artikel ilmiah - repository.uksw.edu...salah satu faktor yang cukup berperan penting untuk...

Analisis Tingkat Penerimaan Teknologi Informasi Menggunakan

Technology Acceptance Model (TAM V.3)

(Studi kasus : Paguyuban UMKM Kendal Permai)

Artikel Ilmiah

Peneliti :

Christanty Kailola

Program Studi Sistem Informasi

Fakultas Teknologi Informasi

Universitas Kristen Satya Wacana

Salatiga

2016

1. Pendahuluan

Kemajuan teknologi informasi saat ini sudah berkembangan sangat pesat,

sehingga TI telah diperlukan di berbagai bidang. Karena teknologi informasi

dapat membantu untuk memudahkan perkerjaan dengan efektif dan efisien.

Begitu juga dengan UMKM yang memanfaat TI untuk meningkatkan kinerja dan

meningkatkan daya saing bagi UMKM sendiri. Hal tersebut berkaitan dengan

peran UMKM dalam pertumbuhan ekonomi nasional melalui terciptanya produk

domestik bruto (PDB) sebagai kontribusi nyata dari sektor tersebut sehingga

menjadi nilai tambah secara nasional. Dengan adanya Strategi peningkatan daya

saing bagi UMKM, maka peran UMKM bagi sektor pembangunan perekonomian

nasional akan semakin besar. Salah satu faktor yang cukup berperan penting untuk

meningkatkan daya saing UMKM adalah dengan mengadopsi teknologi informasi

(TI).

Para pengusaha yang tergabung dalam Usaha Mikro Kecil dan Menengah

(UMKM) Kabupaten Kendal, saat ini mulai diperkenalkan untuk memanfaatkan

teknologi dengan diperkenalkannya pemasaran online lewat kendal-

marketplace.com, yang merupakan web berisikan kumpulan dari UMKM yang

ada di Kendal beserta produk-produknya.

Salah satu metode yang digunakan untuk menganalisis penerimaan pengguna

terhadap teknologi adalah TAM. Techonology Acceptance Model (TAM)

merupakan satu-satunya model yang paling banyak menarik perhatian dari

komunitas sistem informasi dalam hal penerimaan pengguna terhadap teknologi

[1].

Pemanfaatan teknologi infomasi merupakan pertahanan dalam dunia bisnis

khususnya bagi UMKM Kendal Permai yang mampu mendukung pengembangan

bisnis saat ini. Penggunaan perangkat TI juga membantu kinerja lebih kreatif

yang dapat diimplementasikannya dalam bisnis. Namun, keterbatasan komputer

dan takut dan enggan untuk menggunakan komputer yang juga merupakan faktor

penerimaan TI di UMKM Kendal Permai dikarenakan latarbelakang pendidikan

dan faktor ekonomi yang tidak memungkinkan sehingga tujuan dari analisis ini

adalah untuk melihat tingkat penerimaan TI menggunakan Technology

Acceptance Model (TAM V.3) di Paguyuban UMKM Kendal Permai, khususnya

pada bagian pemanfaatan serta peran teknologi informasi yang menempatkan

faktor sikap dari tiap-tiap perilaku pengguna dengan dua variabel faktor kunci;

kemudahan penggunaan (ease of use) dan kemanfaatan (usefulness) sebagai

pengukuran tingkat penerimaan teknologi informasi. Berdasarkan proses analisis

yang dilakukan, akan menghasilkan temuan tingkat penerimaan teknologi

informasi dan rekomendasi untuk solusi temuan yang ada sehingga bagian

Paguyuban UMKM kendal Permai dapat melakukan proses pengambilan

keputusan untuk tiap rekomendasi yang diberikan.

2. Landasan Teori

Penelitian terkait dengan TAM yaitu penelitian berjudul “Kajian Tentang

Perilaku Pengguna Sistem Informasi Dengan Pendekatan Technology Acceptance

http://en.wikipedia.org/wiki/Technology_acceptance_model

http://en.wikipedia.org/wiki/Technology_acceptance_model

Model (TAM)”. Penelitian ini menghasilkan output berdasarkan pertanyaan

kuesioner dan hasil pengolahan data dapat diketahui bahwa pemasangan software

antivirus lebih mencerminkan rasa penolakan terhadap pengaruh negatif yang bisa

muncul dari penggunaan web, sementara pemasangan software pengatur

download mencerminkan rasa menerima atas informasi yang disajikan oleh web.

Berdasarkan hasil pengukuran menggunakan model TAM yang diperkenalkan

oleh Davis dapat digunakan dalam penelitian ini, mengingat sistem informasi

berbasis web adalah bagian dari teknologi khususnya teknologi informasi.

Penelitian ini memberikan 3 usulan yang diajukan untuk penelitian berikutnya [2].

Penelitian lain yaitu “ Analisis Technology Acceptance Model (TAM)

Terhadap Penggunaan Sistem Informasi di Nusa Dua Beach Hotel & Spa” yang

mempunyai latar belakang masalah yang dipandang memerlukan penggunaan

sistem informasi berbasis teknologi untuk menunjang aktivitas operasionalnya

agar efektif dan efisien. Penelitian ini menggunakan metode survey dengan teknik

kuesioner dan wawancara. Kuesioner diukur dengan menggunakan skala Likert.

Teknik analisis data penelitian adalah Analisis Regresi Linier Berganda, di mana

pengolahan data menggunakan bantuan program SPSS for Windows. Kesimpulan

dari hasil penelitian ini, variabel computer self efficacy dan trust masing-masing

berpengaruh positif dan signifikan terhadap kedua variabel dependen (perceived

usefulness dan perceived ease of use). Berbeda halnya dengan variabel

personalization yang tidak berpengaruh terhadap kedua varabel tersebut,

dikarenakan responden berada dalam ruang lingkup yang pekerjaannya kompleks

dan dituntut selesai pada waktu yang terbatas [3].

Berdasarkan penelitian terdahulu dengan menggunakan Technology

Acceptance Model (TAM), maka dilakukan penelitian untuk melihat tingkat

penerimaan TI dengan menempatkan faktor sikap dari tiap-tiap perilaku pengguna

dengan dua faktor kunci yaitu variabel; kemudahan penggunaan (ease of use) dan

kemanfaatan (usefulness) sebagai pengukuran tingkat penerimaan teknologi

informasi.

2.1 Adopsi TI

Perkembangan teknologi informasi (TI) telah mengubah cara dan peta dunia

bisnis. Penggunaan Internet dan Electronic Data Interchange (EDI) untuk

mendukung pertukaran informasi dan transaksi merupakan contoh. Banyak

penelitian telah dilakukan untuk melihat difusi dan adopsi TI oleh kalangan

bisnis. Namun demikian belum banyak kajian tentang difusi dan adopsi TI

yang dilakukan dengan kasus usaha kecil dan menengah (UKM).

Penelitian sebelumnya membahas tentang faktor-faktor yang mempengaruhi

usaha kecil star-up. Dalam penelitian ini bertujuan untuk mengindentifikasi

karakteristik variabel demografi pada tingkat pembentukan organisasi memicu

untuk start-up bisnis kecil [4]. Dalam kewirausahaan difokuskan pada pengusaha

dan lingkungan yang cenderung mempengaruhi pembentukan usaha kecil itu

sendiri. Analisis regresi logistik dilakukan untuk mengetahui pengaruh variabel

demografis pada keputusan untuk mendirikan sebuah bisnis kecil. Hasil regresi

logistik adalah enam belas variabel independen yang berkaitan dengan isu-isu

demografi kemunduran pada variabel dependen dikotomis. Karakteristik variabel

ini diukur dari ; usia, tingkat pendidikan, jender, etnis, pengalaman kerja

sebelumnya, pengganguran, perdesaan versus lokasi perkotaan sampai

pengelaman keluarga dengan usaha kecil. Penelitian ini menyoroti potensi

pentingnya tiga variabel demografis yaitu; jender (Genjer), kerja pemerintah

sebelumnya (previous government employment) dan redudansi (recent

redundancy). Gambaran keseluruhan dari pengaruh faktor demografi pada usaha

kecil start-up adalah “kabur” dan membutuhkan penelitian tambahan. Temuan

penelitian ini menunjukkan bahwa perempuan, yang di PHK dan karyawan sektor

publik mungkin memerlukan perhatian khusus baik oleh peneliti akademis dan

pembuat kebijakan publik di masa depan jika tingginya tingkat pembentukan

usaha kecil yang ingin dicapai.

Adopsi teknologi informasi (TI) oleh UKM masih rendah. Banyak faktor

yang menjadi penghambat adopsi TI, seperti belum munculnya kebutuhan

terhadap TI dalam mendukung proses bisnis dan kurangnya dukungan finansial

[5]. UKM yang menggunakan TI punmasih pada tataran operasional atau

oportunistik, dan belum sampai pada tingkat strategis. Rendahnya adopsi TI oleh

UKM di Indonesia sebagian besar adalah faktor internal. Selain itu, adopsi TI di

UKM di Indonesia sudah tergolong cukup baik, namun penggunaan TI oleh

sebagian besar UKM masih terbatas pada aplikasi perkantoran dasar untuk

mendukung tugas administrasi [5]. Could Computing merupakan inovasi yang

memungkinkan pengguna teknologi informasi berdasarkan utilitas secara on-

demand. Hal ini yang menjadi tantangan di Indonesia dengan masalah keamanan

dan keterbatasan bandwidth untuk mengimplementasikan teknologi ini. Selain itu

ditemukan variasi dalam penggunaan TI pada beberapa subsektor pada UKM

manufuktur karena adanya perbedaan karakteristik.

Penelitian yang berjudul “A Conceptual Model of the Determinants of

Performance of Tourism Sector Smaal and Medium Enterprises (SMEs)” ini,

untuk menguji faktor-faktor penentu kinerja usaha kecil dan menengah (UKM) di

Afrika Selatan [6]. Hasil penelitian ini akan menghasilkan wawasan yang berguna

yang akan membantu para pemangku kepentingan yang relevan menerapkan

langkah-langkah intervensi yang dapat meningkatkan kinerja UKM di negara ini,

mengenai besaran yang berbeda dalam atribut pengusaha, karakteristik perusahaan

dan faktor lingkungan eksternal yang berhubungan dengan kinerja UKM. Populasi

survei penelitian ini adalah sektor pariwisata kecil dan menengah ukuran di

Tshwane. Koefisien Cramer’s V dari ketiga faktor tersebut menunjukkan adanya

hubungan yang kuat antara atribut pengusaha dan kinerja dana usaha kecil dan

menengah. Hasil menegaskan bahwa atribut pengusaha, karakteristik perusahaan

dan faktor lingkungan eksternal memiliki beberapa efek yang signifikan terhadap

kinerja usaha kecil dan menengah.

2.2 Technology Acceptance Model (TAM)

Techomogy Acceptance Model (TAM) merupakan satu-satunya model yang

paling banyak menarik perhatian dari komunitas sistem informasi dalam hal

penerimaan pengguna terhadap teknologi [1]. Model yang dibangun oleh Fred

Davis ini telah mengalami beberapa revisi hingga mencapai bentuk finalnya pada

Gambar 1. Venkatesh dan Bala membentuk TAM 3 dengan menambahkan

variabel yang termasuk golongan adjustment dan anchor yang berhubungan

dengan variabel persepsi kemudahan penggunaan (Perceived ease of use).

Gambar 1 TAM 3 (sumber: Venkatesh dan Bala, 2008)

TAM terbilang cukup sederhana, sehingga dapat diekstensi dengan

menambahkan variable-variable yang menjelaskan motif di balik POU dan PEOU.

Berikut adalah penjelasan masing-masing konstruk yang ada pada TAM 3

1) Subjective Norm adalah persepsi manusia ketika berpikir bahwa dia harus

melakukan sebuah perilaku (behaviour) atau tidak.

2) Experience merupakan variabel yang menjadi tolak ukur penentuan ketika

subjective norm akan menentukan persepsi kegunaan (perceived usefulness)

sebuah sistem informasi atau teknologi yang secara langsung juga akan

menentukan behavioural intention.

3) Voluntariness. Selain pengalaman (experience), tingkat sukarela

(voluntariness) juga mempengaruhi subjective norm dalam menentukan

behavioural intention

4) Image. Menurut Venkatesh adalah tingkatan dimana penggunaan sebuah

teknologi informasi dipersepsikan untuk meningkatkan status seseorang di

mata masyarakat. Image dapat secara langsung mempengaruhi persepsi

kegunaan sebuah sistem informasi atau sebuah teknologi dan tingkatan nya

dapat dipengaruhi oleh subjective norm.

5) Perceived of Usefulness. Komponen ini menunjukkan tingkat dimana seorang

manusia percaya bahwa dengan menggunakan sistem informasi akan

membantuk dirinya untuk meningkatkan performa pekerjaan.

6) Job Relevance. Komponen ini berkaitan dengan persepsi manusia tentang

seberapa pentingnya sebuah sebuah informasi atau teknologi dalam membantu

atau mempengaruhi pekerjaan mereka.

7) Output quality. Komponen ini berkaitan dengan tingkatan kepercayaan

individu manusia bahwa sebuah sistem informasi atau teknologi yang mereka

gunakan akan memberikan hasil yang baik untuk pekerjaan mereka

8) Result of demonstrability. Komponen ini berkaitan dengan hasil penggunaan

teknologi informasi yang dapat diukur

9) Computer Self-efficacy. Komponen ini menjelaskan tingkatan kepercayaan

manusia bahwa mereka mempunyai kemampuan untuk melakukan tugas

tertentu dengan menggunakan komputer

10) Perception of external control. Komponen ini menjelaskan tingkatan

kepercayaan atau persepsi individu manusia bahwa adanya infrastruktur atau

hal lain yang ada untuk mendukung penggunaan sebuah sistem informasi

11) Computer anxiety berkaitan dengan psikologis manusia yang takut atau enggan

ketika berpikir bahwa dia kemunkginan akan menggunakan komputer.

12) Computer playfulness. Komponen ini berkaitan dengan spontanitas manusia

untuk berinteraksi dengan komputer.

13) Perceived enjoyment. Persepsi manusia dimana kegiatan menggunakan sebuah

sistem informasi dipersepsikan akan menyenangkan, terlepas dari kinerja yang

dihasilkan dari penggunaan sistem informasi.

14) Objective usability. Komponen ini mengungkapkan tentang perbandingan

tentang usaha yang dibutuhkan sebuah sistem informasi untuk menyelesaikan

sebuah tugas tertentu. Komponen ini bukan merupakan sebuah persepsi

manusia karena bersifat objektif.

15) Perceived ease of use didefinisikan sebagai persepsi manusia bahwa sebuah

sistem informasi yang dia lihat mudah digunakan.

16) Behavioural intention berkaitan dengan tingkatan dimana seorang manusia

sudah memformulasikan rencana untuk melakukan atau tidak melakukan

sebuah perilaku di masa depan.

17) Komponen terakhir adalah komponen yang dipengaruhi oleh komponen-

komponen di atas, yaitu komponen use behaviour. Use behaviour adalah

perilaku manusia sebenarnya ketika menggunakan sebuah sistem informasi.

3. Metode Penelitian

Jenis penelitian yang digunakan adalah penelitian kuantitatif. Penelitian ini

menggunakan teknik Probability Sampling. Teknik Probability sampling yang

digunakan adalah Simple Random Sampling, di mana peneliti dalam memilih

sampel dengan memberikan kesempatan yang sama kepada semua anggota

populasi untuk ditetapkan sebagai anggota sampel. Jumlah data yang digunakan

sebanyak 42 Responden Panguyuban UMKM Kendal Permai. Data yang

digunakan dalam penelitian ini adalah data primer. Pengumpulan data dilakukan

melalui Kuesioner, guna mendapatkan jawaban dari responden dalam hal ini

anggota-anggota yang tergabung dalam Paguyuban UMKM Kendal Permai

mengenai tingkat penerimaan Teknologi Informasi. Bentuk pilihan responden

terhadap setiap pertanyaan dalam skala likert adalah sebagai berikut : sangat

setuju (SS), setuju (S), tidak setuju (TS), sangat tidak setuju (STS). Penskoran

yang diberikan untuk setiap jawabab sebagai berikut : sangat setuju (SS) diberi

skor 1, setuju (S) diberi skor 2, tidak setuju (TS) diberi skor 3 dan sangat tidak

setuju (STS) diberi skor 4.

Metode analisis data menggunakan aplikasi SmartPLS. Partial Least Square

(PLS) merupakan teknik statistik multivariat yang bisa menangani banyak

variabel respon dan variabel eksplanatori sekaligus. PLS digunakan untuk

mengetahui kompleksitas hubungan suatu konstrak dan konstrak yang lain, serta

hubungan suatu konstrak dan indikator-indikatornya. PLS didefinisikan oleh dua

persamaan, yaitu inner model dan outer model. Inner model menentukan

spesifikasi hubungan antara konstrak dan indikator-indikatornya. Konstrak terbagi

menjadi dua yaitu konstrak eksogen dan konstrak endogen. Konstrak eksogen

merupakan konstrak penyebab, konstrak yang tidak dipengaruhi oleh konstrak

lainnya. Konstrak eksogen memberikan efek kepada konstrak lainnya, sedangkan

konstrak endogen merupakan konstrak yang dijelaskan oleh konstrak eksogen.

Konstrak endogen adalah efek dari konstrak eksogen [7].

PLS dapat bekerja untuk model hubungan konstrak dan indikator-

indikatornya yang bersifat reflektif dan formatif. Metode PLS mempunyai

keunggulan tersendiri diantaranya: data tidak harus berdistribusi normal

multivariate (indikator dengan skala kategori, ordinal, interval sampai rasio dapat

digunakan pada model yang sama) dan ukuran sampel tidak harus besar [8].

Gambar 2 Model Penelitian yang digambarkan dalam aplikasi SmartPLS berdasarkan

model asli Technology Acceptance Model (TAM V.3)

https://statistikakomputasi.wordpress.com/

3.1 Model Penelitian

Pada penelitian ini menggunakan 15 variabel pengembangan model teknologi

penerimaan Technology Acceptance Model (TAM V.3) yang menjadi penentu

adopsi Teknologi Informasi dan penggunaanya, yaitu; PU (Perceived Usefulness),

PEOU (Percieved ease of use) dan BI (Behavioral Intention) dioperasikan dengan

menggunakan item diadaptasi [9]. Konsisten dengan Davis, menggunakan USE

(Use Behaviour) perilaku penggunaan. Operasinalisasi faktor-faktor penentu

persepsi kemudahan yaitu ; CSE (Computer Self-Efficacy), PEC (Perceptions of

External Control), CPLAY (Computer Playfulness), CANX (Computer Anxiety),

dan ENJ (Perceived Enjoyment) adalah konsisten dengan Venkatesh [10]. Penentu

manfaat yang disarankan diukur dengan menggunakan item dari Venkatesh dan

Davis [10]. SN (Subjective Norm) diukur dengan menggunakan empat item yaitu ;

IMG (Image), RES (Result Demonstrability), REL (Job Relevance), OUT (Output

Quality) dan VOL (Voluntariness).

Berdasarkan model Technnology Acceptance Model (TAM V.3) yang

diadopsi oleh Venkatesh (2008) hipotesis yang dibangun dalam penelitian ini

adalah :

H 1 : Kemudahan penggunaan (PEOU) mempengaruhi manfaat yang dirasakan

(PU)

H 2 : Manfaat yang dirasakan (PU) mempengaruhi niat menggunakan (BI)

H 3 : Kemudahan penggunaan (PEOU) mempengaruhi niat menggunakan (BI)

H 4 : Kemudahan penggunaan (PEOU) mempengaruhi berinteraksi dengan

komputer (CPLAY)

H 5 : Niat menggunakan (BI) mempengaruhi perilaku penggunaan (USE)

H 6 : Manfaat yang dirasakan (PU) mempengaruhi status pengguna (IMG)

H 7 : Manfaat yang dirasakan (PU) mempengaruhi hubungan pekerjaan (REL)

H 8 : Manfaat yang dirasakan (PU) mempengaruhi kualitas hasil (OUT)

H 9 : Manfaat yang dirasakan (PU) mempengaruhi hasil yang dapat diukur

(RES)

H 10 : Manfaat yang dirasakan (PU) mempengaruhi presepsi melakukan atau

tidak (SN)

H 11 : Tingkat sukarela (VOL) mempengaruhi presepsi melakukan atau tidak

(SN)

H 12 : Tingkat sukarela (VOL) mempengaruhi niat menggunakan (BI)

H 13 : Kemudahan penggunaan (PEOU) mempengaruhi keahlian penggunaan

komputer (CSE)

H 14 : Kemudahan penggunaan (PEOU) mempengaruhi presepsi kontrol eksternal

(PEC)

H 15 : Kemudahan penggunaan (PEOU) mempengaruhi kecemasan penggunaan

komputer (CANX)

H16 : Kemudahan penggunaan (PEOU) mempengaruhi presepsi penggunaan

akan menyenangkan (ENJ)

4. Hasil dan Pembahasan

Penelitian ini dilakukan dengan cara menyebarkan kuesioner secara langsung

kepada para responden sebanyak 42 responden untuk anggota Paguyuban UMKM

Kendal Permai yang menjadi obyek penelitian ini. Responden berdasarkan

karakteristik responden Perempuan lebih banyak dari laki-laki dengan presentase

68,00%, sedangkan presentasi laki-laki hanya 32,00%.

Pada bagian analisis dan pembahasan akan menjelaskan mengenai

pengolahan data dengan menggunakan model teknik partial least square (PLS).

PLS adalah pilihan alternatif digunakan untuk jumlah sampel yang kecil. Analisa

pada PLS dilakukan dengan tiga tahap yaitu; (1) Analisa outer model, (2) Analisa

ineer model dan (3) Pengujian Hipotesa. Analisa outer model dilakukan untuk

memastikan bahwa measurement yang digunakan layak untuk dijadikan

pengukuran (valid dan reliabel). Sedangkan analisa inner model/analisa struktural

model dilakukan untuk memastikan bahwa model struktural yang dibangun robust

dan akurat. Untuk pengujian Hipotesa dilakukan dengan melihat nilai probabilitas

nya dan tstatistik nya. Untuk nilai probabilitas, nilai p-value dengan alpha 5%

adalah kurang dari 0,05. Nilai t-tabel untuk alpha 5% adalah 1,96. Sehingga

kriteria penerimaan Hipotesa adalah ketika t-statistik > t-tabel. (Ghozali, 2008)

[11].

Analisa pada PLS dilakukan untuk mengetahui tingkat penerimaan teknologi

informasi di UMKM Kendal Permai, dengan menempatkan faktor sikap dari tiap-

tiap perilaku pengguna dengan dua variabel faktor kunci; kemudahan penggunaan

(ease of use) dan kemanfaatan (usefulness) sebagai pengukuran tingkat

penerimaan teknologi informasi.

4.1 Model Pengukuran atau Outer Model

Model Pengukuran (Outer Model) mendefinisikan bagaimana setiap blok

indikator berhubungan dengan variabel latennya. Perancangan Model Pengukuran

menentukan sifat indikator dari masing-masing variabel laten, apakah refleksif

atau formatif, berdasarkan definisi operasional variabel [12]. Analisa outer model

dilakukan untuk memastikan bahwa measurement yang digunakan layak untuk

dijadikan pengukuran (valid dan reliabel).

4.1.1 Uji Validitas Konvorgen

Evaluasi model dapat dilakukan menggunakan validitas konvergen pada

model refleksif dengan melihat nilai factor loading. Nilai factor loading suatu

indikator dinyatakan valid jika memiliki korelasi (loading) dengan konstruk

(variabel laten) yang ingin diukur ≥ 0,5. Jika salah satu indikator memiliki nilai

loading < 0,5, maka indikator tersebut harus dibuang karena mengindikasikan

bahwa indikator tidak cukup baik untuk mengukur konstruk secara tepat. Nilai

dapat dilihat pada tabel berikut :

Tabel 1 Uji Validitas Konvorgen

Indikator Variabel Uji Loading Keterangan

Niat menggunakan (BI) 1 1.000 Valid

Manfaat yang dirasakan (PU) 2 1.000 Valid

Meningkatkan status pengguna (IMG) 3 1.000 Valid

Hubungan pekerjaan (REL) 4 0.891 Valid

Hubungan Pekerjaan (REL) 5 0.712 Valid

Kualitas hasil (OUT) 6 0.647 Valid



Hasil yang dapat diukur (RES) 9 1.000 Valid

Kemudahan penggunaan (PEOU) 10 1.000 Valid

Keahlian penggunaan komputer (CSE) 11 1.000 Valid

Presepsi kontrol eksternal (PEC) 12 1.000 Valid

Kecemasan komputer (CANX) 13 1.000 Valid

Berinteraksi dengan komputer (CPLAY) 14 0.696 Valid

Berinteraksi dengan komputer (CPLAY) 15 0.973 Valid

Presepsi penggunaan akan menyenangkan (ENJ) 16 0.509 Valid

Presepsi penggunaan akan menyenangkan (ENJ) 17 0.964 Valid

Presepsi melakukan/ tidak (SN) 18 1.000 Valid

Tingkat sukarela (VOL) 19 1.000 Valid

Perilaku penggunaan (USE) 20 1.000 Valid

Berdasarkan nilai pada outer loading dapat diketahui bahwa indikator semua

variabel hasil uji validasi pada tabel diatas diterima karena memiliki nilai loading

atau korelasi skor indikator dengan konstruk di atas 0,50 [11]. Karena nilai

loading diterima maka tidak ada yang dibuang. Dari hasil analisis didapatkan

bahwa nilai faktor loading sudah tergolong baik karena indikator yang

dipergunakan dalam penelitian ini adalah valid atau telah memenuhi convergent

validity dan menunjukan bahwa memiliki hubungan yang kuat untuk tingkat

penerimaan teknologi informasi di Paguyuban UMKM Kendal Permai.

4.1.2 Uji Validitas Diskriminan

Uji validitas diskriminan dengan membandingkan nilai Average Variance

Extracted (AVE) setiap konstruk dengan korelasi antara konstruk lainnya dalam

model. Jika nilai akar AVE setiap konstrak lebih besar maka di katakan memiliki

nilai discriminant validity yang baik [13].

Tabel 2 Validitas Diskriminan

AVE AKAR AVE

Niat menggunakan (BI) 1.000 1

Manfaat yang dirasakan (PU) 1.000 1

Meningkatkan status pengguna (IMG) 1.000 1

Hubungan pekerjaan (REL) 0.651 0.806

Kualitas hasil (OUT) 0.550 0.741

Hasil yang dapat diukur (RES) 1.000 1

Kemudahan penggunaan (PEOU) 1.000 1

Keahlian penggunaan komputer (CSE) 1.000 1

Presepsi kontrol eksternal (PEC) 1.000 1

Kecemasan komputer (CANX ) 1.000 1

Berinteraksi dengan komputer (CPLAY) 0.715 0,845

Presepsi penggunaan akan menyenangkan (ENJ) 0.594 0.770

Presepsi melakukan/ tidak (SN) 0.525 0,724

Tingkat sukarela (VOL) 1.000 1

Perilaku penggunaan (USE) 1.000 1

Berdasarkan hasil uji discriminant validity pada tabel diatas nilai AVE setiap

konstruk dibandingkan dengan hasil dari akar AVE memiliki nilai lebih besar

sehingga hasil uji discriminant validity dikatakan baik. Sebagai contoh nilai akar

AVE variabel kualitas hasil (OUT) 0.550 adalah 0.741. Hasil yang didapatkan

untuk nilai akar AVE ini lebih besar dibandingkan nilai AVE dengan demikian

konstruk akar AVE telah memenuhi validitas diskriminan.

4.1.3 Uji Realibilitas

Uji reliabilitas dilakukan dengan melihat nilai composite reliability dari blok

indikator yang mengukur konstruk. Hasil composite reliability akan menunjukan

nilai yang memuaskan jika diatas 0.7. Uji reliabilitas juga bisa dengan melihat

nilai cronbach’s alpha diatas 0,6 [14]. Nilai dapat dilihat pada pada tabel berikut : Tabel 3 Uji Realibilitas

Composite

Reliability

Cronbach

Alpha

Keterangan

Niat menggunakan (BI) 1.000 1.000 Reliabel

Manfaat yang dirasakan (PU) 1.000 1.000 Reliabel

Meningkatkan status pengguna (IMG) 1.000 1.000 Reliabel

Hubungan pekerjaan (REL) 0.786 0.480 Tidak

Kualitas hasil (OUT) 0.782 0.579 Tidak

Hasil yang dapat diukur (RES) 1.000 1.000 Reliabel

Kemudahan penggunaan (PEOU) 1.000 1.000 Reliabel

Keahlian penggunaan komputer (CSE) 1.000 1.000 Reliabel

Presepsi kontrol eksternal (PEC) 1.000 1.000 Reliabel

Kecemasan komputer (CANX ) 1.000 1.000 Reliabel

Berinteraksi dengan komputer (CPLAY) 0.830 0.676 Reliabel

Presepsi penggunaan akan menyenangkan (ENJ) 0.808 0.415 Tidak

Presepsi melakukan/ tidak (SN) 1.000 1.000 Reliabel

Tingkat sukarela (VOL) 1.000 1.000 Reliabel

Perilaku penggunaan (USE) 1.000 1.000 Reliabel

Hasil yang didapatkan untuk uji realibilitas diatas nilai composite reliability

semua memiliki hasil yang memuaskan diatas 0,7[14], tetapi juga memiliki nilai

cronbach aplha dibawah 0,6 yang artinya juga mempengaruhi hasil dari reliabel

suatu indikator. Hasil yang menandakan bahwa nilai ini memuaskan atau reliabel

karena menunjukan bahwa semua konstruk pada model yang diestimasi

memenuhi kriteria discriminant validity, artinya pada UMKM Kendal mereka

sudah ada niat untuk menggunakan komputer sehingga penggunaan kedepannya

dapat mempermudah pekerjaan mereka. Sedangkan hasil analisis yang tidak

reliabel yaitu variabel ; 1) Hubungan Pekerjaan (Job Relevance), 2) Kualitas Hasil

(Quput Quality), 3) Presepsi penggunaan akan menyenangkan (Perceived

Enjoyment). Hasil ini menunjukan bahwa tingkat penggunaan komputer di

UMKM Kendal sebagai alat untuk membantu atau mempengaruhi pekerjaan

mereka masih rendah diakibatkan oleh kurangnya pemahaman tentang seberapa

penting TI dalam lingkup pekerjaan. Tingkat kepercayaan mereka akan TI juga

mempengaruhi kualitas hasil pekerjaan mereka diakibatkan karena rasa takut dan

enggan untuk berinteraksi dengan komputer sehingga presepsi ini yang

mengakibatkan penerimaan TI masih rendah di UMKM Kendal.

4.2 Model Struktural atau Inner Model

Setelah model yang diestimasi memenuhi kriteria Outer Model, berikutnya

dilakukan pengujian model structural (Inner Model). Model Struktural atau Inner

Model dilakukan untuk menjelaskan hubungan antara variabel laten yang satu

dengan variabel laten lainnya. Tujuannya adalah untuk menentukan bahwa model

struktural dikategorikan sebagai model yang baik atau tidak. Evaluasi inner model

dilakukan dengan uji r-square [12]. Berikut adalah nilai R-Square pada konstruk:

Tabel 4 R-square

r- Square

Niat menggunakan (BI) 0.101

Manfaat yang dirasakan (PU) 0.026

Meningkatkan status pengguna (IMG) 0.005

Hubungan pekerjaan (REL) 0.300

Kualitas hasil (OUT) 0.243

Hasil yang dapat diukur (RES) 0.172

Keahlian penggunaan komputer (CSE) 0.070

Presepsi kontrol eksternal (PEC) 0.043

Kecemasan komputer (CANX ) 0.068

Berinteraksi dengan komputer (CPLAY) 0.199

Presepsi penggunaan akan menyenangkan (ENJ) 0.006

Presepsi melakukan/ tidak (SN) 0.172

Perilaku penggunaan (USE) 0.269

Berdasarkan tabel diatas dapat dijelaskan bahwa variabel penentu BI mampu

menjelaskan BI sebesar 10% selebihnya dijelaskan oleh variabel yang lain.

Variabel penentu PU mampu menjelaskan PU sebesar 0,2% selebihnya dijelaskan

oleh variabel lain. Variabel penentu CSE mampu menjelaskan CSE sebesar 0,7%

selebihnya dijelaskan oleh variabel yang lain. Variabel penentu PEC mampu

menjelaskan PEC sebesar 0,4% selebihnya dijelaskan oleh variabel yang lain.

Variabel penentu CANX mampu menjelaskan CANX sebesar 0,6% selebihnya

dijelaskan oleh variabel lain. Variabel penentu CPLAY mampu menjelaskan

CPLAY sebesar 19% selebihnya dijelaskan oleh variabel yang lain. Variabel

penentu ENJ mampu menjelaskan ENJ sebesar 0,0% sedangkan 100% sisanya

dijelaskan oleh variabel lain. Variabel penentu IMG mampu menjelaskan IMG

sebesar 0,0% sedangkan 100% sisanya dijelaskan oleh variabel lain. Variabel

penentu REL mampu menjelaskan REL sebesar 30% selebihnya dijelaskan oleh

variabel lain. Variabel penentu OUT mampu menjelaskan OUT sebesar 24%

selebihnya dijelaskan oleh variabel lain. Variabel penentu RES mampu

menjelaskan RES sebesar 17% selebihnya dijelaskan oleh variabel lain. Variabel

penentu SN mampu menjelaskan SN sebesara 17% sedangkan sisanya dijelaskan

oleh variabel lain. Variabel penentu USE mampu menjelaskan USE sebesar 26%

sedangkan sisanya dijelaskan oleh variabel lain.

Hasil analisis menunjukan bahwa nilai r-square variabel indikator untuk

meningkatkan status pengguna (IMG) dan presepsi penggunaan akan

menyenangkan (ENJ) hanya mampu menjelaskan sebesar 0,0% sedangkan 100%

sisanya dijelaskan oleh variabel lain, sehingga dikatagorikan sebagai model yang

tidak baik karena untuk berinteraksi dengan komputer pengguna masih rendah di

Paguyuban UMKM Kendal Permai. Sedangkan variabel yang lain dapat

dikategorikan sebagai model yang baik karena dapat menjelaskan hubungan

antara variabel laten yang satu dengan variabel laten lainnya.

4.2 Uji Hipotesis

Tabel 5 Uji Hipotesis

Original

Sample

(O)

T Statistics

(|O/STDEV|)

Keterangan

Niat menggunakan (BI) -> Perilaku penggunaan(USE) 0.519 4.343 Diterima

Kemudahan penggunaan (PEOU) -> Niat

menggunakan (BI)

-0.025 0.158 Ditolak

Kemudahan penggunaan (PEOU) -> Kecemasan

penggunaan (CANX)

0.260 1.492 Ditolak

Kemudahan penggunaan (PEOU) -> Berinteraksi

dengan Komputer (CPLAY)

0.447 2.639 Diterima

Kemudahan penggunaan (PEOU) -> Keahlian

penggunaan (CSE)

0.265 1.262 Ditolak

Kemudahan penggunaan (PEOU) -> Kenikmatan

penggunaan (ENJ)

0.080 0.302 Ditolak

Kemudahan penggunaan (PEOU) -> Manfaat yang

dirasakan (PU)

0.163 1.039 Ditolak

Kemudahan penggunaan (PEOU) -> Presepsi kontrol

external (PEC)

0.207 1.086 Ditolak

Manfaat yang dirasakan (PU) -> Niat menggunakan

(BI)


Manfaat yang dirasakan (PU) -> Meningkatkan status

pengguna (IMG)

-0.071 0.460 Ditolak

Manfaat yang dirasakan (PU) -> Hubungan pekerjaan

(REL)


Manfaat yang dirasakan (PU) -> Kualitas hasil (OUT) 0.493 4.377 Diterima

Manfaat yang dirasakan (PU) -> Hasil yang dapat

diukur (RES)


Manfaat yang dirasakan (PU) -> Presepsi

melakukan/tidak (SN)


Tingkat sukarela (VOL) -> Niat menggunakan (BI) 0.139 0.734 Ditolak

Tingkat sukarela (VOL) -> Presepsi melakukan/ tidak

(SN)

0.129 0.488 Ditolak

Tabel 5 berisi hasil uji hipotesis. Uji hipotesis dilakukan dengan melihat t-

statistik dan Nilai Original Sample. Nilai t-statistik menunjukkan signifikansi

konstruk, sedangkan Nilai Original Sample menunjukkan sifat hubungan antar

konstruk (positif atau negatif). Pengujian hipotesis ini dilakukan dengan metode

Resampling bootstrapping. Suatu hubungan akan siignifikan apabila t statistik

lebih besar dari t tabel (t tabel signifikan 5% = 1,96) [12].

Berdasarkan tabel uji hipotesis diatas maka dapat dijelaskan sebagai berikut :

1) Niat penggunaan mempengaruhi perilaku sebenarnya menggunakan komputer

dengan nilai original sample positif dan memiliki hubungan yang signifikan

karena nilai t-statistik 4,343 lebih besar dari nilai t tabel signifikan 5% = 1,96.

2) Kemudahan penggunaan mempengaruhi niat penggunaan dengan memiliki

nilai original sample negatif dan juga tidak memiliki hubungan yang

signifikan karena nilai t-statistik 0,158 lebih kecil dari nilai t tabel signifikan

5% = 1,96.

3) Kemudahan penggunaan mempengaruhi kecemasan penggunaan dengan nilai

original sample positif tetapi tidak memiliki hubungan yang signifikan karena

nilai t-statistik 1,492 lebih kecil dari t tabel signifikan 5% = 1,96.

4) Kemudahan penggunaan mempengaruhi berinteraksi dengan komputer


karena nilai t-statistik 2,639 lebih besar dari t tabel signifikan 5% - 1.96

5) Kemudahan penggunaan mempengaruhi keahlian penggunaan dengan nilai

original sample positif tetapi tidak memiliki hubungan yang signifikan karena


6) Kemudahan penggunaan mempengaruhi kenikmatan penggunaan dengan

nilai original sample positif tetapi tidak memiliki hubungan yang signifikan

karena nilai t-statistik 0,302 lebih kecil dari t tabel signifikan 5% = 1,96.

7) Kemudahan penggunaan mempengaruhi manfaat yang dirasakan dengan nilai

original sample positif tetapi memiliki hubungan yang signifikan karena nilai

t-statistik 1,039 lebih kecil dari t tabel signifikan 5% = 1,96.

8) Kemudahan penggunaan mempengaruhi presepsi kontrol external dengan

nilai original sample positif tetapi tidak memiliki hubungan signifikan karena


9) Manfaat yang dirasakan mempengaruhi niat penggunaan dengan nilai

original sample positif dan memiliki hubungan yang signifikan karena nilai t-

statistik 2,131 lebih besar dari nilai t tabel signifikan 5% = 1,96.

10) Manfaat yang dirasakan mempengaruhi meningkatkan status pengguna

dengan nilai original sample negatif dan tidak memiliki hubungan yang

signifikan karena nilai t-statistik 0,460 lebih kecil dari t tabel signifikan 5% =

1,96.

11) Manfaat yang dirasakan mempengaruhi hubungan pekerjaan dengan nilai

original sample positif dan memiliki hubugan yang signifikan karena nilai t-

statistik 4,700 lebih besar dari t tabel signifikan 5% = 1,96.

12) Manfaat yng dirasakan mempengaruhi kualitas hasil dengan nilai original

sample positif dan memiliki hubungan yang signifikan karena nilai t-statistik

4,377 lebih besar dari t tabel signifikan 5% = 1,96.

13) Manfaat yang dirasakan mempengaruhi hasil yang dapat diukur dengan nilai

original sample positif dan memiliki hubungan yang signifikan karena nilai t-

statistik 3,978 lebih besar dari t tabel signifikan 5% - 1,96.

14) Manfaat yang dirasakan mempengaruhi perilaku melakukan atau tidak


karena nilai t-statistik 2,740 lebih besar dari t tabel signifikan 5% = 1,96.

15) Tingkat sukarela mempengaruhi niat penggunaan dengan nilai original

sample positif akan tetapi tidak memiliki hubungan yang signifikan karena


16) Tingkat sukarela mempengaruhi perilaku pengguna dengan nilai original

sample positif akan tetapi tidak memiliki hubungan yang signifikan karena


Berdasarkan nilai original sample maka diperoleh bahwa nilai tertinggi yang

mempengaruhi manfaat yang dirasakan (PU) adalah hubungan pekerjaan (REL)

yaitu sebesar 0,547. Hal tersebut menunjukan bahwa manfaat yang dirasakan

menggunakan komputer mempunyai pengaruh terhadap hubungan pekerjaan lebih

tinggi dari pada pengaruh manfaat yang dirasakan terhadap kualitas hasil (OUT)

0,493. Lebih lanjut, manfaat yang dirasakan (PU) dari 3 varibel yang

mempengaruhi secara langsung, yaitu hasil yang dirasakan (RES), perilaku

melakukan atau tidak (SN), dan niat menggunakan (BI). Niat menggunakan (BI)

mempengaruhi perilaku penggunaan (USE) yaitu sebesar 0,519. Sedangkan

original sample terkecil yaitu kemudahan penggunaan (PEOU) mempengaruhi

berinteraksi dengan komputer (CPLAY) yaitu sebesar 0,447. Hasil hipotesis ini

diterima, yang mengindikasikan bahwa UMKM Kendal apabila mereka merasa

penggunaan teknologi komputer memberikan manfaat bagi mereka, mereka pasti

menggunakannya.

Hasil yang didapatkan berdasarkan kemudahan penggunaan (PEOU)

mempengaruhi niat menggunakan (BI) hipotesis ini ditolak. Artinya, tingkat

penerimaan maupun penggunaan teknologi komputer di UMKM Kendal, tidak

dipengaruhi oleh kondisi yang mengfasilitasinya, sebagai contoh, ada tidaknya

seseorang yang membantu apabila mengalami kesulitan, tidak mempengaruhi

perilaku mereka untuk menggunakan teknologi komputer. Lebih lanjut,

kemudahan penggunaan (PEOU) dari 5 variabel yang dipengaruhi yaitu,

kecemasan penggunaan (CANX), keahlian penggunaan (CSE), kenikmatan

penggunaan (ENJ), manfaat yang dirasakan (PU), dan presepsi kontrol eksternal

(PEC). Artinya, tingkat penerimaan maupun penggunaan teknologi di UMKM

Kendal, tidak oleh lingkungan luar. Hal ini sejalan dengan penelitian Venkatesh et

al. [10] yang menyatakan bahwa social influence hanya akan berpengaruh apabila

penggunaan teknologi merupakan kewajiban yang harus dilakukan pengguna.

Oleh karenanya, dalam aktivitas para UMKM Kendal dimana penggunaan

komputer tidak diwajibkan, social influence tidak memiliki pengaruh yang

signifikan terhadap penggunaan teknologi komputer. Manfaat yang dirasakan

(PU) mempengaruhi meningkatkan status pengguna (IMG) hipotesis ditolak, hal

ini mengindikasikan bahwa ketika para UMKM Kendal sudah memiliki banyak

pengalaman dalam menggunakan teknologi komputer, maka tingkat penerimaan

terhadap teknologi baru akan meningkat. Tingkat sukarela (VOL) mempengaruhi

niat menggunakan (BI), juga mempengaruhi perilaku pengguna (SN) hipotesis ini

ditolak. Kesukarelaan tidak mempengaruhi para UMKM Kendal dalam

menggunakan teknologi komputer. Hal ini mengindikasikan bahwa suka ataupun

tidak, apabila penggunaan teknologi komputer memberikan manfaat bagi mereka,

mereka tetap akan menggunakannya.

Gambar 3 Model Akhir

Dari gambar model akhir diatas menggambarkan faktor-faktor yang

mempengaruhi tingkat penerimaan Teknologi Informasi pada Paguyuban UMKM

Kendal Permai yaitu niat penggunaan komputer (BI) mempengaruhi perilaku

sebenarnya menggunakan komputer (USE). Presepsi kemudahan dalam

penggunaan komputer (PEOU) memepengaruhi berinteraksi dengan komputer

(CPLAY). Presepsi manfaat dari penggunaan komputer (PU) juga

memepengaruhi hubungan pekerjaan (REL). Presepsi manfaat dari penggunaan

komputer (PU) mempengaruhi kualitas hasil (OUT). Presepsi manfaat dari

penggunaan komputer (PU) mempengaruhi hasil yang dapat diukur (RES).

Presepsi manfaat dari penggunaan komputer (PU) juga mempengaruhi presepsi

melakukan atau tidak suatu perilaku (SN).

5 Kesimpulan

Dari hasil penelitian ini dapat disimpulkan bahwa tingkat penerimaan

teknologi informasi di Paguyuban UMKM Kendal Permai dipengaruhi oleh niat

pengguna apabila mereka merasa penggunaan teknologi komputer memberikan

manfaat bagi mereka, mereka pasti menggunakannya.

Adapun temuan yang didalam penelitian ini yaitu adanya pandangan akan

manfaat, mendorong anggota-anggota UMKM Kendal Permai memanfaatkan

komputer didalam aktifitas pekerjaan mereka, adanya ketertarikan yang

mendorong untuk menggunakan komputer untuk menyelesaikan pekerjaan

mereka, adanya kecemasan takut atau enggan kemungkinan untuk menggunakan

komputer.

Berdasarkan hasil temuan maka dapat memberikan rekomendasi untuk

Paguyuban UMKM Kendal Permai yaitu tingkatkan pelatihan tentang

pemanfaatan teknologi infomasi sehingga memudahkan anggota-anggota UMKM

dalam penggunaan dan mengetahui manfaatnya untuk pekerjaan dengan demikian

dapat memberikan dorongan sikap dan niat untuk mengenal dan belajar

memanfaatkan teknologi informasi dalam lingkungan bisnis.

USE

PU

BI

PEOU CPLAY

REL

OUT

RES

SN

6. Daftar Pustaka

[1] Chuttur M.Y. 2009. Overview of the Technology Acceptance Model:

Origins, Developments and Future Directions, Indiana University, USA.

Sprouts: Working Papers on Information Systems, Vol.9, No.37.

[2] Wibowo. 2006. Kajian Tentang Perilaku Pengguna Sistem Informasi

Dengan Pendekatan Technology Acceptance Model (TAM). Universitas

Budi Luhur, Jakarta selatan.

[3] Devi & Wayan. 2014. Analisis Technology Acceptance Model (TAM)

Terhadap Penggunaan Sistem Informasi di Nusa Dua Neach Hotel & Spa. E-Jurnal Akuntansi Universitas Udayana 6.1 (2014):167-184.

[4] Mazzarol, T., Volery, T., Doss, N., dan Thein, V. 1999. Factors influencing

small business start-ups. International Journal of Entrepreneurial Behaviour

& research, 5(2),48-63.

[5] Wahid, Iswari. 2007. Adopsi Teknologi Informasi oleh Usaha Kecil dan

Menengah di Indonesia. Seminar Nasional Aplikasi Teknologi Informasi

2007 (SNATI 2007) Yogyakarta, 16 Juni 2007.

[6] Muzenda. 2014. A Conceptual Model of the Determinants of Performance

of Tourism Sector Small and Medium Enterprises (SMEs). International

Journal of Business and Management Invention. Volume 3 Issue 1ǁ January.

2014ǁ PP.30-35.

[7] Yamin, S. Dan Kurniawan, H. 2009. Struktural equation modeling: belajar

lebih mudah teknik analisis data kuesioner dengan LISREL-PLS. Jakarta:

Salemba Infotek.

[8] Yanuarto E, Rahab, Kumorohadi, Untung. 2012. Peran Kapabilitas Inovasi

Terhadap Perbaikan Produk Usaha Kecil Menengah (UKM) Dengan

Tekanan Lingkungan Dan Ukuran Perusahaan Sebagai Variabel Moderasi

(Studi Pada UKM di Kabupaten Purbalingga). Performance Vol. 16 No.2 –

Sept 2012.

[9] Davis, F. D. 1989. Perceived usefulness, perceived ease of use, and user

acceptance of information technology, MIS Quarterly 13 (3): 319–340.

[10] Venkatesh. 2008. Technology Acceptance Model 3 and a Research Agenda

on Interventions. Journal compilation. Decision Sciences Volume 39

Number 2 May 2008.

[11] Ghozali, Imam. 2008. Structural Equation Modeling Metode Alternatif

dengan PLS, edisi kedua. Semarang. UNDIP

[12] Hendri. M. Bekti. D. R, Marpaung. H., 2012. Metode Partial Least Squares

Untuk Menganalisis Pertumbuhan Ekonomi Di Pulau Kalimantan Berbasis

Desktop Application.

[13] Charismawati D.C., 2011. Analisis Hubungan Antara Love Of Money

Dengan Persepsi Etika Mahasiswa Akuntansi.

[14] Sayyida, A. Anekawati, 2012. Penggunaan Analisis Structural Equation

Modelling (SEM) dalam Mengidentifikasikan Pengaruh Variabel Moderasi

Struktur Desentralisasi Terhadap Hubungan Partisipasi Dalam Penyusunan

Anggaran dan Kinerja Manajerial SKPD di Kabupaten Sumenep, ISBN.

978-602-19681-1-6

http://www.researchgate.net/publication/279490407_Adopsi_Teknologi_Informasi_oleh_Usaha_Kecil_dan_Menengah_di_Indonesia

http://www.researchgate.net/publication/279490407_Adopsi_Teknologi_Informasi_oleh_Usaha_Kecil_dan_Menengah_di_Indonesia

artikel ilmiah - repository.uksw.edu...salah satu faktor yang cukup berperan penting untuk...

Documents