Dosen Pembimbing:
Nur Aeni Hidayah, MMSI
Eri Rustamaji, MBA
Purusotama
1113093000061
Latar Belakang
End-User
Kepuasan
Computing
Pengguna
Satisfaction
Akhir
(EUCS)
Permasalahan
Model
Aplikasi UKT UIN
End-User
Syarif
Computing
Hidayatullah
Satisfaction
Jakarta
(EUCS)
Metode
Purposive
Kuantiatif &
Sampling
PLS-SEM
Manfaat
TEKNIK PENGAMBILAN
INSTRUMEN PENELITIAN
SAMPEL
Mahasiswa Tahun
Akademik 2017/2018 181
5.586
Hasil Analisis Demografis
Jenis Kelamin USIA
17 18 19 20 21
FU FST
FKIK 8% 13% Tidak Puas Sangat Puas
7% F. Psi 10% 1%
FDI
4%
3% FISIP
6% Puas
Kurang Puas 40%
28%
FITK FSH
19% 8%
FIDKOM
12%
FAH Cukup Puas
12% FEB
8% 21%
PLS-SEM
Bagi Pusat Teknologi Informasi dan Pangkalan Data (PUSTIPANDA) sebagai pihak
yang berwenang mengembangkan Sistem Aplikasi UKT UIN Syarif Hidayatullah
jakarta, agar dapat terus meningkatkan kepuasan pengguna akhir sistem dengan
melakukan perbaikan dan pengembangan khususnya pada variabel accuracy,
content, ease of use, dan timeliness. Karena menurut hasil penelitian ini, keempat
variabel tersebut memiliki pengaruh yang signifikan terhadap kepuasan
pengguna akhir sistem.
Terimakasih
Wassalamu’alaikum Wr.Wb
Uji Individual Item Realibility
Pengujian ini dilakukan dengan melihat nilai standardized loading factor. Nilai outer
loading tersebut menggambarkan besarnya korelasi antara setiap item pengukuran
(indikator) dengan konstraknya. Nilai outer loading di atas 0,7 dapat dikatakan baik,
artinya bahwa indikator tersebut dapat dikatakan valid sebagai indikator yang
mengukur konstrak.
Kembali
Uji Internal Consistency Reliabillty
Pengujian ini dilakukan dengan melihat hasil nilai composite reliability (CR) dengan
batas ambang di atas 0,7
Kembali
Uji Average Variance Extraced
Pengujian convergent validity selanjutnya dilakukan dengan melihat nilai average
variance extracted (AVE). Nilai AVE minimal 0,5 menunjukan ukuran convergent
validity yang baik. Artinya, variabel laten (konstrak) dapat menjelaskan rata-rata
lebih dari setengah variance dari indikator-indikatornya.
Kembali
Uji Discriminant Validity
Pengujian ini dapat dilakukan melalui dua cara yaitu:
1. Cross Loading
2. Cross Loading Fornell-Lacker’s
Bila korelasi antara indikator dengan konstraknya lebih tinggi dari korelasi dengan
konstrak blok lainnya, hal ini menunjukkan konstrak tersebut memprediksi ukuran
pada blok mereka lebih baik dari blok lainnya.
Cross Loading
Cross Loading Fornell-Lackers’s
Kembali
Uji Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas yaitu di atas 0,1,
dimana jalur (path) dapat dinyatakan memiliki pengaruh dalam model jika hasil
nilai uji path coefficient berada diatas 0,1.
Kembali
Uji Coefficient Of Determination (R-Square)
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel endogen
(variabel yang dianggap dipengaruhi oleh variabel lain dalam model) dengan
standar pengukuran sekitar 0,670 dinyatakan sebagai kuat, sekitar 0,333
dinyatakan sebagai moderat, dan 0,190 atau di bawahnya menunjukan tingkat
varian yang lemah.
Kembali
Uji T-Test
Pada pengujian t-test ini dilakukan dengan menggunakan metode bootstrapping
pada SmartPLS 3.0, Pada tingkat signifikansi 5% hipotesis akan diterima jika memiliki
t-test lebih besar dari 1,96.
Kembali
Uji Effect Size (f2)
Pada tahap ini dilakukan pengujian untuk mengetahui pengaruh variabel tertentu
terhadap variabel lainnya dalam struktur model dengan nilai ambang batas
sekitar 0,02 untuk pengaruh kecil, 0,15 untuk menengah, dan 0,35 untuk pengaruh
besar.
Kembali
Uji Predictive Relevance (Q-Square)
Pada tahap ini dilakukan pengujian dengan metode blindfolding untuk
memberikan bukti bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif (predictive relevance) dengan variabel
lainnya dalam model dengan ambang batas pengukuran di atas nol.
Kembali
Uji Relative Impact (q2)
Pada tahap ini dilakukan dengan metode blindfolding untuk mengukur relatif
pengaruh sebuah keterkaitan prediktif sebuah variabel tertentu dengan variabel
lainnya dengan nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk
pengaruh menengah, dan 0,35 untuk pengaruh besar.
Kembali
Persentasi Populasi & Responden
Kembali
Macam Macam Model Pengukuran Kepuasan
Pengguna untuk Menentukan Keberhasilan
Sistem Informasi
1. Doll & Torkzadeh, 1988 (End-User Computing Satisfaction)
2. Model DeLone & McLean (1992)
3. Model Seddon (1997)
4. Model DeLone & McLean (2003)
Kenapa Menggunakan Model End-User
Computing Satisfaction (EUCS) ?
1. Merupakan sebuah model yang dapat digunakan untuk mengukur
kepuasan suatu sistem informasi untuk menentukan keberhasilan
berdasarkan persepsi pengguna akhir sistem.
2. Model ini dipilih karena telah banyak digunakan dalam berbagai
penelitian untuk menguji reliabilitasnya. Selain itu peneliti melihat
bahwa sistem yang digunakan bersifat mandatory use, dimana faktor
penerimaan tidak dapat diterapkan dalam lingkungan sistem yang
bersifat mandatory use (Brown et.al, 2002).
Kenapa Menggunakan Model End-User
Computing Satisfaction (EUCS) tanpa
Penambahan Variable ?
1. Berdasarkan pengumpulan data, khususnya pada saat studi pustaka
atau penelitian yang sejenis banyak penelitian-penelitian yang
menggunakan model End-User Computing Satisfaction dengan
menambahkan Variabe dan dengan hasil Insignifikan, Hipotesis
ditolak.
2. Menyesuaikan kembali terhadap objek penelitian, apakah variabel
yang ditambahkan cocok atau tidak.
3. Menyesuakan kembali kepada pengertian skripsi yaitu karya tulis
ilmiah yang mengemukakan pendapat penulis berdasarkan
pendapat orang lain yang didukung oleh data dan fakta empiris
serta obyektif, skripsi tidak harus dituntut untuk mengembangkan
suatu kaidah-kaidah (teori), sisntesis baru ataupun penemuan baru
(Hadi, 1991; Nazir, 1998; Markum, 2009; Santoso, 2009)
Darimanakah nilai ambang batas dalam PLS-
SEM?
1. Berdasarkan perhitungan statistika yang dilakukan peneliti-peneliti
sebelumnya dan sudah menjadi ketetapan dalam metode analisis
data PLS-SEM (Hair et al., 2012; Ghozali, 2015)