faktor-faktor yang mempengaruhi kesiapan...
Post on 24-Apr-2020
17 Views
Preview:
TRANSCRIPT
FAKTOR-FAKTOR YANG MEMPENGARUHI KESIAPAN PENERAPAN SISTEM
SINGLE SIGN-ON DI UIN SYARIF HIDAYATULLAH JAKARTA
Disusun oleh:
HERSY AYU QADRYA
1113093000004
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2017/1439 H
FAKTOR-FAKTOR YANG MEMPENGARUHI KESIAPAN PENERAPAN SISTEM
SINGLE SIGN-ON DI UIN SYARIF HIDAYATULLAH JAKARTA
Disusun oleh:
HERSY AYU QADRYA
1113093000004
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2017/1439 H
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
HERSY AYU QADRYA
1113093000004
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2017 M / 1439 H
ii
FAKTOR-FAKTOR YANG MEMPENGARUHI KESIAPAN PENERAPAN
SISTEM SINGLE SIGN-ON (SSO) DI UIN SYARIF HIDAYATULLAH
JAKARTA
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sistem Informasi
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh:
HERSY AYU QADRYA 1113093000004
Menyetujui,
Pembimbing I Pembimbing II
Dr. Syopiansyah Jaya Putra, M.Sis A’ang Subiyakto, M.Kom NIP. 19680117 200112 1 001 NIP. 19760219 200710 1 002
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Nia Kumaladewi, MMSI NIP. 19750412 200710 2 002
iii
PENGESAHAN UJIAN
Skripsi yang berjudul Faktor-Faktor yang Mempengaruhi Kesiapan Penerapan
Sistem Single Sign-On (SSO) di UIN Syarif Hidayatullah Jakarta yang ditulis oleh
Hersy Ayu Qadrya, NIM 1113093000004 telah diuji dan dinyatakan lulus dalam siding
Munaqosah Fakultas Sains dan Teknologi, Universitas Islam Negeri Syarif
Hidayatullah Jakarta pada hari Senin, 27 November 2017. Skripsi ini telah diterima
sebagai salah satu syarat memperoleh gelar Sarjana Satu (S1) Program Studi Sistem
Informasi
Menyetujui,
Penguji I Penguji II
M. Qomarul Huda, Ph.D Aries Susanto, MMSI., Ph.D Nip. 19670412 200312 1 001 Nip. 19740322 200710 1 002
Pembimbing I Pembimbing I
Dr. Syopiansyah Jaya Putra, M.Sis A’ang Subiyakto, M.Kom
NIP. 19680117 200112 1 001 NIP. 19760219 200710 1 002
Mengetahui,
Dekan Fakultas Sains dan Teknologi Ketua Prodi Sistem Informasi
Dr. Agus Salim, S.Ag, M.Si Nia Kumaladewi, MMSI
Nip. 19720816 199903 1 003 NIP. 19750412 200710 2 002
iii
iv
PERNYATAAN
DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-BENAR
HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN SEBAGAI
SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI ATAU
LEMBAGA MANAPUN
Jakarta, 2 November 2017
HERSY AYU QADRYA
1113093000004
iv
v
ABSTRAK
Hersy Ayu Qadrya - 1113093000004. Faktor-Faktor yang Mempengaruhi Kesiapan
Penerapan Sistem Single Sign-On di UIN Syarif Hidayatullah Jakarta. Dibawah
bimbingan Dr. Syopiansyah Jaya Putra, M.Sis., A’ang Subiyakto, M.Kom
Kesiapan pengguna merupakan faktor penting yang mempengaruhi kesuksesan
terhadap penerapan sistem baru pada sebuah institusi yang melibatkan TIK. Pada
institusi pendidikan seperti UIN Syarif Hidayatullah Jakarta, sedang dilakukannya
proses pengembangan dan persiapan penerapan sistem Single Sign-On (SSO). Sistem
ini nantinya dapat digunakan dilingkup kampus seperti bidang akademik dimana para
pengguna sistem yaitu mahasiswa, dosen, dan pegawai dapat mengaksesnya dengan
membutuhkan satu identitas dan satu kata kunci saja. Hal ini dapat menghindari adanya
penumpukan identitas dengan orang yang sama dan celah keamanan pada jaringan dari
sisi pengguna. Karena penerapan sistem baru membutuhkan usaha dan persiapan yang
lebih besar terutama sumber daya materil dan manusianya, untuk itu perlu diketahuinya
kesiapan para calon pengguna agar nantinya resiko yang muncul dapat diminimalisir.
Penelitian ini dilakukan untuk mengetahui kesiapan serta faktor yang mempengaruhi
kesiapan calon pengguna. Model yang digunakan merupakan hasil dari proses adopsi,
kombinasi, dan adaptasi dari model TRI 2.0 dan faktor organisasi yang ada didalam
model keberhasilan Proyek Sistem Informasi dengan metode kuantitatif penyebaran
survei dan analisis data menggunakan PLS-SEM. Hasilnya, tingkat kesiapan penerapan
SSO berdasarkan persepsi calon pengguna berada pada tingkat cukup siap. Secara
inferensial, 6 dari 19 hipotesis yang diuji diantaranya ditolak. Sehingga faktor-faktor
yang mempengaruhi tingkat kesiapan adalah aksi dan karakteristik individu, konten
sistem, dan konteks organisasi secara menyeluruh. Hasil dari penelitian ini diharapkan
dapat membantu pengambilan keputusan bagi tingkat manajerial tertinggi dalam
penerapan SSO di lingkup UIN Syarif Hidayatullah Jakarta agar mempersiapkan segala
keperluannya lebih matang dengan dapat melihat hubungan antar kesiapan individu
yang ada didalam suatu institusi atau organisasi beserta faktor yang mempengaruhinya.
Serta pengembangan penelitian sejenis terhadap pengukuran kesiapan individu yang
ada disuatu organisasi.
Kata kunci : Tingkat Kesiapan, Single Sign On, TRI 2.0, Model Keberhasilan
Proyek Sistem Informasi
v
vi
KATA PENGANTAR
Puji syukur kehadirat Allah SWT, atas seluruh rahmat yang melimpah, hidayah,
dan berkah-Nya, sehingga penulis dapat menyelesaikan skripsi ini yang berjudul
“Faktor-Faktor yang Mempengaruhi Kesiapan Penerapan Sistem Single Sign-On
(SSO) di UIN Syarif Hidayatullah Jakarta” dengan baik. Shalawat serta salam
senantiasa dicurahkan kepada Nabi Besar Muhammad SAW beserta keluarga, sahabat
serta seluru pengikutnya hingga akhir zaman.
Penulis menyadari bahwa dapat diselesaikannya skripsi ini tidak terlepas dari
bantuan berbagai pihak. Oleh karena itu, perkenankanlah penulis untuk dapat
mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah.
2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem Informasi
Fakultas Sains dan Teknologi dan Ibu Meinarini Catur Utami, MT selaku
Sekretaris Program Studi Sistem Informasi Fakultas Sains dan Teknologi.
3. Bapak Dr. Syopiansyah Jaya Putra, M.Sis sebagai Dosen Pembimbing I yang
telah memberikan arahan, bimbingan, dan dukungan baik secara moral maupun
teknis selama melakukan penulisan skripsi ini. Penulis mengucapkan banyak
terima kasih atas waktu yang diberikan selama masa bimbingan pengerjaan
skripsi ini.
4. Bapak A’ang Subiyakto, M.Kom Ph.D sebagai Dosen Pembimbing II yang
selalu dan tidak lelah untuk membimbing, memotivasi, dan mengingatkan
vii
penulis untuk segera menyelesaikan skripsi ini. Penulis mengucapkan banyak
terima kasih kembali untuk waktu, tenaga, dukungan, arahan, saran, dan kritikan
yang membangun agar skripsi ini dapat terselesaikan dengan baik.
5. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu
kepada penulis selama perkuliahan.
6. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak membantu
penulis dalam perkuliahan, terutama dalam menyelesaikan administrasi yang
berkaitan dengan skripsi.
7. Staff karyawan bagian Akademik Pusat, Kepegawaian Pusat, dan
PUSTIPANDA yang telah membantu penulis dalam memperoleh data-data
terkait dala penyusunan skripsi ini.
8. Kedua orang tuaku tercinta, mama dan papa yang selalu berjuang sekuat tenaga
memberikan contoh dan hal terbaik bagi penulis serta menjadi motivasi terkuat
penulis untuk dapat menyelesaikan skripsi. Terima kasih banyak penulis
ucapkan atas segala doa, semangat, nasihat, motivasi, dan waktu yang sangat
berarti yang telah diberikan dan dipanjatkan, berharap agar penulis dapat
menjadi pribadi yang terus memperbaiki diri sesuai dengan ajaran dan tuntunan
agama. Terima kasih telah menyayangiku dalam berbagai tahap kehidupan.
Kalian tiada duanya untukku.
9. Adikku tercinta yang selalu menjadi motivasiku untuk dapat terus lebih baik
lagi agar dapat menjadi contoh nyatanya dalam kehidupan. Terima kasih telah
mendukung, membantu dan menyayangiku dengan versinya sendiri,
viii
10. Teman-teman seperjuanganku sejak awal perkuliahan, Prima dan Bella yang
selalu ada mendukung seluruh langkah yang penulis ambil. Terima kasih telah
selalu ada di segala waktu, tempat, dan kondisi selama ini. Terima kasih juga
untuk Ridwan, Kamal, alm Aditya, Putra, dan Fauzan yang selalu memiliki
waktu dan bersedia menjadi teman diskusi yang menyenangkan bagi penulis.
Semangat selalu untuk kita menggapai segala mimpi yang telah kita buat. Aku
menyayangi kalian!
11. Seluruh teman-teman seperjuangan bimbingan skripsi dalam ISDM Research
group dibawah naungan bapak A’ang Subiyakto M.Kom, Ph.D. Kak Nana,
Luqman, Faizal, Ryo, Tris, dan lainnya. Yang selama ini membantu dan
memotivasi penulis selama proses skripsi berlangsung.
12. Seluruh teman-teman seperjuangan Sistem Informasi 2013, terima kasih untuk
segala bentuk kebersamannya selama ini. Terima kasih sudah mendukung,
membantu, dan memotivasi penulis untuk dapat menyelesaikan skripsi ini.
13. Seluruh teman-teman, adik, dan kakak satu jurusan maupun lintas jurusan yang
telah membantu menyebar, mengisi kuesioner penelitian, dan memberikan
saran. Terima kasih penulis ucapkan.
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari seluruh pihak dapat dibalas pahala yang berlipat-lipat. Selain itu,
penulis menyadari bahwa penyusunan dan penulisan skripsi ini masih terdapat
kekurangan dan jauh dari kata sempurna sehingga saran dan kritik dapat disampaikan
melalui ayu.hersy13@mhs.uinjkt.ac.id . Akhir kata, semoga penelitian ini dapat
ix
memberikan manfaat dan sekaligus menambah ilmu bagi kita semua. Aamiin yaa
Rabbal Alamin.
Jakarta, 2 November 2017
HERSY AYU QADRYA
1113093000004
ix
x
DAFTAR ISI
HALAMAN JUDUL ...................................................................................... i
LEMBAR PERSETUJUAN ......................................................................... ii
LEMBAR PENGESAHAN ........................................................................... iii
LEMBAR PERNYATAAN .......................................................................... iv
ABSTRAK ..................................................................................................... v
KATA PENGANTAR .................................................................................... vi
DAFTAR ISI................................................................................................... ix
DAFTAR GAMBAR ...................................................................................... xiii
DAFTAR TABEL .......................................................................................... xiv
DAFTAR LAMPIRAN .................................................................................. xv
BAB I: PENDAHULUAN
1.1. Latar Belakang .............................................................................. 1
1.2. Perumusan Masalah....................................................................... 6
1.3. Tujuan dan Sasaran Penelitian ...................................................... 7
1.3.1 Tujuan Penelitian.................................................................. 7
1.3.2 Sasaran Penelitian ................................................................ 7
1.4. Manfaat Penelitian......................................................................... 8
1.5. Ruang Lingkup dan Sasaraan ........................................................ 8
1.6. Pertanyaan Penelitian .................................................................... 10
1.7. Model Penelitian ........................................................................... 11
1.8. Sistematika Penulisan.................................................................... 12
xi
1.9. Ringkasan ...................................................................................... 14
BAB II: LANDASAN DAN KERANGKA TEORI
2.1. Konsep Dasar Pengukuran ............................................................ 15
2.2. Konsep Dasar Kesiapan ................................................................ 16
2.3.1 Faktor-faktor Kesiapan......................................................... 16
2.3.2 Macam-Macam Bentuk Kesiapan ........................................ 17
2.3. Konsep Dasar Kesiapan Teknologi ............................................... 18
2.4. Pengertian Kesiapan Pengguna Teknnologi.................................. 21
2.5. Konsep Dasar Sistem Informasi .................................................... 22
2.6. Sistem Single Sign-On (SSO)........................................................ 23
2.6.1 Persyaratan Sistem SSO ....................................................... 30
2.6.2 Turunan Produk SSO ........................................................... 32
2.6.3 Kelebihan dan Kekurangan SSO .......................................... 33
2.7. Model Technology Readiness Index (TRI).................................... 34
2.8. Teknik Pengumpulan Data ............................................................ 37
2.8.1 Pengelompokkan Data ......................................................... 38
2.9. Skala Likert ................................................................................... 39
2.10. Populasi dan Teknik Sampling ...................................................... 40
2.11. Partial Least Square Structural Equation Modeling (PLS-SEM) 43
2.12. Pengembangan Model dan Hipotesis Penelitian ........................... 47
2.13. Model yang diadopsi ..... .............................................................. 52
2.13.1 Model IPO Logic................................................................ 52
2.13.2 Technology Readiness Index .............................................. 53
xii
2.13.3 Model Keberhasilan Proyek Sistem Informasi................... 55
2.13.4 Teori Lingkungan Proyek Sistem....................................... 58
2.13.4 Pengembangan Hipotesis Penelitian .................................. 60
2.14. Penelitian Sejenis........................................................................... 71
2.15 Ringkasan ....................................................................................... 73
BAB III: METODOLOGI PENELITIAN
3.1. Pendekatan dan Strategi Penelitian ............................................... 74
3.2. Prosedur Penelitian........................................................................ 75
3.3. Populasi dan Sampel Penelitian .................................................... 77
3.4. Instrumen Penelitian...................................................................... 79
3.5. Pemrosesan dan Pengumpulan Data ............................................. 83
3.6. Analisa dan Interpretasi Hasil ....................................................... 84
3.7. Ringkasan ...................................................................................... 85
BAB IV: HASIL ANALISIS DAN INTERPRETASI
4.1. Hasil Analisis ................................................................................ 86
4.2.1 Hasil Analisis Demografi ..................................................... 86
4.2.2 Hasil Analisis Pengukuran Model (Measurement Model) ... 92
4.2.3 Hasil Analisis Struktur Model (Struktural Model)............... 100
4.2. Interpretasi dan Diskusi Hasil ....................................................... 107
4.3.1 Interpretasi dan Disuksi Hasil Analisis Data Demografis.... 107
4.3.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran 111
4.3.3 Interpretasi dan Diskusi Hasil Analisis Struktural Model.... 112
4.3. Ringkasan ...................................................................................... 125
xiii
BAB V: KESIMPULAN DAN SARAN
5.1. Kesimpulan.................................................................................... 127
5.2. Saran.............................................................................................. 130
5.3. Ringkasan ...................................................................................... 132
DAFTAR PUSTAKA ..................................................................................... 133
xiv
DAFTAR GAMBAR
Gambar 2.1 ..................................................................................................... 24
Gambar 2.2 ..................................................................................................... 25
Gambar 2.3 ..................................................................................................... 26
Gambar 2.4 ..................................................................................................... 27
Gambar 2.5 ..................................................................................................... 34
Gambar 2.6 ..................................................................................................... 51
Gambar 2.7 ..................................................................................................... 53
Gambar 2.8 ..................................................................................................... 54
Gambar 2.9 ..................................................................................................... 56
Gambar 2.10 ................................................................................................... 57
Gambar 2.11 ................................................................................................... 66
Gambar 2.12 ................................................................................................... 70
Gambar 3.1 ..................................................................................................... 77
Gambar 4.1 .................................................................................................... 87
Gambar 4.2 ..................................................................................................... 88
Gambar 4.3 ..................................................................................................... 89
Gambar 4.4 ..................................................................................................... 90
Gambar 4.5 ..................................................................................................... 91
Gambar 4.6 ..................................................................................................... 92
Gambar 4.7 ..................................................................................................... 98
Gambar 4.8 ..................................................................................................... 104
Gambar 4.9 ..................................................................................................... 108
xv
DAFTAR TABEL
Tabel 2.1 .......................................................................................................... 27
Tabel 2.2 .......................................................................................................... 61
Tabel 2.3 .......................................................................................................... 62
Tabel 2.4 .......................................................................................................... 64
Tabel 2.5 .......................................................................................................... 65
Tabel 2.6 .......................................................................................................... 66
Tabel 2.7 .......................................................................................................... 67
Tabel 2.8 ......................................................................................................... 71
Tabel 3.1 .......................................................................................................... 76
Tabel 3.2 .......................................................................................................... 81
Tabel 3.3 .......................................................................................................... 83
Tabel 4.1 .......................................................................................................... 96
Tabel 4.2 .......................................................................................................... 99
Tabel 4.3 .......................................................................................................... 103
Tabel 4.4 .......................................................................................................... 106
Tabel 4.5 .......................................................................................................... 110
xvi
DAFTAR LAMPIRAN
Lampiran 1 Daftar Kuesioner....................................................................... xv
Lampiran 2 Surat SK Dosen Pembimbing .................................................. xx
Lampiran 3 Surat-Surat Pendukung Penelitian ......................................... xxi
Lampiran 4 Data Hasil Pengujian Statistik ................................................ xxi
xvi
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Saat ini dampak dari perkembangan teknologi informasi dan komunikasi (TIK) dapat
kita rasakan manfaatnya yang dapat membantu dalam penanganan pekerjaan sehari-
hari. Berbagai sektor yang saat ini menggunakan TIK seperti sektor bisnis, pendidikan,
kesehatan dan pemerintahan. Penggunaan teknologi dirasa dapat meningkatkan
efektivitas dan efisiensi dalam bekerja sehingga membuat manusia saat ini sangat
bergantung kepada penggunaanya. Perkembangan dari fungsi TIK yang selalu
berkembang untuk dapat menyelesaikan berbagai masalah yang ada dikehidupan
sehari-hari mendorong dilakukannya inovasi secara berkelanjutan (Yunita, 2017).
Peranan TIK dapat berkontribusi pada perubahan cara manusia dalam bekerja dan
berinteraksi di bidangnya [Patel, Gali, Patel & Parmar (2011) dalam Putra et al.
(2015)].
TIK dirasa sudah menjadi kebutuhan bagi berbagai institusi untuk mewujudkan tujuan
dan harapan yang mereka buat. Hal ini yang menyebabkan berbagai institusi dari
berbagai bidang memanfaatkan keberadaan teknologi untuk dapat dimanfaatkan
kedalam proses bisnis yang mereka terapkan dengan mengharapkan hasil yang lebih
efektif dan lebih efisien. Termasuk pemanfaatannya pada institusi pendidikan.
Berbagai tingkatan organisasi pendidikan mulai dari taman kanak-kanak, sekolah
dasar hingga jenjang lebih tinggi, baik institusi pendidikan yang dimiliki negeri atau
2
pihak swasta, seluruhnya telah melibatkan peran TIK kedalam berbagai siklus agar
terintegrasinya berbagai sub bidang di dalam institusi tersebut. Peran TIK pada institusi
pendidikan tinggi berupa tersedianya afordibilitas, aksesibilitas, serta kualitas dari
pendidikan itu sendiri, terutama peran TIK dapat menjamin kinerja manajemen dan
fungsi akademik [Hong & Songan (2011) dalam Subiyakto et al. (2015)].
Dengan diterapkannya TIK di suatu institusi tidak menutup kemungkinan bahwa
munculnya resiko yang mengancam. Berbagai perubahan yang ada pada suatu institusi
seperti, bertambahnya biaya yang dibutuhkan untuk operasional teknologi, contohnya
kebutuhan saat proses pembangunan dan persediaan TIK diawal. Terlebih bila institusi
telah mentransformasikan seluruh prosesnya dari hulu ke hilir menggunakaan
pemanfaatan TIK. Resiko lainnya yang muncul dapat berupa tidak diterimanya sistem
oleh seluruh pengguna, faktor dari resiko ini dapat berupa ketidaksiapan dari pengguna
teknologi (Walchzuch et al., 2007).
Resiko penyalahgunaan TIK yang paling sering muncul berada pada masalah
keamanannya. Pengguna sistem nyatanya memiliki lebih dari satu identitas dan kata
kunci untuk dapat mengakses sistem yang ada bahkan di satu institusi sekalipun.
Kemungkinan banyaknya identitas dan kata kunci yang dimiliki akan membuat
pengguna lupa sehingga nantinya akun identitas dan kata kunci yang tidak terpakai
dapat dimanfaatkan sebagai celah bagi orang yang tidak bertanggung jawab untuk bisa
masuk kedalam sistem menggunakan identitas dan kata kunci yang terlupakan tersebut.
[Flavia´n & Guinalı´u (2006) dalam Casalo et al. (2007)] menyebutkan bahwa
keamanan dan privasi adalah hal yang berhubungan erat. Oleh karena itu, setiap
individu harus memiliki etika dalam menjaga keamanan informasi baik itu informasi
3
pribadi, informasi institusi atau perusahaan dengan berbagai fasilitas yang telah
tersedia seperi penyaringan konten, firewall, enkripsi, dan lainnya (Karsen, 2016).
Pihak institusi juga harus memikirkan celah keamanan ini untuk dapat
meminimalisir resiko celah akan jaringan dari segi para pengguna sistemnya. Untuk itu
harus adanya pemberesan identitas-identitas dan kata kunci yang sama menjadi satu
kesatuan untuk satu pengguna. Bila pengguna sistem hanya menggunakan satu identitas
dan kata kunci maka secara langsung pengguna akan menjaga identitas dan kata kunci
tersebut. Salah satu solusi adalah penggunaan sistem Single Sign-On (SSO) yang dapat
diterapkan karena menjadi salah satu cara dalam pengontrolan akses dan identity
management pada jaringan (Fauziah, 2014). Sistem ini dapat didefinisikan sebagai
pengalaman pengguna dalam melakukan login hanya sekali dan mampu menavigasi ke
banyak aplikasi tanpa perlu memasukkan identitas dan kata kunci untuk masuk kesetiap
aplikasi (Ponnapalli, 2004). Dengan di integrasikan seluruh sistem diatas dengan
menggunakan identity management yang lebih baik lagi dapat lebih memudahkan
dalam perekaman jejak, pemusatan keamanan serta proses bisnis yang ada di
lingkungan organisasi karena tidak perlu memiliki hak akses yang berbeda. Sistem SSO
memberikan efisiensi dan keamanan bagi pengguna dalam mengelola serta mengakses
berbagai layanan aplikasi (Ramadhan, 2012).
Pada nyatanya saat ini institusi pendidikan seperti UIN Syarif Hidayatullah
Jakarta masih memiliki sistem yang belum terintegrasi padahal tujuan dibangunnya
sistem-sistem tersebut tidak dapat terlepas satu dengan lainnya. Contoh sistem-sistem
tersebut adalah academic information system (AIS), sistem perpustakaan, sistem
repositori, sistem laporan kinerja pegawai (LKP), sistem service desk, sistem absensi,
4
sistem parkir, dan lain sebagainya. Belum lagi bila mahasiswa dan dosen melakukan
kelas online dengan bantuan googleclassroom didalam kegiatan perkuliahan. Hal ini
mengakibatkan para pengguna sistem harus memiliki lebih dari satu akun identitas.
Resiko yang sering muncul dari hal ini berupa password yang dimiliki seringkali dapat
dicuri, tidak sengaja diungkapkan dan dilupakan (Arfan, 2014)
Untuk itu tepat rasanya bila penerapan sistem SSO menjadi salah satu solusi
untuk dapat meminimalisir resiko keamanan dari segi para penggunanya. Pada
kenyataannya saat ini pusat teknologi informasi dan pangkalan data (PUSTIPANDA)
sebagai pihak yang bertanggung jawab pada seluruh sistem yang ada di UIN Syarif
Hidyatullah Jakarta sedang menyiapkan dan mengembangkan penerapan sistem SSO
tersebut dimasa mendatang. Karena salah satu kunci kesuksesan suaru organisasi adalah
adanya inovasi implementasi (Huda & Hussin, 2013). Namun untuk dapat menerapkan
teknologi informasi baru dalam suatu organisasi, diperlukan persiapan yang sangat
matang, agar penerapan sistem baru tersebut dapat berjalan sesuai dengan harapan
sesuai berjalan dengan efektif dan efisien. Untuk itu didalam dunia teknologi terdapat
pengukuran dalam kesiapan terhadap suatu penerapan teknologi. Pengukuran kesiapan
di nilai penting karena kesuksesan pengimplementasian teknologi baru di dalam sebuah
organisasi sangat ditentukan oleh faktor kesiapan brainware atau penggunanya (Sheu
& Kim, 2008) Ketidaksiapan dapat menimbulkan dampak kegagalan dalam penerapan
teknologi informasi itu sendiri (Florestiyanto, 2012; Subiyakto, 2017).
Dengan adanya suatu pengukuran dan penilaian dalam tingkat kesiapan dan
kemampuan pengguna suatu teknologi maka akan meminimalisir tingkat kesalahan,
5
kesulitan dan resiko yang ada [Jogiyanto (2007) dalam Pambudi (2015)]. Kesiapan
dalam aspek teknologi atau Technology Readiness adalah bagaimana seorang individu
atau organisasi dapat dengan siap beradaptasi, menggunakan dan memanfaatkan
teknologi dalam kegiatan mereka sehari-hari (Lazuardi, 2013). Adanya
pengidentifikasian akan faktor-faktor yang mempengaruhi kesiapan pengguna dalam
pengadopsian teknologi penting agar tujuan dari adopsi teknologi dapat tercapai dan
lebih bermanfaat (Noprianto et al. 2017). Melihat alasan lainnya bahwa kegagalan
penerapan sistem yang dapat dilihat menjadi suatu proyek, dapat menimbulkan efek
kerugian finansial di masa depan bahkan dapat mempengaruhi keberlanjutan
operasional bisnis pengembangnya dimasa depan [Xu, Zhang, & Barkhi (2010) dalam
Subiyakto et al. 2015].
Namun, kebanyakan penelitian akan pengukuran tingkat kesiapan hanya dilihat
dari aspek individunya atau dari aspek organisasinya saja (Lazuardi, 2013). Suatu
model yang baik adalah model yang lengkap tetapi sederhana [Jogiyanto (2007) dalam
Yuliana (2016)]. Sejauh ini masih jarang penelitian dimana aspek individu dan institusi
atau organisasi dilihat menjadi satu kesatuan yang tidak dapat terpisahkan satu dengan
lainnya. Terlebih apabila satu individu tersebut berada dilingkungan suatu institusi. Hal
ini tentu akan berbeda pada hasil pengukurannya karena adanya pengaruh dari
lingkungan makro dari sistem bisnis disekitarnya termasuk lingkup organisasi (Lim &
Mohamed, 1999; Howsawi et al., 2011; Subiyakto et al., 2015), lalu individu yang ada
didalam institusi akan berpengaruh terhadap lingkungan budaya, kebiasaan serta
peraturan yang ada (Napitupulu, 2016). Ptak dan Schragenheim (2004) mengatakan
bahwa salah satu dari alasan kegagalan implementasi suatu sistem adalah kurangnya
6
kesiapan organisasi dalam hal kedewasaan proses bisnis, aspek budaya, teknologi dan
organisasi.
Celah ini dapat dimanfaatkan untuk dilakukan penelitian dengan mengukur
tingkat kesiapan penerapan individu yang dipengaruhi oleh lingkungannya.
Oleh sebab adanya rencana serta pengembangan saat ini oleh institusi pendidikan
UIN Syarif Hidayatullah Jakarta untuk dapat menerapkan SSO dikemudian hari. Serta
menariknya untuk dilakukan pengembangan penelitian akan tingkat kesiapan yang
melibatkan individu dan organisasi tempatnya berada. Maka untuk itu peneliti dalam
penelitian ini mengusung judul “Faktor-Faktor yang Mempengaruhi Kesiapan
Penerapan Sistem Single Sign-On di UIN Syarif Hidayatullah Jakarta”
1.2. Perumusan Masalah
PUSTIPANDA sebagai pihak yang bertanggung jawab pada seluruh sistem yang ada
di UIN Syarif Hidyatullah Jakarta sedang menyiapkan dan mengembangkan penerapan
SSO. Namun sebelum diterapkannya, pengukuran kesiapan penting dilakukan karena
salah satu tantangan terberat dalam penerapan sistem maupun teknologi informasi baru
adalah kesiapan dari penggunanya (Jogiyanto, 2007; Pambudi, 2015). Ketidaksiapan
dapat menimbulkan dampak kegagalan dalam penerapan teknologi informasi itu sendiri
(Florestiyanto, 2012; Subiyakto, 2017). Sheu dan Kim (2008) mengatakan bahwa faktor
kesiapan pengguna lebih kuat pengaruhnya terhadap keberhasilan proyek SI
dibandingkan dengan keterlibatan pengguna dalam proyek SI, hal ini dapat menjadi
aspek dominan terhadap keberhasilan implementasi SI. Terlebih belum banyaknya
penelitian yang mengukur tingkat kesiapan penerapan teknologi dengan melihat sudut
7
pandang individu dengan mempertimbangkan faktor organisasi tempatnya berada. Hal
ini menarik untuk dapat dilakukan penelitian. Harapan dari penelitian ini adalah dapat
menjadi bahan pertimbangan bagi manajemen strategis untuk mempertimbangkan
penerapan SSO dengan melihat faktor apa saja yang mempengaruhi kesiapannya. Serta
dapat menjadi kelanjutan dari penelitian mengenai pengukuran kesiapan individu yang
berada disuatu institusi.
1.3. Tujuan dan Sasaran penelitian
1.3.1 Tujuan Penelitian
Berdasarkan uraian yang telah dijelaskan dalam sub bab latar belakang dan perumusan
masalah sebelumnya, penelitian ini dilakukan dengan tujuan untuk:
a. Mengetahui tingkat kesiapan pengguna terhadap penerapan sistem SSO di
UIN Syarif Hidayatullah Jakarta.
b. Mengetahui faktor-faktor yang mempengaruhi tingkat kesiapan pengguna
terhadap sistem SSO di UIN Syarif Hidayatullah Jakarta.
1.3.2 Sasaran Penelitian
Mengacu pada tujuan penelitian diatas, sasaran dalam penelitian ini adalah:
a. Mengetahui tingkat kesiapan penerapan sistem SSO di lingkungan UIN
Syarif Hidayatullah Jakarta berdasarkan pada persepsi mahasiswa, dosen,
dan pegawai.
b. Mengetahui faktor apa saja yang dapat mempengaruhi tingkat kesiapan
penerapan sistem SSO berdasarkan model penelitian yang digunakan.
8
1.4. Manfaat Penelitian
Penelitian ini bertujuan untuk dapat memberikan manfaat yang signifikan sebagai
berikut.
a. Secara praktis, hasil penelitian ini diharapkan dapat menjadi bahan
pertimbangan untuk tingkat manajerial tertinggi atau pemangku kebijakan
akan penerapan sistem SSO di lingkungan UIN Syarif Hidayatullah Jakarta.
b. Secara teoritis, penelitian ini diharapkan dapat menghasilkan model
alternatif dalam melihat kesiapan dengan melakukan pengadopsian,
pengkombinasian dan pengadaptasian aspek individu dan aspek eksternal
dilingkungan individu seperti budaya organisasi, isi konten suatu sistem
serta perilaku dan aksi organisasi tempat individu itu berada.
c. Secara metodologi, penelitian ini dapat diharapkan menjadi pendorong
pemanfaatan metode kuantitatif dalam hal pembuatan skripsi khususnya di
Program Studi Sistem Informasi UIN Syarif Hidayatullah Jakarta.
1.5. Ruang Lingkup dan Batasan
Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai berikut.
a. Penelitian ini dilakukan untuk mengetahui tingkat kesiapan terhadap
penerapan sistem SSO di lingkungan UIN Syarif Hidayatullah Jakarta pada
tahun 2017 khususnya pada bagian PUSTIPANDA.
b. Secara teori, penelitian ini mengadopsi, mengkombinasi dan mengadaptasi
faktor kesiapan dengan aspek individu dan aspek eksternal lingkungan
9
individu seperti budaya organisasi, isi konten suatu sistem serta perilaku
dan aksi organisasi tempat individu itu berada. Model yang digunakan
adalah TRI 2.0 (Parasuraman & Colby, 2015) mengenai readiness dan
faktor organisasi yang berada pada teori keberhasilan proyek milik McLeod
dan MacDonell (2011) yang dikembangkan oleh (Subiyakto & Ahlan,
2014; Subiyakto et al., 2015) berupa model Keberhasilan Proyek Sistem
Informasi. Teori pendukung yaitu, input-proses-output (Davis,
1998; Kellog, 2004), A Tripod Readiness Model (Yang et al., 2014), model
hubungan antara technology readiness dengan continuance intention (Chen
et al., 2014).
c. Secara metodologi, penelitian ini menggunakan metode kuantitatif
(Creswell, 2013) dengan teknik pengumpulan data survei yang disebarkan
kepada mahasiswa/i aktif, dosen, dan pegawai UIN Syarif Hidayatullah
Jakarta dengan populasi sejumlah 25.776 orang, peneliti mengambil sampel
sejumlah 250 responden. Teknik yang digunakan untuk pengambilan
sampel adalah teknik purposive sampling (Guritno et al.
2011) untuk tahap pertama, dan accidental sampling untuk tahap kedua
(Sugiyono, 2001; Hadi, 2016; Rosalina, 2017). Selanjutnya peneliti
melakukan teknik analisis data menggunakan PLS-SEM dan tools
SmartPLS 3.0 (Yamin & Kurniawan, 2011; Hair et al., 2012; Afthanorhan,
2013; Wong, 2013; Ringle, 2015)
10
1.6. Pertanyaan Penelitian
Berdasarkan tujuan dan sasaran pada penelitian ini, maka pertanyaan penelitian dalam
hal ini:
1. Apa status kesiapan pengguna sistem akan penerapan sistem SSO di
lingkungan UIN Syarif Hidayatullah Jakarta?
2. Apa saja faktor yang mempengaruhi kesiapan pengguna sistem akan
penerapan sistem SSO di UIN Syarif Hidayatullah Jakarta?
Melihat dari berbagai faktor yang dapat mempengaruhi, maka dalam
penelti membuat 19 faktor yang diasumsikan dapat saling mempengaruhi,
diantaranya:
Q2.1. Apakah konteks PA berpengaruh secara signifikan terhadap OP?
Q2.2. Apakah konteks PA berpengaruh secara signifikan terhadap IV?
Q2.3. Apakah konteks PA berpengaruh secara signifikan terhadap DS?
Q2.4. Apakah konteks PA berpengaruh secara signifikan terhadap IS?
Q2.5. Apakah konteks CS berpengaruh secara signifikan terhadap OP?
Q2.6. Apakah konteks CSberpengaruh secara signifikan terhadap IV?
Q2.7. Apakah konteks CS berpengaruh secara signifikan terhadap DS?
Q2.8. Apakah konteks CS berpengaruh secara signifikan terhadap IS?
Q2.9. Apakah konteks CO berpengaruh secara signifikan terhadap OP?
Q2.10. Apakah konteks CO berpengaruh secara signifikan terhadap IV?
Q2.11. Apakah konteks CO berpengaruh secara signifikan terhadap DS?
Q2.12. Apakah konteks CO berpengaruh secara signifikan terhadap IS?
Q2.13. Apakah konteks CO berpengaruh secara signifikan terhadap CS?
11
Q2.14. Apakah konteks CO berpengaruh secara signifikan terhadap PA?
Q2.15. Apakah konteks CO berpengaruh secara signifikan terhadap SSO.R?
Q2.16. Apakah konteks OP berpengaruh secara signifikan terhadap SSO.R?
Q2.17. Apakah konteks IV berpengaruh secara signifikan terhadap SSO.R?
Q2.18. Apakah konteks DS berpengaruh secara signifikan terhadap SSO.R?
Q2.19. Apakah konteks IS berpengaruh secara signifikan terhadap SSO.R?
1.7. Model Penelitian
Model yang digunakan untuk mengetahui kesiapan dalam penelitian ini berupa model
TRI 2.0 (Parasuraman & Colby, 2015) yang fokus kepada pengukuran individu.
Sedangkan, suatu keberhasilan dari penerapan suatu sistem bergantung pada perubahan
lingkungan disekitarnya (McLeod & MacDonell, 2011; Nasir & Sahibuddin, 2011;
Amiri Sarfi, Kahreh & Maleki, 2011; Sudhakar, 2012; Subiyakto et al., 2015).oleh
sebab itu, penelit imengadopsi, mengkombinasi dan mengadaptasi aspek individu dan
aspek eksternal dilingkungan individu seperti budaya organisasi, isi konten suatu sistem
serta perilaku dan aksi organisasi tempat individu yang berada dalam teori keberhasilan
proyek milik McLeod dan MacDonell (2011) yang dikembangkan oleh (Subiyakto &
Ahlan, 2014; Subiyakto et al., 2015) berupa model Keberhasilan Proyek Sistem
Informasi. Kuesioner dibuat dengan memadukan variabel dan indikator dari kedua
model tersebut.
Model penelitian ini terdiri dari 7 variabel yaitu Person and Actions (PO), Content
System (CS), Context Organization (CO), Discomfort (DS), Insecurity (IS),
Innovativeness (IV), Optimism (OP). Sedangkan variabel yang akan diadopsi dari teori
12
keberhasilan proyek milik McLeod dan MacDonell (2011) yang dikembangkan oleh
(Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) berupa model Keberhasilan Proyek
Sistem Informasi adalah variabel People & Actions, Project Content, dan Institutional
Context.Untuk responden penelitian adalah para calon pengguna sistem SSO yaitu
mahasiswa/i, dosen, dan pegawai di lingkungan perguruan tinggi negeri UIN Syarif
Hidayatullah Jakarta. Sampel diambil dengan menggunakan teknik purposive sampling
(Guritno et al. 2011) dan accidental sampling (Sugiyono, 2001; Hadi, 2016; Rosalina,
2017). Selanjutnya kuesioner disebarkan secara langsung dan tidak langsung.
Penyebaran secara langsung dilakukan oleh penelitian bertujuan agar mendapatkan
responden yang tepat melalui interaksi secara langsung. Sedangkan penyebaran
kuesioner tidak langsung dilakukan peneliti menggunakan media social yang
berkembang di masyarakat (email, whatsapp, dan line) dengan menggunakan bantuan
fitur google forms untuk pengisiannya.
1.8. Sistematika Penulisan
Penulisan laporan penelitian ini terbagi menjadi kedalam 5 bab, terdiri dari
pendahuluan, kajian pustaka, metodologi penelitian, hasil analisis dan interpretasi, dan
penutup. Berikut adalah penjelasan singkat 5 bab tersebut.
Bab 1 Pendahuluan
Bab ini menjelaskan tentang latar belakang, identifikasi masalah, perumusan masalah,
tujuan dan sasaran, pertanyaan penelitian, model penelitian, ruang lingkup dan batasan,
metologi, manfaat penelitian, dan sistematika penelitian.
13
Bab 2 Kajian Pustaka
Bab ini menjelaskan teori-teori terkait landasan pelaksanaan penelitian, meliputi teori
pengukuran kesiapan, Sistem SSO, Sistem Akademik, SEM-PLS, metode
pengumpulan data, populasi dan teknik sampling, Model TRI 2.0, Model Keberhasilan
Proyek Sistem Informasi yang akan diadopsi, pengembangan model penelitian dan
hipotesisnya.
Bab 3 Metodologi Penelitian
Bab ini memaparkan secara metode proses pelaksanaan penelitian, mencakup
penjelasan-penjelasan tentang pendekatan, prosedur, populasi dan sampel, instrumen,
pengumpulan dan pemrosesan data, serta analisis data.
Bab 4 Hasil Analisis dan Interpretasi
Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi hasil
penelitian. Analisis data utamanya dilakukan menggunakan pendekatan metode PLS-
SEM dengan perangkar lunak SmartPLS 3.0.
Bab 5 Penutup
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan penelitian
terutama terkait dengan aspek penggunaan dan kelanjutaan bagi kajian-kajian
selanjutnya.
14
1.10 Ringkasan
Penerapan sistem SSO di UIN Syarif Hidayatullah telah menjadi pertimbangan terlebih
dari sudut pandang PUSTIPANDA yang saat ini dalam tahap pengembangan
sistemnya. Agar penerapan sistem SSO itu sendiri berjalan secara maksimal sesuai
dengan tujuan dan harapan akan penerapannya, sehingga dapat meminimalisir resiko
yang nantinya akan muncul, butuh adanya suatu pengukuran akan tingkat kesiapan para
pengguna yang nantinya akan sangat membantu untuk dapat melihat nantinya akan
menjadi kategori pengguna terhadap penerapan sistem baru tersebut serta akan
diketahuinya faktor apa saja yang dapat mempengaruhi tingkat kesiapannya. Penelitian
ini menggunakan model yaitu model TRI 2.0 (Parasuraman & Colby, 2015) dan faktor
organisasi yang ada dalam model Keberhasilan Proyek Sistem Informasi (Subiyakto &
Ahlan, 2014; Subiyakto et al., 2015) yang nantinya akan diadopsi, dikombinasi,dan
diadaptasi menjadi model alternatif baru dengan teori dan model pendukung seperti
input-proses-output (Davis, 1998; Kellogg, 2004), dengan menggunakan metode
kuantitatif terhadap kesiapan para calon pengguna sistem SSO (mahasiswa, dosen, dan
pegawai) di lingkungan UIN Syarif Hidayatullah Jakarta.
15
15
BAB II
LANDASAN DAN KERANGKA TEORI
2.1. Konsep Dasar Pengukuran
Pengukuran atau measurement merupakan proses dari pengumpulan data melalui
pengamatan empiris untuk mengumpulkan informasi yang relevan dengan tujuan yang
telah ditentukan (Cangelosi, 1995). Pengukuran memiliki dua karakteristik utama
yaitu; penggunaan angka atau skala tertentu (1), menurut suatu aturan atau formula
tertentu (2). Pengukuran merupakan cara untuk dapat memantau dan menelusuri
kemajuan dari tujuan strategis. Selain itu suatu pengukuran harus mempertimbangkan
beberapa aspek seperti sasaran dari suatu penelitian, konteks organisasi yang
menggunakan, aspek dari sistem informasinya, dan variabel-variabel independen yang
digunakan untuk dapat melihat nilai kesuksesannya, metode risetnya, dan tingkat
analisisnya apakah pada tingkat individual, organisasi, atau masyarakat (Jogiyanto,
2007). Menurut Sridadi (2007), pengukuran sendiri merupakan suatu proses dimana
dilakukan secara sistematis untuk dapat memperoleh besaran kuantitatif dari suatu
objek tertentu dengan menggunakan alat ukur yang baku. Para peneliti berasumsi
dengan mengetahui faktor-faktor yang mempengaruhi suatu pengukuran dapat
menjadikannya awalan untuk dapat memahami gap yang ada (Subiyakto et al., 2016).
Dapat disimpulkan bahwa pengukuran sendiri adalah suatu kegiatan secara
16
sistematis untuk memperoleh data dengan menggunakan skala tertentu dan
mempertimbangkan beberapa aspek untuk dapat menelusuri suatu tujuan strategis
tertentu.
2.2. Konsep Dasar kesiapan
Kesiapan adalah kondisi seseorang secara keseluruhan yang dapat membuatnya siap
untuk dapat memberikan respon atau jawaban dalam suatu cara tertentu terhadap suatu
situasi yang dihadapinya. Maka seseorang akan menyesuaikan kondisi tersebut dan
akan berpengaruh atau memiliki kecenderungan untuk memberi respon (Slameto,
2010). Kesiapan adalah sikap yang menunjukkan kesediaan untuk memberi respon atau
bereaksi (Slameto, 2010).
Kesiapan merupakan kemampuan yang dimiliki seseorang baik fisik, mental dan
perlengkapan belajar. Kesiapan fisik yang meliputi tenaga yang cukup dan kesehatan
yang baik serta kesiapan mental yang meliputi minat dan motivasi yang cukup untuk
melakukan suatu kegiatan (Dalyono, 2005).
Ketidaksiapan dapat menimbulkan dampak kegagalan dalam penerapan
teknologi informasi itu sendiri (Florestiyanto, 2012).
2.2.1 Faktor- Faktor Kesiapan
Menurut Slameto (2010) kondisi kesiapan mencakup 3 aspek, yaitu:
a. Kondisi fisik, mental dan emosional.
b. Kebutuhan-kebutuhan, motif dan tujuan.
c. Keterampilan, pengetahuan, dan pengertian yang lain yang telah dipelajari.
17
Menurut Dalyono (2009) faktor kesiapan terbagi menjadi dua bagian yaitu:
a. Faktor internal yang meliputi kesehatan, intelegensi dan bakat, minat dan
motivasi.
b. Faktor eksterrnal yang meliputi keluarga, sekolah, masyarakat, dan
lingkungan sekitar.
2.2.2 Macam-Macam Bentuk Kesiapan
Menurut Kuswahyuni (2009) macam-macam bentuk kesiapan terbagi menjadi:
a. Kesiapan Mental
Kesiapan mental adalah kondisi kepribadian seseorang secara menyeluruh
tidak hanya kondisi kejiwaannya saja. Kondisi mental hasil dari tumbuh
kembang seseorang semasa hidupnya dan diperkuat dari pengalaman-
pengalaman yang dimilikinya dalam kehidupan sehari-hari.
b. Kesiapan Diri
Kesiapan diri adalah terbangunnya kekuatan yang dipadu dengan keberanian
fisik dari seseorang yang berakal sehat sehingga dapat menghadapi segala
sesuatu dengan gagah berani.
c. Kesiapan Kecerdasan
Kesiapan kecerdasan merupakan kesigapan bertindak dan kecakapan
seseorang dalam memahami. Ketajaman intelegensi, otak, dan pikiran dapat
membuat seseorang lebih aktif sehingga dapat menyesuaikan diri dengan
lingkungan sekitarnya.
18
2.3. Konsep Dasar Kesiapan Teknologi
Terdapat berbagai macam pengertian dan sudut pandang dari kesiapan atau readiness
yang melibatkan peran teknologi informasi dan komunikasi (TIK). Menurut
Parasuraman (2000) technology Readiness di definisikan sebagai kecenderungan untuk
merangkul dan menggunakan teknologi baru untuk menyelesaikan tujuan dari berbagai
pekerjaan baik di rumah maupun di tempat pekerjaan. Konsep technology readiness
dibangun untuk dapat menangkap keterbukaan pengguna kepada informasi teknologi
baru dan aspek kegunaan teknologi.
Setiap individu percaya bahwa kegiatan sehari-hari mereka akan lebih efisien,
dapat diatur pengaturan serta fleksibel dengan mengadopsi teknologi (Chen et al.
2014). Adanya pengidentifikasian akan faktor-faktor yang mempengaruhi kesiapan
pengguna dalam pengadopsian teknologi penting agar tujuan dari adopsi teknologi
dapat tercapai dan lebih bermanfaat (Noprianto et al. 2017).
Penelitian mengenai kesiapan teknologi dari produk TIK yang ada saat ini
diantaranya pengukuran knowledge management system readiness (KMS readiness).
Afifah, et al. (2011) dalam penelitianya menggunakan 3 variabel utama yaitu people,
process, dan technology untuk dapat mengukur kesiapan KMS sesuai dengan
keterkaitan ketiga variabel tersebut terhadap implementasi knowledge management
(Wickramasinghe (2001), Jerrel dan Landay (2000, dalam Erikson, 2006) faktor
people, process, dan technology diturunkan menjadi beberapa indikator seperti
organizational performance and change (Burke dan Litwin, 1992), yaitu budaya
organisasi, leadership, work unit climate, motivation dan task requirements individual
skill & ability yang masuk ke dalam faktor people. Faktor process terdiri dari visi, misi,
19
dan strategi, management practices, sistem (policies dan procedure) dan struktur.
Sedangkan variabel membagi indikatornya menjadi dari faktor technology diambil dari
perspektif sosio-teknikal menurut Pan dan Scarborough 1998, dalam Hayati, 2010)
yaitu infrastructure online.
Sejalan dengan penelitian diatas mengenai KM readiness widiastuti dan budi
(2016) yang mengacu kepada pengukuran kesiapan implementasi KM readiness
dengan berfokus kepada isu manusia, proses dan teknologi. Pengembangan variabel
dalam penelitian ini menjadi empat yaitu, budaya organisasi, struktur organisasi,
penerimaan individu dan teknologi informasi. Chapnick (2000) mengusulkan model e-
learning kedalam delapan ketegori kesiapan diantaranya (1) psychological readiness,
(2) sociological readiness, (3) environmental readines, (4) human resource readiness,
(5) financial readiness, (6) technological skill (aptitude) readiness, (7) equipment
readiness, dan (8) content readiness.
Berbeda dengan penelitian mengenai pengukuran kesiapan yang melibatkan e-
learning readiness oleh Fariani (2013) yang mengatakan bahwa kesiapan e-learning
membutuhkan kesiapan infrastruktur dan kultur organisasi. Variabel yang ada dalam
penelitian ini adalah sumber daya manusia (SDM), organisasi, teknologi, materi e-
learning, keuangan, dan infrastruktur.
Setyawan (2016) dalam penelitiannya dalam kesiapan implementasi green ICT
yang dalam penggunaan TIK yang selalu mempertimbangkan dampaknya terhadap
lingkungan menggunakan lima variabel yaitu, attitude, policy, practice, technology,
dan governance. Penelitian lainnya terkait kesiapan menurut yang et al. (2015) dengan
menjadikan software-as-a-service (Saas) pada teknologi cloud computing,
20
mengembangkan kesiapan atau readiness berdasarkan kepada pengaruh technology,
organization dan environtmental (TOE framework) yang dapat mempengaruhi manusia
dalam mempersiapkan pengadopsian suatu inovasi TIK.
Penelitian lainnya terkait readiness perusahaan yang akan menerapkan enterprise
resource planning (ERP) dilakukan oleh Shafeai & Dabiri (2003). Pengembangan
readiness dilakukan melalui hubungan antara ERP CSFs dengan kriteria yang dimiliki
European Foundation for Quality Management EFQM, sehingga pengembangan
penelitian ini memiliki enam vaariabel diantaranya (1) Leadership, (2) People, (3)
Policy and Strategy, (4) Partnerships and resources, (5) process dan (6) IT. Model
EFQM yang digunakan untuk fokus pada ERP CSFs yang dibangun bertujuan untuk
dapat menilai tingkat kesiapan perusahaan untuk mencapai keberhasilan implementasi
ERP sistem.
National aeronautics and space administration (NASA) pada tahun 2003
mengembangkan tingkat kesiapan teknologi (TKT) untuk pertama kalinya dengan
tujuan sebagai alat untuk dapat menyeleksi vendor teknoloogi untuk dapat memenuhi
kebutudandan dapat mengurangi adanya resiko yang ada. Metode ini digunakan juga
untuk melakukan pengukuran evaluasi tingkat kesiapan teknologi baru dan panduan
pengembangannya dimasa mendatang hingga siap secara operasional. TKT sendiri
dibagi kedalam Sembilan skala dimana satu dengan lainnya saling terkait, yaitu (1)
prinsip dasar dari teknologi telah diteliti dan tercatra, (2) formulasi konsep teknologi
dan aplikasinya, (3) pembuktian konsep fungsi atau karakteristik penting secara analitis
dan eksperimental, (4) validasi kode, komponen dan kumpulan komponen dalam
lingkungan laboratorium, (5) validasi kode, komponen dan kumpulan kompnen dalam
21
lingkungan yang relevan, (6) demonstrasi model atau prototype sistem/subsistem
dalam lingkungan yang relevan. (7) demonstrasi prototype sistem dalam
lingkungan/apllikasi sebenarnya, (8) sistem telah lengkap dan memenuhi syarat
melalui pengujian dan demonstrasi dalam lingkungan/aplikasi sebenarnya, (9) sistem
benar benra teruji melalui keberhasilan pengoperasian.
2.4. Pengertian Kesiapan Pengguna Teknologi
Kesuksesan pengimplementasian teknologi baru di dalam sebuah organisasi sangat
ditentukan oleh faktor kesiapan brainware atau penggunanya (Sheu dan Kim, 2008
dalam Florestiyanto, 2012) baik secara lingkup internal maupun eksternal. Faktor
kesiapan dari pengguna dapat menjadi masalah yang sangat kompleks karena
pemikiran masing-masing orang berbeda dan bahkan dapat bertentangan.
Kompleksitas brainware sering kali menjadi salah satu penyebab gagalnya proyek
pengimplementasian TIK (Ethie dan Madsen dalam Amaranti, 2006). Suatu organisasi
yang enggan, menolak dan tidak mampu melakukan perubahan pada desain dan
struktur organisasi yang dimilikinya sesuai dengan tujuan penerapan teknologi yang
diadopsi maka tidak akan mendapatkan keuntungan dan manfaat dari teknologi
tersebut sehingga dapat dikatakan bahwa penerapannya menjadi sia-sia bahkan gagal.
Dari berbagai penelitian yang dilakukan brainware merupakan salah satu kunci sukses
dalam pengimplementasian TIK (Amaranti, 2006; Bhatti, 2005; Rotchanakitumnuai
dan Siriluck, 2010; Wijayanti, 2008 dalam Florestiyanto, 2012).
Kompetensi pengguna teknologi informasi menjadi faktor utama penentu
kesuksesan adopsi teknologi informasi. Kesuksesan implementasi maupun adopsi
22
teknologi baru terutama (TIK) pada sebuah institusi sangat ditentukan oleh faktor
kesiapan dan kemampuan pengguna (Jogiyanto, 2007). Salah satu kegagalan dalam
suatu organisasi terhadap pengimplementasian SI adalah kurangnya kesiapan
organisasi tersebut dalam hal kedewasaan proses bisnis, aspek budaya, teknologi dan
organisasi sehingga menyebabkan proses implementasi SI membutuhkan waktu yang
lebih banyak dari apa yang direncanakannya dan dapat menyebabkan tim implementasi
SI kehilangan semangat (Ptak dan Schragenheim, 2004). Penelitian yang dilakukan
oleh Sheu dan Kim (2008) terhadap 50 organisasi sebagai objek penelitian yang
menyatakan bahwa tingkat kesiapan yang rendah menjadi penyebab kegagalan proyek
SI, khususnya kesiapan pengguna yang paling dominan berpengaruh terhadap
keberhasilan implementasi SI.
Dengan adanya suatu pengukuran dan penilaian dalam tingkat kesiapan dan
kemampuan pengguna suatu teknologi maka akan meminimalisir tingkat kesalahan,
kesulitan dan resiko yang ada (Jogiyanto, 2007; Pambudi, 2015).
2.5. Konsep Dasar Sistem Informasi
Sistem informasi merupakan sebuah rangkaian prosedural yang berisi data yang
dikelompokkan lalu diproses hingga menjadi informasi dan didistribusikan kepada
pengguna informasi (Kadir, 2014). Pengertian lain dari sistem informasi merupakan
suatu sistem yang dibuat manusia secara umum terdiri atas sekumpulan komponen
berbasis komputer dan manual yang dibuat untuk dapat menghimpun, menyimpan dan
mengelola seluruh data dan menyediakan output atau informasi keluaran kepada para
pengguna sistem (Mulyanto, 2009).
23
Definisi lain menyebutkan bahwa suatu sistem yang ada pada suatu organisasi yang
dapat mempertemukan seluruh kebutuhan pengelolaan transaksi harian, mendukung
kegiatan operasional, bersifat manajerial, dan kegiatan strategi dari suatu organisasi
tersebut. Hasilnya berupa laporan-laporan yang dibutuhkan oleh pihak tertentu
(Hutahean, 2015).
Jadi dapat disimpulkan bahwa sistem informasi sendiri merupakan suatu sistem
yang dapat mengolah data menjadi suatu informasi dengan memanfaatkan berbagai
sumber daya yang ada yang dapat bermanfaat bagi para penggunanya.
2.6. Sistem Single Sign On (SSO)
Penggunaan sistem SSO di suatu organisasi merupakan salah satu solusi untuk identity
management dan access control yang ada di dalamnya. Sistem SSO sendiri merupakan
salah satu teknologi yang dapat mengizinkan para penggunanya untuk dapat
mengakses sumber daya dalam suatu jaringan hanya dengan menggunakan satu akun
pengguna saja (Ponnapalli, 2004). Penerapan sistem SSO memberikan kemudahan
kepada pengguna dengan cukup melakukan proses autentikasi sekali saja untuk
mendapatkan izin akses terhadap semua layanan yang terdapat di dalam suatu jaringan
(Fauziah, 2014). Penerapan sistem SSO dapat memberikan efisiensi dan keamanan
bagi pengguna dalam mengelola serta mengakses berbagai layanan aplikasi (Ramadhan
et al., 2013). Sistem SSO diminati karena dapat digunakan dalam jaringan yang sangat
besar dan bersifat heterogen (Musliyana et al., 2016). Berikut gambar 2.1 yang menjadi
gambaran proses berjalannya sistem SSO, dari pengguna yang melakukan 1 kali login
lalu dapat masuk dan diotentikasi oleh server pusat atau tunggal.
24
Gambar 2.1 Sistem SSO (Fauziah, 2014).
Solusi sistem SSO didasarkan pada salah satu dari dua tingkat pendekatan, yaitu
pendekatan script dan pendekatan agent (Nurdeni, 2010 dalam Fauziyah, 2014).
Berikut gambar 2.2 sebagai ilustrasi penjelasan di atas.
Gambar 2.2 Pendekatan Sistem SSO (Fauziah, 2014)
25
Arsitektur sistem SSO di atas memiliki dua bagian utama:
1. Agent, yang bertugas untuk dapat menerjemahkan setiap permintaan HTTP yang
masuk ke web server. Dalam setiap web server hanya ada satu agent yang dapat
berinteraksi dengan browser klien pada sisi pengguna, dan dengan server SSO
pada sisi SP.
2. SSO Server, penggunaan cookies temporer berfungsi untuk dapat menyediakan
manajemen sesi. Sebuah cookies terdiri dari informasi seperti user-id, session-id,
session creation time, session expiration time dll
Gambar 2.3 Arsitektur Sistem SSO (Fauziah, 2014).
26
Gambar 2.3 diatas mengilustrasikan arsitektur sistem SSO. Contoh penerapan
sistem SSO yang ada di kehidupan sehari-hari adalah akun google yang dimiliki
banyak orang. Akun ini dapat dimiliki oleh satu orang saja dengan berbagai keuntungan
untuk dapat mengakses ke berbagai sistem yang ada lainnya seperti google+, blogger,
google drive, google mail dan google playstore. Server yang biasa digunakan dalam
penerapan sistem SSO ini adalah Lightweight Directory Access Protocol (LDAP).
LDAP didesain untuk dapat melakukan update dan mencari direktori yang berjalan
yang melewati jaringan Transmission Control Protocol/Internet Protocol (TCP/IP).
Pada penggunaan metode LDAP ini pengguna dapat memiliki hanya satu user serta
satu password untuk dapat masuk ke berbagai aplikasi serta website yang tersedia
dalam suatu organisasi (Ramadhan et al., 2013). mampu menjadi server pusat.
Gambar 2.4 Integrasi LDAP dengan CAS (Rudy et al., 2007)
Terdapat beberapa protokol dalam penerapan Single Sign on (SSO), dalam
penelitian ini akan membahas perbedaan antara dua protocol yaitu Central
27
Authentication Service (CAS) dan Open Authorization (OAuth). Berdasarkan peneltian
yang dilakukan oleh Anshorudin (2016), berikut perbedaan kedua protokol tersebut.
Tabel 2.1 Perbedaan Protokol Dalam SSO
Central Authentication Service
(CAS)
Open Authorization (OAuth)
Pengertian Dapat menyediakan credential
pengguna (username dan
password) digunakan untuk
dapat mengotentikasi pengguna
tanpa mendapatkan akses ke
security crential pengguna, ini
dapat memberikan kemudahan
dalam pengaturan data
pengguna dan keamanan data
lebih terjamin. [Ramadhan,
2014 (Anshorudin, 2016)].
Digunakan untuk otorisasi dengan
memberikan token tanpa
mengajukan credential pengguna,
pengguna dapat memberikan batas
hak akses pada situs pihak ketiga
(Greg, 2012; Aminudin, 2014),
otentikasi menggunakan kode
tanda. Biasa digunakan pada
aplikasi e-commerce [Aminudin,
2014 (Anshorudin, 2016)].
Hasil Uji
Performa
Test Performa menggunakan
Apache Bench tools, untuk
menguji Response Time CAS
Mampu menangani request jauh
lebih banyak.
OAuth hanya mampu menangani
request dalam jumlah sedikit.
Dalam waktu 1 detik CAS dapat
menerima request sebanyak 471
sedangkan OAuth hanya 15.
28
Perbedaan
Login
Saat user login, file identifikasi
dibatasi oleh periode yang valid.
Authentication file tersebut
berguna untuk memproteksi
jalur data.
Proses login menggunakan partisi
pihak ketiga yaitu Google.
Sehingga proses login ke web
hanya menggunakan akun Google
yang telah terintegrasi
Keuntungan CAS lebih rumit diterapkan
sebagai SSO dalam web login.
OAuth lebih mudah diterapkan
dalam SSO karena mudahnya
konfigurasi dan pengembangan
OAuth oleh para developer.
Hursti (1997) menyatakan bahwa penggunaan sistem SSO di suatu lingkup
organisasi dapat menjadi salah satu solusi dari masalah yang ada di lingkup organisasi
tersebut, pengimplementasian sistem SSO dapat menjadi jalan keluar pada masalah-
masalah seperti:
a. Masalah terkait dengan lingkungan komputasi
Sistem SSO sendiri adanya tahapan autentikasi dimana tahapan ini sangat
dibutuhkan dalam akses kontrol. Hal ini terkait dengan adanya masalah
keamanan yang ada pada suatu jaringan. Masalah utama pada lingkungan
komputasi adalah tidak peruntukan pada masalah keamanan. Oleh sebab itu
penerapan sistem SSO dapat menjadi salah satu solusi keamanan pada suatu
jaringan.
29
b. Masalah terkait Struktur Organisasi
Akses kontrol pada sumber daya sistem dibuat dengan mengikuti aturan dimana
dapat ditentukannya individu mana saja yang dapat mengakses sistem sesuai
dengan jabatan yang dimilikinya pada suatu organisasi. Untuk dapat
memudahkannya maka biasanya hak akses dibagi sesuai dengan kebutuhan
pengguna yang akan mengakses sistem tersebut. Namun bila suatu struktur
organisasi terlalu rumit maka salah satu penyelesaiannya adalah dengan
menggunakan sistem SSO, karena penggunannya dapat membantu untuk dapat
mengolah admin (system administrators).
c. Masalah terkait Identitas Elektronik
Identitas elektronik dapat diterapkan melalui smartcard, kartu ini berisikan data
rahasia dan dilindungi oleh kunci kriptografi. Dengan diterapkannya sistem SSO
data pribadi dapat disimpan didalam kartu dan digunakan juga sebagai media lain
pengguna untuk dapat teridentifikasi yang nantinya server pembaca smart card
dapat mengautentikasinya.
2.6.1 Persyaratan Sistem SSO
Persyaratan dalam mengimplementasikan sebuah sistem SSO diantaranya (Ardagna et
al., 2009):
a. Authentication
Ini merupakan fitur terpenting dalam sistem SSO yang dapat memberukan suatu
mekanisme otentikasi dengan username dan password.
30
b. Strong Authentication
Untuk tingkat keamanan yang lebih tinggi dapat ditambahkan dengan mekanisme
otentikasi berdasarkan biometric seperti scan untuk sidik jari dan retina.
c. Authorization
Setelah melewati sistem otentikasi maka selanjutnya user yang masuk diberikan
otorisasi untuk masuk ke dalam suatu jaringan.
d. Provisioning
Suatu ketentuan yang diambil menjadi kebutuhan dalam pengambilan keputusan.
Oleh sebab itu maka menjadi tanggung jawab user untuk memastikan bahwa
permintaan dikirim dengan memuaskan.
e. Federation
Hal ini berkaitan erat dengan tingkat kepercayaan untuk dapat mengakses ke
dalam suatu jaringan.
f. CIM (Centralized Identity Management)
Seluruh akses id pengguna dapat diatur menjadi terpusat, dimaksudkan agar satu
pengguna dapat masuk hanya dan dengan menggunakan satu id akses saja.
g. Client Status Info
Arsitektur sistem SSO berarti pertukaran informasi pengguna antara server SSO
dan layanan untuk memenuhi otentikasi serta otorisasi.
h. Single Point of Control
Tujuan dari penerapan sistem SSO yaitu untuk dapat menyediakan pengontrolan
jalur akses yang unik bagi para pengguna.
31
i. Standard Compliance
Protokol yang digunakan dalam sistem SSO misalnya X.509 (public-key
infrastructure) untuk security menggunakan Secuirty Assertion Markup
Language (SAML) serta protokol untuk bertukar informasi pada lingkungan
yang berbeda seperti Simple Object Acces Protocol (SOAP).
j. Cross-Language Availability
Teknologi yang digunakan untuk mengembangkan sebuah aplikasi, misalnya
penerapan protokol berbasis Extensible Markup Language (XML).
k. Password Proliferation Prevention
Tingkat keamanan password.
2.6.2 Turunan Produk Sistem SSO
Terdapat beberapa produk dari penerapan sistem SSO, diantaranya;
1. Central Authentication Service (CAS)
CAS merupakan produk dari sistem SSO dimana penerapannya digunakan untuk
dapat menangani masalah komunikasi yang ada di antara aplikasi yang berbeda.
Dengan adanya CAS maka seluruh aplikasi yang ada dapat dimasukkan ke dalam
sebuat site sehingga terbentuk sebuah integrasi aplikasi dalam bentuk web portal
dan pengguna hanya perlu melakukan satu kali login saja untuk dapat mengakses
berbagai aplikasi yang ada di dalam web portal tersebut (Ramadhan et al., 2013).
2. Open Access Manager (OpenAM)
32
Produk ini berbasis open source yang dikembangkan oleh Sun Microsystems, Inc.
dengan tujuan untuk dapat memberikan landasan yang luas sebagai infrastruktur
dalam pelayanan identitas di ranah publik dan memfasilitasi sistem SSO untuk
layanan aplikasi web dan server. Keunggulan OpenAM yaitu produk ini ada pada
agent yang dapat ditempatkan ke berbagai aplikasi server seperti Apache, Sun
Java System Web Server, Microsoft IIS dan Domino.
3. Java Open Single sign-on
JOSSO merupakan sebuah infrastruktur SSO berbasis J2EE dan open source
yang bertujuan untuk menyediakan solusi bagi sentralisasi, netral platform,
otorisasi dan otentikasi pengguna (Guntoro, 2011).
2.6.3 Kelebihan dan Kekurangan Sistem SSO
Sistem SSO memiliki kelebihan dalam penerapannya diantara lain.
1. Pengguna sistem SSO hanya perlu melakukan satu kali proses login/logout saja
pada salah satu, beberapa atau semua aplikasi web yang tersedia. Dengan begitu
pengguna tidak perlu mengingat username dan password lain untuk dapat masuk
ke dalam aplikasi (Saputro et al., 2012).
2. Sistem SSO memberikan efisiensi dan keamanan bagi para pengguna dalam
mengelola serta mengakses berbagai layanan aplikasi yang ada disuatu jaringan
(Ramadhan, 2013).
Sistem SSO memiliki kelemahan dalam penerapannya diantara lain.
33
1. Proses otentikasi bersifat terpusat dan tunggal maka yang hanya melakukannya
hanyalah server tunggal. Bila kerusakan terjadi pada server tunggal tersebut
maka berdampak kepada seluruh proses otentikasi pada aplikasi sehinnga
pengguna tidak dapat melakukan proses login (Saputro et al., 2012).
2. Password pengguna harus benar-benar dijaga kerahasiannya, karena bila orang
lain tau maka dapat dimanfaatkan untuk hal yang merugikan (Saputro et al.,
2012).
2.7. Model Technology Readiness Index (TRI)
TRI digunakan dalam melihat faktor yang dapat mempengaruhi penerimaan seseorang
terhadap sistem informasi baru, karena TRI dapat mengukur tingkat kesiapan seseorang
berdasarkan karateristik dari individu (Aisyah et al., 2014). TRI biasanya digunakan
karena mampu membedakan dengan baik antara pengguna dan bukan pengguna sebuah
teknologi(1); TRI dapat mengelompokkan pengguna teknologi ke dalam golongan
yang memiliki keyakinan positif dan negatif terhadap teknologi yang lebih kompleks
dan lebih futuristik(2); TRI mampu mengidentifikasi kelompok-kelompok pengguna
yang memiliki rasa ketidaknyamanan dan ketidakamanan secara signifikan(3)
(Florestiyanto, 2012).
TRI sendiri memiliki empat dimensi diantaranya; optimisme (optimism), inovasi
(innovativeness) sebagai motivator (motivators) dan ketidaknyamanan (discomfort),
ketidakamanan (insecurity) sebagai penghambat (inhibitors) (Parasuraman & Colby,
2015).
34
Gambar 2.5 Model Technology Readiness Index (Sumber Rockresearch.com)
Dimensi optimism sebagai dimensi contributors memiliki nilai positif akan
penggunaaan dan manfaat yang dihadirkan dalam penerapan teknologi karena dapat
meningkatkan efisiensi pekerjaan dan meningkatkan kinerja seseorang di lingkungan
kerja dan di rumah. Orang yang memiliki pandangan optimis dapat menghasilkan suatu
yang positif dan terhindar dari kekhawatiran atas hasil negatif yang akan mungkin
timbul dari penggunaan teknologi baru (Walczuch et al., 2007).
Dimensi innovativeness sebagai dimensi contributors memiliki nilai positif juga
dalam penerapan teknologi baru. Dalam dimensi ini dapat dilihat tingkat dimana
individu atau pengguna menggunakan ide-ide baru relatif lebih awal dibandingkan
dengan anggota lain dari sistem tersebut (Rogers, 1995). Pengguna awal yang memiliki
tingkat inovasi yang tinggi dapat memahami manfaat dari adanya teknologi baru
sehingga pengguna percaya diri akan hasil yang dikeluarkan dari penggunaan teknologi
35
tersebut dan dapat mengkomunikasikannya dengan orang lain yang belum
menggunakan teknologi baru (Yi et al., 2006 dalam Aisyah et al., 2014).
Dimensi discomfort sebagai dimensi inhibitors memiliki nilai negatif terhadap
penerapan teknologi baru. Dimensi ini menunjukkan pengguna yang memiliki rasa
yang kurang percaya kepada penguasaan teknologi dan tidak percaya dirinya pengguna
dalam menggunakan teknologi baru. Pengguna kurang dapat menguasai hal teknis
sehingga membutuhkan orang lain dalam pengoperasian teknologi baru yang ada.
Dimensi ini membuat pengguna menjadi pesimis dan pesimis. Pengguna merasa
teknologi baru merupakan hal yang kompleks untuk digunakan (Walczuch et al.,
2007).
Dimensi insecurity sebagai dimensi inhibitors memiliki nilai negatif terhadap
penerapan teknologi baru karena mengacu kepada rasa yang tidak percaya pengguna
kepada kegiatan yang dilakukan menggunakan teknologi dan keraguan terhadap
kemampuan kerja teknologi. Pengguna yang merasakan hal ini cenderung akan
menghindari dan tidak akan berusaha mencoba teknologi kecuali mereka mendapat
jaminan rasa aman serta privasi sebelum menggunakan teknologi baru. Pengguna
dalam dimensi ini cenderung skeptis dan merasa teknologi baru tidak akan bermanfaat
(Aisyah et al., 2014).
Dalam penelitian untuk dapat mengukur tingkat indeks kesiapan dalam
penerapan teknologi baru para pengguna juga dapat dikategorikan ke beberapa jenis
segmen individu yang siap dalam menggunakan teknologi baru. Rockbridge
Associates, USA yang selama ini mengembangkan model TRI membagi segmen
individu tersebut menjadi ke dalam lima bagian. Pengguna teknologi yang masuk
36
kedalam tingkat optimism dan inovasi yang tinggi masuk dalam kategori explorer,
individu ini memiliki motivasi dan rasa percaya tinggi dalam menggunakan teknologi
dan kerap belajar akan adanya teknologi baru. Segmen individu ini masih berusia
muda, umumnya laki-laki dan memiliki penghasilan dan pendidikan yang lebih tinggi.
Kategori kedua adalah pioneer, pengguna ini memiliki tingkat optimisme dan inovasi
di atas rata-rata, namun memiliki sedikit resistensi terhadap teknologi, biasanya
individu ini adalah perempuan yang memiliki penghasilan dan pendidikan rata-rata dan
berusia muda. Pengguna yang memiliki dimensi discomfort dan insecurity yang tinggi
masuk kedalam segmen paranoid atau laggard (lamban/gagap teknologi). Segmen
individu yang masuk kedalam ketegori paranoid percaya pada teknologi dan optimis
tetapi tidak mau berinovasi, berusia di atas rata-rata yang berpenghasilan dan
berpendidikan lebih rendah dan umumnya merupakan perempuan. Sedangkan segmen
individu laggard (lamban/gagap teknologi) merupakan individu yang sudah berusia
lanjut dan biasanya adalah perempuan yang berpenghasilan dan berpendidikan yang
rendah. Segmen terakhir dari individu pengguna teknologi yaitu skeptis. Segmen
individu ini berada di tengah antara empat segmen individu lainnya. Individu dalam
ketegori ini tidak menolak adanya teknologi baru, mereka hanya kurang antusias dan
cenderung tidak percaya bahwa teknologi menawarkan lebih banyak kontrol atas hidup
mereka [Rose dan Fogarty (2010) dalam Pambudi (2015)].
37
2.8. Teknik Pengumpulan Data
Pengumpulan data merupakan tata cara yang berurut dan standar memperoleh data
yang diperlukan (Nazir, 2009) dalam melakukan pengumpulan data, dapat dilakukan
dengan beberapa cara, antara lain:
a. Angket/Kuesioner
Angket atau kuesioner adalah salah satu intrumen data sebagai alat bantu yang
digunakan peneliti dalam kegiatannya mengumpulkan data secara tidak langsung
(peneliti tidak langsung bertanya-jawab dengan responden). Angket atau
kuesioner berisi sejumlah pertanyaan atau pernyataan yang harus dijawab oleh
resonden (Guritno et al, 2011).
b. Wawancara
Wawancara adalah proses memperoleh keterangan untuk tujuan penelitian
dengan cara tanya jawab dan bertatap muka antara pewawancara dengan
responden dengan menggunakan alat yang dinamakan panduan wawancara
(Nazir, 2009).
c. Observasi
Pengumpulan data dengan observasi langsung adalah cara pengambilan data
dengan menggunakan mata tanpa ada pertolongan alat standar lain untuk
keperluan tersebut (Nazir, 2009).
d. Studi Pustaka
Studi pustaka merupakan teknik survei terhadap data yang telah ada dengan
menggali teori-teori yang telah berkembang dalam bidang ilmu yang
berkepentingan mencari metode-metode serta teknik penelitian baik dalam
38
mengumpulkan data atau dalam menganalisis data yang telah pernah digunakan
oleh peneliti terdahulu (Nazir, 2009).
2.8.1 Pengelompokkan Data
Pengelompokkan data dibagi ke dalam beberapa kelompok (Siregar, 2013), yaitu
sebagai berikut:
1. Kelompok data menurut memperolehnya
a. Data Primer, data ini dikumpulkan sendiri oleh peneliti dari sumber
pertama atau dimana tempat objek penelitian dilakukan.
b. Data Sekunder, data ini dikeluarkan atau digunakan oleh organisasi yang
bukan pengolahnya.
2. Kelompok data menurut waktu pengumpulannya
a. Data Time Series, merupakan data yang dikumpulkan dari waktu ke waktu
pada satu objek untuk dapat menggambarkan perkembangan dari objek
tersebut.
b. Data Cross Section, merupakan data yang dikumpulkan pada suatu waktu
tertentu dibeberapa objek untuk dapat menggambarkan suatu keadaan.
3. Kelompok data menurut sifatnya.
a. Data Kualitatif, merupakan data yang berupa pernyataan maupun pendapat
dari sumber yang terkait. Data ini tidak berupa angka tetapi berwujud kata-
kata dan kalimat.
39
b. Data Kuanitatif, merupakan data yang berupa angka, kita dapat melihatnya
secara statistik. Data ini dapat diolah dan dianalisis dengan menggunakan
teknik perhitungan statisik.
2.9. Skala Likert
Skala likert merupakan skala yang dapat digunakan untuk mengukur sikap, pendapat,
dan persepsi seseorang atau sekelompok orang mengenai fenomena sosial (Sugiyono
dalam Gitayani et al., 2015). Skala likert merupakan skala psikometrik yang umum
digunakan dalam berbagai bentuk kuesioner dan merupakan skala yang paling banyak
digunakan dalam riset. Skala ini mempunya empat atau lebih butir pertanyaan yang
dikombinasikan sehingga membentuk suatu nilai yang menggambarkan sifat dari
individu, seperti pengetahuan, sikap, dan perilaku (Syofian et al., 2015).
Dalam menjawab suatu pertanyaan maupun pernyataan dalam penggunaan skala
likert, responden menentukan tingkat persetujuan dengan memilih salah satu dari
pilihan yang tersedia. Biasanya tersedia 5 pilihan skala dengan format sepert: [1] sangat
setuju, [2] setuju, [3] netral, [4] tidak setuju, [5] sangat tidak setuju (Syofian et al.,
2015).
2.10. Populasi dan Teknik Sampling
Populasi berkaitan dengan seluruh kelompok orang, peristiwa, atau benda yang
menjadi pusat perhatian penelitian. Populasi dalam statistika tidak terbatas hanya pada
sekelompok orang, tetapi juga dapat dikategorikan menjadi hewan, lingkungan hidup
dan berbagai hal lainnya yang menjadi pusat perhatian kita.
40
Populasi merupakan wilayah generalisasi yang terdiri atas: objek maupun subjek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan ditarik kesimpulannnya (Guritno et al. 2011).
Populasi bagi suatu penelitian harus dapat dibedakan ke dalam 2 sifat (Margono,
2010)
a. Populasi yang bersifat homogen
Populasi ini memiliki sifat yang sama, Misalnya, seorang dokter yang akan
melihat darah seseorang, maka ia cukup mengambil setetes darah saja. Dokter itu
tidak perlu mengambil darah dalam jumlah satu botol. Sebab volume darah satu
tetes dengan satu botol akan menghasilkan informasi yang sama.
b. Populasi yang bersifat heterogen
Populasi ini memiliki unsur-unsur yang sifat maupun keadannya bervariasi,
sehingga perlu ditetapkan batas-batasnya.
Sampel merupakan bagian dari populasi. Dalam penelitian, pengambilan sampel
ditarik untuk dapat mengambil kesimpulan yang nantinya akan digeneralisasi terhadap
populasi. Penarikan sampel merupakan proses pemilihan sejumlah elemen dari
populasi. Teknik sampling adalah teknik pengambilan sampel. Terdapat dua metode
dasar penarikan sampel yaitu (Guritno et al. 2011):
a. Probability Sampling
Probability Sampling adalah teknik pengambilan sampel yang memberikan
peluang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi
41
sampel. Beberapa metode penarikan sampel probabilitas adalah sebagai berikut
(Guritno et al. 2011).
1. Simple Random Sampling
Simple random sampling dikatakan sederhana karena pengambilan sampel
dari populasinya dilakukan secara acak tanpa memperhatikan status atau
tingkat pendidikan yang ada dalam suatu populasi.
2. Stratified Random Sampling
Stratified Random Sampling merupakan suatu prosedur penarikan sampel
berstrata, yaitu suatu subsampel acak sederhana yang ditarik dari setiap
strata atau tingkatan yang kurang lebih sama dalam beberapa karakteristik
(Siregar, 2013).
3 Cluster Sampling
Cluster Sampling merupakan suatu prosedur penarikan sampel probabilitas
yang memilih subpopulasi yang disebut cluster. Kemudian, setiap elemen
di dalam kelompok cluster tersebut dipilih sebagai anggota sampel.
b. Nonprobability Sampling
Nonprobability Sampling merupakan suatu prosedur penarikan sampel yang
bersifat subjektif. Dalam hal ini, probabilitas pemilihan elemen-elemen populasi
tidak dapat ditentukan. Hal ini disebabkan setiap elemen populasi tidak memiliki
peluang yang sama untuk dipilih sebagai sampel. Beberapa teknik pengambilan
sampel nonprobabilitas sebagai berikut (Guritno et al. 2011).
1. Convience Sampling
42
Convience Sampling adalah teknik penarikan sampel berdasarkan
kemudahan. Prosedurnya adalah semata-mata langsung menghubungi unit-
unit penarikan sampel yang mudah dijumpai seperti mahasiswa dalam satu
kelas, jama’ah tempat ibadah, pengunjung toko dan lainnya. Seringkali
pengambilan sampel ini dilakukan untuk menguji kuesioner atau penelitian
ekspolorasi.
2. Quota Sampling
Quota Sampling adalah penarikan sampel berdasarkan kuota. Prinsipnya
adalah karakteristik tertentu yang relevan menjelaskan dimensi populasi.
Peneliti harus mengetahui distribusi populasi.
3. Purposive Sampling
Purposive Sampling adalah penarikan sampel berdasarkan pertimbangan
atau kriteria tertentu.
4. Snowball Sampling
Snowball Sampling adalah metode penarikan sampel dengan responden
yang berhasil diperoleh diminta untuk menunjukkan responden lainnya
secara berantai.
5. Accidental Sampling
Accidental Sampling adalah metode penarikan sampel dimana pemilihan
anggota sampelnya dilakukan terhadap orang/benda yang kebetulan ada
atau dijumpai (Sugiyono, 2001; Hadi, 2016)
43
2.11. Partial Square Structural Equation Modeling (PLS-SEM)
PLS-SEM merupakan salah satu metode yang digunakan dalam menganalisis dan
dinilai kuat karena digunakan pada setiap jenis skala data seperti, data interval, data
nominal, dan rasio serta syarat asumsi yang lebih fleksibel (Yamin dan Kurniawan,
2011). Partial Least Square (PLS) dikembangkan pertama kalinya oleh Herman Wold
pada tahun 1975. Software yang digunakan untuk analisis menggunakan PLS-SEM
antara lain SmartPLS, XLSTAT, PLS-PM, Visual PLS, dan lainnya.
SEM terdiri dari dua jenis pendekatan, yaitu SEM dengan dasar covariance
(CBSEM) dan SEM dengan pendekatan varians (PLS-SEM). Kedua model tersebut
memiliki tujuan untuk dapat menguji teori atau pengembangan teori untuk tujuan
prediksi. Bila landasan teori kuat, pengujian teori atau pengembangan teori terhadap
model tersebut, maka pemilihan SEM berbasis covariance lebih tepat. Sedangkan
penggunaan SEM berbasis varians digunakan sebagai alternative, bila asumsi peneliti
ketika akan mengguunakan model adalah untuk tujuan prediksi (Yamin dan
Kurniawan, 2011). PLS juga dapat menduga apakah terdapat atau tidak hubungan antar
variabel dan kemudian proposisi untuk pengujian. Tujuan utamanya adalah
menjelaskan hubungan antar konstruk dan menekankan pengertian tentang nilai
hubungan tersebut Penggunaan PLS untuk prediksi dan membangun teori serta sampel
yang dibutuhkan relatif kecil, dengan minimum sepuluh kali item konstruk yang paling
kompleks (Ghozali, 2011; Yamin & Kurniawan, 2011; Ghozali & Latan, 2015).
PLS-SEM memiliki 4 alasan umum bagi para peneliti untuk dapat
menggunakannya. Alasan pertama yaitu algoritma PLS tidak terbatas hanya untuk
hubungan indikator dengan konstrak latennya yang bersifat reflektif saja tetapi
44
algoritma PLS dipakai juga untuk hubungan yang bersifat formatif. Alasan kedua, PLS
dapat digunakan untuk untuk model path dengan sample size yang kecil. Alasan ketiga,
PLS-SEM dapat digunakan untuk model yang sangat kompleks dimana terdapat
variabel laten yang banyak, tanpa mengalami masalah dalam estimasi data. Alasan
keempat yaitu PLS dapat digunakan ketika distribusi data sangat miring (skew) (Yamin
dan Kurniawan, 2011).
Didalam PLS terdapat dua model evaluasi yaitu outer model atau pengukuran
model dan evaluasi terhadap inner model atau structural model (Yamin dan
Kurniawan, 2011; Hair et al., 2012; Afthanorhan, 2013; Wong, 2013; Ringle, 2015;
Sarstedt et al., 2017):
1. Evaluasi Pengukuran Model (Outer Model)
Model ini meliputi pemeriksaan individual item reliability, internal consistency
atau construct reliability, average variance extracted dan discriminant validity.
Ketiga pengukuran tersebut dikelompokkan dalam convergent validity, yaitu
mengukur besarnya korelasi antara konstrak dengan variabel laten. Measurement
model dilakukan untuk dapat mengetahui hubungan antara konstrak (variabel)
dengan indikator-indikatornya (Yamin & Kurniawan, 2011).
Pemeriksaaan individual item reliability dapat melihat nilai standardized
loading faktor. Nilai ini menggambarkan besarnya korelasi antara setiap item
pengukuran (indikator) dengan konstraknya. Untuk nilai ideal loading faktor
berupa diatas 0,7 ini berarti bahwa indikator tersebut sudah valid sebagai
indikator yang dapat mengukur konstrak.
45
Pengukuran lainnya dari convergent validity adalah melihat nilai Average
Variance Extracted (AVE). Nilai ini menggambarkan besaran varian atau
keragaman variabel manifes yang dapat dikandung oleh konstrak laten. Untuk
nilai AVE ideal yaitu 0,5 hal ini berarti convergent validity baik. Artinya,
variabel laten dapat menjelaskan rata-rata lebih dari setengah varian dari
indikator-indikatornya.
Discriminant validity dievaluasi melalui cross loading, kemudian
membandingkan nilai AVE dengan kuadrat nilai korelasi antar konstrak. Ukuran
cross loading adalah membandingkan korelasi dengan konstraknya dan konstrak
blok lainnya, hal ini menunjukkan konstrak tersebut memprediksi ukuran pada
blok mereka dengan lebih baik dari blok lainnya. Ukuran discriminant validity
lainnya adalah bahwa nilai akar AVE harus lebih tinggi daripada korelasi antara
konstrak dengan konstrak lainnya atau nilai AVE lebih tinggi dari kuadrat
korelasi antara konstrak.
2. Evaluasi Struktural Model (Inner Model)
Pengukuran struktural model dilakukan untuk dapat mengetahui hubungan antara
konstrak yang dihipotesiskan oleh peneliti (Yamin & Kurniawan, 2011). Dalam
model ini terdapat beberapa tahap dalam melakukan evaluasinya. Tahap pertama
adalah dengan melihat signifikansi hubungan antara konstrak. Hal ini dapat
dilihat dari koefisien jalur (path coefficient) yang menggambarkan kekuatan
hubungan antara konstrak. Pengukuran path coefficient (β) memiliki nilai
ambang batas diatas 0.1 hal ini untuk menyatakan bahwa jalur (path) yang
dimaksud mempunyai pengaruh di dalam model.
46
Tahap kedua adalah dengan mengevaluasi nilai R2 (coefficient of
determination). Nilai ini menjelaskan varian dari tiap target endogenous variabel
dengan standar pengukuran sekitar 0,67 sebagai kuat, sekitar 0,33 moderat dan
dibawah 0,19 menunjukan tingkat varian yang lemah.
Tahap ketiga adalah dengan melihati nilai t-test dengan metode
boostrapping menggunakan uji two-tailed dengan tingkat signifikansi 5% untuk
menguji hipotesis-hipotesis penelitian. Bila nilai t-test lebih besar dari 1,96 maka
hipotesis penelitian yang dibuat dapat diterima.
Tahap keempat yaitu pengujian f2 (effect size). Pengujian ini dilakukan
untuk dapat memprediksi pengaruh variabel tertentu terhadap variabel lainnya
dalam struktur model dengan nilai ambang batas sekitar 0,02 untuk pengaruh
kecil, 0,15 untuk pengaruh menegah dan 0,35 untuk pengaruh yang besar. f2
dihitung dengan menggunakan rumus sebagai berikut :
f2 = 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Tahap kelima yaitu pengujian 𝑄2 (predictive relevance) dengan
menggunakan metode blindfolding untuk dapat memberikan bukti bahwa
variabel tertentu yang digunakan dalam suatu model yang dibuat mempunyai
keterkaitan prediktif (predictive relevance) dengan variabel lainnya dalam model
tersebut dengan nilai ambang batas pengukuran di atas nol.
Tahap keenam yaitu melakukan pengujian 𝑞2 (Relative Impact) dengan
menggunakan metode blindfolding juga untuk dapat mengukur relatif pengaruh
sebuah keterkaitan antara prediktif sebuah variabel tertentu dengan variabel
47
lainnya yang memiliki nilai ambang batas sebesar 0,02 untuk pengaruh kecil,
0,15 untuk pengaruh sedang, dan 0,35 untuk pengaruh besar. Rumus yang
digunakan dalam perhitungan 𝑞2 adalah sebagai berikut:
q2 = 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
2.12. Pengembangan Model dan Hipotesis Penelitian
Sebagian besar model penelitian yang dikembangkan sampai saat ini menggunakan
model dan teori yang sudah ada sebelumnya (Belout dan Gauvreau, 2004). Dengan
menggunakan pernyataan tersebut peneliti menggunakan asumsi mengenai model
logika pemrograman komputer menrut Davis (1998) dan Kellogg (2004), kerangka
kerja pengklasifikasian proyek menurut McLeod dan MacDonell (2011) seperti yang
dilakukan oleh peneliti sebelumnya (Subiyakto & Ahlan., 2014; Subiyakto et al., 2015)
dalam pengembangan model keberhasilan SI dan peneliti juga menggunakan teori
model pengukuran TRI 2.0 oleh Parasuraman dan Colby (2015)
Dalam model penelitian ini, peneliti menggunakan 8 variabel yang terdiri dari 5
variabel yang diadopsi dari model TRI 2.0 yang telah dikembangkan kembali oleh
Parasuraman & Colby (2015) dan 3 variabel yang diadopsi dari model keberhasilan
proyek SI, delapan variabel tersebut terdiri dari Persons and actions (PA), Content
system (CS), Context Organization (CO), Optimism (OP), Innovativeness (IV),
Discomfort (DS), Insecurity (IS), dan Technology readiness index (TRI). Variabel PA,
CS dan CO berperan sebagai variabel pada dimensi input menurut logika Davis (1998)
dan Kellogg (2004), kerangka kerja McLeod dan MacDonell (2011). Variabel OP, IV,
48
DS, dan IS berperan sebagai variabel pada dimensi proses dan variabel TRI berperan
sebagai dimensi output menurut model logika Davis (1998) dan Kellogg (2004).
Berikut adalah definisi dari setiap variabel dalam penelitian ini:
a) Persons and actions (PA)
Variabel Persons and actions pada penelitian ini digunakan untuk dapat
mengukur tingkat kesiapan pengguna dalam penerapan sistem ditinjau dari sisi
karakteristik yang dimiliki manusia, bagaimana tindakan, interaksi dan bentuk
hubungan dalam membangun dan hasilnya dari segi berbagai kemungkinan yang
ada. (McLeod & MacDonell 2011; Subiyakto & Ahlan, 2014; Subiyakto et al.,
2015). Menurut Azhar (2007) dalam Nasution et al. (2016) bahwa sumber daya
manusia merupakan salah satu pilar utama dan penggerak roda organisasi dalam
usaha untuk dapat mewujudkan visi dan misi serta tujuan dari organisasi tersebut.
Sumber daya manusia juga memiliki pengaruh yang signifikan terhadap kesiapan
penerapan sistem (Nasution et al., 2016).
b) Content system (CS)
Variabel Content system pada penelitian ini digunakan untuk dapat mengukur
tingkat kesiapan pengguna ditinjau dari konten suatu sistem yang dapat
mempengaruhi secara khas, teknis, strategis atau proses sebenarnya dari suatu
sistem (McLeod dan MacDonell 2011; Subiyakto dan Ahlan, 2014; Subiyakto et
al., 2015).
c) Context Organization (CO)
Variabel Context Organization pada penelitian ini digunakan untuk dapat
mengukur tingkat kesiapan pengguna ditinjau dari wilayah internal organisasi
49
dan kondisi lingkungan eksternal yang dapat mempengaruhi suatu sistem yang
dapat muncul dari hal yang tak dapat diduga seperti budaya organisasi,
kepemimpinan, kebijakan strategis dan pengalaman organisasi (McLeod &
MacDonell 2011; Subiyakto & Ahlan, 2014; Subiyakto et al., 2015). Tingkat
kesiapan dari suatu organisasi juga dapat menjadi pengukuran yang dapat dilihat
dari segi psikologis, struktural, sumber materil dan manusia, serta informasi dari
organisasi tersebut (Weiner, 2009). Atrinawati & Surendro (2009) serta
Widiastuti dan Budi (2016) juga berpendapat bahwa faktor organisasi seperti
budaya dan strukturnya mempengaruhi tingkat kesiapan penerapan sistem.
d) Optimism (OP)
Variabel Optimism pada penelitian ini digunakan untuk dapat mengukur tingkat
kesiapan pengguna dalam penerapan sistem ditinjau dari pandangan positifnya
akan teknologi dan kepercayaan yang menawarkan manusia akan peningkatan
dalam bidang pengontrolan, fleksibilitas, dan efisiensi dalam kehidupannya
(Parasuraman, 2000; Lin et al., 2005; Walczuch et al., 2007; Parasuraman &
Colby, 2015).
e) Innovativeness (IV)
Variabel Innovativeness pada penelitian ini digunakan untuk dapat mengukur
tingkat kesiapan pengguna dalam penerapan sistem ditinjau dari kecenderungan
untuk dapat menjadi pencetus munculnya teknologi baru dan pemikiran untuk
mempelajari teknologi baru dengan sendirinya (Parasuraman, 2000; Lin et al.,
2005; Walczuch et al., 2007; Parasuraman & Colby, 2015).
f) Discomfort (DS)
50
Variabel Innovativeness pada penelitian ini digunakan untuk dapat mengukur
tingkat kesiapan pengguna dalam penerapan sistem ditinjau dari perasaan akan
berlebihnya pengontrolan akan teknologi dan perasaan akan tidak nyaman
terhadap penggunaannya (Parasuraman, 2000; Lin et al., 2005; Walczuch et al.,
2007; Parasuraman & Colby, 2015).
g) Insecurity(IS)
Variabel Innovativeness pada penelitian ini digunakan untuk dapat mengukur
tingkat kesiapan pengguna dalam penerapan sistem ditinjau dari rasa tidak
percaya pada teknologi dan ragu akan kemampuan untuk dapat bekerja dengan
sewajarnya menggunakan teknologi (Parasuraman, 2000; Lin et al., 2005;
Walczuch et al., 2007; Parasuraman & Colby, 2015).
h) Single Sign On Readiness (SSO.R)
Variabel SSO.R pada penelitian ini digunakan untuk dapat mengukur tingkat
kesiapan penerapan pengguna ditinjau dari segi kesesuaian penerapan sistem
berdasarkan kebutuhan suatu organisasi (Yang et al., 2015).
51
Gambar 2.6 Model Pengembangan TRI Penelitian.
Gambar 2.4 diatas mengilustrasikan model penelitian yang diadopsi,
dikombinasi serta diadaptasi dari kedua model yang akan dijelaskan pada sub-sub bab
selanjutnya.
52
2.13. Model yang Diadopsi
2.13.1. Model IPO Logic
Beberapa penelitian menggunakan Input-process-output Logic pada model
penelitiannya. Logika IPO di adopsi untuk tujuan yang sama dalam pengukuran
kualitas dari suatu sistem. Teori dasar sistem ini digunakan untuk dapat memberi
gambaran akan konsep sistematis dari suatu sistem (Subiyakto et al. 2014). Model
logika komputer IPO logic yang digunakan milik Davis (1998) dan Kellogg (2004)
sampai saat ini masih banyak digunakan dalam penelitian di bidang teknologi dan
informasi. Logika IPO ini digunakan pada penelitian yang bertujuan dalam hal
pengukuran kualitas suatu sistem. Teori dasar IPO digunakan juga untuk
menggambarkan konsep sistematis dari suatu sistem dan mudah dimengerti oleh para
pengguna, para desainer pun juga dapat mengevaluasi dan memperbaiki desain (Davis,
1998; Kellogg, 2004). Model logic bila digambarkan secara langsung belum tentu
dapat dilihat hubungan sebab-akibat atau hubungan tujuan dan dampak dari program
ataupun proyek secara langsung. Namun ini bukan berarti bahwa program tersebut
dikatakan tidak berhasil, tetapi kemungkinan adanya bahwa program sebagai salah satu
dari banyak faktor yang dapat mempengaruhi suatu dampak yang dapat
ditimbulkannya (Solihin, Dadang. 2012). Berikut adalah gambar 2.5 merupakan alur
dari IPO logic.
53
Gambar 2.7 IPO Model (Davis, 1998).
2.13.2 Technology Readiness Index
Model TRI ditemukan oleh Parasuraman pada tahun 2000 dan Rockbridge Associates.
Model ini memiliki 4 dimensi utama diantaranya, Optimism (OP), Innovativeness (IV),
Discomfort (DS), Insecurity (IS). Pada model TRI 1.0 instrumen terdiri dari 36 butir
(Parasuraman & Colby, 2015). Kesiapan teknologi didefinisikan sebagai
kecenderungan manusia untuk dapat memahami dan mengggunakan teknologi baru
agar tujuan pada pekerjaan di rumah maupun dikantor dapat tercapai (Parasuraman,
2000). Seiring berjalannya waktu dan perkembangan IT yang meningkat dengan pesat
maka pemilik model melakukan pembaharuan di tahun 2014 bersama Charles L. Colby
sehingga menghasilkan model TRI 2.0 tetap dengan mempertahankan 4 dimensi
sebelumnya namun perubahan serta pembaharuan instrumen menjadi 16 butir. Berikut
gambar 2.6 merupakan gambaran terbaru dari model TRI 2.0.
54
Gambar 2.8 Model TRI 2.0 oleh Parasuraman & Colby, 2015 (Sumber
Rockresearch.com)
Technology readiness merupakan pengukuran karakteristik individu yang tidak
berubah dalam waktu jangka pendek, tidak juga berubah secara tiba-tiba dalam
dorongan tertentu (Parasuraman & Colby, 2015). Metode ini dipilih karena, (1) TRI
mampu membedakan dengan baik antara pengguna dan bukan pengguna sebuah
teknologi; (2) TRI mampu mengelompokkan pengguna berdasarkan keyakinan positif
dan negatif terhadap teknologi yang lebih kompleks dan lebih futuristik, dan; (3) TRI
mampu mengidentifikasi kelompok-kelompok pengguna yang memiliki rasa
ketidaknyamanan dan ketidakamanan secara signifikan karena TRI dibentuk oleh
empat variabel kepribadian: optimism, innovativeness, discomfort, dan insecurity .
Sementara, metode lain cenderung mengevaluasi organisasi mencakup semua aspek
aktivitas dan hasil organisasi sehingga tidak bisa digunakan untuk mengukur kesiapan
individu secara personal dan mengelompokkan pengguna (Florestiyanto, 2012).
55
Parasuraman (2000) mengatakan bahwa responden dalam pengukuran TRI
memberikan jawaban berdasarkan pengalaman mereka akan persepsi mengenai produk
dan layanan dari teknologi dan mengkategorikan beberapa kondisi pertanyaan seperti,
pertanyaan mengenai kepemilikan atau akses produk maupun layanan teknologi saat
berada dirumah (seperti tv kabel dan layanan internet), pertanyaan mengenai layanan
spesifik pada penggunaan teknologi (seperti penggunaan layanan ATM untuk
pembayaran), dan pertanyaan mengenai rasa keinginan untuk melibatkan layanan
teknologi di masa depan (seperti penggunaan robot di supermarket). Dan kondisi ini
memberikan pilihan jawaban untuk waktu saat itu, rencana 12 bulan kedepan, dan tidak
dapat merencanakan penggunaannya.
2.13.3 Model Keberhasilan Proyek Sistem Informasi
Model keberhasilan proyek SI milik McLeod dan McDonell (2012) yang
dikembangkan oleh Subiyakto dan Ahlan (2014); Subiyakto, et al. (2015). Walaupun
secara bersamaan para peneliti telah mengembangkan model kesuksesan proyek sistem
informasi secara kuantitatif dan kualitatif (Putra et al., 2016). Namun model
keberhasilan ini memberikan alternatif konsep jelas akan pengukuran terhadap
keberhasilan proyek yang sebelumnya dirasa ambigu. Pengadopsian IPO logic sebagai
desain modelnya agar dapat mudah dimengerti oleh para stakeholder yang kurang
memahami pekerjaan yang bersifat teknis. Model Keberhasilan Proyek Sistem
Informasi ini merupakan model pengadopsian antara lain dari model keberhasilan
sistem milik DeLone dan McLean (2003), teori keberhasilan proyek McLeod dan
56
McDonell (2012), IPO model dan kerangka klasifikasi proyek. Berikut dapat dilihat
pada gambar 2.7 akan model keberhasilan proyek sistem informasi.
Gambar 2.9 Model Keberhasilan Proyek Sistem Informasi (Subiyakto&
Ahlan, 2014)
Perkembangan TIK saat ini masih membutuhkan framework atau panduan yang
dapat dipercaya dan mencakup berbagai sudut pandang yang mudah dipahami serta
sederhana untuk dapat mengukur kinerja yang dicapai oleh suatu proyek dan satu dari
tantangannya adalah bagaimana TIK membangun proyek yang dapat mengatur lebih
baik untuk dapat meningkatkan kesempatan dari kesuksesan proyek tersebut
(Subiyakto dan Ahlan, 2013). Pada tahun 2015 Subiyakto et al. (2015) memvalidasi
model tersebut sehingga model tersebut dapat digunakan dalam penggambaran dan
pengukuran akan model keberhasilan proyek sistem informasi di suatu organisasi.
Model tersebut disederhanakan dan dapat dilihat pada gambar 2.8 dibawah ini.
57
Gambar 2.10 Model Keberhasilan Proyek Sistem Informasi (Subiyakto et
al.2015)
Dalam model ini variabel project content, people and action, dan institutional
context masuk sebagai dimensi input, sedangkan dimensi proses berisikan subdimensi
dari project management success dan product utilization success dan dimensi output
berisi variabel project success. Adapun didalam model diatas terdapat beberapa
variabel yang dapat didefinisikan sebagai berikut.
a. Project Content, variabel ini menggambarkan bahwa terdapat faktor dari proyek
itu sendiri yang dapat mempengaruhi, strategis, teknis, atau material proses
project.
58
b. People and Actions, variabel ini menjelaskan bahwa karekterisitik seseorang
seperti tindakan, interaksi, dan hubungan dapat mempengaruhi hasil dari project
tersebut.
c. Institutional Context, variabel ini menggambarkan bahwa sifat yang dimiliki oleh
suatu organisasi baik secara internal maupun eksternal mempengaruhi cara kerja
bahkan hasil dari suatu proyek.
d. Information Quality, variabel ini mengukur sejauh mana informasi secara
konsisten dapat memenuhi segala persyaratan dan harapan pengguna dalam
melakukan pekerjaan mereka.
e. System Quality, variabel ini terkait dengan pandangan kemudahan dari
penggunaan yang berkaitan dengan penerimaan teknologi.
f. Service Quality, variabel ini mengukur keunggulan layanan sistem ke pengguna.
g. System Use, variabel ini mengukur penggunaan TI oleh penggunanya.
h. User Satisfication, variabel ini mengukur tingkat kepuasan pengguna ketika
memanfaatkan TI sebagai hasil proyek.
i. Net Benefit, variabel ini mengukur sejauh mana SI dapat memberikan kontrinusi
bagi keberhasilan individu, kelompok, organisasi, industri dan negara.
2.13.4 Teori Lingkungan Proyek Sistem
Penelitian mengenai kinerja proyek dalam lingkungan sistem informasi dirasa sangat
menarik bagi para peneliti dan praktisi selama bertahun-tahun [Mishra et al. (2011)
dalam Subiyakto et al. (2014)]. Sistem menurut McLeod (2004) adalah sekelompok
59
elemen-elemen yang terintegrasi dengan memiliki tujuan yang sama untuk mencapai
suatu tujuan. Sedangkan dalam buku Sutabri (2012) menyebutkan sistem menurut
Prajudi Atmosudirdjo adalah sekumpulan objek atau unsur atau komponen yang
berkaitan dalam proses input-proses-output dan berhubungan satu sama lain
sedemikian rupa sehingga unsur-unsur tersebut merupakan suatu kesatuan pemrosesan
atau pengolahan data yang tertentu. Dalam konsep lingkungan proyek mengatakan
bahwa faktor eksternal maupun internal sistem atau subsistem menjadi faktor penting
dalam penentuan keberhasilan suatu proyek (Howsawi, Eager, & Bagia, 2011; Lim &
Mohamed, 1999; McLeod & MacDonell, 2011; Subiyakto et al., 2015) Sehingga
analogi diatas dapat dijadikan asumsi peneliti bahwa suatu subistem seperti individu
memiliki keterkaitan dengan faktor lingkungannya seperti faktor eksternal dan internal.
Faktor individu juga dapat dikaitkan dengan faktor eksternal dan internal seperti
organisasi tempatnya berada seperti pada penelitian yang dilakukan oleh Subiyakto et
al. (2015) dalam model Keberhasilan Proyek Sistem Informasi (2017). Terdapat 5 gaps
dalam lingkungan proyek TIK yaitu, kontradiksi dalam implementasi proyek, definisi
sukses yang masih ambigu, peraturan disekitar stakeholder, pengukuran kebutuhan
secara multidimensi, dan kontradiksi dalam menerjemahkan Critical Succes Factor
(CSF) (Subiyakto et al., 2016)
60
2.13.4 Pengembangan Hipotesis Penelitian
Model logika pemrograman komputer input-proses-output (Davis, 1998 dan Kellogg,
2004) dan penelitan yang dilakukan oleh Subiyakto dan Ahlan (2014) menjelaskan
bahwa variabel content system, persons and actions serta context institutional masuk
kedalam dimensi input dan tiga variabel ini memungkinkan untuk dapat saling
mempengaruhi variabel lainnya dalam dimensi proses dan output. Merujuk pada
penjelasan di atas, peneliti mengadopsi beberapa variabel dan indikator dalam model
Keberhasilan Proyek Sistem Informasi olehSubiyakto et al. (2015) yaitu Persons and
actions (PA), Content system (CS), dan Context Organization (CO) dan peneliti
berhipotesis bahwa tiga variabel tersebut dapat mempengaruhi tingkat kesiapan
penerapan suatu sistem dimana peneliti menggunakan model technology readiness
index pada penelitian ini dalam konteks kesiapan penerapan Sistem disuatu organisasi.
Model TRI yang terdiri atas variabel Optimism (OP), Innovativeness (IV), Discomfort
(DS), dan Insecurity (IS).
Faktor persons and actions secara tidak langsung Optimism (OP),
Innovativeness (IV), Discomfort (DS), dan Insecurity (IS) mempengaruhi keberhasilan
proyek sistem informasi (McLeod dan MacDonell, 2011; Randeree dan Faramawy,
2011; Liu et al., 2011). Faktor sumber daya manusia juga berpengaruh akan kesiapan
penerapan sistem (Putra &Ariyanto, 2015; Nasution et al., 2016; Napitupulu, 2016)
dalam hal penelitian ini proyek yang berkaitan kepada penerapan sistem baru dan
tingkat kesiapannya. Sehingga peneliti mengadopsi indikator dalam model Subiyakto
dan Ahlan (2014) berupa Professionalism (PA1), integrity (PA2), norms (PA3),
61
stakeholder’s support (PA4), clarity of the project structure (PA5), dan conflict
management (PA6). Peneliti berhipotesis bahwa:
H1: Persons and actions (PA) berpengaruh secara signifikan terhadap
Optimism (OA)
H2: Persons and actions (PA) berpengaruh secara signifikan terhadap
Innovativeness (IV)
H3: Persons and actions (PA) berpengaruh secara signifikan terhadap
Discomfort (DS)
H4: Persons and actions (PA) berpengaruh secara signifikan terhadap
Insecurity (IS)
Tabel 2.2 Indikator Variabel Persons & Actions
Nama Variabel Indikator
Persons & Actions Professionalism
Integrity
Norms
Stakeholder’s Support
Clarity of The Project Structure
Conflict Management
Faktor Content system memiliki keterkaitan akan karakteristik dari sistem,
hubungan, proses, dan struktur yang digunakan dalam suatu sistem yang akan
diterapkan yang secara material dapat mempengaruhi kesuksesannya (Jugdev &
MÜller, 2005; McLeod dan MacDonell, 2011; Subiyakto et al., 2015). Napitupulu
(2016) mengatakan bahwa konten dari sistem yang akan diterapkan dapat mepengaruhi
tingkat kesiapan. Sehingga, peneliti mengadopsi indikator dalam model Subiyakto dan
62
Ahlan (2014) berupa project complexity (CS1), appropriateness of the strategis
management (CS2), resources availability (CS3), data quality (CS4), dan technology
development (CS5). Peneliti berhipotesis bahwa:
H5: Content system (CS) berpengaruh secara signifikan terhadap Optimism
(OP)
H6: Content system (CS) berpengaruh secara signifikan terhadap
Innovativeness (IV)
H7: Content system (CS) berpengaruh secara signifikan terhadap
Discomfort (DS)
H8: Content system (CS) berpengaruh secara signifikan terhadap Insecurity
(IS)
Tabel 2.3 Indikator Variabel Content System
Nama Variabel Indikator
Content System Project complexity
Appropriateness of The Strategic Management
Resources Availibility
Data Quality
Technology Development
Faktor di dalam Context organizational seperti budaya di dalam suatu organisasi
yang merupakan salah satu dari konteks organisasi mempengaruhi efektivitas
implementasi sistem informasi dan keberhasilan penerapannya (Muhartawaty, 2013).
Konteks organisasi juga menjadi pengertian yang mendasar yang dapat memberikan
arahan, mengkoordinasikan, dan mengkomunikasikan sejumlah tindakan orang-orang
di dalamnya sehingga memiliki nilai yang tinggi dan bermakna dapat dipahami sebagai
63
landasan penggerak suatu organisasi (Trisnaningsih, 2007; Anshari et al., 2014;
Yunita, 2017). Selain itu menurut Widiastuti & Budi (2016) organisasi termasuk
budaya dan strukturnya dapat mempengaruhi tingkat kesiapan penerapan sistem.
Sehingga, peneliti mengadopsi indikator dalam model Subiyakto dan Ahlan (2014)
berupa organizational cultures (CO1), organizational policies (CO2), organizational
experience (CO3), legacies system and infrastructure (CO4), business environment
(CO5), dan external context (CO6). Peneliti berhipotesis bahwa:
H9: Context organizational (CO) berpengaruh secara signifikan terhadap
Optimism (OP)
H10: Context organizational (CO) berpengaruh secara signifikan terhadap
Innovativeness (IV)
H11: Context organizational (CO) berpengaruh secara signifikan terhadap
Discomfort (DS)
H12: Context organizational (CO) berpengaruh secara signifikan terhadap
Insecurity (IS)
H13: Context organizational (CO) berpengaruh secara signifikan terhadap
Content system (CS)
H14: Context organizational (CO) berpengaruh secara signifikan terhadap
Persons and actions (PA)
H15: Context organizational (CO) berpengaruh secara signifikan terhadap
Single Sign On Readiness (SSO.R).
64
Tabel 2.4 Indikator Variabel Context Organizational
Nama Variabel Indikator
Context Organizational Organizational Cultures
Organizational Policies
Organizational Experience
Legacies System and Infrastructure
Business Environment
External Context
Variabel yang ada di dimensi proses dalam penelitian ini merupakan variabel
yang diadopsi dari model pengukuran kesiapan yaitu TRI 2.0 milik Parasuraman dan
Colby (2015). Peneliti mengambil indikator Contribute of Live (OP1), Freedom of
Mobility (OP2), Control Daily Lives (OP3), Productive on Personal Life (OP4), Advice
for Technology (IV1), Acquire New Technology (IV2), First to Find Product and
Service of Technology (IV3) , Follow the Technological Development (IV4), Feels
being Taken Advantage by Somebody (DS1), Not Understanding the Technical Support
Lines (DS2) , Think Technology System not Designed for Ordinary People (DS3), Not
Understanding a manual language of High-Tech product or Service (DS4), Depend of
Technology (IS1), Technology Distract people (IS2), Technology Reducing Personal
Interaction (IS3), Not Confident Doing Business by Reached online (IS4). Peneliti
berhipotesis bahwa:
H16: Optimism (OP) berpengaruh secara signifikan terhadap Single Sign On
Readiness (SSO.R)
H17: Innovativeness (IS) berpengaruh secara signifikan terhadap Single Sign
On Readiness (SSO.R)
H18: Discomfort (DS) berpengaruh secara signifikan terhadap Single Sign On
65
Readiness (SSO.R)
H19: Insecurity (IS) berpengaruh secara signifikan terhadap Single Sign On
Readiness (SSO.R)
Tabel 2.5 Indikator Variabel Model TRI Nama Variabel Indikator
Optimism Contribute of Live
Freedom of Mobility
Control Daily Lives
Productive on Personal Life
Innovativeness Advice for Technology
Acquire New Technology
First to Find Product and Service of Technology
Follow the Technological Development
Discomfort Feels being Taken Advantage by Somebody
Not Understanding the Technical Support Lines
Think Technology System not Designed for Ordinary
People
Not Understanding a manual language of High-Tech
product or Service
Insecurity Depend of Technology
Technology Distract people
Technology Reducing Personal Interaction
Not Confident Doing Business by Reached online
Single Sign On
Readiness
Relative Advantage
Simplicity
Compatibility
Experiencebility
Dalam penelitian ini peneliti membuat hipotesa yang diasumsikan dari
pengadopsian, pengkombinasian, dan pengadaptasian dari dua model yaitu model
Keberhasilan Proyek Sistem Informasi (Subiyakto & Ahlan, 2014; Subiyakto et al.,
2015) dan model TRI 2.0 (Parasuraman & Colby, 2015) yang dapat dilihat pada tabel
2.1, model penelitian beserta hipotesa antar variabel dapat dilihat pada gambar 2.8
berikut.
66
Gambar 2.11 Model dan Hipotesa Penelitian
Tabel 2.6 Daftar Hipotesis Penelitian
NO Hipotesis
H1 Persons & Actions berpengaruh secara signifikan terhadap Optimism
H2 Persons & Actions berpengaruh secara signifikan terhadap Innovativeness
H3 Persons & Actions berpengaruh secara signifikan terhadap Discomfort
H4 Persons & Actions berpengaruh secara signifikan terhadap Insecurity
H5 Content System berpengaruh secara signifikan terhadap Optimism
H6 Content System berpengaruh secara signifikan terhadap Innovativeness
H7 Content System berpengaruh secara signifikan terhadap Discomfort
H8 Content System berpengaruh secara signifikan terhadap Insecurity
H9 Context Organizational berpengaruh secara signifikan terhadap Optimism
H10 Context Organizational berpengaruh secara signifikan terhadap Innovativeness
H11 Context Organizational berpengaruh secara signifikan terhadap Discomfort
H12 Context Organizational berpengaruh secara signifikan terhadap Insecurity
H13 Context Organizational berpengaruh secara signifikan terhadap Content System
H14 Context Organizational berpengaruh secara signifikan terhadap Persons & Actions
H15 Context Organizational berpengaruh secara signifikan terhadap Single Sign On
Readiness
H16 Optimism berpengaruh secara signifikan terhadap Single Sign On Readiness
H17 Innovativeness berpengaruh secara signifikan terhadap Single Sign On Readiness
H18 Discomfort berpengaruh secara signifikan terhadap Single Sign On Readiness
H19 Insecurity berpengaruh secara signifikan terhadap Single Sign On Readiness
67
Kedua model yang diadopsi dalam penelitian kali ini memiliki referensi asal
dan berikut penjelasan singkatnya dapat dilihat pada tabel 2.7 beikut.
Tabel 2.7 Referensi Indikator
Kode
Variabel
Indikator
Definisi
Referensi Kode Nama Indikator PA Persons and
actions
PA1 Proffesionalism Kompetensi yang
dimiliki oleh
pengguna
McLeod dan
MacDonell (2011);
Chen, et al. (2014);
Subiyakto dan
Ahlan (2014);
Subiyakto, et al.
2015
PA2 Integrity Kemampuan yang
dimilki
PA3 Norms Adanya keterkaitan
norma dengan
penerapan sistem
PA4 Stakeholder’s
Support
Adanya hubungan
yang mendukung
antar stakeholder
PA5 Clarity of The
project Structure
Kejelasan kegunaan
dari struktur projek
PA6 Conflict
Management
Adanya keterkaitan
konflik
mempengaruhi
penerapan sistem
CS Content
system
CS1 Project
Complexity
Kompleksitas suatu
projek
CS2 Appropriateness
of The Strategic
Management
Adanya kebijakan
dari manajemen
tertinggi
CS3 Resources
Availability
Pengaruh Sumber
Daya yang (biaya
dan sdm) dalam
penerepan sistem
CS4 Data Quality Tingkat kebutuhan
data yang sesuai
dalam penerapan
sistem
CS5 Technology
Development
Perkembangan
teknologi
CO Context
Organization
CO1 Organizational
Cultures
Adanya keterkaitan
budaya dalam
organisasi pada
penerapan sistem
CO2 Organizational
Policies
Adanya keterkaitan
peraturan dalam
organisasi pada
penerapan sistem
CO3 Organizational
Experiences
Adanya keterkaitan
pengalaman dalam
organisasi pada
penerapan sistem
68
Tabel 2.7 Referensi Indikator (lanjutan)
Kode Variabel Indikator Definisi Referensi
Kode Nama Indikator
CO4 Legacies System
dan Infrastructure
Ketersediaan sistem dan
infrastruktur yang ada
McLeod dan
MacDonell
(2011); Chen et
al. (2014);
Subiyakto dan
Ahlan (2014);
Subiyakto et al.
2015
CO5 Business
Environment
Adanya keterkaitan dari
lingkungan luar bisnis
pada penerapan sistem
CO6 External Context Adanya keterkaitan dari
kondisi luar pada
penerapan sistem
OP Optimism OP1 Contribute of Live Tingkat kontribusi sistem
di kehidupan
Chen et al.
(2014);
Parasuraman dan
Colby (2015) OP2 Freedom of
Mobility
Tingkat kebebasan
mobilitas
OP3 Control Daily
Lives
Tingkat control pada
kehidupan sehari-hari
OP4 Productive on
Personal Life
Tingkat produktifitas
dalam kehidupan pribadi
IV Innovative
ness
IV1 Advice for
Technology
Kemampuan
memberikan saran
mengenai teknologi
IV2 Acquire New
Technology
Kemampuan
memperoleh teknologi
baru
IV3 First to Find
Product and
Service of
Technology
Kemampuan untuk
mengetahui produk dan
service teknologi
IV4 Follow the
Technological
Development
Mengikuti
perkembangan teknologi
DS Discomfort DS1 Feels being Taken
Advantage by
Somebody
Merasa dimanfaatkan
dalam ketidaktahuan
teknologi
DS2 Not
Understanding
the Technical
Support Lines
Tidak mengerti
dukungan secara teknis
D3 Think Technology
System not
Designed for
Ordinary People
Merasa sistem teknologi
bukan untuk orang awam
69
Tabel 2.7 Referensi Indikator (lanjutan)
Kode Variabel Indikator Definisi Referensi
Kode Nama Indikator
DS4 Not
Understanding a
manual language
of High-Tech
product or
Service
Kemampuan untuk
mengerti panduan
manual dari produk dan
layanan teknologi
Chen et al.
(2014);
Parasuraman
dan Colby
(2014)
IS Insecurity IS1 Depend of
Technology
Tingkat ketergantungan
pada teknologi
IS2 Technology
Distract people
Tingkat pengalihan dari
penggunaan teknologi
IS3 Technology
Reducing
Personal
Interaction
Berkurangnya interaksi
social dengan
pengguanan teknologi
IS4 Not Confident
Doing Business
by Reached
online
Adanya
ketidakpercayaan
melakukan suatu urusan
secara online
SSO.R Single Sign
On
Readiness
SSO.R 1 Relative
Advantage
Adannya keuntungan
yang relatif
Chen et al.
(2014); Yang
et al. (2014) SSO.R 2 Simplicity Tingkat kesederhanaan
dalam penerapan sistem
SSO.R 3 Compatibility Tingkat bersaing sistem
SSO.R 4 Experiencebility Kemampuan penerapan
sistem berdasarkan
pengalaman yang
dimiliki
70
Gambar 2.12 Hubungan Variabel dan Instrumen Penelitian
Pada gambar 2.9 diatas menggambarkan hubungan atau path jalur dari 8 variabel dengan 37 indikatornya yang diajukan pada
penelitian ini.
71
2.14. 2.14 Penelitian Sejenis
Tabel 2.8 Penelitian Sejenis
Peneliti Sri Widiastuti,
Indra budi
(2016)
Suluh Argo
Pambudi (2015)
Shih-Chih Chen,
Din Jung, Min-
Tsai Lai (2014)
Mangaras Yanu
Florestiyanto
(2012)
Zhaojun Yang,
Jun Sun, Yali
Xhang, Ying
Wang (2014)
Darmawan
Napitupulu
A’ang
Subiyakto,
&Ahmad Ahlan
(2014)
A.
Parasuraman,
Charles L.
Colby (2015)
Judul Analisis
Pengukuran
Tingkat
Kesiapan
Knowledge
Management:
Studi Kasus
PUSDATIN
Badan
Koordinasi
Penanaman
Modal
Analisis
Kesiapan
Pengguna
Sistem
Informasi
Akademik
Assessing the
Relationship
between TRI and
Continuance
Intention in an E-
Appoinment
System:
Relationship
Quality as a
Mediator
Evaluasi Kesiapan
Pengguna dalam
Adopsi SI
Terintegrasi di
bidang Keuangan
Menggunakan
Metode TRI
Understanding
Saa Adoption
from The
Perspective of
Organizationa
users: A tripod
Readiness Model
Kesiapan
Implementasi
Sistem E-
Learning di
Lingkungan
Universitas
XYZ
Implementation
in of Input-
process-output
Model for
Measuring
Information
System Project
Success
An Updated
and
Streamline
Technology
Readiness
Index: TRI 2.0
Model KM Readiness Technology
Readiness Index
Relationship
among TRI and
Continuance
Intention
Technology
Readiness Index
A tripod
Readiness Model
e-learning
readiness
IPO Model
Measuring IS
Project Success
TRI 2.0
Tujuan
Penelitian
Mengukur
Tingkat
Kesiapan
Organisasi
dalam
Penerapan KM
Melakukan
analisis kesiapan
kompetensi
teknologi
pengguna pada
proses
implementasi
SIA di PNM
dengan
menggunakan
Tujuan penelitian
ini adalah
mengeksplorasi
hubungan antara
kesiapan
penerapan,
kualitas hubungan
dan tujuan yang
berkelanjutan
Melakukan
evaluasi kesiapan
pengguna dalam
adopsi TIK diukur
dari keyakinan
positif dan
keyakinan negatif
pengguna
terhadap teknologi
dengan
Penelitian ini
mengajukan A
tripod Readiness
Model yang dapat
memberikan saran
kepada organisasi
untuk dapat
mempersiapkan
dari aspek
teknologi,
Penelitian ini
bertujuan untuk
mengukur
tingkat kesiapan
implementasi
sistem e-
learning di
lingkungan
universitas XYZ
menggunakan
Memberikan
alternatif model
keberhasilan
proyek SI
menggunakan
IPO model
Pada papper
ini adanya
penyederhana
an indikator
dari 36 pada
TRI versi 1.0
kini menjadi
16 variabel
pada TRI 2.0
72
SEM-PLS dan
metode TRI
mengadopsi TRI
1.0
organisasi dan
lingkungan untuk
pengadopsian
SaaS
pendekatan ELR
Chapnick
Variabel Budaya
Oranisasi,
Struktur
Organisasi,
Penerimaan
Individu,
Teknologi
Informasi
Optimisme,
Innovativeness,
Discomfort,
Insecurity
Optimism,
Innovativeness,
Discomfort,
Insecurity,
Satisfication,
Trust,
Continuance
Intention
Optimisme,
Innovativeness,
Discomfort,
Insecurity
Organizational
Readiness,
Technological
Readiness,
Environmental
Readiness, SaaS
Readiness
psychological
readiness,
sociological
readiness,
environmental
readiness,
technological
skill readiness
dan content
readiness,
human resource
readiness,
financial
readiness,
equipment
readiness
Project
Contents,
People &
Actions,
Institutinal
Context, System
Use,
Information
Quality, System
Quality, Service
Quality, User
Satisfication,
Net Benefits
Optimism,
Innovativenes
s, Discomfort,
Insecurity
Hasil
Penelitian
Seluruh variabel
yang digunakan
dapat mengukur
tingkat kesiapan
penerapan KM.
dan PUSDATIN
memilliki nilai
yang tinggi
dalam
pengimplementa
sian KM
Seluruh variabel
Tri berpengaruh
secara signifikan
terhadap
Technology
Readiness,
faktor
ketidaknyamana
n menempati
urutan teratas
dan inovasi
urutan terbawah
Optimism dan
innovativeness
berpengaruh
secara signifikan
terhadap
continuance
intention melewati
relationship
quality,
discomfort dan
insecurity tidak
berpengaruh
Seluruh variabel
penelitian
berpengaruh
terhadap
technology
readiness
Hasil penelitian
ini adalah model
usulan berupa a
tripod model of
SaaS readiness
ada 5 faktor
yang masuk
dalam kategori
siap adalah
psychological
readiness,
sociological
readiness,
environmental
readiness,
technological
skill readiness
dan content
readiness
Permodelan
usulan yang
dibuat
berdasarkan
empat teori
dasar yaitu IPO
Logic Model,
The Project
Success
Theories, The
D&M Success
Model dan The
Project
Classifictory
Framework
Adanya
perbaharuan
16 indikator
pada model
TRI 2.0
73
2.15 Ringkasan
Pengukuran tingkat kesiapan menggunakan adopsi, kombinasi, dan adaptasi antara
model TRI dengan model Keberhasilan Proyek Sistem Informasi terhadap penerapan
sistem baru berdasarkan pengalamannya menggunakan sistem sejenis di kehidupan
sehari-hari. Dalam hal ini sistem yang dibahas adalah sistem Single Sign On (SSO)
yang berencana akan diterapkan di lingkungan UIN Syarif Hidayatullah Jakarta.
Pengumpulan data dalam penelitian ini menggunakan alat bantu kuesioner dengan
gabungan dua teknik yaitu, purposive sampling dan accidental sampling. Teknik
analisis menggunakan PLS-SEM yang bertujuan untuk dapat menjelaskan prediksi
pemodelan yang dibuat serta memberi penjelasna bagaimana hubungan antar konstruk
dan menekankan pengertian tentang nilai hubungan tersebut. Penelitian ini dilakukan
untuk dapat memberikan solusi dalam pengambilan keputusan dalam penerapan sistem
SSO di UIN bagi pemegang kebijakan strategis serta faktor apa yang dapat
mempengaruhi tingkat kesiapannya. Hal ini dapat dilihat dari model penelitian yang
diajukan bahwa terdapat 8 variabel yang akan mempengaruhi tingkat kesiapan serta
adanya 19 hipotesa yang diajukan berdasarkan jalur hubungan antar variabel yang ada
di dalam model
15
74
BAB III
METODOLOGI PENELITIAN
3.1. Pendekatan dan Strategi Penelitian
Secara umum, penelitian ini dilakukan dengan menerapkan metode kuantitatif
(Creswell, 2013) dan struktur penelitian yang berurutan sesuai dengan tujuannya yaitu
untuk dapat mengetahui status dari tingkat kesiapan para calon pengguna sistem Single
Sign On (SSO), dan menguji hipotesis terkait dengan hubungan antara tingkat kesiapan
penerapan SSO dengan faktor-faktor yang dapat mempengaruhinya.
Sesuai dengan pendekatan yang telah ditentukan, secara khusus tahapan-tahapan
penelitian akan menerapkan metode teknik dan alat secara kuantitatif (Creswell, 2013),
seperti ditunjukkan oleh prosedur penelitian. Contoh dengan teknik pengumpulan data
yang dilakukan melalui pengadaan survei yang akan disebarkan kepada responden di
lingkup institusi pendidikan yaitu UIN Syarif Hidayatullah Jakarta, dengan
berinstrumenkan pertanyaan kuesioner (Sugiyono dalam Setiawan, 2016), analisis data
dilaksanakan secara statistik dengan menggunakan perangkat lunak komputer sesuai
kebutuhan. Dalam penelitian ini perangkat lunak yang digunakan untuk membantu
selama proses berjalan yaitu MS. Word 2013 untuk penulisan laporan, MS. Excell 2013
untuk membantu pengolahan data demografis, serta SmartPLS versi 3.0 (Yamin &
Kurniawan, 2011; Hair et al., 2012; Afthanorhan, 2013; Wong, 2013; Ringle, 2015;
75
Sarstedt et al., 2017). Untuk pengolahan data hasil penyebaran survei dan kuesioner
dari para responden yang terkumpul. Serta Edraw 7.8 untuk pembuatan gambar yang
mendukung penulisan laporan penelitian.
3.2. Prosedur Penelitian
Merujuk pada pendekatan dan strategi penelitian yang sudah dijelaskan sebelumnya,
penelitian ini dilakukan menggunakan delapan tahap yang secara prosedural dan
berurutan seperti diperlihatkan pada gambar 3.1 yang terdiri dari tahap: kajian pustaka,
pengembangan model, perancangan penelitian, pembuatan instrumen penelitian atau
indikator, pengumpulan data, analisis data, interpretasi, dan pembuatan laporan
(diadopsi dari penelitian yang dilakukan oleh Subiyakto et al., 2015). Penelitian ini
berjalan dan dilakukan dalam kurun waktu sepuluh bulan mulai bulan Februari 2017
sampai dengan bulan Oktober 2017, urutan waktu pelaksanaanya dapaat dilihat pada
tabel 3.1
76
Tabel 3.1 Waktu Penelitian
No Tahapan Feb Mar Apr Mei Jun Jul Agst Sept Okt
1 Kajian Pustaka
2 Pengembangan
Model
3 Perancangan
Penelitian
4 Pembuatan
Instrumen
5 Pengumpulan
Data
6 Analisis Data
7 Interpretasi
8 Pembuatan
Laporan
Selanjutanya akan digambarkan proses alur dari kedelapan tahapan dalam
penelitian ini beserta kegiatan strukturalnya pada gambar 3.1 yang diadopsi dari
penelitian Subiyakto et al. (2015).
77
Gambar 3.1 Prosedur Penelitian (Diadopsi dari Subiyakto et al., 2015)
3.3 Populasi dan Sampel Penelitian
Populasi dalam penelitian ini adalah semua mahasiswa aktif, dosen dan pegawai UIN
Syarif Hidayatullah Jakarta yang tersebar dari sebelas fakultas yang ada seperti
Fakultas Ilmu Tarbiyah dan Keguruan, Fakultas Adab dan Humaniora, Fakultas
Ushuludiin, Fakultas Syariah dan Hukum, Fakultas Ilmu Dakwah dan Ilmu
Komuniaksi, Fakultas Dirasat Islamiyah, Fakultas Psikologi, Fakultas Ekonomi dan
78
Bisnis, Fakultas Sains dan Teknologi, Fakultas Kedokteran dan Ilmu Keseharan, dan
Fakultas Ilmu Sosial dan Ilmu Politik. Berdasarkan laporan jumlah mahasiswa aktif
yang diperoleh dari Kepala Akademik, Kemahasiswaan dan Kerjasama, jumlah
mahasiswa aktif UIN Syarif Hidayatullah Jakarta per September 2017 adalah sebesar
24.246 orang. Penggunaan data mahasiswa menjadi salah satu alasan karena lebih
memiliki sikap mau menerima gagasan baru (Lacobucci, 2001). Selanjutnya,
berdasarkan laporan jumlah tenaga pengajar dan pegawai aktif yang diperoleh dari
Kepala Administrasi Umum dan Kepegawaian Pusat pada September 2017 sebanyak
1530 orang, termasuk pegawai Akademik Pusat, Kemahasiswaan dan Rektorat. Teori
yang digunakan dalam pengambilan sampel dalam perhitungan menggunakan PLS-
SEM adalah jumlah minimum sepuluh kali jumlah path pada model penelitian
(Ghozali, 2011; Yamin dan Kurniawan, 2011). Total populasi dalam penelitian ini
adalah 25.776 Orang. Tahap pertama peneliti mengambil teknik sampling melalui
purposive sampling yang dilakukan untuk memilih bagain dari populasi, dimana
kriteria yang dipilih adalah yang memiliki pengalaman dalam menggunakan sistem
serupa sebelumnya. Selanjutnya ditahap kedua, pengambilan sampel dilakukan secara
accidental sampling artinya pemilihan anggota sampelnya dilakukan terhadap
responden yang kebetulan ada atau tanpa perencanaan saat dijumpai (Hadi, 2016).
Dengan mempertimbangkan jumlah populasi, keterbatasan waktu dan biaya
maka peneliti mengambil 256 responden yang akan menjadi calon pengguna untuk
menjadi sampel dalam penelitian ini. Responden terdiri dari mahasiswa, dosen, dan
pegawai yang tersebar pada sebelas fakultas yang ada dilingkup UIN Syarif
79
Hidayatullah Jakarta, ditambah dengan pegawai dari rektorat dan PUSTIPANDA.
Berdasarkan panduan ukuran sampel minimum dalam analisis PLS-SEM adalah 10 kali
jumlah path atau anak panah yang mengenai variabel laten pada model yang digunakan
dalam PLS-SEM (Heir et al, 2013). Menurut studi yang dilakukan oleh Guritno et al.
(2011) dalam Yunita (2016); Wong (2013), Ghozali & Latan (2015) sampel yang
diperlukan dalam menggunakan SEM berkisar antara 100 sampai dengan 200 sampel.
Dengan begitu jumlah 256 orang calon pengguna sistem ini sudah memenuhi kriteria
pada penelitian kali ini.
3.4. Instrumen Penelitian
Instrumen penelitian ini berupa sebuah kuesioner yang berisi lembaran surat pengantar
dari peneliti sebagai permohonan untuk pengisiannya dan lembar kedua yang berisikan
pertanyaaan-pertanyaan penelitian. Lembar pertanyaan penelitian ini terdiri dari lima
pertanyaan mengenai profil responden, status responden di UIN Syarif Hidayatullah
Jakarta, skala intensitas akses sistem yang ada di UIN, tingkat kesiapan penerapan SSO
di UIN dan tiga puluh tujuh pertanyaan pengujian. Daftar pertanyaan lengkap
penelitian dapat dilihat pada bagian lampiran.
Secara khusus, peneliti menggunakan 5 poin skala likert (Guritno et al., 2011;
Croasmun & Ostrom, 2011) dari tingkatan “Sangat Tidak Setuju” (1) sampai “Sangat
Setuju” (5) untuk pengukuran dalam kuesioner tersebut. Skala likert merupakan skala
yang digunakan untuk dapat mengukur sikap, pendapat, dan persepsi seseorang atau
sekelompok orang mengenai fenomena sosial (Sugiyono dalam Gitayani et al., 2015).
80
Sementara untuk menjamin validitas dan reliabilitas alat ini, peneliti mengadopsi
sejumlah item indikator dari sejumlah penelitian terkait sebelumnya, antara lain
McLeod dan MacDonell (2011), Parasuraman dan Colby (2014), Subiyakto & Ahlan
(2014), Subiyakto et al. (2015), Yang et al. (2015), dan Napitupulu (2016).
Tabel 3.2 menunjukkan indikator dan butir pertanyaan pengujian. Untuk
kuesioner lengkap dapat dilihat di bagian lampiran. Selanjutnya peneliti juga
melakukan pengujian pendahuluan terhadap desain awal kuesioner kepada 2 dosen dan
30 mahasiswa yang memiliki pengalaman dalam menggunakan sistem sejenis.
Tujuannya untuk dapat memperoleh masukan perbaikan sebelum kusioner disebarkan
ke lingkup lebih luas dan menjalankan prosedur unidimensonality (Afthanorhan, 2013).
Untuk hasil pengujian (pre-test) lengkap dapat dilihat di bagian lampiran. Pengukuran
pre-test juga dilakukan mengikuti proses perhitungan awal yaitu pengujian indikator
reflektif atau pengujian pengukuran model (outer model) dan biasa dikatakan sebagai
uji validitas dan realibilitas. Hal ini dilakukan untuk dapat mengetahui seberapa paham
responden terhadap butir instrumen kuesioner yang peneliti ajukan dan seberapa besar
intrumen penelitian telah memenuhi tujuan dan memiliki keandalan yang tinggi
(Yamin & Kurniawan, 2011). Pada hasil pre-test ini terdapat 16 indikator yang tidak
memenuhi kriteria dari 36 butir pertanyaan. Ketidaksesuaian ini dilihat dari tidak
terpenuhinya nilai cross loading dibawah 0,5. Peneliti menggunakan teori penggunaan
nilai minimal cross loading dengan pertimbangan batas ambang terendah 0,5 dapat
diterima karena penelitian ini merupakan penelitian pengembangan teori (Chin, 1998
dalam Yamin & Kurniawan, 2011). Namun setelah peneliti melakukan interpretasi
81
seperti yang dikatakan oleh Subiyakto et al. (2017) mengenai analisis interpretasi,
maka peneliti memutuskan untuk, 3 butir instrumen akan dihapuskan, 13 diantaranya
adanya perubahan tata bahasa agar dapat dipahami, dan penambahan 4 butir instrumen.
Sehingga total instrumen yang akan disebar sebanyak 37 butir instrumen kuesioner.
Berikut tabel 3.2 berisi rincian dari pengujian kuesioner terhadap responden selama
penelitian berlangsung.
Tabel 3.2 Indikator dan Butir Pertanyaan Pengujian
Variabel Indikator Pertanyaan
Persons and Actions Tingkat Profesionalisme Kompetensi pengguna mempengaruhi
kesiapan penerapan SSO
Integritas Kemampuan yang dimiliki
mempengaruhi kesiapan penerapan SSO
Norma-norma yang berlaku Aturan norma mempengaruhi kesiapan
penerapan SSO
Dukungan sesama
Stakeholder
Dukungan dari pengguna lain
mempengaruhi kesiapan penerapan SSO
Kejelasan Struktur Project Kejelasan struktur SSO mempengaruhi
kesiapan penerapan
Konflik dalam Manajemen Konflik yang ada mempengaruhi
kesiapan penerapan
Context
Organizational
Budaya Organisasi Budaya UIN mempengaruhi kesiapan
penerapan SSO
Peraturan Organisasi Peraturan di UIN mempengaruhi
kesiapan penerapan SSO
Pengalaman Organisasi Pengalaman UIN mempengaruhi
kesiapan penerapan SSO
Infrastruktur Organisasi Infratruktur SI mempengaruhi kesiapan
penerapan SSO
Lingkungan Bisnis Penerapan SSO di kampus lain
mempengaruhi kesiapan penerapan SSO
Faktor Eksternal Faktor eksternal mempengaruhi
kesiapan penerapan SSO
Content System Kompleksitas Project Banyaknya manfaat SSO mempengaruhi
kesiapan penerapan SSO
Kebijakan Manajemen
Tertinggi
Peraturan dan kebijakan mempengaruhi
kesiapan penerapan SSO
82
Ketersediaan Sumber Daya Adanya SDM dan Biaya mempengaruhi
kesiapan penerapan SSO
Kualitas Data Kualitas data mempengaruhi kesiapan
penerapan SSO
Perkembangan Teknologi Perkembangan SSO mempengaruhi
kesiapan penerapan SSO
Tabel 3.2 Indikator dan Butir Pertanyaan Pengujian (lanjutan) Variabel Indikator Pertanyaan
Optimism Kontribusi teknologi baru SSO berkontribusi pada kualitas SI
Teknologi memberi
kebebasan mobilitas
Dengan SSO bebas akses sistem
Teknologi membantu
pengontrolan kegiatan
Dengan SSO kontrol lebih pada sistem
Teknologi membantu
produktivitas
Dengan SSO lebih produktif
Innovativeness Memberi saran akan
teknologi baru
Dapat memberi saran pada orang lain
tentang SSO
Mengetahui teknologi baru Saya orang pertama tau teknologi di
lingkungan saya
Memahami produk baru
teknologi
Saya menemukan SSO tanpa bantuan
orang
Mengikuti perkembangan
teknologi sesuai bidangnya
Saya mengikuti perkembangan SSO
sesuai bidang saya
Discomfort Merasa dimanfaatkan Merasa dimanfaatkan oleh penyedia
layanan SSO
Tidak mengerti dukungan
teknis yang ada
Tidak mendapatkan penjelasan secara
teknis tentang SSO
Merasa teknologi bukan
dirancang untuk saya
Saya berpikir SSO bukan untuk saya
Tidak ada panduan dalam
bahasa yang saya mengerti
Saya tidak mendapat panduan
penggunaan SSO
Insecurity Bergantung pada teknologi
untuk melakukan suatu hal
Saya tergantung pada SSO dalam
kegiatan sehari-hari
Perhatian teralihkan karena
terlalu banyak teknologi
Perhatian saya teralihkan karna fokus
pada SSO
Teknologi menurunkan
kualitas interaksi personal
Interaksi personal saya menurun karena
SSO
Tidak yakin melakukan
kegiatan secara online
Saya tidak melakukan urusan pribadi
secara online
Technology Readiness
Index
Keuntungan yang relatif SSO berdampak munculnya teknologi
lain
83
Tingkat kemudahan
digunakan
SSO mudah di implementasikan
Kesesuaian kebutuhan SSO sesuai dengan kebutuhan SI di UIN
Kemampuan untuk
berpengalaman
Pengalaman saya mempengaruhi
kemampuan penggunaan SSO
3.5. Pemrosesan dan Pengumpulan Data
Proses pengumpulan data pada penelitian ini dilakukan dengan menyebarkan kuesioner
secara langsung dan tidak langsung kepada responden. Penyebaran langsung dilakukan
oleh peneliti untuk mencari responden yang tepat melalui tatap muka secara langusng.
Penyebaran tidak langsung dilakukan peneliti melalui media social seperti email,
whatsapp, line dll. Peneliti menggunakan bantuan fitur google forms sebagai media
pengisiannya. Penyebaran kuesioner ini dilakukan dalam kurun waktu satu bulan satu
minggu terhitung dimulai pada tanggal 11 Agustus sampai 18 September 2017 guna
mencapai target sejumlah sampel yang diinginkan.
Seluruh kuesioner yang telah terkumpul selama proses penelitian berlangsung
akan diproses dan diklasifikasikan menggunakan perangkat lunak pengolah angka Ms.
Excell 2013. Berdasarkan hasil pengumpulan data, peneliti berhasil memperoleh 137
kuesioner yang disebarkan secara langsung dan 119 secara tidak langsung. Dari total
256 kuesioner yang telah terisi oleh responden, 6 diantaranya tidak valid karena data
yang tidak lengkap dan double input pada google forms. Sehingga jumlah data yang
valid pada penelitian ini sejumlah 250 kuesioner (dijelaskan rinci pada tabel 3.3).
84
Tabel 3.3 Jumlah Data Kuesioner
Metode Penyebaran Σ Valid Σ Tidak Valid Keterangan
Langsung 135 2 Data tidak lengkap
Tidak Langsung 115 4 Data double satu
responden
Total 250 6
3.6. Analisa dan Interpretasi Hasil
Analisis data terbagi dua yaitu analisis demografis dan analisis statistik. Pertama,
peneliti melakukan analisis data demografis dengan menggunakan perangkat lunak Ms.
Excell 2013. Data responden dikelompokkan berdasarkan jenis kelamin, usia, status di
UIN Syarif Hidayatullah Jakarta, skala intensitas penggunaan sistem di UIN dan
tingkat kesiapan penerapan.
Kedua, peneliti melakukan analisis statistis menggunakan SmartPLS versi 3.0.
terdapat dua analisis yang dilakukan oleh penelti dalam tahap ini, yaitu analisis
measurement model (outer model) dan structural model (inner model). Measurement
model (outer model) dilakukan melalui proses pengujian validitas dan reliabilitas outer
model melalui indikator reliability, internal consistency reliability, convergent validity,
dan discriminant validity. Sedangkan pengujian structural model (inner model) melalui
path ceofficient (β), coefficient of determination (𝑅2), t-test melalui metode
bootstrapping, effect size (f2), predictive relevance (𝑄2), dan relative impact (𝑞2)
85
menggunakan metode pengujian blindfolding (Hair et al., 2012; Afthanorhan, 2013;
Wong, 2013; Ringle, 2015; Sarstedt et al., 2017).
Setelah itu, untuk interpretasi hasil penelitian, peneliti melakukan diskusi
terhadap hasil analisis demografi para responden dengan kondisi lapangan yang
berjalan dan menterjemahkan hasil analisis model secara statistika kuantitatif dengan
cara membandingkan dan mempertimbangkan sejumlah literatur terkait sebelumnya.
Selanjutnya, hasil analisis dan interpretasi tersebut secara lengkap akan dijelaskan pada
Bab IV.
3.7 Ringkasan
Pada bab ini menjelaskan mengenai pelaksanaan penelitian ini dilakukan secara
kuantitatif dengan menggunakan teknik survei. Penjelasan-penjelasan dalam bab ini
memaparkan mengenai prosedur penelitian, populasi, sampel, alat teknik pengumpulan
data dan analisisinya, dan interpretasi dari hasil penelitian. Prosedur penelitian ini
terdiri dari delapan tahap utama yaitu, kajian pustaka, pengembangan model,
perancangan penelitian, pembuatan instrumen penelitian atau indikator, pengumpulan
data, analisis data, interpretasi, dan pembuatan laporan. Jumlah populasi dalam
penelitian ini adalah 25.776 orang, peneliti berhasil mengumpulkan data sebanyak 250
responden, enam data diantaranya tidak valid dengan menggunakan teknik purposive
sampling untuk tahap pertama, dan accidental sampling untuk tahap kedua. Analisis
dan interpretasi data akan dilakukan dan dijelaskan pada bab selanjutn
74
BAB IV
HASIL ANALISIS DAN INTERPRETASI
4.1. Hasil Analisis
4.1.1 Hasil Analisis Demografi
Pada tahap ini penelitian dilakukan dengan menganalisis jawaban responden terhadap
pertanyaan yang ada dalam kuesioner, khususnya beberapa pertanyaan yang ada pada
bagian profil responden dan pertanyaan tentang skala intensitas akses sistem informasi
yang ada di lingkungan UIN Syarif Hidayatullah Jakarta dan tingkat kesiapan para
calon pengguna sistem SSO. Seluruh data responden yang berhasil diperoleh dalam
penelitian ini dalam kurung waktu kurang lebih satu bulan terhitung mulai 11 Agustus
2017 sampai dengan 18 September 2017 adalah sebanyak 256 data, dengan data valid
sebanyak 250. Informasi demografis tersebut meliputi jenis kelamin, usia, status
pekerjaan, unit kerja, skala intensitas sistem dan tingkat kesiapan penerapan sistem.
Berikut adalah hasil analisis data yang berhasil diperoleh:
1. Jenis Kelamin
Data 250 responden valid yang digunakan dalam penelitian ini, sebagian besar di
dominasi oleh responden dengan jenis kelamin perempuan, yaitu sebanyak 135
orang (54%) dan sisanya berasal dari responden berjenis kelamin laki-laki yaitu
115 orang (46%) yang dapat dilihat pada gambar 4.1 berikut.
Gambar 4.1 Diagram Jenis Kelamin Responden
2. Usia
Pada gambar 4.2 diketahui bahwa mayoritas responden berasal dari kalangan usia
rentang 21 sampai 30 tahun yaitu sebanyak 150 responden (60%), diikuti rentang
usia dibawah sampai dengan usia 20 tahun sebanyak 66 responden (26%).
Selanjutanya rentang usia lebih dari 41 tahun sebanyak 21 responden (9%) dan
13 responden untuk rentang usia 30 sampai 40 tahun (5%).
Perempuan54%
Laki-Laki46%
Jenis Kelamin
Perempuan Laki-Laki
Gambar 4.2 Diagram Usia Responden
3. Status Pekerjaan
Pada gambar 4.3 dapat diketahui bahwa mayoritas responden dalam penelitian
ini adalah mahasiswa, yaitu sebanyak 209 responden (84%). Dikuti dengan
jumlah pegawai sebanyak 28 responden (11%) dan dosen sebanyak 13 responden
(5%).
≤ 2026%
21-3060%
31-405%
≥ 419%
Usia
≤ 20 21-30 31-40 ≥ 41
Gambar 4.3 Diagaram Status Pekerjaan
4. Unit Kerja
Gambar 4.4 memperlihatkan bahwa responden terbanyak dari penelitian ini
berasal dari Fakultas Sains dan Teknologi dengan jumlah 90 responden (36%).
Sedangkan responden lain tersebar pada 11 fakultas dan unit kerja lain yang ada
di lingkungan UIN Syarif Hidayatullah Jakarta. Sedangkan responden paling
sedikit berasal dari pegawai Rektorat dengan total 6 responden (2%).
Dosen5% Pegawai
11%
Mahasiswa84%
Status Pekerjaan
Dosen Pegawai Mahasiswa
Gambar 4.4 Diagram Unit Kerja
5. Skala Intensitas Sistem
Dari jumlah 250 responden yang ada gambar 4.5 dapat memperlihatkan bahwa
sebanyak 113 responden (45%) jarang mengakses sistem yang ada di lingkup
UIN Syarif Hidayatullah Jakarta, sedangkan 85 responden (34%) merasa cukup
sering mengakses sistem, diikuti dengan 37 responden (15%) yang merasa sering
mengakses sistem yang ada di UIN dan 15 responden (6%) lainnya merasa sangat
sering mengakses sistem di lingkup UIN.
FITK8% FAH
6% FUS5%
FSH8%
FDK7%
FDI4%Fpsi
3%FEB6%
FST36%
FKIK5%
FISIP6%
Rektorat2%
Pustipanda4%
Unit Kerja
FITK FAH FUS FSH FDK
FDI Fpsi FEB FST FKIK
FISIP Rektorat Pustipanda
Gambar 4.5 Diagram Skala Akses Sistem
6. Tingkat Kesiapan Penerapan Sistem
Seperti yang dapat dilihat pada gambar 4.6 bahwa dari 250 jumlah responden
yang merasa tidak siap akan penerapan sistem baru berjumlah 8 responden (3%).
Lalu sebanyak 84 responden merasa kurang siap (33%), 119 responden (48%)
merasa cukup siap akan penerapan sistem baru, 37 responden (15%) merasa siap
dan 2 responden (1%) merasa sangat siap.
Jarang45%
Cukup Sering34%
Sering15%
Sangat Sering6%
Skala Akses Sistem
Jarang Cukup Sering Sering Sangat Sering
Gambar 4.6 Tingkat Kesiapan Penerapan Sistem
4.1.2. Hasil Analisis Pengukuran Model (Measurement Model)
Analisis model pengukuran yang biasa disebut dengan measurement model (outer
model) dilakukan melalui empat tahap pengujian, yaitu individual item reliability,
internal consistency reliability, average variance extracted, dan discriminant validity
(Urbach & Ahlemann, 2010; Hair et al., 2012; Wong, 2013; Ringle, 2015; Subiyakto
et al., 2015; Nugroho et al., 2016; Sarstedt et al., 2017). Measurement model dilakukan
untuk dapat mengetahui hubungan antara konstrak (variabel) dengan indikator-
indikatornya (Yamin & Kurniawan, 2011). Secara grafis, hasilnya dapat dilihat pada
tabel 4.1, tabel 4.2 dan gambar 4.7 berikut penjelasan mengenai pelaksanaan dan hasil
penelitian dari empat pengujian tahapan tersebut.
Tidak Siap3%
Kurang siap33%
Cukup Siap48%
Siap15%
Sangat Siap1%
Tingkat Kesiapan Penerapan Sistem
Tidak Siap Kurang siap Cukup Siap Siap Sangat Siap
a. Individual Item Reliabilty
Pengujian ini dilakukan dengan melihat nilai standardized loading faktor. Nilai
tersebut menggambarkan besarnya korelasi antar item pengukuran (indikator)
dengan konstraknya. Nilai loading faktor di atas 0,7 dikatakan ideal yang artinya
indikator tersebut dapat dikatakan valid sebagai indikator yang dapat mengukur
konstrak atau variabelnya (Hensler et al., 2009; Hair et al., 2012; Irawati & Putra,
2015; Sarstedt et al., 2017). Setelah melakukan tiga kali pengujian terdapat enam
indikator yaitu, PA6, PA3, CO5, CO6, IV3, dan IV2 yang memiliki nilai dibawah
0,6 sehingga harus dihapus. Menurut Yamin dan Kurniawan (2011) nilai
standardized loading faktor di atas 0.5 masih dapat diterima untuk penelitian
tahap pengujian teori sehingga indikator yang memiliki nilai sekitar 0.6 akan
tetap dipertahankan.
b. Internal Consistency Reliabilty
Pengujian ini dilakukan dengan melihat nilai Composite Reliability (CR) yang
memiliki nilai ambang batas sebesar 0.7 (Hair et al., 2012; Wong, 2013;
Subiyakto et al., 2015; Nugroho et al., 2016; Sarstedt et al., 2017). Nilai dari CR
dinilai lebih baik dalam pengukuran internal consistency dibandingkan dengan
nilai cronbach’s alpha dalam model SEM, ini beralasan karena CR tidak
mengasumsikan semua indikator sama dalam sebuah variabel (Yamin &
Kurniawan, 2011). Hasil dari nilai CR yang telah memenuhi syarat dengan
memiliki variabel di atas 0,7 dapat dilihat pada tabel 4.1.
c. Average Variance Extracted
Pengujian convergent validity selanjutnya dilakukan dengan melihat nilai
Avarage Variance Extracted (AVE). Nilai ini dapat menggambarkan besaran
varian atau keberagaman variabel manifest (indikator) yang dapat dikandung
oleh konstrak laten (variabel). Nilai AVE memiliki syarat minimal 0,5 untuk
dapat menggambarkan bahwa convergent validity bernilai baik (Yamin &
Kurniawan, 2011; Hair et al., 2012; Wong, 2013; Subiyakto et al., 2015; Sarstedt
et al., 2017). Ini memiliki arti bahwa variabel laten dapat menjelaskan rata-rata
lebih dari setengah varian dari indikator-indikatornya. Hasil penelitian dapat
dilihat pada tabel 4.1 yang menunjukkan bahwa nilai AVE dari semua variabel
sudah memiliki nilai diatas 0.5 sehingga memenuhi syarat untuk dapat
digunakan.
d. Discrimant Validity
Pengujian ini dilakukan melalui pemeriksaan cross loading, kemudian
membandingkannya dengan nilai akar AVE. Nilai cross loading adalah dengan
membandingkan nilai korelasi indikator dengan konstraknya dan konstrak blok
lainnya. Bila nilai korelasi antar indikator dengan konstraknya lebih tinggi dari
nilai korelasi dengan konstrak blok lainnya, hal ini menunjukkan bahwa konstrak
tersebut memprediksi ukuran pada blok mereka lebih baik dari blok lainnya (Hair
et al., 2012; Wong, 2013; Irawan & putra, 2015; Subiyakto et al., 2015; Sarstedt
et al., 2017). Nilai discriminant validity lainnya dapat dilihat dengan nilai akar
AVE yang harus lebih tinggi daripada korelasi antara konstrak dengan konstrak
lainnya (Urbach & Ahlemann, 2010; Hair et al., 2012; Wong, 2013; Nugroho et
al., 2016). Hasilnya dapat dilihat pada tabel 4.1 yang telah menunjukkan bahwa
nilai cross loading indikator dengan konstrak dari semua variabel lainnya
memiliki nilai lebih tinggi dari korelasi dengan konstrak blok lainnya dan nilai
AVE lebih tinggi daripada korelasi antara konstrak dengan konstrak lainnya.
Secara ringkas, analisa pengukuran model (outer model) di atas
menunjukkan bahwa model penelitian yang diajukan peneliti sudah memiliki
karakteristik yang baik secara pengujian statistik meskipun dengan adanya
penghapusan 6 indikator (CO5, CO6, PA6, PA3, IV3, dan IV2). Tabel 4.1
memaparkan hasil dari pengujian pengukuran model (outer model). Sehingga
dapat dikatakan bahwa model penelitian ini telah memenuhi syarat untuk dapat
dilanjutkan ke tahap pengujian struktur model (inner model) (Hair et al., 2012;
Wong, 2013).
Tabel 4.1 Hasil Analisis Model Pengukuran
VAR IND OL CL AVE CR AVE2
PA CO CS OP IV DS IS SSO.R
PA PA1 0,790 0,790 0,376 0,395 0,367 0,304 -0,116 0,058 0,344 0.576 0.828 0.759
PA2 0.813 0,813 0,412 0,463 0,366 0,275 -0,112 0,071 0,348
PA3*
PA4 0.728 0,728 0,325 0,366 0,472 0,369 0,0032 0,088 0,369
PA5 0.700 0,700 0,476 0,506 0,391 0,250 0,0032 -0,030 0,329
PA6*
CO CO1 0.703 0,306 0,703 0.330 0,298 0,339 -0,057 -0,020 0,307 0.566 0.839 0.752
CO2 0.718 0,313 0.718 0.385 0,385 0,277 -0,123 -0,121 0,327
CO3 0.781 0,462 0.782 0.492 0,411 0,182 0,011 -0,105 0,377
CO4 0.802 0,470 0.802 0.476 0,469 0,274 -0,012 -0,008 0,397
CO5*
CO6*
CS CS1 0.657 0,390 0,295 0,657 0,378 0.169 -0,149 -0,054 0,361 0.556 0.862 0.746
CS2 0.744 0,351 0,496 0,744 0,454 0.256 -0,236 -0,168 0,383
CS3 0.765 0,462 0,441 0,765 0,326 0.241 -0,124 -0,094 0,337
CS4 0.768 0,400 0,374 0,768 0,437 0.173 -0,104 -0,141 0,314
CS5 0.786 0,531 0,468 0,786 0,474 0.282 -0,058 -0,083 0,421
OP OP1 0.732 0,427 0,399 0,481 0,732 0,279 -0,116 -0,061 0,426 0.602 0.858 0.776
OP2 0.773 0,370 0,389 0,374 0,773 0,332 -0,152 0,025 0,448
OP3 0.809 0,447 0,492 0,458 0,809 0,461 -0,116 0,010 0,501
Tabel 4.1 Hasil Analisis Model Pengukuran (lanjutan)
Keterangan:
* : Dihapus OL : Outer Loadings CR : Composite Reliability
VAR : Variabel CL : Cross Loading IND : Indikator
AVE : Average Variance Extracted
VAR IND OL CL AVE CR AVE2
PA CO CS OP IV DS IS SSO.R
OP4 0.788 0,397 0,348 0,419 0,788 0,425 -0,112 0,095 0,548
IV IV1 0.836 0,355 0,267 0,255 0,398 0,836 0,031 0,235 0,334 0.675 0.806 0.821
IV2*
IV3*
IV4 0.807 0,296 0,307 0,248 0,402 0,807 -0,045 0,050 0,307
DS DS1 0.697 0,141 0,119 -0,038 0,028 0,074 0,697 0,372 0,056 0.526 0.814 0.725
DS2 0.634 0,086 0,075 0,006 -0,041 -0,018 0,634 0,186 -0,033
DS3 0.853 -0,083 -0,183 -0,229 -0,218 0,022 0,853 0,475 -0,122
DS4 0.698 -0,023 -0,001 -0,140 -0,126 -0,119 0,698 0,312 -0,032
IS IS1 0.710 0,146 0,044 0,012 0,155 0,211 0,211 0,710 0,174 0.592 0.851 0.770
IS2 0.873 0,088 -0,003 -0,102 0,024 0184 0,466 0,873 0,116
IS3 0.824 -0,026 -0,166 -0,165 -0,033 0,168 0,438 0,824 0,097
IS4 0.650 -0,012 -0,126 -0,195 -0,109 -0,022 0,407 0,650 -0,004
SSO.R SSO.R 1 0.715 0,339 0,329 0,349 0,459 0,252 0,004 0,090 0,715 0.548 0.828 0.741
SSO.R 2 0.655 0,240 0,251 0,237 0,372 0,263 -0,061 0,169 0,655
SSO.R 3 0.861 0,367 0,423 0,485 0,563 0,319 -0,083 0,083 0,861
SSO.R 4 0.715 0,411 0,375 0,344 0,427 0,323 -0,051 0,038 0,715
Gambar 4.7 Hasil Analisis Outer Model dengan SmartPLS
Tabel 4.2 Discriminat Validity
Context
Organizational
Content
System
Discomort Insecurity Innovativeness Optimism Persons &
Actions
SSO.R
Context
Organizational
0,752
Content System 0,567 0,746
Discomfort -0,054 -0,182 0,725
Insecurity -0,084 -0,149 0,503 0,770
Innovativeness 0,349 0,306 -0,007 0,177 0,821
Optimism 0,526 0,559 -0,159 0,009 0,487 0,776
Persons & Actions 0,525 0,572 0,027 0,062 0,397 0,530 0,759
SSO.R 0,471 0,489 -0,066 0,124 0,391 0,622 0,460 0,741
4.1.3 Hasil Analisis Struktur Model (Struktural Model)
Analisis struktur model dalam penelitian ini dilakukan melalui enam tahapan
pengujian, diantaranya yaitu pengujian path coefficient (β), coefficient of determination
(R2), t-test menggunakan metode bootstrapping, effect size (f2), predictive relevance
(𝑄2), dan relative impact (𝑞2) (Urbach & Ahlemann, 2010; Hair et al., 2012; Yuliasari
et al., 2014; Subiyakto et al., 2015; Sarstedt et al., 2017). Pengukuran struktural model
dilakukan untuk dapat mengetahui hubungan antara konstrak yang dihipotesiskan oleh
peneliti (Yamin & Kurniawan, 2011). Secara grafis, hasil penelitian ini dapat dilihat
pada tabel 4.3, 4.4 dan gambar 4.8. Berikut penjabaran dari enam tahap pengujian dari
struktur model (inner model)
1) Path Coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1. Jalur
(path) yang memiliki nilai di atas 0,1 berarti mempunyai pengaruh dalam model
(Hair et al., 2012; Wong, 2013; Ringle, 2015). Hasilnya dari 19 jalur yang ada di
dalam model penelitian 7 jalur diantaranya CO→DS, CO→IS, CS→DS,
CS→IS, CS→IV, DS→ SSO.R, dan IV→ SSO.R menunjukkan pengaruh yang
tidak signifikan seperti yang dapat dilihat pada tabel 4.4 dan gambar 4.8.
2) Coefficient of Determination (R2)
Pengujian ini dilakukan untuk menjelaskan varian dari tiap target variabel
endogeneous (variabel yang dianggap dipengaruhi oleh variabel lain dalam
model) dengan standar pengukuran sekitar 0,670 dinilai kuat, kisaran 0,333
dinilai moderat, dan 0,190 dinilai lemah (Hair et al., 2013; Ringle, 2015; Wong,
2016) tabel 4.3 dan gambar 4.8 menunjukkan bahwa R2 dari variabel IS dengan
nilai 0,046 adalah yang terlemah. Ini mengartikan bahwa IS paling lemah yang
memilliki varian terhadap variabel CO sebesar 0,46%.
3) t-test
Pada pengujian tahap ini dilakukan dengan metode bootstrapping yang ada di
dalam SmartPLS 3.0 dengan menggunakan uji two-tailed dengan tingkat
signifikasi 5% untuk dapat menguji hipotesis yang ada di dalam penelitian.
Hipotesis tersebut akan diterima apabila memiliki nilai t-test lebih besar dari 1,96
(Hair et al., 2012; Afthanorhan, 2013; Wong, 2016; Hair et al., 2017). Pada tabel
4.4 dan gambar 4.8 akan menunjukkan bahwa terdapat 6 hipotesis dari jumlah
keseluruhan 19 hipotesis yang tidak diterima dan 13 hipotesis lainnya dapat
diterima.
4) Effect Size (f2)
Pada tahap pengujian ini dilakukan untuk dapat memprediksi pengaruh variabel
tertentu terhadap variabel lainnya dalam struktur model dengan memiliki kriteria
nilai ambang batas sekitar 0,02 untuk pengaruh kecil, 0,15 untuk pengaruh
menengah, dan 0,35 untuk pengaruh besar (Subiyakto et al., 2015; Wong, 2016;
Hair et al., 2017). f2 dapat dihitung dengan menggunakan rumus berikut.
f2 = 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑅2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑅2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Hasil perhitungan dapat dilihat pada tabel 4.4, menunjukkan pengujian
terhadap f2 terhadap 19 jalur. Terdapat 3 jalur yang memiliki pengaruh besar, 1
jalur bernilai menengah dan 15 jalur lainnya bernilai kurang.
5) Predictive Relevance (𝑄2)
Pada tahap pengujian ini dilakukan dengan metode blindfolding untuk dapat
memberikan bukti bahwa variabel tertentu yang digunakan dalam model
mempunyai keterkaitan secara prediktif (predictive relevance) dengan variabel
lainnya yang ada di dalam model penelitian dan memiliki nilai ambang batas
pengukuran di atas nol (Hair et al., 2012; Wong, 2016; Hair et al., 2017) tabel
4.3 menunjukkan bahwa 𝑄2 dari seluruh variabel yang ada di dalam model
memiliki keterkaitan yang prediktif.
6) Relative Impact (𝑞2)
Pada tahap pengujian ini dilakukan dengan metode blindfolding untuk dapat
mengukur relatif pengaruh dari sebuah keterkaitan prediktif suatu variabel
tertentu dengan variabel lainnya dengan menunjukkan nilai ambang batas sekitar
0,02 untuk skala pengaruh kecil, 0,15 untuk sekala pengaruh menengah, dan 0,35
untuk sekala pengaruh besar (Subiyakto et al., 2015; Hair et al., 2017). Dalam
tahap pengujian 𝑞2 rumus yang diguankan untuk perhitungannya adalah.
q2 = 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒 − 𝑄2 𝑒𝑥𝑐𝑙𝑢𝑑𝑒
1− 𝑄2 𝑖𝑛𝑐𝑙𝑢𝑑𝑒
Pada tabel 4.4 menunjukkan hasil bahwa terdapat 2 jalur antar variabel
yang memiliki nilai menengah yaitu variabel CO→PA (0,172) dan jalur CO→CS
(0,190) dan 17 jalur antar variabel lainnya bernilai kecil. Berikut tabel 4.3 berisi
nilai dari R2 dan 𝑄2 seluruh variabel dalam penelitian ini.
Tabel 4.3 Hasil Analisa Struktur Model
VAR R2 𝑄2
PA 0,276 0,147
CO 0,000 0,000
CS 0,321 0,160
OP 0,413 0,230
IV 0,186 0,113
DS 0,059 0,012
IS 0,057 0,025
SSO.R 0,439 0,218
Gambar 4.8 Hasil Analisis Path Coefficient (β)
Gambar 4.8 menggambarkan jalur atau path antar delapan variabel yang ada
pada penelitan ini, dengan hasil perhitungan bahwa 7 diantaranya tidak memiliki
hubungan yang signifikan antar variabel. 12 diantaranya memiliki hubungan yang
signifikan.
Gambar 4.9 Hasil Analis t-test
Gambar 4.9 ini menggambarkan jalur hipotesis antar delapan variabel yang ada
pada penelitian ini, dengan hasil perhitungan bahwa 6 diantaranya tidak memenuhi
nilai syarat statistika akan penerimaan hipotesa sedangkan 13 hipotesa lainnya telah
memenuhi syarat untuk dapat diterima keberadanny
Tabel 4.4 Hasil Analisa Struktur Model
Keterangan:
Sign : Signifikan K : Kecil L : Lemah
Insign : Insignifikan M : Moderat B : Besar
Hipotesis β t-test R2
f2 q2 Analyses
No Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2 β t-test R2 f2 q2
H1 PA→OP 0.242 3.626 0.413 0.413 0.377 0.06133 0.230 0.211 0.025 Sign Diterima M K K
H2 PA→IV 0.278 3.261 0.186 0.186 0.141 0.05528 0.113 0.085 0.032 Sign Diterima L K K
H3 PA→DS 0.189 1.837 0.059 0.059 0.054 0.00531 0.012 -0.002 0.014 Sign Ditolak L K K
H4 PA→IS 0.239 3.011 0.057 0.057 0.030 0.02863 0.025 0.009 0.016 Sign Diterima L K K
H5 CS→OP 0.288 4.162 0.413 0.413 0.364 0.08348 0.230 0.203 0.035 Sign Diterima M K K
H6 CS→IV 0.048 0.552 0.186 0.186 0.186 - 0.113 0.116 - 0.003 Insign Ditolak L K K
H7 CS→DS -0.299 2.510 0.059 0.059 0.084 - 0.02657 0.012 -0.006 0.018 Insign Diterima L K K
H8 CS→IS -0.247 2.215 0.057 0.057 0.021 0.03818 0.025 0.006 0.019 Insign Diterima L K K
H9 CO→OP 0.236 3.658 0.413 0.413 0.385 0.04770 0.230 0.215 0.019 Sign Diterima M K K
H10 CO→IV 0.176 2.186 0.186 0.186 0.171 0.01843 0.113 0.104 0.010 Sign Diterima L K K
H11 CO→DS 0.016 0.092 0.059 0.059 0.059 - 0.012 0.018 - 0.006 Insign Ditolak L K K
H12 CO→IS -0.070 0.768 0.057 0.057 0.055 0.00212 0.025 0.026 - 0.001 Insign Ditolak L K K
H13 CO→PA 0.525 9.039 0.276 0.276 0.000 0.38122 0.147 0 0.172 Sign Diterima L B M
H14 CO→CS 0.567 10.856 0.321 0.321 0.000 0.47275 0.160 0 0.190 Sign Diterima L B M
H15 CO→ SSO.R 0.213 3.235 0.439 0.439 0.000 0.78253 0.218 0.205 0.017 Sign Diterima M B K
H16 OP→ SSO.R 0.471 7.830 0.439 0.439 0.308 0.23351 0.218 0.150 0.087 Sign Diterima M M K
H17 IV→ SSO.R 0.059 0.869 0.439 0.439 0.437 0.00357 0.218 0.217 0.001 Insign Ditolak M K K
H18 DS→ SSO.R -0.058 0.801 0.439 0.439 0.437 0.00357 0.218 0.218 - Insign Ditolak M K K
H19 IS→ SSO.R 0.156 2.200 0.439 0.439 0.593 - 0.27451 0.218 0.210 0.010 Sign Diterima M K K
4.2. Interpretasi Hasil dan Diskusi Hasil
4.2.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis
Berdasarkan hasil analisis informasi demografis profil responden, peneliti melakukan
interpretasi dan mendiskusikan hasil analisisnya sebagai berikut.
a) Jenis Kelamin
Dapat kita lihat pada gambar 4.1 yang sudah dijabarkan diatas, mengenai jenis
kelamin responden dalam penelitian ini. Dapat diketahui bahwa responden
didominasi oleh perempuan yaitu sebanyak 135 orang (54%) dan sisanya berasal
dari responden berjenis kelamin laki-laki yaitu 114 orang (46%). Hal ini sesuai
dengan data jumlah mahasiswa aktif dan pegawai UIN Syarif Hidayatullah
Jakarta per September 2017 (www.uinjkt.ac.id, data kepegawain pusat 2017)
yang menyebutkan bahwa jumlah populasi dari responden perempuan lebih
banyak dibandingkan dengan jumlah populasi laki-lakinya, yaitu sebesar 13.603
orang sedangkan populasi responden lakinya berjumlah 10.763 orang.
b) Usia
Dapat dilihat pada gambar 4.2 yang sudah dijabarkan diatas, mengenai usia dari
responden yang tersebar dari penelitian ini. Jumlah usia yang paling
mendominasi yaitu usia rentang 21 sampai 30 tahun, yaitu sebanyak 150
responden, diikuti rentang usia dibawah sampai dengan usia 20 tahun sebanyak
66 responden. Selanjutanya rentang usia lebih dari 41 tahun sebanyak 21
responden dan 13 responden untuk rentang usia 30 sampai 40 tahun. Hal ini
sejalan dengan fakta dari asal usia responden yang paling banyak di isi oleh
mahasiswa dengan total jumlah populasi sebesar 24.246 orang sedangkan
pegawai dan karyawan yang berjumlah 1530 orang (www.uinjkt.ac.id, data
kepegawain pusat 2017).
c) Status Pekerjaan
Seperti yang dapat ditunjukkan pada gambar 4.3 yang sudah dijabarkan diatas,
mengenai status pekerjaan para responden yang ada di UIN Syarif Hidayatullah
Jakarta. Diketahui bahwa status pekerjaan didominasi oleh adalah mahasiswa,
yaitu sebanyak 209 responden (84%). Lalu diikuti dengan jumlah pegawai
sebanyak 28 responden (11%) dan dosen sebanyak 13 responden (5%). Dengan
data bahwa jumlah mahasiswa dengan total jumlah populasi sebesar 24.246
orang sedangkan pegawai dan karyawan yang berjumlah 1530 orang
(www.uinjkt.ac.id, data kepegawaian pusat 2017).
d) Unit Kerja
Dapat diketahui dari gambar 4.4 mengenai asal unit kerja 250 responden dalam
penelitian ini, bahwa berasal dari Fakultas Sains dan Teknologi dengan jumlah
90 responden (36%) disusul dengan jumlah mahasiswa yang berasal dari Fakultas
Ilmu Tarbiyah dan Keguruan dengan total 21 responden (8%). Sedangkan jumlah
responden yang paling sedikit berasal dari unit kerja pada Rektorat dengan
jumlah responden hannya 6 orang (2%). Hal ini merupakan data yang sesuai
apabila dilihat dari jumlah total unit kerja yang ada di lingkungan UIN Syarif
Hidayatullah Jakarta. FST dan FITK adalah 2 diantara 11 fakultas yang ada
dengan jumlah mahasiswa paling banyak. Berdasarkan data yang diperoleh untuk
jumlah mahaiswa aktif 2017, FST memiliki total 2886 orang mahasiswa
sedangkan FITK sebanyak 4843 orang. Untuk jumlah responden mahasiswa
paling sedikit berasal dari Fakultas Psikologi dengan total 7 orang responden.
e) Skala Intensitas Sistem
Dapat diketahui dari gambar 4.5 yang sudah dijabarkan diatas, bahwa dari total
250 responden yang ada. Sebanyak 113 responden (45%) jarang mengakses
sistem yang ada di lingkup UIN Syarif Hidayatullah Jakarta, sedangkan 85
responden (34%) merasa cukup sering mengakses sistem, diikuti dengan 37
responden (15%) yang merasa sering mengakses sistem yang ada di UIN, dan 15
responden (6%) lainnya merasa sangat sering mengakses sistem di lingkup UIN.
Dalam pengukuran ini sistem informasi yang dapat diakses di UIN Syarif
Hidayatullah dapat berupa sistem akademik AIS, sistem repositori
perpusatakaan, sistem LKP untuk dosen dan pegawai, sistem pendaftaran
penelitian dan lain sebagainya.
f) Tingkat Kesiapan Penerapan
Dapat diketahui pada gambar 4.6 yang sudah dijabarkan diatas, bahwa responden
yang merasa tidak siap akan penerapan sistem baru berjumlah 8 responden (3%).
Lalu sebanyak 84 responden merasa kurang siap (33%), 119 responden (48%)
merasa cukup siap akan penerapan sistem baru, 37 responden (15%) merasa siap
dan 2 responden (1%) merasa sangat siap. Peneliti beranggapan bahwa sebanyak
48% responden yang mewakili merasa cukup siap akan penerapan sistem baru
dikarenakan sistem baru ini sebenarnya bukan hal yang asing lagi yang
digunakan oleh masyarakat luas dengan mengasumsikan bahwa kebanyakan dari
mereka menggunakan sistem aplikasi android di handphone, sehingga mereka
sudah terbiasa dengan pemakaian sistem sejenis berupa kepemilikan akun
google. Namun bila kita melihat sebanyak 33% responden yang mewakili jumlah
keseluruhan responden yang merasa kurang siap akan penerapan sistem baru di
UIN, penulis mengasumsikan bahwa mereka memperhatikan faktor lain yang ada
disekitar lingkungan UIN seperti, budaya, kesiapan penyedia sistem maupun
sumber daya yang ada akan adanya penerapan sistem baru tersebut. Secara
keseluruhan data demografis pada penelitian ini dapat dilihat pada tabel 4.5.
Tabel 4.5 Hasil Analisa Demografis Secara Garis Besar
Kategori Item %
Jenis Kelamin Perempuan 54
Laki-laki 46
Usia
≤ 20 th 4
21-30 78
31-40 7
≥ 40 th 11
Status Pekerjaan
Mahasiswa 84
Karyawan 11
Dosen 5
Unit Kerja
FDI 4
FITK 8
FSH 8
FAH 6
FISIP 6
FKIK 5
FU 5
FDIKOM 4
FEB 6
FST 36
F. Psi 3
Rektorat 2
Pustipanda 4
Jarang 45
Skala Intensitas
Sistem
Cukup Sering 34
Sering 15
Sangat Sering 6
Tingkat Kesiapan
Tidak Siap 3
Kurang Siap 33
Cukup Siap 45
Siap 15
Sangat Siap 1
4.2.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran
Berdasarkan hasil analisis model pengukuran, ada dua poin penting yang harus
diperhatikan yaitu sebagai berikut:
1) Hasil akhir dari analisis telah menunjukkan bahwa model pengukuran dari model
penelitian ini telah memenuhi syarat dan memiliki karakteristik yang baik
sehingga layak untuk dilanjutkan ketahap selanjutanya yaitu analisis struktur
model untuk menguji model struktural dari model penelitian ini.
2) Dihapuskannya enam indikator yaitu PA3, PA6, CO5, CO6, IV2, dan IV dalam
model penelitian ini.
Peneliti beranggapan kemungkinan besar penghapusan ini terjadi adalah sebagai
berikut
a. Penggunaan item pertanyaan atau indikator yang kurang tepat dalam kuesioner
penelitian.
b. Sebagian besar kuesioner (46,8%) diperoleh secara online, dan sisanya (53,2%)
secara langsung. Hal ini dapat menyebabkan penafsiran yang bias dan berbeda
antar responden yang berpartisipasi dan tidak adanya pendampingan secara
langsung saat pengisian kuesioner.
Oleh sebab itu, perlu adanya peninjauan kembali dan pengambangan instrumen
dari penelitian tersebut, baik melalui saran dan masukan yang membangun dari para
ahli seperti dosen-dosen, peneliti sebelumnya, atau yang lainnya agar dapat diperoleh
model penelitian yang lebih tepat (khususnya terkait mengenai penggunaan enam
indiaktor yang dihapus tersebut) dipenelitian selanjutnya dan agar nantinya dapat
meminimalisir penghapusan indikator. Walaupun cara peneliti dalam membuat dan
memilih responden telah dilakukan dengan sebaik-baiknya, namun terdapat faktor
diluar rencana dan kendali dalam penelitian di lapangan yang dapat muncul.
4.3.3 Interpretasi dan Diskusi Hasil Analisis Struktur Model
Bagian ini memaparkan interpretasi dan diskusi berdasarkan enam hasil dalam analisis
struktur model yaitu path coefficient (β), coefficient of determination (R2), t-test
menggunakan metode bootstrapping, effect size (f2), predictive relevance (𝑄2), dan
relative impact (𝑞2). Berikut adalah pemaparan yang dilakukan dengan mengikuti
pertanyaan-pertanyaan penelitian dan hipotesis-hipotesis yang telah dirumuskan
sebelumnya:
Q1. Apakah PA berpengaruh secara signifikan terhadap OP?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H1) diterima. Ini berarti PA memiliki pengaruh terhadap OP. Selain
itu, jalur PA→OP memiliki pengaruh yang signifikan dalam model dilihat dari
nilai β, sedangkan bila melihat dari perhitungan f2 dan q2 pengaruh yang ada
pada jalur ini bernilai kecil.
Hal ini sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model
logika pemrograman komputer input-process-output (Davis, 1998; Kellog, 2004)
dan penelitian sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015)
yang menyatakan bahwa variabel PA yang berada pada dimensi input dalam
model penelitian ini dimungkinkan untuk mempengaruhi variabel lainnya (yang
berada dalam dimensi proses dan output), yang dalam hal ini adalah variabel OP
yang berada dalam dimensi proses. Hasil ini juga sesuai dengan asumsi awal
bahwa faktor sumber daya manusia memiliki pengaruh yang signifikan terhadap
kesiapan penerapan sistem (Putra & Ariyanto, 2015; Nasution et al., 2016;
Napitupulu, 2016)
Q2. Apakah PA berpangaruh secara signifikan terhadap IV?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H2) diterima. Artinya PA memiliki pengaruh terhadap IV. Selain itu
jalur PA →IV memiliki pengaruh yang signifikan (β) namun pengaruhnya kecil
berdasarkan perhitungan f2 dan 𝑞2.
Hal ini sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model
logika pemrograman komputer input-process-output (Davis, 1998; Kellog, 2004)
dan penelitian sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015)
yang menyatakan bahwa variabel PA yang berada pada dimensi input dalam
model penelitian ini dimungkinkan untuk mempengaruhi variabel lainnya (yang
berada dalam dimensi proses dan output), yang dalam hal ini adalah variabel IV
yang berada dalam dimensi proses. Hasil ini juga sesuai dengan asumsi awal
bahwa faktor sumber daya manusia memiliki pengaruh yang signifikan terhadap
kesiapan penerapan sistem (Putra & Ariyanto, 2015; Nasution et al., 2016;
Napitupulu, 2016).
Q3. Apakah PA berpengaruh secara signifikan terhadap DS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H3) tidak diterima. Artinya PA tidak memiliki pengaruh terhadap DS,
walaupun jalur PA→DS memiliki pengaruh (β) yang signifikan namun pengaruh
yang kecil berdasarkan pada perhitungan f2 dan 𝑞2. Tidak diterimanya t-test
namun adanya nilai yang signifikan (β) menandai bahwa secara statistika t-test
belum memenuhi syarat nilai ketentuan.
Hal ini tidak sesuai dengan asumsi awal yang peneliti ajukan berdasarkan
model logika pemrograman komputer input-process-output (Davis, 1998;
Kellog, 2004) dan penelitian sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto
et al., 2015) yang menyatakan bahwa variabel PA yang berada pada dimensi
input dalam model penelitian ini dimungkinkan untuk mempengaruhi variabel
lainnya (yang berada dalam dimensi proses dan output), yang dalam hal ini
adalah variabel IV yang berada dalam dimensi proses. Hasil ini tidak sesuai
dengan asumsi awal bahwa faktor sumber daya manusia memiliki pengaruh yang
signifikan terhadap kesiapan penerapan sistem (Putra & Ariyanto, 2015;
Nasution et al., 2016; Napitupulu, 2016)
Q4. Apakah PA berpengaruh secara signifikan terhadap IS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H4) diterima. Artinya PA memiliki pengaruh yang signifikan (β)
terhadap IS dan jalur PA→IS memiliki pengaruh dan bernilai kecil berdasarkan
pada perhitungan f2 dan 𝑞2. Hal ini sesuai dengan asumsi awal yang peneliti
ajukan berdasarkan model logika pemrograman komputer input-process-output
(Davis, 1998; Kellog, 2004) dan penelitian sebelumnya (Subiyakto & Ahlan,
2014; Subiyakto et al., 2015) yang menyatakan bahwa variabel PA yang berada
pada dimensi input dalam model penelitian ini dimungkinkan untuk
mempengaruhi variabel lainnya (yang berada dalam dimensi proses dan output),
yang dalam hal ini adalah variabel IS yang berada dalam dimensi proses. Hasil
ini juga sesuai dengan asumsi awal bahwa faktor sumber daya manusia memiliki
pengaruh yang signifikan terhadap kesiapan penerapan sistem (Putra & Ariyanto,
2015; Nasution et al., 2016; Napitupulu, 2016)
Q5. Apakah CS berpengaruh secara signifikan terhadap OP?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H5) diterima. Artinya CS memiliki pengaruh terhadap variabel OP
dan jalur CS→OP memiliki pengaruh yang signifikan (β) serta nilai pengaruh
yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini tidak sesuai dengan asumsi
awal yang peneliti ajukan berdasarkan model logika pemrograman komputer
input-process-output (Davis, 1998; Kellog, 2004) dan penelitian sebelumnya
(Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan bahwa
variabel CS yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi proses dan output), yang dalam hal ini adalah variabel OP yang berada
dalam dimensi proses. Sejalan dengan Napitupulu (2016) yang mengatakan
bahwa konten pada sistem mempengaruhi tingkat kesiapan penerapan sistem.
Q6. Apakah CS berpengaruh secara signifikan terhadap IV?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H6) tidak diterima. Artinya CS tidak memiliki pengaruh terhadap
variabel IV dan jalur CS→IV tidak memiliki pengaruh yang signifikan (β)
sehingga nilai pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini
sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model logika
pemrograman komputer input-process-output (Davis, 1998; Kellog, 2004) dan
penelitian sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang
menyatakan bahwa variabel CS yang berada pada dimensi input dalam model
penelitian ini dimungkinkan untuk mempengaruhi variabel lainnya (yang berada
dalam dimensi proses dan output), yang dalam hal ini adalah variabel IV yang
berada dalam dimensi proses. Tidak sejalan dengan Napitupulu (2016)
mengatakan bahwa konten pada sistem mempengaruhi tingkat kesiapan
penerapan sistem.
Q7. Apakah CS berpengaruh secara signifikan terhadap DS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H7) diterima. Artinya CS memiliki pengaruh terhadap variabel DS
dan jalur CS→DS memiliki pengaruh yang tidak signifikan (β) serta nilai
pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan
asumsi awal yang peneliti ajukan berdasarkan model logika pemrograman
komputer input-process-output (Davis, 1998; Kellog, 2004) dan penelitian
sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan
bahwa variabel CS yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi proses dan output), yang dalam hal ini adalah variabel DS yang berada
dalam dimensi proses. Sejalan dengan Napitupulu (2016) mengatakan bahwa
konten pada sistem mempengaruhi tingkat kesiapan penerapan sistem.
Q8. Apakah CS berpengaruh secara signifikan terhadap IS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H8) diterima. Artinya CS memiliki pengaruh terhadap variabel IS dan
jalur CS→IS memiliki pengaruh yang tidak signifikan (β) serta nilai pengaruh
yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan asumsi awal
yang peneliti ajukan berdasarkan model logika pemrograman komputer input-
process-output (Davis, 1998; Kellog, 2004) dan penelitian sebelumnya
(Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan bahwa
variabel CS yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi proses dan output), yang dalam hal ini adalah variabel IS yang berada
dalam dimensi proses. Sejalan dengan Napitupulu (2016) mengatakan bahwa
konten pada sistem mempengaruhi tingkat kesiapan penerapan sistem.
Q9. Apakah CO berpengaruh secara signifikan terhadap OP?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H9) diterima. Artinya CO memiliki pengaruh terhadap variabel OP
dan jalur CO→OP memiliki pengaruh yang signifikan (β) dan bernilai kecil
berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan asumsi awal yang
peneliti ajukan berdasarkan model logika pemrograman komputer input-process-
output (Davis, 1998; Kellog, 2004) dan penelitian sebelumnya (Subiyakto &
Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan bahwa variabel CO yang
berada pada dimensi input dalam model penelitian ini dimungkinkan untuk
mempengaruhi variabel lainnya (yang berada dalam dimensi proses dan output),
yang dalam hal ini adalah variabel OP yang berada dalam dimensi proses. Hal ini
juga sejalan dengan asumsi awal bahwa faktor organisasi seperti budaya dan
strukturnya mempengaruhi tingkat kesiapan penerapan sistem (Atrinawati &
Surendro, 2009; Widiastuti dan Budi, 2016). Serta konteks organisasi
mempengaruhi efektivitas implementasi sistem informasi dan keberhasilan
penerapannya (Muhartawaty, 2013). Konteks organisasi dapat memberikan
arahan, mengkoordinasikan dan mengkomunikasikan tindakan orang-orang di
dalamnya sehingga memiliki nilai yang tinggi dan bermakna dapat dipahami
sebagai landasan penggerak suatu organisasi (Trisnaningsih, 2007; Anshari et al.,
2014; Yunita, 2017).
Q10. Apakah CO berpengaruh secara signifikan terhadap IV?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H10) diterima. Artinya CO memiliki pengaruh terhadap variabel IV
dan jalur CO→IV memiliki pengaruh yang signifikan (β) dan nilai pengaruh
yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini tidak sesuai dengan asumsi
awal yang peneliti ajukan berdasarkan model logika pemrograman komputer
input-process-output (Davis, 1998; Kellog, 2004) dan penelitian sebelumnya
(Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan bahwa
variabel CO yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi proses dan output), yang dalam hal ini adalah variabel OP yang berada
dalam dimensi proses. Hal ini tidak sejalan dengan asumsi awal bahwa faktor
organisasi seperti budaya dan strukturnya mempengaruhi tingkat kesiapan
penerapan sistem (Atrinawati & Surendro, 2009; Widiastuti & Budi, 2016). Serta
konteks organisasi tidak mempengaruhi efektivitas implementasi sistem
informasi dan keberhasilan penerapannya (Muhartawaty, 2013). Konteks
organisasi dapat memberikan arahan, mengkoordinasikan dan
mengkomunikasikan tindakan orang-orang di dalamnya sehingga memiliki nilai
yang tinggi dan bermakna dapat dipahami sebagai landasan penggerak suatu
organisasi (Trisnaningsih, 2007; Anshari et al., 2014; Yunita, 2017).
Q11. Apakah CO berpengaruh secara signifikan terhadap IS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H11) tidak diterima. Artinya CO tidak memiliki pengaruh terhadap
variabel IS dan jalur CO→IS tidak memiliki pengaruh yang signifikan (β) dan
nilai pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai
dengan asumsi awal yang peneliti ajukan berdasarkan model logika
pemrograman komputer input-process-output (Davis, 1998; Kellog, 2004) dan
penelitian sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang
menyatakan bahwa variabel CO yang berada pada dimensi input dalam model
penelitian ini dimungkinkan untuk mempengaruhi variabel lainnya (yang berada
dalam dimensi proses dan output), yang dalam hal ini adalah variabel OP yang
berada dalam dimensi proses. Hal ini juga sejalan dengan asumsi awal bahwa
faktor organisasi seperti budaya dan strukturnya mempengaruhi tingkat kesiapan
penerapan sistem (Atrinawati & Surendro, 2009; Widiastuti & Budi, 2016). Serta
konteks organisasi mempengaruhi efektivitas implementasi sistem informasi dan
keberhasilan penerapannya (Muhartawaty, 2013). Konteks organisasi dapat
memberikan arahan, mengkoordinasikan dan mengkomunikasikan tindakan
orang-orang di dalamnya sehingga memiliki nilai yang tinggi dan bermakna
dapat dipahami sebagai landasan penggerak suatu organisasi (Trisnaningsih,
2007; Anshari et al., 2014; Yunita, 2017).
Q12. Apakah CO berpengaruh secara signifikan terhadap DS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H12) tidak diterima. Artinya CO tidak memiliki pengaruh terhadap
variabel DS, jalur CO→DS tidak memiliki pengaruh yang signifikan dan nilai
pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan
asumsi awal yang peneliti ajukan berdasarkan model logika pemrograman
komputer input-process-output (Davis, 1998; Kellog, 2004) dan penelitian
sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan
bahwa variabel CO yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi proses dan output), yang dalam hal ini adalah variabel OP yang berada
dalam dimensi proses. Hal ini juga sejalan dengan asumsi awal bahwa faktor
organisasi seperti budaya dan strukturnya mempengaruhi tingkat kesiapan
penerapan sistem (Atrinawati & Surendro, 2009; Widiastuti & Budi, 2016). Serta
konteks organisasi mempengaruhi efektivitas implementasi sistem informasi dan
keberhasilan penerapannya (Muhartawaty, 2013). Konteks organisasi dapat
memberikan arahan, mengkoordinasikan, dan mengkomunikasikan tindakan
orang-orang di dalamnya sehingga memiliki nilai yang tinggi dan bermakna
dapat dipahami sebagai landasan penggerak suatu organisasi (Trisnaningsih,
2007; Anshari et al., 2014; Yunita, 2017).
Q13. Apakah CO berpengaruh secara signifikan terhadap PA?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H13) diterima. Artinya CO memiliki pengaruh terhadap variabel DS
dan jalur CO→DS memiliki pengaruh yang signifikan (β) serta nilai pengaruh
yang besar dan moderat berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan
asumsi awal yang peneliti ajukan berdasarkan model logika pemrograman
komputer input-process-output (Davis, 1998; Kellog, 2004) dan penelitian
sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan
bahwa variabel CO yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi input, proses dan output), yang dalam hal ini adalah variabel PA yang
berada dalam dimensi proses. Konteks organisasi dapat memberikan arahan,
mengkoordinasikan, dan mengkomunikasikan tindakan orang-orang di dalamnya
sehingga memiliki nilai yang tinggi dan bermakna dapat dipahami sebagai
landasan penggerak suatu organisasi (Trisnaningsih, 2007; Anshari et al., 2014;
Yunita, 2017).
Q14. Apakah CO berpengaruh secara signifikan terhadap CS?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H10) diterima. Artinya CO memiliki pengaruh terhadap variabel CS
dan jalur CO→CS memiliki pengaruh yang signifikan (β) serta nilai pengaruh
yang besar dan moderat berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan
asumsi awal yang peneliti ajukan berdasarkan model logika pemrograman
komputer input-process-output (Davis, 1998; Kellog, 2004) dan penelitian
sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang menyatakan
bahwa variabel CO yang berada pada dimensi input dalam model penelitian ini
dimungkinkan untuk mempengaruhi variabel lainnya (yang berada dalam
dimensi input, proses dan output), yang dalam hal ini adalah variabel CS yang
berada dalam dimensi proses.
Q15. Apakah CO berpengaruh secara signifikan terhadap SSO.R?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H11) diterima. Artinya CO memiliki pengaruh terhadap variabel
SSO.R dan jalur CO→ SSO.R memiliki pengaruh yang signifikan (β) serta nilai
pengaruh yang besar dan kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini tidak
sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model logika
pemrograman komputer input-process-output (Davis, 1998; Kellog, 2004) dan
penelitian sebelumnya (Subiyakto & Ahlan, 2014; Subiyakto et al., 2015) yang
menyatakan bahwa variabel CO yang berada pada dimensi input dalam model
penelitian ini dimungkinkan untuk mempengaruhi variabel lainnya (yang berada
dalam dimensi proses dan output), yang dalam hal ini adalah variabel TRI yang
berada dalam dimensi proses. Selain itu menurut Widiastuti & Budi (2016)
organisasi termasuk budaya dan strukturnya dapat mempengaruhi tingkat
kesiapan penerapan sistem.
Q16. Apakah OP berpengaruh secara signifikan terhadap SSO.R?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H16) diterima. Artinya OP memiliki pengaruh terhadap variabel
SSO.R dan jalur OP→ SSO.R memiliki pengaruh yang signifikan (β) serta nilai
pengaruh yang moderat dan kurang berdasarkan perhitungan f2 dan 𝑞2. Hal ini
sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model pengukuran
tingkat kesiapan penerapan index (TRI) 2.0 (Parasuraman, 2000; Lin et al., 2005;
Walczuch et al., 2007; Parasuraman & Colby, 2015) yang menyatakan bahwa
variabel OP yang ada mempengaruhi variabel (SSO.R).
Q17. Apakah IV berpengaruh secara signifikan terhadap SSO.R?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H17) tidak diterima. Artinya IV tidak memiliki pengaruh terhadap
variabel SSO.R dan jalur IV→ SSO.R tidak memiliki pengaruh yang signifikan
(β) serta nilai pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini
tidak sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model
pengukuran tingkat kesiapan penerapan index (TRI) 2.0 (Parasuraman, 2000; Lin
et al., 2005; Walczuch et al., 2007; Parasuraman & Colby, 2015) yang
menyatakan bahwa variabel IV yang ada mempengaruhi variabel (SSO.R).
Q18. Apakah DS berpengaruh secara signifikan terhadap SSO.R?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H18) tidak diterima. Artinya DS tidak memiliki pengaruh terhadap
variabel SSO.R dan jalur DS→ SSO.R tidak memiliki pengaruh yang signifikan
(β) serta nilai pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini
tidak sesuai dengan asumsi awal yang peneliti ajukan berdasarkan model
pengukuran tingkat kesiapan penerapan index (TRI) 2.0 (Parasuraman, 2000; Lin
et al., 2005; Walczuch et al., 2007; Parasuraman & Colby, 2015) yang
menyatakan bahwa variabel DS yang ada mempengaruhi variabel (SSO.R).
Q19 Apakah IS berpengaruh secara signifikan terhadap SSO.R?
Hasil pengujian t-test pada analisis model struktural menunjukkan bahwa
hipotesis (H19) diterima. Artinya IS memiliki pengaruh terhadap variabel
SSO.R dan jalur IS→ SSO.R memiliki pengaruh yang signifikan (β) serta nilai
pengaruh yang kecil berdasarkan perhitungan f2 dan 𝑞2. Hal ini sesuai dengan
asumsi awal yang peneliti ajukan berdasarkan model pengukuran tingkat
kesiapan penerapan index (TRI) 2.0 x yang menyatakan bahwa variabel OP yang
ada mempengaruhi variabel (SSO.R).
2.15. 4.3 Ringkasan
Setelah dilakukannya analisis data penelitian, berikut hasil, interpretasi, dan diskusi
hasil penelitian terkait mengenai tingkat kesiapan penerapan berdasarkan kepada
persepsi mahasiswa, dosen, dan pegawai UIN Syarif Hidayatullah Jakarta. Analisis
struktur model telah dilakukan berdasarkan hasil pengukuran model yang meliputi
enam jenis analisis, berawal dari analisis pengujian β, 𝑅2, t-test melalui metode
bootstrapping, f2, 𝑄2, dan 𝑞2. Terdapat 6 indikator dari total 37 indikator yang
dihapuskan karna tidak memenuhi nilai kriteria indikator tersebut diantaranya adalah
CO5, CO6, PA6, PA3, IV3, dan IV2. Serta tidak diterimanya 6 dari 19 total hipotesis
penelitian yaitu hipotesa hubungan antara PA→DS, CS→IV, CO→DS, CO→IS, IV→
SSO.R, DS→ SSO.R. Interpretasi hasil dilakukan dengan pertimbangan batasan aspek
pengujian statistik, aspek teoritis berdasarkan dukungan dari sejumlah teori
sebelumnya, serta aspek praktis terkait dengan kondisi dilapangan saat proses
pelaksanaan penelitian. Sehingga berdasarkan batasan-batasan pelaksanaan penelitian
yang telah dijelaskan, sejumlah saran dapat digaris bawahi bagi pelaksanan penelitian
sejenis selanjutnya.
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil temuan penelitian berkaitan dengan tingkat kesiapan penerapan SSO
di UIN Syarif Hidayatullah Jakarta dan faktor-faktor yang mempengaruhinya, berikut
adalah kesimpulan penting dari penelitian ini.
1. Hasil pengolahan data seluruh responden yang berpartisipasi dapat diketahui
bahwa 250 responden yang terdiri dari dosen, pegawai, dan mahasiswa di UIN
Syarif Hidayatullah Jakarta bahwa dengan data dominan para calon pengguna
sistem yang ada di UIN, 45% diantaranya jarang mengakses sistem informasi
yang ada. Sementara 48% diantaranya merasa cukup siap untuk dapat
menggunakan SSO di lingkup bidang akademik. 33% merasa kurang siap, 15%
merasa siap, 3% merasa tidak siap dan 1% lainnya merasa sangat siap untuk
dapat menggunakan SSO.
2. Adanya penghapusan 6 dari 37 indikator dalam penelitian ini diantaranya, PA3,
PA6 CO5, CO6, IV2, dan IV3. Peneliti beranggapan hal ini terjadi karena item
instrumen kurang tepat dan 46,8% penyebaran kuesioner dilakukan secara tidak
langsung (online). Hal ini dapat saja menjadi faktor bahwa penafsiran yang bias
bagi responden sebab tidak adanya pendampingan secara langsung.
3. Selanjutnya 6 dari 19 hipotesis yaitu PA→DS, CS→IV, CO→DS, CO→IS,
IV→ SSO.R DS→SSO.R dinyatakan ditolak karena antar variabel tidak
memiliki pengaruh yang signifikan atau belum terpenuhinya nilai statistika (t-
test) pada pengujian struktural dalam model penilitian ini. Tidak diterimanya
hipotesis ini menunjukkan perbedaan pada hasil penelitian sejenis yang ada
sebelumnya. Peneliti berpendapat bahwa adanya perbedaan pada hasil
penelitian dalam model ini dapat diwajarkan karena adanya perbedaan variabel
dan instrumen penelitian, objek, sampel serta adanya keterbatasan saat
pelaksanaan penelitian di lapangan dan kondisi lingkungan yang ada dapat
menjadi faktor yang mempengaruhi hasil dari penelitian.
4. Mayoritas hipotesis dalam penelitian ini diterima, dengan 3 hipotesis paling
mempengaruhi tingkat kesiapan penerapan dilihat dari path coefficient (β) dan
T-Statistics (t-test), sehingga faktor-faktor yang paling mempengaruhi adalah:
a. Hubungan antara Context Organizational dengan Content System
(CO→ CS).
b. Hubungan antara Context Organizational dengan Persons & Actions
(CO→PA).
c. Hubungan antara Optimism dengan Single Sign On Readiness (OP→
SSO.R).
Sedangkan, faktor yang tidak memiliki pengaruh adalah
a. Hubungan Context Organizational dengan Insecurity (CO→IS), dan
b. Hubungan Discomfort dengan Single Sign On Readiness (DS→
SSO.R)
Ini dapat disebabkan adanya hubungan dengan variabel Insecurity dan
Discomfort yang merupakan variabel penghambat atau inhibitors
(Parasuraman, 2000; Parasuraman & Colby, 2015), selain itu mayoritas dari
sampel penelitian merupakan mahasiswa yang memiliki sikap mudah menerima
ide dan gagasan baru, lebih familiar dengan sistem sejenis (Lacobucci, 2001)
sehingga variabel penghambat dapat dikatakan tidak menjadi masalah.
Berdasarkan hasil temuan itu juga dapat disimpulkan bahwa penelitian ini telah
memberikan kontribusi dan manfaat yamg signifikan, berupa:
1. Secara praktis, penelitian ini dapat menjadi bahan pertimbangan bagi para
pengambil keputusan atau tingkat manajerial tertinggi di UIN Syarif
Hidayatullah Jakarta khususnya pihak PUSTIPANDA dalam rencana
penerapan sistem Single Sign-On (SSO) dengan memperhatikan hasil
demografis dan faktor yang mempengaruhi kesiapan penerapan teknologi yang
sudah diteliti.
2. Secara teoritis, penelitian ini mengadopsi, mengkombinasi, dan mengadaptasi
seperti penelitian Subiyakto & Ahlan (2014); Subiyakto et al. (2015) dari 2
model yaitu Technology Readiness Index 2.0 milik Parasuraman & Colby
(2015) dan model Keberhasilan Proyek Sistem Informasi milik Subiyakto &
Ahlan (2014); Subiyakto, et al. (2015) dengan menggunakan teori dasar IPO
Logic model milik Davis (1998) dan Kellogg (2004), teori keberhasilan proyek
milik McLeod dan MacDonell (2011), A Tripod Readiness Model (Yang et al.,
2014), model hubungan antara technology readiness dengan continuance
intention (Chen et al., 2014). Sehingga hasil dari model penelitian ini dapat
menjadi alternatif yang dapat dipertimbangkan untuk dapat mengukur tingkat
kesiapan pengguna dalam penerapan sistem baru dengan melihat kepada aspek
yang erat kaitannya dan tidak dapat dipisahkan yaitu kesiapan individu dan
lingkungan sekitarnya yaitu organisasi tempatnya berada.
3. Secara metodologi, penelitian ini juga berperan dalam mendorong variasi
penelitian yang menggunakan metode kuantitatif dalam penyusunan skripsi
pada Program Studi Sistem Informasi di UIN Syarif Hidayatullah Jakarta yang
selama ini pada nyatanya masih banyak di dominasi oleh penelitian bermetode
kualitatif dibidangnya.
5.2. Saran
Pada bagian ini peneliti akan menjelaskan saran untuk penelitian selanjutnya
berdasarkan batasan-batasan dalam pelaksanaan penelitian, sebagai berikut.
1. Berdasarkan hasil penelitian khususnya pada tahap penghapusan indikator,
peneliti memberikan saran untuk peneliti selanjutnya (khususnya yang tertarik
pada topik peneltiain sejenis) agar dapat meninjau kembali dan dapat
memperbaiki hal-hal berikut.
a. Dalam pembentukan instrumen yang akan digunakan sebaiknya
memperhatikan indikator yang digunakan seperti tata bahasa yang akan
ditulis ini mempengaruhi terhadap pengertian para responden agar tidak
terjadi pemahaman yang bias.
b. Pada proses pengumpulan data responden, sebaiknya dapat
memperhatikan perbandingan penyebaran data dengan data sampel baik
untuk jenis kelamin, unit kerja maupun fakultas serta kategori lainnya.
Agar hasil dapat digeneralisasi dengan baik.
c. Adannya masukan atau saran dari para ahli dilakukan agar dapat
menguatkan indikator pada variabel sehingga dapat mengurangi resiko
penghapusan inikator pada tahap perhitungan dan analisis data.
d. Peninjauan kembali kepada insturumen yang ada pada variabel PA, CS,
IV, DS dan SSO.R karena hasil dari penelitian ini menyebutkan
beberapa instrumen diantaranya mengalami penghapusan pada proses
perhitungan dan analisis data.
e. Adanya keterbatasan dalam penelitian ini dengan menggunakan metode
purposive sampling maka hasil dari penelitian ini tidak dapat
digeneralisasi, karena adanya keterbatasan cross sectional atau
pengambilan data secara sesaat sehingga hasil keseluruhan bukan
merupakan hasil sebab-akibat. Melainkan hanya hasil yang saling
mempengaruhi saja. Selain itu mayoritas sampel adalah mahasiswa
sehinga hasil dari penelitian tidak dapat digeneralisasi (Lacobucci,
2001)
2. Untuk pihak PUSTIPANDA UIN Syarif Hidayatullah Jakarta, agar dapat terus
mengembangkan dan menyiapkan SSO yang nantinya berencana di terapkan,
karena mayoritas stakeholder (48%) cukup siap untuk penerapannya. Pengguna
sistem akan lebih siap lagi bila nantinya ada pelatihan terkait manfaat
penggunaan SSO sesuai dengan bidang para stakeholder. Variabel context
organizational nyatanya berpengaruh terhadap kesiapan penerapan teknologi
secara langsung, hal ini berupa budaya organisasi, peraturan didalamnya,
pengalaman yang dimilikinya, adanya kelengkapan infrastruktur, serta faktor
eksternal (seperti penerapan SSO diuniversitas lain). Variabel CO sendiri juga
mempengaruhi karakteristik individu, konten sistem serta beberapa faktor yang
dapat mempengaruhi kesiapan teknologi seperti rasa optimis dan inovasi.
5.3. Ringkasan
Bab ini memaparkan masing-masing berupa kesimpulan dan saran dari penelitian yang
terkait satu dengan lainnya. Harapannya para pelajar dan peneliti dapat menjadikan
bahan masukan bahkan pertimbangan secara praktis dan teoritis terkait akan
pengukuran tingkat kesiapan suatu sistem baru di masa depan.
DAFTAR PUSTAKA
Acharya, A. S., Prakash, A., dkk. (2013). Sampling: Why and how of it. Indian Journal
of Medical Specialties, 4(2), 330-333.
Afthanorhan, W. M. A. B. W. (2013). A Comparison of Partial Least Square Structural
Equation Modeling (PLS-SEM) and Covariance Based Structural Equation
Modeling (CB-SEM) for Confirmatory Factor Analysis. International Journal of
Engineering Science and Innovative Technology, 2(5), 198-205.
Aisyah, M. N., Nugroho, M. A., Sagoro, E. M. (2014). Pengaruh Technology
Readiness Terhadap Penerimaan Teknologi Komputer pada UMKM di
Yogyakarta. Jurnal Economia, Vol 10, No.2
Amaranti, R. (2006). Faktor Kritis Dalam Proyek Implementasi ERP Dan Pengaruhnya
Terhadap Perubahan Dalam Organisasi (Studi Kasus: PT Telekomunikasi
Indonesia Tbk). Bandung: Institut Teknologi Bandung.
Anshorudin, I. (2016). Perbandingan CAS dan OAuth dalam Single Sign On (SSO).
Surakarta: Universitas Muhammadiyah.
Ardagna C. A., Frati F., Gianini G. (2009). “Open Source in Web-Based Applications:
A Case Study on Single Sign-On”. Chapter VI, IGI Global.
Atrinawati, L.H., & Surendro, K. (2009). Assesment for Knowledge Management
Readiness. International Confrence on Electrical Engineering and Informatics.
2, pp. 399-404. IEEE.
Belout, A. & Gauvreau, C. (2004). Factors Influencing Project Success: The Impact of
Human Resource Management. International Journal of Project Manaagement,
22(1): 1-11. Doi: 10.1016/S0263-7863(95)00064-X.
Bhatti, T.R. (2005). Critical Success Factors for the Implementation of Enterprise
Resource Planning (ERP): Empirical Validation. Paper yang dipresentasikan
pada The Second International Conference on Innovation in Information
Technology.
Casaló, L. V., Flavián, C., & Guinalíu, M. (2007). The role of security, privacy,
usability and reputation in the development of online banking. Online
Information Review, 31(5), 583-603.
Chen, S. C., Jong, D., & Lai, M. T. (2014). Assessing the relationship between
technology readiness and continuance intention in an E-appointment system:
relationship quality as a mediator. Journal of medical systems, 38(9), 76.
Creswell, J. W. (2013). Research Design: Qualitative, Quantitative, and Mixed
Methods Approaches. Sage Publications.
Dalyono, M. (2009). Psikolosi Pendidikan. Jakarta: PT. Rineka Cipta
Delone, W.H, McLean, E.R. (2003). The Delone and McLean Model of Information
Systems Success: A ten-Year Update. Journal of Management Information
Systems, 19(4), 9-30.
Fauziah, Y. (2014). Tinjauan Keamanan Sistem Pada Teknologi Cloud
Computing.Jurnal Informatika Vol. 8, No. 1, Januari 2014.
Florestiyanto, M. Y. (2012). Evaluasi Kesiapan Pengguna Dalam Adopsi Sistem
Informasi Terintegrasi di Bidang Keuangan Menggunankan metode Technology
Readiness Index. Semnas IS 2012 UPN “Veteran” Yogyakarta ISSN: 1979-2328.
Ghozali, I. (2011). Aplikasi Analisis Multivariate Degnan Program IBM SPSS 19(edisi
kelima) Semarang: Universitas Diponegoro.
Ghozali, I., Hengky L. (2015). Partial Least Squares Konsep, Teknik dan Aplikasi
Menggunakan Program SmartPLS 3.0 Untuk Penelitian Empiris. Edisi 2.
Semarang: Universitas Diponegoro. ISBN: 979.704.300.2
Gitayani, W. T., Darmawan, N. A. S., & Purnamawati, I. G. A. (2015). Pengaruh Gaya
Kepemimpinan Sistem Pengendalian Internal (SPI) dan Partisipasi Penyusunan
Anggaran Terhadap Kinerja Karyawan Bagian Akuntansi . JIMAT (Jurnal
Ilmiah Mahasiswa Akuntansi S1), 3(1).
Guritno, S., & Sudaryono, R. (2011). Theory and Application of IT Research:
Metodologi Penelitian Teknologi Informasi. Yogyakarta: Andi.
Hadi, S. (2016). Statistik. Jakarta: Pustaka Pelajar.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver
bullet. Journal of Marketing theory and Practice, 19(2), 139-152.
Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An assessment of the use
of partial least squares structural equation modeling in marketing
research. Journal of the academy of marketing science, Vol. 40 No. 3, 414-433.
Hair, J. F., Hult, G. T. M., Ringle, C. M., and Sarstedt, M. (2017). A Primer on Partial
Least Squares Structural Equation Modeling (PLS-SEM), 2nd Ed., SAGE:
Thousand Oaks.
Hong, K. S., & Songan, P. (2011). ICT in the changing landscape of higher education
in Southeast Asia. Australasian Journal of Educational Technology, 27(8).
Howsawi, E. M., Eager, D., & Bagia, R. (2011, December). Understanding project
success: The four-level project success framework. In Industrial Engineering
and Engineering Management (IEEM), 2011 IEEE International Conference
on(pp. 620-624). IEEE.
Huda, M. Q., Husnayati H. (2013). A Conceptual Model of Information Technology
Innovation Implementation Effectiveness in Higher Education. 5th International
Confrence on Information and Communication Technology for the Muslim
World. IEEE.
Huggins, R. D. (2009). “Web Access Management and Single Sign On”. Paper, IJCSI
International Journal of Computer Science Issues, Vol. 2.
Hursti, J. (1997). “Single Sign-On.”, Department of Computer Science Helsinki
University of Technology.
Hutahean, J. (2015). Konsep Dasar Sistem Informasi. Yogyakarta: Deepublish.
Inmon W.H. (2005). Buliding the Data Warehouse, edisi ke-3 John Wiley & Soms,
INC, USA.
Jogiyanto, H. M. (2007). Model Kesuksesan Sistem Teknologi Informasi. Yogyakarta:
Andi.
Jogiyanto, H. M. (2008). Metodologi Penelitian Sistem Informasi. Edisi 1. Andi.
Yogyakarta.
Jugdev, K., & Müller, R. (2005). A retrospective look at our evolving understanding
of project success. Project Management Institute.
Kadir, A. (2014). Pengenalan Sistem Informasi Edisi Revisi. Andi.Yogyakarta
Kuswahyuni, S. (2009). Pengaruh Bimbingan Kelompok Tehadap Kesiapan
Menghadapi Ujian Akhir pada Siswa Kelas VI A3 SDN Sendang Mulyo 03
Semarang Tahun Ajaran 2008/2009. Skripsi. Semarang: IKIP PGRI Semarang.
Lazuardi, A. (2013). Tingkat Kesiapan (Readiness) Pengadopsian Teknologi
Informasi: Studi Kasus Panin Bank. Depok: Universitas Indonesia.
Lim, C. S., & Mohamed, M. Z. (1999). Criteria of project success: an exploratory re-
examination. International journal of project management, 17(4), 243-248.
Liu, J. Y. C., Chen, H. G., Chen, C. C., & Sheu, T. S. (2011). Relationships among
interpersonal conflict, requirements uncertainty, and software project
performance. International Journal of Project Management, 29(5), 547-556.
Margono. (2010). Metodologi Penelitian Pendidikan. Jakarta: Rineka Cipta.
McLeod L, MacDonell SG. (2011) Factors that affect software systems development
project outcomes: a survey of research. ACM Computing Surveys CSUR. 2011;
43(4): 24.
McLeod, L., Doolin, B., & MacDonell, S. G. (2012). A perspective‐based
understanding of project success. Project Management Journal, 43(5), 68-86.
Muhartawaty. (2013). Analisas Pengaruh Budaya Organisasi Terhadap Efektivitas
Implementasi Sistem Informasi. Seminar Nasional Aplikasi Tek nologi Informasi
(SNATI). Yogyakarta.
Mulyanto, A. (2009). Sistem Informasi: Konsep & Aplikasi. Yogyakarta: Pustaka
Pelajar.
Musliyana, Z., Arif, T. Y., Munadi, R., & Sarjana, P. (2016). Peningkatan Sistem
Keamanan Otentikasi Single Sign On (SSO) Menggunakan Algoritma AES dan
One-Time Password Studi Kasus: SSO Universitas Ubudiyah Indonesia. Jurnal
Rekayasa Elektrika Vol, 12(1).
Napitupulu, D. (2016). Kesiapan Implementasi Sistem E-Learning di Lingkungan
Universitas XYZ. Seminar Nasional Technopreneurship dan Alih Teknologi
2016. Pusat Inovasi- LIPI.
Nazir, M. (2009). Metode Penelitian. Jakarta: GhaliaIndonesia.
O’Brien, J. A. & Marakas, G. M. (2010). Management Information Systems:
ManagingInformation Technology In The Bussiness Enterprise15th Edition. NY:
McGraw-Hill.
Pambudi, S. A. (2015). Analisis Kesiapan Pengguna Sistem Informasi Akademik.
Seminar Nasional TI dan Multimedia 2015. STMIK AMIKOM Yogyakarta.
ISSN: 2302-3805
Parasuraman, A. (2000). Technology Readiness Index (TRI) A Multiple-item Scale to
Measure Readiness Embrace New Technologies. Journal of Service Reasearch
Vol 2, No.4
Parasuraman, A., & Grewal, D. (2000). The impact of technology on the quality-value-
loyalty chain: a research agenda. Journal of the academy of marketing
science, 28(1), 168-174.
Parasuraman, A., Charles L. C. (2014). an Updated and Streamlined Technology
Readiness Index: TRI 2.0. SAGE OPEN.
Ptak, Carol A., Schragenheim E. (2004). ERP: tools, techniques, and applications for
integrating the supply chain. New York: St. Lucie Press.
Putra, I. G.Y. D., Dodik A. (2015). “Faktor-Faktor Yang Mempengaruhi Penerapan
Standar Akuntansi Berbasis Akrual”. E-Jurnal Akuntansi Universitas Udayana
13.1 (2015):12-32.
Putra, S. J., Subiyakto, A., dkk (2015). Pengukuran Keberhasilan Proyek Sistem
Informasi di antara Institusi Pendidikan Tinggi di Indonesia
Putra, S. J., Ahlan, A. R., & Kartiwi, M. (2016). A Coherent Framework for
Understanding the Success of an Information System Project. TELKOMNIKA
(Telecommunication Computing Electronics and Control), 14(1), 302-308.
Rahayudi B., Sukoharsono EG. (2008), Pengaruh Kompetensi Teknologi Informasi
Terhadap Keberhasilan Penerapan Sistem Informasi, KURSOR
Ramadhan, G., Yesi N. K., Suryayusra. (2012). Analisis Teknologi Single Sign On
(SSO) Dengan Penerapan Central Authentication Service (CAS) Pada
Universitas Bina Darma. Universitas Bina Darma.
Randeree, K., & El Faramawy, A. T. (2011). Islamic perspectives on conflict
management within project managed environments. International Journal of
Project Management, 29(1), 26-32.
Ritchie, J., Lewis, J., Nicholls, C. M., & Ormston, R. (Eds.). (2013). Qualitative
research practice: A guide for social science students and researchers. Sage.
Ringle, C. M., Da Silva, D., & Bido, D. D. S. (2015). Structural equation modeling
with the Smartpls
Rotchanakitumnuai, S. (2010). Success factors of large scale ERP implementation in
Thailand. World Academy of Science, Engineering and Technology,
Thailand, 40, 605-608.
Sarstedt, M., Christian M. R., Joseph F.H. (2017). Partial Least Squares Structural
Equation Modeling. Springer International Publishing AG 2017. C. Homburg et
al. (eds), Handbook of Market Research, https://doi.org/10.1007/978-3-319-
05542-8_15-1
Saputro, M. Y. A., Kodrat I. S. & Adian F. R. (2012). Implementasi Sistem Single
Sign-On/ Single Sign Out Berbasis CAS Protocol Pada Jaringan LDA Protocol
Universitas Diponegoro. Transient, Vol. 1, No. 3, ISSN: 2302-99927, 36
Scheaffer, R. L., Mendenhall III, W., Ott, R. L., & Gerow, K. G. (2011). Elementary
survey sampling. Cengage Learning.
Sheu, M., & Kim H. (2008). User Readiness for IS Development: An Examination of
50 Cases. Wiley InterScience.
Siregar, S. (2013). Statistik Parametrik untuk Penelitian Kuantitatif: Dilengkapi dengan
Perhitungan Manual dan Aplikasi SPSS versi 17. Jakarta: Bumi Aksara.
Slameto. (2010). Belajar dan Faktor-Faktor yang Mempengaruhinya. Jakarta: Rineka
Cipta
Sridadi. (2007). Diktat Mata Kuliah Evaluasi Pembelajaran Penjas. Yogyakarta: FIK
UNY
Subiyakto, A. (2017). Development of the Readiness and Success Model for Assessing
the Information System Integration. UIN Syarif Hidayatullah Jakarta
Subiyakto, A. & Ahlan, A. R. (2013). A Coherent Framework for Understanding
Critical Success Factors of ICT Project Environment. International Conference
on Research and Innovation in Information Systems (ICRIIS).
Subiyakto, A. & Ahlan, A. R. (2014). Implementation of Input-Process-Output Model
for Measuring Information System Project Success. Telkomnika Indonesian
Journal of Electrical Engineering, Vol. 12 No. 7, pp. 5603-5612.
Subiyakto, A., Ahlan, A. R., Sukmana, H. T. (2014). An Alternative Method for
Determining Critical Success Factor Information System Project.
TELKOMNIKA. Vol. 12, No. 2. ISSN: 1693-6930. DOI:
10.12928/TELKOMNIKA.v12i3.105
Subiyakto, A., Ahlan, A. R., Putra, S. J., Kartiwi, M. (2015). Measurement of
Information System Project Success Based on Perceptions of the Internal
Stakeholders. International Journal of Electrical and Computer Engineering
(IJECE). Vol. 5, No. 2. ISSN: 2088-8708
Subiyakto, A., Ahlan, A. R., Putra, S. J., Kartiwi, M. (2015). Validation of Information
System Project Success Model: A Focus Group Study. SAGE Open.
doi:10.1177/2158244015581650.
Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J. & Durachman, Y. (2016). The
User Satisfication Perspective of the Information System Projects. Indonesian
Journal if Electrical Engineeting and Computer Science. Vol. 4, No. 1 Vol. 4,
No. 1, October 2016, pp. 215 ~ 223
Subiyakto, A., Ahlan, A. R., Kartiwi, M., Putra, S. J. (2016). Measurement of the
Information System Project Success of the Higher Education Institutions in
Indonesia: a Pilot Study. Int. J. Business Information Systems, Vol. 23, No.2.
Inderscience Enterprises Ltd.
Subiyakto, A., Rosalina, Putra, S. J., Utami, M. D., Kumaladewi, N. (2017). The
Psychometric and Interpretative Analyses for Assessing the End-User
Computing Satisfaction Questionnaire. CITSM (Accepted, in publishing
process).
Subiyakto, A., Septiandani, D., Nurmiati, E., Durachman,Y., Kartiwi, M., & Ahlan, A.
R.(2017). Managers Perceptions toward the Success of E-Performance
Reportung System. TELKOMNIKA (Telecommunication Computing Electronis
and Control), 15(3), 1389-1396: doi:12928/TELKOMNIKA.vl5i3.5133
Sugiyono. (2008). Metode Penelitian Kuantitatif, Kualitatif dan R7D. Bandung:
Penerbit Alfabeta
Sutabri, T. (2012). Analisis Sistem Informasi. Jakarta: CV. Andi Offset.
Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi Metode Penelitian
Skala Likert Berbasis Web. Prosiding Semnastek.
www.uinjkt.ac.id
www.oauth.net
Trisnaningsih, S. (2007). Independensi auditor dan komitmen organisasi sebagai
mediasi pengaruh pemahaman good governance, gaya kepemimpinan dan
budaya organisasi terhadap kinerja auditor. Simposium Nasional Akuntansi X, 1-
56.
Turban, E., Volonino, L. (2010). Information Technology for Management, 7th Edition
John Wiley & Sons, Asia.
Walczuch, R.., Jos L., Sanda S. (2007). the Effect of Service Employees’ Technology
Readiness on Technology Acceptance. Information & Management 44 (2007)
206-215.
Weiner, B. J. (2009). A Theory of Organizational Readiness for Change.
Implementation Science, 4:67. BioMed Central.
Widiastuti, S. Indra B. (2016). Analisis Pengukuran Tingkat Kesiapan Knowlede
Management: Studi Kasus Pusat Pengolahan Data dan Informasi Badan
Koordinasi Penanaman Modal. Seminar Nasional Aplikasi Teknologi Informasi
(SNATi). Yogyakarta.
Wijayanti, E. (2008). Analisis Faktor-Faktor yang Mempengaruhi Keberhasilan
Enterprise Resource Planning (ERP) pada Perusahaan. Jakarta: Universitas
Indonesia.
Wong, K. K. K. (2013). Partial least squares structural equation modeling (PLS-SEM)
techniques using SmartPLS. Marketing Bulletin, Vol. 24 No. 1, 1-32.
Xu, X., Zhang, W., & Barkhi, R. (2010). IT infrastructure capabilities and IT project
success: a development team perspective. Information Technology and
Management, Vol. 11, No. 3, pp. 123-142. doi: 10.1007/s10799-010-0072-3.
Yang, Z., Sun, J., Zhang, Y., Wang, Y. (2015). Understanding SaaS Adoption From
the Perspective of Organizational Users: A Tripod Readiness Model. Computers
in Human Behavior. ELSEVIER. 254-264.
Yamin, S., Kurniawan, H. (2009). Structural Equation Modeling Belajar Lebih Mudah
Teknik Analisis.
Yamin, S., & Kurniawan, H. (2011). Generasi Baru Mengolah Data dengan Partial
Least Square Path Modeling. Jakarta: Salemba Infotek.
Yuliana, K. (2016). Model Kesuksesan Sistem Informasi Delone dan McLean Untuk
Evaluasi Sistem Informasi Pos Pada PT. POS INDONESIA (Persero) Divisi
Regional VI Semarang. INFOKAM No. II Th. XII/SEPTEMBER/2016
Yunita, I. (2017). Pengukuran Kepuasan Pengguna terhadap Tulis (Technology Uin
Library Information System) pada Pusat Perpustakaan UIN Syarif Hidayatullah
Jakarta. Skripsi. UIN Syarif Hidayatullah Jakarta. Jakarta.
LAMPIRAN
Data Penelitian Hasil Analisis Outer Model Pada SmartPLS 3.0
Data Penelitian Hasil Analisis Outer Model dengan SmartPLS
Tabel Hasil Analisis Model Pengukuran
VAR IND OL CL AVE CR AVE2
PA CO CS OP IV DS IS TRI
PA PA1 0,790 0,790 0,376 0,395 0,367 0,304 -0,116 0,058 0,344 0.576 0.828 0.759
PA2 0.813 0,813 0,412 0,463 0,366 0,275 -0,112 0,071 0,348
PA3*
PA4 0.728 0,728 0,325 0,366 0,472 0,369 0,0032 0,088 0,369
PA5 0.700 0,700 0,476 0,506 0,391 0,250 0,0032 -0,030 0,329
PA6*
CO CO1 0.703 0,306 0,703 0.330 0,298 0,339 -0,057 -0,020 0,307 0.566 0.839 0.752
CO2 0.718 0,313 0.718 0.385 0,385 0,277 -0,123 -0,121 0,327
CO3 0.781 0,462 0.782 0.492 0,411 0,182 0,011 -0,105 0,377
CO4 0.802 0,470 0.802 0.476 0,469 0,274 -0,012 -0,008 0,397
CO5*
CO6*
CS CS1 0.657 0,390 0,295 0,657 0,378 0.169 -0,149 -0,054 0,361 0.556 0.862 0.746
CS2 0.744 0,351 0,496 0,744 0,454 0.256 -0,236 -0,168 0,383
CS3 0.765 0,462 0,441 0,765 0,326 0.241 -0,124 -0,094 0,337
CS4 0.768 0,400 0,374 0,768 0,437 0.173 -0,104 -0,141 0,314
CS5 0.786 0,531 0,468 0,786 0,474 0.282 -0,058 -0,083 0,421
OP OP1 0.732 0,427 0,399 0,481 0,732 0,279 -0,116 -0,061 0,426 0.602 0.858 0.776
OP2 0.773 0,370 0,389 0,374 0,773 0,332 -0,152 0,025 0,448
OP3 0.809 0,447 0,492 0,458 0,809 0,461 -0,116 0,010 0,501
Tabel Hasil Analisis Model Pengukuran (lanjutan)
Keterangan:
* : Dihapus OL : Outer Loadings CR : Composite Reliability
VAR : Variabel CL : Cross Loading IND : Indikator
AVE : Average Variance Extracted
VAR IND OL CL AVE CR AVE2
PA CO CS OP IV DS IS TRI
OP4 0.788 0,397 0,348 0,419 0,788 0,425 -0,112 0,095 0,548
IV IV1 0.836 0,355 0,267 0,255 0,398 0,836 0,031 0,235 0,334 0.675 0.806 0.821
IV2*
IV3*
IV4 0.807 0,296 0,307 0,248 0,402 0,807 -0,045 0,050 0,307
DS DS1 0.697 0,141 0,119 -0,038 0,028 0,074 0,697 0,372 0,056 0.526 0.814 0.725
DS2 0.634 0,086 0,075 0,006 -0,041 -0,018 0,634 0,186 -0,033
DS3 0.853 -0,083 -0,183 -0,229 -0,218 0,022 0,853 0,475 -0,122
DS4 0.698 -0,023 -0,001 -0,140 -0,126 -0,119 0,698 0,312 -0,032
IS IS1 0.710 0,146 0,044 0,012 0,155 0,211 0,211 0,710 0,174 0.592 0.851 0.770
IS2 0.873 0,088 -0,003 -0,102 0,024 0184 0,466 0,873 0,116
IS3 0.824 -0,026 -0,166 -0,165 -0,033 0,168 0,438 0,824 0,097
IS4 0.650 -0,012 -0,126 -0,195 -0,109 -0,022 0,407 0,650 -0,004
TRI TRI1 0.715 0,339 0,329 0,349 0,459 0,252 0,004 0,090 0,715 0.548 0.828 0.741
TRI2 0.655 0,240 0,251 0,237 0,372 0,263 -0,061 0,169 0,655
TRI3 0.861 0,367 0,423 0,485 0,563 0,319 -0,083 0,083 0,861
TRI4 0.715 0,411 0,375 0,344 0,427 0,323 -0,051 0,038 0,715
Tabel Discriminat Validity Context
Organizational
Content
System
Discomort Insecurity Innovativeness Optimism Persons &
Actions
TRI
Context
Organizational
0,752
Content System 0,567 0,746
Discomfort -0,054 -0,182 0,725
Insecurity -0,084 -0,149 0,503 0,770
Innovativeness 0,349 0,306 -0,007 0,177 0,821
Optimism 0,526 0,559 -0,159 0,009 0,487 0,776
Persons & Actions 0,525 0,572 0,027 0,062 0,397 0,530 0,759
TRI 0,471 0,489 -0,066 0,124 0,391 0,622 0,460 0,741
Tabel Hasil Analisa Struktur Model
VAR R2 𝑄2
PA 0,276 0,147
CO 0,000 0,000
CS 0,321 0,160
OP 0,413 0,230
IV 0,186 0,113
DS 0,059 0,012
IS 0,057 0,025
TRI 0,439 0,218
Tabel Hasil Analisa Struktur Model
Keterangan:
Sign : Signifikan K : Kecil L : Lemah
Insign : Insignifikan M : Moderat B : Besar
Hipotesis β t-test R2
f2 q2 Analyses
No Jalur R2-in R2-ex ∑ f2 Q2-in Q2-ex ∑ q2 β t-test R2 f2 q2
H1 PA→OP 0.242 3.626 0.413 0.413 0.377 0.06133 0.230 0.211 0.025 Sign Diterima M K K
H2 PA→IV 0.278 3.261 0.186 0.186 0.141 0.05528 0.113 0.085 0.032 Sign Diterima L K K
H3 PA→DS 0.189 1.837 0.059 0.059 0.054 0.00531 0.012 -0.002 0.014 Sign Ditolak L K K
H4 PA→IS 0.239 3.011 0.057 0.057 0.030 0.02863 0.025 0.009 0.016 Sign Diterima L K K
H5 CS→OP 0.288 4.162 0.413 0.413 0.364 0.08348 0.230 0.203 0.035 Sign Diterima M K K
H6 CS→IV 0.048 0.552 0.186 0.186 0.186 - 0.113 0.116 - 0.003 Insign Ditolak L K K
H7 CS→DS -0.299 2.510 0.059 0.059 0.084 - 0.02657 0.012 -0.006 0.018 Insign Diterima L K K
H8 CS→IS -0.247 2.215 0.057 0.057 0.021 0.03818 0.025 0.006 0.019 Insign Diterima L K K
H9 CO→OP 0.236 3.658 0.413 0.413 0.385 0.04770 0.230 0.215 0.019 Sign Diterima M K K
H10 CO→IV 0.176 2.186 0.186 0.186 0.171 0.01843 0.113 0.104 0.010 Sign Diterima L K K
H11 CO→DS 0.016 0.092 0.059 0.059 0.059 - 0.012 0.018 - 0.006 Insign Ditolak L K K
H12 CO→IS -0.070 0.768 0.057 0.057 0.055 0.00212 0.025 0.026 - 0.001 Insign Ditolak L K K
H13 CO→PA 0.525 9.039 0.276 0.276 0.000 0.38122 0.147 0 0.172 Sign Diterima L B M
H14 CO→CS 0.567 10.856 0.321 0.321 0.000 0.47275 0.160 0 0.190 Sign Diterima L B M
H15 CO→ SSO.R 0.213 3.235 0.439 0.439 0.000 0.78253 0.218 0.205 0.017 Sign Diterima M B K
H16 OP→ SSO.R 0.471 7.830 0.439 0.439 0.308 0.23351 0.218 0.150 0.087 Sign Diterima M M K
H17 IV→ SSO.R 0.059 0.869 0.439 0.439 0.437 0.00357 0.218 0.217 0.001 Insign Ditolak M K K
H18 DS→ SSO.R -0.058 0.801 0.439 0.439 0.437 0.00357 0.218 0.218 - Insign Ditolak M K K
H19 IS→ SSO.R 0.156 2.200 0.439 0.439 0.593 - 0.27451 0.218 0.210 0.010 Sign Diterima M K K
top related