Machine Translated by Google

Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335

Daftar isi tersedia di ScienceDirect

Teknologi Informasi dan Perangkat Lunak

beranda jurnal: www.elsevier.com/loc/infsof

Menyelidiki hubungan antara kepribadian dan iklim tim yang tangkas dari para
profesional perangkat lunak di perusahaan telekomunikasi
Sai Datta Wisnubhotlaÿ , Emilia Mendes, Lars Lundberg
BTH - Blekinge Tekniska Högskola, Swedia

info artikel abstrak

Kata kunci: Konteks: Penelitian sebelumnya menemukan bahwa kinerja sebuah tim tidak hanya bergantung pada komposisi kepribadian tim, namun juga
Ciri-ciri kepribadian pada efek interaktif dari iklim tim. Meskipun penyelidikan terhadap kepribadian yang terkait dengan pengembangan perangkat lunak telah
Iklim tim
menjadi bidang penelitian aktif selama beberapa dekade terakhir, penelitian yang berkaitan dengan iklim tim masih sangat terbatas.
Korelasi
Regresi
Pengembangan perangkat lunak yang tangkas Tujuan: Penelitian kami menyelidiki hubungan antara ciri-ciri kepribadian model lima faktor (keterbukaan terhadap pengalaman, kesadaran,
ekstraversi, keramahan, dan neurotisme) dan faktor-faktor yang terkait dengan iklim tim (visi tim, keamanan partisipatif, dukungan untuk
inovasi, dan orientasi tugas) dalam konteks tim tangkas yang bekerja di perusahaan telekomunikasi.

Metode: Survei digunakan untuk mengumpulkan data tentang karakteristik kepribadian dan persepsi iklim tim dari 43 anggota dari delapan tim
agile. Data awalnya digunakan untuk analisis korelasi; kemudian, model regresi dikembangkan untuk memprediksi ciri-ciri kepribadian yang
berkaitan dengan persepsi iklim tim.

Hasil: Kami mengamati korelasi positif yang signifikan secara statistik antara keterbukaan terhadap pengalaman dan dukungan terhadap
inovasi (r = 0,31). Selain itu, kesesuaian diamati berkorelasi positif dengan iklim tim secara keseluruhan (r = 0,35). Lebih lanjut, dari model
regresi, kami mengamati bahwa ciri-ciri kepribadian menyumbang kurang dari 15% variasi dalam iklim tim.

Kesimpulan: Kemampuan seseorang dalam mudah bergaul dengan anggota tim (agreeableness) mempunyai pengaruh positif yang signifikan
terhadap tingkat persepsi iklim tim. Hasil dari analisis regresi kami menunjukkan bahwa data lebih lanjut mungkin diperlukan, dan/atau ada
faktor manusia lainnya, selain ciri-ciri kepribadian, yang juga harus diselidiki sehubungan dengan hubungannya dengan iklim tim. Secara
keseluruhan, hubungan yang diidentifikasi dalam penelitian kami kemungkinan besar dapat diterapkan pada organisasi dalam domain
telekomunikasi yang menggunakan metodologi scrum untuk pengembangan perangkat lunak.

1. Perkenalan tugas. Beberapa keterampilan seperti memecahkan masalah, berinteraksi dengan

Pengembangan perangkat lunak skala besar merupakan aktivitas pemecahan
masalah yang rumit yang memerlukan kerja sama dan koordinasi beberapa
orang dengan latar belakang yang beragam [1]. Ketika organisasi mengembangkan
sistem intensif perangkat lunak yang kompleks, individu harus bekerja dalam tim.
Tim kolaboratif telah diamati mengungguli anggota individu dengan berkontribusi
terhadap pemecahan masalah yang cepat [2]. Namun, sekadar membentuk tim
dengan menyatukan orang-orang tidak menjamin bahwa mereka akan berfungsi
sebagai tim yang efektif [3]. Oleh karena itu, keberhasilan suatu proyek tidak
hanya bergantung pada aspek teknis tetapi juga pada kesesuaian seseorang
dalam suatu tim [4].
Saat bekerja dalam tim, orang diharapkan menunjukkan keterampilan
metodologis, sosial dan kreatif untuk melaksanakan proyek terkait
rekan satu tim dan membuat keputusan dipengaruhi oleh ringkasan beberapa
komponen seperti sikap, kemampuan, kebiasaan dan praktik individu [5].
Kepribadian juga merupakan salah satu faktor yang dianggap penting untuk
menjelaskan penilaian dan keputusan yang diambil oleh orang-orang yang terkait
dengan aktivitas pengembangan perangkat lunak [6].
Dalam Rekayasa Perangkat Lunak (SE), pengaruh kepribadian pada kerja
tim telah menjadi area yang banyak diteliti sejak empat puluh tahun terakhir
[7,8,9,10]. Sejak manifesto tangkas diterbitkan pada tahun 2001, jumlah artikel
yang menyelidiki kepribadian insinyur perangkat lunak dan pengaruhnya
mengalami peningkatan. Hal ini terlihat dari tren penelitian kepribadian, dimana
lebih dari 70% penelitian dalam empat dekade terakhir dipublikasikan setelah
tahun 2002 [11]. Dalam konteks Agile Software Development (ASD), tenaga kerja
dianggap sebagai sumber utama

ÿ Penulis koresponden.
Alamat email: sai-datta.vishnubhotla@bth.se (SD Vishnubhotla).

https://doi.org/10.1016/j.infsof.2020.106335 Diterima pada

26 Juni 2019; Diterima dalam bentuk revisi 3 Maret 2020; Diterima 6 Mei 2020 0950-5849/© 2020 Elsevier BV
Semua hak dilindungi undang-undang.
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
kelincahan [12] dan adopsi cepat metodologi tangkas di seluruh dunia
berbagai organisasi [13,14] meningkatkan kebutuhan akan keterampilan individu dan
interpersonal [15].
Penelitian dalam membangun tim dalam bidang psikologi sosial menunjukkan bahwa
serangkaian faktor mempengaruhi kinerja tim. Kepribadian
Faktor-faktor tersebut secara tradisional dianalisis sebagai bagian dari penyelidikan
hubungan antara kepribadian anggota tim dan karakteristik tugas
[16,17]. Namun, kemudian terungkap bahwa kinerja tim tidak dapat diprediksi secara
pasti dari komposisi kepribadian tim dan tugas
karakteristiknya saja, namun bergantung pada efek interaktifnya
karakteristik iklim tim [18,19].
Iklim tim adalah topik yang jarang diteliti di SE [20,21].
Ini menekankan pada persepsi bersama antar anggota tim mengenai kebijakan dan
praktik organisasi [22]. Dibandingkan dengan
kelompok kerja di domain lain, sifat tugas dan aktivitas dalam tim pengembangan
perangkat lunak berbeda. Jadi, iklim tim untuk tim perangkat lunak mungkin sangat
berbeda dari iklim tim kerja lainnya
[21]. Persepsi bersama dalam tim perangkat lunak tidak hanya mempengaruhi
hubungan pribadi dalam tim, tetapi juga mempengaruhi kinerja organisasi, kualitas
perangkat lunak yang dikembangkan dan kepuasan
anggota dalam tim [20,23,24].
Terbatasnya penelitian dalam mengeksplorasi hubungan antara karakteristik
kepribadian dan iklim tim dalam konteks perangkat lunak
pengembangan [21], ditambah dengan kebutuhan kolaborator industri kami akan
menyelidiki faktor-faktor yang dapat berkontribusi terhadap iklim yang lebih baik di dalamnya
tim mereka, memotivasi kami untuk melakukan penelitian ini.
Oleh karena itu, penelitian ini bertujuan untuk mengetahui hubungan antara
Ciri-ciri kepribadian Five Factor Model (FFM) dan persepsi iklim dalam tim perangkat
lunak. Sebuah survei dilakukan dengan dukungan
kolaborator industri kami, sebuah perusahaan telekomunikasi besar yang berlokasi di
Swedia. Anggota dari delapan tim tangkas berpartisipasi dalam survei ini dan
data yang diperoleh digunakan untuk analisis korelasi untuk menyelidiki
hubungan antara ciri-ciri kepribadian dan faktor iklim tim;
data selanjutnya digunakan untuk mengembangkan model regresi untuk memprediksi
faktor iklim tim.
Investigasi semacam itu membuka kemungkinan bagi para manajer untuk memahami
profil kepribadian para profesional, persepsi iklim
anggota dari berbagai tim dan bagaimana faktor-faktor ini berhubungan satu sama lain.
Pengetahuan tersebut tidak hanya dapat menunjang mereka dalam mengambil keputusan sementara
mengalokasikan orang ke tim tetapi juga membantu mereka dalam memperkuat tim
dengan mengembangkan strategi untuk mengkonfigurasi tim. Terlebih lagi, itu akan terjadi
mungkin untuk memulai tindakan balasan untuk memperbaiki iklim di dalamnya
tim.
Sehubungan dengan kontribusi temuan kami terhadap penelitian, hasil analisis
korelasi kami memberikan sedikit pencerahan pada hubungan tersebut.
antara kepribadian dan iklim tim anggota yang mengadopsi praktik tangkas dalam domain
telekomunikasi. Lebih jauh lagi, hasil dan diskusi dari analisis regresi kami dapat
membantu memberikan wawasan mengenai faktor-faktor tambahan mana yang mungkin
dapat mempengaruhi iklim tim.
Pada dasarnya, temuan dari penelitian ini dapat menjadi titik awal
menuju sarana untuk memprediksi iklim tim dan juga dapat berguna untuk
pengambilan keputusan saat mengalokasikan orang ke tim.
Sisa dari makalah ini disusun sebagai berikut: Bagian 2 menjelaskan pekerjaan
terkait kepribadian dan iklim tim di SE,
Bagian 3 menyajikan rincian metodologi penelitian,
Bagian 4 merangkum hasil korelasi dan regresi
analisis. Di Bagian 5, kami menyajikan ancaman terhadap validitas penelitian ini
dan di Bagian 6, kami membahas temuan-temuan utama dari hasil kami dan
implikasinya terhadap teori dan praktik. Terakhir, Pasal 7 menyatakan
kesimpulan penelitian ini.
2. Pekerjaan terkait
2.1. Penelitian kepribadian dalam rekayasa perangkat lunak
Studi terkait kepribadian sebelumnya menunjukkan bahwa kepribadian seseorang
karakteristik kepribadian berpengaruh signifikan terhadap perilaku seseorang [25]. Al-
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
meskipun sebagian besar orang berpendapat bahwa jenis perilakunya berbeda-beda
situasi yang berbeda, tampaknya ada pola konsistensi yang nyata dalam perilaku mereka
[26]. Melakukan tes psikometri dengan
dukungan kuesioner kepribadian dapat membantu dalam menangkap
perilaku individu yang tidak bergantung pada konteks. Misalnya saja di dalam
SE, angket digunakan untuk menggali soft skill personel dan
untuk menugaskan mereka ke pekerjaan yang tepat. Kuesioner juga digunakan untuk mengeksplorasi
ciri-ciri kepribadian manajer proyek untuk mempelajari bagaimana pengaruh sifat-sifat ini
perilaku kepemimpinan dan kepuasan tim [27].
Sebuah studi pemetaan yang mengamati empat puluh tahun penelitian tentang
kepribadian di SE [11] mengungkapkan bahwa Myers-Brigg Type Indicator (MBTI) dan
tes berdasarkan FFM berada di urutan teratas di antara tes yang banyak digunakan. Catatan
bahwa teori tipe kepribadian Jung mengarah pada perkembangan MBTI
[28] dan FFM didasarkan pada serangkaian lima dimensi luas, yang sering disebut
sebagai “Lima Besar” [29]. Oleh karena itu, menurut kami, teori Jung
tipe kepribadian dan “Lima Besar” bisa dibilang merupakan cikal bakal MBTI
dan FFM masing-masing.
Namun, sejak akhir tahun 1980-an, MBTI mulai dipertanyakan
penelitian dalam bidang psikologi [9]. Dimensi penilaian/persepsi nampaknya lemah dan
ada kekhawatiran terkait dengan pengukuran kualitatif terhadap tipe-tipe yang berbeda
[30]. Lebih lanjut, MBTI dikritik
memiliki beberapa keterbatasan yang meliputi validitas konstruk dan tes-tes ulang
reliabilitas, yang berpotensi menimbulkan bias saat menafsirkan hasil [31,32].
Sebaliknya, dengan struktur konstruk dan keandalannya yang jelas [33],
perspektif FFM disarankan sebagai alternatif yang lebih dapat diandalkan [9].
FFM dilaporkan sebagai taksonomi yang sangat berguna untuk mengklasifikasikan skala
kepribadian dan model tersebut dianggap cukup mewakili skala kepribadian utama.
perbedaan antar individu [34,35]. Ada juga bukti dari para psikolog dan peneliti di dunia
akademis, di antaranya FFM dianggap valid dan dapat diandalkan [36,37], dan diterima
secara luas, dinilai
dan digunakan [35,38,39,40]. Popularitas FFM semakin terlihat dari
konsensus yang berkembang di kalangan peneliti kepribadian yang terdiri dari FFM
dari taksonomi kepribadian yang kuat [35,41,42].
2.2. Model lima faktor dan instrumen terkait
FFM menyediakan struktur yang mengkategorikan dimensi perbedaan kepribadian
manusia. Ini mencirikan lima kepribadian luas
sifat-sifat:
1) Keterbukaan terhadap pengalaman mewakili karakteristik individu seperti
menikmati petualangan dan pengalaman baru. Individu yang berkemampuan tinggi
keterbukaan terhadap pengalaman cenderung bersifat intelektual dan kreatif, dan manusia
rendahnya keterbukaan terhadap pengalaman cenderung praktis dan konservatif
[26,43,44,45].
2) Conscientiousness berkaitan dengan orientasi prestasi seseorang. Individu yang
memiliki conscientiousness tinggi cenderung terorganisir dengan baik, pekerja keras dan
menyelesaikan tugas secara menyeluruh; di sisi lain
Di sisi lain, kesadaran yang rendah berhubungan dengan sifat-sifat negatif seperti impulsif
dan tidak teratur [26,43,44,45].
3) Ekstraversi berhubungan dengan tingkat energi sosial dan keaktifan seseorang.
Individu yang sangat ekstrover cenderung mudah bergaul dan
keluar. Sedangkan orang yang kurang ekstrovert cenderung pendiam
dan tenang [26,43,44,45].
4) Agreeableness adalah ukuran kelembutan, kegotongroyongan, dan kehangatan seseorang.
Individu yang memiliki sifat mudah setuju (agreeableness) yang tinggi cenderung melakukan hal yang sama
bersikap simpatik dan kooperatif. Sedangkan individu yang berkecukupan
Agreeableness cenderung tidak kenal kompromi dan kurang peduli dengan kebutuhan
orang lain [26,43,44,45].
5) Neurotisisme berkaitan dengan keadaan kestabilan emosi seseorang. Seseorang
yang kurang neurotik cenderung tampil percaya diri dan tenang.
Sedangkan orang yang sangat neurotik cenderung merasa cemas dan tidak aman
[26,43,44,45].
Di antara banyak instrumen yang dikembangkan untuk mengoperasionalkan FFM,
NEO Five-Factor Inventory (NEO-FFI) adalah instrumen yang terkenal.
instrumen [39,42,46,47]. Costa dan McCrae [48] mengembangkan yang lain
instrumen terkenal bernama Revisi NEO Personality Inventory
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
(NEO-PI-R) untuk mengukur 30 aspek kepribadian. Namun, baik NEO-FFI dan NEO-PI-R
adalah instrumen berpemilik [40] yang memerlukan pelatihan
serta lisensi untuk digunakan [49].
2.3. Dominasi IPIP dalam penelitian kepribadian
Kumpulan Item Kepribadian Internasional (IPIP) tersedia secara gratis
kumpulan item dan skala untuk psikometri berdasarkan kerangka FFM
[50]. Skala IPIP memiliki beberapa manfaat, seperti memberikan skor numerik untuk setiap
faktor, sehingga memfasilitasi analisis statistik terperinci.
Lebih lanjut, mereka tidak memerlukan penilai berlisensi [30].
Salah satu ukuran kepribadian awal yang akan diciptakan dari IPIP
adalah inventaris 300 item Goldberg [51], yang dirancang untuk mengukur konstruksi yang
serupa dengan yang dinilai oleh NEO PI-R [52]. Untuk
dengan mudah mengelola inventaris Goldberg di Web, Johnson menciptakan a
versi inventaris dan mulai merujuk pada inventaris Goldberg sebagai
IPIP-NEO [53]. Instrumen otomatis seperti itu jauh lebih efisien
dibandingkan dengan instrumen berbasis kertas [50].
Dalam studi validitas komparatif [53], diamati bahwa IPIP-NEO memprediksi perilaku
yang berhubungan dengan kesehatan lebih baik daripada NEO PI-R. Namun karena
panjang persediaan IPIP-NEO (300 item) lebih banyak
dibandingkan NEO PI-R asli (240 item), kurang nyaman untuk mengintegrasikan inventaris
ini dengan ukuran psikologis lainnya
[53]. Kemudian, inventarisasinya disederhanakan dan beberapa varian yang lebih kecil
diciptakan, yang dapat diterima secara psikometrik dan praktis
berguna [54].
Berbagai varian IPIP digunakan dalam penelitian yang berkaitan dengan berbagai hal
topik dalam SE seperti, pemrograman berpasangan [40,43,55], efektivitas tim
[56,57], alokasi proses perangkat lunak [58], karakteristik kepribadian insinyur perangkat
lunak [59], perilaku dan preferensi [6,49,60,61,62,63,64]
dan kinerja individu [65].
Feldt dkk. [6] melakukan penelitian untuk menyelidiki apakah pandangan dan
sikap insinyur perangkat lunak dapat dikaitkan dengan kepribadian mereka. Secara total,
47 profesional dari sepuluh pengembangan perangkat lunak Swedia yang berbeda
perusahaan menanggapi survei Web, di mana kepribadian para profesional juga dievaluasi
menggunakan tes kepribadian IPIP 50 item. Itu
penulis mengidentifikasi bahwa tingkat ekstraversi yang lebih tinggi dikaitkan dengan
kinerja yang lebih efisien ketika bekerja sesuai dengan rencana proyek, dan
tingkat keterbukaan terhadap pengalaman yang lebih tinggi dikaitkan dengan preferensi
mengambil tanggung jawab untuk keseluruhan proyek.
Chao dan Atli [55] berpendapat bahwa mitra dalam pemrograman berpasangan
harus dipilih berdasarkan ciri-ciri kepribadian ini. Dalam studi mereka, mereka
pertama kali mensurvei programmer dari industri untuk mengidentifikasi apa yang dirasakan
ciri-ciri kepribadian penting untuk pemrograman berpasangan, dan berdasarkan ini
ciri-cirinya, mereka dengan cermat memilih pertanyaan dari IPIP yang relevan.
Pertanyaan-pertanyaan ini selanjutnya digunakan dalam eksperimen yang melibatkan
mahasiswa sarjana, yang bertujuan untuk menentukan pentingnya ciri-ciri kepribadian
dalam pemrograman berpasangan yang sukses. Para penulis melaporkan kecocokan itu
pemrogram berdasarkan tingkat keterbukaan pikiran mereka dapat menghasilkan
kode kualitas lebih tinggi.
Çelikten dan Çetin [58] mengemukakan bahwa penting untuk menetapkan
orang yang tepat ke posisi yang tepat untuk menciptakan tim perangkat lunak yang produktif.
Mereka menggunakan terjemahan bahasa Turki dari 50 item IPIP untuk menyelidikinya
bagaimana peran pengembangan produk dapat ditetapkan berdasarkan kepribadian dan
keterampilan peran. Survei ini diberikan kepada para profesional yang bekerja di
perusahaan perangkat lunak skala menengah. Total responden berjumlah 88 orang, 51
orang pengembang perangkat lunak dan 37 orang analis sistem.
Dengan mencocokkan tipe kepribadian dan peran proyek, penulis mengamati
keterbukaan terhadap pengalaman menjadi tipe kepribadian yang paling dominan bagi semua
peran proyek.
Kanij dkk. [59] menggunakan 50 item tes IPIP untuk menyelidiki kepribadian
profil 200 praktisi, yang mencakup sekelompok besar perangkat lunak
penguji bersama dengan sekelompok orang yang terlibat dalam peran lain. Survei
diberikan di media sosial dan tanggapannya kemudian diambil sampelnya
memilih sendiri berdasarkan pengetahuan dan relevansi. Para penulis membandingkan
profil kepribadian kelompok-kelompok tersebut di atas untuk menentukan signifikansi
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
tidak bisa persamaan dan perbedaan. Mereka menemukan perbedaan yang signifikan
antara penguji perangkat lunak dan pengembang lain dalam hal sifat hati-hati. Penguji
perangkat lunak mendapat skor jauh lebih tinggi dibandingkan yang lain
pengembang.
Dalam studi eksplorasi tentang praktik kerja, keyakinan dan kepribadian
sifat-sifat, Smith dkk. [60] melakukan survei elektronik kepada 3.000 karyawan Mi-crosoft
dan 797 di antaranya menjawab. Dalam survei ini, mereka menggunakan
inventaris IPIP 50 item untuk menilai ciri-ciri kepribadian insinyur.
Selanjutnya, mereka mengeksplorasi hubungan antara ciri-ciri kepribadian dan
praktik kerja dan keyakinan mereka. Para penulis tidak menemukan perbedaan kepribadian
yang signifikan antara pengembang dan penguji; dan manajer dulu
diamati teliti dan ekstravert.
Murukannaiah dkk. [63] menyelidiki bagaimana kepribadian dan kreatif
potensi individu mempengaruhi tugas perolehan kebutuhan. Penulis menggunakan
kuesioner IPIP versi mini yang berisi 20 item untuk menyelidikinya
pengaruh ciri-ciri kepribadian seseorang terhadap kreativitasnya
gagasan dan pengaruh orang lain terhadap gagasannya. Mereka menemukan itu
potensi kreatif dan dua ciri kepribadian: keterbukaan terhadap pengalaman dan
conscientiousness mempunyai pengaruh positif signifikan terhadap kebaruan
ide-ide individu. Selanjutnya, sehubungan dengan kegunaan ide-ide individu, ciri-ciri
kepribadiannya adalah keramahan dan kehati-hatian.
diidentifikasi memiliki pengaruh positif yang signifikan. Sedangkan extraversion terpantau
mempunyai pengaruh negatif yang signifikan.
Dalam studi lanjutan, penulis yang sama membahas tentang crowd-acquired
kumpulan data yang berisi persyaratan dan peringkatnya, serta kunci yang diuraikan
tantangan yang terlibat dalam otomatisasi Crowd RE, sebuah jalan untuk terlibat
masyarakat umum dalam berbagai tugas rekayasa persyaratan. Penulis menggunakan
mini IPIP 20 item untuk menilai ciri-ciri kepribadian pekerja,
yang informasinya dalam kumpulan data sangat penting untuk memahami
kebaruan dan kegunaan persyaratan [66].
Rincian varian IPIP digunakan di berbagai penelitian
dengan subjek yang direkrut dan topik penelitian yang diselidiki disajikan pada Tabel 1.
Berbagai penelitian menggunakan IPIP untuk menyelidiki karakteristik kepribadian di
kalangan siswa dalam konteks pembelajaran SE/ilmu komputer. Beberapa penelitian
tersebut antara lain, memahami pengaruh
kepribadian pada gaya pemrograman [67], menyelidiki hubungan
antara kinerja, temperamen dan kepribadian [65], mengeksplorasi
perubahan dalam evaluasi kepribadian diri dan teman sejawat [56], menyelidiki
hubungan antara karakteristik kepribadian dan efektivitas belajar [61], meneliti betapa
berbedanya suasana hati dan kesadaran
dapat mempengaruhi keputusan pelaporan kesalahan [64], menyelidiki pengaruhnya
komposisi kepribadian tim pada pembelajaran individu dan efektivitas tim [57] dan
menyelidiki apakah ada perbedaan dalam kepribadian
profil selama aktivitas berpasangan berdampak pada kinerja akademik [40,43].
Meskipun versi awal IPIP [51] dirancang untuk mengukur
konstruksi serupa dengan yang dinilai oleh 30 skala faset dalam NEO PI-R, tidak ada satu
pun versi inventaris IPIP yang lebih pendek yang berisi 20, 50
dan 100 item, kuat dalam mencakup berbagai aspek.
Artinya, versi yang lebih pendek ini tidak dapat mengukur enam aspek yang terkait
dengan masing-masing dari lima domain luas [53]. Dengan demikian, versi lain dari IPIP-
NEO yang secara valid dan andal dapat mewakili lima domain luas
bantuan 120 item dikembangkan.
2.4. Penelitian iklim tim dalam rekayasa perangkat lunak
Tim biasanya dibentuk dengan mempertimbangkan peran dan sosial yang berbeda
aspek interaksi. Iklim tim dapat didefinisikan sebagai persepsi bersama
dalam tim sehubungan dengan prosedur kerja tim, praktik dan
perilaku anggota [22]. Penelitian sebelumnya dalam bidang sosial
Psikologi menyarankan bahwa persepsi iklim dikaitkan dengan berbagai hasil pada tingkat
individu, kelompok, dan organisasi seperti pekerjaan
kepuasan, kinerja pekerjaan individu dan kinerja tim [24].
Meskipun terdapat beberapa pengujian standar seperti kuesioner iklim organisasi,
instrumen iklim layanan Schneider,
Inventarisasi Seleksi Tim (TSI) dan Inventarisasi Iklim Tim (TCI)
Machine Translated by Google

SD Vishnubhotla, E. Mendes dan L. Lundberg Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335

Tabel 1
Rincian studi di mana IPIP digunakan.

Jenis Studi mata pelajaran Varian instrumen Topik penelitian

[6] Praktisi perangkat lunak IPIP (50 item) Perilaku dan preferensi
[40] Siswa IPIP (120 item) Pemrograman berpasangan
[43] Siswa IPIP (120 item) Pemrograman berpasangan
[55] Praktisi perangkat lunak dan mahasiswa IPIP Pemrograman berpasangan
[56] Siswa IPIP (50 item) Konvergensi kepribadian
[57] Siswa IPIP Kinerja tim dan pembelajaran
[58] Praktisi perangkat lunak IPIP (50 item) Alokasi proses perangkat lunak
[59] Praktisi perangkat lunak IPIP (50 item) Karakteristik kepribadian insinyur perangkat lunak
[60] Praktisi perangkat lunak IPIP (50 item) Keyakinan insinyur perangkat lunak dan karakteristik kepribadian
[61] Siswa IPIP (50 item) Efektivitas pembelajaran tim
[63] Praktisi perangkat lunak IPIP (20 item) Pengaruh kepribadian terhadap kreativitas
[64] Siswa IPIP (20 item) Pengaruh kepribadian terhadap keputusan pelaporan kesalahan
[65] Siswa IPIP (50 item) Kinerja individu
[67] Siswa IPIP (50 item) Pengaruh kepribadian pada gaya pemrograman dan kinerja individu
[66] Praktisi perangkat lunak IPIP (20 item) Pengaruh kepribadian terhadap kreativitas

Meja 2
Rincian studi di mana TCI digunakan.

Jenis Studi mata pelajaran Instrumen Topik penelitian

[19] Praktisi perangkat lunak TCI (14 item) Faktor-faktor yang mempengaruhi keberhasilan kinerja tim lintas budaya
[20] Siswa TCI (38 item) Pengaruh kepribadian dan iklim tim terhadap kualitas dan kepuasan produk
[24] Siswa TCI (36 item) Pengaruh iklim tim terhadap kualitas produk perangkat lunak
[71] Praktisi perangkat lunak TCI (38 item) Pengaruh saling ketergantungan tugas dan keadilan prosedural terhadap iklim tim
[72] Praktisi perangkat lunak TCI (38 item) Pengaruh ciri-ciri kepribadian terhadap iklim tim dan kinerja tim
[73] Praktisi perangkat lunak TCI (38 item) Pengaruh virtualitas pada iklim tim dan kinerja peran ekstra tim

yang menguji dimensi iklim tim, hanya instrumen TSI dan TCI yang merupakan inventaris juga dianggap sebagai kepribadian. Rincian penelitian ini disajikan
psikometrik yang mempertimbangkan kepribadian, kemampuan mental, dan opini sebagai berikut:

seseorang untuk menilai preferensi iklim tim dan persepsi iklim tim [24].
Dalam studi ini, target kami adalah mengeksplorasi iklim sebenarnya
tim kerja yaitu untuk menyelidiki apa anggota dari tim yang berbeda
memikirkan cara menangani segala sesuatunya dalam tim masing-masing.
Penelitian terbaru di SE telah banyak menggunakan model empat faktor untuk tim
iklim [21]. Meskipun terdapat versi TCI dengan lima faktor, analisis faktor eksplorasi
yang dilakukan oleh Chatzi dan Nikolaou [68] menunjukkan
bahwa solusi empat faktor harus diadopsi, bukan lima faktor
satu. Jadi, untuk penelitian ini, kami memilih untuk melanjutkan dengan instrumen TCI
dibandingkan dengan TSI, yang dapat diterapkan dalam konteks berbeda.
iklim kerja tim yang disukai atau ideal [18].
Instrumen TCI dirancang untuk menguji teori empat faktor
iklim [22] telah menunjukkan sifat psikometrik yang konsisten secara berulang
validasi [69,70]. Teori ini menekankan pada empat faktor yang berbeda
yang dianggap penting untuk fungsi tim yang efektif dan kecenderungan untuk berinovasi
[22]. Yaitu, visi tim, keamanan partisipatif, tugas
orientasi dan dukungan terhadap inovasi.
Visi tim mencakup gagasan tentang hasil yang bernilai dan merupakan ukuran
seberapa jelas sebuah tim mendefinisikan tujuannya. Faktor keamanan partisipatif
merupakan faktor psikologis yang membuat orang lebih termotivasi ketika mereka
dijadikan bagian dari proses pengambilan keputusan. Ini menargetkan apa yang
dirasakan masing-masing anggota tim sehubungan dengan tingkat kepercayaan di dalamnya
tim sambil mengekspresikan pendapat dan ide mereka. Faktor orientasi tugas
terhubung dengan tingkat upaya yang dilakukan tim melalui berbagi dan
mengevaluasi ide, untuk mencapai keunggulan. Dukungan untuk inovasi
Faktor ini memeriksa sejauh mana individu dalam tim berbagi ide mengenai cara-cara
baru dalam melakukan tugas yang dapat membawa perbaikan dalam pekerjaan.
lingkungan [22,71]. Dalam SE, inventaris TCI telah digunakan
dalam konteks yang berfokus pada kualitas perangkat lunak [20,24], kepuasan anggota
tim [20] dan kinerja tim [19,72]. Detail varian TCI
2.4.1. Studi menyelidiki iklim tim tanpa fokus pada kepribadian
Untuk menentukan faktor-faktor yang mempengaruhi keberhasilan kinerja
tim lintas budaya, Sumner dan Molka-Danielsen [19] dilakukan
survei Web yang terutama menargetkan para profesional yang memiliki pengalaman
sebelumnya bekerja dengan tim TI global. Penulis menggunakan 14 item TCI versi
pendek dan mengumpulkan tanggapan dari 47 responden
ke negara-negara yang berbeda. Dengan mengamati hubungan antar iklim tim
faktor (variabel independen) dan kinerja tim (variabel dependen), penelitian ini
melaporkan bahwa faktor iklim tim dapat membedakannya
tim yang berkinerja tinggi dari tim yang berkinerja rendah.
Ganesh dkk. [71] menyelidiki peran saling ketergantungan tugas dan
keadilan prosedural dalam mempengaruhi iklim dalam pengembangan perangkat lunak
tim. Data dikumpulkan dari 33 tim pengembangan perangkat lunak yang
tersebar di 5 organisasi berbeda. Penulis mengamati dampak positif dari saling
ketergantungan tugas pada iklim tim dan prosedural
keadilan berdampak positif pada keamanan partisipatif dan dukungan terhadap inovasi.
Dalam penelitian lain Ganesh dkk. [73] menyelidiki pengaruh virtual pada iklim tim
dengan dukungan 125 anggota tim
kepada 25 tim pengembangan perangkat lunak. Penulis mengelola instrumen TCI
beserta instrumen lainnya untuk mengukur indeks virtualitas,
saling ketergantungan tugas dan perilaku kewarganegaraan organisasi. Hasil
menunjukkan bahwa virtualitas berdampak negatif terhadap visi tim dan sifat keselamatan
partisipatif. Namun, saling ketergantungan tugas diamati sebagai a
penentu penting iklim tim.
Acuña dkk [24] meneliti iklim kerja di antara 35 siswa
bekerja dalam tim pengembangan perangkat lunak. Mereka menyelidiki apakah
iklim tim ada hubungannya dengan kualitas produk perangkat lunak dan pengamatan
bahwa persepsi keselamatan partisipatif yang tinggi dari tim secara signifikan
terkait dengan perangkat lunak yang lebih baik.

dipekerjakan di berbagai penelitian bersama dengan jenis subjek yang direkrut

dan topik penelitian yang diselidiki disajikan pada Tabel 2. 2.4.2. Studi menyelidiki iklim tim dengan fokus pada kepribadian
Melihat berbagai topik penelitian yang diselidiki oleh penelitian sebelumnya (lihat Tinjauan literatur sistematis (SLR) terbaru [21] yang meneliti
Tabel 2), kita dapat melihat bahwa ada penelitian yang menyelidiki iklim tim tetapi tidak pengaruh kepribadian terhadap iklim tim dan kinerja dilaporkan
berfokus pada kepribadian dan hal-hal lain yang bahwa tidak ada pekerjaan signifikan yang diidentifikasi sehubungan dengan kepribadian dan
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
iklim tim. Penulis SLR ini secara eksplisit menyatakan bahwa memang ada
penelitian yang sangat terbatas berkaitan dengan mengidentifikasi komposisi kepribadian
apa yang menghasilkan iklim tim yang lebih baik. Setelah memeriksa daftarnya lebih dekat
referensi yang disertakan dalam SLR ini (backward snowballing), kami perhatikan
sebuah studi yang memeriksa iklim dan kepribadian tim, seperti yang dijelaskan
Berikutnya.
Acuna dkk. [20] menganalisis hubungan antara kepribadian,
iklim tim, kualitas produk dan kepuasan dalam tim yang dibentuk
di kalangan mahasiswa sarjana. Kepribadian diselidiki menggunakan
Data iklim NEO-FFI dan tim dikumpulkan menggunakan instrumen TCI.
Namun, ciri-ciri kepribadian Lima Besar dan faktor iklim tim
dari model empat faktor dianggap sebagai variabel independen
dan kualitas perangkat lunak yang dikembangkan dan kepuasan tim
anggota dianggap sebagai variabel dependen. Oleh karena itu, mereka melakukannya
tidak menyelidiki apakah ada hubungan antara iklim tim
dan kepribadian individu.
Untuk mengidentifikasi studi tambahan yang menyelidiki hubungan antara iklim tim
dan kepribadian, kami juga telah meninjaunya
penelitian yang mengutip SLR yang disebutkan di atas [21] (forward-snowballing
melalui Google Cendekia). Teknik bola salju diulangi hingga no
penelitian yang lebih relevan dapat ditemukan. Hal ini menyebabkan identifikasi
dua penelitian, seperti yang diuraikan selanjutnya.
Shameem dkk. [74] membahas kerangka kerja untuk menghubungkan dimensi
kepribadian FFM dengan ciri-ciri TCI untuk mencapai kinerja tim yang efektif. Dalam
penelitian ini, mereka berusaha mengaitkan dimensi kepribadian
untuk mengelompokkan faktor-faktor iklim hanya berdasarkan asumsi teoretis tanpa asumsi apa pun
bukti pendukung dari literatur atau data. Meskipun bagian dari mereka
pekerjaan di masa depan menyatakan bahwa mereka akan memvalidasi model mereka, tanpa model apa pun
mendukung bukti empiris, mereka menyatakan bahwa anggota tim yang teliti dan eks-
trovert merupakan komposisi kepribadian-iklim terbaik.
tion.
Soomro dkk. [72] menyelidiki hubungan antara kepribadian
sifat, iklim tim, dan kinerja tim. Ciri-ciri kepribadian diukur menggunakan tes kepribadian
IPIP-NEO 120 item dan instrumen TCI digunakan
digunakan untuk mengukur iklim tim. Penulis mengumpulkan tanggapan dari
36 profesional dengan memberikan kuesioner kepada karyawan yang bekerja
di perusahaan terkait TI. Setelah analisis, penulis mengamati hubungan positif yang
signifikan antara sifat kepribadian ekstraversi dan
iklim tim. Namun, beberapa pengalaman profesional kurang
lebih dari satu tahun dilaporkan sebagai ancaman terhadap validitas hasil mereka. Mereka
lebih lanjut disebutkan secara eksplisit tentang perlunya mendengarkan suara para
profesional yang berpengalaman.
Sehubungan dengan studi Soomro dkk. [72], penulis mengumpulkan informasi
kepribadian dan iklim tim dari orang-orang yang sepenuhnya tidak terlibat.
yaitu responden yang tidak tergabung dalam tim yang sama, dan dari organisasi yang
berbeda. Dalam konteks ini, analisis kolektif terhadap kepribadian dan tim
skor iklim dari orang-orang yang berbeda tidak menghasilkan koherensi yang konkrit baik
di tingkat tim maupun di tingkat organisasi.
Mengingat pentingnya kepribadian anggota tim dan lainnya
kemampuan dalam membawa ketangkasan dalam proses pengembangan [4,75],
mengeksplorasi hubungan antara ciri-ciri kepribadian dan faktor iklim tim
dengan mendengarkan suara anggota tim akan sangat membantu dalam melakukan reformasi
aktivitas manajemen, seperti rutinitas alokasi tugas dan strategi pemilihan tim.
Kebutuhan untuk memahami secara rinci hubungan antara ciri-ciri kepribadian dan
iklim tim, dan kurangnya penelitian di bidang ini memotivasi kami untuk melakukan
penelitian ini. Rincian penelitian kami disajikan selanjutnya,
di Bagian 3.
3. Metodologi
Studi ini berfokus pada menyelidiki hubungan antara kepribadian dan iklim tim
profesional yang bekerja dalam tim tangkas
sebuah organisasi pengembangan perangkat lunak. Untuk ini, ciri-ciri kepribadian
dari FFM digunakan sebagai variabel independen dan sifat-sifat yang dimilikinya
untuk TCI sebagai variabel dependen. Selain empat variabel dependen
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
Tabel 3
Variabel independen dan dependen untuk penelitian empiris ini.
Variabel independen (Kepribadian) Variabel dependen (Iklim tim)
Neurotisisme Keamanan partisipatif
Ekstraversi Dukungan untuk inovasi
Keterbukaan terhadap pengalaman Visi tim
Keramahan Orientasi tugas
Kehati-hatian IPTC
mampu, sebuah variabel yang menggabungkan Persepsi Iklim Tim Individu
(IPTC) juga digunakan dan rinciannya disajikan di Bagian 4.1.2.
Variabel independen dan dependen dalam penelitian ini dirangkum
pada Tabel 3.
3.1. Konteks penelitian
Studi ini didorong oleh kebutuhan kolaborator industri kami, a
perusahaan telekomunikasi besar yang berlokasi di Swedia yang menyediakan layanan
telekomunikasi global dan solusi multimedia. Penelitian kami saat ini telah dilaksanakan
bekerja sama dengan divisi yang mengembangkan pengisian daya intensif perangkat lunak
dan sistem penagihan untuk jaringan seluler. Divisi ini menampung banyak tim tangkas
yang mematuhi praktik scrum untuk pengembangan perangkat lunak. Kita
sumber kontak dalam organisasi ini adalah dua profesional senior di
peran pemilik produk, peran pengambilan keputusan strategis, di mana satu
Salah satu tanggung jawabnya adalah perekrutan anggota ke dalam tim.
3.2. Instrumen pengumpulan data
Untuk melihat ciri-ciri kepribadian individu
anggota tim dan memahami persepsi mereka tentang iklim tim, kami
memerlukan mekanisme pengumpulan data yang mengumpulkan opini langsung
dan persepsi beberapa anggota tim. Oleh karena itu, untuk penelitian ini, kami
memilih untuk mengumpulkan data kuantitatif melalui survei dengan menggunakan
kuesioner sebagai instrumen pengumpulan data.
Feldt.et.al [6] merekomendasikan bahwa tes psikometri yang memiliki variabel hasil
yang bernilai nyata dan berkesinambungan harus lebih diutamakan karena memungkinkan
analisis statistik bernuansa [67]. Jadi, untuk mengumpulkan karakteristik kepribadian, kami
menggunakan tes kepribadian IPIP-NEO. Kuesioner ini menjadi tuan rumah
total 120 item yang mencakup lima aspek kepribadian dan
setiap item dijawab dengan skala Likert lima poin mulai dari “sangat
tidak akurat” hingga “sangat akurat”.
Untuk memahami persepsi iklim tim, kami menggunakan kuesioner TCI. Jumlah total
item di TCI adalah 38 dan semuanya mencakup
empat faktor iklim tim yang berbeda. Setiap item dalam TCI dinilai berdasarkan a
skala dari 1 (sangat tidak setuju/sedikit) hingga 3 (netral/sampai sedang) hingga 5 (sangat
setuju/sangat setuju).
Selain kedua kuesioner tersebut, kami juga menyertakan formulir persetujuan untuk
mematuhi prinsip etika. Oleh karena itu, keikutsertaan dalam penelitian ini bersifat sukarela
dan penandatanganan formulir persetujuan mewakili verifikasi kesediaan seseorang untuk
berpartisipasi dalam penelitian penelitian ini. Formulir tersebut berisi informasi tentang
penelitian secara keseluruhan,
yang mencakup tujuan penelitian, potensi manfaat, penyimpanan dan pemrosesan data,
hak peserta dan tanggung jawab kami
tim peneliti. Selain itu, kami juga mengajukan pertanyaan untuk mengkarakterisasi subjek
seperti email, usia, jenis kelamin, negara, peran, dan ID tim.
3.3. Teknik pengumpulan data
Setelah pemilik produk menunjukkan perlunya penyelidikan
faktor-faktor yang mempengaruhi iklim tim, pertemuan berikutnya diselenggarakan dengan
mereka, di mana tujuan keseluruhan dari penelitian bersama dengan apa
jenis informasi yang akan dikumpulkan disajikan. Nanti produknya
pemilik mengeluarkan persetujuan formal untuk melaksanakan survei di organisasi mereka
dan kemudian memilih subjek berdasarkan ketersediaan dan pekerjaan mereka
load (Catatan: tim tidak dihubungi langsung oleh peneliti). Di dalam
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
Tabel 4
Distribusi usia responden.
Kelompok usia Jumlah profesional
21 - 25 tahun 8 (18,60%)
26 - 30 tahun 31 7 (16,28%)
- 35 tahun 7 (16,28%)
36 - 40 tahun 5 (11,63%)
41 - 45 tahun 13 (30,23%)
46 - 50 tahun 1 (2,33%)
51 - 55 tahun 2 (4,65%)
Secara total, pemilik produk menghubungi delapan tim tangkas berbeda yang bekerja
bersama mereka dan mengundang setiap anggota tim untuk berpartisipasi dalam survei.
Ketika pemilik produk ditanyai tentang sifat dari
tim, diindikasikan bahwa kedelapan tim tersebut bersifat statis yaitu sama
anggota dari sebuah tim bekerja bersama dalam beberapa sprint. Jadi, dengan
pengalaman bekerja dalam tim yang sama, kami percaya itu masing-masing
subjek akan mengembangkan tingkat kesadaran tertentu yang memungkinkan
mereka untuk merefleksikan tingkat iklim tim yang mereka rasakan.
Kami telah menyelenggarakan serangkaian empat sesi untuk berinteraksi dengan
delapan tim. Untuk menginformasikan tujuan keseluruhan penelitian ini kepada subjek dan
untuk menjelaskan bagaimana hasil penelitian ini dapat bermanfaat,
setiap sesi diawali dengan presentasi. Selama presentasi ini,
subjek diberitahu tentang tujuan penelitian, dan jenisnya
informasi akan dikumpulkan.
Selain informasi pada kuisioner, materinya lebih lanjut
diberitahu bahwa semua data yang dikumpulkan dari kuesioner akan
dianonimkan dan diyakinkan bahwa datanya tidak akan dapat diakses oleh siapa pun
orang dari organisasinya, termasuk dua produk yang berkolaborasi
pemilik. Subjek juga diberitahu bahwa mereka berpartisipasi dalam survei ini
bersifat sukarela. Setelah mengungkapkan informasi lengkap tentang penelitian tersebut,
fase selanjutnya dari setiap sesi difokuskan pada penyerahan salinan
formulir informed consent.
Sepasang kuesioner tersebut diserahkan kepada subjek yang
setuju untuk berpartisipasi dalam survei kami. Untuk mengatasi masalah non-respon, kami
memilih untuk menyebarkan kuesioner dalam bentuk cetak. Sejak
batasan waktu yang dikenakan pada survei dapat membatasi tingkat respons [76],
semua subjek diberitahu untuk mengisi tanggapan sesuai kecepatan mereka sendiri
dan setidaknya dua anggota tim peneliti kami hadir pada saat itu
setiap sesi untuk menjawab pertanyaan apa pun mengenai kuesioner dan
studi secara keseluruhan. Misalnya, bahasa Inggris bukanlah bahasa ibu
sebagian besar subjek, dan kedua kuesioner dalam bahasa Inggris, yang kami miliki
terkadang menjelaskan arti kata-kata.
Masing-masing pasangan kuesioner IPIP-NEO dan TCI diserahkan kepada
subjek ditandai dengan pengidentifikasi peserta unik (P1, P2, dll.).
Pengidentifikasi ini selanjutnya digunakan dalam formulir persetujuan yang menampung demo-
pertanyaan grafis. Setelah mengumpulkan tanggapan dari setiap subjek,
formulir persetujuan diisolasi dari kuesioner lain dan disimpan secara terpisah. Demi
penyimpanan digital dari data yang dikumpulkan, pisahkan data
formulir entri dibuat untuk menampung informasi demografis dan survei
tanggapan. Kutipan dari formulir-formulir ini dapat ditemukan pada Tabel A (demografi),
Tabel B (tanggapan survei: IPIP-NEO) dan Tabel C (survei
tanggapan: TCI), dalam Lampiran.
Jawaban atas item kuesioner dianggap valid hanya jika semuanya
bidang dalam kuesioner IPIP-NEO dan TCI telah terjawab. Kapan pun
item yang belum terjawab dalam kuesioner diperhatikan, item tersebut diperhatikan
dikirim sebagai email ke subjek dan mereka diminta untuk menunjukkannya
tanggapan mereka.
3.4. Subyek
Sebanyak 43 profesional perangkat lunak setuju untuk berpartisipasi dalam survei ini.
Perlu dicatat bahwa ini adalah jumlah total anggota
delapan tim tangkas yang diundang untuk berpartisipasi dan dengan demikian, tingkat
respons survei adalah 100%. Di antara 43 responden, 37 adalah laki-laki (86,05
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
Tabel 5
Peran profesional perangkat lunak.
Peran Jumlah profesional
Desainer 2 (4,65%)
Pimpinan Desain 3 (6,98%)
Pimpinan Tes 3 (6,98%)
Pemilik Produk 6 (13,95%)
Pengembang Perangkat Lunak 29 (67,44%)
%) dan enam sisanya adalah perempuan (13,95%). Berkenaan dengan usia responden,
kami mengamati bahwa terdapat para profesional yang termasuk dalam berbagai kelompok
usia yang berkisar antara 20 hingga 55 tahun. Mayoritas responden
berusia 41-45 tahun (30,23%), diikuti oleh kelompok relatif muda
tenaga profesional yang berada pada kelompok umur 21-25 tahun (18,60%).
Tabel 4 menampilkan sebaran usia pada seluruh sampel responden.
Melihat peran yang diambil oleh sampel responden, memang demikian
mengamati bahwa lebih dari separuh subjek berperan sebagai pengembang perangkat
lunak (67,44%). Selain pengembang perangkat lunak, sisanya
profesional memegang berbagai peran yang beragam dalam organisasi.
Tabel 5 menampilkan jumlah responden di setiap peran.
Ketika responden diminta untuk menunjukkan negara yang mereka rasakan
sebagian besar tergolong, mayoritas (31 dari 43) responden merasakan hal tersebut
mereka berasal dari Swedia (68,88%), diikuti oleh India (4,65%), Ukraina
(4,65%), Lithuania (2,32%), Ethiopia (2,32%), Skotlandia (2,32%), Roma-nia (2,32%),
Inggris (2,32%), Turki (2,32%), Rusia (2,32%) dan Iran
(2,32%). Keberagaman ini membawa perspektif budaya yang berbeda-beda
penelitian kami.
3.5. Analisis data
Tanggapan masing-masing subjek (dari Tabel B di Lampiran) dimasukkan
ke dalam instrumen IPIP-NEO versi online, yang membandingkan respons dengan Data
Kepribadian Referensi (RPD) dan menghasilkan laporan naratif individu dengan skor
numerik untuk setiap ciri kepribadian.
Pedoman untuk menafsirkan skor IPIP-NEO [77] menetapkan hal ini
skor numerik berbentuk perkiraan persentil dan dihasilkan setelah disesuaikan dengan
usia dan jenis kelamin. Belakangan ini, persentil
perkiraan dari instrumen IPIP-NEO juga telah digunakan untuk berbagai analisis (perbedaan
individu [78], korelasi [79], regresi
[80]) dalam bidang Psikologi [79,78] dan E-learning [80].
Skor untuk setiap ciri kepribadian berkisar antara 0 hingga 99, dengan 0 mewakili skor
terendah dan 99 mewakili skor tertinggi. Jadi, misalnya,
skor "60" untuk suatu sifat berarti bahwa tingkat seseorang pada sifat tersebut diperkirakan
lebih tinggi dari 60% orang dari usia dan jenis kelamin yang sama. Itu
Laporan naratif IPIP-NEO selanjutnya mengklasifikasikan seseorang ke dalam sifat rendah,
rata-rata, atau tinggi berdasarkan apakah skor seseorang kira-kira
pada 30% terendah, 40% menengah, atau 30% tertinggi dari skor yang diperoleh
orang-orang di RPD dengan jenis kelamin dan usia yang sama. Kategorisasi yang sama
selanjutnya akan digunakan di Bagian 4.1 untuk menganalisis skor kepribadian.
Di sisi lain, TCI memiliki skala respons lima poin, dimana
skor yang lebih tinggi menunjukkan iklim tim yang lebih diinginkan atau lebih baik [22,81].
Skor untuk masing-masing dari empat faktor iklim tim dihitung
dengan merata-ratakan skor yang diberikan untuk semua pertanyaan yang terkait dengan a
sifat [20,81]. Misalnya, pertimbangkan kasus di mana seseorang ditugaskan
skor untuk semua 11 pertanyaan yang terkait dengan visi tim. Ini, orangnya
tingkat visi tim yang dirasakan dihitung dengan merata-ratakan skor
dari 11 pertanyaan. Perhitungan seperti itu, seperti yang dilaporkan dalam penelitian
sebelumnya, mempertahankan skala lima poin asli bahkan ketika jumlahnya
item bervariasi dari satu sifat ke sifat lainnya [81]. Tabel D dan Tabel E pada Lampiran
masing-masing menggambarkan bagaimana skor kepribadian dan iklim tim
diselenggarakan untuk penelitian ini.
Teknik statistik berikut digunakan dalam penelitian ini untuk menganalisis:
menganalisis data yang dikumpulkan [82]:
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
1 Analisis deskriptif: Analisis ini merangkum kepribadian dan
karakteristik iklim tim yang diamati di delapan tim.
2 Analisis korelasi: Analisis ini menyajikan hubungan-hubungan
antara ciri-ciri kepribadian serta faktor iklim tim (interkorelasi). Selain itu, analisis
juga berfokus pada hubungan antara ciri-ciri kepribadian dan faktor iklim tim.
3 Analisis regresi: Analisis ini berfokus pada memperkirakan hubungan antar
variabel dengan memeriksa variabel mana yang merupakan prediktor signifikan
terhadap variabel terikat.
4. Hasil
Bagian ini menyajikan hasil analisis statistik kami. Di dalam
Dalam penelitian ini, kami menggunakan bahasa pemrograman R dan lingkungan perangkat
lunak statistik untuk analisis kami.
4.1. Analisis deskriptif
Distribusi perkiraan persentil subjek untuk setiap kepribadian
sifat, yang dihasilkan dari analisis online tes IPIP-NEO, disajikan
pada Tabel 6. Variasi skor mata pelajaran juga dapat dilihat pada
plot kotak-dan-kumis yang ditunjukkan pada Gambar 1, yang skornya juga dikategorikan
sebagai rendah, rata-rata, dan tinggi (sehubungan dengan RPD), seperti yang disajikan
dalam laporan narasi IPIP-NEO. Gambar 1 menunjukkan bahwa distribusi
skor tidak menampilkan poin yang tidak lazim (outlier). Ini menunjukkan
bahwa tidak ada subjek yang skor kepribadiannya tidak sesuai pola
menggambarkan sebagian besar skor lainnya.
Melihat sebaran skor pada lima ciri, dari
Gambar 1, kita dapat melihat tingkat keterbukaan terhadap pengalaman dan
neurotisisme rendah pada kasus lebih dari 25% subjek (kelompok kuartil 1 dan
sebagian kelompok kuartil 2). Padahal, tingkatan
extraversion, kehati-hatian dan keramahan diamati
Tabel 6
Distribusi skor ciri-ciri kepribadian.
Ciri kepribadian Berarti Median Standar deviasi CV (%)
Extraversion 52.116 54 Agreeableness 57.744 58
24.180
Conscientiousness 62.697 67 Neuroticism 39.279 38 23.838
Keterbukaan terhadap Pengalaman 39.116 41 26.228
24.680
20.067
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
Gambar 1. Skor ciri-ciri kepribadian.
rendah pada kurang dari 25% subjek (sebagian kelompok kuartil 1). Kami
juga dapat melihat tingkat ekstroversi menjadi rata-rata hampir 50%.
subjek (rentang interkuartil). Selanjutnya plot pada Gambar 1 dengan jelas
menunjukkan tingkat ekstraversi, kehati-hatian, dan keramahan
menjadi tinggi di lebih dari 25% subjek (sebagian kelompok kuartil
3 dan kelompok kuartil 4). Yang lebih penting lagi, kita dapat melihat tingkat yang tinggi
kehati-hatian dalam hampir 50% subjek (kelompok kuartil
3 dan kelompok kuartil 4).
Melihat ukuran tendensi sentral seperti terlihat pada Tabel 6 dan
Pada Gambar 1 terlihat bahwa secara keseluruhan sampel subjek memiliki
tingkat rata-rata dari masing-masing lima ciri kepribadian, jika dibandingkan dengan
orang dengan jenis kelamin dan usia yang sama. Jadi, kita bisa memahami sampel itu
para profesional tidak hanya menikmati menghabiskan waktu bersama orang lain tetapi juga menikmati waktu
kesenangan menghabiskan waktu sendirian (ekstraversi rata-rata). Mereka peduli
terhadap kebutuhan orang lain namun umumnya tidak mau berkorban
tanggung jawab seseorang (kesesuaian rata-rata).
Kita dapat lebih memahami bahwa para profesional pandai dalam perencanaan
dan pengorganisasian, dan mengejar tujuan mereka dengan tekad (kesadaran rata-
rata). Tingkat reaktivitas emosional para profesional
tampaknya merupakan hal yang umum terjadi pada masyarakat umum (seperti pada RPD) dan mereka dapat,
secara umum, mengatasi situasi yang membuat frustrasi (neurotisme rata-rata). Itu
Data menunjukkan bahwa meskipun para profesional menikmati pekerjaan rutin, mereka
masih cenderung mencoba hal-hal baru (rata-rata keterbukaan terhadap pengalaman)
[45].
Kita dapat melihat asimetri dalam distribusi kepribadian
skor ciri-ciri dari plot kotak-dan-kumis yang disajikan pada Gambar 1
asimetri lebih jelas terlihat dari nilai mean dan median yang dilaporkan
pada Tabel 6. Dalam kasus ekstraversi, keramahan, kehati-hatian
dan keterbukaan terhadap distribusi pengalaman, nilai rata-rata dari skor
lebih kecil dari median, menunjukkan bahwa distribusinya negatif
miring. Sehubungan dengan skewness, semakin besar skewness negatifnya, maka semakin tinggi
adalah kesesuaian antara skor yang didistribusikan di atas median. Di kami
sampel subjek, skor sifat kehati-hatian menunjukkan kecondongan negatif tertinggi,
diikuti oleh keterbukaan terhadap pengalaman, ekstraversi
dan keramahan. Di sisi lain, neurotisme adalah satu-satunya ciri kepribadian yang
distribusi skornya tidak seimbang. Jadi, di
Dalam kasus neurotisisme, terdapat kesesuaian yang lebih tinggi di antara skor-skor tersebut
terletak di bawah median.
46,39%
41,28% Sedangkan skor di setiap distribusi bervariasi dari rendah hingga tinggi (lihat
41,83% Gambar 1), pemeriksaan terhadap kecondongan distribusi menunjukkan pola umum
62,83% di semua ciri kepribadian, yaitu adanya lebih banyak ciri kepribadian.
51,30%
homogenitas pada sisi karakteristik positif suatu sifat (catatan: for
Machine Translated by Google

SD Vishnubhotla, E. Mendes dan L. Lundberg Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335

Gambar 2. Skor faktor iklim tim.

neurotisisme, sisi sifat positifnya tidak seperti sifat lainnya. Lebih rendah faktor iklim yang skornya hampir terdistribusi secara simetris
skor neurotisme, semakin besar keadaan kestabilan emosi a dan penyebaran skor di sekitar rata-rata juga lebih kecil.
orang). Skor iklim tim sampel kami (lihat Tabel 7 dan Gambar 2) lebih lanjut menunjukkan
Selain itu, untuk setiap distribusi skor ciri-ciri kepribadian, kami bahwa rata-rata dan median keselamatan partisipatif adalah
juga menghitung Koefisien Variasi (CV) (lihat Tabel 6). CV adalah sebuah relatif tinggi dan dukungan terhadap inovasi relatif rendah.
ukuran dispersi relatif terhadap rata-rata suatu distribusi dan merupakan ukuran tanpa Secara keseluruhan, pengamatan ini menunjukkan bahwa sampel profesional merasa
dimensi yang memungkinkan perbandingan beberapa distribusi bahwa suasana tim mereka menyediakan forum yang aman untuk menghasilkan ide-ide
dengan satuan pengukuran yang berbeda [83]. CV untuk skor neurotisme di mana pandangan setiap anggota tim kemungkinan besar diakui (keamanan partisipatif
dapat dilihat lebih tinggi daripada distribusi lainnya dan ini menunjukkan bahwa, untuk tinggi).
neurotisme, tingkat penyebaran skor di sekitar
rata-ratanya lebih besar daripada distribusi lainnya. Dibandingkan dengan neurotisisme,
dalam hal keterbukaan terhadap pengalaman, dispersi di sekitar
4.1.1. Agregasi data
rata-ratanya berkurang sekitar 11,5% dan dalam kasus ekstraversi,
Karena dasar konseptual TCI menekankan pada “persepsi bersama” dalam unit
dispersinya berkurang sebesar 16,4%. Sedangkan untuk keduanya, kesesuaian
kerja, maka skor dari masing-masing subjek akan dijumlahkan.
dan kehati-hatian, penyebaran di sekitar mean sangat menonjol
hingga tingkat tim diperlukan untuk mewakili pandangan tim secara keseluruhan. Itu
serupa.
data yang dikumpulkan dari anggota tim yang sama memberikan kelayakan untuk
Sehubungan dengan faktor iklim tim, kita dapat melihat adanya asimetri di seluruh tim
menganalisis karakteristik tingkat tim. Karakteristik tingkat tim seperti itu memungkinkan
distribusi skor, tidak hanya dari plot kotak-dan-kumis yang disajikan pada Gambar 2,
perbandingan sifat-sifat di berbagai tim. Demi mengamati karakteristik tingkat tim, sifat-
namun juga dari nilai rata-rata dan median yang dilaporkan pada
sifat harus dikumpulkan dalam tim
Tabel 7. Dalam hal skor keamanan partisipatif, kita dapat melihatnya dengan jelas
tingkat. Namun, harus ada kesepakatan antar subjek dari tim yang sama
menunjukkan bahwa distribusi skor sangat condong ke arah negatif
didemonstrasikan sebelum menggabungkan skor tingkat individu [84].
kesesuaian yang lebih tinggi di antara skor yang didistribusikan di atas median. Hampir
Ada banyak indeks kesesuaian/reliabilitas yang dibahas dalam literatur, seperti
50% skor untuk faktor keamanan partisipatif dapat dilihat dengan baik
statistik Kappa, Koefisien Korelasi Intra-kelas (ICC)
di atas 4,5 (median), dan CV sebesar 12,47% (lihat Tabel 7) lebih lanjut menginformasikan
dan Koefisien Korelasi Konkordansi (CCC) [85]. Sedangkan Kappa
kami bahwa terdapat lebih sedikit dispersi skor di sekitar mean.
statistik dilaporkan lebih cocok untuk menilai kesepakatan dalam
Skor orientasi tugas dan dukungan terhadap inovasi juga
Dalam hal data ordinal, CCC dilaporkan berguna ketika mengevaluasi kesepakatan
condong secara negatif tetapi, condong yang lebih kecil dapat terlihat jika dibandingkan
antara penilai yang berpasangan (hanya dua). Di sisi lain
untuk keselamatan partisipatif. Namun jika membandingkan nilai CV untuk keduanya
Di sisi lain, ICC secara tradisional digunakan untuk menilai kesepakatan antara beberapa
orientasi tugas dan dukungan terhadap inovasi, kita dapat mengamati bahwa dispersi
penilai [86,87] dan kami memperhatikan bahwa ICC juga digunakan dalam
skor di sekitar rata-rata sedikit lebih tinggi jika dibandingkan
studi SE sebelumnya untuk mengamati kesepakatan antara penilai dalam konteks ciri
untuk keselamatan partisipatif. Di sisi lain, visi tim adalah satu-satunya tim
kepribadian dan faktor iklim tim [20,24]. Dengan demikian,
penggunaan ICC sepertinya cocok dengan konteks kita.

Indeks ICC(1) membandingkan varians antar kelompok dan

Tabel 7 intra-kelompok [20]. Semakin tinggi indeks ICC(1), semakin besar variansnya
Distribusi skor faktor iklim tim. pada tingkat individu yang dapat diatribusikan kepada tim terkait [20,88]. Misalnya, indeks
ICC(1) sebesar 0,40 untuk suatu sifat menyiratkan bahwa 40% variansnya
Faktor iklim tim Rata-rata Median Standar deviasi CV (%)
dalam pemeringkatan sifat suatu subjek dapat dijelaskan berdasarkan tim
Visi 4.004 Orientasi tugas 4.098 Dukungan 4 0,485 12,11% keanggotaan. Secara umum, indeks ICC(1) di atas 0,20 membenarkan agregasi
terhadap inovasi 3.858 Keamanan 4.142 0,607 14,81%
[20,24,89]. Namun uji parametrik seperti koefisien korelasi ICC dan Pearson, didasarkan
partisipatif 4.298 3.875 0,586 15,18%
pada asumsi bahwa data mengikuti a
4.5 0,536 12,47%
distribusi normal. Jadi, sebelum menghitung indeks ICC, asumsinya
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
normalitas harus diuji untuk skor ciri-ciri kepribadian dan tim
faktor iklim.
4.1.1.1. Uji normalitas. Untuk memastikan apakah data menunjukkan penyimpangan
yang serius dari normalitas, penting untuk mencari normalitas,
baik secara visual dengan menggunakan plot normal atau dengan uji signifikansi [90].
Sehubungan dengan uji signifikansi, meskipun Kolmogorov-Smirnov
(KS) tes sangat populer untuk menguji normalitas, telah dilaporkan
bahwa tes Shapiro-Wilk memberikan kekuatan yang lebih baik, (kekuatan terkait dengan
kemampuan tes untuk mendeteksi apakah suatu sampel berasal dari sesuatu yang tidak normal
distribusi) dibandingkan uji KS. Ghasemi dan Zahediasl [90] melaporkan hal itu
beberapa peneliti merekomendasikan tes Shapiro-Wilk sebagai pilihan terbaik
untuk menguji normalitas data. Jadi, dalam penelitian kami, kami telah menggunakan
Uji Shapiro-Wilk untuk penilaian normalitas dengan menetapkan levelnya
signifikansi hingga 0,01 ( = 0,01), dengan cara yang sama seperti yang dilakukan pada SE lainnya
studi (misalnya: [91,92,93]).
Sehubungan dengan skor ciri-ciri kepribadian, tes Shapiro-Wilk
menunjukkan bahwa semua sifat memenuhi distribusi normal. Itu adalah,
untuk sifat ekstraversi (p = 0,032), teliti (p = 0,015),
kesesuaian (p = 0,080), neurotisisme (p = 0,111) dan keterbukaan terhadap
pengalaman (p = 0,282), skornya berdistribusi normal. Selanjutnya, di
Sehubungan dengan faktor iklim tim, kami mengamati bahwa skor untuk keselamatan
partisipatif (p = 0,007) menyimpang secara signifikan dari distribusi normal, namun
skor pada kasus lainnya, seperti, visi tim
(p = 0,344), orientasi tugas (p = 0,051) dan dukungan inovasi
(p = 0,055), diamati berdistribusi normal.
4.1.2. Agregasi menggunakan Koefisien Korelasi Intra Kelas
Berdasarkan hasil uji Shapiro-Wilk diperoleh indeks ICC(1).
dihitung berdasarkan skor ciri-ciri kepribadian dan faktor iklim tim yang ditemukan
berdistribusi normal. Dalam sampel kami saat ini, indeks ICC(1) dari semua ciri
kepribadian berada di bawah 0,20.
ambang. Jadi, skor kepribadian tersebut tidak dapat dikumpulkan ke dalam tim
tingkat. Sedangkan untuk iklim tim, kecuali yang berkaitan dengan dukungan terhadap
sifat inovasi, indeks yang terkait dengan dua sifat lainnya berada di atas
ambang batas (visi tim (0,21), orientasi tugas (0,43)). Jadi, untuk masing-masing
dari kedua sifat tersebut, agregasinya dilakukan dengan mengambil rata-ratanya
skor peserta tim.
Beberapa penelitian terdahulu yang meneliti hubungan antara iklim tim dengan
aspek lainnya tidak hanya melihat pada keempat tim saja
faktor iklim, tetapi juga memperhitungkan total skor TCI, yang
dihitung dengan menggabungkan skor semua item dalam kuesioner TCI [72,94,95].
Di sisi lain, skor rata-rata juga dihitung
berdasarkan skor faktor iklim empat tim untuk dipertahankan
skala lima poin asli dari kuesioner TCI [96]. Meskipun keduanya
Meskipun pendekatan ini bertujuan untuk menghitung skor yang mewakili persepsi
iklim tim secara keseluruhan, pendekatan terakhir memfasilitasi perbandingan
antara skor persepsi iklim tim secara keseluruhan dan skor tim
faktor iklim (dua sifat dalam penelitian kami). Jadi, untuk setiap mata pelajaran di kami
belajar, kami menghitung skor rata-rata (kami akan menyebutnya sebagai skor Individu
Perceived Team Climate (IPTC) selanjutnya) berdasarkan skor masing-masing
dari empat faktor iklim tim (lihat Tabel E di Lampiran).
Tes Shapiro-Wilk untuk total skor TCI/skor IPTC (p = 0,102)
menunjukkan bahwa skor tersebut berdistribusi normal. Ini patut diperhatikan
bahwa kumpulan skor yang diperoleh dari salah satu dari dua yang disebutkan di atas
Pendekatan ini akan memiliki hubungan yang sama dengan skor ciri-ciri kepribadian,
yaitu koefisien korelasi dan regresi tetap tidak berubah ketika menyelidiki hubungan
antara ciri-ciri kepribadian.
skor dan total skor TCI/skor IPTC.
Distribusi skor IPTC untuk delapan tim disajikan pada
Gambar 3, di mana Tx (x berkisar antara 1 hingga 8) berhubungan dengan tim x. Itu
kotak dan kumis berukuran kecil untuk tim T4 dan T7 (lihat
Gambar 3) menunjukkan tingginya tingkat kesesuaian IPTC antar anggota tim
skor (di mana, jumlah anggota dalam sebuah tim ditandai dengan 'n' di
Gambar 3).
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
Gambar 3. Tren skor IPTC di delapan tim.
Selanjutnya, dari Gambar 3, kita dapat melihat skor IPTC dari hampir semuanya
anggota di delapan tim (kecuali satu anggota dari tim T5)
berada di atas 3. Karena skor yang lebih tinggi yang dicatat pada TCI menunjukkan atau lebih baik
iklim tim yang lebih diinginkan [81], kita dapat memahami bahwa mayoritas
dari para anggota merasa iklim dalam tim mereka sangat baik.
Dalam kasus tim T5 dan T6 (lihat Gambar 3), poin datanya menurun
di luar plot kotak-dan-kumis menunjukkan titik-titik data yang secara numerik jauh dari
data lainnya. Namun, outlier ini tidak dikecualikan
karena hal tersebut sah dan mempengaruhi skor iklim yang dihitung di tim
tingkat.
Indeks ICC(1) untuk skor IPTC adalah 0,39 dan uji F untuk
ICC(1) signifikan secara statistik (p<0,001), sehingga mendukung agregasi. Jadi, pada
akhirnya, skor iklim tim dihitung untuk setiap tim
berdasarkan rata-rata skor IPTC peserta tim. Gambar 4 menyajikan
skor iklim tim bersama dengan skor rata-rata dari dua faktor
untuk delapan tim. Setelah memeriksa karakteristik tingkat tim (lihat
Gambar 4), kita dapat melihat skor iklim tim berada di bawah
kisaran 3,5 hingga 4,5, sehingga menunjukkan iklim tim yang dirasakan di antara mereka
delapan tim berkisar antara positif hingga sangat positif.
4.2. Analisis korelasi
Baik instrumen IPIP-NEO maupun TCI berisi lima set yang berbeda
Item tipe likert yang digabungkan menjadi skor gabungan tunggal sementara
menganalisis tanggapan dari subjek (seperti yang dijelaskan dalam Bagian 3.5). Setiap
Skor gabungan ini memberikan ukuran kuantitatif dari sifat kepribadian atau faktor
iklim tim, yang menjadi perhatian saat ini
belajar. Oleh karena itu, seperti yang disarankan oleh Boone Jr dan Boone [97], skor
gabungan untuk skala Likert dalam konteks kita (skala Likert mengukur
ciri-ciri kepribadian dan faktor iklim tim) harus dianalisis pada skala pengukuran interval.
Di antara semua variabel penelitian, keselamatan partisipatif adalah satu-satunya
variabel yang menunjukkan perubahan signifikan dalam pengujian terhadap distribusi
normal. Untuk analisis yang lebih bernuansa, kami mencoba mentransformasikan variabel
dengan akar kuadrat, akar pangkat tiga dan transformasi logaritmik lainnya tetapi,
itu tidak membantu meningkatkan normalitasnya.
Penting untuk dicatat bahwa kami tidak melanjutkan dengan mengadopsi metode
non-parametrik untuk analisis lebih lanjut karena skor dalam sampel kami berisi data
yang terikat, dan korelasi urutan peringkat (seperti korelasi Spearman) dilaporkan
cenderung menunjukkan hasil yang lebih tinggi. nilai-nilai nyata dalam kasus seperti itu
[98]. Lebih jauh lagi, sebagian besar variabel dalam penelitian kami serupa
berdistribusi normal, untuk mengukur kekuatan asosiasi
antara variabel penelitian, kami memilih untuk menggunakan korelasi product-moment
Pearson (korelasi Orang), sebuah prosedur analisis data yang sesuai untuk item skala
interval.
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
Tabel 8
Matriks korelasi Pearson untuk ciri-ciri kepribadian.
Kehati-hatian
Kesesuaian Kehati- 0,15
hatian 0.43ÿÿ Neurotisisme -0.52ÿÿÿ
Keterbukaan 0.40ÿÿ
ÿÿÿÿ
p < 0,0001
ÿÿÿ
p < 0,001
ÿÿ
p < 0,01
Dalam penelitian kami, korelasi Pearson dihitung dalam dua kasus. Itu
kasus pertama berfokus pada mengidentifikasi hubungan antara variabel-variabel yang
termasuk dalam entitas yang sama (yaitu interkorelasi) dan kasus kedua
target untuk mengidentifikasi hubungan antara variabel kepribadian dan iklim tim. Temuan-
temuan dari kasus-kasus ini disajikan pada subbagian berikut.
Namun, dalam setiap kasus, sebelum analisis korelasi, penting untuk memastikan
bahwa asumsi dan persyaratan komputasi terpenuhi
Korelasi product-moment Pearson berlaku untuk data yang dipertimbangkan. Jadi, kami
melakukan analisis korelasi hanya setelah: a) Pengecekan
linearitas hubungan antara setiap pasangan variabel dengan cara
plot sebar awal dan b) Memeriksa apakah variabel yang dipertimbangkan terdistribusi
normal melalui plot QQ dan
Tes Shapiro-Wilk (lihat Bagian 4.1.1.1).
Koefisien korelasi yang dihasilkan selanjutnya dibandingkan
Aturan Cohen [99] untuk menentukan kekuatan hubungan. Menurut aturan tersebut, ukuran
efek kecil jika nilai koefisien korelasinya
(r) berkisar 0,10, sedang jika nilai r berkisar 0,30 dan besar jika nilai r
adalah sekitar 0,50. Ukuran efek yang besar berarti asosiasi yang diamati
dalam penelitian ini sangat mungkin untuk diamati dalam penyelidikan lainnya
dilakukan dalam konteks yang sama. Sedangkan ukuran efek sedang menunjukkan bahwa
hubungan tersebut kemungkinan besar akan diamati pada kasus lain.
4.2.1. Hubungan antara ciri-ciri kepribadian
Sebuah studi oleh Linden et al., yang diterbitkan pada tahun 2010, melaporkan bahwa sebagian besar
penelitian sebelumnya yang menggunakan FFM atau menyelidiki Yang Besar
Lima ciri kepribadian tidak melaporkan keterkaitan di antara mereka
sifat [100]. Untuk menyelidiki lebih lanjut apakah studi SE dipublikasikan
dalam beberapa tahun terakhir membahas interkorelasi, kami telah melaksanakan: a) a
mencari di antara kutipan dari dua studi utama, diikuti dengan, b) teks lengkap
mencari melalui Google Cendekia.
Kami menggunakan teknik forward-snowballing melalui Google Cendekia untuk melakukannya
cari kutipan penelitian Linden et al. [100] dan juga kutipannya
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
Gambar 4. Tren iklim tim di delapan negara
tim.
Neurotisisme
0,39ÿÿ
-0,23 -0,70ÿÿÿÿ
0,41ÿÿ 0,10 -0,20
dari studi pemetaan yang mengamati empat puluh tahun penelitian tentang kepribadian
di SE [11]. Namun, pencarian berdasarkan kutipan ini tidak menemukan satu pun
studi potensial. Jadi, string Boolean yang terdiri dari beberapa kata kunci
(interkorelasi AND ("lima besar" ATAU "model lima faktor") AND ("perangkat lunak
engineering" ATAU "pengembangan perangkat lunak")) selanjutnya dijalankan
Google Cendekia untuk mencari studi relevan yang diterbitkan setelah tahun tersebut
2010.
Pencarian melalui Google Cendekia mengidentifikasi dua penelitian [101,102]
yang melaporkan interkorelasi (Catatan: Kedua penelitian ini ditulis
oleh penulis yang sama). Hal ini menunjukkan bahwa jumlah SE terkini sangat terbatas
penelitian melaporkan interkorelasi antara ciri-ciri kepribadian. Jadi, milik kita
tahap awal analisis korelasi berfokus pada hal itu, dan ini adalah salah satunya
kontribusi penelitian makalah ini.
Skor dari lima variabel kepribadian yang berdistribusi normal, diperoleh dari respon
masing-masing subjek, dianalisis menggunakan korelasi Pearson. Untuk memfasilitasi
perbandingan dengan penelitian selanjutnya, skornya
variabel tidak dinormalisasi agar sesuai dengan nilai rata-rata total dalam
sampel ini [79]. Nilai koefisien korelasi (r) yang diamati
untuk setiap pasangan variabel disajikan pada Tabel 8, di mana nilai 'p' membantu
dalam menentukan apakah korelasi antar variabel signifikan.
Kami mengamati efek positif berukuran sedang antara variabel kehati-hatian dan
ekstraversi (r = 0,43); dan juga antara variabel kehati-hatian dan kesetujuan (r = 0,39).
Kedua korelasi tersebut
signifikan pada tingkat 0,01. Dari korelasi positif kita
dapat menafsirkan bahwa, dalam sampel 43 profesional, terjadi peningkatan a
kemampuan seseorang dalam merencanakan dan mengatur secara efektif (kesadaran) tidak
hanya berhubungan dengan peningkatan kemampuan bersosialisasi dan berekspresi
(ekstraversi), tetapi juga berhubungan dengan peningkatan kemampuan untuk mendapatkan dengan mudah
bersama dengan anggota tim lainnya (agreeableness) [45].
Efek positif ukuran sedang yang serupa diamati antara keterbukaan terhadap
pengalaman dan dua variabel lainnya (ekstraversi (r=0,40) dan
kesesuaian (r=0,41)). Keterbukaan terhadap pengalaman terkait dengan pengalaman seseorang
kemauan untuk mencoba hal-hal baru dan kemampuan untuk menjadi imajinatif. Dari
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
Tabel 9
Matriks korelasi Pearson untuk faktor iklim tim.
Orientasi Tugas Visi
Orientasi Tugas 0,47ÿÿ
0,43ÿÿ 0,62ÿÿÿÿ
Dukungan untuk inovasi
ÿÿÿÿ
p < 0,0001
ÿÿ
p < 0,01
korelasi positif yang dapat kita pahami adalah peningkatan keterbukaan
skor pengalaman berhubungan dengan peningkatan kemampuan sosial
interaksi (ekstraversi) dan hubungan teman sebaya yang lebih positif (agree-ableness).
Selain hubungan positif, kami mengamati efek negatif berukuran besar antara
variabel neurotisisme dan ekstraversi (r = -0,52). Kami juga
memperhatikan efek negatif yang sangat besar antara variabel neurotisme dan
kesadaran (r = -0,70). Di antara lima variabel kepribadian,
neurotisisme adalah satu-satunya variabel yang terkait dengan karakteristik negatif
seperti gugup, tidak percaya diri, cemas, dll. Seseorang dengan neurotisisme tinggi
seringkali tidak termotivasi oleh keinginan untuk memenuhi kewajiban sosial.
Jadi, dari besar kecilnya dampak negatif tersebut, kita bisa mengartikan bahwa naik
tingkat neurotisme pada suatu subjek berhubungan dengan penurunan
kemampuan interaksi sosial (ekstraversi) dan penurunan tajam levelnya
rasa percaya diri (conscientiousness).
4.2.2. Hubungan antara faktor iklim tim
Kecuali untuk skor sifat keselamatan partisipatif, skor lainnya
tiga variabel iklim tim diamati terdistribusi normal.
Mereka juga dianalisis menggunakan korelasi Pearson [72,103] dan
Nilai r yang dihasilkan disajikan pada Tabel 9. Hasilnya menunjukkan positif
hubungan antara ketiga variabel iklim tim dan korelasi antara ketiga variabel tersebut
signifikan pada tingkat 0,01.
Ukuran efek positif yang sangat besar diamati antara orientasi tugas dan
dukungan terhadap inovasi (r = 0,62 dan p < 0,0001). Orientasi tugas berkaitan
dengan persepsi individu tentang upaya yang dilakukan
anggota tim untuk mencapai keunggulan. Korelasi positif
antara kedua variabel menunjukkan bahwa, dalam sampel, terjadi peningkatan
dalam tingkat orientasi tugas yang dirasakan individu berhubungan dengan a
peningkatan tingkat berbagi ide yang dirasakan dalam tim (dukungan untuk
inovasi).
Selanjutnya, ukuran efek positif sedang diamati antar tim
variabel visi dan orientasi tugas (r = 0,47 dan p < 0,01), dan juga
antara variabel visi tim dan dukungan inovasi (r = 0,43 dan
p < 0,01). Korelasi positif pada kedua kasus ini menunjukkan adanya peningkatan
tingkat persepsi individu mengenai kejelasan tujuan
yang ditetapkan dalam timnya tidak hanya berhubungan dengan peningkatan tingkat
persepsi individu dalam berbagi ide dalam tim, tetapi juga dengan peningkatan
dalam tingkat dukungan yang dirasakan seseorang yang diberikan oleh tim untuk mengujinya
ide ide.
4.2.3. Hubungan antara ciri-ciri kepribadian dan faktor iklim tim
Untuk mengeksplorasi lebih jauh hubungan antara kepribadian dan
variabel iklim tim, analisis korelasi Pearson dilakukan oleh
mempertimbangkan skor semua variabel yang berdistribusi normal. Selain itu, skor
IPTC setiap mata pelajaran juga dimasukkan dalam analisis
Tabel 10
Matriks Korelasi Pearson untuk ciri-ciri kepribadian dan faktor iklim tim.
Visi Orientasi Tugas Dukungan untuk inovasi IPTC
Extraversion 0.17 Agreeableness
0.27 Conscientiousness 0.11
Neuroticism Keterbukaan
-0,09
0,26
ÿ
hal < 0,05
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
demi mengidentifikasi hubungan yang ada antara variabel kepribadian dan
keseluruhan iklim tim yang dirasakan oleh individu. Itu
Hasil analisis korelasi ini disajikan pada Tabel 10.
Nilai r pada Tabel 10 menunjukkan korelasi positif yang signifikan
antara keterbukaan terhadap pengalaman dan dukungan terhadap variabel inovasi
(r = 0,31 dan p < 0,05). Variabel kepribadian lain seperti extraversion, conscientiousness,
dan neuroticism tidak berhubungan secara signifikan dengan salah satu variabel tersebut
variabel iklim tim. Korelasi positif dari Tabel 10 menyiratkan bahwa peningkatan
kemauan individu untuk mencoba hal baru (Keterbukaan
to experience) berhubungan dengan peningkatan signifikan dalam persepsi individu
terkait dengan berbagi ide dalam tim (dukungan untuk inovasi).
Selain itu, dari Tabel 10, ukuran medium berpengaruh positif (r = 0,35
dan p < 0,05) antara skor kesesuaian dan variabel IPTC
menyiratkan bahwa peningkatan tingkat persepsi seseorang terhadap iklim tim secara keseluruhan
dikaitkan dengan peningkatan tingkat keramahan seseorang. Di dalam
Sebagai sampel data di sini, kesesuaian diamati sebagai satu-satunya
faktor kepribadian yang dikaitkan dengan iklim tim secara keseluruhan.
Secara keseluruhan hasil analisis korelasi menunjukkan bahwa variabel
kesepakatan mempunyai besar pengaruh yang sedang terhadap variabel IPTC. Demikian pula,
openness to experience juga mempunyai effect size sedang terhadap variabel
dukungan inovasi. Jadi, karena ukuran efeknya yang sedang, keduanya
Asosiasi ini kemungkinan besar akan diamati dalam penelitian lain yang akan dilaksanakan
dalam konteks yang sama dengan penelitian kami.
4.3. Analisis regresi
Selain analisis korelasi, analisis regresi juga dilakukan
dilakukan dalam upaya untuk menyelidiki apakah nilai-nilai dependen
variabel (faktor iklim tim) dapat diprediksi berdasarkan nilai
variabel independen (ciri-ciri kepribadian).
Karena hasil analisis korelasi (lihat Tabel 10) menunjukkan hal tersebut
dua variabel terikat (dukungan terhadap inovasi dan IPTC) berhubungan secara
signifikan dengan satu variabel bebas yang bersesuaian
(keterbukaan terhadap pengalaman dan kesesuaian, masing-masing), model regresi
linier digunakan untuk menyelidiki lebih lanjut sifat hubungan
antara masing-masing pasangan variabel independen dan dependen tersebut.
Sebelum menetapkan model regresi, pengujian pendahuluan dilakukan untuk
memastikan bahwa asumsi dan persyaratan regresi telah terpenuhi
analisis berlaku untuk data yang dipertimbangkan. Jadi, selain itu
uji normalitas dan linearitas (seperti dijelaskan pada 4.2), ada yang lain
asumsi yang perlu dipenuhi untuk membenarkan penggunaan model regresi linier
untuk tujuan inferensi atau prediksi. Asumsinya
berkaitan dengan normalitas distribusi kesalahan, independensi statistik dari
kesalahan dan homoskedastisitas (varians konstan) dari
kesalahan [104].
Saat membangun model regresi linier, selain memeriksa
plot sebar sisa, kami juga menghitung residu dan mengujinya
asumsi tersebut di atas dengan menggunakan uji signifikansi yang relevan
dilaporkan dalam literatur SE [104], sebagaimana dirinci selanjutnya. Kami telah menggunakan
Uji Shapiro-Wilk untuk memvalidasi asumsi sehubungan dengan distribusi normal
residu. Untuk memvalidasi asumsi sehubungan dengan
independensi residu, kami telah menggunakan uji Durbin-Watson dan
untuk menguji varian konstan dalam residu, kami telah menggunakan Breusch–
Tes Pagan dan Koenker. Sub-bagian berikutnya menyajikan ringkasan
0,19 0,23 0,16
0,22 0,25 0,35ÿ
0,11 0,13 0,15
-0,04 -0,17 -0,06
0,15 0,31ÿ 0,23
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
Tabel 11
Ringkasan model regresi untuk memprediksi dukungan terhadap inovasi.
Memperkirakan Berdiri. Kesalahan
(Intersep) 3,520 0,191 18,423 Tingkat signifikan 0,00
Keterbukaan 0,009 0,004 2,098 Kesalahan standar sisa: 0,566 pada 41 derajat
kebebasan
R-kuadrat: 0,097
F-statistik: 4,401 pada derajat kebebasan 1 dan 41 nilai p: Tingkat signifikan 0,05
masing-masing model regresi beserta hasil pengujian yang divalidasi
asumsi regresi.
4.3.1. Membangun model untuk memprediksi dukungan terhadap inovasi
Di antara semua variabel independen, keterbukaan terhadap pengalaman adalah yang paling utama
satu-satunya variabel independen yang berkorelasi signifikan dengan dukungan
untuk inovasi (lihat Tabel 10). Jadi, variabel keterbukaan terhadap pengalaman adalah
digunakan untuk membangun model regresi untuk memprediksi dukungan terhadap
inovasi. Tabel 11 menyajikan ringkasan model regresi linier ini
dan arah garis regresi pada Gambar 5 menunjukkan positif
hubungan antara variabel-variabel tersebut.
Estimasi pada Tabel 11 berisi dua baris yang mewakili suku titik potong dan
kemiringan dalam model linier. Intersepsi pada dasarnya adalah
nilai yang diharapkan dari variabel dukungan untuk inovasi ketika kita mempertimbangkan
skor keterbukaan terhadap pengalaman rata-rata di antara semua mata pelajaran. Lebih jauh,
istilah kemiringan menunjukkan bahwa untuk setiap peningkatan skor satu poin
variabel keterbukaan terhadap pengalaman, rata-rata dukungan terhadap inovasi
skor naik 0,009 poin.
Namun, nilai kesalahan standar sisa menunjukkan bahwa, rata-rata, dukungan
aktual terhadap skor inovasi dapat menyimpang dari nilai sebenarnya.
garis regresi sekitar 0,566 poin. Mengingat nilai intercept sebesar 3,520 dan sisa
standar error yaitu 0,566,
kita dapat mengatakan bahwa persentase kesalahannya adalah (yaitu prediksi apa pun dari ini
model masih akan meleset sebesar) 16,07%. Lebih penting lagi, koefisiennya
determinasi (nilai R-squared) menunjukkan varians sebesar 9,7%.
ditemukan dalam dukungan terhadap skor inovasi dapat dijelaskan dengan keterbukaan terhadap
variabel pengalaman.
Sehubungan dengan uji validasi asumsi regresi, hipotesis nol normalitas uji Shapiro-
Wilk tidak dapat ditolak.
(p = 0,123), menunjukkan bahwa residu berdistribusi normal.
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
nilai t nilai p
Tingkat signifikan 0,01
Gambar 5. Plot antara dukungan terhadap inovasi dan
keterbukaan terhadap variabel pengalaman.
Selanjutnya, dalam uji Durbin–Watson untuk independensi residu, uji
statistik diamati sebesar 2,088 dan berada dalam kisaran yang disyaratkan
dari 1,5 dan 2,5. Terakhir, untuk pengujian Breusch – Pagan dan Koenker, hasilnya nol
hipotesis homoskedastisitas tidak ditolak karena p-value > 0,05
(Uji Breusch – Pagan: p = 0,142 dan uji Koenker: p = 0,255). Keseluruhan,
pemeriksaan terhadap sisa model ini memberi tahu kita bahwa regresi
asumsi tidak dilanggar.
4.3.2. Membangun model untuk memprediksi persepsi iklim tim secara keseluruhan
Skor diperoleh dengan merata-ratakan skor seluruh faktor iklim tim
ditunjukkan oleh masing-masing mata pelajaran (IPTC) memberi kita kesan keseluruhan
iklim tim yang dirasakan oleh subjek. Dari hasil korelasi
analisis (lihat Tabel 10), kesesuaian diamati sebagai satu-satunya variabel independen
yang dapat digunakan untuk membangun model untuk memprediksi IPTC
skor.
Jadi, persamaan regresi variabel tunggal dibangun menggunakan
IPTC sebagai variabel terikat dan kesesuaian sebagai variabel bebas.
Tabel 12 menyajikan ringkasan model regresi linier sederhana ini
dan garis regresi pada Gambar 6 menunjukkan hubungan yang positif
antara variabel-variabel tersebut.
Ringkasan model regresi saat ini dari Tabel 12 menunjukkan bahwa untuk setiap
peningkatan satu poin pada skor kesesuaian
variabel, skor rata-rata iklim tim naik sebesar 0,006 poin. Namun, rata-rata skor IPTC
yang sebenarnya bisa saja menyimpang dari yang sebenarnya
garis regresi sekitar 0,424 poin dan persentase kesalahan dalam hal ini adalah 11,44%.
Koefisien determinasi dalam hal ini
menunjukkan bahwa 12,4% varians yang ditemukan pada skor IPTC dapat dijelaskan
dengan variabel kesesuaian.
Sehubungan dengan uji validasi asumsi regresi, hipotesis nol normalitas uji Shapiro-
Wilk tidak dapat ditolak.
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
Tabel 12
Ringkasan model regresi untuk memprediksi iklim tim secara keseluruhan.
Memperkirakan Berdiri. Kesalahan
(Intersep) 3,708 21,649 Tingkat signifikan 0,171
0,00
Keserasian 0,006 Tingkat signifikansi:0,010,002
Kesalahan standar sisa: 0,424 pada 41 derajat kebebasan
R-kuadrat: 0,124
F-statistik: 5,801 pada derajat kebebasan 1 dan 41 nilai p: Tingkat signifikan 0,05
(p = 0,51), menunjukkan bahwa residu berdistribusi normal. Berikutnya,
dalam uji Durbin-Watson untuk independensi residu, statistik uji diamati sebesar 1,572
dan berada dalam kisaran yang disyaratkan
1.5 dan 2.5. Terakhir, untuk pengujian Breusch – Pagan dan Koenker, hasilnya nol
hipotesis homoskedastisitas tidak ditolak karena p-value > 0,05
(Uji Breusch – Pagan: p = 0,092 dan uji Koenker: p = 0,293). Keseluruhan,
pemeriksaan terhadap sisa model ini memberi tahu kita bahwa regresi
asumsi tidak dilanggar.
Secara keseluruhan, dari ringkasan kedua model prediksi (lihat
Tabel 11 dan 12), nilai p mendekati nol (p < 0,01) yang diamati untuk keduanya
intersep dan kemiringan, serta nilai F-statistik (lebih besar dari 1) menunjukkan adanya
hubungan nyata antara variabel independen dan dependen;
dan memungkinkan kita untuk memastikan bahwa penambahan variabel independen ke
model yang sesuai adalah signifikan. Selain itu, nilai p untuk
statistik F diamati kurang dari 0,05 di setiap model, yang mana
mengandung arti bahwa koefisien determinasi signifikan (tingkat signifikansi 0,05)
berbeda dari nol.
Meskipun nilai koefisien determinasinya sangat kecil
kedua model tersebut, variabel independen yang signifikan secara statistik
setiap model memungkinkan kita menarik kesimpulan penting mengenai caranya
perubahan pada variabel tersebut berhubungan dengan perubahan pada variabel
terikat. Dari garis regresi yang diplot pada Gambar 5 dan 6, kita
dapat dilihat bahwa variabel terikat pada masing-masing model berhubungan positif
dengan variabel bebas yang bersesuaian. Pemeriksaan
sisa dari kedua model menunjukkan bahwa asumsi regresi terpenuhi.
Apalagi nilai koefisien determinasi didalamnya semakin kecil
kedua model tersebut menyiratkan bahwa variabel independen saja tidak bisa
memperhitungkan sebagian besar varians dalam variabel dependen. Di-
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
nilai t nilai p
2.409
Gambar 6. Plot antara IPTC dan kesesuaian
variabel.
variabel terikat pada masing-masing model dapat menjelaskan kurang dari 15%.
varians dalam variabel terikat, menunjukkan bahwa variabel terikat
sangat mungkin dipengaruhi oleh beberapa faktor lain selain ciri-ciri kepribadian.
5. Ancaman terhadap validitas
Bagian ini membahas beberapa ancaman yang dapat mempengaruhi validitas.
integritas hasil kami.
Ukuran sampel: Ancaman ini berkaitan dengan jumlah subjek yang berpartisipasi
dalam penelitian kami. Sejak saat itu, kami tidak dapat memperoleh sampel survei yang lebih besar
perekrutan subjek survei kami diatur oleh pemilik produk dan oleh karena itu, tim peneliti
kami tidak memiliki kesempatan untuk merekrut lebih banyak subjek secara langsung
untuk penelitian ini. Seiring dengan banyaknya mata pelajaran yang masuk
sampel kami hanya 43, kami dapat menggeneralisasi hasilnya secara tentatif
tim tangkas lainnya dalam divisi yang sama tempat data dikumpulkan, namun kami
tidak dapat menggeneralisasi hasilnya ke semua divisi lain di seluruh divisi.
perusahaan ini atau bahkan ke perusahaan telekomunikasi lainnya. Selanjutnya, tim
yang terlibat dalam penelitian kami adalah milik satu perusahaan telekomunikasi dan
oleh karena itu validitas eksternal dari hasil kami agak terganggu. Kita
hasilnya dapat digeneralisasikan ke kelompok tangkas lainnya yang bekerja dalam
konteks yang sama dengan mereka yang berpartisipasi dalam penelitian; Namun, untuk bisa
menggeneralisasi temuan tersebut ke konteks yang lebih luas, penelitian kami perlu melakukan hal tersebut
diperluas ke divisi lain dalam perusahaan yang sama, dan juga ke
perusahaan telekomunikasi lainnya. Keduanya adalah bagian dari pekerjaan kami di masa depan.
Kekhawatiran evaluasi: Ancaman ini berkaitan dengan kecenderungan subjek
dalam mencoba menampilkan diri mereka lebih baik ketika diminta untuk menunjukkan
pendapat dan persepsi mereka untuk kuesioner kepribadian dan iklim tim. Namun,
ancaman ini dapat diatasi dengan menginformasikan secara eksplisit
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
subjek yang tidak ada jawaban benar atau salah untuk kedua kuesioner. Selain itu, subjek
juga diberitahu tanggapannya
tidak akan tersedia bagi siapa pun dari organisasinya, termasuk
manajer dan kolega mereka.
Bias respons: Ancaman ini berkaitan dengan kecenderungan subjek untuk melakukan hal tersebut
menanggapi pertanyaan secara tidak akurat atau salah setiap kali mereka diberi informasi
sebelumnya tentang tujuan penelitian. Namun, ancaman ini dapat dikurangi dengan secara
eksplisit memberi tahu subjek tentang penyimpanan dan pemrosesan data, serta hak-hak
subjek melalui persetujuan.
membentuk. Semua subjek diberitahu bahwa data dikumpulkan dari kami
survei akan dianonimkan dan mereka juga diberitahu dengan jelas bahwa mereka memang demikian
dapat memilih untuk tidak berpartisipasi dalam penelitian kami.
Kompleksitas tugas: Ancaman yang berkaitan dengan perbandingan anggota tim
yang mengerjakan masalah berbeda atau masalah dengan kompleksitas berbeda
diatasi dengan merekrut tim yang mengembangkan tugas-tugas yang sama rumitnya
dari proyek yang sama. Manajer program berperan penting dalam pemilihan ini.
Ukuran efek sedang: Karena beberapa variabel kepribadian diamati
untuk memiliki efek ukuran sedang terhadap iklim tim, terdapat indikasi bahwa
asosiasi yang diamati dalam penelitian ini tidak akan terjadi pada beberapa agile
tim dalam konteks yang sama. Namun memperluas penelitian ini ke yang lain
perusahaan telekomunikasi dapat membantu mengungkap asosiasi yang mungkin terjadi
perwakilan untuk tim tangkas.
Variabilitas hasil: Plot sebar untuk kedua model regresi menunjukkan bahwa titik
data tersebar luas. Hal ini mungkin disebabkan
dengan ukuran sampel yang terbatas. Merekrut lebih banyak subjek
dapat membantu mengurangi variabilitas hasil dan menyajikan hasil di
tingkat kepercayaan yang lebih tinggi.
Negara afiliasi subjek: Fakta bahwa mayoritas subjek kami
diindikasikan sebagai milik Swedia mungkin menimbulkan ancaman terhadap kemampuan
generalisasi hasil kami. Namun, merekrut sampel yang lebih terdiversifikasi
dapat membantu mengurangi ancaman ini.
6. Diskusi
6.1. Wawasan dari hasil analisis deskriptif
Setelah membandingkan ukuran tendensi sentral dari lima ciri kepribadian dalam
sampel kami (lihat Tabel 6), kami dapat mengamati tingkatnya
kesadaran menjadi relatif lebih tinggi dalam sampel profesional. Kehati-hatian diikuti oleh
skor keramahan,
ekstraversi, keterbukaan terhadap pengalaman dan neurotisisme.
Literatur terdahulu mengungkapkan tingkat kehati-hatian yang lebih tinggi
tentu saja akan berdampak positif pada perilaku stres-kesehatan
individu [105] dan juga berkontribusi untuk merasakan kepuasan kerja
[45]. Di sisi lain, orang neurotik cenderung bertahan dalam hal negatif
reaksi emosional untuk waktu yang sangat lama, yang menunjukkan bahwa mereka
sering kali cenderung berada dalam suasana hati yang buruk [45]. Sebaliknya, tingkat yang lebih rendah
neurotisisme mengungkapkan sifat stabil emosional individu [45].
Secara historis, Swedia telah menekankan pentingnya pembentukan kelompok kerja
partisipatif dan kepemimpinan demokratis dalam organisasi [106]. Hasil dari penelitian kami
diamati masuk
sejalan dengan praktik ini. Semakin tinggi tingkat keamanan partisipatif yang diamati
di semua tim yang berpartisipasi menunjukkan bahwa para anggota tampaknya demikian
menyajikan kecenderungan yang lebih tinggi untuk menghindari konflik kognitif yang mungkin terjadi
muncul selama diskusi [107]. Merasa aman dalam tim dapat membujuk
anggota tim menjadi lebih ekspresif dan akibatnya mengarah pada usulan ide-ide baru
yang dapat berkontribusi terhadap pengembangan kualitas yang lebih baik
perangkat lunak [20].
Penelitian sebelumnya melaporkan bahwa persepsi keselamatan partisipatif
terkait dengan produksi produk perangkat lunak dengan kualitas lebih baik [24].
Jadi, mengingat pentingnya interaksi di antara anggota tim untuk mengembangkan
perangkat lunak mengikuti metodologi agile [20], perlu dicatat bahwa keselamatan
partisipatif tim, seperti yang diamati dalam penelitian kami, adalah
sangat bermanfaat bagi tim tangkas yang bekerja di domain pengembangan perangkat
lunak apa pun.
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
Dalam penyelidikan tentang faktor-faktor yang mempengaruhi kinerja
tim lintas budaya, penelitian sebelumnya telah mengidentifikasi keselamatan partisipatif
bersama dengan visi tim dan orientasi tugas sebagai sifat yang berpengaruh. Ini
ciri-ciri yang membedakan tim berkinerja tinggi dari tim berkinerja rendah
[19]. Mengingat subjek kami milik lebih dari 10 berbeda
negara-negara (lihat Bagian 3.4), temuan ini sangat bermanfaat bagi negara-negara tersebut
kasus seperti yang kami alami dan kami menegaskan bahwa skor yang sangat positif untuk
sifat keselamatan partisipatif, visi tim, dan orientasi tugas seperti yang diamati dalam kasus kami
Hasilnya akan memberikan dampak positif yang pasti terhadap kinerja tim perangkat
lunak.
6.2. Wawasan dari hasil analisis korelasi
Kami percaya bahwa ada hubungan positif antara keterbukaan terhadap pengalaman
dan dukungan terhadap inovasi tampaknya koheren. Sebab, keterbukaan terhadap
pengalaman dikaitkan dengan sejauh mana individu memiliki rasa ingin tahu intelektual
[45]. Jadi, anggota tim yang bersedia datang
yang memiliki ide-ide baru untuk memperbaiki lingkungan kerja mereka kemungkinan besar
adalah mereka yang lebih antusias dalam berbagi ide-ide mereka mengenai cara-cara baru
dalam melakukan tugas, sehingga, pada gilirannya, memberikan dukungan yang lebih tinggi.
untuk ide-ide inovatif.
Namun mengejutkan melihat faktor-faktor lain, terutama ekstraversi (karena ekstrovert
diharapkan menjadi lebih interaktif dan selanjutnya
membuka lebih banyak ruang untuk berdiskusi) tidak terkait dengan keselamatan partisipatif
dan kehati-hatian (karena orang yang teliti menetapkan tujuan yang jelas dan tampaknya
berupaya lebih keras untuk mencapainya) tidak berhubungan dengan keduanya
visi tim atau orientasi tugas.
Menariknya, dari semua ciri kepribadian, keramahan adalah yang paling utama
satu-satunya ciri kepribadian yang berkorelasi positif dengan skor IPTC
(r = 0,35 dan p < 0,05). Hal ini menunjukkan bahwa tingkat iklim yang dirasakan
lebih tinggi dalam tim dengan orang-orang yang lebih menyenangkan. Alasan untuk ini
bisa jadi karena pentingnya sifat kesesuaian untuk kohesi tim dalam lingkungan
pengembangan perangkat lunak apa pun [20]. Yang optimis
sifat orang yang menyenangkan mendorong kerja sama dan keharmonisan sosial
dalam tim, dengan demikian, mungkin berkontribusi terhadap iklim yang lebih baik.
Setelah menganalisis kepribadian dan persepsi iklim tim dengan merekrut kembali
subjek dari tempat kerja yang berbeda, Soomro dkk. [72] diamati
korelasi positif antara ekstraversi dan skor TCI. Sedangkan,
dalam penelitian kami, di mana semua subjek berasal dari tempat kerja yang sama,
korelasi positif diamati antara kesesuaian dan IPTC
skor. Berbeda dengan penelitian kami, dalam kasus ini, sebagian besar subjeknya adalah
perempuan (67%) dan sebagian besar subjeknya berasal dari Malaysia.
(83%). Selain itu, hampir 80% subjeknya berusia di bawah 30 tahun.
Dengan ini, kita dapat memahami bahwa perbedaan sampel seperti gender,
budaya, ukuran sampel dan usia dapat mempengaruhi hasil. Selain itu
perbedaan sampel, ada perbedaan metodologis lain yang jelas
berkaitan dengan bagaimana subjek direkrut untuk penelitian, yang berpotensi menjadi
alasan perbedaan temuan kedua penelitian.
Perbedaan metodologi disajikan sebagai berikut:
Pertama, mengenai perekrutan mata pelajaran untuk dipelajari, Soomro et al. hanya
disebutkan tentang menerima tanggapan dari 36 orang setelah mendistribusikan
kuesioner kepada 60 orang. Namun, mereka tidak melaporkan informasi apa pun tentang
kriteria seleksi atau kriteria yang digunakan
untuk memfilter subjek. Dengan demikian, pasti ada kemungkinannya
merekrut subjek yang tidak memiliki pengalaman bekerja dalam tim
dan persepsi tim terhadap iklim dalam kasus-kasus seperti ini akan sangat tidak masuk
akal, dan hal ini akan menjadi ancaman besar bagi validitas eksternal dari penelitian mereka.
hasil.
Kedua, saat merekrut subjek dari tempat kerja yang berbeda,
Soomro dkk. tidak berencana membatasi studi mereka dengan merekrut subjek
terkait dengan domain tertentu atau metodologi pengembangan perangkat lunak. Bahkan
diskusi mengenai demografi subjek mereka tidak memberikan rincian apapun tentang
domain atau metodologi pengembangan perangkat lunak
diadopsi oleh subyek di tempat kerja mereka. Jadi, kami memikirkan desainnya
studinya tidak ketat dalam hal merekrut sekelompok subjek tertentu.
Akibatnya, hubungan yang diidentifikasi dalam penelitian mereka menjadi terbatas
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
pada sampel 36 subjek dan hasilnya tidak berkontribusi pada praktik karena tidak dapat
langsung diterapkan pada domain atau bidang tertentu.
metodologi pengembangan perangkat lunak.
Berbeda dengan penelitian mereka, dalam kasus kami, semua subjek yang direkrut aktif
anggota dalam delapan tim berbeda dari satu organisasi dan semuanya
delapan tim mematuhi praktik scrum. Demikian temuan dari kami
studi ini akan berlaku untuk organisasi lain di domain telekomunikasi
yang mengadopsi metodologi scrum untuk mengembangkan perangkat lunak.
6.3. Wawasan dari hasil analisis regresi
Agreeableness ternyata menjadi variabel independen yang signifikan secara statistik
dalam model regresi yang dibangun untuk memprediksi
skor IPTC; dan keterbukaan terhadap pengalaman ternyata merupakan variabel
independen yang signifikan secara statistik dalam model regresi tersebut
dibangun untuk memprediksi dukungan terhadap inovasi.
Masing-masing variabel independen pada kedua model regresi tersebut bisa
menjelaskan paling banyak 13% varians variabel terikat. Namun sulit untuk menentukan
tingkat koefisien determinasi mana yang tepat untuk mengklaim bahwa model tersebut
cocok. Pada dasarnya, hal tersebut akan berbeda-beda
dengan aplikasi dan domain sedang diselidiki. Dalam banyak psikologi
mempelajari koefisien determinasi biasanya kurang dari 50% sejak itu
orang lebih sulit diprediksi [108]. Dalam penelitian seperti itu, nilainya bahkan kecil
koefisien determinasi dapat mempunyai implikasi penting.
Melihat koefisien determinasi dari kedua model
dalam penelitian kami, kami sangat yakin bahwa dimasukkannya variabel independen
tambahan mungkin dapat meningkatkan kekuatan penjelas dari variabel tersebut.
model. Alokasi peran kepada anggota tim dilaporkan sebagai faktor kunci
komposisi iklim tim perangkat lunak dan itu tergantung pada kemampuan anggota [21].
Jadi, mungkin, kemampuan para profesional
dapat dianggap sebagai variabel independen tambahan untuk regresi
model. Secara keseluruhan, temuan dari penelitian kami berkontribusi pada diskusi
tentang validitas ciri-ciri kepribadian dalam memprediksi variabel terkait pekerjaan
[10] dan juga menyoroti area tim yang belum banyak dieksplorasi
iklim di SE [21].
6.4. Validasi hasil
Kami mengadakan seminar dengan pemilik produk dari perusahaan pemeringkat
kolaborasi untuk mendiskusikan hasil validasi dan umpan balik. Pada sesi ini, kami
menjelaskan bagaimana skor kepribadian
sifat dan faktor iklim tim harus ditafsirkan dan dibahas lebih lanjut karakteristik yang
terkait dengan tingkat rendah, sedang dan tinggi
dari masing-masing ciri kepribadian. Kemudian, kami menyajikan temuan dari analisis
korelasi dan regresi.
Pemilik produk juga menanyakan tentang tren skor di seluruh dunia
delapan tim yang berpartisipasi dan, dengan membandingkan iklim secara dekat
skor di antara tim, mereka merenungkan kemungkinan alasannya
variasi dan membawanya ke perhatian kami. Oleh karena itu, kami yakin akan validitas
temuan kami.
Secara keseluruhan, temuan dari penelitian ini mendapat tanggapan yang sangat
positif dari kolaborator industri kami dan temuan ini lebih lanjut
digunakan dalam diseminasi kepada khalayak yang lebih luas dalam organisasi.
6.5. Implikasi teoritis dan praktis
Pertama dan terpenting, perhatian harus diberikan pada masalah etika yang terkait
dengan penelitian yang menyelidiki aspek manusia dari SE
kepribadian dan iklim tim. Meskipun isu ini kurang penting bagi
studi yang didorong oleh peneliti, di mana, data sering kali dianonimkan,
penting ketika merekrut subjek untuk memastikan bahwa mereka sadar
tentang bagaimana data mereka akan diperlakukan. Jika tidak, ada risiko tidak akan berhasil
mendengarkan suara asli para praktisi karena mereka mungkin enggan
untuk menjawab dengan jujur [6]. Mengingat keberadaan kepribadian yang mempekerjakan di mana-mana
tes untuk mengevaluasi karyawan selama proses perekrutan, dari waktu ke waktu
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
permasalahan di atas menjadi hal yang sepele [10]. Namun, seperti yang telah dicapai dalam
penelitian kami, kami merekomendasikan pihak-pihak yang berkepentingan untuk bekerja sama
dengan pihak eksternal yang dapat menjamin tingkat anonimitas yang lebih tinggi dan
mengamankan data yang dikumpulkan dari para profesional. Ini akan menjadi peluang
luar biasa untuk kolaborasi antara peneliti dan perangkat lunak
praktisi.
TCI peka terhadap perbedaan iklim dalam tim yang berbeda
pengaturan (misalnya: skor rata-rata sifat TCI akan berbeda untuk tim manajemen
rumah sakit dan tim layanan sosial) [19]. Jadi,
khususnya hasil iklim tim yang diamati dalam penelitian ini
relevan untuk organisasi pengembangan perangkat lunak yang terkait dengan
domain telekomunikasi mengadopsi metodologi scrum untuk perangkat lunak
perkembangan. Namun, hubungan yang terdeteksi dalam penelitian kami mungkin saja terjadi
masih dapat diterapkan pada industri perangkat lunak yang lebih luas dan, pada prinsipnya,
hubungan yang diidentifikasi dalam penelitian kami dapat digunakan untuk merumuskan hipotesis
yang dapat diuji di organisasi perangkat lunak lain.
Dalam praktiknya, kami pikir penelitian kami dapat bermanfaat bagi para manajer
membentuk tim. Berdasarkan asosiasi yang telah kami temukan,
kami menyarankan organisasi perangkat lunak untuk mempertahankan kepribadian dan tim
gudang iklim karyawan mereka dan dengan jelas menggabungkan keduanya
faktor kepribadian dan iklim tim dalam proses pengambilan keputusan mereka. Tindakan
seperti ini tidak hanya akan menguntungkan organisasi dalam mendiagnosis masalah-
masalah selain perencanaan proyek, namun juga akan menguntungkan karyawannya
dengan berkontribusi terhadap iklim yang lebih baik. Akibatnya,
karyawan lebih cenderung puas dengan lingkungan kerja mereka [6, 20]. Selanjutnya,
memelihara repositori tersebut di atas
juga dapat membantu organisasi perangkat lunak dalam mengambil keputusan dalam
menawarkan pelatihan kepada karyawannya, guna memperbaiki iklim di dalamnya
tim.
Namun, mengingat ancaman validitas terhadap penelitian kami, seorang manajer harus melakukannya
memeriksa apakah hubungan yang ditemukan dalam penelitian ini benar
valid (dan sejauh mana) dalam organisasi mereka. Inspeksi jangka panjang
kepribadian dan karakteristik iklim tim dapat membantu dalam memperoleh
pengetahuan yang lebih rinci yang diperlukan untuk membangun kekuatan
model prediksi.
Hasil yang diperoleh di sini untuk analisis korelasi dan regresi memberikan landasan
bagi penelitian di masa depan untuk membantu menggeneralisasi temuan kami
ke konteks yang lebih luas di mana pengembangan dilakukan oleh tim dengan
menggunakan teknik tangkas. Untuk lebih memperkuat temuan penelitian ini,
melalui studi kami yang akan datang, kami berencana untuk melengkapi studi saat ini
bekerja dengan memperluas survei ke tim tangkas lainnya di telekomunikasi yang sama
perusahaan, dan di perusahaan lain, dan juga melalui pengorganisasian wawancara
dengan peserta. Wawancara dapat membantu dalam memberikan lebih banyak
wawasan tentang korelasi yang diamati.
Karena aspek manusia memainkan peran penting dalam produktivitas proses
perangkat lunak [20,109], mungkin arah penelitian lain yang relevan untuk penelitian di
masa depan adalah untuk melihat bagaimana pengalaman dan kemampuan kerja
profesional perangkat lunak akan berhubungan dengan iklim tim [21] dan seterusnya
menyelidiki hubungan antara kepribadian, iklim tim dan produktivitas tim. Keuntungan
penyelidikan seperti itu ada dua.
Pertama, kita dapat berusaha memahami hubungan sebab akibat
seperti apa dampak kepribadian dan iklim tim terhadap produktivitas dan kedua,
penyelidikan membuka kemungkinan untuk melakukan peramalan
iklim tim dan produktivitas tim.
7. Kesimpulan
Penelitian ini mengeksplorasi hubungan antara ciri-ciri kepribadian dan
persepsi iklim tim dari para profesional perangkat lunak yang bekerja dengan tangkas
tim. Dengan dukungan kolaborator industri kami, kami melakukan survei
anggota dari delapan tim dan mengumpulkan profil kepribadian mereka dan
persepsi iklim tim. Analisis korelasi dan regresi dilakukan pada data ini untuk mengungkap
hubungan dan menyelidiki hubungan yang mana
variabel kepribadian khususnya merupakan prediktor signifikan variabel iklim tim.
Machine Translated by Google

SD Vishnubhotla, E. Mendes dan L. Lundberg Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335

Analisis korelasi kami menunjukkan bahwa sifat kepribadian yang menyenangkan Tabel B

memiliki ukuran efek sedang terhadap keseluruhan iklim tim yang dirasakan oleh individu. Cuplikan formulir pelaksanaan survei tanggapan
Demikian pula, sifat keterbukaan terhadap pengalaman juga memiliki ukuran efek sedang instrumen IPIP-NEO.

tentang dukungan terhadap inovasi. Dalam kasus ini, korelasinya positif dan
Respon peserta
signifikan pada tingkat 0,05. Barang IPIP-NEO
P1 P2 P3 P4
Selain itu, dua model regresi dikembangkan sehubungan dengan
korelasi signifikan yang disebutkan di atas dan kami mengamati bahwa kesesuaian Khawatir tentang 5 2 3 2

hanya dapat menjelaskan 12,4% perbedaan dalam persepsi iklim tim. Sedangkan hal-hal.
Berteman 3 2 4 4
keterbukaan terhadap pengalaman hanya dapat menjelaskan 9,7% varian dukungan
dengan mudah.

terhadap inovasi. Kemungkinan strategi yang dapat diadopsi Miliki gambaran yang jelas 4 2 4 3
untuk meningkatkan kekuatan penjelas model ini adalah: 1) mempertimbangkan imajinasi.
variabel tambahan yang dapat menjadi prediktor signifikan terhadap iklim tim Percayai orang lain. 243445 5
Selesaikan tugas 4
2) merekrut sampel yang ukurannya jauh lebih besar daripada sampel kami
berhasil.
studi saat ini.

Tabel C
Kutipan dari formulir survei tanggapan
Deklarasi Kepentingan Bersaing untuk instrumen TCI.

Item TCI Tanggapan peserta

Para penulis menyatakan bahwa mereka tidak mengetahui persaingan keuangan
P1 P2 P3 P4
kepentingan atau hubungan pribadi yang mungkin tampak mempengaruhi
pekerjaan yang dilaporkan dalam makalah ini. Q1 544443 3
Q2 4
Q3 445 5
Q4 544 4
Pernyataan kontribusi kepenulisan CReditT Q5 4 3 4 3

Sai Datta Vishnubhotla: Konseptualisasi, Metodologi, Formal Tabel D

analisis, Kurasi data, Investigasi, Penulisan - draf asli, Penulisan Kutipan dari formulir yang berisi skor ciri-ciri kepribadian.
- meninjau & mengedit. Emilia Mendes: Konseptualisasi, Metodologi,
Kurasi data, Penulisan - review & editing, Supervisi. Lars Lundberg:
Ciri kepribadian Skor peserta
Investigasi, Penulisan - review & editing.
P1 P2 P3 P4

Ekstraversi 8 21 54 52
Keramahan 44 75 68 86
Ucapan Terima Kasih
Ketelitian 19 70 86 13
Neurotisisme 87 62 52 15
Kami ingin mengucapkan terima kasih kepada semua praktisi yang telah Keterbukaan terhadap pengalaman 24 33 65 26
menyumbangkan waktu mereka yang berharga. Penelitian ini sebagian didanai oleh KK-stiftelsen-HÖG
Proyek penelitian AgileSec. Tabel E
Kutipan dari formulir memegang skor iklim tim
faktor.

Lampiran Faktor iklim tim Skor peserta

P1 hal2 hal3 hal4

Harap dicatat nama peserta dan informasi ID tim di
Tabel A telah dianonimkan untuk menjaga kerahasiaan. Visi 4 4 4,81 4.81
Orientasi tugas 5 Dukungan terhadap 4.42 4.85
Kutipan dari tanggapan yang diterima dari empat subjek untuk
inovasi 4,75 4 Keamanan partisipatif 4,83 4,58 3.87
lima item pertama instrumen IPIP-NEO disajikan pada Tabel B. Untuk
IPTC 4,60 4,26 4,94 4,68 555 5
setiap item dalam instrumen IPIP-NEO, meskipun subjek menandai tanggapan
mereka pada lima item tipe Likert, untuk kenyamanan, kami menetapkan nomor
untuk setiap item tipe Likert. Jadi, angka-angka yang terkait dengan
item hanya berfungsi sebagai label, di mana 1 berarti sangat tidak akurat, 2- Referensi
cukup tidak akurat, 3-tidak akurat dan tidak akurat, 4-cukup
akurat dan 5 sangat akurat.
[1] DE Perry, HP Siy, LG Votta, Perubahan paralel dalam pengembangan perangkat lunak skala
Kutipan dari tanggapan yang diterima dari empat subjek untuk besar: studi kasus observasional, ACM Trans. perangkat lunak. bahasa Inggris Metodologi. 10 (2001)
lima pertanyaan pertama instrumen TCI disajikan pada Tabel C. 308–337, doi:10.1145/383876.383878.
[2] JS Karn, AJ Cowling, Menggunakan metode etnografi untuk melakukan penelitian faktor manusia
Tabel D menyajikan kutipan dari skor ciri-ciri kepribadian.
dalam rekayasa perangkat lunak, Behav. Res. Metode. 38 (2006) 495–503,
Tabel E menyajikan kutipan dari skor faktor iklim tim. doi:10.3758/BF03192804.

Tabel A
Kutipan dari formulir yang berisi demografi subjek.

ID Peserta Peran Nama Peserta ID Tim Jenis Kelamin Usia Negara

P1 Orang A Pimpinan Desain T2 Pria 45 Swedia

hal2 Orang B Pengembang perangkat lunak T2 Pria 33 Swedia
hal3 Orang C Pengembang perangkat lunak T2 Pria 29 Swedia
hal4 Orang D Pemilik produk T2 Pria 22 Swedia
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
[3] LL Bender, GS Walia, F. Fagerholm, M. Pagels, KE Nygard, J. Münch, Pengukuran keterampilan non-
teknis profesional perangkat lunak: penyelidikan empiris, dalam: 2014: hal. 478 –483.
[4] SD Vishnubhotla, E. Mendes, L. Lundberg, Wawasan tentang kemampuan profesional dan tim dalam
pengembangan perangkat lunak tangkas: tinjauan literatur sistematis, di: Proc. 2018 ke-7. Konf.
perangkat lunak. Hitung. Appl., ACM, New York, NY, AS, 2018, hlm. 10–19, doi:10.1145/3185089.3185096.
[5] G. Matturro, C. Fontán, R. Raschetti, Soft skill dalam tim scrum. survei yang paling berharga untuk dimiliki
oleh pemilik produk dan scrum master, dalam: 2015: hlm. 42–45.
10.18293/SEKE2015-026.
[6] R. Feldt, L. Angelis, R. Torkar, M. Samuelsson, Hubungan antara kepribadian, pandangan dan sikap
insinyur perangkat lunak, Inf. perangkat lunak. Teknologi. 52 (2010) 611–624, doi:10.1016/
j.infsof.2010.01.001.
[7] GM Weinberg, Psikologi pemrograman komputer, Van Nostrand Reinhold New York (1971).
[8] JM Lee, B. Shneiderman, Kepribadian dan pemrograman: pembagian waktu vs. preferensi batch, dalam:
Proc. 1978, Ann. Konf. Jil. 2 (1978) 561–569 ACM.
[9] RR McCrae, PT Costa, Menafsirkan Kembali Indikator Tipe Myers-Briggs dari perspektif model kepribadian
lima faktor, J. Pers 57 (1989) 17–40.
[10] MG Rothstein, RD Goffin, Penggunaan ukuran kepribadian dalam seleksi personel: apa yang didukung
penelitian saat ini? Bersenandung. Sumber daya. Kelola. Wahyu 16 (2006) 155–180, doi:10.1016/
j.hrmr.2006.03.004.
[11] S. Cruz, FQB da Silva, LF Capretz, Empat puluh tahun penelitian tentang kepribadian dalam rekayasa
perangkat lunak: studi pemetaan, Comput. Bersenandung. Berperilaku. 46 (2015) 94–113, doi:10.1016/
j.chb.2014.12.008.
[12] MF van Assen, Manajemen kompetensi berbasis tangkas: hubungan antara manufaktur tangkas dan
manajemen kompetensi berbasis waktu, Int. J.Manajemen Agile. sistem. 2 (2000) 142–155,
doi:10.1108/14654650010337168.
[13] P. Rodríguez, J. Markkula, M. Oivo, K. Turula, Survei Penggunaan Agile dan Lean di Industri Perangkat
Lunak Finlandia, di: Proc. ACM-IEEE Int. Gejala. Kekaisaran. perangkat lunak. bahasa Inggris Meas.,
ACM, New York, NY, USA, 2012, hlm. 139–148, doi:10.1145/2372251.2372275.
[14] VersionOne, Laporan keadaan tangkas tahunan ke-12, (2018). https://explore.versionone.com/state-of-
agile/versionone-12th-annual-state-of-agile-report (diakses 18 Juni 2019).
[15] B. Boehm, R. Turner, Faktor orang dalam manajemen perangkat lunak: pelajaran dari membandingkan
metode tangkas dan berbasis rencana, Crosstalk- J. Def. perangkat lunak. bahasa Inggris (akhir) (2003).
[16] B. Barry, GL Stewart, Komposisi, proses, dan kinerja dalam kelompok yang dikelola sendiri: peran
kepribadian, J. Appl. Psikologi. 82 (1997) 62.
[17] E. Molleman, A. Nauta, KA Jehn, Kesesuaian orang-pekerjaan diterapkan pada kerja tim: pendekatan
bertingkat, Small Group Res 35 (2004) 515–539, doi:10.1177/1046496404264361.
[18] N. Anderson, G. St J. Burch, Mengukur kecocokan orang-tim, pengembangan dan validasi inventaris
pemilihan tim, J. Manag. Psikologi. 19 (2004) 406–426, doi:10.1108/02683940410537954.
[19] M. Sumner, J. Molka-Danielsen, Tim TI Global dan Kesuksesan Proyek, dalam: Proc. Spesifikasi 2010.
Manajer Kelompok Minat. Inf. sistem. Tahun ke-48. Konf. Hitung.
Pers. Res. Hitung. Pers. Res., ACM, New York, NY, AS, 2010, hlm. 34–42, doi:10.1145/1796900.1796920.
[20] ST Acuña, MN Gómez, JE Hannay, N. Juristo, D. Pfahl, Apakah kepribadian dan iklim tim berhubungan
dengan kepuasan dan kualitas perangkat lunak? menggabungkan hasil dari percobaan yang direplikasi
dua kali, Inf. perangkat lunak. Teknologi. 57 (2015) 141–156, doi:10.1016/j.infsof.2014.09.002.
[21] AB Soomro, N. Salleh, E. Mendes, J. Grundy, G. Burch, A. Nordin, Pengaruh ciri-ciri kepribadian insinyur
perangkat lunak pada iklim dan kinerja tim: Tinjauan Literatur Sistematis, Inf. perangkat lunak.
Teknologi. 73 (2016) 52–65, doi:10.1016/j.infsof.2016.01.006.
[22] NR Anderson, MA West, Mengukur iklim untuk inovasi kelompok kerja: pengembangan dan validasi
inventaris iklim tim, J. Organ. Berperilaku. 19 (1998)
235–258 10.1002/(SICI)1099-1379(199805)19:3<235::AID-JOB837>3.0.CO;2-C.
[23] D. Fay, H. Lührmann, C. Kohl, Iklim proaktif dalam lingkungan pasca-reorganisasi: ketika staf
mengkompensasi kelemahan manajer, Eur. J.Organ Kerja. Psikologi. 13 (2004) 241–267,
doi:10.1080/13594320444000083.
[24] ST Acuña, M. Gómez, N. Juristo, Menuju pemahaman hubungan antara iklim tim dan kualitas perangkat
lunak—studi eksperimen semu, Empir. perangkat lunak. bahasa Inggris 13 (2008) 401, doi:10.1007/
s10664-008-9074-8.
[25] IJ Gerald Matthews, Deary, Whiteman, MC, Personality Traits, edisi ke-3, Cambridge University Press,
Cambridge, 2009 (diakses 3 Oktober 2018), doi:10.1017/CBO9780511812743.
[26] M. Yilmaz, RV O'Connor, R. Colomo-Palacios, P. Clarke, Pemeriksaan ciri-ciri kepribadian dan
pengaruhnya terhadap tim pengembangan perangkat lunak, Inf. perangkat lunak.
Teknologi. 86 (2017) 101–122, doi:10.1016/j.infsof.2017.01.005.
[27] SSJO Cruz, FQB ilva, CVF Monteiro, P. Santos, I. Rossilei, Kepribadian dalam rekayasa perangkat lunak:
temuan awal dari tinjauan literatur sistematis„ di: 15th Annu. Konf. Evaluasi. Menilai. perangkat lunak.
bahasa Inggris EASE, 2011, hlm. 1–10, doi:10.1049/ic.2011.0001. 2011.
[28] T. Creasy, VS Anantatmula, Dari segala arah—bagaimana ciri-ciri kepribadian dan dimensi manajer
proyek secara konseptual dapat mempengaruhi keberhasilan proyek, Proj. Kelola.
J.44 (2013) 36–51, doi:10.1002/pmj.21372.
[29] CJ Soto, A. Kronauer, JK Liang, Model Kepribadian Lima Faktor, dalam: Encycl. Penuaan di Masa
Dewasa, American Cancer Society (2015) 1–5, doi:10.1002/9781118521373.wbeaa014.
[30] R. Feldt, R. Torkar, L. Angelis, M. Samuelsson, Menuju Rekayasa Perangkat Lunak Individual: Studi
Empiris Harus Mengumpulkan Psikometri, dalam: Proc. 2008 Int.
Koperasi Bengkel. Bersenandung. Asp. perangkat lunak. Eng., ACM, New York, NY, USA, 2008, hlm.
49– 52, doi:10.1145/1370114.1370127.
[31] GJ Boyle, Myers-Briggs Type Indicator (MBTI): beberapa keterbatasan psikometrik, Aust. Psikologi. 30
(1995) 71–74, doi:10.1111/j.1742-9544.1995.tb01750.x.
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
[32] VC Petersen, MBTI - refleksi kepribadian yang terdistorsi?, Universitas Aarhus, Sekolah Bisnis Aarhus,
Departemen Manajemen (2006) https://ideas.repec.org/p/hhb/aardom/2006_005.html. (diakses 8
Oktober 2018).
[33] OP John, EM Donahue, RL Kentle, Lima besar inventaris—versi 4a dan 54, Berkeley, CA: University of
California, Berkeley, Inst. Pers. Resolusi Sosial. (1991).
[34] MR Barrick, MK Mount, TA Judge, Kepribadian dan kinerja di awal milenium baru: apa yang kita ketahui
dan ke mana kita akan pergi selanjutnya? Int. J.
Sel. Menilai. 9 (2001) 9–30, doi:10.1111/1468-2389.00160.
[35] GSJ Burch, N. Anderson, Kepribadian sebagai prediktor perilaku dan kinerja terkait pekerjaan: kemajuan
terkini dan arah untuk penelitian masa depan, dalam: int. putaran. ind. organ. psikol. 2008, Wiley-
Blackwell (2008) 261–305, doi:10.1002/9780470773277.ch8.
[36] MR Barrick, MK Mount, Lima besar dimensi kepribadian dan prestasi kerja: meta-analisis, Pers. Psikologi.
44 (1991) 1–26, doi:10.1111/j.1744-6570.1991.tb00688.x.
[37] MR Barrick, GL Stewart, MJ Neubert, MK Mount, Mengaitkan kemampuan dan kepribadian anggota
dengan proses tim kerja dan efektivitas tim, J. Appl. Psikol 83 (1998) 377–391,
doi:10.1037/0021-9010.83.3.377.
[38] A. Furnham, Lima besar versus empat besar: hubungan antara Indikator Tipe Myer-s-Briggs (MBTI) dan
model kepribadian lima faktor NEO-PI, Pribadi. Individu. Berbeda. 21 (1996) 303–307.
[39] M. Conard, Bakat saja tidak cukup: bagaimana kepribadian dan perilaku memprediksi akademik
kinerja, Psikol. Wajah. Publikasi. (2006), doi:10.1016/j.jrp.2004.10.003.
[40] N. Salleh, E. Mendes, J. Grundy, Menyelidiki pengaruh ciri-ciri kepribadian pada pemrograman
berpasangan di lingkungan pendidikan tinggi melalui keluarga eksperimen, Empir. perangkat lunak.
bahasa Inggris 19 (2014) 714–752, doi:10.1007/s10664-012-9238-4.
[41] J. Jia, P. Zhang, R. Zhang, Sebuah studi perbandingan tiga model penilaian kepribadian di bidang
rekayasa perangkat lunak, di: 2015 6th IEEE Int. Konf. perangkat lunak. bahasa Inggris Melayani.
Sains, ICSESS (2015) 7–10, doi:10.1109/ICSESS.2015.7338995.
[42] R. Woodfield, T. Farsides, Perbedaan individu dan keberhasilan akademik sarjana: peran kepribadian,
kecerdasan dan penerapan, Pribadi. Individu. Berbeda. 34 (2003) 1225–1243.
[43] N. Salleh, E. Mendes, J. Grundy, GSJ Burch, Sebuah studi empiris tentang pengaruh kepribadian dalam
pemrograman berpasangan menggunakan model lima faktor, dalam: 2009 3rd, Int. Gejala. Kekaisaran.
perangkat lunak. bahasa Inggris Ukuran. (2009) 214–225, doi:10.1109/ESEM.2009.5315997.
[44] P. Kline, Buku Pegangan Tes Psikologi, Routledge, 2013,
doi:10.4324/9781315812274.
[45] JA Johnson, Deskripsi yang digunakan dalam laporan naratif ipip-neo, Des-scr. Narrat IPIP-NEO bekas.
Perwakilan (2009) http://www.personal.psu. pendidikan/fakultas/j/5/j5j/IPIPNEOdescriptions.html.
(diakses 18 Juni 2019).
[46] K. Matzler, B. Renzl, J. Müller, S. Herting, TA Mooradian, Ciri-ciri kepribadian dan berbagi pengetahuan,
J. Econ. Psikologi. 29 (2008) 301–313, doi:10.1016/j.joep.2007.06.004.
[47] T. Chamorro-Premuzic, A. Furnham, Kepribadian memprediksi kinerja akademik: Bukti dari dua sampel
universitas longitudinal, J. Res. Pribadi. 37 (2003)
319–338.
[48] PT Costa, RR McCrae, Inventarisasi kepribadian neo yang direvisi (neo-pi-r), SAGE Handb. Pribadi.
Penilaian Teori. 2 (2008) 179–198.
[49] MV Kosti, R. Feldt, L. Angelis, Kepribadian, kecerdasan emosional dan preferensi kerja dalam rekayasa
perangkat lunak: Sebuah studi empiris, Inf. perangkat lunak. Teknologi. 56 (2014) 973–990, doi:10.1016/
j.infsof.2014.03.004.
[50] LR Goldberg, JA Johnson, HW Eber, R. Hogan, MC Ashton, CR Cloninger, HG Gough, Kumpulan item
kepribadian internasional dan masa depan ukuran kepribadian domain publik, J. Res. Pribadi. 40 (2006)
84–96, doi:10.1016/j.jrp.2005.08.007.
[51] Lewis R. Goldberg, Inventarisasi kepribadian dengan bandwidth luas, domain publik, yang mengukur
aspek tingkat rendah dari beberapa model lima faktor, dalam: Pribadi. Psikologi.
Eur, Tilburg University Press (1999) 7–28.
[52] Costa, Paul T, Robert R. McCrea, Revisi inventaris kepribadian NEO (NEO PI-RTM) dan inventaris lima
faktor NEO (NEO-FFI), (1992).
[53] JA Johnson, Mengukur tiga puluh aspek Model Lima Faktor dengan 120 item inventaris domain publik:
pengembangan IPIP-NEO-120, J. Res. Pribadi. 51 (2014) 78–89, doi:10.1016/j.jrp.2014.05.003.
[54] MB Donnellan, FL Oswald, BM Baird, RE Lucas, Skala Mini-IPIP: Ukuran Kecil namun Efektif dari Lima
Faktor Besar Kepribadian, Psikol. Menilai. 18 (2006) 192–203, doi:10.1037/1040-3590.18.2.192.
[55] J. Chao, G. Atli, Ciri-ciri kepribadian penting dalam pemrograman berpasangan yang sukses, dalam: AGILE
2006 Agustus, 2006: hal. 5 hal.-93. 10.1109/AGILE.2006.20.
[56] H. Stidham, J. Summers, M. Shuffler, dan lain-lain, MENGGUNAKAN MODEL LIMA FAKTOR UNTUK
MEMPELAJARI KONVERGENSI KEPRIBADIAN PADA DESAIN TEKNIK SISWA
TIM, di: DS92 Proc. Des. 2018 ke-15 Int. Des. Konferensi, 2018: hlm. 2145–2154.
[57] G. Anderson, MJ Keith, J. Francisco, S. Fox, Pengaruh komposisi kepribadian tim perangkat lunak
terhadap pembelajaran dan kinerja: menjadikan Tim “Impian”, dalam: 2018.
10.24251/HICSS.2018.059.
[58] A. Çelikten, A. Çetin, Menugaskan peran pengembangan produk kepada insinyur perangkat lunak
berdasarkan tipe kepribadian dan keterampilan, pada : 2017.
[59] T. Kanij, R. Merkel, J. Grundy, Investigasi empiris tentang ciri-ciri kepribadian penguji perangkat lunak,
dalam: 2015, IEEEACM 8th Int. Koperasi Bengkel. Bersenandung. Asp. perangkat lunak.
Eng (2015) 1–7, doi:10.1109/CHASE.2015.7.
[60] EK Smith, C. Bird, T. Zimmermann, Practices Beliefs, and Personalities of Software Engineer: survei di
sebuah perusahaan perangkat lunak besar, di: 2016, IEEEACM Coop. Bersenandung.
Asp. perangkat lunak. bahasa Inggris CHASE (2016) 15–18, doi:10.1109/CHASE.2016.011.
[61] M. Shuto, H. Washizaki, K. Kakehi, Y. Fukazawa, S. Yamato, M. Okubo, B. Tenber-gen, Hubungan
antara model kepribadian lima faktor dan efektifitas pembelajaran
Machine Translated by Google
SD Vishnubhotla, E. Mendes dan L. Lundberg
ness tim dalam tiga mata kuliah pendidikan sistem informasi, di: Softw. bahasa Inggris Artif.
Intel. jaringan. Komputasi Terdistribusi Paralel. SNPD 2017 IEEEACIS ke-18, Int. Konf. Aktif, IEEE (2017)
167–174.
[62] MV Kosti, R. Feldt, L. Angelis, Kepribadian pola dasar insinyur perangkat lunak dan preferensi kerja mereka:
perspektif baru untuk studi empiris, Empir. perangkat lunak. bahasa Inggris 21 (2016) 1509–1532,
doi:10.1007/s10664-015-9395-3.
[63] PK Murukannaiah, N. Ajmeri, MP Singh, Memperoleh persyaratan kreatif dari kerumunan: memahami
pengaruh kepribadian dan potensi kreatif dalam kerumunan RE, dalam: 2016, IEEE 24th Int.
Membutuhkan. bahasa Inggris Konf. RE (2016) 176–185, doi:10.1109/RE.2016.68.
[64] HK Lee, M. Keil, HJ Smith, S. Sarkar, Peran suasana hati dan kesadaran dalam melaporkan kesalahan
yang dilakukan sendiri pada proyek TI, Inf. sistem. J.27 (2017) 589–617, doi:10.1111/isj.12111.
[65] J. Gulati, P. Bhardwaj, B. Suri, AS Lather, Sebuah studi tentang hubungan antara kinerja, temperamen
dan kepribadian seorang programmer perangkat lunak, SIGSOFT Softw Eng Notes 41 (2016) 1–5,
doi:10.1145 /2853073.2853089.
[66] PK Murukannaiah, N. Ajmeri, MP Singh, Menuju otomatisasi kerumunan RE, dalam: 2017, IEEE 25th Int.
Membutuhkan. bahasa Inggris Konf. RE (2017) 512–515, doi:10.1109/RE.2017.74.
[67] Z. Karimi, A. Baraani-Dastjerdi, N. Ghasem-Aghaee, S. Wagner, Hubungan antara kepribadian, gaya dan
kinerja dalam pemrograman komputer, J. Syst. perangkat lunak. 111 (2016) 228–241, doi:10.1016/
j.jss.2015.09.011.
[68] SC Chatzi, I. Nikolaou, Validasi Inventarisasi Iklim Tim empat faktor di Yunani, Int. J.Organ. Dubur. 15
(2008) 341–357, doi:10.1108/19348830710900142.
[69] GE Mathisen, S. Einarsen, K. Jørstad, KS Brønnick, Iklim untuk kreativitas dan inovasi kelompok kerja:
Validasi Norwegia atas inventarisasi iklim tim (TCI), Scand. J.Psikol. 45 (2004) 383–392, doi:10.1111/
j.1467-9450.2004.00420.x.
[70] P. Ragazzoni, M. West, N. Anderson, AM Zotti, P. Baiardi, Catatan penelitian: Validasi Italia atas
inventarisasi iklim tim: ukuran iklim tim untuk inovasi, J. Manag. Psikologi. 17 (2002) 325–336,
doi:10.1108/02683940210428128.
[71] MP Ganesh, Iklim dalam tim pengembangan perangkat lunak: peran saling ketergantungan tugas dan
keadilan prosedural, Asian Acad. Kelola. J.18 (2013) 55–74.
[72] AB Soomro, N. Salleh, A. Nordin, Bagaimana ciri-ciri kepribadian saling terkait dengan iklim tim dan kinerja tim
dalam rekayasa perangkat lunak? studi pendahuluan, di: Melayu ke-9 2015, Softw. bahasa Inggris Konf. MySEC
(2015) 259–265, doi:10.1109/My-SEC.2015.7475230.
[73] M. Ganesh, M. Gupta, lainnya, Studi tentang virtualitas, saling ketergantungan tugas, kinerja peran ekstra,
dan iklim tim dalam tim pengembangan perangkat lunak India, di: Proc. 20 Agustus. Akademi Selandia
Baru. Kelola. Konferensi ANZAM. Kelola. Filsafat Pragmatisme. Pusat Prioritas. Qld. Universitas.
Rockhampton, 2006, hlm.1–19.
[74] M. Shameem, C. Kumar, B. Chandra, Kerangka kerja yang diusulkan untuk kinerja tim perangkat lunak
yang efektif: Sebuah studi pemetaan antara kepribadian anggota tim dan iklim tim, dalam: 2017 Int. Konf.
Hitung. Komunitas. Otomatis, ICCCA (2017) 912– 917, doi:10.1109/CCAA.2017.8229936.
[75] C. de, O. Melo, DS Cruzes, F. Kon, R. Conradi, Studi kasus interpretatif tentang produktivitas dan
manajemen tim tangkas, Inf. perangkat lunak. Teknologi. 55 (2013) 412–427, doi:10.1016/
j.infsof.2012.09.004.
[76] I. Nurdiani, R. Jabangwe, D. Šmite, D. Damian, Instrumen identifikasi risiko dan mitigasi risiko untuk pengembangan
perangkat lunak global: tinjauan sistematis dan hasil survei, dalam: 2011, IEEE Sixth Int. Konf. Gumpal. perangkat
lunak. bahasa Inggris Lokakarya (2011) 36–41, doi:10.1109/ICGSE-W.2011.16.
[77] John A. Johnson, Menafsirkan Skor Skala IPIP Individu, (nd). https://ipip.ori.org/
InterpretingIndividualIPIPScaleScores.htm (diakses 5 Juni 2019).
[78] GJ Lengel, SN Mullins-Sweatt, Pentingnya dan penerimaan umpan balik penilaian komputerisasi ciri
kepribadian umum dan maladaptif, Psychol. Menilai. 29 (2017) 1–12, doi:10.1037/pas0000321.
[79] T. Johannisson, Korelasi antara ciri-ciri kepribadian dan kelompok gelombang alfa tertentu pada EEG
manusia, PeerJ 4 (2016) e2245, doi:10.7717/peerj.2245.
[80] N. Omheni, A. Kalboussi, O. Mazhoud, AH Kacem, Pengenalan ciri-ciri kepribadian pelajar melalui anotasi
digital dalam pembelajaran jarak jauh, Int. J. Pendidikan Jarak Jauh.
Teknologi. IJDET 15 (2017) 28–51, doi:10.4018/IJDET.2017010103.
[81] P. Loewen, R. Loo, Menilai iklim tim dengan pendekatan kualitatif dan kuantitatif: membangun organisasi
pembelajar, Learn. Organ. 11 (2004) 260–272, doi:10.1108/09696470410533012.
[82] RA Hanneman, AJ Kposowa, MD Riddle, Statistik Dasar Penelitian Sosial,
John Wiley & Putra, 2012.
[83] R. Ospina, F. Marmolejo-Ramos, Kinerja beberapa penduga variabilitas relatif, Front. Aplikasi. Matematika.
Statistik. (2019) 5, doi:10.3389/fams.2019.00043.
[84] A. Bahasa Inggris, RL Griffith, LA Steelman, Kinerja Tim, Pengaruh ketelitian tim dan jenis tugas, Res
Kelompok Kecil 35 (2004) 643–665, doi:10.1177/1046496404266320.
Teknologi Informasi dan Perangkat Lunak 126 (2020) 106335
[85] HX Barnhart, E. Yow, AL Crowley, MA Daubert, D. Rabineau, R. Bigelow, M. Pencina, PS Douglas, Pilihan
indeks kesepakatan untuk menilai dan meningkatkan reproduktifitas pengukuran dalam pengaturan
laboratorium inti, Stat. Metode Med. Res. 25 (2016) 2939–2958, doi:10.1177/0962280214534651.
[86] J. LIU, W. TANG, G. CHEN, Y. LU, C. FENG, XM TU, Korelasi dan kesepakatan: ikhtisar dan klarifikasi
konsep dan ukuran yang bersaing, Shanghai Arch.
Psikiatri. 28 (akhir) 115–120. 10.11919/j.issn.1002-0829.216045.
[87] C.-C. Chen, HX Barnhart, Perbandingan ICC dan CCC untuk menilai kesepakatan data tanpa dan dengan
replikasi, Comput. Statistik. Data Anal. 53 (2008) 554–564, doi:10.1016/j.csda.2008.09.026.
[88] MF Peterson, NM Ashkanasy, CP Wilderom, Buku Pegangan Budaya dan Iklim Organisasi, Sage
Publications, Inc, 2011.
[89] S. Faraj, L. Sproull, Mengkoordinasikan keahlian dalam tim pengembangan perangkat lunak, Manag.
Sains. 46 (2000) 1554–1568, doi:10.1287/mnsc.46.12.1554.12072.
[90] A. Ghasemi, S. Zahediasl, Uji normalitas untuk analisis statistik: panduan untuk non-ahli statistik, Int. J.
Endokrinol. Metab. 10 (2012) 486–489, doi:10.5812/ijem.3505.
[91] I. Salman, B. Turhan, Pengaruh tekanan waktu terhadap kinerja yang dirasakan dan aktual dalam pengujian
perangkat lunak fungsional, dalam: Proc. 2018, Int. Konf. perangkat lunak. sistem. Proses, Asosiasi
Mesin Komputasi, Gothenburg, Swedia (2018) 130–139, doi:10.1145/3202710.3203148.
[92] C. Rahmani, D. Khazanchi, Sebuah Studi tentang Kepadatan Cacat Perangkat Lunak Open Source, dalam:
2010, IEEEACIS 9th Int. Konf. Hitung. Inf. Sains. (2010) 679–683, doi:10.1109/ICIS.2010.11.
[93] DS Silva, R. Rabelo, PS Neto, R. Britto, PA Oliveira, Pendekatan Prioritas Kasus Uji Berdasarkan Metrik
Komponen Perangkat Lunak, dalam: 2019, IEEE Int. Konf. sistem.
Manusia Cybern. SMC (2019) 2939–2945, doi:10.1109/SMC.2019.8914670.
[94] A. Pirola-Merlo, C. Härtel, L. Mann, G. Hirst, Bagaimana pemimpin mempengaruhi dampak peristiwa afektif
pada iklim tim dan kinerja dalam tim R&D, Leadersh. Q 13 (2002) 561–581, doi:10.1016/
S1048-9843(02)00144-3.
[95] S. Gosling, JIM Westbrook, Pengaruh faktor profesional dan organisasi terhadap penggunaan bukti online
oleh profesional kesehatan: evaluasi Program Akses Informasi Klinis (CIAP), Pusat Informatika
Kesehatan, Universitas New South Wales , Sydney, NSW (2002).
[96] PG Bain, L. Mann, A. Pirola-Merlo, Keharusan inovasi: hubungan antara iklim tim, inovasi, dan kinerja
dalam tim penelitian dan pengembangan, Small Group Res. 32 (2001) 55–73.
[97] HN Boone Jr, DA Boone, Menganalisis data Likert, J. Ext. (2012) 50.
[98] BB Klebanov, Menggunakan orang dan WordNet untuk mengukur keterhubungan semantik, 2006.
[99] J. Cohen, Analisis kekuatan statistik untuk ilmu perilaku, erlbaum, Hills-dale, NJ, 1988.
[100] D. van der Linden, J. te Nijenhuis, AB Bakker, The General Factor of Personality: meta-analisis interkorelasi
Lima Besar dan studi validitas terkait kriteria„ J. Res. Pribadi. 44 (2010) 315–327, doi:10.1016/
j.jrp.2010.03.003.
[101] N. Rodrigues, T. Rebelo, Validitas tambahan dari kepribadian proaktif atas Lima Besar untuk memprediksi
kinerja pekerjaan insinyur perangkat lunak dalam konteks inovatif, Rev. Psicol. Trab. Las Organ. 29
(2013) 21–27, doi:10.5093/tr2013a4.
[102] N. Rodrigues, T. Rebelo, Memprediksi kinerja inovatif melalui kepribadian proaktif: memeriksa validitas
kriteria dan validitas tambahan pada model lima faktor, Int. J.Sel. Menilai. 27 (2019) 1–8, doi:10.1111/
ijsa.12232.
[103] MN Hayward, S. Mequanint, J. Paquette-Warren, R. Bailie, A. Chirila, R. Dyck, M. Green, A. Hanley, J.
Tompkins, S. Harris, kesiapan klinis The FORGE AHEAD alat konsultasi ness: alat yang divalidasi untuk
menilai kesiapan klinis untuk mobilisasi perawatan penyakit kronis di First Nations Kanada, BMC Health
Serv. Res. (2017) 17, doi:10.1186/s12913-017-2175-6.
[104] M. Usman, R. Britto, L.-O. Damm, J. Börstler, Estimasi upaya dalam pengembangan perangkat lunak skala
besar: studi kasus industri, Inf. perangkat lunak. Teknologi. 99 (2018) 21–40, doi:10.1016/
j.infsof.2018.02.009.
[105] DB O'Connor, M. Conner, F. Jones, B. McMillan, E. Ferguson, Menjelajahi manfaat kesadaran: penyelidikan
peran pemicu stres sehari-hari dan perilaku kesehatan, Ann. Berperilaku. medis. Publikasi. sosial.
Berperilaku. medis. 37 (2009) 184–196, doi:10.1007/s12160-009-9087-6.
[106] A. Agrell, R. Gustafson, The Team Climate Inventory (TCI) dan inovasi kelompok: tes psikometri pada
sampel kelompok kerja Swedia„ J. Occup. Organ. Psikologi. 67 (1994) 143–151, doi:10.1111/
j.2044-8325.1994.tb00557.x.
[107] R. Reiter-Palmon, Kreativitas dan Inovasi Tim, Oxford University Press, 2017.
[108] VK Agrawal, VK Agrawal, Persyaratan perangkat lunak komersial – perbandingan antara sektor manufaktur
dan jasa, pada: 2017.
[109] BW Boehm, Horowitz Clark, Reifer Brown, R.Madachy Chulani, B. Steece, Estimasi Biaya Perangkat Lunak
dengan Cocomo II dengan Cdrom, edisi pertama, Prentice Hall PTR, Upper Saddle River, NJ, USA, 2000.