Bella Marisela Caroline-Fst

SKRIPSI
ANALISIS PENERIMAAN PENGGUNA
TERHADAP SISTEM APLIKASI SERVICE DESK (SASD)
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh:
BELLA MARISELA CAROLINE

1113093000014
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M / 1439 H
SKRIPSI
Disusun Oleh:

1113093000014
JAKARTA
2018 M / 1439 H
SKRIPSI
Skripsi
Oleh:

1113093000014
JAKARTA
2018 M / 1439 H
Skripsi
Oleh:
Bella Marisela Caroline

1113093000014
Menyetujui,
Pembimbing I Pembimbing II
M. Qomarul Huda, Ph.D Rinda Hesti Kusumaningtyas, MMSI

NIP. 19670412 200312 1 001 NIP. 19810929 200912 2 002
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Nia Kumaladewi, MMSI

NIP. 19750412 200710 2 002
ii
LEMBAR PENGESAHAN
Skripsi yang berjudul Analisis Penerimaan Pengguna Terhadap Sistem Aplikasi

Service Desk (SASD) yang ditulis oleh Bella Marisela Caroline, NIM
1113093000014 telah diuji dan dinyatakan lulus dalam siding Munaqosah Fakultas
Sains dan Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta pada
hari Selasa, 06 Februari 2018. Skripsi ini telah diterima sebagai salah satu syarat
memperoleh gelar Sarjana Satu (S1) Program Studi Sistem Informasi.
Menyetujui,
Penguji I Penguji II
Nur Aeni Hidayah, MMSI Yusuf Durachman, M.Sc, MIT

NIP. 19750818 200501 2 008 NIP. 19710522 200604 1 002
Pembimbing I Pembimbing II
M. Qomarul Huda, Ph.D Rinda Hesti Kusumaningtyas, MMSI

NIP. 19670412 200312 1 001 NIP. 19810929 200912 2 002
Mengetahui,
Dekan Ketua
Fakultas Sains dan Teknologi Program Studi Sistem Informasi
Dr. Agus Salim, S.Ag, M.Si Nia Kumaladewi, MMSI

NIP. 19720816 199903 1 003 NIP. 19750412 200710 2 002
iii
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-
BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN
TINGGI ATAU LEMBAGA MANAPUN.
Jakarta, 31 Januari 2018

1113093000014
iv
ABSTRAK
Bella Marisela Caroline – 1113093000014. Analisis Penerimaan Pengguna

Terhadap Sistem Aplikasi Service Desk (SASD) dibawah bimbingan M. Qomarul
Huda, dan Rinda Hesti Kusumaningtyas.
UIN Syarif Hidayatullah Jakarta sebagai institusi pendidikan saat ini telah
menerapkan Sistem Aplikasi Service Desk (SASD) sebagai single point of contact
dimana seluruh permasalahan layanan TI di UIN Syarif Hidayatullah Jakarta yang
sebelumnya dilaporkan secara manual diubah menjadi menggunakan SASD yang
dikelola pihak PUSTIPANDA. Namun dalam penerapannya masih banyak
kelemahan yang dirasakan pengguna sehingga cenderung memilih cara manual
dibandingkan menggunakan SASD. Sehingga perlu dilakukan penelitian terkait
penerimaan pengguna terhadap SASD, karena penerimaan pengguna merupakan
salah satu faktor penting dalam keberhasilan penerapan sistem. Tujuan penelitian
ini adalah untuk mengetahui sejauh mana penerimaan pengguna terhadap SASD
dan untuk mengetahui faktor-faktor apa saja yang mempengaruhi penerimaan
pengguna terhadap SASD menggunakan model Unified Theory of Acceptance and
Use of Technology (UTAUT) dengan teknik analisis PLS-SEM, yang selanjutnya
dapat dihasilkan rekomendasi untuk pihak PUSTIPANDA untuk pengembangan
SASD selanjutnya. Hasilnya, dari kelima hipotesis yang diajukan seluruhnya
diterima, performance expectancy, effort expectancy, social influence, facilitating
conditions memiliki pengaruh yang sigfnifikan terhadap behavioral intention dan
behavioral intention memiliki pengaruh yang signifikan terhadap use behavior.
Kata kunci : Penerimaan pengguna, Sistem Aplikasi Service Desk, UTAUT,
PLS-SEM.
BAB I-V + 110 Halaman + xv + 20 Gambar + 22 Tabel + Daftar Pustaka +

Lampiran
Pustaka Acuan (58, 1980-2017)
v
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, karena atas berkah, rahmat, dan
hidayah-Nya yang sungguh melimpah, sehingga penulis dapat menyelesaikan
skripsi yang berjudul “Analisis Penerimaan Pengguna Terhadap Sistem Aplikasi
Service Desk (SASD)” dengan baik. Shalawat serta salam semoga senantiasa
tercurah kepada Nabi Besar Muhammad SAW beserta keluarga, sahabat serta para
pengikutnya hinga akhir zaman.
Penulis menyadari bahwa dalam menyelesaikan skripsi ini tidak terlepas
dari bantuan berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk dapat
mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Dr. Agus Salim, S.Ag, M.Si selaku Dekan Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah.
2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem Informasi
Fakultas Sains dan Teknologi dan Ibu Meinarini Catur Utami, MT selaku
Sekretaris Program Studi Sistem Informasi Fakultas Sains dan Teknologi.
3. Bapak Ir. Muhammad Qomarul Huda, M.Kom., Ph.D sebagai Dosen
Pembimbing I yang telah memberikan bimbingan, dan arahan kepada
penulis selama proses penyelesaian skripsi ini. Terima kasih banyak untuk
seluruh waktu, tenaga, kesediaan menjawab setiap pertanyaan penulis dan
senantiasa memberikan dukungan moril serta membagikan banyak
pengetahuan agar penulis bisa menyelesaikan skripsi ini dengan baik.
4. Ibu Rinda Hesti Kusumaningtyas, MMSI sebagai Dosen Pembimbing II
yang selalu ada setiap saat, tidak pernah lelah menyemangati penulis,
vi
mengingatkan penulis untuk segera menyelesaikan skripsi ini. Terima kasih
atas kesabarannya dalam membimbing penulis, selalu memberi masukkan
yang positif, arahan yang jelas sehingga penulis bisa menyelesaikan skripsi
ini dengan baik.
5. Seluruh Dosen Program Studi Sistem Informasi yang telah membagikan
ilmunya kepada penulis selama proses perkuliahan.
6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak
membantu penulis dalam perkuliahan, terutama dalam menyelesaikan
administrasi yang berkaitan dengan skripsi.
7. Seluruh karyawan PUSTIPANDA yang telah membantu penulis untuk
memperoleh data-data selama proses penelitian skripsi ini.
8. Kedua orang tua penulis, Bapak Raden Soeharto dan Ibu Sulistyowati.
Terima kasih untuk mama dan papa yang telah membesarkan dan mendidik
penulis dari lahir hingga saat ini, terima kasih untuk seluruh cinta dan kasih
yang mama dan papa berikan untukku. Terima kasih untuk doa-doa yang
selalu mengiri langkahku disegala cuaca, saat senang maupun sedih, my
human diary that will never be replaced, no words can describe how
grateful I am to have you both in my life.
9. Kakak dan adikku tersayang, Fredy dan Ferry. Terima kasih telah mengisi
hari-hari penulis sehingga penulis tidak pernah merasa kesepian, semoga
kalian akan selalu menjadi saudara dan sahabat terbaik yang mengiringi
langkah penulis kedepannya.
vii
10. Kepala divisi PSDM HIMSI UIN Jakarta Periode 2014-2015, yang senyum
dan kehadirannya pernah menjadi bagian penting dalam hidup penulis,
semoga selalu dalam keadaan sehat dan berbahagia.
11. Sahabat sejak awal dunia perkuliahanku, Prima, Hersy dan Sota. Terima
kasih karena telah menerima penulis apa adanya, selalu ada setiap saat dan
memberikan pengaruh yang positif, tidak pernah bosan mendengar keluh
kesah penulis. Terima kasih juga untuk teman-teman grup NASGOR GX
PEDES dan Rangers yang selalu menghibur penulis dengan canda dan
tawanya.
12. My all time favorite girls since elementary school, Disya and Prisal. Thank
you for being there through the thick and thin.
13. Teman-teman seperjuangan skripsi yang selalu berbagi ilmu dan banyak
membantu dalam menyelesaikan skripsi ini, Kak Rosalina, Kak Ayu,
Luqman, Putra, Affan, Faizal, Ryo, Tris, Kamal, Ojan, Ridwan dan lainnya.
14. Seluruh teman-teman Sistem Informasi 2013 yang telah mewarnai dunia
perkuliahan penulis, teirma kasih untuk segala kenangannya, semangat yang
diberikan sehingga penulis bisa menyelesaikan skripsi ini.
15. Seluruh responden penelitian yang telah membantu dalam mengisi
kuesioner penelitian ini.
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari semua pihak dibalas pahala yang berlipat ganda. Selain itu, penulis
menyadari dalam penyusunan skripsi ini masih terdapat kekurangan dan jauh dari
kata sempurna sehingga saran dan kritik yang membangun sangat penulis harapkan
viii
dan dapat disampaikan melalui bellamarisela@mhs.uinjkt.ac.id. Akhir kata,
semoga penelitian ini dapat memberikan manfaat dan sekaligus menambah ilmu
bagi kita semua. Amiiin yaa Rabbal Alamin.
Jakarta, 31 Januari 2018

1113093000014
ix
DAFTAR ISI
COVER .................................................................................................................... i
LEMBAR PERSETUJUAN.................................................................................... ii
LEMBAR PENGESAHAN ................................................................................... iii
PERNYATAAN..................................................................................................... iv
ABSTRAK .............................................................................................................. v
KATA PENGANTAR ........................................................................................... vi
DAFTAR ISI ........................................................................................................... x
DAFTAR TABEL ................................................................................................ xiii
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR LAMPIRAN ......................................................................................... xv
BAB I: PENDAHULUAN ...................................................................................... 1
1.1 Latar Belakang ............................................................................................ 1
1.2 Perumusan Masalah ..................................................................................... 5
1.3 Ruang Lingkup dan Batasan Penelitian ...................................................... 6
1.4 Tujuan dan Sasaran Penelitian .................................................................... 7
1.5 Manfaat Penelitian....................................................................................... 7
1.6 Pertanyaan Penelitian .................................................................................. 8
1.7 Metodologi Penelitian ............................................................................... 10
1.8 Sistematika Penelitian ............................................................................... 11
BAB II: KAJIAN PUSTAKA ............................................................................... 13
2.1 Definisi Analisis ........................................................................................ 13
2.2 Definisi Penerimaan Pengguna ................................................................. 13
2.3 Konsep Dasar Sistem Aplikasi Service Desk ............................................ 14
2.3.1 Defisini Sistem Aplikasi ................................................................. 14
2.3.2 Definisi Service Desk ...................................................................... 15
2.4 Teori Penerimaan Pengguna...................................................................... 18
2.4.1 Unified Theory of Acceptance and Use of Technology (UTAUT) .. 19
2.5 Metode Pengumpulan Data ....................................................................... 24
2.6 Klasifikasi Data ......................................................................................... 26
x
2.7 Populasi dan Teknik Sampling .................................................................. 27
2.8 Skala Likert ............................................................................................... 30
2.9 PLS-SEM (Partial Least Square - Structural Equation Modeling) .......... 31
2.9.1 SmartPLS ........................................................................................ 36
2.10 Penelitian Terdahulu ................................................................................. 38
BAB III: METODOLOGI PENELITIAN ............................................................ 42
3.1 Pendekatan Penelitian ............................................................................... 42
3.2 Populasi dan Sampel Penelitian ................................................................ 42
3.3 Prosedur Penelitian .................................................................................... 43
3.4 Metode Pengumpulan Data ....................................................................... 44
3.4.1 Wawancara ...................................................................................... 45
3.4.2 Studi Literatur ................................................................................. 45
3.4.3 Pembuatan Kuesioner...................................................................... 51
3.4.4 Survei .............................................................................................. 53
3.5 Metode Analisis Data ................................................................................ 54
3.5.1 Analisis dan Interpretasi Hasil ........................................................ 54
3.6 Model Penelitian dan Pengembangan Hipotesis ....................................... 56
3.6.1 Model Penelitian ............................................................................. 56
3.6.2 Indikator Penelitian ......................................................................... 57
3.6.3 Hipotesis Penelitian......................................................................... 59
BAB IV: PEMBAHASAN.................................................................................... 61
4.1 Gambaran Umum Institusi ........................................................................ 61
4.1.1 Sejarah PUSTIPANDA ................................................................... 61
4.1.2 Visi PUSTIPANDA ........................................................................ 63
4.1.3 Misi PUSTIPANDA ....................................................................... 63
4.1.4 Sasaran Mutu PUSTIPANDA ......................................................... 64
4.1.5 Struktur Organisasi PUSTIPANDA ................................................ 65
4.1.6 Tugas Pokok dan Fungsi ................................................................. 68
4.1.7 Service Desk UIN Syarif Hidayatullah Jakarta ............................... 76
4.2 Hasil Analisis ............................................................................................ 78
4.2.1 Hasil Analisis Demografis .............................................................. 78
xi
4.2.2 Hasil Analisis Pengukuran Model (Outer Model) .......................... 83
4.2.3 Hasil Analisis Model Struktural (Inner Model) .............................. 90
4.3 Interpretasi dan Pembahasan Hasil Analisis ............................................. 96
4.3.1 Interpretasi dan Pembahasan Hasil Analisis Data Demografis ....... 96
4.3.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran
(Outer Model) ............................................................................................ 99
4.3.3 Interpretasi dan Diskusi Hasil Analisis Struktural Model (Inner
Model) ..................................................................................................... 100
BAB V: KESIMPULAN DAN SARAN ............................................................ 106
5.1 Kesimpulan.............................................................................................. 106
5.2 Saran ........................................................................................................ 108
xii
DAFTAR TABEL
Tabel 2.1 Model Penerimaan Pengguna ............................................................... 18
Tabel 2.2 Konstruk Ekspektansi Kinerja ............................................................. 21
Tabel 2.3 Penelitian Terdahulu ............................................................................ 38
Tabel 3.1 Penelitian Sejenis ................................................................................. 46
Tabel 3.2 Daftar Pertanyaan ................................................................................. 52
Tabel 3.3 Jumlah Kuesioner ................................................................................. 54
Tabel 3.4 Definisi Variabel UTAUT .................................................................... 57
Tabel 3.5 Definisi Indikator .................................................................................. 57
Tabel 4.1 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0 ....................... 84
Tabel 4.2 Hasil Uji Loading Factor Setelah Penghapusan Indikator .................. 85
Tabel 4.3 Hasil Uji Composite Reliability dengan SmartPLS 3.0 ........................ 86
Tabel 4.4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS ........ 86
Tabel 4.5 Hasil Uji Discriminant Validity (Cross Loading) ................................ 87
Tabel 4.6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s) .... 88
Tabel 4.7 Hasil Uji Path Coefficient .................................................................... 90
Tabel 4.8 Hasil Uji Coefficient of Determination (R-Square) ............................. 91
Tabel 4.9 Hasil Uji T-Test dengan SmartPLS 3.0 ............................................... 92
Tabel 4.10 Hasil Uji Effect Size dengan SmartPLS 3.0 ....................................... 93
Tabel 4.11 Hasil Uji Predictive Relevance dengan SmartPLS 3.0 ...................... 93
Tabel 4.12 Hasil Uji Relative Impact dengan SmartPLS 3.0 ............................... 94
Tabel 4.13 Ringkasan Hasil Analisis Struktural Model ........................................ 95
Tabel 4.14 Hasil Uji Hipotetsis dengan SmartPLS 3.0 .......................................101
xiii
DAFTAR GAMBAR
Gambar 1.1 Bagan Jumlah Komplain dari Pengguna SASD ................................. 4
Gambar 1.2 Model Penelitian ................................................................................ 9
Gambar 2.1 Struktur Service Desk ....................................................................... 16
Gambar 2.2 Model UTAUT ................................................................................. 20
Gambar 2.3 Klasifikasi Komponen Model Struktural ......................................... 37
Gambar 3.1 Prosedur Penelitian ........................................................................... 44
Gambar 3.2 Model Persamaan Struktural ............................................................ 55
Gambar 3.3 Model Penelitian .............................................................................. 56
Gambar 3.4 Model Penelitian dengan Hipotesis .................................................. 59
Gambar 4.1 Struktur Organisasi PUSTIPANDA ................................................. 67
Gambar 4.2 Tampilan Utama Service Desk UIN Syarif Hidayatullah Jakarta .... 77
Gambar 4.3 Diagram Jenis Kelamin Responden ................................................. 78
Gambar 4.4 Diagram Usia Responden ................................................................. 79
Gambar 4.5 Diagram Status Pekerjaan Responden .............................................. 80
Gambar 4.6 Diagram Unit Kerja Responden ....................................................... 80
Gambar 4.7 Diagram Tingkat Pendidikan Terakhir Responden .......................... 81
Gambar 4.8 Diagram Latar Belakang Pendidikan di Bidang TI Responden ....... 82
Gambar 4.9 Diagram Pengetahuan Responden mengenai Keberadaan SASD .... 82
Gambar 4.10 Diagram Pengalaman Responden dalam Menggunakan SASD ..... 83
Gambar 4.11 Hasil Analisis Outer Model dengan SmartPLS 3.0 ........................ 89
xiv
DAFTAR LAMPIRAN
Lampiran 1 SK Dosen Pembimbing .......................................................... xvi

Lampiran 2 Surat Izin Penelitian ................................................................ xvii
Lampiran 3 Surat Keterangan Penelitian ................................................... xviii
Lampiran 4 Kuesioner ................................................................................ xix
Lampiran 5 Data Hasil Pre-Test ................................................................. xxii
Lampiran 6 Hasil Wawancara .................................................................... xxiii
xv
BAB I
PENDAHULUAN
1.1 Latar Belakang
Teknologi informasi (TI) merupakan suatu bagian yang sangat penting bagi
perusahaan atau lembaga dan merupakan suatu nilai investasi untuk menjadikan
perusahaan atau lembaga tersebut menjadi lebih baik. Perusahaan atau lembaga
menempatkan teknologi informasi sebagi suatu hal yang dapat mendukung untuk
mencapai sasaran visi, misi dan tujuan perusahaan atau organisasi tersebut (Candra
et al., 2015). Penerapan teknologi informasi (TI) baru pada organisasi bukanlah hal
yang mudah karena penerapan teknologi akan mempengaruhi keseluruhan
organisasi, terutama bagi sumber daya manusia. Penerapan TI dapat dikatakan
sukses ketika organisasi yang mengadopsi inovasi TI tersebut telah mendapatkan
manfaat dari penerapan TI pada organisasinya (Huda & Hussin, 2016).
Menurut Venkatesh (2003) agar teknologi dapat meningkatkan produktivitas,
teknologi harus diterima dan digunakan oleh anggota organisasi sebagai pengguna.
Kemauan pengguna dalam meneriman teknologi merupakan salah satu kunci awal
bagi keberhasilan implementasi teknologi. Beberapa penelitian menunjukan bahwa
kegagalan pada penerapan teknologi informasi saat ini lebih karena aspek perilaku
pengguna teknologi informasi. Faktor pengguna merupakan faktor penentu
keberhasilan aplikasi sistem informasi yang akan diterapkan (Bendi & Aliyanto,
2014)
1
Untuk mengetahui keberhasilan dari implementasi teknologi informasi
seperti pada sistem yang baru diimplementasikan pada organisasi perlu adanya
analisis tingkat penerimaan pengguna terhadap sistem baru tersebut. Terdapat
banyak model untuk menganalisis tingkat penerimaan pengguna, salah satunya
adalah Unified theory of acceptance and use of technology (UTAUT). UTAUT
merupakan sebuah model untuk menjelaskan perilaku pengguna terhadap teknologi
informasi (Venkatesh et al., 2003). Model ini merupakan kombinasi dari delapan
model penerimaan teknologi yang telah berhasil dikembangkan sebelumnya. Model
UTAUT menunjukan bahwa niat untuk berperilaku (behavioral intention) dan
perilaku untuk menggunakan suatu teknologi (use behavior) dipengaruhi oleh
ekpektansi kinerja (performance expectancy), ekpektansi usaha (effort expectancy),
pengaruh sosial (social influence), dan kondisi pendukung (facilitating conditions).
Keempat Faktor tersebut dimoderasi oleh faktor jenis kelamin (gender), usia (age),
pengalaman (experience) dan kesukarelaan menggunakan (voluntariness of use).
Studi empiris yang mengadopsi model ini telah banyak dilakukan, dan
mendapatkan temuan yang beragam (Bendi & Andayani, 2013).
Dalam bidang pendidikan, penggunaan TI turut memberikan manfaat yang
besar bagi berbagai kegiatan terkait proses belajar mengajar, administrasi, serta
sebagai media pengenalan dan promosi dari pihak perguruan tinggi terhadap
masyarakat. Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta, sebagai
salah satu perguruan tinggi Islam terbesar di Indonesia yang memiliki visi untuk
menjadi universitas kelas dunia dan universitas riset dengan keunggulan integrasi
keilmuan, ke-Islaman, dan ke-Indonesiaan, dimana TI/SI menjadi bagian penting
2
untuk mewujudkan visi tersebut, terutama bagi Pusat Teknologi Informasi dan
Pangkalan Data (PUSTIPANDA). PUSTIPANDA merupakan salah satu unit
pelayanan terpadu UIN Syarif Hidayatullah Jakarta yang bertugas sebagai
pelaksana pengemban dan pemeliharaan terkait Information and Communication
Technology (ICT). PUSTIPANDA memiliki visi “UIN Syarif Hidayatullah Jakarta
menjadi universitas digital kelas dunia untuk mendukung integrasi keilmuan,
keislaman, dan keindonesiaan”, dengan sasaran mutu atau target sebagai berikut:
1. Membuat sistem Information and Communications Technology (ICT)
yang berorientasi kepada kebutuhan stakeholder dan shareholder UIN
Syarif Hidayatullah Jakarta.
2. Meningkatkan kualitas prasarana, SDM, dan layanan Information and
Communications Technology (ICT) di lingkungan UIN Syarif
Hidayatullah Jakarta.
3. Mengembangkan dan mengimplementasikan tata kelola IT sesuai dengan
standarisasi nasional dan internasional.
Dengan sasaran mutu dan visi yang sejalan untuk mendukung visi UIN Syarif
Hidayatullah Jakarta, dari tahun ke tahun PUSTIPANDA terus melakukan
pengembangan dengan membuat produk-produk TI untuk memberikan layanan
terbaik dan sesuai dengan harapan penggunanya, meliputi dosen, mahasiswa,
pegawai, serta masyarakat yang berhubungan dengan UIN Jakarta. Dalam
penggunaannya tentu memerlukan pemeliharaan dan tidak luput dari berbagai
masalah. Masalah teknis yang muncul sering kali tidak pasti dan membutuhkan
penanganan yang cepat dan tanggap agar masalah tidak menumpuk serta mencegah
3
adanya komplain dari user (pengguna). Maka untuk meningkatkan kinerja
PUSTIPANDA dalam memenuhi kebutuhan user sesuai dengan sasaran mutu
PUSTIPANDA, dalam hal ini terkait penanganan laporan masalah dari user,
PUSTIPANDA membuat satu sistem yaitu Sistem Aplikasi Service Desk (SASD).
Data Jumlah Komplain Pengguna SASD

450
394
400
350
300 277
250 226
200
150
100 70
45 40
50 17 13 9
0
Agustus September Oktober
Pegawai Dosen Mahasiswa
Gambar 1.1 Bagan Data Jumlah Komplain dari User (Pengguna) SASD (Sumber:
PUSTIPANDA UIN JAKARTA, Agustus – Oktober 2017)
SASD diharapkan dapat memudahkan user apabila mengalami masalah
teknis dalam penggunaan produk-produk PUSTIPANDA, dimana user mencakup
mahasiswa, pegawai dan dosen. Dapat dilihat melalui gambar 1.1 berdasarkan hasil
olahan data dari pihak PUSTIPANDA, jumlah komplain yang masuk melalui
SASD pada periode Agustus 2017- Oktober 2017. Dari gambar1.1 dapat diketahui
jumlah komplain terbanyak terjadi pada bulan September, yaitu pada masa awal
perkuliahan setelah libur semester lalu berdasarkan penggunanya jumlah komplain
terbanyak berasal dari mahasiswa pada periode tersebut.
4
Sebelum terdapat SASD ini seluruh masalah yang dialami oleh user
disampaikan melalui telepon atau mendatangi kantor PUSTIPANDA secara
langsung. Implementasi SASD diharapkan dapat merubah hal tersebut, dimana
pelaporan masalah berpusat menggunakan SASD sehingga memudahkan pihak
PUSTIPANDA dalam menyelesaikan masalah yang dilaporkan. Namun melalui
wawancara awal yang penulis lakukan terhadap beberapa pengguna SASD masih
banyak yang belum mengetahui bagaimana cara menggunakan SASD, contoh lain
pula kurangnya sosialisasi mengenai penggunaan SASD membuat user kesulitan
menggunakan SASD bahkan cenderung tidak tertarik menggunakan SASD dan
memilih cara manual untuk melaporkan masalah, selain itu masih banyak yang
belum mengetahui mengenai keberadaan SASD.
Kurangnya penerimaan pengguna telah lama menjadi hambatan bagi
keberhasilan sistem informasi. Pentingnya penerimaan pengguna dalam
menentukan keberhasilan sistem dan melalui studi pendahuluan sampai saat ini
belum pernah dilakukan penelitian terkait tingkat penerimaan user terhadap SASD.
Berdasarkan penjelasan yang telah dipaparkan diatas, maka peneliti tertarik untuk
melakukan penelitian yang berjudul “Analisis Penerimaan Pengguna terhadap
Sistem Aplikasi Service Desk (SASD)” studi kasus pada UIN Syarif Hidayatullah
Jakarta.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan sebelumnya, maka dapat
dirumuskan bahwa permasalahan yang akan dibahas pada penelitian ini adalah
5
bagaimana menganalisis tingkat penerimaan pengguna untuk mengetahui
bagaimana penerimaan pengguna terhadap SASD serta faktor-faktor apa saja yang
sebenarnya mempengaruhi penerimaan pengguna terhadap SASD dengan
menggunakan model UTAUT.
1.3 Ruang Lingkup dan Batasan Penelitian
Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai berikut.
a. Penelitian ini akan dilakukan terhadap teknologi Sistem Aplikasi Service
Desk (SASD) pada UIN Syarif Hidayatullah Jakarta.
b. Secara teori, penelitian akan menggunakan model Unified theory of
acceptance and use of technology (UTAUT) mengacu pada penelitian
Venkatesh et al (2003), yang terdiri dari 6 variabel yaitu performance
expectancy, effort expectancy, social influence, facilitating conditions,
behavioral intention dan use behavior.
c. Secara metodologi, penelitian ini akan menggunakan metode kuantitatif
dengan teknik pengumpulan data survei (kuesioner) kepada end user
(pengguna akhir) dalam penelitian ini yaitu meliputi pegawai, dosen, serta
mahasiswa pada UIN Syarif Hidayatullah Jakarta, sebagai pengguna dari
sistem aplikasi service desk yang dikelola oleh PUSTIPANDA UIN Jakarta.
Teknik pengambilan sampel menggunakan teknik stratified random
sampling, dengan analisis data menggunakan PLS-SEM dengan SmartPLS
3.0.
6
1.4 Tujuan dan Sasaran Penelitian
Sebagaimana telah diuraikan pada sub bab sebelumnya, penelitian ini dilakukan
dengan tujuan:
a. Mengetahui seberapa jauh penerimaan pengguna Sistem Aplikasi Service
Desk (SASD) di UIN Syarif Hidayatullah Jakarta menggunakan model
UTAUT
b. Mengetahui faktor-faktor yang mempengaruhi penerimaan pengguna
terhadap terhadap Sistem Aplikasi Service Desk (SASD) menggunakan
model UTAUT.
c. Memberikan masukan atau rekomendasi kepada pihak PUSTIPANDA
sebagai bahan pertimbangan dalam mengembangkan SASD kedepannya.
Mengacu pada tujuan penelitian diatas, sasaran pelaksanaan penelitian ini
adalah:
a. Diketahuinya tingkat penerimaan terhadap Sistem Aplikasi Service Desk
(SASD) di UIN Syarif Hidayatullah Jakarta, berdasarkan model UTAUT
b. Diketahuinya faktor-faktor apa saja yang mempengaruhi penerimaan
pengguna terhadap Sistem Aplikasi Service Desk (SASD) di UIN Syarif
Hidayatullah Jakarta berdasarkan model penelitian yang diajukan.
1.5 Manfaat Penelitian
Sangat besar harapan penulis bahwa penelitian ini dapat memberikan manfaat pada
pihak lain. Beberapa manfaat yang dapat diambil dari penelitian ini adalah
diantaranya:
7
a. Secara teoritis, hasil dari penelitian ini diharapkan dapat menjadi arsip
dokumen akademik yang bisa bermanfaat sebagai landasan untuk
penelitian selanjutnya.
b. Secara metode, dapat menjadi referensi penelitian di program studi
informasi dengan pendekatan kuantitatif.
c. Secara praktis, hasil penelitian dapat digunakan sebagai bahan masukan
untuk acuan dalam mengembangkan Sistem Aplikasi Service Desk pada
PUSTIPANDA UIN Syarif Hidayatullah Jakarta selanjutnya.
1.6 Pertanyaan Penelitian
Model dari penelitian ini (Gambar 1.1) diadopsi dari model penelitian Venkatesh,
et al., (2003), yaitu model Unified theory of acceptance and use of technology
(UTAUT) yang terdiri dari 6 variabel yaitu performance expectancy, effort
expectancy, social influence, facilitating conditions, behavioral intention dan use
behavior.
8
Gambar 1.2 Model Penelitian (diadopsi dari Venkatesh et al., 2003)
Berdasarkan tujuan dan sasaran penelitian yang telah dipaparkan sebelumnya, maka
pertanyaan penelitian dalam penelitian ini adalah sebagai berikut:
a. Bagaimana penerimaan pengguna terhadap system aplikasi service desk
(SASD) di UIN Syarif Hidayatullah Jakarta?
b. Apa faktor-faktor yang mempengaruhi penerimaan pengguna terhadap
service desk (SASD) di UIN Syarif Hidayatullah Jakarta?
Berdasarkan beberapa faktor yang terdapat dalam model yang digunakan
sebagaimana dapat dilihat pada gambar 1.1, terdapat lima faktor yang diasumsikan
memiliki pengaruh
9
Q1: Ekspektansi kinerja (Performance Expectancy) yang dimiliki oleh
pengguna berpengaruh secara signifikan terhadap niat untuk
menggunakan (behavioral intention) SASD?
Q2: Ekspektansi usaha (Effort Expectancy) yang dimiliki oleh pengguna
berpengaruh secara signifikan terhadap niat untuk menggunakan
(behavioral intention) SASD?
Q3: Faktor sosial (Social Influence) yang dimiliki oleh pengguna
(behavioral intention) SASD?
Q4: Kondisi-kondisi yang memfasilitasi (Facilitating Conditions) yang
dimiliki oleh pengguna berpengaruh secara signifikan terhadap
perilaku penggunaan (Use Behavior) SASD?
Q5: Niat pengguna untuk menggunakan (behavioral intention) SASD
berpengaruh secara signifikan terhadap niat perilaku penggunaan
(Use Behavior) SASD?
1.7 Metodologi Penelitian
Penelitian ini menggunakan model Unified theory of acceptance and use of
technology (UTAUT) untuk mengetahui penerimaan pengguna (Venkatesh et al.,
2003) yang terdiri dari enam variabel yaitu, performance expectancy (PE), effort
expectancy (EE), social influence (SI), facilitating conditions (FC), behavioral
intention (BI) dan use behavior (UB). Pengumpulan data dilakukan melalui survei
dengan menyebarkan kuesioner. Kuesioner dirancang dalam bentuk pertanyaan
10
terbuka berdasarkan variabel dan indikator pada model UTAUT. Selain itu studi
literatur dan wawancara juga dilakukan peneliti untuk memperkuat latar belakang
serta teori-teori pada penelitian ini.
Responden pada penelitian ini adalah pengguna Sistem Aplikasi Service Desk
(SASD) yang terdiri dari mahasiswa, pegawai, dan dosen. Sampel diambil dengan
menggunakan teknik stratified random sampling yaitu pemilihan sejumlah sampel
dari suatu populasi secara acak dan berdasar pada strata tertentu (Sugiyono, 2011).
Selanjutnya dilakukan penyebaran kuesioner secara langsung (tatap muka) dan
tidak langsung melalui media sosial whatsapp, line dan juga e-mail dengan
menggunakan google forms untuk pengisian kuesioner secara online. Setelah semua
kuesioener terkumpul dilakukan penyaringan dan klasifikasi menggunakan
perangkat lunak pengolahan angka MS.Excell 2013.
Selanjutnya untuk proses analisis secara kuantitatif peneliti menggunakan
pendekatan PLS-SEM dengan software SmartPLS versi 3.0 (Henseler et al., 2009;
Hair et al., 2011; Yamin dan Kurniawan, 2011; Ghozali, 2015). Selanjutnya
interpretasi dilakukan berdasarkan hasil analisis tersebut.
1.8 Sistematika Penelitian
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, identifikasi masalah, perumusan masalah, batasan
11
masalah, tujuan dan sasaran penelitian, manfaat penelitian, hipotesa
penelitian, metodologi penelitian, dan sistematika penulisan.
BAB II KAJIAN PUSTAKA
Bab ini membahas mengenai dasar-dasar teori yang mendukung
dalam menganalisis tingkat penerimaan pengguna terhadap sistem
aplikasi service desk.
BAB III METODOLOGI PENELITIAN
Bab ini membahas tentang metodologi pengumpulan data yang
digunakan dalam penelitian ini, dan metode analisis data.
BAB IV HASIL DAN PEMBAHASAN
Bab ini menguraikan profil singkat perusahaan dan membahas hasil-
hasil yang diperoleh dari hasil penelitian analisis tingkat penerimaan
pengguna terhadap sistem aplikasi service desk.
BAB V PENUTUP
Bab ini berisi kesimpulan yang berkenaan dengan hasil pemecahan
masalah serta beberapa saran untuk pengembangan sistem aplikasi
service desk.
12
BAB II
KAJIAN PUSTAKA
2.1 Definisi Analisis
Menurut Kamus Besar Bahasa Indonesia (KBBI), analisis merupakan penguraian
terhadap suatu pokok atas berbagai bagiannya dan penelaahan bagian itu sendiri
serta hubungan antarbagian untuk memperoleh pengertian yang tepat dan
pemahaman arti keseluruhan (https://kbbi.web.id/analisis).
Selain itu pengertian lain, analisis adalah kegiatan berfikir dengan tujuan
untuk menguraikan suatu keseluruhan menjadi komponen sehingga dapat diketahui
tanda-tanda komponen, bagaimana hubungannya satu sama lain dan apa saja fungsi
masing-masing dalam suatu keseluruhan yang terpadu (Komaruddin, 2001)
2.2 Definisi Penerimaan Pengguna
Dillon & Morris (1996) mendefinisikan Penerimaan pengguna sebagai
kemauan dari sekelompok pengguna dalam menggunakan teknologi informasi
untuk mendukung pekerjaannya. Kurangnya penerimaan pengguna adalah
hambatan yang signifikan bagi keberhasilan penerapan suatu sistem informasi baru.
Bahkan pengguna sering tidak mau menggunakan sistem informasi yang telah
disediakan, padahal bila pengguna tersebut mau menggunakan akan menghasilkan
keuntungan bagi pengguna tersebut. Oleh karena itu penerimaan pengguna telah
dipandang sebagai salah satu faktor penting dalam menentukan keberhasilan atau
kegagalan suatu proyek sistem informasi (Dillon & Morris, 1996).
13
2.3 Konsep Dasar Sistem Aplikasi Service Desk
2.3.1 Defisini Sistem Aplikasi
Sistem merupakan satu jaringan kerja yang terdiri dari prosedur-prosedur yang
saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan
bertujuan untuk menyelesaikan satu sasaran tertentu (Yasin, 2012). Sistem juga
dapat diartikan sebagai entitas atau satuan yang terdiri dari dua atau lebih
komponen atau subsistem (sistem yang lebih kecil) yang saling terhubung dan
terkait untuk mencapai suatu tujuan (Tantra, 2012).
Aplikasi merupakan suatu program yang dikembangkan dalam rangka
memenuhi kebutuhan pengguna dalam menjalankan pekerjaan tertentu. Jadi
aplikasi merupakan sebuah program yang dibuat dalam sebuah perangkat lunak
dengan komputer untuk memudahkan pekerjaan atau tugas-tugas seperti penerapan,
penggunaan dan penambahan data yang dibutuhkan (Yuhefizar, 2012).
Sehingga dapat disimpulkan sistem aplikasi merupakan suatu program yang
didalamnya terdapat komponen-komponen yang saling terhubung untuk melakukan
suatu kegiatan tertentu yang dirancang sesuai dengan kebutuhan pengguna.
2.3.1.1 Aplikasi berbasis Web
Aplikasi berbasis web merupakan sistem perangkat lunak yang berdasarkan pada
teknologi dan standar World Wide Web Consortium (W3C). Mereka menyediakan
sumber daya web spesifik seperti konten dan layanan melalui sebuah antarmuka
pengguna dan browser web.perangkat lunak (Simarmata, 2010). Aplikasi berbasis
web memudahkan dalam penyimpanan data di dalam database dan dapat digunakan
untuk membantu kegiatan operasional organisasi. Aplikasi berbasis web dapat
14
diakses dengan menggunakan browser tanpa harus menginstall aplikasi tersebut dan
cenderung lebih ringan dan dapat diakses dimanapun, kapanpun selama tersedia
koneksi internet.
2.3.2 Definisi Service Desk
Service Desk merupakan suatu unit fungsional yang terdiri dari sejumlah
karyawan/pegawai yang berdedikasi untuk menangani berbagai layanan. Sering
dilakukan melalui panggilan telepon, web interface, atau events infrastruktur yang
otomatis dilaporkan oleh suatu sistem (Suradi, Suryanto, & Amborowati, 2013).
Selain itu menurut Long (2012), service desk adalah titik utama (single of
point contact) dimana staff internal perusahaan akan pertama kali menghubungi
unit fungsional ini saat mempunyai pertanyaan atau masalah yang berhubungan
dengan TI. Permintaan dilakukan oleh user kepada service desk biasanya berupa
akses informasi, penanganan masalah atau knowledge sharing.
15
2.3.2.1 Struktur Service Desk
SERVICE DESK
END USER
NETWORKING SYSTEM
TELECOMMUNICATION BUSINESS
Gambar 2.1 Struktur Service Desk (Trimawangsari, 2010)
Gambar di atas mendeskripsikan struktur dan posisi service desk dalam suatu
organisasi perusahaan. Service desk adalah lapisan pertama yang harus dihubungi
oleh end user bila mereka medapatkan masalah pada bidang teknologi informasi.
Service desk akan berupaya menanganinya, tapi bila gagal akan mengirimkan ke
lapisan yang lebih senior. Selama itu, service desk akan menjadi koordinator dari
penanganan masalah. End user dilarang untuk menghubungi secara langsung
lapisan support yang lebih dalam (tanpa melalui service desk).
Pada umumnya, di dalam service desk memiliki tingkatan-tingkatan sebagai
berikut:
16
a. Frontliner
Semua inquiry calls yaitu pelaporan problem dan request oleh user diterima oleh
frontliner yang biasanya juga terbagi dua macam:
1. Dispatcher merupakan frontliner yang bertugas untuk menerima layanan
problem, mengudentifikasi dan meneruskannya tanpa harus mencoba
menyelesaikan problem.
2. Resolver merupakan frontliner yang menerima laporan problem yang tidak
dapat diidentifikasi oleh dispatcher.
b. Second level
Memliki kemampuan teknis yang lebih spesifik untuk menangani problem
misalnya hardware atau software dekstop. Apabila second level belum dapat
menyelesaikan problem itu juga maka akan diteruskan ke third level.
c. Third level
Third level adalah divisi IT yang lain di luar ruang lingkup perusahaan misalnya
vendor lain yang dapat membantu menyelesaikan problem tersebut.
2.3.2.2 Kelebihan Service Desk

Service desk memiliki beberapa kelebihan, antara lain:
1. Service desk dapat memberikan solusi atas pertanyaan-pertanyaan maupun
keluhan yang masuk dalam waktu yang lebih singkat.
2. Service desk dapat mengecek status permasalahan yang ada dan mengatur
pembagian kerja staff.
3. Service desk meningkatkan efisiensi perusahaan dalam menangani pertanyaan
dan keluhan dari pengguna.
17
4. Service desk dapat memberikan laporan kinerja sistem dan perangkat teknologi
informasi kepada pimpinan.
2.4 Teori Penerimaan Pengguna
Terdapat beberapa teori penerimaan pengguna, berikut dijelaskan pada tabel 2.1
macam-macam teori penerimaan pengguna terkait teknologi informasi.
Tabel 2.1 Model Penerimaan Pengguna (Sundaravej, 2010)
Model Konstruk
Theory of Reasoned Action (TRA) oleh Attitude
Fishbein dan Ajzen (1975). Subjective norm
Technology Acceptance Model (TAM) oleh Perceived Usefulness
Davis (1989) Perceived Ease of Use
Model of PC Utilization (MPCU) oleh Social Factors
Thompson et al. (1991), disesuaikan dari teori Affect
sikap dan perilaku oleh Triandis (1980) untuk Perceived Consequences (Complexity, Job-
memprediksi perilaku penggunaan PC. Fit, Long-Term Consequences of Use)
Facilitating Conditions
Habits
Theory of Planned Behavior (TPB) oleh Ajzen Attitude
(1991) Subjective norm
Perceived Behavioral Control
Innovation Diffusion Theory (IDT) oleh Relative Advantage*
Rogers (1962), diadopsi untuk inovasi sistem Compatibility*
informasi oleh Moore dan Benbasat (1991). Complexity*
Observability*
Trialability*
Image
Voluntariness of Use
* Konstruk Roger
Motivational Model (MM) oleh Davis et al. Extrinsic Motivation
(1992) Intrinsic Motivation
Kombinasi TAM and TPB (C-TAM-TPB) Perceived Usefulness
oleh Taylor dan Todd (1995). Perceived Ease of Use
Attitude
Subjective norm
Perceived Behavioral Control
Social Cognitive Theory (SCT) oleh Bandura Encouragement by Others
(1986) diterapkan pada sistem informasi oleh Others’ Use
Compeau dan Higgins (1995) untuk Support
menentukan penggunaannya. Self-Efficacy
Performance Outcome Expectations
Personal Outcome Expectations
Affect
Anxiety
18
Technology Acceptance Model 2 (TAM2) oleh Perceived Usefulness
Venkatesh dan Davis (2000) Perceived Ease of Use
Subjective Norm*
Experience*
Voluntariness*
Image*
Job Relevance*
Output Quality*
Result Demonstrability*
* Tambahan pada TAM 2

Unified Theory of Acceptance and Use of Performance Expectancy
Technology Model (UTAUT) oleh Venkatesh Effort Expectancy
et al. (2003) mengintegrasikan teori dan Social Influence
model di atas untuk mengukur niat dan Facilitating Conditions
penggunaan pengguna terhadap teknologi
Pada penelitian ini menggunakan model Unified Theory of Acceptance and Use of
Technology Model (UTAUT).
2.4.1 Unified Theory of Acceptance and Use of Technology (UTAUT)
Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan salah
satu teori penerimaan teknologi yang dikembangkan oleh Venkatesh et al (2003).
Model UTAUT adalah salah satu yang paling komprehensif, kuat, dan up-to-date.
UTAUT menyatukan delapan teori penerimaan teknologi yang sudah ada
sebelumnya, yaitu theory of reasoned action (TRA), technology acceptance model
(TAM), motivational model (MM), theory of planned behavior (TPB), combined
TAM and TPB, model of PC utilization (MPTU), innovation diffusion theory (IDT)
dan social cognitive theory (SCT) yang mencakup elemen-elemen penting dari
model-model tersebut seperti performance expectancy, effort expectancy, social
influence, facilitating conditions, self-efficacy, attitude toward using technology,
dan anxiety. UTAUT telah terbukti lebih berhasil dalam menjelaskan hingga 70
19
persen varian niat (intention) jika dibandingkan kedelapan teori yang lain dalam
scenario penerimaan teknologi (Venkatesh et al, 2003 dalam Yeow et al., 2008)
Gambar 2.2 Model UTAUT (Ventakesh, et al., 2003)
Pada gambar 2.2 merupakan model UTAUT oleh Venkatesh, et al (2013).
Model ini terdiri dari empat variabel independen (performance expectancy, effort
expectancy, social influence, facilitating conditions) dan 2 variabel dependen
(behavioral intention dan use behavior), serta empat variabel moderator (gender,
age, experience, voluntariness of use).
2.3.1.1 Ekspektansi Kinerja (Perfomance Expectancy)
Ventakesh, et al. (2003) mendefinisikan Ekspektansi kinerja (perfomance
expectancy) sebagai tingkat dimana seseorang (pengguna) percaya dengan
menggunakan suatu sistem tertentu akan membantunya dalam meningkatkan
performa pekerjaannya. Terdapat lima konstruk berbeda yang berkaitan dengan
ekspektansi kinerja, yaitu:
20
Tabel 2.2 Konstruk Ekspektansi Kinerja
Konstruk Definisi Referensi

Persepsi Terhadap Kegunaan Seberapa jauh individu Davis (1989); Davis et al.
(Perceived Usefulness) percaya bahwa menggunakan (1989)
suatu sistem tertentu akan
meningkatkan kinerjanya
(Ventakesh, et al., 2003)
Motivasi Ekstrinsik (Extrinsic Merupakan persepsi ketika Davis et al. (1992)
Motivation) pengguna ingin melakukan
aktivitas karena menganggap
aktivitas tersebut berperan
penting untuk mencapai hasil
yang memiliki nilai
(Ventakesh, et al., 2003).
Kesesuaian Pekerjaan (Job Merupakan bagaimana Davis, et al. (1992)
Fit) kemampuan-kemampuan dari
suatu sistem meningkatkan
performa pekerjaan individual
(Ventakesh, et al., 2003).
Keuntungan Relatif (Relative Merupakan tingkatan dimana Moore dan Benbasat (1991)
Advantage) penggunaan suatu inovasi
dianggap lebih baik dari pada
menggunakan sistem
sebelumnya (Ventakesh, et
al., 2003).
Ekspektasi Terhadap Hasil Konstruk ini berhubungan Compeau dan Higgins (1995);
(Outcome Expectations) dengan pengaruh yang didapat Compeau, et al. (1999)
dari perilaku individu.
Berdasarkan pada bukti
empiris, konstruk ini terbagi
menjadi ekspektasi kinerja
(perfomance expectations)
dan ekpektasi personal
(personal expectations).
2.3.1.2 Ekspektansi Usaha (Effort Expectancy)
Ekspektansi usaha (effort expectancy) didefinisikan sebagai sejauh mana tingkat
ekspektasi yang dimiliki seorang individu terhadap kemudahan dalam penggunaan
teknologi, dimana penggunaan sistem dapat mengurangi upaya (tenaga dan waktu)
individu dalam melakukan pekerjaannya (Ventakesh, et al., 2003). Ekspektansi
usaha (effort expectancy) pada UTAUT mirip dengan persepsi kemudahan
21
(perceived ease of use) pada TAM. Terdapat tiga konstruk berbeda yang berkaitan
dengan ekspektansi usaha yaitu persepsi kemudahan penggunaan (perceived easy
of use-PEOU) dari model TAM, kompleksitas dari model of PC utilitazation
(MPCU), dan kemudahan penggunaan dari teori difusi inovasi (IDT) (Ventakesh,
et al. 2003).
2.3.1.3 Pengaruh Sosial (Social Influence)
Pengaruh sosial merupakan tingkat dimana seorang individu menganggap bahwa
orang lain meyakinkan dirinya bahwa dia harus menggunakan sistem baru. Dalam
konsep ini terdapat gabungan variabel-variabel yang diperoleh dari model
penelitian sebelumnya tentang model penerimaan dan penggunaan teknologi.
Adapun variabel tersebut adalah:
1. Norma subyektif (subjective norms)
2. Faktor-faktor sosial (social factors)
3. Gambaran (image).
Pengaruh sosial merupakan faktor penentu terhadap tujuan perilaku dalam
menggunakan teknologi informasi yang direpresentasikan sebagai norma subyektif
dalam TRA, TAM, TPB, faktor sosial dalam MPCU, serta citra dalam teori difusi
inovasi (IDT) (Ventakesh, et al. 2003). Moore dan Benbasat (1991) menyatakan
bahwa pada lingkungan tertentu, penggunaan teknologi informasi akan
meningkatkan status (image) seseorang di dalam sistem sosial.
Menurut Ventakesh dan Davis (2000), pengaruh sosial mempunyai dampak
pada perilaku individual melalui tiga mekanisme yaitu ketaatan (compliance),
internalisasi (internalization), dan identifikasi (identification). Pada UTAUT,
22
pengaruh sosial (social influence) mirip dengan norma subjektif (subjective norm)
pada TAM2.
2.3.1.4 Kondisi yang Memfasilitasi (Facilitating Conditions)
Kondisi yang memfasilitasi penggunaan teknologi informasi adalah tingkat dimana
seseorang percaya bahwa infrastruktur organisasi dan teknis ada untuk mendukung
penggunaan sistem. Triandis (1980). Dalam konsep ini terdapat gabungan variabel-
variabel yang diperoleh dari model penelitian sebelumnya tentang model
penerimaan dan penggunaan teknologi. Adapun variabel tersebut adalah:
1. Kontrol Perilaku Persepsian (Perceived Behavioral Control)
2. Kondisi-kondisi yang Memfasilitasi (Facilitating Conditions)
3. Kompatibilitas (Compatibility).
2.3.1.5 Minat Pemanfaatan (Behavioral Intentions)
Minat pemanfaatan teknologi informasi (behavioral intention) didefinisikan
sebagai tingkat keinginan atau niat pemakai menggunakan sistem secara terus
menerus dengan asumsi bahwa mereka mempunyai akses terhadap informasi.
Seseorang akan berminat menggunakan suatu teknologi informasi yang baru
apabila si pengguna tersebut meyakini dengan menggunakan teknologi informasi
tersebut akan meningkatkan kinerjanya, menggunakan teknologi informasi dapat
dilakukan dengan mudah, dan si pengguna tersebut mendapatkan pengaruh
lingkungan sekitarnya dalam menggunakan teknologi informasi tersebut.
Dalam konsep dasar model-model user acceptance yang telah
dikembangkan, behavioral intention menjadi konstruk intervening (variabel antara)
dari hubungan reaksi pengguna atas penggunaan teknologi informasi dengan actual
23
use (use behavior). Peran behavioral intention sebagai prediktor use behavior telah
diterima secara luas dalam berbagai model user acceptance (Venkatesh et al., 2003
dan Dasgupta et al., 2007 dalam Bendi & Aliyanto, 2014)
2.3.1.6 Perilaku Pengguna (Use Behaviour)
Perilaku penggunaan teknologi informasi (use behavior) didefinisikan sebagai
intensitas dan atau frekuensi pemakai dalam menggunakan teknologi informasi.
Triandis (1980) mengemukakan bahwa perilaku seseorang merupakan ekspresi dari
keinginan atau minat seseorang (intention), dimana keinginan tersebut dipengaruhi
oleh faktor-faktor sosial, perasaan (affect), dan konsekuensi-konsekuensi yang
dirasakan (perceived consequences). Perilaku penggunaan teknologi informasi
sangat bergantung pada evaluasi pengguna dari sistem tersebut. Jadi, dengan kata
lain, penggunaan sistem adalah indikator dari penilaian kinerja terhadap
pemanfaatan dan penerimaan sebuah teknologi informasi. Sebuah teknologi
informasi itu baik atau buruk sangat tergantung pada apa yang dirasakan oleh
pengguna setelah menggunakan teknologi informasi tersebut. (Jati, 2012).
2.5 Metode Pengumpulan Data
Pengumpulan data merupakan prosedur yang bersifat sistematis dan standar untuk
memperoleh data yang diperlukan (Nazir, 2009). Terdapat beberapa metode
pengumpulan data penelitian yaitu:
1. Kuesioner
Kuesioner merupakan metode pengumpulan data primer mengugnakan
sejumlah item pertanyaan atau pertanyaan dengan format khusus. Metode
24
pengumpulan data dengan kuesioner ini paling umum digunakan dalam
studi lapangan atau survei (Abdillah & Jogiyanto, 2015).
2. Wawancara
Wawancara banyak digunakan dalam penelitian eksploratif dan studi
lapangan, pada prinsipnya tidak berbeda dengan kuesioner yang
menggunakan format pertanyaan terbuka. Wawancara bertujuan untuk
mendapatkan informasi secara langsung kepada responden atau partisipan
(Abdillah & Jogiyanto, 2015).
3. Observasi
Observasi adalah metode pengumpulan data yang banyak dilakukan dalam
desain eksperimentasi (lab, dan lapangan) dan studi kualitatif. Metode ini
tepat digunakan ketika metode kuesioner dan wawancara tidak mampu
mengungkap data dan informasi sesungguhnya dan data yang digali tersebut
justru diragukan validitasnya (Abdillah & Jogiyanto, 2015).
4. Studi Pustaka
Studi pustaka adalah teknik survei terhadap data yang telah ada dengan
menggali teori-teori yang telah berkembang dalam bidang ilmu yang
berkepentingan, mencari metode-metode serta teknik penelitian baik
dalam mengumpulkan data atau dalam menganalisis data yang telah
pernah digunakan oleh peneliti-peneliti terdahulu (Nazir, 2009)
25
2.6 Klasifikasi Data
Menurut Hasan (2009) data dapat diklasifikasikan berdasarkan beberapa kriteria,
yaitu berdasarkan susunan, sifat, waktu pengumpulan dan sumbernya. Berikut
dijelaskan lebih rinci:
1. Klasifikasi data menurut susunannya
a. Data acak atau data tunggal, merupakan data yang belum tersusun atau
dikelompokkan kedalam kelas-kelas interval.
b. Data berkelompok, merupakan data yang sudah tersusun atau
dikelompokkan kedalam kelas-kelas interval. Data kelompok disusun
dalam bentuk distribusi frekuensi atau tabel frekuensi.
2. Klasifikasi data menurut sifatnya
a. Data kuantitatif, merupakan data yang berhubungan dengan bilangan,
dapat dilihat secara statistik.
b. Data kualitatif, merupakan data yang tidak berhubungan dengan
bilangan, berwujud kata-kata dan kalimat.
3. Klasifikasi data menurut waktu pengumpulan
a. Data berkala, merupakan data yang terkumpul dari waktu ke waktu
untuk memberikan gambaran perkembangan suatu kegiatan.
b. Data cross section, merupakan data yang terkumpul pada suatu waktu
tertentu untuk memberikan gambaran perkembangan keadaan atau
kegiatan pada waktu itu.
4. Klasifikasi data menurut sumbernya
26
a. Data primer, merupakan data yang diperoleh atau dikumpulkan oleh
orang yang melakukan penelitian atau yang bersangkutan yang
memerlukannya, biasa disebut juga data asli atau data baru.
b. Data sekunder, merupakan data yang diperoleh atau dikumpulkan dari
sumber-sumber yang telah ada. Data itu biasanya diperoleh dari
perpustakaan atau laporan-laporan penelitian terdahulu. Data sekunder
disebut juga data tersedia.
2.7 Populasi dan Teknik Sampling
Populasi berasal dari bahasa inggris, yaitu “population” yang berarti jumlah
penduduk. Dalam metode penelitian, kata populasi amat populer dipakai untuk
menyebutkan serumpun/sekelompok objek yang menjadi sasaran penelitian.
Populasi penelitian merupakan keseluruhan dari objek penelitian yang dapat berupa
manusia, hewan, tumbuh-tumbuhan, udara, gejala, nilai, peristiwa sikap hidup dan
sebagainya. Sehingga objek-objek ini dapat menjadi sumber data penelitian
(Bungin, 2006). Selain itu Menurut Sugiyono (2011) pada bukunya yang berjudul
Metode Penelitian Pendidikan Pendekatan Kuantitatif, Kualitatif, dan R&D,
populasi adalah wilayah generalisasi yang terdiri dari obyek atau subyek yang
mempunyai kualitas dan karakteristik tertentu. Ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulanya.
Sampel adalah suatu prosedur pengambilan data, dimana hanya sebagian
populasi saja yang diambil dan dipergunakan untuk menentukan sifat serta ciri yang
dikehendaki dari suatu populasi. (Prasetyo & Jannah, 2006). Penyampelan
27
merupakan bagian penting dalam proses penelitian karena menentukan keakuratan
dan ketepatan penentuan sumber data dan informasi bagi proses analisis dan
pengambilan kesimpulan. Secara umum, prosedur penarikan sampel terdiri atas
teknik sampe probabilitas dan non-probabilitas (Abdillah dan Jogiyanto, 2015).
Penarikan sampel probabilitas dilakukan dengan memilih atau mengambil
sampel dari suatu populasi yang diketahui informasinya, dimana pemilihan sampel
secara acak dan memberikan kesempatan yang sama kepada seluruh unit/entitas
dalam populasi terpilih. Teknik penyampelan acak ini juga memiliki keunggulan
dalam hal akurasi dan presisi sehingga hasil penelitian dapat digeneralisasi. Berikut
macam-macam teknik dalam penyampelan probabilitas:
1. Penyampelan acak sederhana (Simple random sampling)
Teknik ini dilakukan dengan memilih atau mengambil sejumlah sampel
dari suatu populasi secara acak tanpa ada aturan tertentu untuk memilih.
Teknik ini cocok untuk penelitian dengan populasi yang homogen.
2. Penyampelan acak berstrata (Stratified random sampling)
Merupakan pemilihan sejumlah sampel dari suatu populasi secara acak dan
berdasar pada strata tertentu. Dalam teknik ini dibagi lagi kedalam dua
bagian yaitu:
a. Proportionate Stratified random sampling
Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak
homogen dan berstrata secara proporsional (Sugiyono, 2011).
b. Disproportionate Stratified Random Sampling
28
Teknik ini tidak memperhatikan jumlah pada masing-masing strata,
digunakan untuk menentukan jumlah sampel, bila populasi berstrata
tetapi kurang proporsional (Sugiyono, 2011).
3. Cluster sampling
Cluster Sampling merupakan suatu prosedur penarikan sampel probabilitas
yang memilih subpopulasi yang disebut cluster. Kemudian, setiap elemen
didalam kelompok (cluster tersebut) dipilih sebagai anggota sampel.
Penarikan sampel non-probabilitas tidak memberi kesempatan yang sama
kepada seluruh unit/entitas dalam suatu populasi terpilih sebagai sampel penelitian.
Terdapat kelemahan pada prosedur penyampelan ini yaitu presisi dan akurasi sulit
dicapai sehingga hasil penelitian tidak dapat digeneralisasi. Berikut macam-macam
teknik dalam penyampelan non-probabilitas:
a Convenience Sampling
Merupakan teknik pemilihan sampel ketika peneliti tidak memiliki data
tentnag populasi dan kemudian peneliti memilih sampel berdasarkan
prinsip kemudahan dalam mengambil sampel.
b Purposive Sampling
Merupakan teknik pemilihan sampel bertujuan yang dilakukan ketika
peneliti tidak memiliki data populasi dan memilih sampel berdasarkan
kriteria-kriteria tertentu dan peneliti mengarahkan sampel sesuai dengan
tujuan penelitian.
c Quota Sampling
Merupakan penarikan sampel berdasarkan kuota dan memiliki kriteria
tertentu.
29
d Snowball Sampling
Metode penarikan sampel dimana peneliti menentukan responden
berdasarkan rekomendasi responden lain.
2.8 Skala Likert
Skala likert merupakan skala yang biasa digunakan untuk mengukur sikap,
pendapat, dan persepsi seseorang (Sugiyono, 2011). 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.
Sewaktu menanggapi pertanyaan atau pernyataan dalam skala likert,
responden menentukan tingkat persetujuan mereka terhadap suatu pertanyaan atau
pernyataan dengan memilih salah satu dari pilhian yang tersedia. Skala ini di-design
untuk memeriksa seberapa kuat subjek menyepakati atau tidak (Sekaran et al.,
2011). Biasanya disediakan lima pilihan skala dengan format seperti : [1] sangat
setuju, [2] setuju, [3] netral/tidak tahu, [4] tidak setuju, dan [5] sangat tidak setuju
(Syofian et al., 2015).
Selain pilihan dengan lima skala kadang digunakan juga skala dengan tujuh
atau sembilan tingkat. Suatu studi empiris menemukan bahwa beberapa
karakteristik statistik hasil kuesioner dengan berbagai jumlah pilihan tersebut
sangat mirip (Dawes, 2008).
30
2.9 PLS-SEM (Partial Least Square - Structural Equation Modeling)
PLS pertama kali diperkenalkan kepada publik secara umum oleh Wold pada tahun
1974. PLS-SEM merupakan satu dari berbagai motode yang digunakan untuk
menganalisis dan dinilai cukup kuat karena digunakan pada setiap jenis skala data
(data interval, data nominal, dan rasio) serta syarat asumsi yang fleksibel (Yamin
dan Kurniawan, 2011). PLS bertujuan untuk membantu peneliti dalam
mendapatkan nilai variabel laten untuk tujuan prediksi dan dapat juga digunakan
untuk mengkonfirmasi teori (Ghozali, 2015).
Menurut Yamin dan Kurniawan (2011) terdapat beberapa alasan mengapa
saat ini 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.
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.
4. PLS dapat digunakan ketika distribusi data sangat miring (skew)
Selain itu PLS-SEM dapat dipandang sebagai gabungan regresi dan analisis
faktor. PLS-SEM tetap dapat menghasilkan estimasi meskipun untuk ukuran
sampel kecil (Sholihin & Ratmono, 2013) Analisis PLS-SEM biasanya terdiri dari
31
dua sub model yaitu model pengukuran (measurement model) atau sering disebut
outer model dan model struktural (structural model) atau sering disebut inner model
(Hair et al., 2012; Ghozali, 2015).
a. Analisis Model Pengukuran (outer model)
Model pengukuran menunjukan bagaimana variabel manifest atau
observed variabel merepresentasikan variabel laten untuk diukur. Analisis
terhadap model pengukuran meliputi empat tahap pemeriksaan. Empat
tahap pengujian itu terdiri dari individual item reliability, internal
consistency reliability, average variance extracted, dan discriminant
validity (Hair et al., 2012; Ghozali, 2015). Ketiga pengukuran pertama
dikelompokkan dalam convergent validity. Convergent validity mengukur
besarnya korelasi antara indikator dengan variabel laten.
Pada uji convergent validity dari pemeriksaan individual item
reliability, dapat dilihat dari nilai standardized loading factor.
Standardized loading factor menggambarkan besarnya korelasi antara
setiap item pengukuran (indikator) dengan konstruknya. Nilai loading
factor diatas 0,7 dapat dikatakan ideal, artinya bahwa indikator tersebut
dikatakan valid sebagai indikator yang mengukur konstruk jika angkanya
antara 0,5 – 0,6 dikatakan cukup (Ghozali, 2015).
Selanjutnya melihat internal consistency reliability dari nilai
composite realibility. Composite realibility lebih baik dalam mengukur
internal consistency dibandingkan cronbach’s alpha dalam model SEM
dikarenakan composite reliability tidak mengasumsikan kesamaan boot
32
dari setiap indikator. Cronbach’s alpha cenderung menaksir lebih rendah
construct reliability dibandingkan composite realibility. Nilai batas 0,7 ke
atas berarti dapat diterima dan diatas 0,8 dan 0,9 berarti sangat
memuaskan.
Ukuran lain dari convergent validity adalah nilai average variance
extracted (AVE). Nilai ini menggambarkan besaran varian atau keragaman
variabel manifes yang dapat dikandung oleh konstruk laten. Nilai AVE
minimal 0,5 menunjukkan ukuran convergent validity yang baik. Artinya,
variabel laten dapat menjelaskan rata-rata lebih dari setengah variance dari
indikator-indikatornya.
Discriminat validity dievaluasi melalui cross loading, kemudian
membandingkan nilai AVE dengan kuadrat nilai korelasi antar konstruk.
Ukuran cross loading adalah membandingkan korelasi indikator dengan
konstruknya dan konstruk blok lainnya. Bila korelasi antara indikator
dengan konstruknya lebih tinggi dari korelasi dengan konstruk blok
lainnya, hal ini menunjukkan konstruk tersebut memprediksi ukuran pada
blok mereka dengan lebih baik dari blok lainnya. Ukuran discriminant
validity lainnya adalah bahwa nilai akar AVE harus lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya atau nilai AVE lebih
tinggi dari kuadrat korelasi antar konstruk.
b. Analisis model struktural (Inner model)
Analisis model struktural dilakukan melalui enam tahapan pengujian, yaitu
pengujian path coefficient (β), coefficient of determination (R2), t-test
33
menggunakan metode bootstrapping, effect size (f2), predictive relevance
(𝑄 2 ), dan relative impact (𝑞 2 ) (Hair et al., 2012; Ghozali, 2015).
1. Uji Path Coefficient (β)
Uji path coefficient dilakukan dengan melihat signifikansi hubungan
antar konstruk. Hal ini dapat dilihat dari koefisien jalur (path
coefficient) yang menggambarkan kekuatan hubungan antara
konstruk. Path coefficient diuji (β) diuji dengan nilai ambang batas
0,1 untuk menyatakan bahwa jalur (path) yang dimaksud
mempunyai pengaruh di dalam model.
2. Uji Coefficient of Determination (R2)
Mengevaluasi coefficient of determination (R²) untuk menjelaskan
varian dari tiap target endogeneous variable dengan standar
pengukuran sekitar 0,67 sebagai kuat, sekitar 0,33 moderat, dan 0,19
atau dibawahnya menunjukkan tingkat varian lemah.
3. Uji T-test
Melihat nilai t-test dengan metode bootstrapping menggunakan uji
two-tailed dengan tingkat signifikansi 5% untuk menguji hipotesis-
hipotesis penelitian. Hipotesis penelitian akan diterima jika
memiliki t-test lebih besar dari 1,96.
4. Uji Effect Size (f2)
Pengujian (effect size) untuk memprediksikan pengaruh variabel
tertentu terhadap variabel lainnya dalam struktur model dengan nilai
ambang batas sekitar 0,02 untuk pengaruh kecil, 0,015 untuk
34
menengah, dan 0,35 untuk pengaruh besar. dihitung dengan
menggunakan rumus sebagai berikut.
Dimana:
Nilai yang diperoleh ketika konstruk eksogen dimasukkan ke
model.
Nilai yang diperoleh ketika konstruk eksogen dikeluarkan dari
model.
5. Predictive Relevance (𝑄 2 )
Menguji (predictive relevance) dengan metode blindfolding
untuk memberikan bukti bahwa variabel tertentu yang digunakan
dalam model mempunyai keterkaitan (predictive relevance) dengan
variabel lainnya dalam model dengan ambang batas pengukuran
diatas nol.
6. Relative Impact (𝑞 2 )
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
35
pengaruh menengah/sedang, dan 0,35 untuk pengaruh besar. Rumus
yang digunakan untuk perhitungan q² adalah sebagai berikut.
Dimana:
Nilai yang diperoleh ketika konstruk eksogen dimasukkan ke
model.
Nilai yang diperoleh ketika konstruk eksogen dikeluarkan dari
model.
Pada PLS-SEM juga diatur mengenai penentuan sampel untuk penelitian,
yaitu 10 kali dari jumlah maksimum anak panah (jalur) yang mengarah pada
variabel laten (10 time rule of thumb) (Hair, et al., 2013 dalam Sholihin dan
Ratmono, 2013).
2.9.1 SmartPLS
SmartPLS merupakan salah satu software yang biasa digunakan dalam analisis
menggunakan PLS-SEM, software ini dikembangkan oleh University of Hamburg,
Jerman (Ghozali, 2015). Terdapat beberapa komponen pada SmartPLS yaitu:
1. Variabel Laten
Variabel yang tidak dapat diamati dan diukur secara langsung (Santoso,
2012). Variabel laten ini terbagi menjadi dua yaitu variabel eksogen (bersifat
36
independen) dan variabel endogen (bersifat dependen), dimana variabel
eksogen adalah variabel yang mempengaruhi variabel endogen.
2. Observed Variable
Biasa dikenal variabel manifest adalah variabel yang besaran kuantitatifnya
dapat diketahui secara langsung, misalnya dari skor respons subjek terhadap
instrumen pengukuran. Berikut dapat dilihat pada gambar 2.3 contoh
penggunaan konstruk pada model struktural menggunakan SmartPLS 3.0.
Gambar 2.3 Klasifikasi Komponen Model Struktural (Hussein, 2015)
37
2.10 Penelitian Terdahulu
Tabel 2.3 Penelitian Terdahulu
No Penelitian Variabel Penelitian Hasil Penelitian

1. Penerapan Metode Independen: 1. Adanya pengaruh yang signifikan
UTAUT dalam Performance peformance expectancy, effort
Memahami Expectancy, Effort expectancy,social influence, facilitating
Penerimaan dan Expectancy, Social conditions terhadap behavioral intention
Penggunaan Influence dan to use the system.
Website KKN Facilitating Condition
LPPM UNISI
(Prasetyo, 2017) Dependen:
Behavioral Intention
to Use The System
2. Analisis Penerapan Independen: 1. Performance expectancy, effort
Sistem Informasi Performance expectancy, social influence, dan
Dosen dan Expectancy, Effort attitude toward using technology
Karyawan Expectancy, Social memiliki pengaruh yang positif
(SIMDOSKAR) Influence, Attitude terhadapt behavioral intention to use
menggunakan Toward Using the system
Model Unified Technology dan
Theory of Facilitating
Acceptance and Conditions
Use of Technology
(UTAUT) Dependen:
Terhadap Perilaku behavioral intention
Pengguna (Rahmi to use the system
et al., 2017)
3. Briding the divide: Independen: 1. Effort expectancy dan facilitating
Using UTAUT to Performance conditions berpengaruh secara positif
predict Expectancy, Effort memprediksi intention to use tablet
multigenerational Expectancy, Social dengan dikontrol variabel moderator
tablet adoption Influence dan age, gender dan pengalaman
practices (Conrad Facilitating Condition menggunakan tablet.
et al., 2015)
Dependen:
Moderator:
Age, gender, user
experience
4. Analisis Independen: 1. Performance expectancy, attitude
Penerimaan Performance toward using, Social Influence, anxiety,
Teknologi Sistem Expectancy, Effort self efficacy dan Facilitating Condition
Ujian Online untuk Expectancy, attitude mempengaruhi penerimaan system
Meningkatkan toward using, Social ujian online sedangkan effort
Kualitas Layanan Influence, anxiety, self expectancy tidak.
Teknologi efficacy dan
(Setyowati, 2015) Facilitating Condition
38
Dependen:
Use Behavior
5. Analisis Independen: 1. Pada model TAM konstruk perceived

Perbandingan Perceived ease of use, usefulness yang paling berpengaruh
Metode TAM dan perceived usefulness, menjelaskan kesuksesan penerapan SIA,
UTAUT dalam performance pada model UTAUT konstruk
Mengukur Expectancy, Effort performance expectancy dan facilitating
Kesuksesan Expectancy, Social condition yang paling berpengaruh
Penerapan Sistem Influence dan
Informasi Facilitating Condition
Akademik (Hamrul
et al., 2013) Dependen:
Actual System Use
6. User Acceptance of Independen: 1. Performance Expectancy, Effort

Desktop Based Performance Expectancy, attitude toward using, self
Computer Software Expectancy, Effort efficacy berpengaruh terhadap variabel
Using UTAUT behavioral intention.
Expectancy, Attitude
Model and addition 2. Variabel moderator:
Toward Using, Social
of New Moderators  gender dan organizational impact
(Sharma & Kumar, Influence, Anxiety, memiliki pengaruh pada performance
2012) Self Efficacy dan expectancy
Facilitating Condition  age memiliki pengaruh pada effort
expectancy dan attitude toward using
Dependen:  memorability dan education memiliki
Behavioral Intention, pengaruh pada effort expectancy
actual use  experience memiliki pengaruh
terhadap facilitating conditions
 individual impact memiliki pengaruh
Moderator: pada attitude toward using
Age, gender,
educational
qualification,
organizational
impact, individual
impacts,
memorability,
experience
7. Assessing User Independen: 1. Performance expectancy dan social
Acceptance toward Performance influence mempunyai hubungan yang
Blog Technology Expectancy, Effort signifikan dengan behavioral intention,
Using the UTAUT sedangkan effort expectancy tidak.
Expectancy, Social
Model (Pardamean 2. Behavioral intention tidak memiliki
& Susanto, 2012) Influence hubungan yang signifikan dengan level
actual usage dari blog sebagai alat
Dependen: pembelajaran.
Behavioral Intention,
use behavior
Moderator:
Age, experience
39
8. A Study on User Independen: 1. Facilitating Conditions dan Behavioral
Behavior for I Pass Perfomance Intentions berpengaruh signifikan
by UTAUT: Using Expectancy, Effort terhadap Use Behavior
Taiwan’s MRT as Expectancy, Social mengindikasikan bahwa meskipun
an example (Wu et Influence, Facilitating adanya organisasi dan teknikal support
al., 2010) Condition infrastruktur dari penggunaan I Pass,
niat perilaku akan secara positif
Dependen: mempengaruhi perilaku pengguna.
Behavioral Intention, 2. Effort Expectancy dan Social Influence
Use Behavior berpengaruh signifikan terhadap
Moderator:
Age, gender, user
experience,
voluntariness
9. Empirical Independen: 1. Perfomance Expectancy, Effort
Validation of Perfomance Expectancy, self-efficacy, anxiety
Unified Theory of Expectancy, Effort berpengaruh secara signifikan terhadap
Acceptance and Expectancy, Social behavioral intention
Use of Technology Influence, Facilitating
Model (Sundaravej, Condition, Attitude
2010) toward Using
Technology, Self-
efficacy, anxiety
Dependen:
10. UTAUT Model for Independen: 1. Performance expectancy, social

Understanding Perfomance influence dan facilitating condition
Learning Expectancy, Effort berpengaruh secara signifikan (α =
Management Expectancy, Social 0.05) terhadap behavioral intention.
System (Sedana & Influence, Facilitating Selain itu juga behavioral intention
Wijaya, 2010) Condition berpengaruh secara signifikan
terhadap use behavior
Dependen:
Behavioral Intention,
Use Behavior
11 User acceptance of Independen: 1. Hasil penelitian menunjukkan bahwa
Online Banking Performance walaupun responden sangat percaya
Service in Australia Expectancy, Effort bahwa menggunakan online banking
Expectancy, Social service akan bermanfaat bagi
(Yeow et al., 2008)
Influence, Facilitating kehidupan mereka sehari-hari, banyak
Conditions, Self- masalah (seperti kekhawatiran akan
Efficacy, Anxiety, keaman dan kecemasan akan teknologi)
Attitude toward Using mengurangi tingkat self-efficacies
OBS, Perceived mereka. Rekomendasi diberikan untuk
Credibility mempromosikan lingkungan yang
aman, efisien dan kondusif bagi
Dependen:
40
Behavioural Intention pengguna dalam mengadopsi online
to Use OBS banking service.
41
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Pada penelitian ini digunakan pendekatan kuantitatif yang bersifat cross-sectional
untuk menganalisis tingkat penerimaan pengguna terhadap sistem aplikasi service
desk (SASD), dan menguji hipotesis terkait dengan faktor-faktor apa saja yang
mempengaruhi penerimaan pengguna terhadap SASD. Dengan menggunakan
pedekatan kuantitatif maka diperlukan metode pengumpulan data dan analisis data
untuk menyelesaikan penelitian ini. Salah satu bentuk pendekatan kuantitatif pada
penelitian ini adalah pengumpulan data yang dilakukan melalui survei dengan
menggunakan kuesioner dan analisis data yang dilakukan secara statistik dengan
menggunakan aplikasi pengolah data statistik SmartPLS.
Peneliti juga melakukan wawancara tidak terstruktur kepada beberapa
responden yang merupakan pengguna SASD, hasil dari wawancara tersebut
ditujukan sebagai data tambahan dalam diskusi penelitian ini.
3.2 Populasi dan Sampel Penelitian
Populasi pada penelitian ini terbagi pada 3 kelompok pengguna yaitu, mahasiswa,
dosen dan pegawai. Untuk menentukan jumlah sampel dilakukan berdasarkan
kriteria jumlah sampel dengan pendekatan Structural Equation Model (SEM), yaitu
minimal 10 kali dari jumlah maksimum anak panah (jalur) yang mengarah pada
variabel laten (10 time rule of thumb) dimana pada penelitian ini terdapat lima jalur
42
(hipotesis) sehingga sampel minimum adalah 50. Populasi pengguna SASD terdiri
dari mahasiswa 24.246, pegawai 571, dan dosen 961 (Sumber UIN Syarif
Hidayatullah Jakarta). Namun karena jumlah masing-masing populasi tidak
seimbang dimana jumlah pegawai dan dosen sangat kecil jika dibandingkan strata
mahasiswa, hal ini sejalan dengan latar belakang data jumlah komplain yang masuk
dimana komplain yang masuk melalui SASD didominasi oleh mahasiswa dengan
presentase 82,2% maka digunakan teknik stratified random sampling (berdasarkan
strata pengguna yang terdiri dari mahasiswa, pegawai dan dosen). Berdasarkan
jumlah populasi, responden pada penelitian ini lebih didominasi oleh mahasiswa
yang berada pada rentang umur 17-25 tahun, sebagaimana menurut McKnight et al.
(2002a) mahasiswa umumnya mandiri dan lebih terbiasa dengan layanan teknologi
yang berbasis internet dan lebih berpendidikan dari pengguna biasa (Susanto et al.,
2013), sehingga mahasiswa dapat digunakan sebagai responden.
3.3 Prosedur Penelitian
Penelitian ini melalui beberapa tahapan yang diawali dengan wawancara untuk
mendapatkan informasi yang dilanjutkan dengan identifikasi dan perumusan
masalah, hingga akhirnya interpretasi hasil dan didapatkan kesimpulan. Gambar 3.1
menunjukan secara spesifik prosedur penelitian yang peneliti gunakan sebagai
penuntun dasar pada tahapan penelitian.
43
Gambar 3.1 Prosedur Penelitian
3.4 Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah berupa
wawancara, studi literatur dan survei dengan menyebarkan kuesioner.
44
3.4.1 Wawancara
Wawancara ini dilakukan sebagai studi pendahuluan untuk mengumpulkan data-
data yang berkaitan dengan penelitian ini. Wawancara dilakukan kepada salah satu
staf PUSTIPANDA dan beberapa pengguna SASD. Berikut kesimpulan hasil yang
didapat dari wawancara:
1. Peneliti mendapatkan informasi seputar awal mula adanya SASD di UIN
Syarif Hidayatullah Jakarta dan bagaimana penerapannya saat ini.
2. Peneliti mendapatkan informasi awal bagaimana pandangan pengguna
terhadap penerapan SASD secara umum.
3.4.2 Studi Literatur
Peneliti mengkaji beberapa literatur yang berhubungan dengan penelitian ini.
Diantaranya buku-buku seputar metode penelitian kuantitatif, Unified Theory of
Acceptance and Use of Technology (UTAUT), SmartPLS untuk mengolah data.
Selanjutnya peneliti juga membaca artikel terkait penerimaan pengguna, serta
jurnal-jurnal yang membahas penelitian penerimaan pengguna sebelumnya. Studi
literatur ini dilakukan selain sebagai sumber informasi juga sebagai referensi untuk
mengetahui kelebihan dan kekurangan yang terdapat dalam penelitian sebelumnya.
Berikut beberapa jurnal penelitian sejenis yang telah dilakukan sebelumnya akan
dijelaskan dalam tabel 3.1.
45
Tabel 3.1 Ringkasan Penelitian Sejenis Terdahulu
No Penelitian Ruang Lingkup, Variabel Hasil Penelitian Perbedaan

Karakteristik, dan dengan
Teknik Analisis penelitian ini
1. Penerapan 1. Penerimaan Independen: 1. Adanya pengaruh 1. Variabel
Metode UTAUT teknologi website Performance yang signifikan dependen
dalam KKN oleh Expectancy, Effort peformance 2. Software
expectancy, effort yang
Memahami mahasiswa UNISI Expectancy, Social
expectancy,social digunakan
Penerimaan dan 2. Survei skala 5 poin Influence dan influence,
Penggunaan 3. Menggunakan uji t- Facilitating 3. Karakteristik
facilitating
Website KKN test Condition conditions terhadap responden
LPPM UNISI 4. Software SPSS 15.0 behavioral
(Prasetyo, 2017) Dependen: intention to use the
Behavioral system.
Intention to Use The
System
2 Analisis 1. Untuk mengetahui Independen: 1. Performance 1. Variabel
Penerapan seberapa besar performance expectancy, effort independen
Sistem pengaruh expectancy, effort expectancy, social dan dependen
Informasi Dosen SIMDOSKAR expectancy, social influence, dan 2. Teknik
dan Karyawan yang ada di influence, attitude attitude toward sampling
(SIMDOSKAR) Universitas toward using using technology
menggunakan Muhammadiyah technology dan memiliki pengaruh
Model Unified Bengkulu. facilitating yang positif
Theory of 2. Sampel pada 33 conditions terhadapt
Acceptance and responden dengan behavioral
Use of teknik simple Dependen: intention to use the
Technology random sampling behavioral system
(UTAUT) 3. Teknik analisis intention to use the
Terhadap PLS-SEM system
Perilaku 4. Menggunakan
Pengguna software SmartPLS
(Rahmi et al.,
2017)
3. Bridging the 1. Memprediksi Independen: 1. Effort expectancy 1. Variabel
divide: Using adopsi tablet pada Performance dan facilitating dependen dan
UTAUT to 899 responden usia Expectancy, Effort conditions variabel
berpengaruh secara
predict 19-99 tahun, 365 Expectancy, Social moderator
positif memprediksi
multigeneration perempuan (40,6%) Influence dan intention to use 2. Software yang
al tablet dan 470 laki-laki Facilitating tablet dengan digunakan
adoption (52.3%) di Condition dikontrol variabel 3. Karakteristik
practices Amerika. moderator age, responden
(Conrad et al, 2. Menggunakan Dependen: gender dan 4. Teknik
2015) network quota Behavioral pengalaman analisis
menggunakan
sampling Intention
tablet.
3. Survei skala 5 poin
4. Teknik regresi Moderator:
linier
46
5. Software SPSS Age, gender, user
experience
4. Analisis 1. Bertujuan untuk Independen: 1. Performance 1. Variabel
Penerimaan mengetahui Performance expectancy, attitude independen
Teknologi perilaku pengguna Expectancy, Effort toward using, 2. Software yang
Sistem Ujian terhadap Expectancy, attitude Social Influence, digunakan
Online untuk penerimaan system toward using, Social anxiety, self
Meningkatkan ujian online pada Influence, anxiety, efficacy dan
Kualitas SMKN 1 Pacitan, self efficacy dan Facilitating
Layanan responden kelas X Facilitating Condition
Teknologi tahun ajaran Condition mempengaruhi
(Setyowati, 2013/2014 penerimaan system
2015) 2. Survei Dependen: ujian online
3. Teknik analisis Use Behavior sedangkan effort
SEM expectancy tidak.
4. Software AMOS
5. Analisis 1. Mengukur Independen: 1. Pada model TAM 1. Variabel
Perbandingan kesuksesan Perceived ease of konstruk perceived dependen dan
Metode TAM penerapan sistem use, perceived usefulness yang independen
paling berpengaruh
dan UTAUT informasi akademin usefulness, 2. Software yang
menjelaskan
dalam pada mahasiswa, performance kesuksesan digunakan
Mengukur staf, dan dosen di Expectancy, Effort penerapan SIA,
Kesuksesan STMIK Dipanegara Expectancy, Social pada model
Penerapan Makassar Influence dan UTAUT konstruk
Sistem 2. Menggunakan Facilitating performance
Informasi penggabungan Condition expectancy dan
facilitating
Akademik model TAM dan
condition yang
(Hamrul et al., UTAUT Dependen: paling berpengaruh
2013) 3. Menggunakan Actual System Use
teknik analisis SEM
4. Software AMOS
dan SPSS
6. User 1. Menganalisis Independen: 1. Performance 1. Variabel

Acceptance of penerimaan Performance Expectancy, Effort independen
Desktop Based pengguna terhadap Expectancy, Effort Expectancy, dan dependen
Computer empat software attitude toward 2. Software yang
Expectancy, attitude
Software Using computer berbasis using, self efficacy digunakan
UTAUT Model desktop (MS. toward using, Social berpengaruh 3. Poin skala
and addition of Word, Tally, Adobe Influence, anxiety, terhadap variabel likert
New Moderators Photoshop, MS. self efficacy dan behavioral
(Sharma & Access) dengan Facilitating intention.
Kumar, 2012) responden 120 Condition 2. Variabel
mahasiswa dari moderator:
berbagai universitas  gender dan
Dependen:
2. Menggunakan 7 organizational
poin skala likert Behavioral impact memiliki
3. Software PSPP Intention, actual use pengaruh pada
data editor Moderator: performance
Age, gender, expectancy
educational  age memiliki
qualification, pengaruh pada
organizational effort expectancy
47
impact, individual dan attitude
impacts, toward using
memorability,  memorability dan
experience education
memiliki
pengaruh pada
effort expectancy
 experience
memiliki
pengaruh
terhadap
facilitating
conditions
 individual impact
memiliki
pengaruh pada
attitude toward
using
7. Assessing User 1. Menyelidiki Independen: 1. Performance 1. Variabel
Acceptance penerimaan siswa Performance expectancy dan moderator
toward Blog terhadap teknologi Expectancy, Effort social influence 2. Metode yang
Technology blog dengan mempunyai digunakan
Expectancy, Social
Using the presentase hubungan yang 3. Software yang
UTAUT Model responden 75,5% Influence signifikan dengan digunkan
(Pardamean & laki-laki dan24,5% behavioral
Susanto, 2012) perempuan Dependen: intention,
2. Menggunakan Behavioral sedangkan effort
gabungan metode Intention, use expectancy tidak.
kuantitatif dan behavior 2. Behavioral
kualitatif intention tidak
3. Menggunakan memiliki hubungan
Moderator: yang signifikan
penelitian survei
Age, experience dengan level actual
dengan kuesioner
usage dari blog
skala 6 poin
sebagai alat
4. Software SPSS 19 pembelajaran.
8. A Study on User 1. Investigasi terhadap Independen: 1. Facilitating 1. Karakteristik
Behavior for I perilaku pengguna Perfomance Conditions dan responden
Pass by UTAUT: dalam Expectancy, Effort Behavioral 2. Variabel
Intentions
Using Taiwan’s menggunakan I Expectancy, Social moderator
berpengaruh
MRT as an Pass untuk MRT di Influence, signifikan terhadap 3. Software yang
example (Wu et Taiwan Facilitating Use Behavior digunakan
al, 2010) 2. Penyebaran Condition mengindikasikan
kuesioner secara Dependen: bahwa meskipun
langsung Behavioral adanya organisasi
3. Menggunakan Intention, Use dan teknikal
support
teknik analisis Behavior
infrastruktur dari
SEM, penggunaan I Pass,
confirmational Moderator: niat perilaku akan
factor analysis Age, gender, user secara positif
(CFA) experience, mempengaruhi
4. Software LISREL voluntariness perilaku pengguna.
48
2. Effort Expectancy
dan Social
Influence
berpengaruh
signifikan terhadap
Behavioral
Intention
9. Empirical 1. Validasi Independen: 1. Perfomance 1. Variabel

Validation of penerimaan Perfomance Expectancy, Effort independen
Unified Theory teknologi Expectancy, Effort Expectancy, self- 2. Skala poin
efficacy, anxiety pengukuran
of Acceptance Blackboard pada Expectancy, Social
berpengaruh secara
and Use of 294 mahasiswa Influence, signifikan terhadap
Technology yang terdiri dari Facilitating behavioral
Model pria (50,38%) dan Condition, attitude intention
(Sundaravej, wanita (49.62%) toward using
2010) 2. Voluntariness technology,
berada pada tingkat Self-efficacy,
50% anxiety
3. Menggunakan skala
likert 7 poin Dependen:
4. Menggunakan Behavioral
teknik analisis Intention
SEM,
confirmational
factor analysis
(CFA)
10. UTAUT Model 1. Menganalisis Independen: 1. Performance 2. Teknik

for faktor-faktor dalam Perfomance expectancy, social sampling
Understanding penerimaan dan Expectancy, Effort influence dan 3. Karakteristik
facilitating
Learning penggunaan Exelsa Expectancy, Social responden
condition
Management di kalangan Influence, berpengaruh secara
System (Sedana mahasiswa Facilitating signifikan (α =
& Wijaya, 2010) Universitas Sanata Condition 0.05) terhadap
Dharma. behavioral
2. Menggunakan Dependen: intention. Selain itu
purposive smapling Behavioral juga behavioral
intention
3. Teknik analisis Intention, Use
berpengaruh secara
PLS-SEM Behavior signifikan terhadap
4. Software SmartPLS use behavior
2.0
11. User 1. Untuk Independen: 1. Hasil penelitian 1. Variab

acceptance of menyelidiki Performance menunjukkan el
Online sisi negatif Expectancy, Effort bahwa walaupun indepe
dan positif Expectancy, Social responden sangat nden
Banking
yang Influence, percaya bahwa dan
Service in mempengaru Facilitating menggunakan depend
Australia hi Conditions, Self- online banking en
penerimaan Efficacy, Anxiety, service akan
49
(Yeow et al., pengguna Attitude toward bermanfaat bagi 2. Cara
2008) terhadap Using OBS, kehidupan mereka penyaji
online Perceived sehari-hari, banyak an hasil
banking Credibility masalah (seperti
service kekhawatiran akan
(OBS) Dependen: keaman dan
dengan Behavioural kecemasan akan
jumlah Intention to Use teknologi)
responden OBS mengurangi tingkat
penelitian self-efficacies
190 mereka.
pengguna Rekomendasi
OBS di diberikan untuk
Australia mempromosikan
2. Menggunaka lingkungan yang
n 5 poin aman, efisien dan
skala likert kondusif bagi
3. Hasil pengguna dalam
ditampilkan mengadopsi online
secara banking service.
deskriptif
dengan nilai
mean dan
standar
deviasi
50
3.4.3 Pembuatan Kuesioner
Berdasarkan model UTAUT yang digunakan dalam penelitian ini dilakukan
pembuatan kuesioner untuk mengetahui tingkat penerimaan pengguna serta faktor-
faktor apa saja yang mempengaruhi penerimaan pengguna terhadap sistem aplikasi
service desk. Kuesioner terdiri dari enam pertanyaan mengenai profil responden, 1
pertanyaan mengenai pengalaman menggunakan layanan IT dan dua pertanyaan
mengenai pengalaman menggunakan SASD, serta 21 pertanyaan pengujian yang
telah disesuaikan dengan variabel yang ada di model UTAUT. Daftar pertanyaan
dapat dilihat pada tabel 3.2, selengkapnya format kuesioner dapat dilihat dibagian
lampiran.
Peneliti menggunakan skala likert pada kuesioner penelitian ini yang berarti
skala penilaiannya menggunakan lima pilihan jawaban yang terdiri dari sangat tidak
setuju dengan bobot nilai 1, tidak setuju dengan bobot nilai 2, netral (tidak tahu)
dengan bobot nilai 3, setuju dengan bobot nilai 4 dan sangat setuju dengan bobot
nilai 5. Selanjutnya, untuk menjamin validitas dan reliabilitas kuesioner ini, peneliti
mengadopsi sejumlah item indikator dari sejumlah penelitian terkait sebelumnya.
Tabel 3.2 menunjukan indikator dan daftar pertanyaan pengujian. Selanjutnya,
peneliti juga melakukan pengujian pendahuluan (pre-test) terhadap desain awal
kuesioner kepada dua dosen, dua pegawai, dan 26 mahasiswa, tujuannya untuk
memperoleh masukan perbaikan sebelum kuesioner tersebut disebarkan. Hasil pre-
test ini dapat dilihat dibagian lampiran.
51
Tabel 3.2 Daftar Pertanyaan
Variabel Kode Pertanyaan

Ekpektansi Kinerja PE1 Penggunaan sistem aplikasi service desk akan
(Performance Expectancy) meningkatkan efektifitas saya dalam pelaporan
masalah.
PE2 Saya menggunakan sistem aplikasi sevice desk karena
kualitas sistem terus diperbaiki.
PE3 Sistem aplikasi service desk membuat penanganan
masalah saya menjadi lebih cepat.
PE4 Sistem aplikasi service desk lebih baik dari sistem
pelaporan masalah secara manual.
PE5 Sistem aplikasi service desk membantu saya untuk
lebih mudah dalam proses pelaporan masalah.
Ekpektansi Usaha (Effort EE1 Penggunaan sistem aplikasi service desk jelas dan
Expectancy) mudah dimengerti.
EE2 Sistem aplikasi service desk mempersulit saya dalam
proses pelaporan masalah.
EE3 Sistem aplikasi service desk lebih efisien dalam segi
tenaga dan waktu untuk proses pelaporan masalah.
Pengaruh Sosial (Social SI1 Orang disekitar saya, mempengaruhi saya harus
Influence) menggunakan sistem aplikasi service desk.
SI2 Orang yang penting bagi saya, mempengaruhi bahwa
saya harus menggunakan sistem aplikasi service desk.
SI3 Secara umum UIN Syarif Hidayatullah Jakarta
mendukung penggunaan sistem aplikasi service desk
(contoh: adanya pemberithuan untuk menggunakan
service desk, panduan menggunakan sistem).
Kondisi yang Memfasilitasi FC1 Saya memiliki pengetahuan yang cukup untuk
(Facilitating Conditions) menggunakan sistem aplikasi service desk.
FC2 Saya memiliki sumberdaya yang cukup untuk
menggunakan sistem aplikasi service desk (contoh:
laptop/handphone/komputer, dll).
FC3 Terdapat staf yang membantu saya ketika mengalami
kesulitan menggunakan sistem aplikasi service desk.
FC4 Penggunaan sistem aplikasi service desk sesuai
dengan cara kerja saya.
52
Niat Perilaku (Behavioral BI1 Saya berniat untuk menggunakan sistem aplikasi
Intention) service desk untuk selanjutnya.
BI2 Saya memperkirakan bahwa saya akan menggunakan
sistem aplikasi service desk untuk selanjutnya
BI3 Saya berencana untuk menggunakan sistem aplikasi
service desk seterusnya.
Perilaku Pengguna (User UB1 Saya memilih menggunakan sistem aplikasi service
Behavior) desk kapanpun saya mempunyai masalah terkait
layanan IT di UIN Syarif Hidayatullah Jakarta.
UB2 Saya senang menggunakan sistem aplikasi service
desk.
UB3 Saya sudah beberapa kali menggunakan sistem
aplikasi service desk.
3.4.4 Survei
Survei dilakukan dengan menyebarkan kuesioner secara langsung dan tidak
langsung. Penyebaran langsung dilakukan oleh peneliti untuk mencari responden
yang tepat melalui tatap muka secara langsung. Penyebaran tidak langsung
dilakukan peneliti melalui media sosial seperti whatsapp dan line dengan bantuan
fitur google forms untuk pengisiannya. Penyebaran kuesioner ini dilakukan dalam
kurun waktu dua minggu yaitu dimulai pada tanggal 27 Oktober 2017 sampai
dengan 9 November 2017.
Selanjutnya, semua kuesioner yang terkumpul akan disaring dan
diklasifikasikan menggunakan software pengolah angka MS.Excell 2013. Dalam
kurun waktu penyebaran kuesioner, peneliti berhasil memperoleh 146 kuesioner.
63 kuesioner diantaranya berasal dari penyebaran secara langsung dan 78 sisanya
berasal dari penyebaran secara tidak langsung. Dari 146 kuesioner tersebut, 5
diantaranya dinyatakan tidak valid karena data tidak lengkap, dan terjadi double
53
input di google forms. Sehingga kuesioner yang dinyatakan valid untuk digunakan
sebanyak 141 kuesioner. Berdasarkan hasil data kuesioner yang berhasil peneliti
dapatkan, rinciannya dapat dilihat pada tabel 3.3.
Tabel 3.3 Jumlah Kuesioner
Metode penyebaran ∑Valid ∑Tidak Ket.

Valid
Penyebaran secara langsung 63 2 Data tidak lengkap
Penyebaran secara tidak
78 3 Double input pada google forms
langsung
Total 141 5
3.5 Metode Analisis Data
3.5.1 Analisis dan Interpretasi Hasil
Setelah semua data terkumpul dilakukan analisis pada penelitian ini, analisis data
dibagi menjadi dua yaitu analisis deskriptif dan analisis inferential. Pertama,
peneliti melakukan analisis deskriptif data demografis dengan menggunakan
perangkat lunak Ms. Word 2013. Data responden dikelompokkan berdasarkan usia,
jenis kelamin, status pekerjaan, unit kerja, tingkat pendidikan terakhir, latar
belakang pendidikan bidang TI, pengetahuan mengenai keberadaan sistem, dan
pengalaman penggunaan sistem. Selanjutnya dilakukan pengolahan data secara
inferential untuk menganalisa data dan menguji hipotesis pada penelitian ini dengan
pendekatan PLS-SEM menggunakan software SmartPLS versi 3.0. Berikut model
UTAUT pada SEM sebelum di analisis pada gambar 3.2.
54
Gambar 3.2 Model Persamaan Struktural
Pada analisis dengan menggunakan SmartPLS terdiri dari dua sub model
yaitu model pengukuran (outer model) dan model struktural (inner model). Model
pengukuran (outer model) bertujuan untuk menilai validitas dan reliabilitas model,
sebagaimana dijelaskan lebih lanjut di bab 2. Pada outer model terdiri dari empat
tahap pengujian yaitu individual item reliability, internal consistency reliability,
average variance extracted, dan discriminant validity. Analisis model struktural
(inner model) ini bertujuan untuk melihat hubungan antar variabel laten. Uji inner
model terdiri dari enam tahapan pengujian, yaitu pengujian path coefficient (β),
coefficient of determination (R²), t-test menggunakan metode bootstraping, effect
size ( ), predictive relevance ( ), dan relative impact (q²)
55
3.6 Model Penelitian dan Pengembangan Hipotesis
3.6.1 Model Penelitian
Gambar 3.3 Model Penelitian
Berdasarkan studi literatur awal yang telah peneliti lakukan, model dari penelitian
ini (Gambar 3.1) diadopsi dari model penelitian Unified Theory of Acceptance and
Use of Technology (UTAUT) oleh Venkatesh, et al., (2003), yang terdiri dari 6
variabel, empat variabel independen yaitu performance expectancy, effort
expectancy, social influence, facilitating conditions, dan dua variabel dependen
behavioral intention dan use behavior. Namun pada penelitian ini peneliti tidak
menggunakan variabel moderator (gender, age, experience, dan voluntariness of
use). Variabel gender (jenis kelamin), age (usia) dan experience (pengalaman)
ditampilkan sebagai karakteristik responden. dan variabel voluntariness of use
(kesukarelaan) tidak digunakan juga karena penggunaan SASD bersifat mandatory
(wajib) bagi pengguna, sehingga tidak diperlukan pengukuran. Penelitian ini juga
merujuk pada penelitian sebelumnya yang tidak menggunakan moderator (Sedana
& Wijaya, 2010; Sundaravej, 2010; Hamrul et al., 2013; Setyowati, 2015; Rahmi
56
et al., 2017) selain itu didalam penelitian Baru et al, (2014) yang juga meniadakan
variabel moderator karena sistem bersifat mandatory (wajib). Berikut mengenai
definisi masing-masing variabel.
Tabel 3.4 Definisi Variabel UTAUT
Variabel Definisi Referensi
Perfomance Tingkat kepercayaan pengguna pada sejauh

Expectancy mana penggunaan sistem dapat mempengaruhi
kinerjanya.
Effort Expectancy Tingkat kemudahan terkait penggunaan sistem.
Social Influence Tingkat sejauh mana seseorang merasakan

bahwa orang-orang yang dianggapnya penting,
percaya bahwa ia seharunya menggunakan
sistem yang baru.
Facilitating Tingkat sejauh mana seseorang meyakini bahwa Venkatesh, et al.
Conditions infrastruktur organisasi dan teknis yang ada (2003)
mendukung penggunaan sistem.
Behavioral Niat perilaku untuk menggunakan sistem baru
Intention dipengaruhi oleh sikap pengguna dan dirasakan
kegunaan sistem yang menyatakan tingkat
penerimaan.
Use Behavior Ukuran penggunaan aktual sistem yang
menyatakan tingkat penggunaan.
3.6.2 Indikator Penelitian
Berikut adalah penjabaran dari indikator UTAUT yang digunakan dalam
penelitian ini pada tabel 3.5.
Tabel 3.5 Definisi Indikator
Variabel Indikator Definisi Referensi

Ekpektansi Perceived Pengguna percaya menggunakan Venkatesh, et al., (2003),
Kinerja usefulness sistem aplikasi service desk dapat Wu, et al., (2010),
(Performance meningkatkan kinerjanya. Sundaravej (2010)
Expectancy
57
Extrinsic Pengguna akan senang
motivation menggunakan sistem aplikasi
service desk bila kualitas sistem
terus ditingkatkan.
Job-fit Sistem aplikasi service desk
meningkatkan efisiensi dalam
proses pelaporan masalah
pengguna
Relative Sistem aplikasi service desk lebih
advantage baik daripada sistem sebelumnya.
Outcome Sistem aplikasi service desk

expectations sudah sesuai dengan apa yang di
harapkan.
Penggunan yakin bahwa Davis (1989),
Ekpektansi Perceived ease menggunakan sistem aplikasi Venkatesh, et al., (2003),
Usaha (Effort of use service desk itu mudah. Wu, et al., (2010),
Expectancy) Sundaravej (2010)
Complexity Pengguna merasa dipersulit untuk
proses pelaporan masalah dengan
menggunakan sistem aplikasi
service desk
Ease of use Sistem aplikasi service desk
mengurangi upaya (tenaga dan
waktu) dalam proses pelaporan
masalah
Pengaruh Subjective Persepsi pengguna bahwa orang Thompson, et al.,
Sosial (Social Norm yang penting baginya berpikir (1991), Venkatesh, et al.,
Influence) bahwa dia harus menggunakan (2003), Wu, et al.,
atau tidak menggunakan sistem. (2010), Sundaravej
Social Factors Internalisasi personal sebagai (2010)
referensi budaya subyektif
kelompok dalam situasi sosial
secara spesifik.
Tingkat dimana pengguna merasa

Kondisi yang Perceived bahwa mereka bisa menggunakan Thompson, et al.,
Memfasilitasi behavioral sistem aplikasi service desk (1991), Venkatesh, et al.,
(Facilitating control (2003), Wu, et al.,
Conditions) Facilitating Tingkat di mana pengguna (2010), Sundaravej
conditions percaya bahwa perangkat lunak (2010)
dan perangkat keras yang ada
mendukung penggunaan sistem
aplikasi service desk
Compatibility Sistem aplikasi service desk yang

ada sudah umum digunakan,
sesuai dengan kebutuhan dan
nilai yang ada pada pengguna.
Pengguna mempunyai keinginan
Repurchase Davis (1989), Ajzen
untuk menggunakan kembali
intentions (1991), Wu et al.,
sistem aplikasi service desk.
58
Niat Perilaku (2010), Sundaravej
Positive word- Pengguna lain membicarakan hal
(Behavioral (2010)
of-mouth yang positif mengenai sistem
Intentions)
communication aplikasi service desk.
(BI)
Service quality Kualitas pelayanan sistem

aplikasi service desk sudah baik.
Tingkat dimana pengguna

merasa senang untuk
Usage time
menggunakan sistem aplikasi
Perilaku Davis (1989), Ajzen
service desk
Pengguna (1991), Wu et al., (2010)
(Use Pengguna sudah menggunakan
Usage
Behavior) sistem aplikasi service desk
frequency
(UB) berulangkali
3.6.3 Hipotesis Penelitian
Model dari penelitian ini (Gambar 1.1) diadopsi dari model penelitian Venkatesh,
et al., (2003), yang terdiri dari 6 variabel yaitu performance expectancy, effort
expectancy, social influence, facilitating conditions, behavioral intention dan use
behavior.
Gambar 3.4 Model Penelitian dengan Hipotesis
59
H1: Ekspektansi kinerja (Performance Expectancy) yang dimiliki oleh
pengguna berpengaruh secara signifikan terhadap niat untuk menggunakan
(behavioral intention).
H2: Ekspektansi usaha (Effort Expectancy) yang dimiliki oleh pengguna
(behavioral intention) SASD.
H3: Faktor sosial (Social Influence) yang dimiliki oleh pengguna berpengaruh
secara signifikan terhadap niat untuk menggunakan (behavioral intention)
SASD.
H4: Kondisi-kondisi yang membantu (Facilitating Conditions) yang dimiliki
oleh pengguna berpengaruh secara signifikan terhadap perilaku penggunaan
(Use Behavior) SASD.
H5: Niat pengguna untuk menggunakan (behavioral intention) SASD
berpengaruh secara signifikan terhadap niat perilaku penggunaan (Use
Behavior) SASD.
60
BAB IV
PEMBAHASAN
4.1 Gambaran Umum Institusi
4.1.1 Sejarah PUSTIPANDA
PUSTIPANDA (Pusat Teknologi Informasi dan Pangkalan Data) merupakan salah
satu unit pelayanan terpadu di UIN Syarif Hidayatullah Jakarta. Cikal bakal
berdirinya PUSTIPANDA diawali dengan dibentuknya bagian sistem informasi
dengan satu sub bagian sistem informasi. Dengan memfokuskan pada layanan data
dan akademik yaitu memproses data nilai dari manual dengan media kertas ke
dalam sebuah sistem komputer. Pada tahun 2002 seiring dengan perubahan IAIN
Syarif Hidayatullah Jakarta menjadi UIN Syarif Hidayatullah Jakarta. maka terjadi
perubahan pula pada struktur organisasi bagian Sistem Informasi. Hal ini dilakukan
untuk merespon kebutuhan UIN akan pemanfaatan sistem dan teknologi informasi
yang lebih baik dalam menghadapi persaingan global.
Pada tahun 2003 di bagian Sistem Informasi dibentuk sub-sub bagian yang
lebih spesifik, antara lain: Hubungan Masyarakat; Pengembangan Sistem; dan
Pengolahan Data. Pada sub bagian Pengembangan Sistem, bertanggung jawab
dalam implementasi pemanfaatan teknologi informasi dengan mulai
dikembangkannya sebuah sistem komputerisasi akademik yang lebih integratif,
yang menangani seluruh administrasi secara menyeluruh yang disebut Simperti
(Sistem Informasi Perguruan Tinggi). Februari tahun 2010, dengan diterbitkannya
Surat Keputusan Rektor UIN Syarif Hidayatullah Jakarta, Pusat Komputer atau
lebih dikenal (Puskom) resmi berdiri. Pendirian Puskom bertujuan untuk
61
mengakselerasi pemanfaatan teknologi informasi untuk mendukung visi UIN
Jakarta menjadi world class university. Puskom merupakan metamorfosis dari Sub-
bag Pengembangan Sistem, Bagian Sistem Informasi, Biro Perencanaan, Keuangan
dan Sistem informasi. Puskom mulai melakukan beberapa pembenahan di bidang
pengembangan sistem, jaringan dan data center secara global di lingkungan
universitas.
Tahun 2013, sesuai dengan perkembangan universitas dan arah
pengembangan sistem informasi dan teknologi informasi maka pada akhir tahun
2013 dilakukan perubahan nama Puskom menjadi PUSTIPANDA (Pusat Teknologi
Informasi dan Pangkalan Data). Serta dilakukan penambahan dan pengembangan
divisi yang ada di dalamnya yaitu yang sebelumnya terdiri dari 3 divisi (Support,
Development, Operational) menjadi 5 divisi (IT Support, IT Development, IT
Operation, IT Data Center & Security, IT Service Management)
(www.pustipanda.uinjkt.ac.id). Adapun core business dari PUSTIPANDA antara
lain:
1. Pelaksana pengembangan dan pemeliharaan sistem informasi
2. Pelaksana pengembangan dan pemeliharaan jaringan
3. Pelaksana pelayanan sistem informasi dan jaringan
4. Pelaksana kerjasama antar Pusat Komputer dan Sistem Informasi
perguruan tinggi dan / atau badan lain di dalam dan di luar negeri
5. Pelaksana administrasi Pusat Komputer
Produk-produk yang sudah dibuat oleh PUSTIPANDA selama 4 tahun
terakhir ini adalah:
62
1. Academic Information System (AIS), alamat https://ais.uinjkt.ac.id
2. Sistem SPMB Mandiri, alamat http://spmb.uinjkt.ac.id
3. Service Desk UIN Jakarta, alamat http://servicedesk.uinjkt.ac.id
4. E-Journal, alamat http://journal.uinjkt.ac.id
5. Insitutional Repository, alamat http://repository.uinjkt.ac.id
6. Sistem Informasi RBA, alamat http://sirba.uinjkt.ac.id
7. Sistem Laporan Kinerja Pegawai (e-LKP), alamat http://lkp.uinjkt.ac.id
8. Host to Host Real Time Payment, pembayaran online untuk SPMB,
perkuliahan, dll
9. Website Portal UIN Jakarta
10. Peningkatan infrastruktur jaringan dan wireless di lingkungan kampus 1
dan kampus 2
4.1.2 Visi PUSTIPANDA
Pusat Teknologi Informasi dan Pangkalan Data (PUSTIPANDA) UIN Syarif
Hidayatullah Jakarta memiliki visi “UIN Syarif Hidayatullah Jakarta menjadi
Universitas digital kelas dunia untuk mendukung integrasi keilmuan, keislaman,
dan keindonesiaan” (www.pustipanda.uinjkt.ac.id).
4.1.3 Misi PUSTIPANDA
Hidayatullah Jakarta (www.pustipanda.uinjkt.ac.id) memiliki misi, yang terdiri
dari:
63
1. Meningkatkan performa sistem informasi perguruan tinggi yang innovative,
creative, high availability, high reliability, secure, fast, informed,
documented, and integrated dalam rangka meningkatkan kinerja dan mutu
bidang pendidikan, pengajaran, penelitian, publikasi ilmiah, pengabdian
masyarakat dan organisasi UIN Syarif Hidayatullah Jakarta.
2. Meningkatkan mutu tata kelola universitas dengan pemanfaatan teknologi
Information and Communications Technology (ICT).
3. Meningkatkan penelitian di bidang ICT dalam rangka menjaga bussiness
continuity dan knowledge share pengembangan Information and
Communications Technology (ICT).
4.1.4 Sasaran Mutu PUSTIPANDA
Hidayatullah Jakarta (www.pustipanda.uinjkt.ac.id) memiliki sasaran mutu, yang
terdiri dari:
1. Membuat sistem Information and Communications Technology (ICT) yang
berorientasi kepada kebutuhan stakeholder dan shareholder UIN Syarif
2. Meningkatkan kualitas prasarana, SDM, dan layanan Information and
Communications Technology (ICT) di lingkungan UIN Syarif Hidayatullah
Jakarta.
3. Mengembangkan dan mengimplementasikan tata kelola IT sesuai dengan
standarisasi nasional dan internasional.
64
4.1.5 Struktur Organisasi PUSTIPANDA
Sesuai Peraturan Menteri Agama Republik Indonesia Nomor 6 Tahun 2013,
susunan organisasi UIN Syarif Hidayatullah Jakarta adalah sebagai berikut:
A. Organ Pengelola
1. Rektor dan Wakil Rektor
B. Fakultas
1. Fakultas Ilmu Tarbiyah dan Keguruan
2. Fakultas Adab dan Humaniora
3. Fakultas Ushuluddin
4. Fakultas Syariah dan Hukum
5. Fakultas Dakwah dan Ilmu Komunikasi
6. Fakultas Dirasat Islamiyah
7. Fakultas Psikologi
8. Fakultas Ekonomi dan Bisnis
9. Fakultas Sains dan Teknologi
10. Fakultas Kedokteran dan Ilmu Kesehatan
11. Fakultas Ilmu Sosial dan Ilmu Politik
C. Sekolah Pascasarjana
D. Biro
1. Biro Administrasi Umum dan Kepegawaian
2. Biro Perencanaan dan Keuangan
3. Biro Administrasi Akademik, Kemahasiswaan, dan Kerjasama
65
E. Lembaga
1. Lembaga Penelitian dan Pengabdian kepada Masyarakat (LP2M)
a) Pusat Penelitian dan Penerbitan
b) Pusat Pengabdian kepada Masyarakat
c) Pusat Studi Gender dan Anak
d) Pusat Layanan Kerjasama Internasional
e) Pusat Layanan Hubungan Masyarakat dan Bantuan Hukum
2. Lembaga Penjaminan Mutu (LPM)
a) Pusat Pengembangan Standar Mutu
b) Pusat Audit dan Pengendalian Mutu
F. Unit Pelaksana Teknis
1. Pusat Perpustakaan
2. Pusat Teknologi Informasi dan Pangkalan Data (PUSTIPANDA)
3. Pusat Pengembangan Bahasa
4. Pusat Mahad Al-Jamiah
5. Pusat Pengembangan Bisnis
Berdasarkan struktur organisasi UIN Syarif Hidayatullah Jakarta yang
telah dipaparkan sebelumnya maka dapat dilihat pada gambar 4.1 secara lebih
spesifik struktur organisasi PUSTIPANDA sebagai salah satu unit pelaksana
teknis yang ada di UIN Syarif Hidayatullah Jakarta.
66
Gambar 4.1 Struktur Organisasi PUSTIPANDA (www.pustipanda.uinjkt.ac.id)
67
4.1.6 Tugas Pokok dan Fungsi
1. Kepala PUSTIPANDA
a. Melakukan kerjasama dengan pihak luar untuk pengembangan
Teknologi Informasi dan Komunikasi (TIK) universitas.
b. Melakukan monitoring dan evaluasi secara berkala terhadap kinerja
PUSTIPANDA.
c. Melakukan pembinaan SDM yang ada di PUSTIPANDA.
d. Melakukan perencanaan pengembangan TIK untuk mendukung
aktivitas pembelajaran, penelitian, pengabdian pada masyarakat dan
urusan administrasi di lingkungan universitas
e. Melaporkan kegiatan sesuai tugas dan fungsi pokok kepada pimpinan
f. Memberikan desposisi kepada bawahan dan unit-unit lain
g. Memimpin pelaksanaan tugas pokok dan fungsi PUSTIPANDA yang
sudah diamanatkan universitas
h. Mengendalikan implementasi tugas dan fungsi seluruh divisi yang ada
i. Mengusulkan program-program kerja yang berhubungan dengan
pengembangan sistem, jaringan komputer
j. Menindaklanjuti desposisi dari pimpinan
k. Menyusun rencana strategis dan rencana operasional PUSTIPANDA
l. Mewakili UIN untuk pekerjaan-pekerjaan yang berhubungan dengan
sistem dan jaringan komputer.
m. Melakukan koordinasi secara vertikal dengan pimpinan universitas dan
unit-unit kerja di lingkungan universitas.
68
n. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
ditugaskan pimpinan
2. Staf Administrasi
a. Melakukan kegiatan administrasi keuangan.
b. Membuat surat (undangan /surat tugas/SK/surat keterangan)
c. Mendokumentasikan kegiatan PUSTIPANDA
d. Menyusun SOP PUSTIPANDA
e. Melayani permintaan pekerjaan berkaitan dengan PUSTIPANDA
f. Melakukan koordinasi langsung dengan Kepala PUSTIPANDA dan
koordinator bidang lainnya dalam pelaksanaan tugas keseharian.
g. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
ditugaskan pimpinan.
3. Koordinator Bidang IT Development
a. Menyusun rencana pengembangan sistem informasi perguruan tinggi
UIN baik itu jangka panjang (5 tahun), dan juga jangka pendek (1
tahun).
b. Melaksanakan program pengembangan sistem informasi sesuai dengan
rencana yang telah ditentukan
c. Melakukan evaluasi berkala terhadap pelaksanaan sistem informasi
(persemester)
69
d. Melakukan pembenahan sistem informasi baik itu yang bersifat ad-hock
maupun hasil dari evaluasi berkala sesuai dengan kebutuhan stakeholder
e. Mengintegrasikan semua sistem yang sekarang masih berada di unit-
unit sesuai dengan misi lembaga yaitu membentuk one stop data center
f. Mengembangkan sistem pengamanan data dan sistem informasi yang
dikembangkan.
g. Memberikan bantuan teknis operasional sistem informasi manajemen
kepada unit-unit yang membutuhkan.
h. Menyusun SOP pelaksanaan sistem informasi (Sistem Informasi
Perguruan Tinggi)
i. Mendokumentasikan semua kegiatan pengembangan sistem sesuai
dengan standar pengembangan
j. Melakukan pelatihan-pelatihan yang berhubungan dengan
pengembangan sistem informasi
k. Melakukan koordinasi langsung dengan Kepala PUSTIPANDA dan
l. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
4. Staff Bidang IT Development
a. Melaksanakan program pengembangan sistem informasi sesuai dengan
rencana yang telah ditentukan
70
b. Melakukan evaluasi berkala terhadap pelaksanaan sistem informasi
(persemester)
c. Melakukan pembenahan sistem informasi baik itu yang bersifat ad-hock
maupun hasil dari evaluasi berkala sesuai dengan kebutuhan stakeholder
d. Mengintegrasikan semua sistem yang sekarang masih berada di unit-
unit sesuai dengan misi lembaga yaitu membentuk one stop data center
e. Mengembangkan sistem pengamanan data dan sistem informasi yang
dikembangkan.
f. Memberikan bantuan teknis operasional sistem informasi manajemen
kepada unit-unit yang membutuhkan.
g. Menyusun SOP pelaksanaan Sistem Informasi Perguruan Tinggi
h. Mendokumentasikan semua kegiatan pengembangan sistem sesuai
dengan standar pengembangan
i. Melakukan pelatihan-pelatihan yang berhubungan dengan
pengembangan sistem informasi
j. Melakukan koordinasi langsung dengan Koordinator Tim IT
Development dalam pelaksanaan tugas keseharian.
k. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
5. Koordinator Bidang IT Operation & Networking
a. Menyusun rencana pengembangan sistem jaringan jangka pendek
(pertahun) dan jangka panjang (perlima tahun).
71
b. Mengendalikan langsung operasionalisasi sistem jaringan di lingkungan
universitas dan seluruh unit yang ada, yaitu: intranet, internet dan
hotspot.
c. Melakukan troubleshooting jika terjadi masalah pada jaringan internet
dan intranet
d. Berkoordinasi langsung dengan perusahaan penyedia layanan internet
e. Menata dan merawat sistem cabling dan switching.
f. Mengelola bandwidth, routing dan firewall.
g. Melakukan mapping topologi jaringan secara lengkap
h. Menyusun SOP yang berhubungan dengan masalah jaringan dan
internet
i. Melakukan pelatihan-pelatihan yang berhubungan dengan jaringan dan
internet
j. Mendokumentasikan semua kegiatan, seperti perubahan-perubahan
topology, password dll
k. Melakukan koordinasi langsung dengan Kepala PUSTIPANDA dan
l. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
6. Koordinator Bidang IT Security & Data Center
a. Menyusun rencana pengembangan sistem jaringan jangka pendek
(pertahun) dan jangka panjang (perlima tahun).
72
b. Menyusun SOP yang berhubungan dengan masalah jaringan dan
internet
c. Melakukan pelatihan-pelatihan yang berhubungan dengan jaringan,
security dan internet
d. Mendokumentasikan semua kegiatan, seperti perubahan-perubahan
e. Melakukan Monitoring dan Maintenance server
f. Melakukan analisis keamanan website
g. Melakukan koordinasi langsung dengan Kepala PUSTIPANDA dan
h. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
7. Staf Bidang IT Security & Data Center
a. Menyusun SOP yang berhubungan dengan masalah jaringan dan
internet
b. Melakukan pelatihan-pelatihan yang berhubungan dengan jaringan,
security dan internet
c. Mendokumentasikan semua kegiatan, seperti perubahan-perubahan
d. Melakukan Monitoring dan Maintenance server
e. Melakukan analisis keamanan website
73
f. Melakukan koordinasi langsung dengan Koordinator Tim IT Security &
Data Center dalam pelaksanaan tugas keseharian.
g. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
8. Koordinator Bidang IT Support
a. Melakukan pelayanan-pelayanan harian sistem informasi kepada para
stakeholder
b. Berkoordinasi dengan bidang dan divisi lain dalam hal layanan kepada
stakeholder
c. Melakukan troubeshooting pertamakali jika terjadi gangguan terhadap
layanan maupun aplikasi
d. Membantu melayani permintaan data dan informasi oleh semua unit
kerja yang membutuhkan demi kemajuan universitas.
e. Menyusun SOP yang berhubungan dengan layanan sistem informasi
untuk para stakeholder
f. Mendokumentasikan semua kegiatan, masalah yang berhubungan
dengan tugas layanan
g. Melakukan koordinasi langsung dengan Kepala PUSTIPANDA dan
74
9. Staf Bidang IT Support
a. Melakukan pelayanan-pelayanan harian Simperti kepada para
stakeholder
b. Berkoordinasi dengan bidang dan divisi lain dalam hal layanan kepada
stakeholder
c. Melakukan troubeshooting pertamakali jika terjadi gangguan terhadap
layanan maupun aplikasi
d. Membantu melayani permintaan data dan informasi oleh semua unit
kerja yang membutuhkan demi kemajuan universitas.
e. Melaporkan hasil kerja ke kepala lembaga secara berkala (per-bulan)
dalam bentuk lisan dan tertulis.
f. Melakukan koordinasi langsung dengan sekretaris lembaga dalam
pelaksanaan tugas keseharian.
g. Mendokumentasikan semua kegiatan, masalah yang berhubungan
dengan tugas layanan (Simperti dan lain-lain)
h. Melakukan koordinasi langsung dengan Koordinator Tim IT Support
dalam pelaksanaan tugas keseharian.
i. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
10. Staf Gugus PUSTIPANDA
a. Melakukan pelayanan-pelayanan harian sistem informasi (seperti
Simpeg, E-Letter, dan Simak BMN) di di unit kerja.
75
b. Mengelola Website serta media social elektronik lainnya di unit kerja.
c. Mendokumentasikan dan membackup data website/ media elektronik
lainnya.
d. Melakukan troubeshooting pertamakali jika terjadi gangguan terhadap
layanan maupun aplikasi.
e. Membantu melayani permintaan data dan informasi di unit kerja.
f. Melakukan koordinasi dengan Koordinator Tim IT Support
PUSTIPANDA dalam pelaksanaan tugas layanan sistem informasi.
g. Melakukan koordinasi langsung dengan Kepala Sub Bagian Umum
Fakultas dalam pelaksanaan tugas keseharian.
4.1.7 Service Desk UIN Syarif Hidayatullah Jakarta
Service desk bermula pada tahun 2013, dimana pada saat itu dikenal dengan help
desk online. Fungsi utamanya sebagai single of point contact yang melayani
berbagai keluhan terkait layanan IT di UIN Syarif hidayatullah Jakarta. Namun
sejak tahun 2016 terjadi perubahan penerapan sistem baru yaitu service desk.
Service desk merupakan salah satu produk layanan yang dikelola oleh Pusat
Teknologi Informasi dan Pangkalan Data (PUSTIPANDA) UIN Syarif
Sistem aplikasi service desk (SASD) dapat diakses dengan dua jalur yaitu
melalui servicedesk.uinjkt.ac.id atau email servicedesk@uinjkt.ac.id. Permintaan
76
layanan pada SASD sendiri sifatnya dapat berupa insiden atau request. Terdapat 8
jenis layanan IT yang ditangani oleh SASD, yaitu:
1. E-Campus
2. Email
3. Internet and Networking
4. Data Center
5. Website and Blog
6. Hosting and Subdomain
7. Development
8. Data
Gambar 4.2 Tampilan Utama Service Desk UIN Syarif Hidayatullah Jakarta
77
4.2 Hasil Analisis
4.2.1 Hasil Analisis Demografis
Pada tahap ini peneliti menganalisis jawaban responden pada kuesioner, terkhusus
pada bagian profil responden serta mengenai penggunaan sistem aplikasi service
desk yang akan menghasilkan analisis demografis. Peneliti berhasil mengumpulkan
data responden dalam dua minggu (27 Oktober 2017 - 9 November 2017), sebanyak
141 data valid. Informasi demografis yang dihasilkan meliputi jenis kelamin, status
pekerjaan, unit kerja, tingkat pendidikan terakhir, latar belakang pendidikan formal
bidang TI, pengetahuan mengenai SASD, dan pengalaman menggunakan SASD.
Berikut disajikan hasil analisis demografis:
1. Jenis Kelamin
Pada penelitian ini dari jumlah 141 data responden didominasi oleh laki-
laki sebanyak 81 orang (57%) dan sisanya perempuan sebanyak 60 orang
(43%), sebagaimana dapat dilihat pada gambar 4.3.
Perempuan
43%
Laki-laki
57%
Gambar 4.3 Diagram Jenis Kelamin Responden
78
2. Usia
Gambar 4.4 menunjukan rentang usia responden penelitian ini sebagian
besar berada pada rentang usia 17-25 tahun sebanyak 128 responden (91%),
diikuti rentang usia lebih dari 45 tahun sebanyak enam orang (4%),
dilanjutkan rentang usia 36-45 tahun sebanyak empat orang responden
(3%), dan tiga orang responden dengan rentang usia 26-35 tahun (2%).
2% 3%
4%
17-25
26-35
36-45
91% >45
Gambar 4.4 Diagram Usia Responden
3. Status Pekerjaan
Berdasarkan gambar 4.5 dapat diketahui bahwa responden pada penelitian
ini didominasi oleh mahasiswa sebanyak 128 orang (91%), dilanjutkan
dosen sebanyak sembilan orang (6%) dan pegawai sebanyak empat orang
(3%). Mayoritas responden pada penelitian ini adalah mahasiswa karena
jumlah populasinya paling banyak jika dibandingkan dengan pegawai dan
dosen.
79
Dosen Pegawai
6% 3%
Mahasiswa
91%
Gambar 4.5 Diagram Status Pekerjaan Responden
4. Unit Kerja
Berdasarkan gambar 4.6 dapat dilihat bahwa responden terbanyak dari
penelitian ini berasal dari Fakultas Sains dan Teknologi dengan jumlah 43
responden (31%). Sedangkan responden lain tersebar pada sebelas fakultas
dan unit kerja lain yang ada di lingkungan UIN Syarif Hidayatullah Jakarta.
Sedangkan responden paling sedikit berasal dari pegawai Pusat Layanan
Kerja Sama Internasional (PLKI di Rektorat) dan PUSTIPANDA dengan
total 4 responden (1%) masing-masing.
F. Ush F. Psi PLKI

FKIK 5% 3% 1%
FST
FDI 9% 31%
2%
FITK
14% PUSTIPANDA
FAH FISIP 1%
3% 8%
FEB FSH
FIDKOM
12% 6%
5%
Gambar 4.6 Diagram Unit Kerja Responden
80
5. Tingkat Pendidikan Terakhir
Gambar 4.7 menunjukan bahwa responden pada penelitian ini sebagian
besar didominasi oleh lulusan SMA sebanyak 128 responden (91%),
dilanjutkan lulusan S2 sebanyak 5 orang (3%), lalu lulusan S1, dan S3
dengan jumlah yang sama pada masing-masing kategori yaitu sebanyak 4
orang (3%).
S1 S2 S3
3% 3% 3%
SMA
91%
Gambar 4.7 Diagram Tingkat Pendidikan Terakhir Responden
6. Latar Belakang Pendidikan Formal di Bidang Teknologi Informasi
Pada gambar 4.8 dapat dilihat bahwa sebanyak 86 responden (61%) tidak
memiliki latar belakang pendidikan dibidang teknologi informasi, dan
sebanyak 55 responden (39%) memiliki latar belakang formal pendidikan
dibidang teknologi informasi.
81
YA
39%
TIDAK
61%
Gambar 4.8 Diagram Latar Belakang Pendidikan di Bidang TI Responden
7. Pengetahuan mengenai Keberadaan Sistem
Berdasarkan gambar 4.9 dari jumlah 141 responden, mayoritas sudah
mengetahui mengenai keberadaan sistem aplikasi service desk (SASD)
yaitu sebanyak 102 responden (72%), sisanya sebanyak 39 orang (28%)
belum mengetahui mengenai adanya SASD.
TIDAK
28%
YA
72%
Gambar 4.9 Diagram Pengetahuan Responden mengenai Keberadaan
SASD
82
8. Pengalaman Penggunaan Sistem
Berdasarkan gambar 4.10 sebanyak 88 responden (62%) sudah pernah
menggunakan sistem aplikasi service desk (SASD), sedangkan sisanya
sebanyak 53 responden (38%) belum pernah menggunakan SASD.
TIDAK
38%
YA
62%
Gambar 4.10 Diagram Pengalaman Responden dalam Menggunakan SASD
4.2.2 Hasil Analisis Pengukuran Model (Outer Model)
Pada tahap ini dilakukan analisis pengukuran model (measurement model) dimana
analisis pengukuran model ini terdiri dari empat tahap pengujian. Empat tahap
pengujian itu terdiri dari individual item reliability, internal consistency reliability,
average variance extracted, dan discriminant validity. Berikut hasil analisis
pengukuran model dijelaskan dalam empat tahap.
1. Uji Individual Item Reliability
Standardized loading factor menggambarkan besarnya korelasi antara
setiap item pengukuran (indikator) dengan konstruknya dengan melihat
nilai outer loading. Nilai outer loading diatas 0,7 dapat dikatakan baik,
83
artinya bahwa indikator tersebut dikatakan valid sebagai indikator yang
mengukur konstruk.
Tabel 4.1 Hasil Awal Uji Loading Factor dengan SmartPLS 3.0
Behavioral Effort Facilitating Performance Social Use

Indikator Intention Expectancy Conditions Expectancy Influence Behavior
(BI) (EE) (FC) (PE) (SI) (UB)
BI1 0.934
BI2 0.942
BI3 0.925
EE1 0.741
EE2 0.450
EE3 0.897
FC1 0.670
FC2 0.419
FC3 0.640
FC4 0.854
PE1 0.741
PE2 0.695
PE3 0.860
PE4 0.795
PE5 0.864
SI1 0.857
SI2 0.818
SI3 0.758
UB1 0.807
UB2 0.863
UB3 0.673
Mengacu pada standar nilai outer loading, setelah melalui pengujian pada
SmartPLS 3.0, dengan hasil pada tabel 4.1, dilakukan penghapusan pada
lima indikator yang memiliki outer loading dibawah 0,7 yaitu EE2, FC1,
FC2, PE2, dan UB3 karena setelah penghapusan kelima indikator tersebut
setelah diuji kembali menggunakan SmartPLS 3.0, seluruh outer loading
sudah memenuhi syarat >0,7.
84
Tabel 4.2 Hasil Uji Loading Factor Setelah Penghapusan Indikator

Indikator Intention Expectancy Conditions Expectancy Influence Behavior
(BI) (EE) (FC) (PE) (SI) (UB)
BI1 0.934
BI2 0.942
BI3 0.925
EE1 0.768
EE2*
EE3 0.899
FC1 0.776
FC1*
FC2*
FC4 0.915
PE1 0.784
PE2*
PE3 0.856
PE4 0.807
PE5 0.876
SI1 0.857
SI2 0.818
SI3 0.758
UB1 0.892
UB2 0.888
UB3*
Keterangan:
* : Dihapus
Tabel 4.2 menunjukan hasil uji loading factor setelah penghapusan lima
indikator yang telah dijelaskan sebelumnya. Setelah penghapusan semua
nilai outer loading diatas 0,7 sehingga hasil uji loading factor sudah valid
dan dapat dilanjutkan untuk pengujian selanjutnya.
2. Uji Internal Consistency Reliability
Pengujian ini dilakukan dengan melihat hasil nilai composite reliability
(CR). Hasil uji ini menunjukan nilai konsistensi dari masing-masing
85
indikator dalam mengukur konstruknya dengan batas ambang yang
diharapkan di atas 0,7. Hasilnya dapat dilihat pada Tabel 4.3 bahwa nilai
CR dari semua variabel di atas 0,7 sehingga memenuhi syarat dan valid
untuk digunakan dalam model penelitian ini.
Tabel 4.3 Hasil Uji Composite Reliability dengan SmartPLS 3.0
Variabel Composite Reliability

Behavioral Intention 0.953
Effort Expectancy 0.822
Facilitating Conditions 0.836
Performance Expectancy 0.900
Social Influence 0.853
Use Behavior 0.884
3. Uji Average Variance Extracted (AVE)
Pengujian convergent validity selanjutnya dilakukan dengan melihat nilai
average variance extracted (AVE), dimana nilai AVE menggambarkan
besaran varian atau keragaman variabel manifes (indikator) yang dapat
dikandung oleh variabel laten (konstruk). Nilai AVE minimal 0,5
menunjukan ukuran convergent validity yang baik. Artinya, variabel laten
(konstruk) dapat menjelaskan rata-rata lebih dari setengah variance dari
indikator-indikatornya.
Tabel 4.4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS
Variabel Average Variance Extracted (AVE)

Effort Expectancy 0.699
Facilitating Conditions 0.720
Performance Expectancy 0.692
Social Influence 0.659
Use Behavior 0.792
86
Hasilnya nilai AVE pada penelitian ini dapat dilihat pada Tabel 4.4
yang menunjukan bahwa nilai AVE setiap variabel sudah di atas 0,5
sehingga dapat dikatakan baik, memenuhi syarat dan tidak ada masalah
dalam uji nilai AVE.
4. Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa
cross loading, pertama dilakukan dengan membandingkan korelasi
indikator dengan konstruknya dan konstruk blok lainnya. Bila korelasi
antara indikator dengan konstruknya lebih tinggi dari korelasi dengan
konstruk blok lainnya, hal ini menunjukkan konstruk tersebut memprediksi
ukuran pada blok mereka lebih baik dari blok lainnya.
Tabel 4.5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS 3.0
Indikator
Intention Expectancy Conditions Expectancy Influence Behavior
BI1 0.934 0.530 0.405 0.509 0.461 0.570
BI2 0.942 0.534 0.447 0.513 0.513 0.583
BI3 0.925 0.490 0.456 0.494 0.552 0.592
EE1 0.368 0.768 0.574 0.536 0.467 0.375
EE3 0.538 0.899 0.383 0.682 0.282 0.556
FC1 0.232 0.323 0.776 0.193 0.412 0.284
FC4 0.511 0.561 0.915 0.516 0.490 0.445
PE1 0.496 0.651 0.428 0.784 0.386 0.599
PE3 0.467 0.537 0.364 0.856 0.335 0.609
PE4 0.362 0.528 0.277 0.807 0.269 0.452
PE5 0.452 0.714 0.415 0.876 0.437 0.544
SI1 0.387 0.164 0.298 0.209 0.857 0.304
SI2 0.390 0.228 0.473 0.276 0.818 0.325
SI3 0.516 0.556 0.497 0.513 0.758 0.512
UB1 0.572 0.480 0.368 0.582 0.384 0.892
UB2 0.537 0.535 0.423 0.613 0.487 0.888
87
Berdasarkan pada tabel 4.5 dapat dilihat bahwa nilai cross loading
indikator yang diberi blok kuning pada setiap variabel memiliki nilai lebih
tinggi dari korelasi dengan konstruk blok lainnya.
Selanjutnya dengan memeriksa cross loading Fornell-Lacker’s yaitu
dengan membandingkannya dengan nilai akar AVE, dimana nilai akar AVE
harus lebih tinggi daripada korelasi antara konstruk dengan konstruk
lainnya.
Tabel 4.6 Hasil Uji Discriminant Validity (Cross Loading Fornell-
Lacker’s) dengan SmartPLS 3.0

Behavioral
0.934
Intention
Effort
0.555 0.836
Expectancy
Facilitating
0.467 0.544 0.848
Conditions
Performance
0.541 0.736 0.454 0.832
Expectancy
Social
0.545 0.422 0.534 0.435 0.812
Influence
Use
0.623 0.570 0.444 0.671 0.488 0.890
Behavior
Tabel 4.6 menunjukan bahwa nilai akar AVE lebih tinggi daripada
korelasi antara konstruk dengan konstruk lainnya. Sehingga berdasarkan
hasil pemeriksaan dua tahap cross loading diketahui bahwa tidak ada
masalah dalam uji discriminant validity.
88
Gambar 4.11 Hasil Analisis Outer Model dengan SmartPLS 3.0
Gambar 4.11 menunjukan hasil analisis setelah melalui analisis outer model.
Berdasarkan empat tahap yang telah dilakukan pada analisis pengukuran model
(outer model) sebelumnya, dapat diketahui bahwa model yang diajukan dalam
penelitian ini sudah memiliki karakteristik yang baik secara statistik, sesuai dengan
syarat pada masing-masing tahapan yang ada pada pengukuran model (individual
item reliability, internal consistency reliability, average variance extracted, dan
discriminant validity). Sehingga dapat diambil kesimpulan dari hasil analisis
pengukuran model bahwa model tersebut memenuhi syarat untuk dilanjutkan ke
tahap pengujian model struktural (inner model).
89
4.2.3 Hasil Analisis Model Struktural (Inner Model)
Pada tahap analisis model struktural ini dilakukan enam tahap pengujian, yang
terdiri dari pengujian path coefficient (β), coefficient of determination (R²), t-test
menggunakan metode bootstraping, effect size ( ), predictive relevance ( ), dan
relative impact (q²)
1. Uji Path Coefficient (β)
Uji path coefficient dilakukan dengan melihat signifikansi hubungan antar
konstruk. Hal ini dapat dilihat dari koefisien jalur (path coefficient) yang
menggambarkan kekuatan hubungan antara konstruk. Pengujian ini
dilakukan dengan melihat nilai ambang batas yaitu di atas 0,1, dimana jalur
(path) dinyatakan memiliki pengaruh dalam model jika hasil nilai uji path
coefficient berada diatas 0,1.
Tabel 4.7 Hasil Uji Path Coefficient
Hubungan antar Variabel (Dependen → Independen) Path Coefficient (β)

Behavioral Intention → Use Behavior 0.532
Effort Expectancy → Behavioral Intention 0.264
Facilitating Conditions → Use Behavior 0.196
Performance Expectancy → Behavioral Intention 0.195
Social Influence → Behavioral Intention 0.349
Hasilnya dari 5 jalur yang ada pada model penelitian ini, seluruhnya
memiliki pengaruh yang signifikan, dapat dilihat pada tabel 4.7 hasil nilai
uji path coefficient semuanya memiliki nilai diatas 0,1.
2. Uji Coefficient of Determination (R-Square)
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel
endogen (variabel yang dianggap dipengaruhi oleh variabel lain dalam
90
model) dengan standar pengukuran sekitar 0,670 dinyatakan sebagai kuat,
sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di bawahnya
menunjukan tingkat varian yang lemah.
Tabel 4.8 Hasil Uji Coefficient of Determination (R-Square)
Variabel Endogen R Square

Use Behavior 0.418
Melalui tabel 4.8 dapat dilihat hasil uji coefficient of determination, dimana
R2 dari behavioral intention (BI) memiliki nilai 0,442, sedangkan R2 dari use
behavior (UB) memiliki nilai 0,418. Maka dapat diartikan bahwa variabel
eksogen performance expectancy (PE), effort expectancy (EE), dan social
influence (SI) menjelaskan secara moderat (44,2%) varian dari BI,
selanjutnya variabel eksogen facilitating condition (FC) juga menjelaskan
secara moderat (41,8 %) varian dari UB.
3. Uji T-test
Pada pengujian t-test ini dilakukan dengan menggunakan metode
bootstrapping pada SmartPLS 3.0, menggunakan uji two-tailed dengan
tingkat signifikansi 5% untuk menguji hipotesis-hipotesis penelitian. Pada
tingkat signifikansi 5% hipotesis akan diterima jika memiliki t-test lebih
besar dari 1,96.
91
Tabel 4.9 Hasil Uji T-test dengan SmartPLS 3.0
Hubungan antar Variabel

T-test
(Dependen → Independen)
Behavioral Intention -> Use Behavior 6.954
Effort Expectancy -> Behavioral Intention 2.675
Facilitating Conditions -> Use Behavior 2.165
Performance Expectancy -> Behavioral Intention 2.090
Social Influence -> Behavioral Intention 5.248
Melalui tabel 4.9 dapat dilihat hasil uji t-test, dimana seluruh
hasilnya sudah berada diatas 1,96 sehingga menyatakan bahwa kelima
hipotesis pada penelitian ini diterima.
4. Uji Effect Size ( )
Pada tahap ini dilakukan pengujian untuk mengetahui 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. dihitung dengan menggunakan rumus
sebagai berikut.
Dimana:
Nilai yang diperoleh ketika konstruk eksogen dimasukkan ke model.
Nilai yang diperoleh ketika konstruk eksogen dikeluarkan dari model.
92
Tabel 4.10 Hasil Uji Effect Size dengan SmartPLS 3.0
f2 Analisis
No Jalur
R2-in R2-ex ∑ f2 f2
H1 PE → BI 0.442 0.426 0.02867 kecil
H2 EE → BI 0.442 0.412 0.05376 kecil
H3 SI → BI 0.442 0.347 0.17025 menengah
H4 FC → UB 0.418 0.389 0.04983 kecil
H5 BI → UB 0.418 0.446 - 0.04811 kecil
Seperti yang dapat dilihat pada Tabel 4.10, hasil dari pengujian terhadap
5 jalur yang ada pada penelitian ini. Dimana SI→BI memiliki pengaruh
yang menengah sedangkan PE→BI, EE→BI, FC→UB, BI→UB memiliki
pengaruh yang kecil.
5. Uji Predictive Relevance ( )
Pada tahap ini dilakukan pengujian dengan metode blindfolding untuk
memberikan bukti bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif (predictive relevance) dengan
variabel lainnya dalam model dengan ambang batas pengukuran di atas nol.
Tabel 4.11 Hasil Uji Predictive Relevance dengan SmartPLS 3.0
Variabel Endogen Q-square

Behavioral Intention 0,354
Use Behavior 0,307
Dapat dilihat pada tabel 4.11 bahwa hasil nilai 𝑄 2 dari semua
variabel memiliki nilai diatas 0 sehingga dapat diartikan memiliki
keterkaitan secara prediktif .
93
6. Uji Relative Impact (q²)
Pada tahap ini dilakukan dengan metode blindfolding untuk mengukur
relatif pengaruh sebuah keterkaitan prediktif sebuah variabel tertentu
dengan variabel lainnya dengan nilai ambang batas sekitar 0,02 untuk
pengaruh kecil, 0,15 untuk pengaruh menengah/ sedang, dan 0,35 untuk
pengaruh besar. Rumus yang digunakan dalam perhitungan q² adalah
sebagai berikut.
Dimana:
Nilai q² yang diperoleh ketika konstruk eksogen dimasukkan ke model.
Nilai q² yang diperoleh ketika konstruk eksogen dikeluarkan dari model.
Tabel 4.12 Hasil Uji Relative Impact dengan SmartPLS 3.0
q2 Analisis
No Jalur
Q2-in Q2-ex ∑ q2 q2
H1 PE → BI 0.354 0.343 0.017 Kecil
H2 EE → BI 0.354 0.329 0.039 Kecil
H3 SI → BI 0.354 0.277 0.119 Kecil
H4 FC → UB 0.307 0.289 0.026 Kecil
H5 BI → UB 0.307 0.145 0.234 Menengah
Seperti yang dapat dilihat pada Tabel 4.12, hasil dari pengujian q²
terhadap 5 jalur pada penelitian ini menunjukan bahwa BI → UB memiliki
pengaruh menengah dan sisanya PE→BI, EE→BI, FC→UB, SI→BI
memiliki pengaruh yang kecil.
94
Tabel 4.13 Ringkasan Hasil Analisis Struktural Model
f2 q2 Analisis
β t-test R2 Q2
No Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2 β t-test R2 f2 Q2 q2
Predictive
H1 PE → BI 0.195 2.090 0.442 0.442 0.426 0.02867 0.354 0.354 0.343 0.017 Sign Diterima M k k
Relevance
Predictive
H2 EE → BI 0.264 2.675 0.442 0.442 0.412 0.05376 0.354 0.354 0.329 0.039 Sign Diterima M k k
Relevance
Predictive
H3 SI → BI 0.349 5.248 0.442 0.442 0.347 0.17025 0.354 0.354 0.277 0.119 Sign Diterima M m k
Relevance
Predictive
H4 FC → UB 0.196 2.165 0.418 0.418 0.389 0.04983 0.307 0.307 0.289 0.026 Sign Diterima M k k
Relevance
- Predictive
H5 BI → UB 0.532 6.954 0.418 0.418 0.446 0.307 0.307 0.145 0.234 Sign Diterima M k m
0.04811 Relevance
Keterangan:
Sign : Signifikan
Insign : Insignifikan
K : Kuat
M : Moderat
L : Lemah
b : Besar
m : Menengah
k : Kecil
95
4.3 Interpretasi dan Pembahasan Hasil Analisis
4.3.1 Interpretasi dan Pembahasan Hasil Analisis Data Demografis
1. Jenis Kelamin
Berdasarkan gambar 4.3 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa pada penelitian ini dari jumlah 141 data
responden lebih didominasi oleh laki-laki sebanyak 81 orang (57%) dan
sisanya perempuan sebanyak 60 orang (43%). Hal ini terjadi karena pada
saat pelaksanaan penyebaran kuesioner secara langsung, peneliti lebih
banyak menjumpai responden dengan gender laki-laki, dan secara tidak
langsung (online via google form) responden dengan gender laki-laki lebih
banyak berpastisipasi untuk mengisi kuesioner.
2. Usia
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar
berada pada rentang usia 17-25 tahun sebanyak 128 responden (91%),
diikuti rentang usia lebih dari 45 tahun sebanyak enam orang (4%),
dilanjutkan rentang usia 36-45 tahun sebanyak empat orang responden
(3%), dan tiga orang responden dengan rentang usia 26-35 tahun (2%). Hal
ini disebabkan karena mayoritas pengguna SASD adalah mahasiswa dengan
populasi sebanyak 24.246 yang berada pada rentang usia 17-25 tahun,
sedangkan pegawai dan karyawan hanya berjumlah 1530 orang
(www.uinjkt.ac.id, data kepegawaian pusat 2017).
96
3. Status Pekerjaan
diatas, dapat diketahui bahwa responden pada penelitian ini didominasi oleh
mahasiswa sebanyak 128 orang (91%), dilanjutkan dosen sebanyak
sembilan orang (6%) dan pegawai sebanyak empat orang (3%). Hal ini
sejalan dengan data jumlah mahasiswa dengan total jumlah populasi sebesar
24.246 orang sedangkan pegawai dan dosen yang berjumlah 1530 orang.
4. Unit Kerja
diatas, dapat diketahui bahwa responden pada penelitian ini berasal dari
Fakultas Sains dan Teknologi dengan jumlah 43 responden (31%)
dilanjutkan dari Fakultas Ilmu Tarbiyah dan Keguruan sebanyak 19
responden (14%). Responden paling sedikit didapatkan dari pegawai bagian
Rektorat dan PUSTIPANDA dengan jumlah dua orang. Mayoritas
responden adalah mahasiswa yang tersebar diseluruh fakultas sehingga
jumlah responden dari masing-masing fakultas lebih banyak, sedangkan
responden dari Rektorat dan PUSTIPANDA sangat kecil karena hanya
terdiri dari pegawai.
5. Tingkat Pendidikan Terakhir
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar
didominasi oleh lulusan SMA sebanyak 128 responden (91%), dilanjutkan
97
lulusan S2 sebanyak 5 orang (3%), lalu lulusan S1, dan S3 dengan jumlah
yang sama pada masing-masing kategori yaitu sebanyak 4 orang (3%). Hal
ini disebabkan karena mayoritas responden pada penelitian ini adalah
mahasiswa aktif S1 yang memiliki tingkat pendidikan terakhir adalah SMA.
6. Latar Belakang Pendidikan Formal di Bidang Teknologi Informasi
Pada gambar 4.8 dapat dilihat bahwa sebanyak 86 responden (61%) tidak
memiliki latar belakang pendidikan dibidang teknologi informasi, dan
sebanyak 55 responden (39%) memiliki latar belakang formal pendidikan
dibidang teknologi informasi. Hal ini sejalan dengan banyaknya responden
yang berasal dari Fakultas yang tidak terdapat pembelajaran mengenai
teknologi informasi, dan UIN Syarif Hidayatullah Jakarta sendiri
merupakan Universitas Islam Negeri yang didominasi dengan Fakultas
dengan pendidikan ke-Islaman sebagai dasarnya.
7. Pengetahuan mengenai Keberadaan Sistem
diatas, dapat diketahui bahwa responden pada penelitian ini dari jumlah 141
responden, mayoritas sudah mengetahui mengenai keberadaan sistem
aplikasi service desk (SASD) yaitu sebanyak 102 responden (72%), sisanya
sebanyak 39 orang (28%) belum mengetahui mengenai adanya SASD. Hal
ini menunjukan bahwa sebenarnya SASD sudah cukup dikenal oleh para
pengguna.
98
8. Pengalaman Penggunaan Sistem
diatas, dapat diketahui bahwa responden pada penelitian ini sebanyak 88
responden (62%) sudah pernah menggunakan sistem aplikasi service desk
(SASD), sedangkan sisanya sebanyak 53 responden (38%) belum pernah
menggunakan SASD. Hal ini disebabkan karena SASD merupakan aplikasi
yang hanya digunakan ketika pengguna mempunyai masalah terkait layanan
IT yang ada di UIN Syarif Hidayatullah Jakarta, sehingga hanya yang
memiliki masalah atau request layanan tertentu kepada pihak
PUSTIPANDA saja yang menggunakan SASD.
4.3.2 Interpretasi dan Pembahasan Hasil Analisis Model Pengukuran (Outer
Model)
Berdasarkan hasil analisis model pengukuran yang telah dijabarkan sebelumnya,
terdapat beberapa poin untuk diperhatikan pada tahapan analisis pengukuran model,
yaitu:
1) Pada analisis model pengukuran didapatkan hasil akhir yang
menunjukan bahwa model penelitian ini sudah memenuhi syarat dan
memiliki karakteristik yang baik sehingga dapat melanjutkan ke tahap
analisis struktural model (uji inner model).
2) Terdapat lima indikator yang dihapus yaitu EE2, FC1, FC2, PE2, dan
UB3 dalam model penelitian ini mengacu pada standar nilai outer
loading.
99
Berdasarkan dua poin tersebut dengan hasil yang sudah memenuhi syarat
namun masih adanya penghapusan lima indikator peneliti beranggapan hal ini
disebabkan oleh penggunaan item pertanyaan pada kuesioner penelitian ini belum
cukup tepat, khususnya pada kelima indikator yang dihapus. Selain itu luasnya
penyebaran populasi sehingga dalam pengisian kuesioner yang dilakukan
responden tidak semua dapat dilakukan secara langsung dan didampingi oleh
peneliti (55,3% dilakukan secara online), hal ini memungkinkan adanya salah
pemaknaan item pertanyaan pada kuesioner.
Sehingga untuk menanggapinya perlu dilakukan peninjauan kembali atau
dengan dilakukan pengembangan lebih lanjut di masa akan datang terhadap
instrumen pada penelitian ini (khususnya terkait penggunaan kelima indikator EE2,
FC1, FC2, PE2, dan UB3 yang dihapus). Karena meskipun peneliti telah berusaha
sebaik mungkin dalam pebuatan instrumen serta pelaksanaan kuesioner terhadap
responden, masih terdapat banyak hal yang berada diluar kendali dan ekspektasi
peneliti terlebih pada pelaksanaannya di lapangan.
4.3.3 Interpretasi dan Diskusi Hasil Analisis Struktural Model (Inner
Model)
Pada bagian ini akan disajikan interpretasi dan diskusi berdasarkan hasil 6 tahapan
pengujian yang ada pada analisis struktur model yaitu, pengujian path coefficient
(β), coefficient of determination (R²), t-test menggunakan metode bootstraping,
effect size ( ), predictive relevance ( ), dan relative impact (q²). Berikut adalah
bahasan interpretasi hasil analisis struktural mode yang dilakukan dengan
100
mengikuti pertanyaan-pertanyaan penelitian dan hipotesis-hipotesis yang telah
dirumuskan pada sub bab sebelumnya dan lebih rinci berdasarkan tabel 4.12
mengacu pada nilai t-test yang menandakan diterima atau tidaknya hipotesis.
Tabel 4.14 Hasil Uji Hipotetsis dengan SmartPLS 3.0
Hipotesis Analisis
β t-test
No Jalur β t-test
H1 PE → BI 0.195 2.090
Signifikan Diterima
H2 EE → BI 0.264 2.675
Signifikan Diterima
H3 SI → BI 0.349 5.248
Signifikan Diterima
H4 FC → UB 0.196 2.165
Signifikan Diterima
H5 BI → UB 0.532 6.954
Signifikan Diterima
H1 Apakah Performance Expectancy (PE) berpengaruh secara signifikaan
terhadap niat perilaku Behavioral Intention (BI)?
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
sebagaimana dapat dilihat pada tabel 4.14 menunjukan bahwa H1 hubungan
PE→BI diterima, sehingga dapat diartikan bahwa PE memiliki pengaruh
positif terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient
(β) 0,195 yang berarti PE juga berpengaruh secara signifikan terhadap BI sesuai
dengan penelitian awal yang dilakukan Venkatesh et al. (2003), hal ini juga
sejalan dengan penelitian terdahulu lainnya (Prasetyo, 2017; Rahmi et al.,
2017; Sharma & Kumar, 2012; Sedana & Wijaya, 2010; Sundavarej, 2010; )
dimana PE berpengaruh secara signifikan terhadap BI. Pada penelitian ini
101
penggunaan SASD dapat membantu dan mempermudah pengguna dalam
proses pelaporan masalah karena pelaporan masalah dapat dilakukan kapanpun
dan dimanapun sehingga berpengaruh kepada niat pengguna untuk
menggunakan SASD. Sehingga dapat disimpulkan bahwa H1 diterima dalam
penelitian ini.
H2 Apakah Effort Expectancy (EE) berpengaruh secara signifikan terhadap
minat pemanfaatan Behavioral Intention (BI) ?
EE→BI diterima, sehingga dapat diartikan bahwa EE memiliki pengaruh
positif terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient
(β) 0,264 yang berarti PE juga berpengaruh secara signifikan terhadap BI. Hal
ini sejalan dengan penelitian terdahulu yang relevan (Prasetyo, 2017; Rahmi et
al., 2017; Conrad et al., 2015; Sharma & Kumar, 2012; Sundaravej, 2010; Wu
et al., 2010). Selanjutnya berdasarkan pengamatan langsung yang dilakukan
peneliti lakukan dalam tahap awal penerapan sistem, kemudahan dalam
menggunakan SASD menjadi aspek penting bagi pengguna, semakin kecil
upaya yang dikeluarkan atau semakin mudahnya sistem mendorong pengguna
untuk menggunakan sistem. Sehingga dapat disimpulkan bahwa H2 diterima
dalam penelitian ini.
H3 Apakah Social Influence (SI) berpengaruh secara signifikan terhadap
Behavioral Intention (BI)?
102
SI→BI diterima, sehingga dapat diartikan bahwa SI memiliki pengaruh positif
terhadap BI. Selain itu didukung juga dengan hasil nilai path coefficient (β)
0,349 yang berarti SI juga berpengaruh secara signifikan terhadap BI. Hal ini
sejalan dengan penelitian awal Venkatesh et al. (2003) serta penelitian
terdahulu yang relevan (Prasetyo, 2017; Rahmi et al., 2017; Pardamean &
Susanto, 2012; Sedana & Wijaya, 2010). Selanjutnya berdasarkan pengamatan
langsung yang dilakukan peneliti menunjukan bahwa penerapan SASD yang
berada di lingkungan Universitas tentunya membuat pengaruh orang sekitar
sangatlah kuat, hal-hal positif yang disampaikan dari satu pengguna kepada
lainnya mempengaruhi dalam memutuskan untuk menggunakan SASD. Selain
itu penggunaan SASD dalam proses pelaporan masalah bersifat wajib dari
pihak PUSTIPANDA sebagaimana menurut Venkatesh et al. (2003)
menyatakan bahwa pengaruh social influence pada behavioral intention akan
semakin kuat pada keadaan yang diwajibkan. Sehingga dapat disimpulkan
bahwa H3 diterima dalam penelitian ini.
H4 Apakah Facilitating conditions (FC) berpengaruh secara signifikan
terhadap Use Behavior (UB)?
FC→UB diterima, sehingga dapat diartikan bahwa FC memiliki pengaruh
positif terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient
103
(β) yaitu 0,196 yang berarti FC juga berpengaruh secara signifikan terhadap
BI. Hal ini sejalan dengan penelitian terdahulu yang relevan (Prasetyo, 2017;
Conrad et al., 2015; Setyowati, 2015; Sedana & Wijaya, 2010; Sundaravej,
2010; Wu et al., 2010; Venkatesh et al. 2003). Selanjutnya berdasarkan
pengamatan langsung yang dilakukan peneliti menunjukan bahwa kondisi yang
mendukung (infrastruktur teknis) sangat penting dan berpengaruh terhadap
penggunaan SASD, untuk mengakses SASD bisa dilakukan melalui email atau
browser yang ada pada handphone pengguna selain itu pengetahuan yang
cukup yang dimiliki pengguna mendukung pada niat pengguna untuk
menggunakan SASD terlebih pengguna sudah terbiasa mengakses layanan
berbasil teknologi di UIN seperti AIS. Sehingga dapat disimpulkan bahwa H4
diterima dalam penelitian ini.
H5 Apakah Behavioral Intention (BI) berpengaruh secara signifikan terhadap
Use Behavior (UB) ?
BI→UB diterima, sehingga dapat diartikan bahwa BI memiliki pengaruh
positif terhadap UB. Selain itu didukung juga dengan hasil nilai path coefficient
(β) 0,532 merupakan hasil nilai yang paling tinggi disbanding dengan yang lain
sehingga BI berpengaruh secara signifikan terhadap UB. Hal ini sejalan dengan
penelitian terdahulu yang relevan (Sedana & Wijaya, 2010; Wu et al, 2010).
Selanjutnya berdasarkan pengamatan langsung yang dilakukan peneliti
menunjukan niat pengguna untuk menggunakan SASD mempengaruhi
104
perilaku penggunaan SASD sebenarnya, yang dapat dibuktikan dengan melihat
variabel-variabel independen yang berhubungan dengan variabel dependen
behavioral intention, dimana dari hasil pengujian tersebut keempat hipotesis
diterima sehingga ditemukan bahwa pengguna merasakan manfaat dari SASD
yang mempermudah mereka dalam proses pelaporan dan penyelesain laporan
masalah, sehingga penggunaan SASD sangat menguntungkan bagi pengguna.
Sesuai dengan penelitian Venkatesh et al. (2003) dimana niat untuk
menggunakan sistem (behavioral intention) memiliki pengaruh langsung pada
penggunaan yang sebenarnya (use behavior). Sehingga dapat disimpulkan
bahwa H5 diterima dalam penelitian ini.
105
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan pada hasil penelitian yang telah dilakukan, maka dapat diambil
kesimpulan sebagai berikut:
1. Berdasarkan hasil pengolahan data dari 141 responden yang berpartisipasi
terdiri dari mahasiswa, pegawai, dan dosen di UIN Syarif Hidayatullah
Jakarta bahwa sebanyak 102 responden (72%) sudah mengetahui
keberadaan SASD dan 53 responden (38%) sisanya belum mengetahui. Dari
jumlah tersebut sebanyak 88 responden (62%) sudah pernah menggunakan
SASD.
2. Adanya 5 indikator yang dihapus dari total jumlah 21 indikator yang ada
pada model penelitian ini, yaitu indikator EE2, FC1, FC2, PE2, dan UB3.
Peneliti beranggapan hal ini disebabkan oleh penggunaan item pertanyaan
pada kuesioner indikator tersebut belum cukup tepat. Selain itu luasnya
penyebaran populasi sehingga dalam pengisian kuesioner yang dilakukan
responden dimana responden berasal dari latar belakang bidang pendidikan
yang berbeda, tidak semua pengisian kuesioner dapat dilakukan secara
langsung (55,3% dilakukan secara online) dan tidak didampingi oleh
peneliti, hal ini memungkinkan adanya salah pemaknaan oleh responden
terhadap item pertanyaan pada kuesioner.
106
3. Kelima hipotesis pada penelitian ini diterima, yaitu, PE→BI, EE→BI,
SI→BI, FC→UB, BI→UB. Maka dapat diartikan bahwa perfomance
expectancy, effort expectancy, facililtating conditions, social influence dan
behavioral intention terbukti berpengaruh secara signifikan dalam
pengukuran tingkat penerimaan pengguna terhadap sistem aplikasi service
desk di UIN Syarif Hidayatullah Jakarta.
4. Berdasarkan pada hasil analisis data variabel yang memiliki pengaruh
terbesar terhadap penerimaan SASD adalah behavioral intention,
selanjutnya social influence, effort expectancy, facilitating conditions dan
terakhir perfomance expectancy.
Berdasarkan beberapa hasil temuan tersebut juga peneliti menganggap
penelitian ini sudah memberikan manfaat dan berkontribusi pada beberapa hal
yaitu:
b. Secara teori, penelitian ini telah menambahkan referensi penggunaan
model UTAUT, sehingga akhirnya penelitian ini dapat menjadi
alternatif secara teoritis bagi peneliti selanjutnya atau pihak lainnya
dalam memahami penerimaan pengguna terhadap penerapan sebuah
sistem.
c. Secara metodologi, Penelitian ini juga berperan dalam mendorong
pemanfaatan metode kuantitatif dalam penyusunan skripsi di Program
Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta dimana
kebanyakan skripsi masih menggunakan metode kualitatif.
107
d. Secara praktis, penelitian ini dapat dijadikan sebagai bahan
pertimbangan bagi para pengambil keputusan atau tingkat manajerial
tertinggi di UIN Syarif Hidayatullah Jakarta khususnya pihak
PUSTIPANDA (Pusat Teknologi Informasi dan Pangkalan Data)
selaku pengelola SASD dalam rencana pengembangan SASD
kedepannya.
5.2 Saran
Berdasarkan hasil penelitian yang telah dilakukan, peneliti akan memaparkan
beberapa saran terkait untuk PUSTIPANDA serta pihak-pihak yang berniat
melakukan penelitian selanjutnya (khususnya dengan topik sejenis), yaitu:
1. Diharapkan bagi pihak PUSTIPANDA (Pusat Teknologi Informasi dan
Pangkalan Data), untuk bisa terus meningkatan dan mengembangkan
penerimaan pengguna SASD kedepannya diantaranya dengan
mengembangkan variabel performance expectancy seperti meningkatkan
manfaat dari penggunaan SASD sehingga mencakup layanan akademik dan
kepegawaian. Mengembangkan variabel social influence secara konsisten
menghimbau para pengguna layanan PUSTIPANDA untuk terus
menggunakan SASD seperti memberi pemberitahuan melalui e-mail
bagaimana penggunaan SASD juga didukung dengan ditingkatkannya
kondisi yang memfasilitasi (facilitating conditions) seperti menyediakan
perangkat yang dapat mengakses SASD disetiap fakultas di UIN Syarif
Hidayatullah Jakarta, sehingga akan meningkat pula keyakinan pengguna
108
bahwa penggunaan SASD mudah sejalan dengan variabel effort expectancy,
melalui pengembangan empat variabel tersebut dapat meningkatkan faktor
behavioral intention dimana mayoritas pengguna sudah mengetahui
mengenai keberadaan SASD dan menerima dengan memilih menggunakan
SASD, serta merasakan manfaat dari penggunaan SASD sebenarnya
sehingga kedepannya dapat tercapai keberhasilan penerapan SASD yang
sesuai dengan kebutuhan penggunanya.
2. Untuk peneliti selanjutnya atau pihak-pihak yang tertarik untuk melakukan
penelitian selanjutnya (khususnya yang tertarik pada topik sejenis) dapat
lebih memperhatikan tata bahasa yang digunakan sehingga kuesioner
mudah dipahami oleh responden dengan latar belakang pendidikan yang
beragam sehingga tidak terjadi salah pemahaman mengenai item pertanyaan
pada kuesioner untuk menghindari adanya penghapusan indikator serta
menambahkan variabel atau indikator lain untuk mengetahui lebih dalam
lagi kebutuhan pengguna sistem yang sesungguhnya. Selanjutnya untuk
pengumpulan data (penyebaran kuesioner) lebih baik dilakukan secara
langsung dengan pendampingan terhadap responden serta memperhatikan
penyebaran data agar responden merata sehingga hasil dapat
digeneralisasikan dengan lebih baik.
109
DAFTAR PUSTAKA
Abdillah, Willy dan Jogiyanto. (2015). Partial Least Square (PLS) Alternatif
Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Ed.1.
Yogyakarta: ANDI
Ajzen, I. (1991). The Theory of Planned Behavior. Organizational Behavior and

Human Decision Process, 179-211.
Baru, S. A., Abdullah, L., & YUSOFF, A. A. D. H. (2014). Modeling Student

Acceptance Of Virtual Learning Environment (VLE). Journal of Business
and Social Development, 2(2), 36-47.
Bendi, R. J., & Aliyanto, A. (2014). Analisis Pengaruh Perbedaan Gender pada
Model UTAUT. Seminar Nasional Teknologi Informasi & Komunikasi
Terapan 2014 (SEMANTIK 2014).
Bendi, R. J., & Andayani, S. (2013). Analisis Perilaku Penggunaan Sistem

Informasi. Seminar Nasional Teknologi Informasi & Komunikasi Terapan
2013, 277-281.
Burhan Bungin. (2006). Analisis Data Penelitian Kualitatif. Jakarta : Raja Grafindo.
Candra, R. K., Atastina, I., & Firdaus, Y. (2015). Audit Teknologi Informasi
Menggunakan Framework Cobit 5 Pada Domain Dss (Deliver, Service, And
Support)(Studi Kasus: Igracias Telkom University). eProceedings of
Engineering, 2(1).
Compeau, D. R., and Higgins, C. A. (1995). Application of Social Cognitive

Theory to Training for Computer Skills. Information Systems Research
(6:2), pp. 118-143.
Davis, F. D. (1989). User Acceptance of Computer Technology: A Comparison of

Two Theoretical Models. Management Science, 35, 982-1004.
Davis, F. D., Bagozzi, R. P., and Warshaw, P. R. (1992). Extrinsic and Intrinsic
Motivationto Use Computers in the Workplace. Journal of Applied Social
Psychology (22:14), pp. 1111- 1132.
Dawes, John (2008). Regression Shrinkage and Selection via the Lasso". Journal of
the Royal Statistical Society. Series B (Methodological) 58 (1): 267–288.
Dillon, Andrew & Morris, Michael G. (1996). User Acceptance of Information

Technology: Theories and Models.
110
http://www.ischool.utexas.edu/~adillon/BookChapters/User%20acceptanc
e.htm
Ghozali, Imam., Hengky Latan. (2015). Partial Least Squares Konsep, Teknik dan
Aplikasi Menggunakan Program SmartPLS 3.0 Untuk Penelitian Empiris.
Edisi 2. Semarang: Universitas Diponegoro. ISBN: 979.704.300.2
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet.
Journal of Marketing theory and Practice, Vol. 19 No. 2, 139-152.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use
of partial least squares structural equation modeling in marketing research.
Journal of the academy of marketing science, Vol. 40 No. 3, 414-433.
Hamrul, H., Soedijono, B., & Amborowati, A. (2013). Analisis Perbandingan

Metode TAM dan UTAUT dalam Mengukur Kesuksesan Penerapan Sistem
Informasi Akademik. Seminar Nasional Informatika 2013.
Hasan, Iqbal. (2009). Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta:

Bumi Aksara.
Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The Use of Partial Least
Squares Path Modeling in International Marketing. Advances in
International Marketing, 20(1), 277-319.
Huda, M. Q., & Hussin, H. (2016, October). Evaluation model of Information

Technology innovation effectiveness case of higher education institutions in
Indonesia. In Informatics and Computing (ICIC), International Conference
on (pp. 221-226). IEEE.
Hussein, A. S. (2015). Penelitian Bisnis dan Manajemen Menggunakan Partial

Least Squares (PLS) dengan SmartPLS 3.0. Malang: Universitas Brawijaya.
Jati, N. J., & Laksito, H. (2012). Analisis Faktor-faktor yang Mempengaruhi

Minat Pemanfaatan Dan Penggunaan Sistem E-Ticket. Diponogoro
Journal of Accounting, 1-15.
Komaruddin. (2001). Ensiklopedia Manajemen. Edisi XI. Jakarta: Aksara Bumi.
Long, J. O. (2012). “ITIL 2011 At A Glance”. Springer New York Heidelberg

Dordrecht London, USA.
Magsamen-Conrad, Kate. (2015) Bridging the Divide: Using UTAUT to predict

multigenerational tablet adoption practices. Media and Communications
Faculty Publications. Paper 37.
111
Moore,G . C., and Benbasat, I. (1991). Developmento f an Instrument to Measure
the Perceptions of Adopting an Information Technology Innovation.
Information Systems Research (2:3), pp. 192-222.
Morris, M. G., and Venkatesh, V. (2000). Age Differences in Technology Adoption

Decisions: Implications for a Changing Workforce. Personnel Psychology
(53:2), pp. 375-403.
Nazir, Moh. (2009). Metode Penelitian. Jakarta: GhaliaIndonesia
Pamugar, H., Winarno, W. W., & Najib, W. (2014). Model Evaluasi Kesuksesan
dan Penerimaan Sistem Informasi E-Learning pada Lembaga Diklat
Pemerintah. Scientific Journal of Informatics.
Pardamean, B., & Susanto, M. (2012). Assessing User Acceptance Toward Blog
Technology Using the UTAUT Model. International journal of
mathematics and computers in simulation, 1(6), 203-212.
Prasetyo, B. H., & Anubhakti, D. (2011). Kajian Penerimaan Sistem E-Learning

dengan Menggunakan Pendekatan UTAUT Studi Kasus Fakultas Teknologi
Informasi Universitas Budi Luhur. BIT VOL 8 No. 2.
Prasetyo, D. Y. (2017). Penerapan Metode UTAUT (Unified Theory of Acceptance

and Use of Technology) dalam Memahami Penerimaan dan Penggunaan
Website KKN LPPM UNISI. Jurnal SISTEMASI, Volume 6, Nomor 2, 26-
34.
Prasetyo, Bambang, Lina Miftahul Jannah. 2006). Metode Penelitian Kuantitatif,

Teori dan Aplikasi. Jakarta: PT Raja Grafindo Persada.
Puspitasari, N., Permanasari, A. E., & Nugroho, H. A. (2013) Analisis Penerapan
Sistem Informasi Manajemen Rumah Sakit Menggunakan Metode
UTAUT dan TTF. Jurnal Nasional Teknik Elektro dan Teknologi
Informasi (JNTETI), 2(4).
Raditya, N. (2014). Analisis Technology Acceptance Model (Tam) Terhadap
Penggunaan Sistem Informasi di Nusa Dua Beach Hotel & DPS, 167-184.
Rahmi, Y., Soedijono, B., & Al Fatta, H. (2017). Analisis Penerapan Sistem
Informasi Dosen dan Karyawan (SIMDOSKAR) menggunakan Model
Unified Theory of Acceptance and Use of Technology (UTAUT) Terhadap
Perilaku Pengguna. Informasi Interaktif, 2(2), 109-117.
Saputro, A. N. (2010). Analisis Persepsi Penerapan Sistem Informasi pada PT. UPS
dengan Menggunakan Metode Technology Acceptance Model (TAM).
112
Sedana, I. N., & Wijaya, S. W. (2010). UTAUT Model for Understanding Learning
Management System. Internetworking Indonesia Journal.
Sekaran, Uma & Roger, Bougie. (2011). Research Methods for Business: A sill
Building Approach (5th Ed). United Kingdom: John Wiley & Sons Ltd.
Setyowati, W., Winarno, W. W., & Sudarmawan, S. (2015). Analisis Penerimaan

Teknologi Sistem Ujian Online untuk Meningkatkan Kualitas Layanan
Teknologi, 3(1), 1-2.
Sharma, A. K., & Kumar, D. (2012). User acceptance of desktop based computer
software using UTAUT model and addition of new
moderators. International Journal Of Computer Science & Engineering
Technology, 509-515.
Sholihin, M., & Ratmono, D. (2013). Analisis SEM-PLS Dengan WarpPLS

3.0. Yogyakarta: Andi Yogyakarta.
Sugiyono. (2011). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:

Penerbit Alfabeta.
Sundaravej, T. (2010). Empirical Validation of Unified Theory of Acceptance and

Use of Technology Model. Journal of Global Information Technology
Management, 13(1), 5-27.
Suradi, A., Suryanto, M., & Amborowati, A. (2013). Analisis Kematangan Tata
Kelola Informasi Service Desk dan Insiden di Yayasan Pangudi Luhur
Yogyakarta. Jurnal Teknologi Informasi, Vol. VIII.
Susanto, A., Lee, H., Zo, H., & Ciganek, A. P. (2013). User acceptance of Internet
banking in Indonesia: initial trust formation. Information Development,
29(4), 309-322.
Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi metode

penelitian skala likert berbasis web. Prosiding Semnastek.
Tantra, Rudy. (2012). Manajemen Proyek Sistem Informasi. Yogyakarta: Andi

Offset.
Thompson, R. L., Higgins, C. A., & Howell, J. M. (1991). Personal computing:

toward a conceptual model of utilization. MIS quarterly, 125-143.
Triandis, H. C. (1980). Interpersonal Behavior, Brooke/ Cole, Monterey, CA.
113
Trimawangsari, Maria Betha. 2010. Pengembangan Aplikasi Webtools Helpdesk
Support dengan Online Attendance dan Real-Time Report pada PT. Dexa
Medica. Depok: Universitas Gunadarma.
Wu, M. Y., Yu, P. Y., & Weng, Y. C. (2012). A Study on User Behavior for I Pass
by UTAUT: Using Taiwan. Asia Pacific Management Review, 17(1), 91-
110.
www.kbbi.web.id/analisis
www.pustipanda.uinjkt.ac.id
www.uinjkt.ac.id
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data dengan Partial
Least Square Path Modeling. Jakarta: Salemba Infotek.
Yasin, Verdi. (2012). Konsep Dasar Rekayasa Perangkat Lunak (Software.

Reengineering). Jakarta : Prestasi Pustaka.
Yeow, P. H., Yuen, Y. Y., Tong, D. Y. K., & Lim, N. (2008). User acceptance of
online banking service in Australia. Communications of the
IBIMA, 1(22), 191-197.
Yuhefizar. (2012). CMM Website Interaktif MCMS Joomla (CMS). Jakarta:

Gramedia.
114
LAMPIRAN
SK Bimbingan Skripsi
Surat Ijin Penelitian
Surat Keterangan Penelitian
Kuesioner Penelitian
Hasil Data Pre-Test
1. Hasil Analisis Demografis Pre-Test pada 30 Responden di UIN Syarif
Hidayatullah Jakarta
Kategori Item Jumlah

Jenis Kelamin Perempuan 13
Laki-laki 17
Usia 17 – 25 27
26 – 35 1
36 – 45 1
>45 1
Status Pekerjaan Mahasiswa 26
Karyawan 2
Dosen 2
Unit Kerja FST 28
PUSTIPANDA 1
REKTORAT 1
Tingkat Pendidikan SMA 26
Terakhir S1 2
S2 1
S3 1
Latar Belakang Ya 30
Pendidikan Bidang IT Tidak 0
Pengetahuan mengenai Ya 30
keberadaan SASD Tidak 0
Pengalaman Ya 22
menggunakan SASD Tidak 8
2. Hasil Analisis Model Pengukuran (Outer Model)
Dengan Melihat nilai outer loading pada tabel dibawah ini, semua indikator
mempuanya nilai outer loading diatas 0,5.

BI1 0.889
BI2 0.928
BI3 0.905
EE1 0.687
EE2 0.532
EE3 0.934
FC1 0.969
FC2 0.937
FC3 0.871
FC4 0.786
PE1 0.601
PE2 0.673
PE3 0.820
PE4 0.711
PE5 0.887
SI1 0.903
SI2 0.857
SI3 0.505
UB1 0.713
UB2 0.840
UB3 0.619
Selain itu dapat dilihat melalui nilai CR semuanya berada diatas 0,7 dan nilai
AVE semuanya berada diatas 0,5, sebagaimana dapat dilihat pada tabel berikut:
Composite Average Variance

Variabel
Reliability Extracted (AVE)
Behavioral Intention 0.934 0.824
Effort Expectancy 0.772 0.543
Facilitating Conditions 0.940 0.799

Performance Expectancy 0.860 0.556
Social Influence 0.811 0.602
Use Behavior 0.771 0.532
Diuji melalui analisis perbandingan cross loading dengan nilai kuadrat AVE juga
telah memenuhi syarat, sebagai berikut:

Behavioral
0.908
Intention
Effort
0.653 0.737
Expectancy
Facilitating
-0.037 -0.349 0.894
Conditions
Performance
0.488 0.619 -0.285 0.745
Expectancy
Social
0.627 0.382 -0.253 0.495 0.776
Influence
Use Behavior 0.631 0.463 -0.117 0.562 0.707 0.730
Total dari 21 indikator seluruhnya memiliki nilai outer loading diatas 0,5, dengan
5 indikator nilai berada diantara 0,5 – 0,7 yaitu EE1, EE2, PE1, PE2, SI3 dan UB3.
Namun kelima indikator tersebut tetap dipertahankan karena loading factor > 0,5
telah dianggap signifikan secara praktikal (Jogiyanto, 2015; Puspitasari et al, 2013;
Ghozali, 2015). Selain itu berdasarkan nilai, CR, AVE dan cross loading juga telah
memenuhi syarat sehingga indikator pertanyaan ini dianggap sudah memenuhi
syarat untuk digunakan sebagai instrument penelitian.

Wawancara
Responden : Bapak Abdullah
Jabatan : Support Coordinator PUSTIPANDA
Pewawancara : Bella Marisela Caroline
Tanggal : 26 September 2017
Tempat : Akademik Pusat UIN Jakarta
Q: Bagaimana sejarah awal mula penerapan system aplikasi service desk (SASD)?
A: Awal mulanya itu dengan adanya help desk online pada tahun 2013 namun
sejak tahun 2016 dirubah menjadi menggunakan SASD.
Q: Apa fungsi dari SASD?
A: SASD ini sebagai single point of contact media pengaduan masalah bisa berupa
request insiden atau pelaporan seputar layanan yang mencakup 8 layanan IT,
yaitu e-campus. e-mail, internet and networking, data center, website and blog,
hosting and subdomain, development, dan data. Request pengaduan ini dapat
dilakukan melalui dua channel yaitu melalui servicedesk.uinjkt.ac.id atau email
servicedesk@uinjkt.ac.id.
Q: Apakah fungsi SASD ini sama bagi setiap pengguna?
A: Sama, pengguna dari SASD ini ada mahasiswa, pegawai dan dosen. Untuk
setiap masalahyang berulang akan kami petakan dan tampilkan di frequently
asked questions (FAQ).
Q: Apa tujuan dari penerapan SASD?

A: SASD ini bertujuan untuk membantu pengguna agar dalam proses pengaduan
masalah mereka tidak perlu datang ke PUSTIPANDA dan melakukan
pengaduan secara manual sehingga lebih efektif dan efisien. Sedangkan untuk
kedepannya tujuan SASD ini bukan hanya untuk melayani keluhan seputar IT
di UIN Jakarta saja, namun akan di integrasikan dengan layanan akademik dan
kepegawaian seperti single sign on system.
Q: Apa saja kendala yang ada dalam penerapan SASD?
A: Masih menjadi tantangan bagi kami untuk lebih mengenalkan SASD kepada
para pengguna. Karena masih banyaknya pengguna yang belum mengetahui
tentang SASD dan terus berdatangan ke PUSTIPANDA untuk melaporkan
masalah mereka secara manual. Dari situ baru kami arahkan untuk
menggunakan SASD. Namun kadang banyak juga yang tidak sabaran
meskipun sudah menggunakan SASD ketika masalah mereka sedang dalam
proses penanganan mereka tetap datang ke PUSTIPANDA untuk menanyakan
secara langsung atau melalui telfon. Padahal untuk memantau apakah masalah
mereka sudah selesai atau belum bisa dilakukan melalui SASD langsung.
Selain itu juga dalam mengembangkan SDM yang mengelola SASD sendiri
masih dilakukan pelatihan.

Responden : Atthiya Prima Sari (Mahasiswa)
Q: Apakah kamu mengetahui tentang SASD?
A: Ya, tahu.
Q: Apakah kamu pernah menggunakan SASD?
A: Ya, pernah.
Q: Apakah kamu merasakan manfaat dengan diterapkannya SASD? manfaat apa
yang kamu rasakan?
A: Ya, memudahkan dalam proses pengaduan masalah apabila saya mengalami
masalah dengan layanan TI di UIN Jakarta, seperti AIS dan e-mail kampus,
saya tidak perlu repot-repot datang ke PUSTIPANDA. Pengaduan bisa
dilakukan kapanpun dan dari manapun.
Q: Saat menggunakan SASD, apakah menemukan masalah atau kendala?
A: Ya, ada. Kadang proses penyelesaian masalah cukup lama dan tampilannya
pada awal menggunakan sedikit membingungkan.
Q: Apakah kamu merasa puas dan akan terus menggunakan SASD untuk
melakukan pengaduan masalah?
A: Ya, cukup puas. Saya akan menggunakan SASD karena lebih efektif dan
efisien.
Q: Apa harapan kamu untuk SASD kedepannya?
A: Sebaiknya disediakan petunjuk bagaimana proses dan alur penggunaan SASD
dan proses penangan masalahnya selalu di update.

Responden : Fauzan Arifin (Mahasiswa)
A: Ya, tahu.
A: Tidak pernah
yang kamu rasakan?
A: Tidak, menurut saya lebih cepat apabila melaporkan masalah secara langsung
karena bisa langsung ditangani oleh PUSTIPANDA. Selain itu kurangnya
pengetahuan bagaimana menggunakan SASD dan kurangnya penyuluhan dari
pihak PUSTIPANDA untuk menggunakan SASD sehingga saya tidak begitu
tertarik untuk menggunakan SASD.
A: Sebaiknya PUSTIPANDA melakukan penyuluhan kepada para pengguna agar
tertarik menggunakan SASD.

Responden : Hersy Ayu Qadrya (Mahasiswa)
A: Ya, tahu.
A: Ya, pernah.
yang kamu rasakan?
A: Ya, proses pengaduan masalah menjadi lebih cepat dan responnya juga cepat,
bisa dilakukan dari mana saja tanpa mendatangi PUSTIPANDA
A: Ya, ada. Saat awal menggunakan saya bingung bagaimana cara
menggunakannya, karena tidak ada petunjuk, tapi karena saya terbiasa dengan
layanan berbasis teknologu saya dengan cepat terbiasa.
A: Ya, cukup puas. Saya akan menggunakan SASD untuk seterusnya.
A: Sebaiknya dilakukan pengembangan lagi agar interfacenya bisa lebih user
friendly untuk semua pengguna
.
Responden : Ahmad Fadhil (Mahasiswa)
A: Tidak tahu.
A: Tidak pernah, saya terbiasa melakukan pengaduan masalah ke PUSTIPANDA
dengan cara manual mendatangi PUSTIPANDA
Q: Apakah kamu keberatan jika menggunakan SASD?
A: Tidak, apabila ada pemberitahuan dan penyuluhan dari pihak PUSTIPANDA
mengenai SASD dan cara menggunakannya.
Q: Apakah kamu merasa ada manfaat yang kamu dapatkan apabila menggunakan
SASD?
A: Ya, ada. Karena dengan menggunakan SASD saya tidak perlu menghabiskan
waktu untuk mendatangi PUSTIPANDA.
A: Lebih digencarkan lagi tentang penggunaan SASD, bisa dilakukan melalui
email mahasiswa sehingga pengguna tidak harus mendatangi PUSTIPANDA
terlebih dahulu untuk mengetahui untuk menggunakan SASD.

Responden : Indah Kusuma Dewi (Pegawai PLKI UIN Jakarta)
A: Ya, tahu.
A: Ya, pernah.
yang kamu rasakan?
A: Ya, sebagai pegawai saya memiliki banyak pekerjaan, dengan menggunakan
SASD saya bisa menghemat waktu saya dalam melakukan pengaduan masalah
kepada pihak PUSTIPANDA.
A: Tidak ada.
A: Saya puas dan akan menggunakan SASD setiap melakukan pengaduan masalah
terkait layanan IT di UIN Jakarta.
A: Semoga SASD bisa mencakup layanan kepegawaian juga.

Bella Marisela Caroline-Fst

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bella Marisela Caroline-Fst

Diunggah oleh

Hak Cipta:

Format Tersedia

SKRIPSI

ANALISIS PENERIMAAN PENGGUNA

TERHADAP SISTEM APLIKASI SERVICE DESK (SASD)

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta