Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Disusun Oleh:
JAKARTA
2018 M / 1439 H
SKRIPSI
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Disusun Oleh:
JAKARTA
2018 M / 1439 H
SKRIPSI
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Oleh:
JAKARTA
2018 M / 1439 H
ANALISIS PENERIMAAN PENGGUNA
TERHADAP SISTEM APLIKASI SERVICE DESK (SASD)
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Oleh:
Menyetujui,
Pembimbing I Pembimbing II
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
ii
LEMBAR PENGESAHAN
Menyetujui,
Penguji I Penguji II
Pembimbing I Pembimbing II
Mengetahui,
Dekan Ketua
Fakultas Sains dan Teknologi Program Studi Sistem Informasi
iii
PERNYATAAN
iv
ABSTRAK
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.
v
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT, karena atas berkah, rahmat, dan
Service Desk (SASD)” dengan baik. Shalawat serta salam semoga senantiasa
tercurah kepada Nabi Besar Muhammad SAW beserta keluarga, sahabat serta para
dari bantuan berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk dapat
1. Bapak Dr. Agus Salim, S.Ag, M.Si selaku Dekan Fakultas Sains dan
2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem Informasi
Fakultas Sains dan Teknologi dan Ibu Meinarini Catur Utami, MT selaku
penulis selama proses penyelesaian skripsi ini. Terima kasih banyak untuk
yang selalu ada setiap saat, tidak pernah lelah menyemangati penulis,
vi
mengingatkan penulis untuk segera menyelesaikan skripsi ini. Terima kasih
yang positif, arahan yang jelas sehingga penulis bisa menyelesaikan skripsi
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
human diary that will never be replaced, no words can describe how
9. Kakak dan adikku tersayang, Fredy dan Ferry. Terima kasih telah mengisi
kalian akan selalu menjadi saudara dan sahabat terbaik yang mengiringi
vii
10. Kepala divisi PSDM HIMSI UIN Jakarta Periode 2014-2015, yang senyum
11. Sahabat sejak awal dunia perkuliahanku, Prima, Hersy dan Sota. Terima
kasih karena telah menerima penulis apa adanya, selalu ada setiap saat dan
PEDES dan Rangers yang selalu menghibur penulis dengan canda dan
tawanya.
12. My all time favorite girls since elementary school, Disya and Prisal. Thank
13. Teman-teman seperjuangan skripsi yang selalu berbagi ilmu dan banyak
Luqman, Putra, Affan, Faizal, Ryo, Tris, Kamal, Ojan, Ridwan dan lainnya.
14. Seluruh teman-teman Sistem Informasi 2013 yang telah mewarnai dunia
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
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 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 4.6 Hasil Uji Discriminant Validity (Cross Loading Fornell-Lacker’s) .... 88
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
xiii
DAFTAR GAMBAR
Gambar 4.2 Tampilan Utama Service Desk UIN Syarif Hidayatullah Jakarta .... 77
Gambar 4.11 Hasil Analisis Outer Model dengan SmartPLS 3.0 ........................ 89
xiv
DAFTAR LAMPIRAN
xv
BAB I
PENDAHULUAN
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
teknologi harus diterima dan digunakan oleh anggota organisasi sebagai pengguna.
Kemauan pengguna dalam meneriman teknologi merupakan salah satu kunci awal
kegagalan pada penerapan teknologi informasi saat ini lebih karena aspek perilaku
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
informasi (Venkatesh et al., 2003). Model ini merupakan kombinasi dari delapan
Keempat Faktor tersebut dimoderasi oleh faktor jenis kelamin (gender), usia (age),
Studi empiris yang mengadopsi model ini telah banyak dilakukan, dan
besar bagi berbagai kegiatan terkait proses belajar mengajar, administrasi, serta
sebagai media pengenalan dan promosi dari pihak perguruan tinggi terhadap
salah satu perguruan tinggi Islam terbesar di Indonesia yang memiliki visi untuk
menjadi universitas kelas dunia dan universitas riset dengan keunggulan integrasi
2
untuk mewujudkan visi tersebut, terutama bagi Pusat Teknologi Informasi dan
keislaman, dan keindonesiaan”, dengan sasaran mutu atau target sebagai berikut:
Hidayatullah Jakarta.
Dengan sasaran mutu dan visi yang sejalan untuk mendukung visi UIN Syarif
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 hal ini terkait penanganan laporan masalah dari user,
PUSTIPANDA membuat satu sistem yaitu Sistem Aplikasi Service Desk (SASD).
250 226
200
150
100 70
45 40
50 17 13 9
0
Agustus September Oktober
Gambar 1.1 Bagan Data Jumlah Komplain dari User (Pengguna) SASD (Sumber:
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
4
Sebelum terdapat SASD ini seluruh masalah yang dialami oleh user
wawancara awal yang penulis lakukan terhadap beberapa pengguna SASD masih
banyak yang belum mengetahui bagaimana cara menggunakan SASD, contoh lain
memilih cara manual untuk melaporkan masalah, selain itu masih banyak yang
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
Sistem Aplikasi Service Desk (SASD)” studi kasus pada UIN Syarif Hidayatullah
Jakarta.
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
Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai berikut.
(pengguna akhir) dalam penelitian ini yaitu meliputi pegawai, dosen, serta
sistem aplikasi service desk yang dikelola oleh PUSTIPANDA UIN Jakarta.
3.0.
6
1.4 Tujuan dan Sasaran Penelitian
Sebagaimana telah diuraikan pada sub bab sebelumnya, penelitian ini dilakukan
dengan tujuan:
UTAUT
model UTAUT.
adalah:
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
penelitian selanjutnya.
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
behavior.
8
Gambar 1.2 Model Penelitian (diadopsi dari Venkatesh et al., 2003)
Berdasarkan tujuan dan sasaran penelitian yang telah dipaparkan sebelumnya, maka
sebagaimana dapat dilihat pada gambar 1.1, terdapat lima faktor yang diasumsikan
memiliki pengaruh
9
Q1: Ekspektansi kinerja (Performance Expectancy) yang dimiliki oleh
2003) yang terdiri dari enam variabel yaitu, performance expectancy (PE), effort
intention (BI) dan use behavior (UB). Pengumpulan data dilakukan melalui survei
10
terbuka berdasarkan variabel dan indikator pada model UTAUT. Selain itu studi
literatur dan wawancara juga dilakukan peneliti untuk memperkuat latar belakang
Responden pada penelitian ini adalah pengguna Sistem Aplikasi Service Desk
(SASD) yang terdiri dari mahasiswa, pegawai, dan dosen. Sampel diambil dengan
dari suatu populasi secara acak dan berdasar pada strata tertentu (Sugiyono, 2011).
tidak langsung melalui media sosial whatsapp, line dan juga e-mail dengan
menggunakan google forms untuk pengisian kuesioner secara online. Setelah semua
pendekatan PLS-SEM dengan software SmartPLS versi 3.0 (Henseler et al., 2009;
Hair et al., 2011; Yamin dan Kurniawan, 2011; Ghozali, 2015). Selanjutnya
Dalam penyusunan laporan penelitian, pembahasan terbagi dalam lima bab yang
BAB I PENDAHULUAN
11
masalah, tujuan dan sasaran penelitian, manfaat penelitian, hipotesa
BAB V PENUTUP
service desk.
12
BAB II
KAJIAN PUSTAKA
terhadap suatu pokok atas berbagai bagiannya dan penelaahan bagian itu sendiri
Selain itu pengertian lain, analisis adalah kegiatan berfikir dengan tujuan
tanda-tanda komponen, bagaimana hubungannya satu sama lain dan apa saja fungsi
hambatan yang signifikan bagi keberhasilan penerapan suatu sistem informasi baru.
Bahkan pengguna sering tidak mau menggunakan sistem informasi yang telah
keuntungan bagi pengguna tersebut. Oleh karena itu penerimaan pengguna telah
dipandang sebagai salah satu faktor penting dalam menentukan keberhasilan atau
13
2.3 Konsep Dasar Sistem Aplikasi Service Desk
Sistem merupakan satu jaringan kerja yang terdiri dari prosedur-prosedur yang
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
aplikasi merupakan sebuah program yang dibuat dalam sebuah perangkat lunak
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
web memudahkan dalam penyimpanan data di dalam database dan dapat digunakan
14
diakses dengan menggunakan browser tanpa harus menginstall aplikasi tersebut dan
cenderung lebih ringan dan dapat diakses dimanapun, kapanpun selama tersedia
koneksi internet.
Service Desk merupakan suatu unit fungsional yang terdiri dari sejumlah
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
15
2.3.2.1 Struktur Service Desk
SERVICE DESK
END USER
NETWORKING SYSTEM
TELECOMMUNICATION BUSINESS
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
berikut:
16
a. Frontliner
Semua inquiry calls yaitu pelaporan problem dan request oleh user diterima oleh
menyelesaikan problem.
b. Second level
misalnya hardware atau software dekstop. Apabila second level belum dapat
c. Third level
Third level adalah divisi IT yang lain di luar ruang lingkup perusahaan misalnya
2. Service desk dapat mengecek status permasalahan yang ada dan mengatur
17
4. Service desk dapat memberikan laporan kinerja sistem dan perangkat teknologi
Terdapat beberapa teori penerimaan pengguna, berikut dijelaskan pada tabel 2.1
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*
Pada penelitian ini menggunakan model Unified Theory of Acceptance and Use of
Model UTAUT adalah salah satu yang paling komprehensif, kuat, dan up-to-date.
TAM and TPB, model of PC utilization (MPTU), innovation diffusion theory (IDT)
dan social cognitive theory (SCT) yang mencakup elemen-elemen penting dari
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)
Model ini terdiri dari empat variabel independen (performance expectancy, effort
(behavioral intention dan use behavior), serta empat variabel moderator (gender,
20
Tabel 2.2 Konstruk Ekspektansi Kinerja
teknologi, dimana penggunaan sistem dapat mengurangi upaya (tenaga dan waktu)
21
(perceived ease of use) pada TAM. Terdapat tiga konstruk berbeda yang berkaitan
(MPCU), dan kemudahan penggunaan dari teori difusi inovasi (IDT) (Ventakesh,
et al. 2003).
orang lain meyakinkan dirinya bahwa dia harus menggunakan sistem baru. Dalam
3. Gambaran (image).
dalam TRA, TAM, TPB, faktor sosial dalam MPCU, serta citra dalam teori difusi
inovasi (IDT) (Ventakesh, et al. 2003). Moore dan Benbasat (1991) menyatakan
22
pengaruh sosial (social influence) mirip dengan norma subjektif (subjective norm)
pada TAM2.
seseorang percaya bahwa infrastruktur organisasi dan teknis ada untuk mendukung
penggunaan sistem. Triandis (1980). Dalam konsep ini terdapat gabungan variabel-
3. Kompatibilitas (Compatibility).
sebagai tingkat keinginan atau niat pemakai menggunakan sistem secara terus
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
sangat bergantung pada evaluasi pengguna dari sistem tersebut. Jadi, dengan kata
informasi itu baik atau buruk sangat tergantung pada apa yang dirasakan oleh
Pengumpulan data merupakan prosedur yang bersifat sistematis dan standar untuk
1. Kuesioner
24
pengumpulan data dengan kuesioner ini paling umum digunakan dalam
2. Wawancara
3. Observasi
desain eksperimentasi (lab, dan lapangan) dan studi kualitatif. Metode ini
mengungkap data dan informasi sesungguhnya dan data yang digali tersebut
4. Studi Pustaka
Studi pustaka adalah teknik survei terhadap data yang telah ada dengan
25
2.6 Klasifikasi Data
a. Data acak atau data tunggal, merupakan data yang belum tersusun atau
b. Data cross section, merupakan data yang terkumpul pada suatu waktu
26
a. Data primer, merupakan data yang diperoleh atau dikumpulkan oleh
Populasi berasal dari bahasa inggris, yaitu “population” yang berarti jumlah
penduduk. Dalam metode penelitian, kata populasi amat populer dipakai untuk
Populasi penelitian merupakan keseluruhan dari objek penelitian yang dapat berupa
manusia, hewan, tumbuh-tumbuhan, udara, gejala, nilai, peristiwa sikap hidup dan
(Bungin, 2006). Selain itu Menurut Sugiyono (2011) pada bukunya yang berjudul
populasi adalah wilayah generalisasi yang terdiri dari obyek atau subyek yang
populasi saja yang diambil dan dipergunakan untuk menentukan sifat serta ciri yang
27
merupakan bagian penting dalam proses penelitian karena menentukan keakuratan
dan ketepatan penentuan sumber data dan informasi bagi proses analisis dan
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
dari suatu populasi secara acak tanpa ada aturan tertentu untuk memilih.
Merupakan pemilihan sejumlah sampel dari suatu populasi secara acak dan
berdasar pada strata tertentu. Dalam teknik ini dibagi lagi kedalam dua
bagian yaitu:
28
Teknik ini tidak memperhatikan jumlah pada masing-masing strata,
3. Cluster sampling
kepada seluruh unit/entitas dalam suatu populasi terpilih sebagai sampel penelitian.
Terdapat kelemahan pada prosedur penyampelan ini yaitu presisi dan akurasi sulit
a Convenience Sampling
b Purposive Sampling
tujuan penelitian.
c Quota Sampling
tertentu.
29
d Snowball Sampling
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.
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
Selain pilihan dengan lima skala kadang digunakan juga skala dengan tujuh
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
mendapatkan nilai variabel laten untuk tujuan prediksi dan dapat juga digunakan
saat ini PLS-SEM populer digunakan oleh para peneliti dan praktisi, yaitu sebagai
berikut:
dengan konstruk latennya yang bersifat reflektif saja tetapi algoritma PLS
2. PLS dapat digunakan untuk menaksir model path dengan sample size yang
kecil.
atas banyak variabel laten dan manifes) tanpa mengalami masalah dalam
estimasi data.
Selain itu PLS-SEM dapat dipandang sebagai gabungan regresi dan analisis
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
factor diatas 0,7 dapat dikatakan ideal, artinya bahwa indikator tersebut
32
dari setiap indikator. Cronbach’s alpha cenderung menaksir lebih rendah
atas berarti dapat diterima dan diatas 0,8 dan 0,9 berarti sangat
memuaskan.
variabel manifes yang dapat dikandung oleh konstruk laten. Nilai AVE
variabel laten dapat menjelaskan rata-rata lebih dari setengah variance dari
indikator-indikatornya.
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
33
menggunakan metode bootstrapping, effect size (f2), predictive relevance
antar konstruk. Hal ini dapat dilihat dari koefisien jalur (path
konstruk. Path coefficient diuji (β) diuji dengan nilai ambang batas
pengukuran sekitar 0,67 sebagai kuat, sekitar 0,33 moderat, dan 0,19
3. Uji T-test
34
menengah, dan 0,35 untuk pengaruh besar. dihitung dengan
Dimana:
model.
model.
5. Predictive Relevance (𝑄 2 )
diatas nol.
6. Relative Impact (𝑞 2 )
35
pengaruh menengah/sedang, dan 0,35 untuk pengaruh besar. Rumus
Dimana:
model.
model.
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
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
2. Observed Variable
dapat diketahui secara langsung, misalnya dari skor respons subjek terhadap
37
2.10 Penelitian Terdahulu
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
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
Behavioral Intention
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:
Behavioral Intention
40
Behavioural Intention pengguna dalam mengadopsi online
to Use OBS banking service.
41
BAB III
METODOLOGI PENELITIAN
desk (SASD), dan menguji hipotesis terkait dengan faktor-faktor apa saja yang
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
Populasi pada penelitian ini terbagi pada 3 kelompok pengguna yaitu, mahasiswa,
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
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
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.,
Penelitian ini melalui beberapa tahapan yang diawali dengan wawancara untuk
masalah, hingga akhirnya interpretasi hasil dan didapatkan kesimpulan. Gambar 3.1
43
Gambar 3.1 Prosedur Penelitian
Metode pengumpulan data yang digunakan dalam penelitian ini adalah berupa
44
3.4.1 Wawancara
data yang berkaitan dengan penelitian ini. Wawancara dilakukan kepada salah satu
staf PUSTIPANDA dan beberapa pengguna SASD. Berikut kesimpulan hasil yang
literatur ini dilakukan selain sebagai sumber informasi juga sebagai referensi untuk
Berikut beberapa jurnal penelitian sejenis yang telah dilakukan sebelumnya akan
45
Tabel 3.1 Ringkasan Penelitian Sejenis Terdahulu
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
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
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
faktor apa saja yang mempengaruhi penerimaan pengguna terhadap sistem aplikasi
service desk. Kuesioner terdiri dari enam pertanyaan mengenai profil responden, 1
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
kuesioner kepada dua dosen, dua pegawai, dan 26 mahasiswa, tujuannya untuk
51
Tabel 3.2 Daftar Pertanyaan
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
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
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
Setelah semua data terkumpul dilakukan analisis pada penelitian ini, analisis data
dibagi menjadi dua yaitu analisis deskriptif dan analisis inferential. Pertama,
perangkat lunak Ms. Word 2013. Data responden dikelompokkan berdasarkan usia,
jenis kelamin, status pekerjaan, unit kerja, tingkat pendidikan terakhir, latar
inferential untuk menganalisa data dan menguji hipotesis pada penelitian ini dengan
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
(inner model) ini bertujuan untuk melihat hubungan antar variabel laten. Uji inner
model terdiri dari enam tahapan pengujian, yaitu pengujian path coefficient (β),
55
3.6 Model Penelitian dan Pengembangan Hipotesis
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
behavioral intention dan use behavior. Namun pada penelitian ini peneliti tidak
use). Variabel gender (jenis kelamin), age (usia) dan experience (pengalaman)
(wajib) bagi pengguna, sehingga tidak diperlukan pengukuran. Penelitian ini juga
& 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
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.
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)
Model dari penelitian ini (Gambar 1.1) diadopsi dari model penelitian Venkatesh,
et al., (2003), yang terdiri dari 6 variabel yaitu performance expectancy, effort
behavior.
59
H1: Ekspektansi kinerja (Performance Expectancy) yang dimiliki oleh
(behavioral intention).
H3: Faktor sosial (Social Influence) yang dimiliki oleh pengguna berpengaruh
SASD.
Behavior) SASD.
60
BAB IV
PEMBAHASAN
satu unit pelayanan terpadu di UIN Syarif Hidayatullah Jakarta. Cikal bakal
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
Pada tahun 2003 di bagian Sistem Informasi dibentuk sub-sub bagian yang
Surat Keputusan Rektor UIN Syarif Hidayatullah Jakarta, Pusat Komputer atau
61
mengakselerasi pemanfaatan teknologi informasi untuk mendukung visi UIN
Jakarta menjadi world class university. Puskom merupakan metamorfosis dari Sub-
universitas.
pengembangan sistem informasi dan teknologi informasi maka pada akhir tahun
divisi yang ada di dalamnya yaitu yang sebelumnya terdiri dari 3 divisi (Support,
lain:
perguruan tinggi dan / atau badan lain di dalam dan di luar negeri
62
1. Academic Information System (AIS), alamat https://ais.uinjkt.ac.id
perkuliahan, dll
dan kampus 2
dari:
63
1. Meningkatkan performa sistem informasi perguruan tinggi yang innovative,
terdiri dari:
Hidayatullah Jakarta.
Jakarta.
64
4.1.5 Struktur Organisasi PUSTIPANDA
A. Organ Pengelola
B. Fakultas
3. Fakultas Ushuluddin
7. Fakultas Psikologi
C. Sekolah Pascasarjana
D. Biro
65
E. Lembaga
1. Pusat Perpustakaan
telah dipaparkan sebelumnya maka dapat dilihat pada gambar 4.1 secara lebih
66
Gambar 4.1 Struktur Organisasi PUSTIPANDA (www.pustipanda.uinjkt.ac.id)
67
4.1.6 Tugas Pokok dan Fungsi
1. Kepala PUSTIPANDA
PUSTIPANDA.
68
n. Melaksanakan pekerjaan lain untuk kepentingan lembaga yang
ditugaskan pimpinan
2. Staf Administrasi
ditugaskan pimpinan.
UIN baik itu jangka panjang (5 tahun), dan juga jangka pendek (1
tahun).
(persemester)
69
d. Melakukan pembenahan sistem informasi baik itu yang bersifat ad-hock
unit sesuai dengan misi lembaga yaitu membentuk one stop data center
dikembangkan.
Perguruan Tinggi)
ditugaskan pimpinan.
70
b. Melakukan evaluasi berkala terhadap pelaksanaan sistem informasi
(persemester)
unit sesuai dengan misi lembaga yaitu membentuk one stop data center
dikembangkan.
ditugaskan pimpinan.
71
b. Mengendalikan langsung operasionalisasi sistem jaringan di lingkungan
universitas dan seluruh unit yang ada, yaitu: intranet, internet dan
hotspot.
dan intranet
internet
internet
ditugaskan pimpinan.
72
b. Menyusun SOP yang berhubungan dengan masalah jaringan dan
internet
ditugaskan pimpinan.
internet
73
f. Melakukan koordinasi langsung dengan Koordinator Tim IT Security &
ditugaskan pimpinan.
stakeholder
b. Berkoordinasi dengan bidang dan divisi lain dalam hal layanan kepada
stakeholder
ditugaskan pimpinan.
74
9. Staf Bidang IT Support
stakeholder
b. Berkoordinasi dengan bidang dan divisi lain dalam hal layanan kepada
stakeholder
ditugaskan pimpinan.
75
b. Mengelola Website serta media social elektronik lainnya di unit kerja.
lainnya.
ditugaskan pimpinan.
Service desk bermula pada tahun 2013, dimana pada saat itu dikenal dengan help
desk online. Fungsi utamanya sebagai single of point contact yang melayani
sejak tahun 2016 terjadi perubahan penerapan sistem baru yaitu service desk.
Service desk merupakan salah satu produk layanan yang dikelola oleh Pusat
Hidayatullah Jakarta.
Sistem aplikasi service desk (SASD) dapat diakses dengan dua jalur yaitu
76
layanan pada SASD sendiri sifatnya dapat berupa insiden atau request. Terdapat 8
1. E-Campus
2. Email
4. Data Center
7. Development
8. Data
Gambar 4.2 Tampilan Utama Service Desk UIN Syarif Hidayatullah Jakarta
77
4.2 Hasil Analisis
Pada tahap ini peneliti menganalisis jawaban responden pada kuesioner, terkhusus
pada bagian profil responden serta mengenai penggunaan sistem aplikasi service
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
1. Jenis Kelamin
Pada penelitian ini dari jumlah 141 data responden didominasi oleh laki-
Perempuan
43%
Laki-laki
57%
78
2. Usia
besar berada pada rentang usia 17-25 tahun sebanyak 128 responden (91%),
diikuti rentang usia lebih dari 45 tahun sebanyak enam orang (4%),
(3%), dan tiga orang responden dengan rentang usia 26-35 tahun (2%).
2% 3%
4%
17-25
26-35
36-45
91% >45
3. Status Pekerjaan
dosen sebanyak sembilan orang (6%) dan pegawai sebanyak empat orang
dosen.
79
Dosen Pegawai
6% 3%
Mahasiswa
91%
4. Unit Kerja
penelitian ini berasal dari Fakultas Sains dan Teknologi dengan jumlah 43
dan unit kerja lain yang ada di lingkungan UIN Syarif Hidayatullah Jakarta.
FITK
14% PUSTIPANDA
FAH FISIP 1%
3% 8%
FEB FSH
FIDKOM
12% 6%
5%
80
5. Tingkat Pendidikan Terakhir
orang (3%).
S1 S2 S3
3% 3% 3%
SMA
91%
Pada gambar 4.8 dapat dilihat bahwa sebanyak 86 responden (61%) tidak
81
YA
39%
TIDAK
61%
TIDAK
28%
YA
72%
SASD
82
8. Pengalaman Penggunaan Sistem
TIDAK
38%
YA
62%
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,
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
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
84
Tabel 4.2 Hasil Uji Loading Factor Setelah Penghapusan Indikator
Tabel 4.2 menunjukan hasil uji loading factor setelah penghapusan lima
nilai outer loading diatas 0,7 sehingga hasil uji loading factor sudah valid
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
indikator-indikatornya.
Tabel 4.4 Hasil Uji Average Variance Extracted (AVE) dengan SmartPLS
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
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa
Tabel 4.5 Hasil Uji Discriminant Validity (Cross Loading) dengan SmartPLS 3.0
Behavioral Effort Facilitating Performance Social Use
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
dengan membandingkannya dengan nilai akar AVE, dimana nilai akar AVE
lainnya.
Tabel 4.6 menunjukan bahwa nilai akar AVE lebih tinggi daripada
hasil pemeriksaan dua tahap cross loading diketahui bahwa tidak ada
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
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
konstruk. Hal ini dapat dilihat dari koefisien jalur (path coefficient) yang
dilakukan dengan melihat nilai ambang batas yaitu di atas 0,1, dimana jalur
(path) dinyatakan memiliki pengaruh dalam model jika hasil nilai uji path
Hasilnya dari 5 jalur yang ada pada model penelitian ini, seluruhnya
memiliki pengaruh yang signifikan, dapat dilihat pada tabel 4.7 hasil nilai
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel
90
model) dengan standar pengukuran sekitar 0,670 dinyatakan sebagai kuat,
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
3. Uji T-test
91
Tabel 4.9 Hasil Uji T-test dengan SmartPLS 3.0
Melalui tabel 4.9 dapat dilihat hasil uji t-test, dimana seluruh
ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk menengah, dan
sebagai berikut.
Dimana:
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
variabel lainnya dalam model dengan ambang batas pengukuran di atas nol.
Dapat dilihat pada tabel 4.11 bahwa hasil nilai 𝑄 2 dari semua
93
6. Uji Relative Impact (q²)
dengan variabel lainnya dengan nilai ambang batas sekitar 0,02 untuk
pengaruh kecil, 0,15 untuk pengaruh menengah/ sedang, dan 0,35 untuk
sebagai berikut.
Dimana:
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
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
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
sisanya perempuan sebanyak 60 orang (43%). Hal ini terjadi karena pada
langsung (online via google form) responden dengan gender laki-laki lebih
2. Usia
Berdasarkan gambar 4.4 yang ada pada sub bab hasil analisis demografis
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%),
(3%), dan tiga orang responden dengan rentang usia 26-35 tahun (2%). Hal
populasi sebanyak 24.246 yang berada pada rentang usia 17-25 tahun,
96
3. Status Pekerjaan
Berdasarkan gambar 4.5 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini didominasi oleh
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
Berdasarkan gambar 4.6 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini berasal dari
Berdasarkan gambar 4.7 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini sebagian besar
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
Pada gambar 4.8 dapat dilihat bahwa sebanyak 86 responden (61%) tidak
Berdasarkan gambar 4.9 yang ada pada sub bab hasil analisis demografis
diatas, dapat diketahui bahwa responden pada penelitian ini dari jumlah 141
aplikasi service desk (SASD) yaitu sebanyak 102 responden (72%), sisanya
ini menunjukan bahwa sebenarnya SASD sudah cukup dikenal oleh para
pengguna.
98
8. Pengalaman Penggunaan Sistem
Berdasarkan gambar 4.10 yang ada pada sub bab hasil analisis demografis
Model)
terdapat beberapa poin untuk diperhatikan pada tahapan analisis pengukuran model,
yaitu:
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
responden tidak semua dapat dilakukan secara langsung dan didampingi oleh
peneliti (55,3% dilakukan secara online), hal ini memungkinkan adanya salah
instrumen pada penelitian ini (khususnya terkait penggunaan kelima indikator EE2,
FC1, FC2, PE2, dan UB3 yang dihapus). Karena meskipun peneliti telah berusaha
responden, masih terdapat banyak hal yang berada diluar kendali dan ekspektasi
Model)
Pada bagian ini akan disajikan interpretasi dan diskusi berdasarkan hasil 6 tahapan
pengujian yang ada pada analisis struktur model yaitu, pengujian path coefficient
effect size ( ), predictive relevance ( ), dan relative impact (q²). Berikut adalah
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.
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
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
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
2017; Sharma & Kumar, 2012; Sedana & Wijaya, 2010; Sundavarej, 2010; )
101
penggunaan SASD dapat membantu dan mempermudah pengguna dalam
penelitian ini.
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
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
102
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
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
terdahulu yang relevan (Prasetyo, 2017; Rahmi et al., 2017; Pardamean &
sangatlah kuat, hal-hal positif yang disampaikan dari satu pengguna kepada
itu penggunaan SASD dalam proses pelaporan masalah bersifat wajib dari
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
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,
penggunaan SASD, untuk mengakses SASD bisa dilakukan melalui email atau
browser yang ada pada handphone pengguna selain itu pengetahuan yang
Berdasarkan hasil analisis struktur model, yaitu khususnya pada nilai t-test
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).
104
perilaku penggunaan SASD sebenarnya, yang dapat dibuktikan dengan melihat
105
BAB V
5.1 Kesimpulan
Berdasarkan pada hasil penelitian yang telah dilakukan, maka dapat diambil
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.
pada kuesioner indikator tersebut belum cukup tepat. Selain itu luasnya
106
3. Kelima hipotesis pada penelitian ini diterima, yaitu, PE→BI, EE→BI,
penelitian ini sudah memberikan manfaat dan berkontribusi pada beberapa hal
yaitu:
sistem.
107
d. Secara praktis, penelitian ini dapat dijadikan sebagai bahan
kedepannya.
5.2 Saran
108
bahwa penggunaan SASD mudah sejalan dengan variabel effort expectancy,
109
DAFTAR PUSTAKA
Abdillah, Willy dan Jogiyanto. (2015). Partial Least Square (PLS) Alternatif
Structural Equation Modeling (SEM) dalam Penelitian Bisnis. Ed.1.
Yogyakarta: ANDI
Bendi, R. J., & Aliyanto, A. (2014). Analisis Pengaruh Perbedaan Gender pada
Model UTAUT. Seminar Nasional Teknologi Informasi & Komunikasi
Terapan 2014 (SEMANTIK 2014).
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).
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
114
LAMPIRAN
SK Bimbingan Skripsi
Surat Ijin Penelitian
Surat Keterangan Penelitian
Kuesioner Penelitian
Hasil Data Pre-Test
Hidayatullah Jakarta
Dengan Melihat nilai outer loading pada tabel dibawah ini, semua indikator
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:
Diuji melalui analisis perbandingan cross loading dengan nilai kuadrat AVE juga
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
Q: Bagaimana sejarah awal mula penerapan system aplikasi service desk (SASD)?
A: Awal mulanya itu dengan adanya help desk online pada tahun 2013 namun
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
servicedesk@uinjkt.ac.id.
A: Sama, pengguna dari SASD ini ada mahasiswa, pegawai dan dosen. Untuk
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
A: Masih menjadi tantangan bagi kami untuk lebih mengenalkan SASD kepada
masalah mereka secara manual. Dari situ baru kami arahkan untuk
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
A: Ya, tahu.
A: Ya, pernah.
masalah dengan layanan TI di UIN Jakarta, seperti AIS dan e-mail kampus,
A: Ya, ada. Kadang proses penyelesaian masalah cukup lama dan tampilannya
Q: Apakah kamu merasa puas dan akan terus menggunakan SASD untuk
A: Ya, cukup puas. Saya akan menggunakan SASD karena lebih efektif dan
efisien.
A: Ya, tahu.
A: Tidak pernah
A: Tidak, menurut saya lebih cepat apabila melaporkan masalah secara langsung
A: Ya, tahu.
A: Ya, pernah.
A: Ya, proses pengaduan masalah menjadi lebih cepat dan responnya juga cepat,
menggunakannya, karena tidak ada petunjuk, tapi karena saya terbiasa dengan
Q: Apakah kamu merasa puas dan akan terus menggunakan SASD untuk
.
Responden : Ahmad Fadhil (Mahasiswa)
A: Tidak tahu.
Q: Apakah kamu merasa ada manfaat yang kamu dapatkan apabila menggunakan
SASD?
A: Ya, ada. Karena dengan menggunakan SASD saya tidak perlu menghabiskan
A: Ya, tahu.
A: Ya, pernah.
SASD saya bisa menghemat waktu saya dalam melakukan pengaduan masalah
A: Tidak ada.
Q: Apakah kamu merasa puas dan akan terus menggunakan SASD untuk
A: Saya puas dan akan menggunakan SASD setiap melakukan pengaduan masalah