-Teori Keberhasilan Sistem Informasi

Keberhasilan sistem informasi merupakan konstruk berganda yang

mengandung beberapa kategori. Kategori-kategori ini dapat dikelompokkan

kedalam dua kelompok, yaitu keluaran ekonomi dan keluaran non-ekonomi.

Idealnya, keluaran ekonomi yang akan digunakan untuk mengukur

keberhasilan sistem informasi. Karena hal ini sukar dilaksanakan, maka

kebanyakan pengukuran keberhasilan sistem informasi dilakukan dengan

ukuran tidak langsung atau ukuran pengganti, yaitu keluaran non ekonomi

atau keluaran personal. (Wijanto, 1997)

Kesuksesan dalam membangun dan penerapan aplikasi sistem

informasi bisa diukur dengan tercapainya tujuan dari pembuatan aplikasi

tersebut secara efisien dan efektif (Kurnianto, et al., 2019).

Menurut (Kurnianto, et al., 2019) dalam (Delone & Mclean, 2003),

kualitas sistem yang lebih tinggi diharapkan dapat memberikan kepuasan

pengguna yang lebih tinggi juga, dan penggunaanya akan membawa dampak

positif pada produktivitas individu, sehingga berakibat pada peningkatan

produktivitas untuk mencapai tujuan organisasi.

Kesuksesan sistem informasi dalam suatu organisasi atau perusahaan

bukan hanya tergantung dari sistem itu sendiri, tetapi kesuksesan itu bisa

21
 terwujud dengan adanya pemahaman dan manfaat yang didapat dari

pemakaian sistem. Pengguna informasi akan merasa puas jika mereka bisa

mendapatkan informasi yang diinginkan dengan cepat, tepat, dan akurat.

Untuk mengukur keberhasilan sistem banyak model yang digunakan

sebagai metode pengukuran diantaranya Theory of Reasoned Action (TRA),

Technology of Acceptance Model (TAM), Task Technology Fit (TTF), User

Computing Satisfaction (EUCS), selanjutnya IS Success Model yang

dikembangkan oleh DeLone dan McLean (1992, 2003), dan Human

Organization and Technology (HOT FIT) model yang dikembangkan oleh

(Yusuf et al.), dikutip dari (Erlina, 2020).

Dapat disimpulkan, keberhasilan sistem itu menghasilkan penggunaan

dan kepuasan pengguna dalam mengakses dan menggunakan aplikasi,

sehingga dapat membawa dampak positif pada produktifitas dari

penggunanya untuk mencapai tujuan organisasi.

2.7 Mobile Apps

Aplikasi mobile atau sering juga disingkat dengan istilah Mobile Apps

adalah aplikasi dari sebuah perangkat lunak yang dalam pengoperasiannya

dapat berjalan di perangkat mobile (Smartphone, Tablet, iPod, dll). Selain itu

memiliki sistem operasi yang mendukung perangkat lunak secara standalone.

Platform pendistribusibusian aplikasi mobile yang tersedia biasanya

dikelola oleh owner dari mobile operating system, seperti store (Apple App),

store (Google Play), store (Windows Phone) dan world (BlackBerry App)

(Markhasi Rupilu et al., 2018).

22
 Melalui aplikasi mobile, pengguna dapat mengakses sejumlah

informasi-informasi penting menggunakan smartphone yang terkoneksi

dengan layanan internet. Keunggulan utama dari aplikasi mobile yaitu

memberikan kemudahan pengguna dalam mendapatkan informasi secara

portable tanpa menggunakan PC atau netbook dan pemanfaaatannya dalam

memperoleh informasi secara up to date terpenuhi tanpa terhalang waktu dan

tempat keberadaan pengguna perangkat mobile serta areanya yang dapat

terjangkau jaringan komunikasi internet (Turban, 2012).

Dapat disimpulkan, aplikasi mobile atau mobile Apps adalah sebuah

perangkat lunak yang dioperasikan di perangkat mobile seperti smartphone

dan tablet yang digunakan untuk mengakses sejumlah informasi.

2.8 Pandemi

Mengutip dari (Kementrian Kesehatan Republik Indonesia, 2020),

berikut adalah latar belakang mengenai pandemi Covid-19:

Virus ini disebabkan oleh Coronavirus Disease 2019 (Covid-19).

Penyakit ini diawali dengan munculnya kasus pneumonia yang tidak

diketahui etiologinya di Wuhan, China, pada akhir Desember 2019 (Li et al.,

2020). Berdasarkan hasil penyelidikan epidemiologi, kasus tersebut diduga

berhubungan dengan Pasar Seafood di Wuhan. Pada tanggal 7 Januari 2020,

Pemerintah China kemudian mengumumkan bahwa penyebab kasus tersebut

adalah Coronavirus jenis baru yang kemudian diberi nama SARS-CoV-2

(Severe Acute Respiratory Syndrome Coronavirus 2). Virus ini berasal dari

famili yang sama dengan virus penyebab SARS dan MERS. Meskipun

23
 berasal dari famili yang sama, namun SARS-CoV-2 lebih menular

dibandingkan dengan SARS-CoV dan MERS-CoV (CDC China, 2020).

Proses penularan yang cepat membuat WHO menetapkan Covid-19 sebagai

KKMMD/PHEIC pada tanggal 30 Januari 2020. Angka kematian kasar

bervariasi tergantung negara dan tergantung pada populasi yang terpengaruh,

perkembangan wabahnya di suatu negara, dan ketersediaan pemeriksaan

laboratorium.

2.9 Mobile Health

Definisi dari Kesehatan seluler atau m-Health secara keseluruhan

memang belum ditentukan (Congdon, 2013). m-Health dapat berarti

penggunaan perangkat seluler untuk memantau atau mendeteksi perubahan

biologis dalam tubuh manusia. Sementara terkait entitas manajemen

perangkat, seperti rumah sakit, klinik, atau penyedia layanan, mengumpulkan

data dan menggunakannya untuk perawatan kesehatan dan peningkatan status

kesehatan (Park, 2016).

M-Health adalah label luas untuk layanan dan teknologi yang didukung

oleh perangkat seluler, seperti smartphone, perangkat pemantau pasien,

asisten digital, dan perangkat nirkabel lainnya untuk meningkatkan perilaku,

kualitas, dan kesejahteraan individu pada kesehatan (Lucivero & Jongsma,

2018).

Penelitian Global dari WHO mendefinisikan m-Health sebagai “praktik

medis dan kesehatan masyarakat yang didukung oleh perangkat seluler,

24
seperti ponsel, perangkat pemantauan pasien, asisten digital pribadi, dan

perangkat nirkabel lainnya” (World Health Organization, 2011b).

M-Health dengan cepat diimplementasikan dan mengubah cara kita

melakukan, memahami, dan mengatur kesehatan. m-Health mencakup

perangkat yang dapat dikenakan serta aplikasi yang melacak kebugaran,

menawarkan program kesehatan, atau menyediakan alat untuk mengelola

kondisi yang kronis (Lucivero & Jongsma, 2018) m-Health sebagai bagian

dari bidang 'kesehatan digital' (atau pengobatan digital) yang lebih luas, hadir

dengan potensi untuk merevolusi perawatan kesehatan dengan meningkatkan

pengelolaan dan pemberdayaan diri pasien, mendorong efisiensi dan

pencegahan penyakit, dan mengenalkan aksesibilitas terhadap kesehatan di

seluruh dunia (Lucivero & Jongsma, 2018).

Pesatnya perkembangan berbagai teknologi baru membuat dampak

besar pada bidang kesehatan. Salah satu teknologi tersebut adalah sistem

mobile health (m-Health) (Park, 2016). Ada berbagai definisi m-Health.

Misalnya, m-Health telah didefinisikan sebagai "komputasi seluler, sensor

medis, dan teknologi komunikasi untuk perawatan kesehatan" (Istepanian et

al., 2004).

Ada banyak perangkat wearable yang tersedia di pasar dengan aplikasi

yang dapat merekam gerakan tubuh, menghasilkan grafik konsumsi kalori

harian dan memberikan saran kesehatan serta alat manajemen diri untuk

pasien kronis, serta penyedia layanan kesehatan (Lucivero & Jongsma, 2018).

25
 Penggunaan teknologi informasi dan penginderaan kesehatan seluler

(m-Health) berpotensi mengurangi biaya perawatan kesehatan dan

meningkatkan pencatatan data kesehatan (Kushendriawan et al., 2021).

Layanan dan aplikasi m-Health sudah memiliki peran yang sangat

penting dan menentukan dalam menata kembali sistem dan layanan kesehatan

lama yang masih bertumpu pada hubungan fisik antara pasien dan dokter.

Selain itu, aplikasi m-Health memiliki dampak yang kuat pada semua layanan

kesehatan, seperti, rumah sakit, pusat perawatan, dan layanan darurat. Oleh

karena itu, ini bertujuan untuk menjadi peningkatan besar pada kehidupan

pasien, terutama pada orang tua, disabilitas, dan penyakit kronis (Silva et al.,

2015).

Perusahaan di bidang kesehatan mulai menerapkan teknologi komputer

dan internet dalam operasionalnya, mereka mengubah kegiatannya dari

konsep offline menjadi konsep online menurut (Yani, 2018) dalam

(Kushendriawan et al., 2021).

Menurut (Bhavnani et al., 2016) munculnya teknologi kesehatan seluler

(m-Health) baru telah dihasilkan dari persimpangan temporal beberapa

gerakan kebetulan: (i) kebutuhan mendesak untuk mengatasi meningkatnya

beban penyakit kronis; (ii) Hukum Moore—peningkatan eksponensial dalam

daya komputasi yang menghasilkan pengembangan elektronik seluler yang

lebih kecil dan lebih murah (Moore, 1965); dan (iii) menggeser model

perawatan kesehatan ke desain yang semakin berpusat pada pasien (Topol,

2010). m-Health didefinisikan oleh praktik kedokteran yang didukung oleh

26
perangkat diagnostik portabel. Penggunaan perangkat ini di titik perawatan

menghasilkan perubahan dalam metode pemberian layanan kesehatan dari

metode yang dibuat oleh sistem kesehatan ke metode yang jauh dan dibuat

oleh pasien. (Topol et al., 2015; Silva et al., 2015).

Untuk mencapai potensi transformatif m-Health, banyak validasi

kemampuan teknis dan akurasi, serta dampak klinis dari teknologi ini,

diperlukan penggunaan dari m-Health ini efektif. Praktik kedokteran pada

dunia nyata itu kompleks dan menimbulkan pertanyaan penting tentang

bagaimana kita dapat menghasilkan data kesehatan digital yang memiliki arti

(Bhavnani et al., 2016).

Arsitektur layanan m-Health yang khas pada Gambar 2.1 yang

menggunakan Internet dan layanan Web untuk menyediakan interaksi yang

autentik dan meresap antara dokter dan pasien. Seorang dokter atau pasien

dapat dengan mudah mengakses rekam medis yang sama kapan saja dan di

mana saja melalui komputer, tablet, atau smartphone pribadinya (Silva et al.,

2015).

Gambar 2.1 Illustration of a typical architecture of m-Health services

27
 2.9.1 Telehealth

Menurut (American Telemedicine Association, 2018) dalam (Tuckson

et al., 2017), mengatakan telehealth sebagai istilah yang digunakan secara

bergantian dengan telemedicine, dan didefinisikan sebagai penggunaan

informasi medis yang dipertukarkan dari satu situs ke situs lain melalui

komunikasi elektronik untuk meningkatkan kesehatan pasien.

Istilah telehealth mengacu pada seluruh kumpulan aktivitas yang

digunakan untuk memberikan perawatan jarak jauh atau tanpa kontak fisik

langsung dengan pasien. Telehealth mencakup komunikasi penyedia layanan

kesehatan kepada pasien, dan penyedia layanan kesehatan ke penyedia

layanan kesehatan, serta dapat berlangsung diwaktu yang sama (telepon dan

video), asinkron (pesan portal pasien, konsultasi elektronik), dan melalui

agen virtual (chatbots), juga perangkat yang dapat dikenakan (Wosik et al.,

2020).

Telehealth (atau telemedicine) telah digunakan untuk menanggapi

kebutuhan kemanusiaan pada saat konflik atau bencana alam (Zachariah et

al., 2012; Nicogossian & Doarn, 2011).

Teknologi, alat, dan layanan telehealth menjadi komponen penting dari

sistem perawatan kesehatan seperti yang dijelaskan pada Gambar 2.2

(Tuckson et al., 2017)

28
 .

Gambar 2.2 Telehealth Technologies (Tuckson et al., 2017)

Menurut (Tuckson et al., 2017), terdapat 9 aspek dari penyampaian

layanan telehealth, yaitu: kepemimpinan dokter, penggantian biaya, lisensi,

kewajiban, faktor manusia, interoperabilitas perangkat dan integrasi data,

privasi dan keamanan, pengukuran kinerja, keterlibatan pasien, serta desain

dan metode penelitian.

Dalam (Tuckson et al., 2017), menyebut adanya urgensi untuk

meningkatkan aplikasi telehealth karena dokter dan pasien memperluas

penggunaannya di berbagai bidang (Dinesen et al., 2016) dan (Totten et al.,

2016), semisal: konsultasi video real-time dengan dokter atau tenaga

29
kesehatan pada bidang seperti kardiologi, dermatologi, psikiatri,

gastroenterologi, penyakit menular, reumatologi, onkologi, dan

pendampingan secara langsung; kunjungan telepon, email, dan video untuk

triase dan intervensi perawatan primer seperti konseling, peresepan dan

manajemen obat, dan manajemen pengobatan jangka panjang untuk diabetes,

penyakit paru obstruktif kronik, dan gagal jantung kongestif; teknologi untuk

mentransfer data pencitraan untuk tinjauan radiologis di luar lokasi; layanan

berbasis rumah sakit, seperti perawatan darurat dan trauma, intervensi stroke,

perawatan intensif, dan manajemen luka, yang didukung oleh konsultasi

khusus melalui konferensi video dengan gambar resolusi tinggi yang

ditransmisikan dengan aman; koordinasi dan pengelolaan penyakit kronis dan

penyakit lainnya setelah pulang dari rumah dan pengaturan berbasis

komunitas, didukung oleh kemampuan pemantauan jarak jauh, peningkatan

resolusi kamera ponsel cerdas, dan peningkatan keakraban konsumen dengan

interaksi video; dan intervensi kesehatan, di bidang-bidang seperti

pendidikan kesehatan, aktivitas fisik, pemantauan diet, penilaian risiko

kesehatan, kepatuhan pengobatan, dan kebugaran kognitif, yang

menggunakan saluran video, aplikasi dan teks ponsel cerdas, dan portal Web.

Telehealth juga mencakup kegiatan yang biasa disebut sebagai

telemedicine dan telehomecare. Terlepas dari istilah yang digunakan, penting

untuk memahami luasnya teknologi, aplikasi, dan peran telehealth tersebut

(Scott & Mars, 2015).

30
 Telehealth dapat mengubah semua aspek potensi kesehatan untuk

mengurangi penularan penyakit, mengarahkan orang ke tingkat merawat

kesehatan yang tepat, memastikan keamanan untuk memberikan layanan

kesehatan online, melindungi pasien, dokter, dan masyarakat dari paparan

infeksi, dan akhirnya mengurangi beban pada penyedia layanan kesehatan.

Beberapa kasus penggunaan telehealth untuk pasien adalah kontrol dan

pemilihan selama wabah pandemi COVID-19, pemantauan diri, pengobatan,

pasien setelah keluar di puskesmas (tindak lanjut) dan implementasi layanan

kesehatan online (Monaghesh & Hajizadeh, 2020).

Telehealth dapat memberikan akses yang lebih besar kepada tenaga

kesehatan yang lebih luas melalui teleconsulations, dapat meningkatkan

keterampilan dan pengetahuan penyedia layanan kesehatan lokal melalui

pelatihan, dan bahkan bisa menumbuhkan kebiasaan perawatan diri dan

kesehatan yang lebih baik dengan membangun kesadaran dan merubah

perilaku dalam pola hidup sehat. Meskipun bukan solusi akhir, tapi itu bisa

sangat membantu (Scott & Mars, 2015).

Telehealth dengan menggunakan konferensi video atau seluler

memungkinkan tenaga kesehatan untuk mengajukan pertanyaan khusus dan

mengumpulkan informasi yang diperlukan, pemilihan pasien dan konsultasi

stock, atau digunakan masyarakat untuk dapat terus memantau secara mandiri

terkait gejala kesehatan saat pemulihan (Monaghesh & Hajizadeh, 2020).

Telehealth memiliki sejumlah kekuatan utama yang dapat

meningkatkan respons darurat ketika ada bahaya lingkungan atau biologis.

31
Selama wabah penyakit menular, telehealth dapat memungkinkan perawatan

triase jarak jauh dan menyediakan informasi yang dapat diakses dengan cepat

melalui teknologi – semisal chatbots, seperti yang terlihat di Singapura

selama COVID-19. Telehealth juga dapat membantu diagnosis penyakit

melalui konsultasi video dengan tenaga kesehatan (Smith et al., 2020).

Untuk pasien dengan COVID-19, atau mereka yang khawatir dengan

hal tersebut sehingga mereka merasa bahwa mereka mungkin terinfeksi,

telehealth dapat membantu penilaian jarak jauh (triase) dan membantu

perawatan. Untuk orang yang tidak terinfeksi virus COVID-19, terutama

mereka yang berisiko lebih tinggi terkena (misalnya orang dewasa yang lebih

tua dengan kondisi medis tertentu), telehealth dapat memberikan kemudahan

akses untuk perawatan diri secara rutin tanpa risiko terpapar, seperti di rumah

sakit yang padat atau di ruang tunggu praktik medis (Smith et al., 2020).

Program telehealth mengatasi hambatan untuk memberikan pasien dan

perawat sebuah akses ke perawatan medis. Sistem perawatan kesehatan

dengan telehealth menopang kesinambungan perawatan pasien rawat jalan

selama pandemi ini—di tengah perintah “stay at home” dan langkah physical

distancing atau menjaga jarak, sekaligus mengurangi penyebaran komunitas

dan nosokomial (Wosik et al., 2020).

Dalam (Wosik et al., 2020) Telehealth juga terbukti berguna untuk

perawatan rawat inap, khususnya untuk membantu menyeimbangkan layanan

klinis dengan peningkatan permintaan, menghemat peralatan pelindung

32
pribadi (APD), dan menyediakan koneksi pasien yang terisolasi dengan

keluarga dan teman. (Hollander & Carr, 2020; Keesara et al., 2020).

2.9.2 Telemedicine

Perusahaan di bidang kesehatan mulai menerapkan teknologi komputer

dan internet dalam operasionalnya, mereka mengubah kegiatannya dari

konsep offline menjadi konsep online (Yani 2018).

Dalam (Waller & Stotler, 2018), Merriam-Webster mendefinisikan

kedokteran sebagai ilmu dan seni yang berhubungan dengan pemeliharaan

kesehatan dan pencegahan, pengurangan, atau penyembuhan penyakit

(Merriam & Webster, 2018). Tele adalah bentuk gabungan yang berarti jauh,

pada jarak atau jarak (Merriam & Webster, 2018). Definisi fungsional

telemedicine sama dengan literal, meskipun banyak variasi halus yang dapat

ditemukan dalam literatur.

Telemedicine adalah teknologi kesehatan yang dapat digunakan untuk

menangani beberapa kesulitan yang dialami sistem perawatan kesehatan

sebagai akibat dari epidemi penyakit menular global (Sari W et al., 2021).

Kementerian Kesehatan telah mendorong rumah sakit dan institusi

layanan kesehatan lainnya untuk mengembangkan dan menerapkan layanan

telemedicine dalam rangka memberikan layanan perawatan kesehatan kepada

masyarakat umum. Ini karena telemedicine dianggap sebagai metode

mutakhir untuk menangani masalah COVID-19 (Sari W et al., 2021).

Telemedicine (TM) telah ada dalam beberapa bentuk selama ribuan

tahun. Banyak yang mengaitkan penggunaan pertama telemedicine ketika

33
peradaban kuno mengirim sinyal asap untuk memperingatkan klan lain

tentang wabah penyakit menular (Hurst, 2016). Meskipun jenis komunikasi

ini memiliki bandwidth yang terbatas, itu memungkinkan pertukaran

informasi medis dari jarak jauh (Waller & Stotler, 2018).

Menanggapi situasi COVID-19 saat ini, Pusat Layanan Medicare &

Medicaid dan rencana kesehatan komersial sebagian besar telah menghapus

pembayaran bersama untuk kunjungan TM sebagai sarana untuk mendorong

pemanfaatan pada saat dibutuhkan, dan ahli alergi perlu memperhatikan hal

ini. (Centers for Medicare & Medicaid Services, 2020; ATA, 2020).

TM dapat digunakan untuk manajemen berkelanjutan dari penyakit

kronis seperti asma dan imunodefisiensi, terutama pada saat jarak sosial maka

sangat dianjurkan. Individu dengan kondisi ini sangat rentan terhadap

COVID-19, sehingga kepatuhan pengobatan serta optimalisasi penyakit

adalah cara penting untuk mengurangi keparahan. TM dapat berfungsi

sebagai alternatif yang aman dan efektif untuk perawatan langsung (Portnoy

et al., 2020).

Sistem telemedicine telah difokuskan pada pengurangan dan

pencegahan kepadatan di unit gawat darurat, klinik darurat, dan klinik

perawatan primer; transmisi langsung; dan memberikan jaminan dan

pendidikan kepada pasien tentang rencana perawatan mereka. Selain itu,

telemedicine dapat digunakan untuk memenuhi persyaratan perawatan

kesehatan berkelanjutan dari pasien dengan penyakit kronis, yang berdampak

pada pengurangan jumlah kunjungan langsung ke klinik (Sari W et al., 2021).

34
 Telemedicine (TM) memiliki potensi untuk membantu dengan

mengizinkan pasien yang sakit ringan untuk mendapatkan perawatan suportif

yang mereka butuhkan sambil meminimalkan paparan mereka terhadap

pasien sakit akut lainnya. Lagi pula, satu-satunya infeksi yang dapat

ditangkap seseorang saat menggunakan TM adalah virus komputer. Untuk

mendorong pendekatan TM, hampir semua rencana kesehatan dan

perusahaan besar menawarkan beberapa bentuk pertanggungan untuk

layanan TM (Portnoy et al., 2020).

Telemedicine juga biasanya dibagi menjadi kunjungan rawat inap (di

mana pasien dirawat di rumah sakit) dan kunjungan rawat jalan. TM di ruang

rawat inap sering digunakan untuk memantau pasien yang berada di unit

perawatan intensif meskipun mereka juga dapat digunakan untuk

memfasilitasi konsultasi rawat inap oleh spesialis dan untuk memantau pasien

perawatan nonintensif yang membutuhkan perawatan ekstra seperti pasien

bunuh diri (Waller & Stotler, 2018).

Gambar 2.3 Contoh dari Telemedicine (Waller & Stotler, 2018)

35
 Rencana kesehatan, pemberi kerja, sistem rumah sakit, dan outlet harus

bekerja sama untuk mengatasi hambatan ini dengan (1) mendidik masyarakat

bahwa TM adalah alternatif yang efektif dan lebih aman dalam situasi saat

ini, (2) memperluas cakupan penggantian biaya jaringan bagi dokter untuk

menemui pasien mereka melalui TM, (3) membuat orang sadar bahwa

manfaat TM, dengan petunjuk tentang penggunaannya, (4) membantu orang

memahami cara kerja dari TM, dan (5) terus mengurangi hambatan berupa

biaya untuk mengakses TM (Portnoy et al., 2020).

2.10 D&M Success IS Model

Delone & Mclean Model atau D&M Success IS Model adalah suatu

metode pengukuran keberhasilan sistem yang telah dikembangkan pada tahun

1992, lalu diperbarui pada tahun 2003 dan berubah menjadi Updated D&M

Success IS Model.

Sejak dipublikasikan oleh (DeLone & McLean, 1992), Delone &

Mclean Model banyak mendapat tanggapan dari para peneliti. Semisal kritik

yang disampaikan (Seddon, 1997) yang mengangkat permasalahan

tercampurnya model proses dan model kausal dalam model yang dibangun

(DeLone & McLean, 1992).

Pada tahun 1992, Delone & McLean mengembangkan model

kesuksesan sistem informasi yang disusun oleh 6 parameter atau variabel.

Variabel tersebut ialah Kualitas Informasi (Information Quality), Kualitas

Sistem (System Quality), Kegunaan (use), Kepuasan pengguna (User

36
satisfaction), Pengaruh Individual (Individual Impact), Pengaruh Organisasi

(Organizational Impact).

Gambar 2.4 Delone & Mclean Model tahun 1992

Gambar 2.4 diatas merupakan 6 variabel dari model Delone & Mclean

tahun 1992. Sedangkan saat ini model delone & mclean sudah menambahkan

variabel kualitas layanan.

Pada tahun 2003 Delone & Mclean melakukan pembaharuan dengan

model yang mereka ciptakan sebelumnya, menjadi Updated Delone &

Mclean IS Success Model. Model ini termotivasi dari panggilan Delone &

Mclean kepada para peneliti untuk melakukan klasifikasi ulang pada model

mereka ini. Model ini dirasa cocok dan dapat digunakan sebab model Delone &

Mclean tersebut sudah banyak digunakan sebelumnya oleh para peneliti untuk

mengukur kesuksesan sistem.

Perbedaan utama dari model yang mereka keluarkan pada tahun 1992 dengan

model yang terbaharui pada tahun 2003 ialah:

1. Penambahan pada kualitas layanan (service quality) untuk mendukung

kebehasilan pada sistem e- commerce.

37
 2. Penambahan Intention to use atau niat untuk mengukur sikap penggunaan

untuk pengukuran alternatif pada penggunaan.

3. Runtuhnya dampak individu dan dampak organisasi menjadi konstruksi

manfaat bersih yang lebih ringkas.

Model yang diperbarui model terdiri dari enam dimensi keberhasilan

SI yang saling terkait. Variabel tersebut adalah informasi, sistem, dan kualitas

layanan; (niat untuk) menggunakan; kepuasan pengguna; dan keuntungan

bersih.).

Gambar 2.5 Updated Delone & Mclean IS Success Model

2.11 Model Delone &McLean yang dikembangkan (Zibak et al., 2021)

(Zibak et al., 2021) membangun model keberhasilan platform

manajemen intelijen ancaman (TIMP) dengan mengadaptasi model D&M

yang telah disempurnakan. Model ditunjukkan pada Gambar 2.5 dan terdiri

dari enam konstruksi sukses utama model D&M — kualitas konten, kualitas

sistem, kualitas layanan, penggunaan, kepuasan pengguna, dan manfaat

bersih — serta konstruksi baru yang ditambahkan: kepercayaan yang

dirasakan.

38
 Model (Zibak et al., 2021) menggunakan kualitas konten alih-alih

kualitas informasi untuk menangkap kekayaan dan keragaman konten. (Zibak

et al., 2021) memutuskan untuk tidak menyertakan loop umpan balik yang

ditemukan dalam model D&M demi kesederhanaan dan untuk meminimalkan

waktu yang dibutuhkan untuk berpartisipasi dalam survei yang dihasilkan.

Gambar 2.4 Model Delone &McLean yang dikembangkan (Zibak et al.,

2021)

• Konstruk

Dalam mengembangkan konstruksi model, zybak memeriksa definisi

masing-masing faktor keberhasilan dalam model D&M, membandingkannya

dengan fitur dan tujuan spesifik platform manajemen intelijen ancaman

(TIMP), dan memasukkan konsep relevan yang muncul dalam literatur.

Proses ini menghasilkan model teoritis yang terdiri dari tujuh konstruksi

berikut:

✓ Content quality

Dipandu oleh karakterisasi kualitas informasi dalam model DeLone dan

McLean sebagai masalah konten, model (Zibak et al., 2021) mencoba

39
menangkap kualitas intelijen ancaman dalam konstruksi berlabel kualitas

konten. Terlepas dari kesamaannya dengan konstruksi kualitas informasi

dalam model D&M, konstruksi kualitas konten dalam model ini diadaptasi

menjadi konstruksi yang lebih luas yang bertujuan untuk menangkap

kekayaan dan keragaman konten.

✓ System quality

Konstruksi kualitas sistem menangkap fungsi kinerja dan

fungsionalitas sistem itu sendiri dengan mengukur sejauh mana karakteristik

yang diinginkan. Ketika pengguna adalah pelanggan vendor, berbeda dengan

karyawannya — seperti halnya dengan sebagian besar solusi manajemen

intelijen ancaman — penggunaan sistem oleh mereka biasanya bersifat

sukarela. Ini berarti bahwa kegunaan, fungsionalitas, atau daya tanggap yang

tidak memuaskan dapat menghambat penggunaan sistem itu oleh pelanggan.

Meskipun kualitas sistem umumnya ditentukan dengan menggunakan ukuran

kemudahan penggunaan yang disederhanakan, beberapa penelitian telah

menemukan bahwa persepsi kemudahan penggunaan tidak sepenuhnya

mewakili konstruksi kualitas sistem.

✓ Service quality

Kualitas layanan umumnya digambarkan sebagai seberapa baik

layanan yang disampaikan sesuai dengan harapan pelanggan. Dalam konteks

(Zibak et al., 2021), kualitas layanan adalah penilaian subjektif dari kualitas

interaksi pengguna-vendor termasuk sejauh mana kebutuhan layanan tertentu

telah terpenuhi. Ukuran efektivitas sistem informasi biasanya berfokus pada

40
produk daripada layanan dari fungsi sistem informasi. Oleh karena itu,

menambahkan kualitas layanan ke dalam model penilaian berpotensi

menghasilkan ukuran efektivitas sistem yang lebih akurat dan seimbang.

✓ Perceived trust

Selain kualitas konten, sistem dan layanan, disposisi pengguna

terhadap masalah keamanan dan kepatuhan seperti privasi dan perlindungan

data dapat mempengaruhi kepuasan mereka secara keseluruhan dengan

TIMP. Sejauh mana vendor dapat memastikan bahwa instalasi dan

pemanfaatan TIMP dapat dilakukan dengan aman tanpa gangguan atau

gangguan merupakan pertimbangan penting yang dapat mempengaruhi

kepuasan pelanggan.

✓ Use

Penggunaan sistem informasi telah diterima secara luas sebagai ukuran

keberhasilan penting dalam penelitian SI. Namun, penggunaan yang

sebenarnya, sebagai indikator keberhasilan, hanya masuk akal jika

penggunaan sistem tersebut bersifat sukarela.

✓ User satisfaction

Kepuasan pengguna umumnya mengacu pada sejauh mana pengguna

percaya bahwa sistem tertentu yang mereka gunakan memenuhi persyaratan

informasi mereka. Mengingat bahwa menentukan efektivitas sistem

informasi dalam banyak kasus sulit untuk diukur, kepuasan pengguna dengan

sistem telah diterima secara luas sebagai pengganti yang berpotensi terukur

41
 untuk mengevaluasi utilitas dan efektivitas sistem dalam pengambilan

keputusan.

✓ Net benefits

Konstruk manfaat bersih adalah variabel dependen akhir dalam model

(Zibak et al., 2021) dan bertujuan untuk menangkap hasil yang bermanfaat

secara keseluruhan dari penggunaan sistem informasi. DeLone dan McLean

memperkenalkan konstruk dalam model keberhasilan yang direvisi

berdasarkan keyakinan mereka bahwa dampak sistem informasi tidak lagi

terbatas pada pengguna langsung, tetapi mencakup entitas lain seperti industri

dan masyarakat.

2.12 Perceived Trust

Trust atau kepercayaan telah lama dikonsepkan dari berbagai macam

ilmu dengan cara yang berbeda, baik itu secara teoritis ataupun secara teknis.

Namun tidak ada pemahaman yang baku akan pengertian dari trust tersebut.

Tidak hanya berbeda arti tapi juga memiliki makna yang saling berlawanan

karena ini dapat terjadi setidaknya karena dua hal: pertama tiap disiplin ilmu

memiliki makna tersendiri mengenai trust, dan kedua trust ini memiliki

makna yang ambigu atau tidak jelas. Hal ini terjadi karena trust memiliki

konsep dan persamaan kata yang banyak (Setiawan & Achyar, 2013).

Perceived Trust atau kepercayaan yang dirasakan menurut (Reichheld

& Schefter, 2000) adalah suatu konsep atau kunci dalam adopsi teknologi

yang membantu beberapa merchants atau toko untuk membangun hubungan

pelanggan/customer relationships yang kuat (Reichheld & Schefter, 2000).

42
 Sedangkan menurut (Singh & Sinha, 2020), Perceived Trust

didefinisikan sebagai suatu kondisi emosional yang saling menguatkan antar

satu kepercayaan dengan kepercayaan lain yang didasari kebiasaan dalam

memberikan suatu kepuasan pada hal tertentu.

(Hayashi & Bradford, 2018) dalam (Singh & Sinha, 2020) menyatakan

dalam penelitian mereka, bahwa merchants percaya faktor kepercayaan

menjadi atribut penting pada mobile payment. Hasil penelitian menyebutkan

bahwa merchants khawatir tentang keamanan dan masalah privasi dari suatu

sistem, mereka juga percaya bahwa masalah tersebut memengaruhi

kepercayaan dan merchants dan konsumen dalam layanan dompet seluler

atau e-wallet.

2.13 Penelitian Kuantitatif

Penelitian biasa diartikan secara sebagai pencarian pada sebuah

pengetahuan. Pengertian lain juga mendefinisikan penelitian merupakan

pencarian secara sistematis dan berdasar pada ilmu pengetahuan untuk

memecahkan suatu informasi pada topik tertentu (Kothari, 2004). (Sugiyono,

2013) menyatakan penelitian yang berbentuk asosiatif kausalistik merupakan

penelitian yang bertujuan untuk mengetahui hubungan antara dua variabel

atau lebih dan hubungan ini memiliki sifat sebab akibat.

Penelitian pada dasarnya merupakan cara ilmiah untuk mendapatkan

data dengan tujuan dan kegunaan tertentu. Cara ilmiah berarti kegiatan itu

didasarkan pada ciri-ciri keilmuan yaitu rasional, empiris, dan sistematis.

Rasional berarti kegiatan penelitian itu dilakukan dengan cara-cara yang

43
 masuk akal, sehingga terjangkau oleh penalaran manusia (Agung & Anik,

2019).

Penelitian kuantitatif merupakan penelitian yang berdasarkan pada

pengukuran jumlah atau angka. Penelitian ini dapat diterapkan pada hal yang

bisa diterjemahkan pada sesuatu yang bersifat angka atau nilai (Kothari,

2004). Penelitian kuantitatif digunakan untuk meneliti suatu populasi atau

sampel. Data dapat dikumpulkan dengan menggunakan instrumen atau alat

ukur lalu dianalisa dengan statistik.

Menurut (Sarwono, 2003) dalam (Amirullah & Hermawan, 2016),

penelitian kuantitatif memerlukan adanya hipotesis dan pengujiannya yang

kemudian akan menentukan tahapan-tahapan berikutnya, seperti penentuan

teknik analisa dan formula statistik yang akan digunakan. Pendekatan inipun

lebih memberikan makna dalam hubungannya dengan penafsiran angka

statistik bukan makna secara kebahasaan dan kulturalnya.

2.14 Metode Pengumpulan Data

Menurut (Sugiyono, 2013), teknik pengumpulan data merupakan

langkah yang paling utama dalam penelitian, karena tujuan utama dari

penelitian ialah untuk mendapatkan data.

Teknik pengumpulan data dilakukan dengan wawancara, kuesioner,

observasi, dan studi literatur. Berikut penjelasan ketiganya:

• Wawancara

Menurut (Sugiyono, 2013), wawancara merupakan suatu percakapan

yang diarahkan pada suatu masalah tertentu dengan cara tanya jawab

44
secara lisan dimana dua orang atau lebih melakukan tatap muka.

Wawancara diadakan dengan maksud mengkontruksi mengenai orang,

kejadian, organisasi, perasaan, motivasi, dan lain-lain (Sugiyono, 2013).

Maka dapat disimpulkan bahwa wawancara adalah teknik pengumpulan

data dengan cara memberikan suatu pertanyaan kepada responden agar

peneliti dapat menemukan permasalahan terkait.

• Kuesioner

Kuesioner merupakan teknik pengumpulan data dengan memberikan

seperangkat pertanyaan tertulis kepada responden. Berdasarkan

prosedurnya, kuesioner terbagi menjadi dua macam yaitu kuesioner

langsung dan tidak langsung. Kuesioner langsung adalah kuesioner yang

diberikan kepada responden secara langsung, sedangkan tidak langsung

adalah kuesioner yang didapat oleh responden melalui perantara. Jika

berdasarkan jenisnya, kuesioner terbagi menjadi kuesioner terbuka dan

tertutup. Kuesioner terbuka adalah kuesioner dengan pertanyaan yang

jawabannya dapat diisi dengan leluasa sehingga akan mendapatkan data

yang beragam. Kuesioner tertutup ialah kuesioner dengan beberapa pilihan

jawaban yang telah ditetapkan (Sugiyono, 2013).

• Observasi

Observasi adalah teknik pengumpulan data dengan mengamati

perilaku manusia, tempat, proses pekerjaan, gejala-gejala yang muncul,

dan lain-lain. Observasi dilaksanakan karena mempunyai tujuan tertentu,

45
 memiliki sifat ilmiah, kuantitatif, cepat, dan terbukti reabilitas serta

validitasnya (Sugiyono, 2013).

• Studi Literatur

Selain itu terdapat studi literatur sebagai teknik pengumpulan data

lainnya. Studi literatur adalah aktivitas pada penelitian yang meliputi

pencarian literatur, melokalisasi, dan menganalisis dokumen yang

berhubungan dengan masalah yang akan diteliti. Dokumen dapat

berbentuk teori-teori dan bisa pula hasil-hasil penelitian yang telah

dilakukan mengenai permasalahan yang akan diteliti (Sangadji, 2010).

2.15 Populasi dan Sampel

Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek

yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh

peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,

2004).

Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh

populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin

mempelajari semua yang ada pada populasi, misalnya karena keterbatasan

waktu, dana dan tenaga, maka peneliti dapat menggunakan sampel yang

diambil dari populasi itu (Agung & Anik, 2019).

2.16 Simple Random Sampling

Simple Random Sampling, adalah bagian dari teknik Probability

Sampling yang merupakan teknik pengambilan sampel yang memberi

peluang yang sama bagi tiap populasi untuk dipilih menjadi sampel.

46
 Selanjutnya, pengertian dari Simple Random Sampling adalah teknik

pengambilan sampel yang paling sederhana karena dilakukan secara acak dan

tidak memperhatikan status dalam suatu populasi.

2.17 Skala Likert

Skala likert merupakan skala yang digunakan untuk mengukur sikap,

pendapat, dan persepsi seseorang atau sekelompok orang mengenai fenomena

sosial (Sugiyono, 2013). 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. Skala likert adalah suatu skala psikometrik yang umum digunakan

dalam kuesioner dan merupakan skala yang paling banyak digunakan dalam

riset beberapa survei.

Beberapa peneliti menggolongkan skala likert ke dalam skala yang

berbeda. Biasanya disediakan lima pilihan skala dengan format seperti: [1]

sangat setuju, [2] setuju, [3] netral, [4] tidak setuju, dan [5] sangat tidak setuju

(Syofian et al., 2015).

2.18 Pilot study

Menurut (Hartono, 2010) tujuan utama dari pilot study adalah untuk

menguji keefektifan instrumen survei (kuesioner) sebagai alat komunikasi

antara peneliti dan responden

Sementara menurut (Perneger, 2015) penentuan sampel dalam pilot

study yang ideal adalah sebanyak 30 sampel karena ukuran sampel sejumlah

30 akan mencapai daya tinggi yang baik untuk mendeteksi masalah pada

47
 kuesioner. Pilot study dikatakan memiliki tingkat validitas dan reliabilitas

yang baik jika nilai average variance exracted (AVE) di atas 0,5 dan nilai

Composite Reliability (CR) di atas 0,7.

2.19 Analisis demografis

Demografi fokus mengkaji permasalahan kependudukan secara

kuantitatif, seperti jumlah, struktur, komposisi, dan ukuran kependudukan

sehingga teknik-teknik perhitungan data kependudukan. Demografi sangat

diperlukan untuk mendapatkan hasil dan kualitas perhitungan yang baik.

Demografis juga menawarkan informasi mengenai wawasan berharga

tentang bagaimana populasi diorganisasikan, ukuran serta komposisinya.

Demografi juga dapat digunakan sebagai mempelajari secara kuantitas dan

persebaran penduduk pada suatu daerah tertentu (Ananda, 2022).

2.20 SEM

Menurut (Jogiyanto, 2014), SEM adalah teknik statistika untuk menguji

dan mengestimasi hubungan kausal dengan mengintegrasi analisis faktor dan

analisis jalur. SEM terdiri atas dua tahapan dasar yaitu validasi model

pengukuran dan pengujian model struktural. SEM biasanya dimulai dengan

pengembangan hipotesis, representasi model, dan operasionalisasi variabel

menggunakan instrumen pengukuran dan pengujian model.

Variabel-variabel dalam SEM adalah sebagai berikut (Bollen, 1989):

1. Variabel laten (latent variable) merupakan konsep abstrak.

Variabel laten ini hanya dapat diamati secara tidak langsung dan tidak

sempurna melalui efeknya pada variabel teramati. Variabel laten dibedakan

48
 menjadi dua yaitu variabel eksogen dan endogen. Variabel eksogen setara

dengan variabel bebas, sedangkan variabel endogen setara dengan variabel

terikat.

2. Variabel teramati (observed variable) atau variabel terukur

(measured variable)

Variabel teramati adalah variabel yang dapat diamati atau dapat diukur

secara empiris dan sering disebut sebagai indikator. Variabel teramati

merupakan efek atau ukuran dari variabel laten. Pada metoda penelitian

survei dengan menggunakan kuesioner, setiap pertanyaan pada kuesioner

mewakili sebuah variabel teramati.

2.21 PLS-SEM

Menurut (Jogiyanto, 2014), Partial Least Square (PLS) adalah teknik

statistika multivariate yang melakukan perbandingan antara variabel

dependen berganda dan variabel independen berganda. PLS merupakan

metode analisis yang powerful karena tidak didasarkan pada banyak asumsi

(Ghozali, 2006).

Menurut (Yamin & Kurniawan, 2011) terdapat bebetapa alasan

mengapa PLS-SEM populer digunakan oleh para peneliti dan praktisi, yaitu

sebagai berikut:

1. Algoritma PLS tidak terbatas hanya untuk hubungan antara indikator

dengan konstruk latennya yang bersifat reflektif saja tetapi algoritma

PLS juga dapat dipakai untuk hubungan yang bersifat formatif.

49
 2. PLS dapat digunakan untuk menaksir model path dengan sample size

yang kecil.

3. PLS-SEM dapat digunakan untuk model yang sangat kompleks

(terdiri atas banyak variabel laten dan manifes) tanpa mengalami

masalah dalam estimasi data.

2.22 Evaluasi Model PLS

Evaluasi model dalam PLS meliputi dua tahap yaitu evaluasi outer

model (pengukuran model) dan evaluasi terhadap inner model (struktural

model). Outer model merupakan model pengukuran dalam menguji validitas

dan reliabilitas model, sedangkan inner model merupakan model struktural

dalam memprediksi hubungan kausalitas antar variabel laten (Hair et al.,

2011; Yamin & Kurniawan, 2011).

Berikut penjelasannya:

1. Evaluasi Pengukuran Model (Outer Model)

Evaluasi terhadap pengukuran model berupa: pemeriksaan

Individual Item Reliability, Internal consistency atau Construct

Reliability, Average Variance Extracted, dan Discriminant Validity.

Keempat pengukuran pertama dikelompokkan dalam Convergent

Validity. Convergent Validity mengukur besarnya korelasi antara

konstrak dengan variabel laten (Hair et al., 2011).

Pertama melakukan pemeriksaan Individual Item Reliability,

dengan melihat nilai standardized Loading Factor. Standardized

Loading Factor menunjukkan besaran korelasi antara setiap item

50
pengukuran (indikator) dengan konstraknya. Nilai Loading

factor/Outer Loading diatas 0,7 sudah dikatakan ideal, yang artinya

bahwa indikator tersebut dikatakan valid sebagai indikator yang

mengukur konstrak. Namun, jika angkanya antara 0.5-0.6 sudah

dinyatakan cukup (Ghozali, 2006).

Selanjutnya melihat Internal consistency Reliability dari nilai

Composite Reliability. Nilai CR dengan batas 0,7 ke atas berarti

dapat diterima dan jika di atas 0,8 dan 0,9 berarti sangat memuaskan

(Hair et al., 2011). Dalam mengukur internal consistency,

menggunakan Composite Reliability lebih baik dibandingkan

cronbach’s alpha pada model SEM, sebab Cronbach’s alpha

cenderung menaksir lebih rendah construct reliability dibandingkan

Composite Reliability.

Selanjutnya melihat 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 menunjukan ukuran Convergent Validity yang baik.

Artinya, variabel laten dapat menjelaskan rata-rata lebih dari

setengah variance dari indikator-indikatornya (Hair et al., 2011).

Terakhit melihat Discriminant Validity yang dievaluasi melalui

Cross Loading, kemudian membandingkan nilai AVE dengan

kuadrat nilai korelasi antar konstrak. Pengujian ini dilakukan

51
 melalui dua tahap pemeriksaan dengan menggunakan Cross

Loading, yakni Cross Loading antar indikator dan Cross Loading

Fornell-Lackers (Subiyakto et al., 2016). Untuk melihat nilai Cross

Loading dari tiap indikator dilakukan dengan membandingkan

kolerasi indikator dengan variabelnya dan variabel blok lainya. Bila

kolerasi antara indikator dengan variabelnya lebih tinggi dari

kolerasi dengan blok lainya, hal ini menunjukan konstruk tersebut

memprediksi ukuran pada blok mereka lebih baik dari blok lainya

(Hair et al., 2011). Sedangkan nilai Cross Loading Fornell-Lackers

dapat dilakukan dengan melihat akar AVE yang harus lebih tinggi

dari pada kolerasi antara variabel dengan variabel lainya (Hair et al.,

2011).

2. Evaluasi Struktural Model (Inner Model)

Analisis terhadap struktural model berupa: Path Coefficient (β),

Coefficient of Determination (R²), T-test menggunakan metode

Bootstraping, Effect Size (f2), Predictive Relevance (Q2), dan

Relative Impact (q²) (Hair et al., 2017). Berikut tahapan-tahapannya:

Yang pertama adalah melihat signifikansi hubungan antara

konstruk. Dengan melihat koefisien jalur (Path Coefficient) yang

menggambarkan kekuatan hubungan antara konstrak. Path

Coefficient (β) diuji dengan nilai ambang batas di atas 0,1 untuk

menyatakan bahwa jalur (path) tersebut mempunyai pengaruh di

dalam model (Hair et al., 2017).

52
 Yang kedua, 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 moderat, dan 0,19 atau di bawahnya

menunjukan tingkat varian yang lemah.

Yang ketiga, melihat nilai T-test dengan metode bootstrapping

menggunakan uji two-tailed. Besar tingkat signifikansi yang sering

dipakai pada beberapa penelitian dalam pengujian two-tailed adalah

1,65 (tingkat signifikan 10%), 1,96 (tingkat signifikan 5%), dan

2.57 (tingkat signifikan 1%) (Hair et al., 2017). Nilai T-test tersebut

digunakan dalam pengujian hipotesis suatu penelitian. Jika nilai T-

test lebih besar dari tingkat signifikansi yang digunakan, maka

hipotesis penelitian yang diajukan dapat diterima.

Yang keempat, pengujian F2 (Effect Size) untuk memprediksi

pengaruh variabel tertentu terhadap variabel lainnya dalam struktur

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

0,15 untuk menengah, dan 0,35 untuk pengaruh besar (Hair et al.,

2017).

F2 dihitung dengan menggunakan rumus sebagai berikut:

F2= R2include – R2exclude

1 – R2 include

53
 Keterangan:

- R2 include: Nilai R2 yang diperoleh ketika konstruk eksogen

dimasukkan ke model.

- R2 exclude: Nilai R2 yang diperoleh ketika konstruk eksogen

dikeluarkan dari model.

Yang kelima, menguji Q2 (predictive relevance) dengan metode

blindfolding untuk menampilkan bukti bahwa variabel tertentu yang

digunakan dalam model mempunyai keterkaitan prediktif (predictive

relevance) dengan variabel lainnya dalam model dengan ambang

batas pengukuran di atas nol.

Yang 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 sekitar 0,02 untuk pengaruh kecil, 0,15

untuk pengaruh menengah/sedang, dan 0,35 untuk pengaruh besar.

Rumus yang digunakan untuk perhitungan q2 adalah sebagai berikut.

q2= Q2include – Q2exclude

1 – Q2include`

Keterangan:

• q2 include: Nilai q2 yang diperoleh ketika konstruk eksogen

dimasukkan ke model.

54
 • q2 exclude: Nilai q2 yang diperoleh ketika konstruk

eksogen dikeluarkan dari model.

2.23 Interpretasi

Interpretasi adalah menafsirkan tentang suatu hal, dan berkaitan erat

dengan pemahaman. Dalam kaitannya dengan interpretasi tersebut,

pemahaman itu sangatlah kompleks, khususnya apabila berada pada manusia.

Sulit untuk menentukan kapan sebenarnya manusia atau seseorang mulai

mengerti tentang sesuatu atau hal tertentu. Seseorang haruslah terlebih dulu

memahami atau mengerti untuk dapat memberikan interpretasi. Dua hal itu

bukanlah keadaan yang saling terpisah, tetapi sekaligus merupakan suatu

proses yang terjadi secara serentak. Sejalan dengan itu, mengerti atau

memahami dapat menuju ke proses penafsiran yang tidak hanya terhenti pada

“titik tertentu” tetapi suatu proses yang tidak kenal lelah untuk berusaha

memahami sesuatu, semacam “lingkaran penafsiran” yang bergerak secara

melingkar (Wahid, 2015).

55
 2.24 Penelitian Sejenis

Tabel 2.1 Penelitian Sejenis

No. Peneliti Judul Penelitian Model Penelitian Tujuan Penelitian Hasil Penelitian

1. (Kushendriawan, Evaluating User Experience of a Usability Testing dan Untuk mengevaluasi pengalaman Hasil evaluasi UEQ menunjukkan

Santoso, Putra, & Mobile Health Application User Experience pengguna aplikasi kesehatan seluler kesesuaian dengan benchmark UEQ

Schrepp, 2021) Halodoc using User Experience Questionnaire Halodoc agar pengguna tetap dengan tingkat UX yang baik. Namun,

Questionnaire and Usability menggunakan aplikasi tersebut dan pada uji kegunaan ditemukan beberapa

Testing Halodoc tidak kehilangan sumber area konkret agar dilakukan perbaikan.

pendapatan potensial. Hasil analisis digunakan sebagai acuan

untuk membuat desain perbaikan.

2. (Noviyanti, 2016) MEASURING THE SUCCESS Updated D&M IS Untuk mengetahui perspesi pengguna Hasil penelitian ini menunjukkan bahwa

OF ACCRUAL BASIS Success Model terhadap Sistem Akuntansi Instansi SAIBA dapat dikategorikan sebagai

INSTITUTION Basis Akrual (SAIBA) pada sistem informasi yang sukses untuk tiap-

ACCOUNTING SYSTEM Kementrian/Lembaga di tahun tiap dimensi kesuksesan dalam Updated

(SAIBA) USING DeLONE & pertama penggunaannnya pada D&M IS Success Model. Responden

McLEAN MODEL pembuatan laporan keuangan menilai kualitas sistem, kualitas informasi

56
 pemerintah basis akrual dan kualitas layanan SAIBA cenderung

baik. Namun demikian, penggunaan

SAIBA tidak berpengaruh signifikan

terhadap kepuasan pengguna berbeda

dengan pengaruh kualitas sistem, kualitas

infomasi dan kualitas layanan terhadap

penggunaan dan kepuasan pengguna serta

pengaruh kepuasan pengguna dan

penggunaan sistem terhadap manfaat

bersih dan pengaruh timbal baliknya

terbukti menunjukkan pengaruh yang

signifikan.

57
3. (Alam, Alam, Do mobile health (mHealth) UTAUT2 dan D&M IS Untuk mengeksplorasi faktor-faktor Hasil menunjukkan bahwa harapan

Aslam, & Noor, services ensure the quality of Model yang mempengaruhi adopsi mHealth kinerja, harapan usaha, kondisi yang

2020) health life? An integrated layanan di antara Gen Y dan bagaimana memfasilitasi, pengaruh sosial, motivasi

approach from a developing pengaruh adopsi mHealth dalam kualitas hedonis, kualitas sistem, dan kualitas

country context hidup kesehatan mereka bersama dengan layanan memiliki dampak yang signifikan

kepercayaan dan kepuasan. terhadap adopsi mHealth yang pada

gilirannya mengarah pada membangun

kepercayaan, kepuasan, dan

meningkatkan kualitas hidup sehat.

4. (Mohd. & Validation of the D&M IS success D&M IS success model Untuk memvalidasi model keberhasilan Hasil mengungkapkan bahwa penggunaan

Al-Hattami, 2020) model in the context of accounting D&M IS (untuk pertama kalinya) dalam sistem diprediksi oleh kualitas informasi,

information system of the banking konteks sistem informasi akuntansi (AIS) kualitas sistem, dan kepuasan pengguna,

sector in the least developed dari sektor perbankan di negara yang sedangkan kepuasan pengguna dengan

countries kurang berkembang, dalam hal ini AIS diprediksi oleh kualitas informasi.

Yaman Selanjutnya, penggunaan sistem secara

positif mempengaruhi manfaat bersih AIS.

Namun, sistem kualitas dan kualitas

58
 layanan bukan prediktor kepuasan

pengguna dengan AIS dan juga, kualitas

layanan tidak mempengaruhi penggunaan

sistem.

5. (Hidayah, et al., Analysis Using the Technology Technology Acceptance Untuk mengetahui status penerimaan Hasil studi ini adalah kualitas informasi,

2020) Acceptance Model Model (TAM) yang pengguna aplikasi Mobile AIS. Ini kualitas sistem, kualitas layanan,

(TAM) and DeLone & McLean digabungkan dengan dilakukan karena penerimaan pengguna kegunaan yang dirasakan, dan kemudahan

Information System (D&M IS) DeLone & McLean merupakan salah satu faktor penting yang penggunaan yang dirasakan telah

Success Model of AIS Mobile (D&M IS) mempengaruhi keberhasilan mempengaruhi penerimaan pengguna

User Acceptance implementasi aplikasi. aplikasi. Dari 8 hipotesis yang diajukan,

ada satu hipotesis yang ditolak yaitu

hubungan

kualitas layanan dengan persepsi

kemudahan penggunaan karena mendapat

t-test nilai 1,844. Penelitian ini

59
 menghasilkan rekomendasi untuk

departemen teknologi informasi dan pusat

basis data (PUSTIPANDA) sebagai

pengembang untuk lebih fokus pada

layanan yang diberikan kepada pengguna

aplikasi untuk memudahkan pengguna

dalam menggunakan aplikasi.

6. (Sharma & Sharma, Examining the role of trust and DeLone & McLean Untuk memahami penggunaan m- Hasil mengungkapkan bahwa kepuasan

2019) quality dimensions in the actual (D&M IS) banking oleh pengguna dan niat untuk menggunakan berdiri

usage of mobile banking services: sebagai dua preseden penting dari

An empirical investigation penggunaan aktual, dan kepuasan juga

memediasi hubungan antara kualitas

layanan, kualitas informasi dan

kepercayaan dengan niat untuk

menggunakan m-banking dan meniadakan

dengan kualitas sistem

60
7. (Baabdullah, Consumer use of mobile banking UTAUT2 dan Model Untuk menguji faktor-faktor yang dapat Faktor PE, FC, PV, HM, HT, SQ, dan

Alalwan, Rana, (M-Banking) in Saudi Arabia: Sukses D&M IS memprediksi penggunaan mobile SRQ didukung untuk memiliki dampak

Kizgin, & Patil, Towards an banking serta bagaimana penggunaan yang signifikan terhadap perilaku

2019) integrated model sistem tersebut dapat berkontribusi pada penggunaan. Hubungan yang kuat juga

kepuasan pelanggan dan loyalitas didukung antara perilaku penggunaan

pelanggan aktual dan kepuasan pelanggan. Akhirnya,

loyalitas pelanggan telah mendapat

prediksi kuat oleh peran perilaku

penggunaan dan kepuasan

8. (Zibak, Sauerwein, A Success Model for Cyber Threat DeLone dan McLean Untuk memvalidasi secara empiris Validasi empiris dari model sukses

& Simpson, 2021) Intelligence Management model sukses komprehensif untuk komprehensif untuk TIMP ini memajukan

Platforms platform intelijen ancaman. pemahaman teoretis dan praktis di bidang

berbagi intelijen ancaman. Selanjutnya,

kami telah meletakkan dasar untuk

penelitian lebih lanjut yang mungkin

menyelidiki konstruksi tertentu secara

rinci dan merevisi model yang sesuai.

61
 Misalnya, kami menemukan bahwa

kualitas konten adalah salah satu

konstruksi terpenting untuk kepuasan

pengguna.

9. (Novianti, 2018) Model Evaluasi E-learning DeLone & McLean dan Untuk melakukan pengukuran atau Hasil yang diperoleh menunjukan terdapat

Menggunakan Integrasi Model UTAUT evaluasi untuk mengetahui kesukesan e- 8 variabel yang harus diketahui

D&M dan UTAUT learning dan bagaimana pengguna dapat keterkaitannya satu sama lain antara lain

menerima e-learning tersebut. performance quality, effort expectancy,

system quality, social quality, behavioral

intention, user satisfaction, use behavior

dan net benefit.

62
10. (Kumarahadi, D&M IS Success Model dan D&M Model IS Success Untuk mengetahui pengaruh variabel Hasil penelitian menunjukkan bahwa

Winarno, & WebQual 4.0 pada Siakad Online Model dan WebQual 4.0 terhadap D&M IS Success Model dan indikator penelitian dan model kombinasi

Kurniawan, 2020) STMIK Sinar Nusantara Surakarta WebQual 4.0 di Siakad Online STMIK mendapatkan hasil yang signifikan.

Sinar Nusantara Surakarta. Indikator penelitian berpengaruh

signifikan terhadap model kombinasi.

D&M Model IS Success Model dan

WebQual 4.0 memiliki nilai signifikansi

90% dan R2 sebesar 84%. Artinya kualitas

informasi, kualitas sistem, kualitas

layanan, dan kualitas website berpengaruh

signifikan terhadap niat menggunakan

Siakad Online dan kepuasan pengguna

Siakad Online. Kemudian, niat untuk

menggunakan dan kepuasan pengguna

memiliki pengaruh signifikan terhadap

manfaat bersih pengguna SiakadOnline.

Dengan demikian, model kombinasi ini

63
 mampu menggambarkan hubungan antar

indikator dengan baik.

64
65
 Bab 3

Metodologi Penelitian

3.1 Pendekatan dan Strategi Penelitian

Penelitian ini menggunakan metode kuantitatif, sehingga pendekatan

yang dilakukan adalah pendekatan secara kuantitatif yang ditujukan untuk

mengetahui bagaimana keberhasilan aplikasi Kimia Farma Mobile kepada

penggunanya dan mengidentifikasi faktor-faktor yang memengaruhi

keberhasilan tersebut. Sesuai pendekatan di atas, maka metode, teknik, serta

instrumen penelitian ini akan dilakukan secara kuantitatif.

3.2 Metode Pengumpulan Data

Metode penelitian yang dilakukan untuk memperoleh data yang

dibutuhkan adalah sebagai berikut:

1. Wawancara

Wawancara dilakukan dengan mendatangi responden, dalam

wawancarta tersebut dilakukan komunikasi dua arah guna mendapatkan

data yang berkaitan dengan penelitian, lalu dilakukan dokumentasi guna

penyimpanan data wawancara. Peneliti melakukan wawancara dengan

peserta Vaksin di Learning Center Kimia Farma.

2. Observasi

Observasi dilakukan dengan cara melakukan pengamatan terhadap

objek penelitian. Peneliti melakukan observasi aplikasi Kimia Farma

66
 Mobile saat berada di Learning Center Kimia Farma, pada tanggal 29

Juni-1 Agustus.

3. Studi Literatur

Pada studi pustaka dilakukan identifikasi dan analisis dokumen-

dokumen yang memuat informasi yang berkaitan dengan penelitian yang

dilakukan, baik yang bersumber dari buku maupun website yang

berkaitan dengan topik dalam laporan ini. Adapun daftar buku, website,

dan sumber lain dapat dilihat di dalam daftar pustaka.

4. Kuisioner

Kuisioner akan ditujukan kepada responden yang telah ditentukan

sebelumnya sesuai dengan kriteria yang telah ditetapkan sebelumnya,

data tersebut akan diolah berdasakan aturan yang sesuai untuk

menghasilkan kesimpulan.

3.3 Teknik Populasi dan Sampel Penelitian

Penelitian ini mengambil populasi yang merupakan pengguna Kimia

Farma Mobile di PT Kimia Farma, Tbk. Hal ini dikarenakan peneliti

menemukan masalah yang dialami pegawai ketika menggunakan aplikasi

untuk kegiatan vaksinasi. Untuk pemilihan sampel menggunakan teknik

Simple Random Sampling yang dilakukan dengan cara pengambilan sampel

secara acak tanpa memperhatikan strata yang ada dalam populasi.

Berdasarkan hasil observasi peneliti, telah didapatkan jumlah karyawan

aktif PT Kimia Farma, Tbk per 03 Agustus 2022 adalah sebesar 1.930 orang.

Selanjutnya peneliti akan menentukan jumlah sampel dengan menggunakan

67
 rumus Slovin dengan tingkat kesalahan 7%. Berikut rumus Slovin yang

digunakan untuk pengambilan sampel berdasarkan populasi:

n= 1930 = 184.56

1 + 1930 x 0.072

n = 184.56 (dibulatkan menjadi 184)

Jadi, berdasarkan perhitungan di atas dapat disimpulkan jumlah

minimal responden pada penelitian ini adalah 184 responden.

3.4 Pengukuran Model Keberhasilan

(Belout & Gauvreau, 2004) mengatakan bahwa sebagian besar model

penelitian dikembangkan menggunakan model dan teori penelitian

sebelumnya. Maka dari itu penelitian ini menggunakan model yang

diprakarsai (Delone & McLean, 2003).

Gambar 3.1 Model Delone & McLean

Peneliti mengadopsi model penelitian Delone & McLean yang telah

dikembangkan (Zibak, Sauerwein, & Simpson, 2021). Pada model ini telah

menambahkan variabel eskternal Perceived Trust. Penambahan tersebut

terkait dengan masalah keamanan seperti privasi dan data perlindungan yang

68
dapat memengaruhi kepuasan pengguna secara keseluruhan (Zibak,

Sauerwein, & Simpson, 2021).

Selain itu menurut (Reichheld & Schefter, 2000), perceived trust atau

kepercayaan yang dirasakan adalah suatu konsep atau kunci dalam

mengadopsi teknologi yang membantu beberapa merchants atau toko untuk

membangun customer relationships yang kuat. Sedangkan dalam penelitian

(Hayashi & Bradford, 2018), yang dikutip dari (Singh & Sinha, 2020),

menyatakan bahwa variabel kepercayaan menjadi atribut penting pada mobile

payment. Merchants khawatir tentang keamanan dan masalah privasi dari

suatu sistem, sehingga mereka percaya bahwa masalah tersebut akan

memengaruhi kepercayaan konsumen.

Kemudian, model penelitian (Zibak et al., 2021) juga tidak

menggunakan variabel kualitas informasi seperti pada model (Delone &

McLean, 2003), melainkan menggunakan variabel kualitas konten. Variabel

kualitas konten diadaptasi menjadi variabel yang lebih luas yang ditujukan

untuk menangkap kekayaan dan keragaman konten yang terdapat dalam

aplikasi (Zibak et al., 2021).

Selanjutnya, model ini juga tidak menggunakan hubungan umpan balik

antara variabel seperti yang ditemukan dalam model (Delone & McLean,

2003). Hal ini karena untuk meminimalkan waktu yang dibutuhkan untuk

mencapai hasil penelitian (Zibak et al., 2021).

69
 Oleh karena itu dalam model penelitian ini terdapat 7 variabel yang

terdiri dari Content Quality, System Quality, Service Quality, Perceived

Trust, Use, User Satisfaction, dan Net Benefits.

Pada Gambar 3.2 dapat dilihat model penelitian yang diadopsi dari

(Zibak et al., 2021).

Gambar 3.2 Model Penelitian (Zibak et al., 2021) yang diadopsi

Untuk menjamin validitas dan reliabilitas kuesioner, peneliti

mengadopsi dan menggunakan beberapa item indikator variabel dari

penelitian sebelumnya. Penelitian tersebut antara lain, (Delone & Mclean,

2003), (Zibak, Sauerwein, & Simpson, 2021), dan (HanaeRokya & Al

Meriouh, 2015).

Tabel 3.1 Referensi Indikator

Variabel Indikator Kode Referensi

Accuracy CONQ1 (Delone &

Actionability CONQ2 McLean, 2003),

Content Quality
Relevance CONQ3 (Zibak,

Reliability CONQ4

70
 Timeliness CONQ5 Sauerwein, &

Simpson, 2021)

Usability SYSQ1 (Delone &

Realibility SYSQ2 McLean, 2003),

System Quality Functionality SYSQ3 (Zibak,

Interopability SYSQ4 Sauerwein, &

Simpson, 2021)

Responsiveness SERQ1 (Delone &

Empathy SERQ2 McLean, 2003),

Service Quality Reliability SERQ3 (Zibak,

Assurance SERQ4 Sauerwein, &

Simpson, 2021)

Compliance PT1 (Zibak,

Perceived Trust Security PT2 Sauerwein, &

Overall Trust PT3 Simpson, 2021)

Intensively to USE1 (HanaeRokya &

Use Al Meriouh,
Use
Frequently to USE2 2015)

Use

Adequacy USAT1 (Zibak,

User Satisfaction Efficiency USAT2 Sauerwein, &

Effectiveness USAT3 Simpson, 2021)

71
 Overall USAT4

Satisfaction

Cost Savings NETB1 (Delone &

Time Saving NETB2 McLean, 2003),

Net Benefits (Zibak,

Sauerwein, &

Simpson, 2021)

3.5 Instrumen Penelitian

Instrumen penelitian ini menggunakan sebuah kuesioner yang terdiri

dari dua bagian. Bagian pertama berisi lembaran surat pengantar dari peneliti

sebagai permohonan untuk pengisian. Selanjutnya pada bagian kedua

menjelaskan tentang pernyataan-pernyataan penelitian. Lembaran pernyataan

penelitian terdiri dari profil responden dan 24 pernyataan pengujian.

Secara khusus, peneliti menggunakan lima poin skala likert (Syofian et

al., 2015). Skala likert adalah skala yang digunakan untuk mengukur sikap,

pendapat, dan persepsi seseorang atau sekelompok orang mengenai fenomena

sosial (Sugiyono, Metode Penelitian Bisnis (Pendekatan Kuantitatif,

Kualitatif, dan R&D), 2013). Tiap pernyataan diberikan 5 (lima) alternatif

jawaban, yaitu mulai dari “sangat tidak setuju” (1) sampai “sangat setuju” (5).

Tabel 3.2 Indikator dan Pernyataan

Variabel Indikator Kode Pernyataan

72
 Kimia Farma Mobile

Accuracy CONQ1 menyajikan konten yang

akurat

Kimia Farma Mobile

Actionability CONQ2 menyajikan konten yang

berguna

Kimia Farma Mobile

Content Quality Relevance CONQ3 menyajikan konten yang

relevan

Kimia Farma Mobile

Reliability CONQ4 menyajikan konten yang

dapat dipercaya

Kimia Farma Mobile

Timeliness CONQ5 menyajikan konten dengan

tepat waktu

Kimia Farma Mobile mudah

Usability SYSQ1
digunakan dan dinavigasi

Kimia Farma Mobile dapat

Realibility SYSQ2 diandalkan dan tidak mudah

System Quality
mengalami kerusakan/eror

Kimia Farma Mobile

Functionality SYSQ3 memberikan fungsionalitas

yang sesuai

73
 Kimia Farma Mobile dapat

Interopability SYSQ4 dioperasikan dengan sistem

atau alat lain

Pihak Kimia Farma mampu

membantu saya ketika saya

Responsiveness SERQ1
membutuhkan dukungan

dengan aplikasi

Pihak Kimia Farma

memberikan perhatian

Empathy SERQ2 pribadi ketika saya

mengalami masalah dengan

Service Quality aplikasi

Pihak Kimia Farma

menyediakan layanan yang

Reliability SERQ3
terkait dengan aplikasi pada

waktu yang dijanjikan

Pihak Kimia Farma memiliki

pengetahuan yang cukup

Assurance SERQ4
untuk menjawab pertanyaan

saya mengenai aplikasi

Kimia Farma Mobile

Perceived Trust Compliance PT1 menjamin perlindungan data

dan privasi

74
 Kimia Farma Mobile aman

Security PT2 dan dapat dipercaya untuk

digunakan

Secara keseluruhan, saya

Overall Trust PT3 percaya dengan Kimia

Farma Mobile

Saya menggunakan Kimia

Intensively to
USE1 Farma Mobile secara intensif
Use
untuk mencapai tujuan saya
Use
Saya sering menggunakan

Frequently to Use USE2 Kimia Farma Mobile untuk

mencapai tujuan saya

Kimia Farma Mobile

Adequacy USAT1
memenuhi kebutuhan saya

Kimia Farma Mobile efesien

Efficiency USAT2
dalam penggunaannya

User Satisfaction Kimia Farma Mobile efektif

Effectiveness USAT3
dalam penggunaannya

Saya puas dengan Kimia

Overall
USAT4 Farma Mobile secara
Satisfaction
keseluruhan

Biaya penggunaaan Kimia

Net Benefits Cost Savings NETB1
Farma Mobile terjangkau

75
 Waktu pencarian informasi

Time Saving NETB2 dan layanan pada Kimia

Farma Mobile lebih cepat

3.6 Pengumpulan dan Pemrosesan Data

Proses pengumpulan data pada penelitian ini dilakukan dengan

menyebarkan kuesioner secara tidak langsung. Penyebaran kuesioner secara

tidak langsung dilakukan melalui Unit Learning dengan bantuan google

forms. Penyebaran ini dilakukan dalam kurun waktu kurang lebih satu pekan

(08 Agustus sampai 15 Agustus 2022) dengan tujuan mencapai jumlah

sampel yang ditargetkan.

Kuesioner akan disebarkan dengan cara online, hal ini karena

keterbatasan waktu serta lokasi pengguna yang sukar dijangkau peneliti

sehingga peneliti tidak dapat menyebarkan kuesioner secara langsung.

Sebelum menyebar kuesioner kepada seluruh sampel penelitian,

peneliti melakukan uji pilot study yang bertujuan menguji validitas dan

reliabilitas kuesioner. Pengujian hanya pada tahap uji outer model/model

pengukuran. Sesuai teori yang digunakan, uji pilot study memiliki tingkat

validitas dan reliabilitas yang baik jika nilai CR dan AVE sampai di ambang

batas minimal. Pada nilai AVE.diatas 0.5 dan nilai CR diatas 0.7.

Setelah melakukan uji pilot study, peneliti akan menyebarkan

kuesioner kepada seluruh target sampel penelitian, agar mendapat jumlah

sampel yang dibutuhkan dan mendapat data yang akan diolah selanjutnya.

76
 Dalam awal proses pengumpulan data, peneliti menyebarkan quesioner

melalui link google form. Hasilnya diperoleh sebanyak 188 data yang

terkumpul. Selain itu, Microsoft Excel 2019 juga digunakan untuk

menghasilkan file .CSV sebagai file masukan untuk proses analisis data.

3.7 Analisis dan Interpretasi Data

Pada penelitian ini melakukan pengolahan data secara analisis statistik

inferensial untuk menganalisis data dan menguji hipotesis menggunakan

pendekatan PLS-SEM dan software SmartPLS versi 3.0.

Pada tahap analisis statistik inferensial peneliti melakukan dua tahap

pengukuran. Pertama, melakukan analisis model pengukuran (outer model),

dan yang kedua melakukan analisis model struktur (inner model).

Pengujian model pengukuran (outer model) dilakukan untuk menilai

validitas dan reliabilitas model yang digunakan dalam penelitian ini.

Pengujian tersebut dilakukan dengan menguji individual item reliability,

internal consistency atau construct reliability, average variance extracted, dan

discriminant validity. Kemudian pada pengujian model struktur dilakukan

dengan menguji Path Coefficient (β), coefficient of determiniation (R2), T-

test, Effect Size (f2), Predictive Relevance (Q2), dan Relative Impact (q2) yang

bertujuan untuk melihat hubungan antar variabel latent.

Setelah semua tahap selesai, tahapan terakhir peneliti akan melakukan

interpretasi hasil dari analisis yang dilakukan. Peneliti akan menjabarkan

hasil analisis demografis responden menyesuaikan dengan kondisi lapangan

yang berjalan. Sementara untuk hasil uji outer model dan inner model peneliti

77
menerjemahkan hasil statistik-kuantitatif dengan membandingkan dan

mempertimbangkan sejumlah literatur terkait sebelumnya dan hasil

pengamatan terhadap penggunaan Kimia Farma Mobile oleh pegawai Kimia

Farma, Tbk.

Selanjutnya, hasil analisis dan interpretasi secara lengkap akan

dijelaskan pada Bab IV.

78
3.8 Kerangka Penelitian

Gambar 3.1 Kerangka Penelitian (Eden & Allen, 2017)

79
Gambar 3.2Kerangka Penelitian (Eden & Allen, 2017)

80
 Bab 4

Hasil dan Pembahasan

4.1 Profil Perusahaan

Kimia Farma adalah perusahaan industri farmasi pertama di Indonesia

yang didirikan oleh Pemerintah Hindia Belanda tahun 1817. Nama

perusahaan ini pada awalnya adalah NV Chemicalien Handle Rathkamp &

Co. Berdasarkan kebijaksanaan nasionalisasi atas eks perusahaan Belanda di

masa awal kemerdekaan, pada tahun 1958, Pemerintah Republik Indonesia

melakukan peleburan sejumlah perusahaan farmasi menjadi PNF

(Perusahaan Negara Farmasi) Bhinneka Kimia Farma. Kemudian pada

tanggal 16 Agustus 1971, bentuk badan hukum PNF diubah menjadi

Perseroan Terbatas, sehingga nama perusahaan berubah menjadi PT Kimia

Farma (Persero).

Pada tanggal 4 Juli 2001, PT Kimia Farma (Persero) kembali mengubah

statusnya menjadi perusahaan publik, PT Kimia Farma (Persero) Tbk, dalam

penulisan berikutnya disebut Perseroan. Bersamaan dengan perubahan

tersebut, Perseroan telah dicatatkan pada Bursa Efek Jakarta dan Bursa Efek

Surabaya (sekarang kedua bursa telah merger dan kini bernama Bursa Efek

Indonesia). Berbekal pengalaman selama puluhan tahun, Perseroan telah

berkembang menjadi perusahaan dengan pelayanan kesehatan terintegrasi di

Indonesia. Perseroan kian diperhitungkan kiprahnya dalam pengembangan

79
 dan pembangunan bangsa, khususnya pembangunan kesehatan masyarakat

Indonesia.

Berdasarkan persetujuan dari Menteri Hukum dan Hak Asasi Manusia

Republik Indonesia dengan Surat Keputusannya Nomor AHU-

0017895.AH.01.02 Tahun 2020 tanggal 28 Februari 2020 dan Surat Nomor

AHU-AH.01.03-0115053 tanggal 28 Februari serta tertuang dalam Akta

isalah RUPSLB Nomor 18 tanggal 18 September 2019, terjadi perubahan

nama perusahaan yang semula PT Kimia Farma (Persero) Tbk menjadi PT

Kimia Farma Tbk, efektif per tanggal 28 Februari 2020.

4.2 Kimia Farma Mobile

Kimia Farma meluncurkan layanan digital berbasis mobile, bernama

Kimia Farma Mobile. Kimia Farma Mobile diluncurkan pada Desember 2020

lalu dan telah di unduh lebih dari 100 ribu. Dengan mengusung tagline Living

Well Digitally, kimia farma mobile memberikan layanan seperti membeli

obat, reservasi layanan laboratorium, swab dan pcr, serta vaksin gotong

royong juga layanan pengecekan pedulilindungi.id.

80
 Gambar 4.1 Fitur Aplikasi

Gambar 4.2 Fitur Aplikasi

Pelayanan yang diberikan oleh Kimia Farma Mobile semua bisa

dilakukan dirumah, pelanggan hanya menunggu pesanan sampai kerumah

81
 dan pelayanan laboratorium bisa dipesan jauh jauh hari dan tidak perlu

mengantri di klinik.

4.3 Pilot Study

Pada tahap ini, peneliti akan menjabarkan hasil uji pilot study

berdasarkan hasil kuesioner yang penelii sebarkan kepada 30 responden

pegawai PT Kimia Farma, Tbk.

Setelah mendapatkan hasil kuesioner, peneliti mengujinya dengan

metode PLS-SEM menggunakan tools SmartPLS versi 3.0. Pengujian hanya

pada tahap uji outer model/model pengukuran yang ditujukan untuk

mengetahui tingkat validitas dan reliabilitas berdasarkan model penelitian

yang disusun.

Berdasarkan teori (Perneger et al., 2015), yang peneliti jadikan acuan

pada penelitian ini, dikatakan uji pilot study memiliki tingkat validitas dan

realibilitas yang baik jika nilai CR dan AVE berada di ambang batas minimal.

Untuk nilai AVE di atas 0,5, sementara nilai CR di atas 0,7.

Berikut nilai CR dan AVE uji pilot study kuesioner awal:

Tabel 4.1 Hasil CR dan AVE uji pilot study

CR AVE

CONQ 0.927 0.718

NET 0.954 0.912

PT 0.963 0.897

SERQ 0.863 0.678

SYSQ 0.928 0.865

82
 USAT 0.96 0.858

USE 0.958 0.92

Berdasarkan hasil nilai CR dan AVE uji pilot study di atas, maka tidak

ada satupun indikator yang perlu dihapus. Dengan demikian, semua variabel

memenuhi syarat untuk digunakan pada kuesioner penelitian terhadap

seluruh target responden.

4.4 Pengumpulan Data dan Analisis

Pada bagian ini peneliti menganalisis hasil jawaban seluruh target

responden yang telah mengisi tiap butir pertanyaan pada kuesioner. Seluruh

data responden peneliti dapatkan selama satu pekan (08 Agustus sampai 15

Agustus 2022). Selanjutnya data tersebut disaring dan diklasifikasikan

menggunakan Ms. Excel 2019, sehingga berhasil memperoleh sebanyak 188

responden.

4.4.1 Analisis Demografis

Pada bagian ini peneliti menganalisis hasil kuesioner terkait

pertanyaan demografis pada bagian profil responden.

Informasi demografis meliputi: jenis kelamin, usia, divisi

kerja, unit kerja, lokasi kerja, status pekerjaan, serta sudah berapa

lama menggunakan Kimia Farma Mobile.

Berikut hasil analisis demografis yang ditemukan:

• Jenis Kelamin

Dalam penelitian yang dilakukan, jenis kelamin mayoritas

83
yang menjawab quesioner adalah laki laki yaitu sebanyak 134 orang

(71.3%), sedangkan orang dengan jenis kelamin perempuan

berjumlah 54 orang (28.7%).

Gambar 4.3 Diagram Jenis Kelamin

• Usia

Dalam penelitian yang dilakukan, mayoritas orang yang

menjawab quesioner ini berada di umur 26-35 tahun yaitu sebanyak

99 orang (52.7%). Adapun yang berumur di usia 46-55 sebanyak 33

orang (17.6%), di usia 17-25 sebanyak 29 orang (15.4%), di usia 36-

45 sebanyak 25 orang (13.3%) dan terakhir ialah lebih dari 55 tahun

sebanyak 2 orang (1.1%).

84
 Gambar 4.4 Diagram Usia

• Divisi Kerja

Dalam penelitian kali ini, mayoritas orang yang menjawab

quesioner berasal dari Sbu Manufaktur sebanyak 75 orang (39.9%),

Divisi Supply Chain sebanyak 17 orang (9.0%), Divisi Riset &

Pengembangan Produk sebanyak 15 orang (8.0%), Divisi Human

Capital sebanyak 12 orang (6.4%), Divisi Keuangan sebanyak 11

orang (5.9%), Divisi Procurement sebanyak 10 orang (5.3%), Divisi

Umum & Teknologi Informasi sebanyak 10 orang (5.3%), Sbu

Marketing & Sales Produk Non Farma sebanyak 8 orang (4.3%),

Tidak Memiliki Divisi sebanyak 8 orang (4.3%), Divisi

Pengembangan Bisnis sebanyak 6 orang (3.2%), Divisi Satuan

Pengawasan Intern sebanyak 5 orang (2.7%), Divisi Sekretaris

Perusahaan sebanyak 5 orang (2.7%), Sbu Marketing & Sales

Produk Farma sebanyak 5 orang (2.7%), Sbu Property sebanyak 1

orang (0.5%).

85
 Gambar 4.5 Diagram Divisi Kerja

• Unit Kerja

Dalam penelitian kali ini, mayoritas orang yang menjawab

quesioner berasal dari Unit Plant Jakarta sebanyak 27 orang

(14.4%),Unit Plant Banjaran sebanyak 22 orang (11.7%),Unit

National Distribution Center sebanyak 12 orang (6.4%),Unit

Research & Development sebanyak 12 orang (6.4%),Tidak Ada

sebanyak 11 orang (5.9%),Unit Plant Watudakon sebanyak 11 orang

(5.9%),Unit Plant Semarang sebanyak 7 orang (3.7%),Unit Nasional

Sales Chp & Kosmetik sebanyak 6 orang (3.2%),Unit Akuntansi

sebanyak 5 orang (2.7%),Unit Indirect Operational Excellence

sebanyak 5 orang (2.7%),Unit Corporate Communication

Management sebanyak 4 orang (2.1%),Unit Keuangan sebanyak 4

orang (2.1%),Unit Marketing & Sales Ogb sebanyak 4 orang

(2.1%),Unit Marketing Intelligence & Services sebanyak 4 orang

(2.1%),Unit Opco & Infrastructure Management sebanyak 4 orang

(2.1%),Unit Regulatory sebanyak 4 orang (2.1%),Unit Umum &

Tjsl sebanyak 4 orang (2.1%),Unit Corporate University sebanyak 3

orang (1.6%),Unit Culture & Employee Experience sebanyak 3

orang (1.6%),Unit Human Capital Operation sebanyak 3 orang

(1.6%),Unit Human Capital Strategic Management sebanyak 3

orang (1.6%),Unit Principal Distribution Business sebanyak 3 orang

86
(1.6%),Unit Application Management sebanyak 2 orang

(1.1%),Unit Indirect Strategic sebanyak 2 orang (1.1%),Unit

Integrated & Financial Audit sebanyak 2 orang (1.1%),Unit Riset

Bisnis sebanyak 2 orang (1.1%),Marketing & Sales Etikal sebanyak

1 orang (0.5%),Penugasan sebanyak 1 orang (0.5%),Unit Corporate

Legal sebanyak 1 orang (0.5%),Unit Direct Operational Excellence

sebanyak 1 orang (0.5%),Unit Direct Strategic sebanyak 1 orang

(0.5%),Unit Hcbp Holding sebanyak 1 orang (0.5%),Unit

Kepatuhan & Hubungan Industrial sebanyak 1 orang (0.5%),Unit

Marketing Kosmetik sebanyak 1 orang (0.5%),Unit Marketing Otc

& Herbal sebanyak 1 orang (0.5%),Unit Operation & Compliance

Audit sebanyak 1 orang (0.5%),Unit Pengembangan Bisnis &

Marketing Property sebanyak 1 orang (0.5%),Unit Pengembangan

Produk Farma sebanyak 1 orang (0.5%),Unit Pengembangan Produk

Non Farma sebanyak 1 orang (0.5%),Unit Principal Retail Business

sebanyak 1 orang (0.5%),Unit Quality Assurance sebanyak 1 orang

(0.5%),Unit Strategic Manufacturing Excellence sebanyak 1 orang

(0.5%),Unit Subsidiary Performance Management sebanyak 1 orang

(0.5%),Unit Talent Management sebanyak 1 orang (0.5%),Unit

Value Chain Integration sebanyak 1 orang (0.5%)Unit Plant Jakarta

sebanyak 27 orang (14.4%),Unit Plant Banjaran sebanyak 22 orang

(11.7%),Unit National Distribution Center sebanyak 12 orang

(6.4%),Unit Research & Development sebanyak 12 orang

87
(6.4%),Tidak Ada sebanyak 11 orang (5.9%),Unit Plant Watudakon

sebanyak 11 orang (5.9%),Unit Plant Semarang sebanyak 7 orang

(3.7%),Unit Nasional Sales Chp & Kosmetik sebanyak 6 orang

(3.2%),Unit Akuntansi sebanyak 5 orang (2.7%),Unit Indirect

Operational Excellence sebanyak 5 orang (2.7%),Unit Corporate

Communication Management sebanyak 4 orang (2.1%),Unit

Keuangan sebanyak 4 orang (2.1%),Unit Marketing & Sales Ogb

sebanyak 4 orang (2.1%),Unit Marketing Intelligence & Services

sebanyak 4 orang (2.1%),Unit Opco & Infrastructure Management

sebanyak 4 orang (2.1%),Unit Regulatory sebanyak 4 orang

(2.1%),Unit Umum & Tjsl sebanyak 4 orang (2.1%),Unit Corporate

University sebanyak 3 orang (1.6%),Unit Culture & Employee

Experience sebanyak 3 orang (1.6%),Unit Human Capital Operation

sebanyak 3 orang (1.6%),Unit Human Capital Strategic

Management sebanyak 3 orang (1.6%),Unit Principal Distribution

Business sebanyak 3 orang (1.6%),Unit Application Management

sebanyak 2 orang (1.1%),Unit Indirect Strategic sebanyak 2 orang

(1.1%),Unit Integrated & Financial Audit sebanyak 2 orang

(1.1%),Unit Riset Bisnis sebanyak 2 orang (1.1%),Marketing &

Sales Etikal sebanyak 1 orang (0.5%),Penugasan sebanyak 1 orang

(0.5%),Unit Corporate Legal sebanyak 1 orang (0.5%),Unit Direct

Operational Excellence sebanyak 1 orang (0.5%),Unit Direct

Strategic sebanyak 1 orang (0.5%),Unit Hcbp Holding sebanyak 1

88
orang (0.5%),Unit Kepatuhan & Hubungan Industrial sebanyak 1

orang (0.5%),Unit Marketing Kosmetik sebanyak 1 orang

(0.5%),Unit Marketing Otc & Herbal sebanyak 1 orang (0.5%),Unit

Operation & Compliance Audit sebanyak 1 orang (0.5%),Unit

Pengembangan Bisnis & Marketing Property sebanyak 1 orang

(0.5%),Unit Pengembangan Produk Farma sebanyak 1 orang

(0.5%),Unit Pengembangan Produk Non Farma sebanyak 1 orang

(0.5%),Unit Principal Retail Business sebanyak 1 orang (0.5%),Unit

Quality Assurance sebanyak 1 orang (0.5%),Unit Strategic

Manufacturing Excellence sebanyak 1 orang (0.5%),Unit Subsidiary

Performance Management sebanyak 1 orang (0.5%),Unit Talent

Management sebanyak 1 orang (0.5%),Unit Value Chain Integration

sebanyak 1 orang (0.5%).

Gambar 4.6 Diagram Unit Kerja

• Lokasi Kerja

Dalam penelitian kali ini, mayoritas orang yang menjawab

quesioner ini berlokasi kerja di Kantor Pusat sebanyak 92 orang

89
(48.94%), Plant Jakarta sebanyak 26 orang (13.83%), Plant Banjaran

sebanyak 23 orang (12.23%), National Dist C sebanyak 12 orang

(6.38%), Plant Watudakon sebanyak 11 orang (5.85%), Research &

Development sebanyak 11 orang (5.85%), Plant Semarang sebanyak

7 orang (3.72%), Perwakilan Bali sebanyak 2 orang (1.06%),

Marketing Bandung sebanyak 1 orang (0.53%), Marketing Jakarta 1

sebanyak 1 orang (0.53%), Marketing Menado sebanyak 1 orang

(0.53%), Marketing Surakarta sebanyak 1 orang (0.53%).

Gambar 4.7 Diagram Lokasi Kerja

• Status Pekerjaan

Dalam penelitian kali ini, mayoritas orang yang menjawab

quesioner memiliki status pekerjaan sebagai PT atau Pegawai Tetap

sebanyak 131 orang (69.7%) dan responden yang memiliki status

pekerjaan PTT atau Pegawai Tidak Tetap sebanyak 57 orang

(30.3%). (9%), sedangkan yang mengetahui dari keluarga sebanyak

3 orang (1%).

90
 Gambar 4.8 Diagram Status Pekerjaan
4.4.2 Evaluasi Outer Model

Pada bagian ini dilakukan dengan empat tahap pengujian,

yaitu individual item reliability, internal consistency reliability,

average variance extracted, dan discriminant validity. Berikut

penjelasan dari empat hasil pengujian tahapan tersebut:

• Individual Item Reliability

Pengujian dilakukan untuk mencari nilai standardized

loading factor.Nilai ini menggambarkan besarnya korelasi

antara item pengukuran (indikator) dengan konstraknya.

Nilai loading factor sudah cukup/ideal jika diatas 0.7, yang

artinya indikator sudah valid sebagai indikator untuk

mengukur konstrak atau variabel.

Pada hasil awal, dapat diketahui bahwa ada 3 nilai

loading faktor yang kurang dari 0,7 yaitu SERQ2, SYSQ3,

dan SYSQ4. Untuk SERQ2 dengan nilai 0.679, SYSQ4

dengan nilai 0.586, dan SYSQ3 dengan nilai 0.664.

91
 Setelah menghapus ketiga indikator tersebut,

dilakukan kembali pengujian dan didapatkan hasil bahwa

tidak perlu ada indikator yang dihapus. Hasilnya dapat

dilihat pada tabel di bawah.

Tabel 4.2 Loading Factor

CONQ NET PT SERQ SYSQ USAT USE

CONQ1 0.887

CONQ2 0.847

CONQ3 0.874

CONQ4 0.889

CONQ5 0.728

NETB1 0.959

NETB2 0.951

PT1 0.947

PT2 0.968

PT3 0.925

SERQ1 0.856

SERQ3 0.881

SERQ4 0.724

SYSQ1 0.93

SYSQ2 0.93

USAT1 0.905

USAT2 0.942

USAT3 0.928

USAT4 0.93

92
USE1 0.957

USE2 0.962

• Internal Consistency Reliability

Pengujian ini dilakukan untuk mencari nilai

Composite Reliability (CR).Nilai CR, telah dikatakan cukup

jika berada di ambang batas 0,7. Berdasarkan Tabel 4.3

menunjukkan hasil CR dari variabel yang digunakan telah

memenuhi nilai ambang batas. Berdasarkan hasil pengujian

tersebut, semua variabel memenuhi syarat untuk digunakan.

Tabel 4.3 Composite Reliability

Composite Reliability (CR)

CONQ 0.927

NET 0.954

PT 0.963

SERQ 0.863

SYSQ 0.928

USAT 0.96

USE 0.958

• Average Variance Extracted

Pengujian ini dilakukan untuk mencari nilai

Average Variance Extracted (AVE). Nilai ini

menggambarkan besaran varian atau keragaman variabel

93
 manifes (indikator) yang terdapat di variabel latent

(konstruk). Nilai AVE telah dikatakan baik jika memiliki

nilai di atas 0,5. Maksudnya, variabel latent (konstruk)

dapat menjelaskan rata-rata lebih dari setengah variance

dari indikator-indikatornya. Berdasarkan Tabel 4.4

menunjukkan hasil AVE di atas 0,5 sehingga memenuhi

syarat untuk digunakan.

Tabel 4.4 Average Variance Extracted

Average Variance Extracted

(AVE)

CONQ 0.718

NET 0.912

PT 0.897

SERQ 0.678

SYSQ 0.865

USAT 0.858

USE 0.92

• Discriminant Validity

Pengujian ini dilakukan dengan dua cara, pertama

memeriksa Cross Loading untuk membandingkan korelasi

indikator dengan konstruknya dan konstruk blok lainnya.

Jika korelasi antara indikator dengan konstruknya lebih

besar dari korelasi dengan konstruk blok lainnya, berarti

94
 konstruk tersebut memprediksi ukuran pada blok tersebut

lebih baik dari blok lainnya. Berdasarkan Tabel 4.5 untuk

tiap indikator terhadap konstruknya pada penelitian ini

menunjukkan hasil korelasi indikator dengan konstruknya

lebih besar dari korelasi dengan konstruk blok lainnya.

Contohnya nilai CONQ1, yang memiliki nilai korelasi

lebih tinggi dengan konstruknya dibandingkan nilai pada

konstruk blok lainnya.

Tabel 4.5 Cross Loading

CONQ NET PT SERQ SYSQ USAT USE

CONQ1 0.887 0.648 0.653 0.68 0.623 0.634 0.569

CONQ2 0.847 0.537 0.611 0.669 0.532 0.604 0.577

CONQ3 0.874 0.583 0.646 0.625 0.559 0.573 0.522

CONQ4 0.889 0.606 0.661 0.671 0.618 0.65 0.581

CONQ5 0.728 0.586 0.664 0.495 0.798 0.483 0.532

NETB1 0.659 0.959 0.715 0.625 0.631 0.712 0.614

NETB2 0.679 0.951 0.679 0.597 0.62 0.649 0.572

PT1 0.727 0.694 0.947 0.614 0.699 0.681 0.645

PT2 0.756 0.701 0.968 0.597 0.678 0.707 0.651

PT3 0.686 0.68 0.925 0.565 0.597 0.707 0.624

SERQ1 0.659 0.527 0.541 0.856 0.469 0.638 0.534

SERQ3 0.661 0.591 0.561 0.881 0.485 0.574 0.605

SERQ4 0.503 0.456 0.432 0.724 0.554 0.305 0.531

SYSQ1 0.704 0.617 0.67 0.536 0.93 0.508 0.547

SYSQ2 0.666 0.601 0.623 0.58 0.93 0.548 0.562

95
USAT1 0.704 0.686 0.79 0.618 0.557 0.905 0.588

USAT2 0.609 0.659 0.707 0.557 0.514 0.942 0.53

USAT3 0.603 0.612 0.57 0.547 0.46 0.928 0.47

USAT4 0.66 0.679 0.641 0.612 0.562 0.93 0.525

USE1 0.617 0.585 0.623 0.634 0.516 0.534 0.957

USE2 0.644 0.607 0.672 0.658 0.625 0.566 0.962

Kemudian tahap kedua dengan memeriksa nilai Cross

Loading FornellLacker’s, yaitu dengan melihat akar AVE yang

harus lebih tinggi dari pada kolerasi antara variabel dengan variabel

lainnya Berdasarkan Tabel 4.6 dapat dilihat semua nilai akar AVE

dalam penelitian ini lebih tinggi dari korelasi antara konstruk dengan

konstruk lainnya, contohnya nilai CONQ lebih tinggi dari nilai

konstruknya dan konstruk blok lainnya.

Tabel 4.6 Fornelllacker’s

CONQ NET PT SERQ SYSQ USAT USE

CONQ 0.847

NET 0.7 0.955

PT 0.764 0.73 0.947

SERQ 0.744 0.64 0.625 0.823

SYSQ 0.737 0.655 0.695 0.6 0.93

USAT 0.698 0.714 0.737 0.632 0.568 0.926

USE 0.658 0.622 0.676 0.674 0.597 0.574 0.959

96
 Ringkasnya, hasil pengujian outer model di atas menunjukkan model

penelitian yang diajukan peneliti sudah berkarakteristik baik secara

pengujian statistik. Sehingga model penelitian ini sudah memenuhi syarat

untuk dilanjutkan ke tahap pengujian struktur model (inner model). Hasil

dari pengujian outer model penelitian ini menggunakan aplikasi

SmartPLS Versi 3.0, dan bisa dilihat secara grafis pada Gambar 4.7 dan

Tabel 4.7.

Gambar 4.9 Analisis Hasil dengan SmartPLS

97
98
 Tabel 4.7 Hasil SmartPLS

CL
VAR IND OL CR AVE
CONQ NET PT SERQ SYSQ USAT USE

CONQ1 0.887 0.887 0.648 0.653 0.68 0.623 0.634 0.569

CONQ2 0.847 0.847 0.537 0.611 0.669 0.532 0.604 0.577

0.927 0.718
CONQ CONQ3 0.874 0.874 0.583 0.646 0.625 0.559 0.573 0.522

CONQ4 0.889 0.889 0.606 0.661 0.671 0.618 0.65 0.581

CONQ5 0.728 0.728 0.586 0.664 0.495 0.798 0.483 0.532

NET1 0.959 0.659 0.959 0.715 0.625 0.631 0.712 0.614 0.954 0.912
NET
NET2 0.951 0.679 0.951 0.679 0.597 0.62 0.649 0.572

PT1 0.947 0.727 0.694 0.947 0.614 0.699 0.681 0.645

PT PT2 0.968 0.756 0.701 0.968 0.597 0.678 0.707 0.651 0.963 0.897

PT3 0.925 0.686 0.68 0.925 0.565 0.597 0.707 0.624

SERQ1 0.856 0.659 0.527 0.541 0.856 0.469 0.638 0.534

SERQ SERQ3 0.881 0.661 0.591 0.561 0.881 0.485 0.574 0.605 0.863 0.678

SERQ4 0.724 0.503 0.456 0.432 0.724 0.554 0.305 0.531

99
 SYSQ1 0.93 0.704 0.617 0.67 0.536 0.93 0.508 0.547
SYSQ
SYSQ2 0.93 0.666 0.601 0.623 0.58 0.93 0.548 0.562

USAT1 0.905 0.704 0.686 0.79 0.618 0.557 0.905 0.588 0.928 0.865

USAT2 0.942 0.609 0.659 0.707 0.557 0.514 0.942 0.53

USAT
USAT3 0.928 0.603 0.612 0.57 0.547 0.46 0.928 0.47
0.96 0.858
USAT4 0.93 0.66 0.679 0.641 0.612 0.562 0.93 0.525

USE1 0.957 0.617 0.585 0.623 0.634 0.516 0.534 0.957

USE 0.958 0.92
USE2 0.962 0.644 0.607 0.672 0.658 0.625 0.566 0.962

Keterangan:

OL : Outer Loading CR : Composite Reliability VAR : Variabel

CL : Cross Loading IND : Indikator AVE : Average Variance Extracted

100
4.4.3 Evaluasi Inner Model

Pada bagian ini, dilakukan evaluasi struktural model (inner

model) dengan enam tahap pengujian, yaitu pengujian Path

Coefficient (β), Coefficient of Determination (R2), T-test

menggunakan metode bootstrapping, Effect Size (f2), Predictive

Relevance (Q2), dan Relative Impact (q2). Berikut penjelasan hasil

penelitian dari enam pengujian tahapan tersebut:

• Path Coefficient (β)

Dalam tahap ini pengujian dilakukan untuk

mencari nilai pada jalur (path). Jika nilai pada jalur berada

di atas ambang batas, yaitu 0.1 berarti jalur tersebut

diterima dalam model penelitian. Dari hasil analisis

menunjukkan bahwa dari 13 jalur model penelitian

terdapat 2 jalur tidak diterima, yaitu SYSQ->USAT dan

SERQ->PT, dikarenakan nilai Path Coefficient dibawah

0.1. Nilai dan hasil dari Path Coefficient (β) pada penelitian

ini dapat dilihat pada Tabel 4.8.

Tabel 4.8 Path Coefficient (β)

Hipotesis Jalur β Keterangan

H1a CONQ->USE 0.162 Diterima

H1b CONQ->USAT 0.22 Diterima

H1c CONQ->PT 0.488 Diterima

101
 H2a SYSQ->USE 0.19 Diterima

H2b SYSQ->USAT -0.043 Ditolak

H2c SYSQ->PT 0.279 Diterima

H3a SERQ->USE 0.361 Diterima

H3b SERQ->USAT 0.197 Diterima

H3c SERQ->PT 0.095 Ditolak

H4 PT-USAT 0.476 Diterima

H5 USAT-USE 0.125 Diterima

H6 USE-NET 0.316 Diterima

H7 USAT-NET 0.532 Diterima

• Coefficient of Determination (R2)

Dalam bagian ini pengujian dilakukan untuk

menjelaskan varian dari tiap target variabel endogeneous

(variabel yang dianggap dipengaruhi oleh variabel lain)

dengan standar pengukuran pada rentang 0,670 dinilai

kuat, kisaran 0,333 dinilai moderat, dan 0,190 dinilai

lemah. Berdasarkan Tabel 4.9 bisa dilihat bahwa seluruh

variabel memiliki nilai yang kuat.

Tabel 4.9 Coefficient of Determination (R2)

R Square Keterangan

USE 0.535 Kuat

102
 NET 0.577 Kuat

USAT 0.604 Kuat

PT 0.626 Kuat

• T-Test

Dalam bagian ini pengujian dilakukan dengan

metode bootstrapping menggunakan uji two-tailed dengan

tingkat signifikansi 10% untuk menguji hipotesis yang ada

di dalam penelitian. Hipotesis dikatakan berpengaruh jika

memiliki nilai T-test lebih besar dari 1,65. Berdasarkan

Tabel 4.10 dan bisa dilihat hasil T-test pada penelitian ini,

terdapat 8 hipotesis berpengaruh dan 5 ditolak.

Mengenai 8 hipotesis yang berpengaruh berdasarkan

hasil uji T-test diantaranya, yaitu CONQ->USE, CONQ-

>USAT, SYSQ->USE, SYSQ->PT, SERQ->USE, SERQ-

>USAT, USAT-USE, dan USE-NET. Sementara 5

hipotesis yang tidak berpengaruh, yaitu CONQ->PT,

SYSQ->USAT, SERQ->PT, PT-USAT, dan USAT-NET

Tabel 4.10 Hasil Uji T-test

Hipotesis Jalur T Stat P Values Keterangan

H1a CONQ->USE 5.271 0 Berpengaruh

H1b CONQ->USAT 1.772 0.077 Berpengaruh

103
H1c CONQ->PT 1.220 0.223 Tidak Berpengaruh

H2a SYSQ->USE 4.699 0 Berpengaruh

H2b SYSQ->USAT 1.147 0.252 Tidak Berpengaruh

H2c SYSQ->PT 2.256 0.024 Berpengaruh

H3a SERQ->USE 3.779 0 Berpengaruh

H3b SERQ->USAT 2.977 0.003 Berpengaruh

H3c SERQ->PT 0.538 0.59 Tidak Berpengaruh

H4 PT-USAT 1.591 0.112 Tidak Berpengaruh

H5 USAT-USE 7.784 0 Berpengaruh

H6 USE-NET 3.679 0 Berpengaruh

H7 USAT-NET 1.279 0.202 Tidak Berpengaruh

Hasil uji T-test pada Tabel 4.10 di atas menunjukkan 5

hipotesis ditolak karena memiliki nilai T Stat di bawah ambang

batas, yaitu 1,65. Sementara 8 hipotesis diterima karena telah

memenuhi ambang batas nilai T Stat, sehingga hubungan antara

variabel pada ketujuh hipotesis tersebut saling berpengaruh

• Effect Size (f2)

Dalam bagian ini pengujian dilakukan untuk

memprediksi pengaruhvariabel tertentu terhadap variabel

lainnya. Nilai ambang batas yang digunakan adalah dengan

rentang 0,02 berpengaruh kecil, 0,15 berpengaruh

menengah, dan 0,35 berpengaruh besar. Pada tahap

pengujian f2 dapat dihitung menggunakan rumus yang

sudah dijelaskan pada Bab II. Dalam Tabel 4.11

104
 menunjukkan hasil dari analisis ini. Terdapat 1 jalur yang

mempunyai pengaruh antar variabel bernilai besar, 3 jalur

yang mempunyai pengaruh antar variabel bernilai

menengah, dan 9 jalur yang mempunyai pengaruh antar

variabel bernilai kecil.

Tabel 4.11 Hasil Effect Size (f2)

Hipotesis Jalur R2in R2ex F2=(Q2in-Q2ex)/(1- Keterangan

Q2in)

H1a CONQ->USE 0.535 0.527 0.017204 Kecil

H1b CONQ->USAT 0.604 0.592 0.030303 Kecil

H1c CONQ->PT 0.626 0.551 0.200534 Menengah

H2a SYSQ->USE 0.535 0.518 0.036559 Kecil

H2b SYSQ->USAT 0.604 0.604 0 Kecil

H2c SYSQ->PT 0.626 0.591 0.093582 Kecil

H3a SERQ->USE 0.535 0.480 0.010752 Kecil

H3b SERQ->USAT 0.604 0.588 0.040404 Kecil

H3c SERQ->PT 0.626 0.622 0.010695 Kecil

H4 PT-USAT 0.604 0.521 0.209595 Menengah

H5 USAT-USE 0.535 0.529 0.012903 Kecil

105
H6 USE-NET 0.577 0.510 0.158392 Menengah

H7 USAT-NET 0.577 0.386 0.451536 Besar

• Predictive Relevance (Q2)

Dalam bagian ini pengujian dilakukan dengan

metode blindfolding untuk memberikan bukti bahwa

variabel tertentu yang digunakan pada model

mempunyai keterkaitan secara prediktif (predictive

relevance) dengan variabel lainnya, dengan nilai

ambang batas pengukuran di atas nol. Hasil

Predictive Relevance dalam model penelitian ini bisa

dilihat pada Tabel 4.12, yang memperlihatkan bahwa

dari seluruh variabel yang ada memiliki keterkaitan

yang prediktif.

Tabel 4.12 Hasil Penghitungan Predictive Relevance

Hipotesis Jalur in Ket

H1a CONQ->USE 0.465 PR

H1b CONQ->USAT 0.502 PR

H1c CONQ->PT 0.547 PR

H2a SYSQ->USE 0.465 PR

106
 H2b SYSQ->USAT 0.502 PR

H2c SYSQ->PT 0.547 PR

H3a SERQ->USE 0.465 PR

H3b SERQ->USAT 0.502 PR

H3c SERQ->PT 0.547 PR

H4 PT-USAT 0.502 PR

H5 USAT-USE 0.465 PR

H6 USE-NET 0.498 PR

H7 USAT-NET 0.498 PR

• Relative Impact (q2)

Dalam bagian ini dilakukan pengujian Q2 yaitu

denganmetode blindfolding. Pengukuran ditujukan untuk

mengukur relatif pengaruh dari sebuah keterkaitan

prediktif suatu variabel dengan variabel lain. Ambang batas

yang digunakan sama dengan f2, yaitu pada rentang 0,02

pengaruh kecil, sekitar 0,15 memiliki pengaruh menengah,

dan sekitar 0,35 memiliki pengaruh yang besar. Pada tahap

pengujian q2 dapat dihitung menggunakan rumus yang

telah dijelaskan pada Bab II. Tabel 4.13 menunjukkan

hasil Relative Impact pada penelitian ini. Hasilnya, sembila

jalur menunjukkan pengaruh kecil, dua jalur menunjukkan

107
 pengaruh menengah, sementara 2 jalur sisanya

menunjukkan pengaruh yang besar.

Tabel 4.13 Hasil Penghitungan Relative Impact

q2=(Q2in-

Hipotesis Jalur Q2 in Q2 ex Q2ex)/(1- Keterangan

Q2in)

H1a CONQ->USE 0.465 0.459 0.011215 Kecil

H1b CONQ->USAT 0.502 0.490 0.024097 Kecil

H1c CONQ->PT 0.547 0.479 0.150111 Menengah

H2a SYSQ->USE 0.465 0.464 0.001869 Kecil

H2b SYSQ->USAT 0.502 0.504 -0.004016 Kecil

H2c SYSQ->PT 0.547 0.519 0.061811 Kecil

H3a SERQ->USE 0.465 0.422 0.080373 Kecil

H3b SERQ->USAT 0.502 0.489 0.026105 Kecil

H3c SERQ->PT 0.547 0.544 1.198675 Besar

H4 PT-USAT 0.502 0.434 0.136544 Menengah

H5 USAT-USE 0.465 0.464 0.001869 Kecil

H6 USE-NET 0.498 0.458 0.079681 Kecil

H7 USAT-NET 0.498 0.329 0.336653 Besar

108
 Ringkasnya, hasil analisa inner model di atas menunjukkan

adanya 7 hipotesis yang berpengaruh berdasarkan hasil uji T-test

diantaranya, yaitu CONQ->USE, SYSQ->USE, SYSQ->PT,

SERQ->USE, SERQ->USAT, USAT-USE, dan USE-NETB.

Sementara 6 hipotesis yang tidak berpengaruh, yaitu CONQ-

>USAT, CONQ->PT, SYSQ->USAT, SERQ->PT, PT-USAT, dan

USAT-NETB. Hasil pengujian inner model dapat dilihat secara

ringkas pada Tabel 4.14 di halaman selanjutnya.

109
 Tabel 4.14 Hasil Inner Model

Hipotesis β T P R2 F2 q2 Analisis

Hx Jalur Stat Val R2 in R2 ex Hasil Q2 in ex Hasil β T-Stat R2 F2 Q2 q2

H1a CONQ- 0.162 5.271 0 0.535 0.535 0.527 0.017204 0.465 0.465 0.459 0.011215 Diterima Berpengaruh Kuat Kecil PR Ke

>USE cil

H1b CONQ- 0.22 1.772 0.077 0.604 0.604 0.592 0.030303 0.502 0.502 0.490 0.024097 Diterima Berpengaruh Kuat Kecil PR Ke

>USAT cil

H1c CONQ- 0.488 1.220 0.223 0.626 0.626 0.551 0.200534 0.547 0.547 0.479 0.150111 Diterima Tidak Kuat Menengah PR Me

>PT Berpengaruh nen

gah

H2a SYSQ- 0.19 4.699 0 0.535 0.535 0.518 0.036559 0.465 0.465 0.464 0.001869 Diterima Berpengaruh Kuat Kecil PR Ke

>USE cil

H2b SYSQ- -0.043 1.147 0.252 0.604 0.604 0.604 0 0.502 0.502 0.504 -0.004016 Ditolak Tidak Kuat Kecil PR Ke

>USAT Berpengaruh cil

H2c SYSQ- 0.279 2.256 0.024 0.626 0.626 0.591 0.093582 0.547 0.547 0.519 0.061811 Diterima Berpengaruh Kuat Kecil PR Ke

>PT cil

110
H3a SERQ- 0.361 3.779 0 0.535 0.535 0.480 0.010752 0.465 0.465 0.422 0.080373 Diterima Berpengaruh Kuat Kecil PR Ke

>USE cil

H3b SERQ- 0.197 2.977 0.003 0.604 0.604 0.588 0.040404 0.502 0.502 0.489 0.026105 Diterima Berpengaruh Kuat Kecil PR Ke

>USAT cil

H3c SERQ- 0.095 0.538 0.59 0.626 0.626 0.622 0.010695 0.547 0.547 0.544 1.198675 Ditolak Tidak Kuat Kecil PR Bes

>PT Berpengaruh ar

H4 PT-USAT 0.476 1.591 0.112 0.604 0.604 0.521 0.209595 0.502 0.502 0.434 0.136544 Diterima Tidak Kuat Menengah PR Me

Berpengaruh nen

gah

H5 USAT- 0.125 7.784 0 0.535 0.535 0.529 0.012903 0.465 0.465 0.464 0.001869 Diterima Berpengaruh Kuat Kecil PR Ke

USE cil

H6 USE- 0.316 3.679 0 0.577 0.577 0.510 0.158392 0.498 0.498 0.458 0.079681 Diterima Berpengaruh Kuat Menengah PR Ke

NETB cil

H7 USAT- 0.532 1.279 0.202 0.577 0.577 0.386 0.451536 0.498 0.498 0.329 0.336653 Diterima Tidak Kuat Besar PR Bes

NETB Berpengaruh ar

Selanjutnya, untuk lebih lengkap dapat dilihat dalam bagian interpretasi data hasil.

111
4.5 Interpretasi Data Hasil

4.5.1 Interpretasi Hasil Data Demografis

Bagian ini akan menjelaskan hasil interpretasi berdasarkan

hasil analisis demografis dan menyesuaikan dengan kondisi

lapangan yang berjalan.

Berikut hasilnya:

• Jenis Kelamin

Berdasarkan hasil yang ditunjukkan gambar 4.1,

menunjukkan data responden dari 188 orang, sebanyak 134 orang

(71.3%) adalah laki-laki sedangkan dengan jenis kelamin

perempuan berjumlah 54 orang (28.7%). Hal ini didukung dengan

data demografi PT Kimia Farma, Tbk per Agustus jumlah laki-laki

dengan persentase 62.84% dan perempuan dengan persentase

37.16%.

• Usia

Berdasarkan hasil yang ditunjukkan gambar 4.2,

menunjukkan data responden dari 188 orang, sebanyak mayoritas

orang yang menjawab quesioner ini berada di umur 26-35 tahun

yaitu sebanyak 99 orang (52.7%). Adapun yang berumur di usia 46-

55 sebanyak 33 orang (17.6%), di usia 17-25 sebanyak 29 orang

(15.4%), di usia 36-45 sebanyak 25 orang (13.3%) dan terakhir ialah

lebih dari 55 tahun sebanyak 2 orang (1.1%). Hal ini dikarenakan

data demografi per agustus, pegawai PT Kimia Farma, Tbk di

112
dominasi dengan usia di rentang 26-30 tahun dengan persentase

31.20% dan 31-35 tahun dengan persentase 11.76%.

• Divisi Kerja

Berdasarkan hasil yang ditunjukkan gambar 4.3,

menunjukkan data responden dari 188 orang, mayoritas orang yang

menjawab quesioner berasal dari Sbu Manufaktur sebanyak 75

orang (39.9%), Divisi Supply Chain sebanyak 17 orang (9.0%),

Divisi Riset & Pengembangan Produk sebanyak 15 orang (8.0%),

Divisi Human Capital sebanyak 12 orang (6.4%), Divisi Keuangan

sebanyak 11 orang (5.9%), Divisi Procurement sebanyak 10 orang

(5.3%), Divisi Umum & Teknologi Informasi sebanyak 10 orang

(5.3%), Sbu Marketing & Sales Produk Non Farma sebanyak 8

orang (4.3%), Tidak Memiliki Divisi sebanyak 8 orang (4.3%),

Divisi Pengembangan Bisnis sebanyak 6 orang (3.2%), Divisi

Satuan Pengawasan Intern sebanyak 5 orang (2.7%), Divisi

Sekretaris Perusahaan sebanyak 5 orang (2.7%), Sbu Marketing &

Sales Produk Farma sebanyak 5 orang (2.7%), Sbu Property

sebanyak 1 orang (0.5%).

• Unit Kerja

Berdasarkan hasil yang ditunjukkan gambar 4.4,

menunjukkan data responden dari 188 orang, mayoritas orang yang

menjawab quesioner berasal dari Unit Plant Jakarta sebanyak 27

orang (14.4%),Unit Plant Banjaran sebanyak 22 orang (11.7%),Unit

113
National Distribution Center sebanyak 12 orang (6.4%),Unit

Research & Development sebanyak 12 orang (6.4%),Tidak Ada

sebanyak 11 orang (5.9%),Unit Plant Watudakon sebanyak 11 orang

(5.9%),Unit Plant Semarang sebanyak 7 orang (3.7%),Unit Nasional

Sales Chp & Kosmetik sebanyak 6 orang (3.2%),Unit Akuntansi

sebanyak 5 orang (2.7%),Unit Indirect Operational Excellence

sebanyak 5 orang (2.7%),Unit Corporate Communication

Management sebanyak 4 orang (2.1%),Unit Keuangan sebanyak 4

orang (2.1%),Unit Marketing & Sales Ogb sebanyak 4 orang

(2.1%),Unit Marketing Intelligence & Services sebanyak 4 orang

(2.1%),Unit Opco & Infrastructure Management sebanyak 4 orang

(2.1%),Unit Regulatory sebanyak 4 orang (2.1%),Unit Umum &

Tjsl sebanyak 4 orang (2.1%),Unit Corporate University sebanyak 3

orang (1.6%),Unit Culture & Employee Experience sebanyak 3

orang (1.6%),Unit Human Capital Operation sebanyak 3 orang

(1.6%),Unit Human Capital Strategic Management sebanyak 3

orang (1.6%),Unit Principal Distribution Business sebanyak 3 orang

(1.6%),Unit Application Management sebanyak 2 orang

(1.1%),Unit Indirect Strategic sebanyak 2 orang (1.1%),Unit

Integrated & Financial Audit sebanyak 2 orang (1.1%),Unit Riset

Bisnis sebanyak 2 orang (1.1%),Marketing & Sales Etikal sebanyak

1 orang (0.5%),Penugasan sebanyak 1 orang (0.5%),Unit Corporate

Legal sebanyak 1 orang (0.5%),Unit Direct Operational Excellence

114
sebanyak 1 orang (0.5%),Unit Direct Strategic sebanyak 1 orang

(0.5%),Unit Hcbp Holding sebanyak 1 orang (0.5%),Unit

Kepatuhan & Hubungan Industrial sebanyak 1 orang (0.5%),Unit

Marketing Kosmetik sebanyak 1 orang (0.5%),Unit Marketing Otc

& Herbal sebanyak 1 orang (0.5%),Unit Operation & Compliance

Audit sebanyak 1 orang (0.5%),Unit Pengembangan Bisnis &

Marketing Property sebanyak 1 orang (0.5%),Unit Pengembangan

Produk Farma sebanyak 1 orang (0.5%),Unit Pengembangan Produk

Non Farma sebanyak 1 orang (0.5%),Unit Principal Retail Business

sebanyak 1 orang (0.5%),Unit Quality Assurance sebanyak 1 orang

(0.5%),Unit Strategic Manufacturing Excellence sebanyak 1 orang

(0.5%),Unit Subsidiary Performance Management sebanyak 1 orang

(0.5%),Unit Talent Management sebanyak 1 orang (0.5%),Unit

Value Chain Integration sebanyak 1 orang (0.5%)Unit Plant Jakarta

sebanyak 27 orang (14.4%),Unit Plant Banjaran sebanyak 22 orang

(11.7%),Unit National Distribution Center sebanyak 12 orang

(6.4%),Unit Research & Development sebanyak 12 orang

(6.4%),Tidak Ada sebanyak 11 orang (5.9%),Unit Plant Watudakon

sebanyak 11 orang (5.9%),Unit Plant Semarang sebanyak 7 orang

(3.7%),Unit Nasional Sales Chp & Kosmetik sebanyak 6 orang

(3.2%),Unit Akuntansi sebanyak 5 orang (2.7%),Unit Indirect

Operational Excellence sebanyak 5 orang (2.7%),Unit Corporate

Communication Management sebanyak 4 orang (2.1%),Unit

115
Keuangan sebanyak 4 orang (2.1%),Unit Marketing & Sales Ogb

sebanyak 4 orang (2.1%),Unit Marketing Intelligence & Services

sebanyak 4 orang (2.1%),Unit Opco & Infrastructure Management

sebanyak 4 orang (2.1%),Unit Regulatory sebanyak 4 orang

(2.1%),Unit Umum & Tjsl sebanyak 4 orang (2.1%),Unit Corporate

University sebanyak 3 orang (1.6%),Unit Culture & Employee

Experience sebanyak 3 orang (1.6%),Unit Human Capital Operation

sebanyak 3 orang (1.6%),Unit Human Capital Strategic

Management sebanyak 3 orang (1.6%),Unit Principal Distribution

Business sebanyak 3 orang (1.6%),Unit Application Management

sebanyak 2 orang (1.1%),Unit Indirect Strategic sebanyak 2 orang

(1.1%),Unit Integrated & Financial Audit sebanyak 2 orang

(1.1%),Unit Riset Bisnis sebanyak 2 orang (1.1%),Marketing &

Sales Etikal sebanyak 1 orang (0.5%),Penugasan sebanyak 1 orang

(0.5%),Unit Corporate Legal sebanyak 1 orang (0.5%),Unit Direct

Operational Excellence sebanyak 1 orang (0.5%),Unit Direct

Strategic sebanyak 1 orang (0.5%),Unit Hcbp Holding sebanyak 1

orang (0.5%),Unit Kepatuhan & Hubungan Industrial sebanyak 1

orang (0.5%),Unit Marketing Kosmetik sebanyak 1 orang

(0.5%),Unit Marketing Otc & Herbal sebanyak 1 orang (0.5%),Unit

Operation & Compliance Audit sebanyak 1 orang (0.5%),Unit

Pengembangan Bisnis & Marketing Property sebanyak 1 orang

(0.5%),Unit Pengembangan Produk Farma sebanyak 1 orang

116
(0.5%),Unit Pengembangan Produk Non Farma sebanyak 1 orang

(0.5%),Unit Principal Retail Business sebanyak 1 orang (0.5%),Unit

Quality Assurance sebanyak 1 orang (0.5%),Unit Strategic

Manufacturing Excellence sebanyak 1 orang (0.5%),Unit Subsidiary

Performance Management sebanyak 1 orang (0.5%),Unit Talent

Management sebanyak 1 orang (0.5%),Unit Value Chain Integration

sebanyak 1 orang (0.5%). Hal ini dikarenakan mayoritas responden

yang menjawab memiliki unit kerja di Unit Plant Jakarta.

• Lokasi Kerja

Berdasarkan hasil yang ditunjukkan gambar 4.5,

menunjukkan data responden dari 188 orang, mayoritas orang yang

menjawab kuesioner ini berlokasi kerja di Kantor Pusat sebanyak 92

orang (48.94%), Plant Jakarta sebanyak 26 orang (13.83%), Plant

Banjaran sebanyak 23 orang (12.23%),National Dist C sebanyak 12

orang (6.38%), Plant Watudakon sebanyak 11 orang (5.85%),

Research & Development sebanyak 11 orang (5.85%), Plant

Semarang sebanyak 7 orang (3.72%), Perwakilan Bali sebanyak 2

orang (1.06%), Marketing Bandung sebanyak 1 orang (0.53%),

Marketing Jakarta 1 sebanyak 1 orang (0.53%), Marketing Menado

sebanyak 1 orang (0.53%), Marketing Surakarta sebanyak 1 orang

(0.53%). Hal ini didukung, penyebaran quesioner pertama dilakukan

di kantor pusat PT Kimia Farma, Tbk dan unit yang memiliki

mandat untuk menyebarkan quesioner berlokasi di kantor pusat.

117
 • Status Pekerjaan

Berdasarkan hasil yang ditunjukkan gambar 4.6,

menunjukkan data responden dari 188 orang, mayoritas orang yang

menjawab quesioner memiliki status pekerjaan sebagai PT atau

Pegawai Tetap sebanyak 131 orang (69.7%) dan responden yang

memiliki status pekerjaan PTT atau Pegawai Tidak Tetap sebanyak

57 orang (30.3%). Hal ini didukung oleh data demografi pegawai PT

Kimia Farma, Tbk per bulan agustus ini dengan status pekerjaan

sebagai Pegawai Tetap atau PT berjumlah 66.5% dan Pegawai Tidak

Tetap atau PTT berjumlah 33.5%.

4.5.2 Interpetasi Hasil Uji Outer Model

Berdasarkan hasil evaluasi outer model yang dilakukan oleh

peneliti, maka ditemukan hasil seperti berikut:

1. Terdapat tiga indikator yang dihapus karena punya nilai

loading factor dibawah 0.7. Yaitu indikator SERQ2,

SYSQ3, dan SYSQ4.

2. Setelah melakukan penghapusan ketiga indikator di atas,

maka hasil pengujian outer model sudah sesuai dan cukup

untuk dilanjutkan ke tahapan selanjutnya.

4.5.3 Interpretasi Hasil Uji Inner Model

Bagian ini akan menjelaskan hasil interpretasi berdasarkan

hasil evaluasi inner model dan hasil pengamatan serta diskusi

terhadap penggunaan Kimia Farma Mobile oleh pegawai Kimia

118
Farma, Tbk.

Berikut adalah penjelasan yang dilakukan dengan mengikuti

pertanyaan-pertanyaan penelitian dan hipotesis-hipotesis yang

sudah dirumuskan sebelumnya:

H1a. Apakah Content Quality (CONQ) berpengaruh secara

signifikan terhadap Use (USE)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H1a diterima dan

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.162 dan T-test bernilai 5.271. Hasil tersebut selaras dan

didukung dengan penelitian yang telah dilakukan sebelumnya

oleh (Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas konten adalah konstruk yang signifikan

mempengaruhi penggunaan.

Hal tersebut didukung oleh diskusi peneliti dengan

pengguna, pengguna merasakan manfaat dari penggunaan fitur

fitur yang diberikan oleh aplikasi Kimia Farma Mobile, seperti

memilih lokasi vaksinasi, memilih obat, melakukan

pendaftaran reservasi, pembayaran, hingga memilih klinik

yang dipilih.

H1b. Apakah Content Quality (CONQ) berpengaruh secara

signifikan terhadap User Satisfaction (USAT)?

119
 Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H1b diterima dan

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.22 dan T-test bernilai 1.772. Hasil tersebut selaras dengan

penelitian yang telah dilakukan sebelumnya oleh (Zibak,

Sauerwein, & Simpson, 2021) yang menyatakan bahwa

kualitas konten adalah konstruk yang signifikan

mempengaruhi kepuasan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan pengaruh ketika

menggunakan dan menimbulkan kepuasan. Beberapa yang

peneliti ajak bicara ketika di lokasi kegiatan, merasakan bahwa

informasi yang ada didalam aplikasi Kimia Farma Mobile

memberikan kepuasan karena mudah dijangkau, apa yang

diberikan dan disampaikan jelas dan mudah dipilih.

H1c. Apakah Content Quality (CONQ) berpengaruh secara

signifikan terhadap Perceived Trust (PT)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H1c diterima dan tidak

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.488 dan T-test bernilai 1.220. Hasil tersebut tidak selaras

120
 dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas konten adalah konstruk yang signifikan

mempengaruhi kepercaaan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan fitur-fitur yang

ditawarkan bisa menimbulkan kepercayaan dalam

menggunakan Kimia Farma Mobile, seperti ketika jadwal

reservasi dan lokasi klinik yang tersedia sesuai dengan

keinginan pengguna.

H2a. Apakah System Quality (SYSQ) berpengaruh secara

signifikan terhadap Use (USE)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H2a diterima dan

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.19 dan T-test bernilai 4.699. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas sistem tidak berpengaruh signifikan terhadap

penggunaan.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

121
 kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan kegunaan dari

kualitas sistem yang diberikan. Menurut pengguna, aplikasi

Kimia Farma Mobile jarang sekali muncul error, selain itu

ketika memilih dimana halaman membeli obat, reservasi

klinik, ataupun reservasi vaksin dapat dipilih dengan mudah.

H2b. Apakah System Quality (SYSQ) berpengaruh secara

signifikan terhadap User Satisfaction (USAT)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H2b ditolak dan tidak

memiliki pengaruh yang signifikan, dikarenakan β bernilai -

0.043 dan T-test bernilai 1.147. Hasil tersebut selaras dengan

penelitian yang telah dilakukan sebelumnya oleh (Zibak,

Sauerwein, & Simpson, 2021) yang menyatakan bahwa

kualitas sistem tidak berpengaruh signifikan terhadap

kepuasaan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan sistem yang

diberikan tidak memberi kepuasaan yang berarti.

H2c. Apakah System Quality (SYSQ) berpengaruh secara

signifikan terhadap Perceived Trust (PT)?

122
 Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H2c diterima dan

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.279 dan T-test bernilai 2.256. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas sistem tidak berpengaruh signifikan terhadap

kepercayaan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan fungsi yang

tersedia telah memberikan kepercayaan, seperti ketika

menggunakan aplikasi ataupun fitur yang diberikan.

H3a. Apakah Service Quality (SERQ) berpengaruh secara

signifikan terhadap Use (USE)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H3a diterima dan

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.361 dan T-test bernilai 3.779. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas layanan tidak berpengaruh signifikan terhadap

123
 kegunaan.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan dampak ketika

menggunakan layanan yang diberikan Kimia Farma, termasuk

ketika tanya jawab dengan contact center.

H3b. Apakah Service Quality (SERQ) berpengaruh secara

signifikan terhadap User Satisfaction (USAT)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H3b diterima dan

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.197 dan T-test bernilai 2.97. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas layanan tidak berpengaruh signifikan terhadap

kepuasan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan kepuasaan terhadap

layanan yang disediakan salah satunya ketika contact center

yang bisa dibilang cepat dalam meresponse keluhan.

124
H3c. Apakah Service Quality (SERQ) berpengaruh secara

signifikan terhadap Perceived Trust (PT)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H3c ditolak dan tidak

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.095 dan T-test bernilai 0.538. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kualitas layanan secara signifikan mempengaruhi

kepercayaan yang dirasakan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan layanan yang

diberikan tidak memberikan kepercayaan yang signifikan atau

bisa dibilang biasa saja.

H4. Apakah Perceived Trust (PT) berpengaruh secara

signifikan terhadap User Satisfaction (USAT)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H4 diterima dan tidak

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.476 dan T-test bernilai 1.591. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

125
 (Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

bahwa kepercayaan pengguna secara signifikan

mempengaruhi kepuasan pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan kepercayaan

menggunakan aplikasi memberikan kepuasaan yang biasa saja.

H5. Apakah User Satisfaction (USAT) berpengaruh secara

signifikan terhadap Use (USE)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H5 diterima dan memiliki

pengaruh yang signifikan, dikarenakan β bernilai 0.125 dan T-

test bernilai 7.784. Hasil tersebut selaras dengan penelitian

yang telah dilakukan sebelumnya oleh (Zibak, Sauerwein, &

Simpson, 2021) yang menyatakan bahwa kepercayaan

pengguna secara signifikan mempengaruhi kegunaan oleh

pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan kepuasan, seperti

merasakan efisiensi dan efektif saat menggunakan aplikasi

tersebut secara global atau keseluruhan

126
H6. Apakah Use (USE) berpengaruh secara signifikan

terhadap Net Benefits (NETB)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H6 diterima dan memiliki

pengaruh yang signifikan, dikarenakan β bernilai 0.316 dan T-

test bernilai 3.679. Hasil tersebut selaras dengan penelitian

yang telah dilakukan sebelumnya oleh (Zibak, Sauerwein, &

Simpson, 2021) yang menyatakan bahwa penggunaan oleh

pengguna secara signifikan mempengaruhi manfaat yang

dirasakan mereka.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan kegunaann atas

manfaat yang diberikan oleh aplikasi.

H7. Apakah User Satisfaction (USAT) berpengaruh secara

signifikan terhadap Net Benefits (NETB)?

Berdasarkan hasil pengujian β dan T-test pada analisis

struktur model, menunjukkan bahwa H7 diterima dan tidak

memiliki pengaruh yang signifikan, dikarenakan β bernilai

0.532 dan T-test bernilai 1.279. Hasil tersebut tidak selaras

dengan penelitian yang telah dilakukan sebelumnya oleh

(Zibak, Sauerwein, & Simpson, 2021) yang menyatakan

127
 bahwa kepercayaan pengguna secara signifikan

mempengaruhi kegunaan oleh pengguna.

Selain itu hal tersebut didukung oleh diskusi atau obrolan

kecil peneliti secara langsung dengan pengguna, dimana

pengguna Kimia Farma Mobile merasakan manfaat dari

menggunakan aplikasi namun untuk kepuasan masih dalam

kategori biasa saja karena ada fitur yang tidak dapat diubah dan

membuat bingung pengguna sehingga hanya hal yang

diperlukan saja untuk dapat menggunakan aplikasi ini.

4.6 Rekomendasi

Rekomendasi yang dibuat adalah berdasarkan hasil dari pengujian

masing-masing variabel dan pengamatan serta diskusi peneliti, hasilnya dapat

digunakan sebagai acuan dalam meningkatkan Kimia Farma Mobile.

Rekomendasi yang dihasilkan adalah sebagai berikut:

Tabel 4.15 Rekomendasi

Hipotesis Analisis Rekomendasi

Content Berpengaruh Ditingkatkan kembali mengenai

Quality fungsi atau fitur fitur yang ada di

->Use aplikasi agar semakin baik dalam

kegunaannya

Fitur atau fungsi yang di aplikasi

Content Quality Berpengaruh pengguna merasakan kepuasan

128
 ->User dari setiap informasi yang ada

Satisfaction didalam aplikasi, muda dicari dan

dijangkau

Fitur atau fungsi yang di aplikasi

Content Quality Tidak baiknya dibuat lebih baik agar

->Perceived Trust Berpengaruh kepercayaan pengguna dapat terjaga

Berpengaruh Dapat ditingkatkan kembali proses

System Quality dari tiap fungsi, seperti agar tidak

->Use terjadi kembali registrasi gagal

ataupun ketika jumlah stock real dan

digital yang berbeda

Dapat diperbaiki dan ditingkatkan

System Quality- Tidak kembali seperti kemampuan sistem

>User Berpengaruh terkait ketersediaan stock, registrasi

Satisfaction agar kepuasan pengguna bisa terjaga

System Quality Berpengaruh Dapat dijaga dan ditingkatkan

-> Perceived kembali kemampuan sistem yang

Trust ada, ‘bug fixing’, keamanan data

ataupun hal yang berpengaruh

dengan kepercayaan pengguna

Service Quality Berpengaruh Dapat ditngkatkan tingkat layanan

129
 -> Use yang tersedia di aplikasi agar dapat

digunakan sebagaimana mestinya

Service Quality Berpengaruh Dapat ditingkatkan kembali layanan

-> User yang ada di aplikasi seperti miss

Satisfaction jumlah barang real dengan jumlah

yang akan dipesan kedepannya tidak

ada issue dan penanganan mengenai

masalah lebih cepat teratasi

Mengikuti rekomendasi pada

Service Quality Tidak
variabel lain untuk dapat
-> Perceived Berpengaruh
meningkatkan layanan pada Kimia
Trust
Farma Mobile.

Mengikuti rekomendasi pada

Perceived Tidak
variabel lain untuk dapat
Trust -> User Berpengaruh
meningkatkan kepercayaan pada
Satisfaction
Kimia Farma Mobile agar tingkat

kepuasan pelanggan dapat

ditingkatkan terutama fitur

pembayaran yang terkadang terkesan

‘nyangkut’.

User Berpengaruh Dapat ditingkatkan dan dijaga

Satisfaction -> proses-proses yang sudah berjalan

130
Use dan yang akan berjalan supaya

penggunaan sistem dapat menjaga

kepuasaan pengguna

Use -> Net Berpengaruh Dapat ditingkatkan kembali terutama

Benefits fitur yang mengenai layanan seperti

vaksinasi dan reservasi klinik

ataupun obat

User Tidak Dapat diperbaiki kembali agar tiap

Satisfaction -> Berpengaruh manfaat yang diberikan oleh Kimia

Net Benefits Farma Mobile dapat memberikan

kepuasan pengguna, seperti jadwal

vaksinasi yang dapat diubah,

ketersediaan stock ataupun layanan

kesehatan yang ditawarkan.

131
132
 Bab 5

Kesimpulan dan Saran

Pada Bab ini akan dijelaskan kesimpulan berdasarkan tujuan dan hasil

penelitian. Selain itu, peneliti akan menjabaran saran bagi penelitian

selanjutnya dan saran bagi pihak Kimia Farma, Tbk sebagai rekomendasi

dalam meningkatkan Kimia Farma Mobile.

5.1 Kesimpulan

Berdasarkan hasil analisis data pada bab IV maka dapat diambil

kesimpulan yang menjawab tujuan penelitian. Berikut kesimpulan yang

didapatkan:

1. Dari 13 hipotesis model penelitian, terdapat 8 hipotesis yang

berpengaruh, yaitu: CONQ-USE, CONQ-USAT, SYSQ-USE, SYSQ-PT,

SERQ-USE, SERQ-USAT, USAT-USE, dan USE-NETB. Artinya, dapat

disimpulkan bahwa faktor kualitas konten, kualitas sistem, kualitas layanan,

dan kepuasan pengguna berhasil menjadi faktor yang memengaruhi

pengguna dalam pemakaian aplikasi. Selain itu, terdapat faktor kualitas

sistem yang berhasil memengaruhi kepercayaan pengguna dalam pemakaian

aplikasi. Kemudian, faktor kualitas layanan berhasil memengaruhi kepuasan

pengguna dalam pemakaian aplikasi. Terakhir, faktor kegunaan aplikasi

berhasil memengaruhi manfaat yang dirasakan oleh pengguna dalam

pemakaian aplikasi.

Dari 13 hipotesis model penelitian, terdapat 5 hipotesis yang tidak

berpengaruh, diantaranya PT->USAT, USAT->NETB, CONQ->PT, SYSQ-

130
>USAT, SERQ->PT. Hal ini perlu menjadi perhatian karena terdapat

hipotesis yang tidak berpengaruh terhadap keberhasilan pada aplikasi Kimia

Farma Mobile.

Dengan hasil diatas, maka bisa dikatakan keberadaan aplikasi dan

status keberhasilan penggunaan Kimia Farma Mobile sudah pada tingkat

yang baik. Hal ini karena faktor kualitas konten, layanan dan sistem telah

berhasil memengaruhi pengguna untuk memakai dan menerima manfaat dari

aplikasi Kimia Farma Mobile.

2. Dari hasil pengujian, ditemukan hipotesis yang memiliki hasil

pengaruh paling besar, yaitu hubungan antara USAT -> USE dan CONQ ->

USE. Sehingga, peneliti menginterpretasi bahwa Kimia Farma Mobile

semestinya ditingkatkan dan dijaga proses-proses yang sudah berjalan dan

yang akan berjalan, agar faktor penggunaan sistem mampu menjaga faktor

kepuasaan pengguna. Juga pengaruh daripada konten yang mempengaruhi

penggunaan pada aplikasi Kimia Farma Mobile bisa dijaga ataupun

ditingkatkan karena berdasarkan pendapat dari pengguna, mereka merasakan

informasi yang ada pada aplikasi Kimia Farma Mobile mudah dijangkau dan

didapat, seperti menu yang ada pada aplikasi mudah terlihat oleh pengguna.

3. Selanjutnya, hipotesis yang memiliki pengaruh paling kecil adalah

hubungan antara SERQ->PT dan SYSQ->USAT. Sehingga, peneliti

menginterpretasi bahwa Kimia Farma Mobile semestinya dapat ditingkatkan

kepercayaan bagi penggunanya, agar faktor tingkat kepuasan pengguna dapat

131
 ditingkatkan terutama pada fitur pembayaran yang terkadang terkesan

‘nyangkut’ dan ketika kendala teknis ada tim layanan yang dapat membantu.

5.2 Saran

Pada bagian ini peneliti akan menjelaskan saran untuk pihak pengelola

Kimia Farma Mobile serta peneliti yang akan melakukan penelitian

selanjutnya, khususnya penelitian dengan topik yang sejenis berdasarkan

batasan-batasan yang sudah dijelaskan pada bab sebelumnya.

• Saran untuk peneliti selanjutnya

1. Subjek yang menjadi responden selanjutnya bisa menggunakan

pengguna diluar pegawai PT. Kimia Farma, Tbk.

2. Model pengukuran yang digunakan bisa dikombinasikan dengan

model lain seperti ke model HOT-Fit Model, TAM, UTAUT, ataupun

Integrated Model.

3. Dapat dilakukan pengumpulan data dengan metode wawancara

secara offline, tentunya jika pandemi sudah berakhir agar terjadi komunikasi

dua arah atau dapat berdialog dengan intens kepada pengguna aplikasi Kimia

Farma Mobile

4. Berdasarkan hasil penelitian terutama pada pengujian kuesioner,

agar meninjau kembali indikator yang digunakan, dan mendapatkan saran dan

masukan dari para ahli guna menguatkan indikator

• Saran untuk PT Kimia Farma, Tbk

Berdasarkan hasil dari pengujian di Bab IV, pihak PT Kimia Farma,

Tbk sebaiknya memperbaiki fitur dan layanan yang berhubungan dengan

132
kepuasan pengguna (USAT) dan kepercayaan pengguna (PT), hal ini

berdasarkan pengujian dua faktor tersebut menghasilkan uji statistik yang

tidak berpengaruh. Maka saran yang diberikan adalah perbaikan fitur yang

berhubungan dengan dua variabel tersebut, seperti kode otp yang tidak

terkirim, pembayaran, jumlah stock yang terkadang selisih dan jadwal

reservasi yang dapat di reschedule.

133
 DAFTAR PUSTAKA

1. Abaza, H., & Marschollek, M. (2017). mHealth Application Areas and

Technology Combinations. Methods of Information in Medicine, 56(S 01),

e105–e122. https://doi.org/10.3414/ME17-05-0003

2. American Telemedicine Association. (2018). About telemedicine.

(Http://Www.Americantelemed.Org/Main/about/ about-

Telemedicine/Telemedicine-Faqs.

3. Ananda. (2022, September 22). Gramedia blog. Retrieved from

Gramedia.com: https://www.gramedia.com/literasi/demografi/

4. Ananda, D., & Fitroh, &. R. (2014). Evaluasi Penerimaan Pengguna Sistem

Otomasi TULIS pada Pusat Perpustakaan UIN Syarif Hidayatullah Jakarta

dengan Menggunakan Metode UTAUT. Konferensi Sistem Informasi

Indonesia. (Kensefina),, 1–9.

5. ATA. (2020, March 5). Commends Congress for giving HHS authority to

waive restrictions on telehealth for Medicare beneficiaries in response to the

COVID-19 outbreak. American Telemed Press Release.

6. Belout, A., & Gauvreau, C. (2004). Factors influencing project success: the

impact of human resource management. International Journal of Project

Management, 22(1), 1–11. https://doi.org/10.1016/S0263-7863(03)00003-

7. Bhavnani, S. P., Narula, J., & Sengupta, P. P. (2016). Mobile technology

and the digitization of healthcare. European Heart Journal, 37(18), 1428–

133
 1438. https://doi.org/10.1093/eurheartj/ehv770

8. Centers for Medicare & Medicaid Services. (2020). Coverage and payment

related to COVID-19 Medicare.

9. Chen, H.-C., Hui-Ming, W., Yung-Tsan, J., & Yao Hung, H. (2007).

Analyzing Customer Satisfaction and Service level using AI technique.

IEEE International Conference on Industrial Engineering and Engineering

Management, 1674–1678.

10. Cherapanukorn, V., & Phasit, C. (2017). Word Cloud of Online Hotel

Reviews in Chiang Mai for Customer Satisfaction Analysis. International

Conference on Digital Arts, Media and Technology (ICDAMT), 146–151.

11. Congdon, K. (2013). The rise of mHealth.

12. Davis, F. (1985). a technology acceptance model for empirically testing new

end-user information systems: theory and results.

13. DeLone, W. H., & McLean, E. R. (1992). Information Systems Success:

The Quest for the Dependent Variable. Information Systems Research, 3(1),

60–95. https://doi.org/10.1287/isre.3.1.60

14. Delone, W. H., & Mclean, E. R. (2003). The DeLone and McLean Model

of Information Systems Success: A Ten-Year Update. Journal of

Management Information Systems, 19(4), 9–30.

https://doi.org/10.1080/07421222.2003.11045748

15. Dinasari, W., Budiman, A., & Megawaty, D. A. (2020). SISTEM

INFORMASI MANAJEMEN ABSENSI GURU BERBASIS MOBILE

(STUDI KASUS: SD NEGERI 3 TANGKIT SERDANG). Jurnal

134
 Teknologi Dan Sistem Informasi (JTSI), 1, 50–57.

16. Dinesen, B., Nonnecke, B., Lindeman, D., Toft, E., Kidholm, K., Jethwani,

K., Young, H. M., Spindler, H., Oestergaard, C. U., Southard, J. A.,

Gutierrez, M., Anderson, N., Albert, N. M., Han, J. J., & Nesbitt, T. (2016).

Personalized Telehealth in the Future: A Global Research Agenda. Journal

of Medical Internet Research, 18(3), e53. https://doi.org/10.2196/jmir.5257

17. Dio, A. (2019). Pengaruh Efektivitas Penggunaan Dan Kepercayaan Atas

Teknologi Sistem Informasi Akuntansi Terhadap Kinerja Auditor Internal

(Studi Kasus di PT. Mandiri Multi Megah).

18. Eden, J., & Allen, M. (2017). The SAGE Encyclopedia of Communication

Research Methods. SAGE Publications, Inc.

https://doi.org/10.4135/9781483381411

19. Erlina, N. (2020). PENGUKURAN TINGKAT KEBERHASILAN

IMPLEMENTASI APLIKASI MOBILE LEARNING DIANTARA

PELAJAR SD SAMPAI DENGAN SLTA DI JABODETABEK Jakarta:

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

20. Furukawa, M., & Minami, A. (2013). A Study on the ‘Flexibility’ of

Information Systems (Part 1): Why Do They Need to Be Flexible? Int. J.

Bus. Managemenet, 8(20), 48–61.

21. Ghozali, I. (2006). Structural Equation Modelling Metode Alternatif dengan

Partial Least Square. Universitas Diponegoro.

22. Goodhue, D. L., & Thompson, R. L. (2019). Task-Technology Fit and

135
 Individual Performance. MIS Quarterly, 19(2), 213–236.

23. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver

Bullet. Journal of Marketing Theory and Practice, 19(2), 139–152.

https://doi.org/10.2753/MTP1069-6679190202

24. Hayashi, F., & Bradford, T. (2018). Mobile Payments Merchants’

Perspectives. FEDERAL RESERVE BANK OF KANSAS CITY.

25. Hollander, J. E., & Carr, B. G. (2020). Virtually Perfect? Telemedicine for

Covid-19. New England Journal of Medicine, 382(18), 1679–1681.

https://doi.org/10.1056/NEJMp2003539

26. Huda, A. I. (2020). Perkembangan Teknologi Informasi dan Komunikasi

(TIK) Terhadap Kulaitas Pembelajaran Di Sekolah Dasar. JURNAL

PENDIDIKAN Dan KONSELING Research & Learning in Primary

Education, 121–125.

27. Humas Sekretariat Kabinet Republik Indonesia. (2020). Presiden Apresiasi

Penggunaan Aplikasi ‘Telemedicine’ untuk Kurangi Risiko Tenaga Medis.

Https://Setkab.Go.Id/Presiden-Apresiasi-Penggunaan-Aplikasi-

Telemedicine-Untuk-Kurangi-Risiko-Tenaga-Medis/.

28. Hurst, E. J. (2016). Evolutions in Telemedicine: From Smoke Signals to

Mobile Health Solutions. Journal of Hospital Librarianship, 16(2), 174–

185. https://doi.org/10.1080/15323269.2016.1150750

29. Istepanian, R., Jovanov, E., & Zhang, Y. (2004). Introduction to the special

section on m-Health: beyond seamless mobility and global wireless health-

care connectivity. IEEE Trans Inf Technol Biomed, 405(14).

136
30. Jogiyanto, H. (2014). Analisis Dan Desain Sistem Informasi. Andi Offset.

31. Keesara, S., Jonas, A., & Schulman, K. (2020). Covid-19 and Health Care’s

Digital Revolution. New England Journal of Medicine, 382(23), e82.

https://doi.org/10.1056/NEJMp2005835

32. Kementrian Kesehatan Republik Indonesia. (2020). Pedoman Pencegahan

Pengendalian Coronavirus Disease (Covid-19) Revisi ke-5. Kementrian

Kesehatan Republik Indonesia.

33. Kompas. (2021, October 15). CONTOH PERKEMBANGAN

TEKNOLOGI YANG SERING DIGUNAKAN SEHARI-HARI.

(Https://Www.Kompas.Com/Skola/Read/2021/10/15/163032469/Contoh-

Perkembangan-Teknologi-Yang-Sering-Digunakan-Sehari-Hari.

(https://www.kompas.com/skola/read/2021/10/15/163032469/contoh-

perkembangan-teknologi-yang-sering-digunakan-sehari-hari

34. Kondylakis, H., Katehakis, D. G., Kouroubali, A., Logothetidis, F.,

Triantafyllidis, A., Kalamaras, I., Votis, K., & Tzovaras, D. (2020).

COVID-19 Mobile Apps: A Systematic Review of the Literature. Journal

of Medical Internet Research, 22(12), e23170.

https://doi.org/10.2196/23170

35. Kothari, C. R. (2004). Research Methodology Methods and Techniques

(Second Revised Edition), . new age international publishers.

36. Kushendriawan, M. A., Hadi Putra, P. O., & Santoso, H. B. (2021).

Evaluating User Experience of a Mobile Health Application Halodoc using

User Experience Questionnaire and Usability Testing. Jurnal Sistem

137
 Informasi (Journal of Information System), 17(1).

37. Lucivero, F., & Jongsma, K. R. (2018). A mobile revolution for healthcare?

Setting the agenda for bioethics. Journal of Medical Ethics, 44(10), 685–

689. https://doi.org/10.1136/medethics-2017-104741

38. Markhasi Rupilu, M., Suyoto, & Joko Santoso, A. (2018). The Development

of Mobile Application to Introduce Historical Monuments in Manado. E3S

Web of Conferences, 31, 11012.

https://doi.org/10.1051/e3sconf/20183111012

39. Merriam, & Webster. (2018). Medicine. In Medicine.

40. Monaghesh, E., & Hajizadeh, A. (2020). The role of telehealth during

COVID-19 outbreak: a systematic review based on current evidence. BMC

Public Health, 20(1), 1193. https://doi.org/10.1186/s12889-020-09301-4

41. Moore, G. (1965). Cramming more components onto integrated circuits.

Electronics, 38, 114–117.

42. Nicogossian, A. E., & Doarn, C. R. (2011). Armenia 1988 Earthquake and

Telemedicine: Lessons Learned and Forgotten. Telemedicine and E-Health,

17(9), 741–745. https://doi.org/10.1089/tmj.2011.0118

43. Novianti, K. D. (2018). Model Evaluasi E-learning Menggunakan Integrasi

Model D&M dan UTAUT. SENSITEK, 341-345.

44. Park, Y.-T. (2016). Emerging New Era of Mobile Health Technologies.

Healthcare Informatics Research, 22(4), 253.

https://doi.org/10.4258/hir.2016.22.4.253

45. Perneger, T. v., Courvoisier, D. S., Hudelson, P. M., & Gayet-Ageron, A.

138
 (2015). Sample size for pre-tests of questionnaires. Quality of Life

Research, 24(1), 147–151. https://doi.org/10.1007/s11136-014-0752-2

46. Portnoy, J., Waller, M., & Elliott, T. (2020). Telemedicine in the Era of

COVID-19. The Journal of Allergy and Clinical Immunology: In Practice,

8(5), 1489–1491. https://doi.org/10.1016/j.jaip.2020.03.008

47. Rahimi, M., Armand, B., & Yacine, R. (2014). A bi-objective inventory

routing problem by considering customer satisfaction level in context of

perishable product. IEEE Symposium on Computational Intelligence in

Production and Logistics Systems (CIPLS), 91–97.

48. Reichheld, F. F., & Schefter, P. (2000). E-Loyalty. Harvard Business, 78,

105–113.

49. Roky, H., & Meriouh, Y. al. (2015). Evaluation by Users of an Industrial

Information System (XPPS) Based on the DeLone and McLean Model for

IS Success. Procedia Economics and Finance, 26, 903–913.

https://doi.org/10.1016/S2212-5671(15)00903-X

50. Sangadji, E. M. (2010). Metodologi Penelitian.

51. Saputro, P. H., Budiyanto, A. D., & Santoso, A. J. (2015). Model Delone

and Mclean untuk mengukur Kesuksesan E-Government Kota Pekalongan.

Scientific Journal of Informatics.

52. Sari, M. M., & Sanjaya, G. Y. (2016). EVALUASI SISTEM INFORMASI

MANAJEMEN RUMAH SAKIT (SIMRS) DENGAN KERANGKA HOT

- FIT. Seminar Nasional Sistem Informasi Indonesia.

53. Sari W, D. E. P., Rivai, F., & Amirrudin, R. (2021). The Effect of Patient

139
 Experience on Patient Loyalty through Patient Satisfaction in Telemedicine

Application Services During the Covid-19 Pandemic. Journal of Asian

Multicultural Research for Medical and Health Science Study, 2(3), 8–14.

https://doi.org/10.47616/jamrmhss.v2i3.151

54. Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif.

Yogayakrta: Graha Ilmu.

55. Scott, R., & Mars, M. (2015). Telehealth in the developing world: current

status and future prospects. Smart Homecare Technology and TeleHealth,

25. https://doi.org/10.2147/SHTT.S75184

56. Seddon, P. B. (1997). A Respecification and Extension of the DeLone and

McLean Model of IS Success. Information Systems Research, 8(3), 240–

253. https://doi.org/10.1287/isre.8.3.240

57. Setiawan, R., & Achyar, A. (2013). Effects of Perceived Trust and

Perceived Price on Customers’ Intention to Buy in Online Store in

Indonesia. ASEAN Marketing Journal, 4(1).

https://doi.org/10.21002/amj.v4i1.2029

58. Silva, B. M. C., Rodrigues, J. J. P. C., de la Torre Díez, I., López-Coronado,

M., & Saleem, K. (2015). Mobile-health: A review of current state in 2015.

Journal of Biomedical Informatics, 56, 265–272.

https://doi.org/10.1016/j.jbi.2015.06.003

59. Singh, N., & Sinha, N. (2020). How perceived trust mediates merchant’s

intention to use a mobile wallet technology. Journal of Retailing and

Consumer Services, 52, 101894.

140
 https://doi.org/10.1016/j.jretconser.2019.101894

60. Smith, A. C., Thomas, E., Snoswell, C. L., Haydon, H., Mehrotra, A.,

Clemensen, J., & Caffery, L. J. (2020). Telehealth for global emergencies:

Implications for coronavirus disease 2019 (COVID-19). Journal of

Telemedicine and Telecare, 26(5), 309–313.

https://doi.org/10.1177/1357633X20916567

61. Subiyakto, A., & Ahlan, A. (2014). Implementation of input-process-output

model for measuring information system project success. TELKOMNIKA

Indonesian Journal of Electrical Engineering, 12(7),, 5603-5612.

62. Subiyakto, A., Ahlan, A. R., & Kartiwi, M. (2016). Assessing an

Information System Project Success Model Using Mixed Methods.

63. Sudirman, A., Muttaqin, M., Purba, R., Wirapraja, A., Leon, A. A.,

Fajrillah, Arifah, F. N., Watrianthos, J. R., & Simarmata, J. (2020). Sistem

informasi manajemen. Yayasan Kita Menulis.

64. Sugiyono. (2013). Metode Penelitian Bisnis (Pendekatan Kuantitatif,

Kualitatif, dan R&D). Alfabeta.

65. Sugiyono. (2014). Metode Penelitian Pendidikan Pendekatan Kuantitatif.

Alfabeta.

66. Supriyatna, A., & Maria, V. (2017). Analisis Tingkat Kepuasan Pengguna

dan Tingkat Kepentingan Penerapan Sistem Informasi DJP Online dengan

Kerangka PIECES. 3.

67. Syofian, S., Setyaningsih, T., & Syamsiah, N. (2015). Otomatisasi Metode

Penelitian Skala Likert Berbasis Web.

141
68. Tolle, H., Pinandito, A., Kharisma, A., & Dewi, R. (2017). Pengembangan

Aplikasi Perangkat Bergerak (Konsep dan Implementasi). UB Press.

69. Topol, E. (2010). Transforming medicine via digital innovation. Sci Transl

Med, 2(16).

70. Topol, E., Steinhubl, S., & Torkamani, A. (2015). Digital medical tools and

sensors. JAMA, 313, 353–354.

71. Totten, A., Womack, D., & Eden, K. (2016). Telehealth: Mapping the

Evidence for Patient Outcomes From Systematic Reviews.

72. Tuckson, R. v., Edmunds, M., & Hodgkins, M. L. (2017). Telehealth. New

England Journal of Medicine, 377(16), 1585–1592.

https://doi.org/10.1056/NEJMsr1503323

73. Turban, E. (2012). Electronic Commerce 2012 Global Edition. Pearson

Higher.

74. Venkatesh, Morris, Davis, & Davis. (2003). User Acceptance of

Information Technology: Toward a Unified View. MIS Quarterly, 27(3),

425. https://doi.org/10.2307/30036540

75. Venkatesh, V., James Y. L, & Thong, X. X. (2012). Customer Acceptance

and Use of Information Technology: Extending the Unified Thoery of

Acceptance and Use of Technology. 36(1), 157–178.

76. Wahid, M. (2015). Teori interpretasi paul ricoeur . Yogyakarta: IKAPI

77. Waller, M., & Stotler, C. (2018). Telemedicine: a Primer. Current Allergy

and Asthma Reports, 18(10), 54. https://doi.org/10.1007/s11882-018-0808-

142
78. World Health Organization. (2011a). Based on the Findings of the Second

Global Survey on EHealth Global Observatory for EHealth Series-Volume

3 MHealth New Horizons for Health through Mobile Technologies.

79. World Health Organization. (2011b). mHealth: New horizons for health

through mobile technologies: second global survey on eHealth (Vol. 3).

80. Wosik, J., Fudim, M., Cameron, B., Gellad, Z. F., Cho, A., Phinney, D.,

Curtis, S., Roman, M., Poon, E. G., Ferranti, J., Katz, J. N., & Tcheng, J.

(2020). Telehealth transformation: COVID-19 and the rise of virtual care.

Journal of the American Medical Informatics Association, 27(6), 957–962.

https://doi.org/10.1093/jamia/ocaa067

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

Penelitian dengan Partial Least Square Path Modeling : Aplikasi dengan

Software XLSTAT, SmartPLS, dan VisualPLS.

82. Yuliana, K. (2016). MODEL KESUKSESAN SISTEM INFORMASI

DELONE DAN MCLEAN UNTUK EVALUASI SISTEM INFORMASI

POS PADA PT. POS INDONESIA (PERSERO) DIVISI REGIONAL VI

SEMARANG.

83. Zachariah, R., Bienvenue, B., Ayada, L., Manzi, M., Maalim, A., Engy, E.,

Jemmy, J. P., Ibrahim Said, A., Hassan, A., Abdulrahaman, F.,

Abdulrahman, O., Bseiso, J., Amin, H., Michalski, D., Oberreit, J., Draguez,

B., Stokes, C., Reid, T., & Harries, A. D. (2012). Practicing medicine

without borders: tele-consultations and tele-mentoring for improving

paediatric care in a conflict setting in Somalia? Tropical Medicine &

143
 International Health, 17(9), 1156–1162. https://doi.org/10.1111/j.1365-

3156.2012.03047.x

84. Zibak, A., Sauerwein, C., & Simpson, A. (2021). A success model for cyber

threat intelligence management platforms. Computers & Security, 111,

102466. https://doi.org/10.1016/j.cose.2021.102466

144
145
LAMPIRAN

xvii
 1. Form Kuesioner Penelitian:

Kuesioner Penelitian

Form Kuesioner Penilaian Keberhasilan pada Aplikasi

Kimia Farma Mobile dengan Model DeLone & McLean dan
Perceived Trust (Stusi Kasus: PT. Kimia Farma, Tbk)

A. Pendahuluan

Assalamualaikum Warahmatullah Wabarakatuh.

Bismillahirrahmanirrahiim.
Perkenalkan nama Saya Muhammad Wildan Satrio Utomo,
mahasiswa Program Studi Sistem Informasi, Fakultas Sains dan
Teknologi, UIN Syarif Hidayatullah Jakarta.

Saat ini saya sedang melaksanakan penelitian skripsi dengan

judul “ PENILAIAN KEBERHASILAN PADA APLIKASI
KIMIA FARMA MOBILE DENGAN METODE DELONE
DAN MCLEAN DAN PERCEIVED TRUST (STUDI KASUS:
PT. KIMIA FARMA, Tbk) ".

Penelitian ini bertujuan untuk mengetahui bagaimana

keberhasilan aplikasi Kimia Farma Mobile kepada penggunanya
dan mengidentifikasi faktor-faktor yang memengaruhi
keberhasilan tersebut.

Oleh karena itu, apabila Anda menggunakan aplikasi Kimia

Farma Mobile, saya memohon kesediaan Anda sebagai
responden penelitian untuk mengisi kuesioner penelitian ini.

xviii
 Dalam kuesioner ini terdapat dua bagian:
• Pertama, bagian informasi pribadi
• Kedua, bagian pertanyaan penelitian yang berjumlah 24
pertanyaan.

Pada kuesioner ini tidak ada jawaban salah ataupun benar.

Semua jawaban adalah berdasarkan persepsi yang Anda rasakan
ketika menggunakan Kimia Farma Mobile.

Mengenai informasi pribadi yang Anda kirimkan hanya akan

digunakan untuk kepentingan penelitian. Saya menjamin data
pribadi Anda tidak disalahgunakan dan tidak disebarluaskan.

Demikian, Saya ucapkan terima kasih banyak atas kesediaan

Anda menjadi responden dan mengisi kuesioner penelitian ini.
Bantuan Anda sangat berarti bagi Saya untuk menyelesaikan
penelitian..

Jika ada pertanyaan, silahkan hubungi Saya melalui:

Whatsapp : 082185642634 atau https://wa.me/6282185642634
Email : wildanxcv@gmail.com

Salam Hormat,
Muhammad Wildan Satrio Utomo.

B. Karakteristik Responden

• Apakah menggunakan Kimia Farma Mobile (Jika tidak, boleh

meninggalkan form ini):

xix
 ✓ Ya
✓ Tidak

• Nama:

• No. HP:

• Jenis Kelamin:

✓ Pria
✓ Wanita

• Usia:

✓ 0-16
✓ 17-25
✓ 26-35
✓ 36-55
✓ 55>

• Divisi Kerja:

✓ - / TIDAK ADA
✓ DIVISI HUMAN CAPITAL
✓ SBU MARKETING & SALES PRODUK FARMA
✓ DIVISI PENGEMBANGAN BISNIS
✓ DIVISI TEKNOLOGI INFORMASI
✓ DIVISI SATUAN PENGAWASAN INTERN
✓ SBU MARKETING & SALES
✓ SBU MANUFAKTUR
✓ SBU PROPERTY
✓ DIVISI KEUANGAN
✓ SBU MARKETING & SALES PRODUK NON FARMA
✓ DIVISI RISET & PENGEMBANGAN PRODUK
✓ DIVISI PROCUREMENT
✓ DIVISI SUPPLY CHAIN
✓ DIVISI UMUM & TEKNOLOGI INFORMASI
✓ DIVISI SEKRETARIS PERUSAHAAN
✓ DIVISI RESEARCH & DEVELOPMENT

xxi
• Unit Kerja:

✓ - / TIDAK ADA
✓ MARKETING & SALES ETIKAL
✓ MARKETING INTELLIGENCE & SERVICES
✓ UNIT AKUNTANSI
✓ UNIT APPLICATION MANAGEMENT
✓ UNIT BISNIS INTERNASIONAL
✓ UNIT BISNIS INTERNASIONAL & BAHAN BAKU
✓ UNIT CORPORATE COMMUNICATION MANAGEMENT
✓ UNIT CORPORATE LEGAL
✓ UNIT CORPORATE UNIVERSITY
✓ UNIT CULTURE & EMPLOYEE EXPERIENCE
✓ UNIT CULTURE & ORGANIZATION DEVELOPMENT
✓ UNIT DEMAND MANAGEMENT
✓ UNIT DIGITAL BUSINESS
✓ UNIT DIRECT OPERATIONAL EXCELLENCE
✓ UNIT DIRECT STRATEGIC
✓ UNIT DUMI PHAPROS
✓ UNIT HCBP HOLDING
✓ UNIT HUMAN CAPITAL OPERATION
✓ UNIT HUMAN CAPITAL STRATEGIC MANAGEMENT
✓ UNIT INDIRECT OPERATIONAL EXCELLENCE
✓ UNIT INDIRECT STRATEGIC
✓ UNIT INTEGRATED & FINANCIAL AUDIT
✓ UNIT KEBIJAKAN,PERENCANAAN & TATA KELOLA
✓ UNIT KEPATUHAN & HUBUNGAN INDUSTRIAL
✓ UNIT KEPATUHAN & MANAJEMEN RISIKO
✓ UNIT KEUANGAN
✓ UNIT LEARNING & DEVELOPMENT
✓ UNIT MANAJEMEN RISIKO
✓ UNIT MARKET ACCESS
✓ UNIT MARKETING & SALES OGB
✓ UNIT MARKETING INTELLIGENCE & SERVICES
✓ UNIT MARKETING KOSMETIK
✓ UNIT MARKETING OTC & HERBAL
✓ UNIT MARKETING SERVICES
✓ UNIT NASIONAL SALES CHP & BAHAN BAKU
✓ UNIT NASIONAL SALES CHP & KOSMETIK
✓ UNIT NASIONAL SALES CHP & KOSMETIK

xxii
 ✓ UNIT NATIONAL DISTRIBUTION CENTER
✓ UNIT OPCO & INFRASTRUCTURE MANAGEMENT
✓ UNIT OPERATION & COMPLIANCE AUDIT
✓ UNIT PENGELOLAAN PROPERTY
✓ UNIT PENGEMBANGAN BISNIS & MARKETING PROPERTY
✓ UNIT PENGEMBANGAN BISNIS ORGANIK
✓ UNIT PENGEMBANGAN BISNIS PROPERTY
✓ UNIT PENGEMBANGAN PRODUK FARMA
✓ UNIT PENGEMBANGAN PRODUK NON FARMA
✓ UNIT PLANT BANJARAN
✓ UNIT PLANT JAKARTA
✓ UNIT PLANT MEDAN
✓ UNIT PLANT RAPID TEST
✓ UNIT PLANT SEMARANG
✓ UNIT PLANT WATUDAKON
✓ UNIT PRINCIPAL DISTRIBUTION BUSINESS
✓ UNIT PRINCIPAL KATEGORI OTC & KOSMETIK
✓ UNIT PRINCIPAL RETAIL BUSINESS
✓ UNIT PROJECT MANAGEMENT OFFICE
✓ UNIT QUALITY ASSURANCE
✓ UNIT QUALITY SYSTEM KORPORAT
✓ UNIT REGULATORY
✓ UNIT RESEARCH & DEVELOPMENT
✓ UNIT RESEARCH CENTER
✓ UNIT RISET BISNIS
✓ UNIT STRATEGI, KEBIJAKAN & PENGEMBANGAN
✓ UNIT STRATEGIC MANUFACTURING EXCELLENCE
✓ UNIT SUBSIDIARY PERFORMANCE MANAGEMENT
✓ UNIT SUPPLY MANAGEMENT
✓ UNIT TALENT MANAGEMENT
✓ UNIT TEKNIK & PEMELIHARAAN
✓ UNIT TEKNIK & QHSE
✓ UNIT UMUM & TJSL
✓ UNIT UMUM, PKBL & CSR
✓ UNIT VALUE CHAIN INTEGRATION

• Lokasi Kerja:

✓ -
✓ MARKETING AMBON

xxiii
✓ MARKETING BALIKPAPAN
✓ MARKETING BANDA ACEH
✓ MARKETING BANDAR LAMPUNG
✓ MARKETING BANDUNG
✓ MARKETING BANJARMASIN
✓ MARKETING BATAM
✓ MARKETING BEKASI
✓ MARKETING BOGOR
✓ MARKETING CIREBON
✓ MARKETING DENPASAR
✓ MARKETING GORONTALO
✓ MARKETING JAKARTA 1
✓ MARKETING JAKARTA 2
✓ MARKETING JAMBI
✓ MARKETING JAYAPURA
✓ MARKETING JEMBER
✓ KANTOR PUSAT
✓ MARKETING KENDARI
✓ KTO BINTANG
✓ MARKETING KUPANG
✓ MARKETING MADIUN
✓ MARKETING MAKASSAR
✓ MARKETING MALANG
✓ MARKETING MEDAN
✓ MARKETING MENADO
✓ NATIONAL DIST C
✓ MARKETING PADANG
✓ MARKETING PALANGKARAYA
✓ MARKETING PALEMBANG
✓ MARKETING PALU
✓ MARKETING PANGKAL PINANG
✓ MARKETING PEKANBARU
✓ MARKETING PEMATANG SIANTAR
✓ PLANT BANJARAN
✓ PLANT JAKARTA
✓ PLANT MEDAN
✓ PLANT RAPID TES
✓ PLANT SEMARANG
✓ PLANT WATUDAKON
✓ MARKETING PONTIANAK
✓ MARKETING PURWOKERTO
✓ RESEARCH & DEVELOPMENT
✓ MARKETING SAMARINDA

xxiv
 ✓ MARKETING SEMARANG
✓ MARKETING SERANG
✓ MARKETING SIDOARJO
✓ MARKETING SORONG
✓ MARKETING SURABAYA
✓ MARKETING SURAKARTA
✓ MARKETING TANGERANG
✓ MARKETING TASIKMALAYA
✓ MARKETING TEGAL
✓ MARKETING TERNATE
✓ 1-6 bulan
✓ 6-12 bulan
✓ >12 bulan

• Status Pegawai:

✓ PT
✓ PTT

• Sudah berapa lama menggunakan Kimia Farma Mobile:

✓ <1 bulan
✓ 1-6 bulan
✓ 6-12 bulan
✓ >12 bulan

C. Penelitian untuk Kimia Farma Mobile

Nyatakan pendapat Anda dengan memberikan tanda
silang (√) pada salahsatu skala berikut:
- Sangat Setuju
- Setuju
- Netral
- Tidak Setuju
- Sangat Tidak Setuju

xxv
A. Pernyataan variabel Content Quality / Kualitas Konten

Jawaban Responden
NO Pernyataan
SS S N TS STS
Kimia Farma Mobile
1 menyajikan konten yang akurat

Kimia Farma Mobile menyajikan

konten yang berguna
2

Kimia Farma Mobile menyajikan

3
konten yang relevan
4 Kimia Farma Mobile menyajikan
konten yang dapat dipercaya
Kimia Farma Mobile menyajikan
5
konten dengan tepat waktu

B. Pernyataan variabel System Quality / Kualitas Sistem

Jawaban Responden
NO Pernyataan
SS S N TS STS
1 Kimia Farma Mobile mudah digunakan dan
dinavigasi
Kimia Farma Mobile dapat diandalkan dan tidak
2
mudah mengalami kerusakan/eror

Kimia Farma Mobile memberikan fungsionalitas

3
yang sesuai
Kimia Farma Mobile dapat dioperasikan dengan
4
sistem atau alat lain

C. Pernyataan variabel Service Quality / Kualitas Layanan

Jawaban Responden
NO Pernyataan
SS S N TS STS
1 Pihak Kimia Farma mampu membantu saya
ketika saya membutuhkan dukungan dengan
aplikasi

xxvi
 Pihak Kimia Farma memberikan perhatian pribadi
2
ketika saya mengalami masalah dengan aplikasi
Pihak Kimia Farma menyediakan layanan yang
3
terkait dengan aplikasi pada waktu yang
dijanjikan
Pihak Kimia Farma memiliki pengetahuan yang
4
cukup untuk menjawab pertanyaan saya mengenai
aplikasi

D. Pernyataan variabel Perceived Trust / Kepercayaan yang dirasakan

Jawaban Responden
NO Pernyataan
SS S N TS STS
1 Kimia Farma Mobile menjamin perlindungan data
dan privasi
Kimia Farma Mobile aman dan dapat dipercaya
2
untuk digunakan
Secara keseluruhan, saya percaya dengan Kimia
3
Farma Mobile

E. Pernyataan variabel Use / Kegunaan

Jawaban Responden
NO Pernyataan
SS S N TS STS
1 Saya menggunakan Kimia Farma Mobile secara
intensif untuk mencapai tujuan saya
Saya sering menggunakan Kimia Farma Mobile
2
untuk mencapai tujuan saya

F. Pernyataan variabel User Satisfaction / Kepuasan Pengguna

Jawaban Responden
NO Pernyataan
SS S N TS STS
1 Kimia Farma Mobile memenuhi kebutuhan saya
Kimia Farma Mobile efesien dalam
2
penggunaannya
Kimia Farma Mobile efektif dalam
3
penggunaannya

xxvii
 Saya puas dengan Kimia Farma Mobile secara
4
keseluruhan

G. Pernyataan variabel Net Benefits / Manfaat Bersih

Jawaban Responden
NO Pernyataan
SS S N TS STS
1 Biaya penggunaaan Kimia Farma Mobile
terjangkau
Waktu pencarian informasi dan layanan pada
2
Kimia Farma Mobile lebih cepat

xxviii
LAMPIRAN 2:

PILOT STUDY

xxix
1. HASIL ANALISIS DEMOGRAFIS PILOT STUDY 30 RESPONDEN

xxx
xxxi
xxxii