SKRIPSI KEBERHASILAN PENGGUNAAN COMMUTER VENDING...
Transcript of SKRIPSI KEBERHASILAN PENGGUNAAN COMMUTER VENDING...
SKRIPSI
KEBERHASILAN PENGGUNAAN COMMUTER VENDING MACHINE
PADA SISTEM TIKET ELEKTRONIK KERETA REL LISTRIK
COMMUTER LINE JABODETABEK
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh :
MILLAH PRATIWI
1113093000105
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M /1439 H
SKRIPSI
KEBERHASILAN PENGGUNAAN COMMUTER VENDING MACHINE
PADA SISTEM TIKET ELEKTRONIK KERETA REL LISTRIK
COMMUTER LINE JABODETABEK
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Disusun Oleh :
MILLAH PRATIWI
1113093000105
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M /1439 H
SKRIPSI
KEBERHASILAN PENGGUNAAN COMMUTER VENDING MACHINE
PADA SISTEM TIKET ELEKTRONIK KERETA REL LISTRIK
COMMUTER LINE JABODETABEK
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Oleh :
MILLAH PRATIWI
1113093000105
PROGRAM STUDI SISTEM INFORMASI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH
JAKARTA
2018 M /1439 H
i
LEMBAR PENGESAHAN SKRIPSI
KEBERHASILAN PENGGUNAAN COMMUTER VENDING MACHINE
PADA SISTEM TIKET ELEKTRONIK KERETA REL LISTRIK
COMMUTER LINE JABODETABEK
Disusun Oleh :
MILLAH PRATIWI
1113093000105
Menyetujui,
Dosen Pembimbing I
A’ang Subiyakto, P.hd
NIP. 19760219 200710 1 002
Dosen Pembimbing II
Meinarini Catur Utami, MT
NIP. 197805052 011012 009
Mengetahui,
Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta
Nia Kumaladewi, MMSI
NIP. 19750412 200710 2 002
ii
PENGESAHAN UJIAN
Skripsi yang berjudul Keberhasilan Penggunaan Commuter Vending Machine
Pada Sistem Tiket Elektronik Kereta Rel Listrik Commuter Line Jabodetabek
telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan
Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada hari Jumat
tanggal 14 Desember 2018. Skripsi ini telah diterima sebagai salah satu syarat untuk
memperoleh gelar Sarjana Strata Satu (S1) Program Studi Sistem Informasi.
Menyetujui,
Dosen Penguji I
Nur Aeni Hidayah, MMSI
NIP. 19750818 200501 2 008
Dosen Penguji II
Elvi Fetrina, MIT
NIP. 19740625 200901 2 005
Dosen Pembimbing I
A’ang Subiyakto, Ph.D
NIP. 19760219 200710 1 002
Dosen Pembimbing II
Meinarini Catur Utami, MT
NIP. 197805052 011012 009
Mengetahui,
Dekan Fakultas Sains dan Teknologi
Dr. Agus Salim, M.SI
NIP. 19720816 199903 1 003
Ketua Prodi Sistem Informasi
Nia Kumaladewi, MMSI
NIP. 19750412 200710 2 002
iii
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, Desember 2019
MILLAH PRATIWI
1113093000105
iv
ABSTRAK
Millah Pratiwi – 1113093000105, Keberhasilan Penggunaan Commuter Vending
Machine Pada Sistem Tiket Elektronik Kereta Rel Listrik Commuter Line
Jabodetabek di bawah bimbingan Aang Subiyakto dan Meinarini Catur Utami.
Sebagai salah satu perusahaan yang bergerak di bidang jasa, PT Kereta Commuter
Indonesia melakukan beberapa perbaikan pelayanan untuk meningkatkan kepuasan
konsumen. Satu diantaranya yaitu dengan menerapkan fasilitas Commuter Vending
Machine (C-VIM), yang merupakan fasilitas mesin penjual tiket elektronik (e-
ticket) commuter line otomatis yang diterapkan dengan tujuan untuk mengganti
loket konvesional sehingga diharapkan mampu mempercepat proses pembelian e-
ticket dan mengurangi durasi waktu mengantri. Dalam hal ini, peneliti tertarik untuk
melakukan pengukuran terkait keberhasilan penggunaan C-VIM. Tujuan penelitian
ini yaitu untuk mengetahui tingkat keberhasilan dari penggunaan C-VIM dan
mengetahui faktor-faktor yang mempengaruhi keberhasilan penggunaan C-VIM.
Metode penelitian ini menggunakan model keberhasilan SI Subiyakto et al. (2016)
dengan pendekatan kuantitatif dan penyebaran kuesioner untuk memperoleh data
dari responden. Penyebaran kuesioner dilakukan secara online dan offline dengan
teknik pengumpulan sampel menggunakan teknik simple random sampling dan
penentuan jumlah minimum sampel menggunakan rumus slovin. Selanjutnya data
yang diperoleh dianalisis dengan menggunakan Ms. Exel 2016 dan dengan
pendekatan PLS-SEM menggunakan SmartPLS 3.0. Hasil dari penelitian ini adalah
bahwa penggunaan C-VIM telah berhasil diterapkan. Dari 20 hipotesis yang diuji,
empat diantaranya ditolak. Sehingga faktor-faktor yang mempengaruhi
keberhasilan penggunaan C-VIM yaitu konteks pekerjaan pengguna, orang dan
tindakannya dan konten sistem secara tidak langsung berpengaruh terhadap
keberhasilan penggunaannya. Kualitas informasi, kualitas sistem dan kualitas
layanan berpengaruh terhadap keberhasilan penggunaannya melalui penggunaan
sistem dan kepuasan Pengguna. Penggunaan sistem dan kepuasan pengguna
berpengaruh terhadap keberhasilan penggunaannya secara langsung
Kata Kunci : C-VIM, Keberhasilan Sistem, Model Keberhasilan SI, PLS-SEM.
BAB 1-5 + 120 Halaman + xiv Halaman + 18 Gambar + 13 Tabel + Daftar Pustaka
+ Lampiran
Pustaka Acuan (49, 1992-2018)
v
KATA PENGANTAR
Assalamu’alaikum Warahmatullahi Wabarokatuh
Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan
karunia-Nya sehingga peneliti dapat menyelesaikan skripsi ini dengan baik.
Shalawat serta salam tak lupa selalu tercurahkan kepada junjungan Nabi besar
Muhammad SAW yang telah memberikan tuntunan dan petunjuk kepada umat
manusia menuju kehidupan dan peradaban, serta para keluarga dan para sahabat
Nabi.
Peneliti menyadari bahwa dalam pembuatan skripsi ini masih banyak
kekurangan. Hal ini semata-mata karena kurangnya pengetahuan dan pengalaman
yang dimiliki peneliti. Namun demikian peneliti berharap skripsi ini dapat
memenuhi syarat dalam memperoleh gelar Sarjana Strata Satu (S1) dalam bidang
Sistem Informasi dari Fakultas Sains dan Teknologi UIN Syarif Hidayatullah
Jakarta.
Skripsi yang berjudul “Keberhasilan Penggunaan Commuter Vending
Machine Pada Sistem E-Ticket Kereta Rel Listrik Commuter Line
Jabodetabek” akhirnya dapat diselesaikan sesuai yang diharapkan. Selama skripsi
ini tentunya terdapat banyak kesulitan dan hambatan yang dihadapi, baik dalam
pengumpulan data dan lain sebagainya. Namun berkat bantuan dari berbagai pihak,
kesulitan tersebut dapat diatasi. Kebahagiaan yang tak ternilai secara pribadi
dipersembahkan kepada kedua orang tua, seluruh keluarga, sahabat, dan pihak-
pihak yang telah ikut andil dalam penyelesaian skripsi ini.
vi
Sebagai bentuk penghargaan, izinkan peneliti menuangkan dalam bentuk
ucapan terima kasih 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 Universitas Islam Negeri Syarif Hidayatullah.
3. Bapak Aang Subiyakto, M.Kom sebagai Dosen Pembimbing I dan Ibu
Meinarini Catur Utami, MT sebagai Dosen Pembimbing II yang tidak pernah
lelah dan bosan untuk membimbing, memotivasi, dan mengingatkan peneliti
selalu untuk segera menyelesaikan skripsi ini. Peneliti mengucapkan banyak
terima kasih untuk waktu, tenaga, dukungan, arahan, saran, dan kritik yang
membangun dalam pembuatan skripsi ini, sehingga skripsi dapat diselesaikan
dengan baik.
4. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu
kepada penulis selama perkuliahan.
5. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak
membantu penulis dalam perkuliahan, terutama dalam menyelesaikan
administrasi yang berkaitan dengan skripsi.
6. Bapak Aluwi, S.Pd dan Ibu Partiniati selaku orang tua tercinta yang selalu
berjuang sekuat tenaga agar penulis dapat menjadi orang yang sukses dan
berpendidikan tinggi. Terima kasih atas segala do’a, nasihat, motivasi, dan
waktumu yang sangat berarti, berharap agar peneliti dapat menjadi seseorang
yang lebih baik lagi, dan kuat dalam menjalani kehidupan serta dapat menjadi
vii
anak yang dapat dibanggakan. Terima kasih telah menyayangiku dengan
segala kekurangan yang ada. Tanpamu, hidupku takkan berarti.
7. M. Fuadi, M. Faqih dan M. Fatan Al-Akhyar selaku adik-adik yang
membagakan, yang selalu menyayangi dan mendukung peneliti sampai
selesainya skripsi ini.
8. Vidya, Rida, dan Irna yang selalu menemani saat proses pengerjaan skripsi.
Dea, Indria)ni, Okto dan Anjar yang selalu baik hati menolong peneliti dalam
proses pengerjaan skripsi. Ka Rizki, Mader, Imas, Fitriah, Ayu, Fia, Siska,
Dimas, Lisa, Qonita, Irul, Fahmi, Falah, Eko, Arya, Nisa, Cici, Rinal, Dhoni,
Arkom, Dijah, Ari yang selalu memberikan dukungan kepada peneliti dalam
menyelesaikan skripsi.
9. Seluruh teman-teman seperjuangan Sistem Informasi 2013, terima kasih
untuk kebersamaannya selama ini. Terima kasih telah membantu dan
memotivasi penulis untuk bisa menyelesaikan skripsi ini.
Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan
bimbingan dari semua pihak dibalas pahala yang berlipat-lipat. Selain itu, penulis
menyadari penyusunan skripsi ini masih terdapat kekurangan dan jauh dari kata
sempurna sehingga saran dan kritik dapat disampaikan melalui
[email protected]. Akhir kata, semoga penelitian ini dapat
memberikan manfaat dan sekaligus menambah ilmu bagi kita semua. Amiiin yaa
Rabbal Alamin.
Wassalamu’alaikum Warahmatullahi Wabarakatuh
viii
Jakarta, Desember 2018
Millah Pratiwi
1113093000105
ix
DAFTAR ISI
LEMBAR PENGESAHAN SKRIPSI ..................................................................... i
PENGESAHAN UJIAN ......................................................................................... ii
PERNYATAAN ..................................................................................................... iii
ABSTRAK ............................................................................................................. iv
KATA PENGANTAR ............................................................................................ v
DAFTAR ISI .......................................................................................................... ix
DAFTAR GAMBAR ........................................................................................... xiii
DAFTAR TABEL ................................................................................................ xiv
BAB I ...................................................................................................................... 1
PENDAHULUAN .................................................................................................. 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Identifikasi Masalah ................................................................................. 9
1.3 Perumusan Masalah .................................................................................. 9
1.4 Tujuan dan Sasaran ................................................................................ 10
1.5 Ruang Lingkup dan Batasan ................................................................... 10
1.6 Metodologi Penelitian ............................................................................ 11
1.7 Pertanyaan Penelitian ............................................................................. 13
1.8 Manfaat Penelitian .................................................................................. 15
1.9 Sistematika Penulisan ............................................................................. 16
BAB II ................................................................................................................... 18
KAJIAN PUSTAKA ............................................................................................. 18
x
2.1 Pengukuran Keberhasilan Sistem Informasi .......................................... 18
2.1.1 Definisi Pengukuran ........................................................................ 18
2.1.2 Definisi Keberhasilan ...................................................................... 18
2.1.3 Definisi Sistem Informasi ............................................................... 18
2.1.4 Teori Model Pengukuran Keberhasilan Sistem Informasi Delone dan
Mclean ………………………………………………………………..........19
2.1.5 Model Keberhasilan Proyek SI ....................................................... 26
2.1.6 Teori Pekerjaan ............................................................................... 31
2.2 Commuter Vending Machine .................................................................. 32
2.2.1 Definisi Vending Machine............................................................... 32
2.2.2 Definisi Commuter Vending Machine ............................................. 33
2.2.3 Definisi Smart Card ........................................................................ 37
2.2.4 Definisi E-Ticket ............................................................................. 38
2.3 Metode Kuantitatif dalam Penelitian ...................................................... 39
2.3.1 Metode Pengumpulan Data ............................................................. 40
2.4 Populasi dan Teknik Sampling ............................................................... 41
2.4.1 Probability sampling ....................................................................... 42
2.4.2 Nonprobability sampling ................................................................. 43
2.5 Skala Likert ............................................................................................ 44
2.6 Partial Least Square Structural Equation Modelling (PLS – SEM) ...... 45
2.7 SmartPLS ................................................................................................ 51
2.8 Penelitian Sejenis ................................................................................... 52
BAB III ................................................................................................................. 55
xi
METODOLOGI PENELITIAN ............................................................................ 55
3.1 Pendekatan Penelitian ............................................................................. 55
3.2 Pengembangan Model dan Hipotesis Penelitian .................................... 55
3.2.1 Pengembangan Hipotesis Penelitian ............................................... 59
3.3 Prosedur Penelitian ................................................................................. 64
3.4 Populasi dan Sampel Penelitian ............................................................. 65
3.5 Instrumen Penelitian ............................................................................... 66
3.6 Pengumpulan dan Pemrosesan Data ....................................................... 68
3.7 Analisis Data dan Interpretasi hasilnya .................................................. 69
BAB IV ................................................................................................................. 71
HASIL ANALISIS DAN INTERPRETASI ......................................................... 71
4.1 Gambaran Umum Perusahaan ................................................................ 71
4.1.1 Sejarah Berdirinya PT Kereta Commuter Indonesia ....................... 71
4.1.2 Visi dan Misi PT Kereta Commuter Indonesia ............................... 73
4.1.3 Struktur Organisasi ......................................................................... 74
4.2 Perhitungan Rumus Slovin ..................................................................... 74
4.3 Hasil Analisis ......................................................................................... 75
4.2.1 Hasil Analisis Demografis .............................................................. 75
4.2.2 Hasil Analisis Pengukuran Model (Outer Mode) ........................... 79
4.2.3 Hasil Analisis Model Struktural (Inner Model) .............................. 89
4.4 Interpetasi dan Diskusi Hasil Analisis .................................................... 96
4.3.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis............... 96
xii
4.3.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran (Outer
Model) ……………………………………………………………………..99
4.3.3 Interpretasi dan Diskusi Hasil Analisis Model Struktural (Inner
Model) ……………………………………………………………………100
BAB V ................................................................................................................. 111
KESIMPULAN DAN SARAN ........................................................................... 111
5.1 Kesimpulan ........................................................................................... 111
5.2 Saran ..................................................................................................... 112
DAFTAR PUSTAKA ......................................................................................... 114
LAMPIRAN
xiii
DAFTAR GAMBAR
Gambar 1.1 Rata-rata Kenaikan KRL Jabodetabek Rata-Rata Per-Tahun ............. 1
Gambar 1.2 Model Pengukuran Keberhasilan SI (diadopsi dari Subiyakto et al.,
2016) ..................................................................................................................... 13
Gambar 2.1 Model Keberhasilan SI (Delone dan McLean, 1992) ....................... 20
Gambar 2.2 Model Keberhasilan SI (Delone dan McLean, 2003) ....................... 25
Gambar 2.3 Model Pengukuran Keberhasilan Proyek SI Berdasarkan Model IPO
(Subiyakto dan Ahlan, 2014) ................................................................................ 28
Gambar 2.4 Revisi Model Pengukuran Keberhasilan Proyek SI (Subiyakto et al.,
2016) ..................................................................................................................... 31
Gambar 2.5 Commuter Vending Machine di Stasiun KRL ................................... 33
Gambar 2.6 C-VIM Jenis KMT (kiri) dan Jenis THB (kanan) ............................. 34
Gambar 3.1 Model Keberhasilan SI ...................................................................... 56
Gambar 3.2 Prosedur Penelitian ............................................................................ 65
Gambar 4.1 Struktur Organisasi PT. KCJ ............................................................. 74
Gambar 4.2 Diagram Lingkaran Jenis Kelamin Ressponden ............................... 75
Gambar 4.3 Diagram Lingkaran Pendidikan Akhir Responden ........................... 76
Gambar 4.4 Diagram Lingkaran Status Pekerjaan Responden ............................. 77
Gambar 4.5 Diagram Lingkaran Usia Responden ................................................ 77
Gambar 4.6 Diagram Lingkaran Tingkat Intensitas Penggunaan C-VIM ............ 78
Gambar 4.7 Diagram Lingkaran Tingkat Keberhasilan Penggunaan C-VIM....... 79
Gambar 4.8 Hasil Analisis Path Coefficient ......................................................... 90
xiv
DAFTAR TABEL
Tabel 2.1 Penelitian Sejenis .................................................................................. 52
Tabel 3.1 Daftar Indikator ..................................................................................... 64
Tabel 3.2 Indikator dan Butir Pernyataan Pengujian ............................................ 67
Tabel 4.1 Hasil Awal Pengujian Loading Factor menggunakan SmartPLS ........ 80
Tabel 4.2 Hasil Pengujian Loading factor Setelah Penghapusan Indikator .......... 81
Tabel 4.3 Hasil Pengujian Composite Reliability ................................................. 82
Tabel 4.4 Hasil Pengujian Average Variance Extracted (AVE) ........................... 83
Tabel 4.5 Hasil Pengujian Discriminant Validity (Cross Loading) ...................... 84
Tabel 4.6 Hasil Pengujian Discriminant Validity (Cross Loading Fornel Lacker’s)
............................................................................................................................... 85
Tabel 4.7 Hasil Analisis Pengukuran Model ........................................................ 87
Tabel 4.8 Hasil Pengujian Jalur Koefisien menggunakan SmartPLS 3. ............... 89
Tabel 4.9 Hasil Pengujian Coefficiennt of Determination (𝑅2) ............................ 91
Tabel 4.10 Hasil Analisis Struktur Model ............................................................ 94
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Berdasarkan catatan Badan Pusat Statistik (BPS) tahun 2018, kenaikan
penumpang kereta api Jabodetabek rata-rata pertahun dari tahun 2013-2018
masing-masing yaitu 31,56 persen, 23,52 persen, 8,95 persen, 12,57 persen, dan
4,68 persen. Dengan jumlah rata-rata penumpang tahun 2018 dihitung hanya
sampai bulan Maret.
Gambar 1.1 Rata-rata Kenaikan KRL Jabodetabek Rata-Rata Per-Tahun
Sumber: www.bps.com
0
5000
10000
15000
20000
25000
30000
Tahun 2013 Tahun 2014 Tahun 2015 Tahun 2016 Tahun 2017 Tahun 2018
13206,9
17374,7
21460,923382,4
26321,227553,3
Rata-rata
2
Kereta api Jabodetabek dikelola dan disediakan oleh PT Kereta Commuter
Indonesia (KCI) dan merupakan salah satu anak perusahaan di lingkungan PT KAI
Persero, yang bertanggung jawab menyediakan transportasi kereta api di wilayah
Jakarta, Bogor, Depok, Tangerang, dan Bekasi (Jabodetabek). Sebagai salah satu
perusahaan yang bergerak di bidang jasa, PT KCI telah melakukan beberapa
perbaikan pelayanan untuk meningkatkan kepuasan konsumen diantaranya yaitu
menambah gerbong kereta, menambah jumlah jadwal pemberangkatan kereta,
menyediakan gerbong khusus wanita, mengganti tiket kertas menjadi tiket
elektronik (e-ticket) diantaranya Tiket Harian Berjalan (THB) dan Kartu Multi Trip
(KMT), menambah petugas kereta api, perluasan kawasan parkir, renovasi toilet
dan mushola, penggusuran kios-kios untuk memperluas peron stasiun, serta
perpanjangan peron stasiun (Ardi, Mariam, & Widhi, 2016).
Dalam menghadapi kenaikan penumpang, salah satu upaya yang paling
ditekankan dalam meningkatkan kualitas pelayanan pelanggan yaitu penerapan
teknologi e-ticket sebagai pengganti dari sistem pembayaran tiket manual. E-ticket
adalah salah satu cara untuk mendokumentasikan proses penjualan dari aktivitas
perjalanaan pengguna tanpa mengeluarkan dokumen secara fisik ataupun paper
ticket. Semua informasi mengenai e-ticket disimpan secara digital dalam sistem
komputer (Faizal & Nursusanto, 2010).
Penggunaan layanan sistem e-ticket memiliki banyak dampak signifikan
dalam kemajuan sistem transformasi KRL commuter line Jabodetabek. E-ticket
merupakan upaya modernisasi, mulai dari modernisasi sistem yang akan
berpengaruh pada perilaku modern dari masyarakat. Diantaranya, terjadi
3
otomatisasi dalam pelayanan yang dilakukan oleh penumpang baik saat masuk
maupun keluar stasiun. Kedua, berkaitan dengan mekanisme penerapan tarif yang
dibebankan dalam e-ticket berdasarkan jumlah stasiun yang dilewati, hal ini
memudahkan penumpang dalam menghitung biaya perjalanan. Ketiga, berkaitan
dengan keleluasaan penumpang selama perjalanan (Rahadi & Budi, 2014).
Selain penerapan e-ticket, PT KCI juga terus melakukan inovasi dalam
memberikan kualitas pelayanan terbaik kepada para penumpang terutama dalam
penggunaan teknologi. Dan untuk mendukung terlaksananya penerapan e-ticket
yang lebih baik PT KCI melengkapinya dengan memanfaatkan teknologi mesin
penjualan tiket yaitu Commuter Vending Machine (C-VIM) yang dilengkapi dengan
layar sentuh.
C-VIM adalah mesin yang dapat melayani pembelian tiket commuter line
secara mandiri. Mesin ini hanya bisa digunakan untuk Tiket Harian Berjalan (THB)
dan Kartu Multi Trip (KMT) yang dikeluarkan resmi oleh PT KCI (Afni & Akil,
2017). C-VIM adalah fasilitas mesin penjual e-ticket otomatis yang diterapkan
dengan tujuan untuk mengganti loket konvesional yaitu loket yang langsung
dilayani oleh petugas, sehingga diharapkan akan mampu mempercepat proses
pembelian e-ticket dan mengurangi durasi waktu mengantri (Ardi et al., 2016)
Berdasarkan data PT KCI tahun 2018, dari 79 stasiun yang berada di
wilayah Jabodetabek terdapat 40 stasiun yang sudah memiliki C-VIM dengan
jumlah C-VIM sebanyak 66 buah untuk pembelian THB dan 94 buah untuk
pembelian KMT.
4
Tabel 1.1 Data C-VIM PT KCI Tahun 2018
No Sta Stasiun THB KMT
1 BOO BOGOR 12 4
2 THB TANAHABANG 2 1
3 SUD SUDIRMAN - 2
4 BKS BEKASI - -
5 BJD BOJONGGEDE - 1
6 DPB DEPOKBARU 5 3
7 CTA CITAYAM 4 2
8 JAK JAKARTAKOTA - -
9 TEB TEBET 4 4
10 GDD GONDANGDIA 2 2
11 DP DEPOK - 1
12 CKI CIKINI 2 2
13 POC PONDOKCINA - 2
14 PSM PASARMINGGU 3 3
15 MRI MANGGARAI - 2
16 DRN DURENKALIBATA 2 2
17 SDM SUDIMARA 2 2
18 CLT CILEBUT 5 4
19 CW CAWANG - -
20 JUA JUANDA 3 3
21 UI UNIV.INDONESIA 2 4
22 KRI KRANJI 2 3
23 PLM PALMERAH 2 2
24 JNG JATINEGARA 2 2
25 LNA LENTENGAGUNG - 1
26 TNT TANJUNGBARAT 4 6
27 TNG TANGERANG - -
28 KBY KEBAYORAN - -
29 RU RAWABUNTU - 8
30 SW SAWAHBESAR - 2
31 PDJ PONDOKRANJI - 4
32 KAT KARET - -
33 DU DURI - -
34 CUK CAKUNG - -
35 PRP PARUNGPANJANG - -
36 KLDB KLENDERBARU - -
37 MGB MANGGABESAR - -
38 JAY JAYAKARTA - -
39 SRP SERPONG - -
40 KPB KAMPUNGBANDAN - -
41 PI PORIS - 1
42 KLD KLENDER - -
43 KMO KEMAYORAN - -
44 UP UNIV.PANCASILA - -
45 JMG JURANGMANGU - -
46 BUA BUARAN - 1
47 PSG PESING - -
48 PSE PASARSENEN - -
49 PSMB PASARMINGGUBARU - -
50 RW RAWABUAYA - -
5
Tabel 1.1 Data C-VIM PT KCI Tahun 2018 (Lanjutan)
51 CSK CISAUK - -
52 KDS KALIDERES - 1
53 BPR BATUCEPER 4 2
54 RJW RAJAWALI - 2
55 KMT KRAMAT - -
56 GST GANGSENTIONG - -
57 TGS TIGARAKSA - -
58 CC CICAYUR 4 2
59 POK PONDOKJATI - 2
60 BOI BOJONGINDAH - -
61 CBN CIBINONG - 2
62 NMO NAMBO - -
63 TEJ TENJO - -
64 MJ MAJA - -
65 CJT CILEJIT - -
66 DAR DARU - -
67 GRG GROGOL - 2
68 TKO TAMANKOTA - -
69 TTI TANAHTINGGI - -
70 CKY CIKOYA - 1
71 TPK TANJUNGPRIoK - 1
72 AC ANCOL - -
73 AK ANGKE - -
74 CTR CITERAS - -
75 RK RANGKASBITUNG - 1
76 BKT BEKASI TIMUR - 2
77 TB TAMBUN - -
78 CBT CIBITUNG - -
79 CKR CIKARANG - 2
Total 66 94
Namun demikian, karena pemanfaatan teknologi C-VIM ini masih
tergolong baru, berdasarkan wawancara yang dilakukan kepada 13 penumpang
KRL commuter line sebagian besar penumpang mengatakan lebih memilih
membeli e-ticket melalui loket dari pada menggunakan C-VIM, karena prosesnya
cepat dan mudah, langsung dilayani oleh petugas. Adapun dalam penggunaan C-
VIM banyak yang belum terbiasa, dan sering terjadi error, seperti respon mesinnya
lama, uang yang tidak bisa masuk ke dalam mesin, dan kembalian yang keluar tidak
sesuai, juga nominal uang yang dibatasi dalam melakukan transaksi menggunakan
6
C-VIM, sehingga mengharuskan penumpang untuk menukarkan uangnya dahulu
jika nominal uang yang dimiliki melebihi batas yang ditentukan.
Selain itu, berdasarkan observasi yang dilakukan peneliti di stasiun Pondok
Ranji, rata-rata waktu yang diperlukan penumpang untuk membeli e-ticket melalui
loket dan C-VIM dengan perhitungan menggunakan stopwatch dengan sampel
masing-masing 20 orang yaitu rata-rata waktu pembelian e-ticket dengan loket 10
detik (dibulatkan) dan rata-rata waktu pembelia e-ticket dengan C-VIM 31 detik
(dibulatkan).
Tabel 2.1 Rata-rata Waktu Pembelian E-Ticket
No Waktu (per-detik)
Loket C-VIM
1 9 27
2 12 42
3 10 22
4 9 31
5 8 20
6 11 22
7 9 44
8 12 33
9 10 27
10 9 34
11 13 22
12 9 35
13 10 41
14 8 37
15 11 34
16 8 36
17 10 28
18 8 33
19 12 27
20 11 33
Rata-rata 9,95 31,4
Dari uraian permasalahan tersebut, peneliti melihat beberapa literature
sejenis, sebagai referensi yang berkaitan dengan penelitian yang dikerjakan oleh
peneliti. Diantaranya, penelitian dengan judul Pengaruh Kualitas Pelayanan pada
7
Fasilitas dan Petugas Commuter Line Ticket Vending Machine (C-VIM) Terhadap
Kepuasan Konsumen PT KAI Commuter Jabodetabek di Stasiun Pondok Cina,
ditulis oleh Ardhi, Firdha Fany. Mariam, Iis dan Widhi, Ni Made tahun 2016.
Dimana dengan diterapkannya fasilitas e-ticket dan C-VIM pada stasiun kereta,
peneliti melakukan penelitian dengan tujuan untuk mengetahui pengaruh kualitas
pelayanan pada fasilitas dan petugas C-VIM terhadap kepuasan konsumen PT KAI
Commuter Jabodetabek di Stasiun Pondok Cina. Dengan pengumpulan data
dilakukan dengan menggunakan kuesioner yang dibagikan kepada 100 responden.
Metode penelitian yang digunakan yaitu penelitian survei yang merupakan salah
satu bagian dari pendekatan penelitian kuantitatif dan teknik analisis data yang
digunakan adalah teknik statistik inferensial parametris. Hasil analisis data yang
diperoleh adalah kualitas pelayanan pada fasilitas dan petugas C-VIM berpengaruh
positif dan signifikan terhadap kepuasan konsumen PT KAI Commuter Jabodetabek
di Stasiun Pondok Cina, namun masih terdapat beberapa penumpang yang belum
puas terhadap fisik dari C-VIM.
Literatur lainnya dengan judul Analisis Tingkat Kepuasan Pengguna
Commuter Line Terhadap Commuter Vending Machine dengan Metode Technology
Acceptance Model pada PT KAI Commuter Jabodetabek, ditulis oleh Afni, Nurul
dan Akil, Ibnu tahun 2017. Dimana dengan perkembangan teknologi, ikut
mempengaruhi cara pembelian tiket kereta. Yang awalnya pembelian tiket
dilakukan melalui loket yang dilayani oleh petugas, pada perkembangannya
sekarang pembelian tiket dapat dilakukan melalui C-VIM yaitu mesin penjual tiket
otomatis yang langsung dilayani oleh mesin. Namun, dalam pelaksanaannya
8
penggunaan C-VIM masih belum optimal karena mesin masih dalam proses
sosialisasi. Dimana fenomena yang terjadi adalah masih ada beberapa penumpang
KRL commuter line yang kurang berminat dan tertarik menggunakannya,
dikarenakan mereka masih menganggap C-VIM masih terlalu rumit dan
membingungkan bila dibandingkan dengan pembelian e-ticket di loket. Sehingga
dibuatnya penelitian untuk menentukan kepuasan pengguna jasa KRL commuter
line terhadap penggunaan C-VIM dengan pengumpulan data dilakukan
menggunakan kuesioner yang dibagikan kepada 97 responden di Stasiun Citayam
dan menggunakan metode Technology Acceptance Model sebagai model untuk
pengukurannya. Dengan menggunakan Technology Acceptance Model dan
Software SPSS dalam penelitian ini, maka diambil kesimpulan bahwa C-VIM sudah
cukup diterima dan berpengaruh positif oleh para penggunanya.
Dari permasalahan diatas, peneliti tertarik untuk melakukan penelitian
terkait keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter line
Jabodetabek. Yang mana tidak hanya menggambarkan keberhasilan sistem dari
dimensi penggunaan produk atau sistem yang berfokus pada tingkat kepuasan
penggunaan sistem, melainkan menggambarkan keberhasilan sebuah sistem dalam
tiga dimensi, yaitu keberhasilan dari manajemen proyek, penggunaan produk, dan
pengaruhnya kepada organisasi pemilik proyek (A’ang Subiyakto, Ahlan, Kartiwi,
& Putra, 2017). Untuk mengukur keberhasilan sistem tersebut, judul dari penelitian
ini adalah “Keberhasilan Penggunaan Commuter Vending Machine Pada
Sistem Tiket Elektronik Kereta Rel Listrik Commuter Line Jabodetabek”.
9
1.2 Identifikasi Masalah
Berdasarkan latar belakang permasalahan diatas, peneliti mengidentifikasi
beberapa permasalahan sebagai berikut :
1) Belum pernah dilakukan pengukuran keberhasilan penggunaan C-VIM pada
sistem e-ticket KRL commuter line Jabodetabek.
2) Penggunaan C-VIM yang masih kurang efektif dimana waktu pembelian e-
ticket melalui C-VIM lebih lama dibandingkan pembeliannya melalui loket,
apalagi antrian yang terjadi pada setiap jam sibuk membuat tingkat efisiensi
penggunaan C-VIM diragukan.
3) Belum diketahui faktor apa saja yang berpengaruh terhadap tingkat
keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter line
Jabodetabek.
1.3 Perumusan Masalah
Berdasarkan identifikasi masalah diatas, bahwa belum pernah dilakukannya
pengukuran keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter
line Jabodetabek dikarenakan pengunaan sistem tersebut yang masih baru
diterapkan pada peron-peron kereta api Jabodetabek. Sehingga perlu di lakukan
penelitian untuk mengetahui sejauh mana tingkat keberhasilan penggunaan sistem
tersebut dan faktor apa saja yang dapat mempengaruhi keberhasilan dari
penggunaan sistem itu sendiri.
10
1.4 Tujuan dan Sasaran
Berdasarkan uraian yang telah dijelaskan dalam sub bab latar belakang
sebelumnya, penelitian ini dilakukan dengan tujuan untuk :
1) Mengetahui tingkat keberhasilan penggunaan C-VIM pada sistem e-ticket
KRL commuter line Jabodetabek.
2) Mengetahui faktor-faktor yang mempengaruhi keberhasilan penggunaan C-
VIM pada sistem e-ticket KRL commuter line Jabodetabek.
Merujuk pada tujuan penelitian diatas, sasaran pelaksanaan penelitian ini
adalah :
1) Untuk mengetahui tingkat keberhasilan penggunaan C-VIM pada sistem e-
ticket KRL commuter line Jabodetabek berdasarkan persepsi penggunanya,
khususnya para penumpang KRL commuter line Jabodetabek.
2) Untuk mengetahui faktor-faktor yang mempengaruhi keberhasilan
penggunaan C-VIM pada sistem e-ticket KRL commuter line Jabodetabek
berdasarkan lingkup model penelitian yang diajukan menggunakan persepsi
penggunanya.
1.5 Ruang Lingkup dan Batasan
Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai
berikut :
1) Penelitian ini dilakukan terhadap pengguna C-VIM yang terdapat pada
stasiun kereta di wilayah Jabodetabek.
11
2) Secara teori, penelitian ini menggunakan model keberhasilan SI Subiyakto,
Ahlan, Kartiwi, dan Putra (2016).
3) Secara metodologi, penelitian ini menggunakan metode kuantitatif dengan
teknik pengumpulan data survei yang disebarkan kepada penumpang KRL
commuter line Jabodetabek. Teknik pengambilan sampel menggunakan
simple random sampling dengan penentuan jumlah minimum sampel
menggunakan rumus slovin. Analisis data menggunakan pendekatan PLS-
SEM dengan SmartPLS 3.0.
1.6 Metodologi Penelitian
Penelitian ini menggunakan metode kuantitatif, dengan mengembangkan
model penelitian sebagai sumber rumusan hipotesis, dalam hal ini mengadopsi
model keberhasilan SI Subiyakto et al. (2016). Model penelitian ini terdiri dari 9
variabel, yaitu: 1) Konteks Pekerjaan (KP); 2) Orang dan Tindakannya (OT); 3)
Konten Sistem (KoS); 4) Kualitas Informasi (KI); 5) Kualitas Sistem (KuS); 6)
Kualitas Layanan (KL); 7) Penggunaan Sistem (PS); 8) Kepuasan Pengguna (KeP);
dan 9) Keberhasilan Sistem (KbS).
Hipotesis yang dirumuskan, diuji menggunakan data yang telah terkumpul
dari kuesioner. Kuesioner tersebut berbentuk pernyataan yang sesuai dengan
pendekatan kuantitatif yang disebarkan kepada responden yang menjadi target pada
penelitian ini, yaitu pengguna dari layanan C-VIM dengan populasinya merupakan
para penumpang KRL commuter line Jabodetabek. Sebelumnya dilakukan
pengujian awal untuk mengukur dan mengetahui validitas kuesioner yang telah
12
dirancang, dengan tujuan agar responden mengerti isi pernyataan-pernyataan yang
ada pada kuesioner penelitian. Adapun teknik pengambilan sampling yang
dilakukan menggunakan simple random sampling, dimana pengambilan sampel
dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi tersebut
dengan penentuan jumlah minimum sampel menggunakan rumus slovin.
Kuesioner disebarkan secara langsung dan tidak langsung. Penyebaran
secara langsung dilakukan oleh peneliti untuk mencari responden yang tepat
melalui tatap muka secara langsung. Penyebaran secara tidak langsung dilakukan
peneliti dengan cara menyebarkan link kuesioner melalui media sosial (e-mail,
whatsapp, line, dan instagram) dengan bantuan google forms untuk pengisian
kuesioner. Setelah itu, semua kuesioner yang terkumpul akan disaring dan
diklasifikasikan menggunakan perangkat lunak pengolah angka MS. Excel 2016.
Kemudian dilakukan proses analisis dengan pendekatan PLS-SEM dengan
SmartPLS 3.0. Selanjutnya interpretasi dilakukan berdaasarkan hasil analisis
tersebut.
13
Gambar 1.2 Model Pengukuran Keberhasilan SI (diadopsi dari Subiyakto et al.,
2016)
1.7 Pertanyaan Penelitian
Merujuk kepada tujuan dan sasaran penelitian, maka pertanyaan penelitian
dalam penelitian ini adalah sebagai berikut :
1) Bagaimana tingkat keberhasilan penggunaan C-VIM pada sistem e-ticket
KRL commuter line Jabodetabek?
2) Apa faktor-faktor yang mempengaruhi tingkat keberhasilan penggunaan C-
VIM pada sistem e-ticket KRL commuter line Jabodetabek?
Sesuai dengan model penelitian yang diajukan, berikut adalah detail
pertanyaan penelitian terkait faktor-faktor yang mempengaruhi tingkat
keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter line
Jabodetabek.
14
Q1 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan terhadap
Orang dan Tindakannya (OT)?
Q2 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan terhadap
Konten Sistem (KoS)?
Q3 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan terhadap
Kualitas Informasi (KI)?
Q4 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan terhadap
Kualitas Sistem (KuS)?
Q5 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan terhadap
Kualitas Layanan (KL)?
Q6 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Kualitas Informasi (KI)?
Q7 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Kualitas Sistem (KuS)?
Q8 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Kualitas Layanan (KL)?
Q9 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)?
Q10 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap
Kualitas Informasi (KI)?
Q11 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap
Kualitas Sistem (KuS)?
15
Q12 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap
Kualitas Layanan (KL)?
Q13 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)?
Q14 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (KeP)?
Q15 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)?
Q16 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (KeP)?
Q17 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)?
Q18 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (KeP)?
Q19 Apakah Penggunaan Sistem (PS) berpengaruh secara signifikan terhadap
Keberhasilan Sistem (KbS)?
Q20 Apakah Kepuasan Pengguna (KeP) berpengaruh secara signifikan terhadap
Keberhasilan Sistem (KbS)?
1.8 Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :
1) Secara teoritis, penelitian ini diharapkan dapat menghasilkan model
keberhasilan penggunaan sistem dengan penggabungan aspek teknis
16
penggunaan sistem dan aspek organisasional, sebagai alternatif baru bagi
peneliti selanjutnya atau berbagai pihak lain dalam memahami keberhasilan
sistem.
2) Secara metodologi, penelitian ini diharapkan dapat mendorong pemanfaatan
metode kuantitatif untuk penyusunan skripsi khususnya di Program Studi
Sistem Informasi UIN Syarif Hidayatullah Jakarta.
3) Secara praktis, hasil penelitian diharapkan dapat menjadi bahan pertimbangan
bagai para perumus dan pengambil kebijakan terkait pengukuran keberhasilan
penggunaan C-VIM pada sistem e-ticket KRL Commuter line.
1.9 Sistematika Penulisan
Penulisan laporan penelitian ini terbagi dalam lima bab, meliputi
pendahuluan, kajian pustaka, metodologi penelitian, hasil analisis dan interpretasi,
dan penutup. Berikut adalah penjelasan singkat lima bab tersebut.
BAB 1 Pendahuluan
Bab ini berisikan mengenai latar belakang, identifikasi masalah,
perumusan masalah, tujuan dan sasaran, ruang lingkup dan batasan,
metodologi penelitian, manfaat penelitian, dan sistematika penulisan.
BAB 2 Kajian Pustaka
Bab ini membahas mengenai dasar-dasar teori yang mendukung
pengukuran keberhasilan penggunaan C-VIM pada sistem e-ticket KRL
commuter line Jabodetabek. Bab ini bertujuan untuk menjabarkan seluruh
teori pendukung yang digunakan dalam penelitian ini.
17
BAB 3 Metodologi Penelitian
Bab ini menjelaskan metode-metode yang digunakan penulis dalam
melakukan pengumpulan data, penelitian, dan penulisan laporan.
BAB 4 Hasil Analisis dan Interpretasi
Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi
hasil penelitian. Analisis data utamanya dilakukan menggunakan metode
PLS-SEM dengan perangkat lunak SmartPLS 3.0 meliputi analisis
pengukuran model (model measurement analysis) dan stuktur model
(structural model analysis). Selanjutnya, interpretasi dan diskusi
dilakukan dengan merujuk kepada basis teori sebelumnya, memperhatikan
dan menimbang pelaksanaan proyek SI secara praktis di lapangan.
BAB 5 Penutup
Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan
penelitian terutama terkait dengan aspek penggunaan dan kelanjutan bagi
kajian kajian selanjutnya.
18
BAB II
KAJIAN PUSTAKA
2.1 Pengukuran Keberhasilan Sistem Informasi
2.1.1 Definisi Pengukuran
Menurut Cangelosi dalam penelitian Wulan (2007) menyatakan bahwa
pengukuran (measurement) adalah suatu proses pengumpulan data melalui
pengamatan empiris untuk mengumpulkan informasi yang relevan dengan tujuan
yang telah ditentukan. Sedangkan menurut Arikunto dan Jabar (2004) menyatakan
bahwa pengertian pengukuran yaitu sebagai kegiatan membandingkan suatu hal
dengan satuan ukuran tertentu sehingga sifatnya menjadi kuantitatif.
2.1.2 Definisi Keberhasilan
Menurut Helmet dalam Kholifatun (2013), keberhasilan merupakan suatu
pencapaian terhadap keinginan yang telah kita niatkan untuk kita capai atau
kemampuan untuk melewati dan mengatasi dari satu kegagalan ke kegagalan
berikutnya tanpa kehilangan semangat. Sedangkan menurut Kholifatun (2013)
keberhasilan merupakan suatu keadaan dimana suatu program mampu mencapai
tujuan yang ditetapkan.
2.1.3 Definisi Sistem Informasi
Ladjamudin (2005) menyatakan bahwa sistem informasi dapat didefinisikan
sebagai berikut :
19
a. Suatu sistem yang dibuat oleh manusia yang terdiri dari komponen-
komponen dalam organisasi untuk mencapai suatu tujuan yaitu menyajikan
informasi.
b. Sekumpulan prosedur organisasi yang pada saat dilaksanakan akan
memberikan informasi bagi pengambilan keputusan dan/atau untuk
mengendalikan organisasi.
c. Suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan
pengolahan transaksi, mendukung operasi, bersifat manajerial, dan kegiatan
strategis dari suatu organisasi dan menyediakan pihak luar tertentu dengan
laporan-laporan yang diperlukan.
Menurut Sutabri (2004), menjelaskan bahwa sistem informasi adalah suatu
sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan
transaksi harian yang mendukung fungsi operasi organisasi yang bersifat
manajerial.
2.1.4 Teori Model Pengukuran Keberhasilan Sistem Informasi Delone dan
Mclean
Tahun 1992 Delone dan Mclean mengembangkan sebuah model
pengukuran keberhasilan sistem informasi yang terdiri atas enam elemen atau
faktor, diantaranya (Jogiyanto, 2007) :
a. Kualitas sistem
b. Kualitas informasi
20
c. Penggunaan
d. Kepuasan pengguna
e. Dampak individu
f. Dampak organisasi
Gambar 2.1 Model Keberhasilan SI (Delone & Mclean, 1992)
Model keberhasilan ini didasarkan pada proses dan hubungan kausal dari
dimensi-dimensi di model. Model ini tidak mengukur ke enam dimensi pengukuran
keberhasilan sistem informasi secara bebas tetapi mengukurnya secara keseluruhan
satu mempengaruhi yang lainnya. Pertimbangan proses beragumentasi bahwa suatu
sistem terdiri dari beberapa proses, yaitu satu proses mengikuti proses lainnya.
Suatu model proses mengusulkan bahwa suatu sistem informasi terdiri dari
beberapa proses yaitu sebagai berikut ini.
a. Suatu sistem informasi mula-mula dibuat berisi dengan banyak fitur, yang
dapat memperlihatkan beberapa tingkat kualitas sistem dan informasinya.
21
b. Pemakai-pemakai dan manajer-manajer mempunyai pengalaman dengan
fitur-fitur tersebut dengan menggunakan sistemnya, entah mereka puas atau
tidak puas dengan sistemnya atau produk informasinya.
c. Penggunaan dari sistem dan produk informasinya kemudian mempunyai
dampak atau pengaruh (influence) di pemakai individual di dalam melakukan
pekerjaannya, dan dampak-dampak individu ini secara kolektif akan
berakibat pada dampak-dampak organisasional.
Berbeda dengan model proses, model kausal (model causal) atau disebut
juga dengan model varian (variance model) berusaha untuk menjelaskan kovarian
(covariance) dari elemen-elemen model untuk menentukan apakah variansi dari
satu elemen dapat dijelaskan oleh variansi dari elemen-elemen lainnya atau dengan
kata lain untuk menentukan apakah terjadi hubungan kausal diantara mereka.
Misalnya, semakin tinggi kualitas sistem diharapkan akan menyebabkan kepuasan
pemakai dan penggunaan yang lebih tinggi, yang selanjutnya akan memperngaruhi
secara positif produktivitas individual, dengan hasil peningkatan produktivitas
organisasional. Model kausal ini menunjukkan bagaimana arah hubungan satu
elemen dengan elemen lain apakah menyebabkan lebih besar (mempunyai
pengaruh positif) atau lebih kecil (mempunyai pengaruh negatif).
Dari model proses dan kausal ini, maka dapat dijelaskan bahwa kualitas
sistem (system quality) dan kualitas informasi (information quality) secara mandiri
dan bersama-sama mempengaruhi baik penggunaan (use) dan kepuasan pemakai
(user satisfaction). Besarnya penggunaan (use) dapat mempengaruhi kepuasan
22
pemakai (user satisfaction) secara positif atau negatif. Penggunaan dan kepuasan
pemakai mempengaruhi dampak individual (individual impact) dan selanjutnya
mempengaruhi dampak organisasional (organization impact).
Sejak tahun 1992 sampai tahun 2002, banyak penelitian yang telah merujuk
dan menggunakan model Delone dan Mclean (1992). Kepopuleran model ini
menunjukkan bukti yang kuat dari kebutuhan untuk mengintegrasikan penemuan-
penemuan riset secara komprehensif di bidang sistem informasi. Model ini banyak
mengundang perhatian dari para peneliti, salah satunya adalah Peter B. Seddon
yang melontarkan kritik terhadap model yang diajukan oleh Delone & Mclean.
Menurut Seddon dalam Jogiyanto (2007) masalah utama dari model D&M
(Delone & Mclean) adalah mencoba mengkombinasikan proses dan penjelasan
kausal dari keberhasilan sistem informasi di model mereka. Dengan demikian
model mereka tercampur antara model proses (process model) dan model varian
(variance model). Menanggapi kritik Seddon tersebut yang menyatakan bahwa
proses dan kausal adalah dua konsep yang berbeda dan membingungkan untuk
digabungkan. Delone dan Mclean (2003) menyetujui kritik ini.
Pembuatan model keberhasilan sistem informasi D&M (D&M Information
Success Model) dipicu oleh suatu proses pembuatan informasi dan dampak dari
penggunaan sistem informasinya. Delone dan Mclean mendasarkan modelnya pada
model proses yang terdiri dari tiga komponen proses, yaitu:
a. Pembuatan dari suatu sistem informasi
b. Penggunaan sistem informasi tersebut
c. Konsekuensi atau dampak dari penggunaan sistem
23
Masing-masing dari proses-proses ini diperlukan (necessary), tetapi masih
belum cukup (not sufficient) untuk suatu kondisi supaya dapat memberikan hasil
(outcome). Misalnya tanpa penggunaan sistem, tidak akan ada konsekuensinya atau
manfaatnya. Demikian juga dengan pemakaian sistem mungkin juga tidak akan
dihasilkan manfaat. Dengan demikian untuk memahami seluruh dimensi dari
keberhasilan sistem informasi, model varian atau model kausal diperlukan.
Kritik lainnya oleh Seddon, tentang pemakaian sistem (system use) adalah
suatu perilaku (behavior), sehingga harus dikeluarkan sebagai pengukur sukses dari
model kausal. Delone dan Mclean (2003) tidak sependapat dengan kritik ini.
Mereka berargumentasi bahwa pemakaian sistem (use) harus mendahului dampak
dan manfaat, mereka percaya bahwa pemakaian sistem merupakan pengukur yang
tepat untuk mengukur sukses di kebanyakan kasus.
Delone dan Mclean (2003) lebuh lanjut mengatakan bahwa permasalahan
dengan menggunakan pemakaian sistem (use) sebagai pengukur keberhasilan
adalah pada definisinya yang terlalu sederhana tanpa memperhatikan sifat dari
penggunaannya. Peneliti-peneliti harus mempertimbangkan sifat (nature),
perluasan (extent), kualitas (quality), dan ketepatan (appropriateness) dari
pemakaian sistem. Sehingga penghapusan pemakaian sistem (use) dari model
ditolak oleh Delone dan Mclean (2003). Selain itu, kenyataannya juga pemakaian
sistem (system use atau system usage) masih digunakan di banyak riset-riset empiris
dan berlanjut dikembangkan dan diuji oleh peneliti-peneliti sistem informasi.
Telah banyak perubahan peran sistem informasi selama 10 tahun sejak
Delone dan Mclean pertama kali dikenalkan. Dengan mengkaji lebih dari 100
24
artikel yang dipublikasikan di jurnal-jurnal sistem informasi terkenal seperti
Information System research, Journal of Management Information Systems, dan
MIS Quarterly sejak tahun 1993, Delone dan Mclean (2003) kembali memperbaiki
modelnya dan mengusulkan model yang sudah dimukhtakhirkan terutama untuk
digunakan di e-commerce yang merupakan aplikasi yang belum banyak muncul di
model awal.
Dari kontribusi-kontribusi penelitian-penelitian sebelumnya dan akibat
perubahan-perubahan dari peran dan penanganan sistem informasi yang telah
berkembang, Delone dan Mclean (2003) memperbarui modelnya dan menyebutnya
sebagai model keberhasilan sistem informasi D&M yang diperbarui (updated D&M
IS Success model). Hal-hal yang diperbarui dalam model ini adalah sebagai berikut.
a. Menambah dimensi kualitas pelayanan (service quality) sebagai tambahan
dari dimensi-dimensi kualitas yang telah ada.
b. Menggabungkan dampak individual (individual impact) dan dampak
organisasional (organizational impact) menjadi satu variabel yaitu manfaat-
manfaat bersih (net benefits).
c. Menambahkan dimensi minat memakai (intention to use) sebagai alternatif
dari dimensi pemakaian (use).
d. Pemakaian (use) dan kepuasan pemakai (user satisfaction) sangat erat
berhubungan. Pemakaian (use) harus mendahului kepuasan pemakai (user
satisfaction) sebagai suatu proses, tetapi pengalaman yang positif karena
menggunakan (use) akan mengakibatkan kepuasan pemakai yang lebih tinggi
sebagai suatu kausal. Secara sama, peningkatan kepuasan pemakai akan
25
mengakibatkan peningkatan minat menggunakan (intention to use) dan
kemudian akan menggunakan (use).
e. Jika manfaat-manfaat bersih (net benefits) positif akan menguatkan minat
memakai, dan menggunakan serta tingkat kepuasan pemakai. Umpan balik
ini masih valid bahkan untuk manfaat-manfaat bersih yang negatif.
f. Model yang diperbarui mempunyai arah panah untuk mendemonstrasikan
hubungan yang diusulkan antar dimensi-dimensi keberhasilan dalam bentuk
proses, tetapi tidak menunjukkan arah hubungannya yang positif atau negatif
dalam bentuk kausal.
Dari hasil analisis tersebut, maka Delone dan Mclean (2003) mengusulkan
suatu model yang diperbarui yang nampak pada gambar berikut ini.
Gambar 2.2 Model Keberhasilan SI (Delone dan Mclean, 2003)
26
2.1.5 Model Keberhasilan Proyek SI
Subiyakto dan Ahlan (2014) mengembangkan model alternatif pengukuran
keberhasilan proyek berdasarkan input-process-output (IPO) model. Mereka
membandingkan, mengadopsi, mengadaptasi, dan mengkombinasi teori
sebelumnya yaitu Davis’s IPO model, teori keberhasilan proyek, model Delone dan
Mclean, dan kerangka klasifikasi proyek.
Pertama, Subiyakto dan Ahlan (2014) membandingkan dua model, yaitu
model Delone dan Mclean dan Model IPO. Mereka menemukan bahwa model
proses dan model kausal Delone dan Mclean tidak lengkap dalam istilah model IPO
sebuah proyek. Model ini hanya fokus pada pemanfaatan dan layanan dari produk.
Dalam konteks pengukuran keberhasilan proyek, model ini kurang menjelaskan
dimensi input dari model IPO. Dengan demikian model IPO lebih komprehensif
dibandingkan model Delone dan Mclean.
Kedua, Subiyakto dan Ahlan (2014) mengadopsi teori keberhasilan proyek,
pengukuran keberhasilan SI Delone dan Mclean, dan kerangka klasifikasi proyek.
Pengadopsian teori keberhasilan proyek dilaksanakan untuk mengembangkan
aspek kausalitas model. Mereka mengadopsi semua variabel model Delone dan
Mclean, serta tiga dari empat variabel kerangka klasifikasi proyek (McLeod &
MacDonell, 2011) yaitu konten proyek, orang dan aksi, konteks organisasi. Hal ini
dikarenakan proses proyek akan diwakili oleh dimensi proses.
Ketiga, Subiyakto dan Ahlan (2014) menyesuaikan penempatan variabel
sejalan dengan logika IPO dan definisi keberhasilan proyek. Tiga penyesuaiannya
adalah sebagai berikut.
27
a. Menempatkan 2 dimensi model Delone dan Mclean (system creation dan
system utilization) ke dalam dimensi proses dari model. Hal ini didukung juga
oleh beberapa peneliti bahwa proses proyek terdiri dari dua subproses yaitu
produksi produk dan pemanfaatannya. Penempatan dimensi dampak sistem
dari model Delone dan Mclean sebagai dimensi output dari model sejalan
dengan definisi keberhasilan proyek.
b. Mengembangkan hubungan antara variabel dimensi input terhadap variabel
dimensi proses. Dalam hal ini, masing-masing varibel dimensi input memiliki
hubungan terhadap masing-masing variabel dari dimensi proses yang sejalan
dengan model proses dan kausal dari IPO model.
c. Mengembangkan hubungan antara konteks organisasi terhadap semua
variabel dalam model yang berdasarkan konsep pengaruh lingkungan sistem.
Keempat, model dikembangkan atas kombinasi dari empat teori yang telah
disebutkan sebelumnya. Kombinasi ini dilakukan untuk menanggapi dua isu utama
di lingkup model keberhasilan proyek SI, yaitu validitas dan kelengkapan
pengukuran model. Kelengkapan model berarti model tersebut dikembangkan
untuk mencakup dimensi keseluruhan proyek dalam konteks aspek proses dan
kausal. Validitas adalah berarti bahwa model ini mewakili secara teori keberhasilan
proyek. Tiga dimensi utama yang dari model ini adalah dimensi input, proses, dan
output. Dimensi proses terdiri dari dua subdimensi yaitu pembuatan sistem (system
creation) dan pemanfaatan sistem (system utilization). Model ini mengandung 9
variabel dan 36 hubungan antar variabel tersebut. Konten proyek (project content),
28
orang dan aksi (people and action), dan konteks organisasi (institutional contexts)
adalah tiga variabel dimensi input. Kualitas informasi (information quality),
kualitas sistem (system quality), kualitas layanan (service quality), penggunaan
(system use), dan kepuasan pengguna (user satisfaction) adalah lima variabel untuk
dimensi proses. Manfaat bersih (net benefit) adalah variabel untuk dimensi output.
Gambar 2.3 Model Pengukuran Keberhasilan Proyek SI Berdasarkan Model IPO
(Subiyakto & Ahlan, 2014)
Adapun definisi variabel dalam model tersebut adalah sebagai berikut.
a. Konten proyek (project content), terkait dengan berbagai faktor yang
dianggap sebagai sifat dari proyek itu sendiri yang biasanya mempengaruhi,
strategis, teknis, atau material proses proyek.
29
b. Orang dan aksi (people and action), berhubungan dengan karakteristik orang,
tindakan, interaksi dan hubungan bentuk pengembangan lintasan dan hasil
proyek dalam berbagai cara.
c. Konteks organisasi (institutional contexts), terkait dengan sifat organisasi
baik internal maupun kondisi lingkungan eksternal yang mempengaruhi
proyek, sering kali dalam cara yang tidak terduga.
d. Kualitas informasi (information quality), sejauh mana informasi secara
konsisten memenuhi persyaratan dan harapan para pengguna dalam
melakukan pekerjaan mereka.
e. Kualitas sistem (system quality), terkait dengan persepsi kemudahan
penggunaan adalah definisi yang terkenal untuk konstrak ini berkaitan dengan
model penerimaan teknologi (technology acceptance model).
f. Kualitas layanan (service quality), keunggulan layanan sistem ke pengguna.
g. Penggunaan (system use), dimana TI digunakan oleh penggunanya.
h. Kepuasan pengguna (user satisfaction), tingkat pengguna puas ketika
memanfaatkan TI sebagai hasil proyek.
i. Manfaat bersih (net benefit), sejauh mana SI memberikan kontribusi bagi
keberhasilan individu, kelompok, organisasi, industri, dan negara.
Selanjutnya pada tahun 2015, Subiyakto, Ahlan, Putra, dan Kartiwi
memvalidasi model baru secara kualitatif untuk mengetahui kelayakan model
tersebut melalui focus group study (FGS). Mereka melakukan 4 teknik FGS yaitu
interview, konsultasi, diskusi, dan seminar. Ada 16 partisipan (9 doktor, 3 calon
30
doktor, dan 4 akademisi) dari 20 anggota terdaftar yang tergabung dalam kelompok
penelitian ini. Mereka memiliki kepentingan, keterampilan, pengetahuan, dan
pengalaman dalam bidang penelitian SI. Mereka juga dipilih karena kredibilitas
mereka sebagai key informants.
Hasil dari FGS mengungkapkan delapan tema menyeluruh berkaitan dengan
validitas model dan kelayakan pelaksanaan penelitian. Kemudiann Subiyakto et al.
menyimpulkan dalam empat poin validasi yaitu kejelasan proses pemodelan,
penggunaan dasar teoritis, kewajaran metode penelitian, dan ketersediaan sumber
daya penelitian. Berdasarkan poin tersebut, Subiyakto et al. merevisi modelnya
melalui penyederhanaan jumlah hubungan antar variabel dengan menghapus 6
hubungan.
Kemudian Subiyakto et al. (2016) merevisi model tersebut meliputi
sembilan variabel dan 44 indikator sama halnya dengan model pertama, dan 30
hubungan antar variabel, hanya saja penamaan indikator kesembilan (Net Benefit)
diganti dengan Project Success berdasarkan rekomendasi dari hasil pengujian
kualitatif pada Subiyakto et al. (2015). Model tersebut dapat dilihat pada gambar
dibawah ini.
31
Gambar 2.4 Revisi Model Pengukuran Keberhasilan Proyek SI (Subiyakto et al.,
2016)
2.1.6 Teori Pekerjaan
Menurut Departemen Kesehatan (Depkes) tahun 2001 dalam Sari (2015)
Pekerjaan merupakan sesuatu yang dikerjakan untuk mendapatkan nafkah atau
pencaharian masyarakat yang sibuk dengan kegiatan atau pekerjaan sehari-hari
akan memiliki waktu yang lebih untuk memperoleh informasi.
Menurut Khusniyah dalam Suciyani (2017) menyatakan bahwa faktor
pekerjaan dapat mempengaruhi pengetahuan seseorang, dimana sesesorang yang
bekerja memiliki pengetahuan yang lebih luas dan akan memiliki banyak informasi.
Sehingga faktor pekerjaan dapat mempengaruhi seseorang dalam melakukan
sesuatu berdasarkan pengalamannya di dunia kerja.
32
2.2 Commuter Vending Machine
2.2.1 Definisi Vending Machine
Menurut Lulus Sutopo pada penelitian Alifuddin (2014) menjelaskan bahwa
vending machine adalah suatu mesin penjual otomatis, yang bisa mendistribusikan
barang kepada pembeli barang tersebut secara otomatis. Dimana vending machine
tidak membutuhkan tenaga operator untuk menjual barang, melainkan pembeli
dapat memilih sendiri barang yang diinginkan.
Menurut Bellis (2017) vending machine pada sejarahnya pertama kali
diperkenalkan oleh seorang ilmuwan matematika dari Alexandria yang menemukan
sebuah alat yang mampu mengeluarkan air suci di candi-candi di Mesir. Hingga
pada awal tahun 1880, vending machine pertama yang pengoperasiannya melalui
koin diperkenalkan di London. Ditemukan pada Tahun 1883 oleh Percial Everitt,
mesin tersebut dapat ditemui di stasiun kereta dan kantor pos untuk menjual amplop
dan kartu pos. Berikut adalah contoh jenis barang yang pernah dijual melalui mesin
penjual otomatis :
Umpan pancing
Tiket undian
Buku
Elektronik
Makanan panas
Asuransi jiwa
Obat-obatan bebas
33
2.2.2 Definisi Commuter Vending Machine
Commuter Vending Machine (C-VIM) adalah mesin yang dapat melayani
pembelian tiket commuter line secara mandiri. Mesin ini hanya bisa digunakan
untuk Tiket Harian Berjaminan (THB) dan Kartu Multi Trip (KMT) yang
dikeluarkan resmi oleh PT KCI (Afni & Akil, 2017).
C-VIM adalah fasilitas mesin penjual e-ticket commuter line otomatis yang
diterapkan dengan tujuan untuk mengganti loket konvesional sehingga diharapkan
akan mampu mempercepat proses pembelian e-ticket dan mengurangi durasi waktu
mengantri (Ardi et al., 2016)
Gambar 2.5 Commuter Vending Machine di Stasiun KRL
Sumber: (Google, 2016)
34
Gambar 2.6 C-VIM Jenis KMT (kiri) dan Jenis THB (kanan)
(Sumber: Google, 2016)
Berdasarkan gambar diatas C-VIM sendiri terbagi menjadi dua jenis.
Pertama, C-VIM untuk Tiket Harian Berjaminan (selanjutnya disebut THB) dan C-
VIM untuk Kartu Multi Trip (selanjutnya disebut KMT). C-VIM THB digunakan
bagi penumpang yang hendak membeli tiket jenis tiket harian berjaminan meskipun
sebenarnya dapat digunakan juga melayani KMT, sedangkan C-VIM KMT
digunakan bagi penumpang yang hendak membeli tiket dalam bentuk kartu
multitrip. THB digunakan untuk satu kali perjalanan, di mana setiap penumpang
dikenakan biaya jaminan sebesar sepuluh ribu rupiah beserta biaya perjalanannya.
Masa penukaran uang jaminan dapat dilakukan maksimal 7 hari sejak pembelian
tiket dan apabila melebihi batas waktu maka uang jaminan tidak dapat
dikembalikan. Sedangkan kartu multi trip dapat digunakan untuk beberapa kali
perjalanan dan penumpang hanya perlu mengisi uang saldo jika saldo dalam kartu
telah habis. Selain itu, kartu multi trip tidak menggunakan uang jaminan, sehingga
35
fungsinya dapat dikatakan sama dengan e-money namun penggunaannya hanya
untuk membeli tiket di stasiun (Suzanti, 2014).
Adapun cara pengoperasian C-VIM yaitu :
1) Untuk Transaksi THB
Pembelian tiket baru
Isi ulang tarif perjalanan
Pengambilan uang jaminan
2) Untuk Transaksi KMT
Isi ulang saldo
Sebelum membeli tiket dari C-VIM, harap untuk diperhatikan jumlah
nominal rupiah yang hendak digunakan. Untuk C-VIM THB, jumlah nominal
rupiah yang dapat digunakan adalah uang jenis koin dengan nominal Rp500 dan
Rp100. Lalu untuk uang jenis kertas adalah Rp2000, Rp5000, Rp10000, Rp20000.
Sedangkan untuk C-VIM KMT hanya diperbolehkan uang jenis kertas saja dengan
nominal rupiah Rp5000, Rp10000, Rp20000, Rp50000, dan Rp100000.
Cara melakukan berbagai macam transaksi yang dapat dilakukan di C-VIM,
diantaranya :
1) Isi ulang KMT
Pilih bahasa yang anda mau, bisa bahasa Indonesia atau bahasa Inggris
Letakkan KMT anda pada tempat yang tersedia
Masukkan uang sesuai jumlah yang dibayarkan (tidak ada uang
kembalian)
36
Tekan Ya, untuk melanjutkan transaksi atau tidak untuk membatalkan
transaksi
Jangan lupa ambil kembali kartunya
Jika terjadi kegagalan transaksi, akan ada bukti transaksi yang keluar
secara otomatis. Bawa bukti transaksi tersebut ke loket untuk mengajukan
klaim
2) Pembelian baru THB
Pilih pembelian THB baru
Pilih stasiun tujuan
Tekan ya untuk melanjutkan transaksi atau tidak untuk membatalkan
transaksi
Masukkan uang sesuai jumlah yang dibayarkan
Jangan lupa ambil kembali kartunya dan uang kembalian jika ada.
Jika terjadi kegagalan transaksi, akan ada bukti transaksi yang keluar
secara otomatis. Bawa bukti transaksi tersebut ke loket untuk mengajukan
klaim
3) Isi ulang THB
Letakkan THB anda pada tempat yang tersedia
Pilih stasiun tujuan
Tekan ya untuk melanjutkan transaksi atau tidak untuk membatalkan
transaksi
Masukkan uang sesuai jumlah yang dibayarkan
Jangan lupa ambil kembali kartunya dan uang kembalian jika ada
37
Jika terjadi kegagalan transaksi, akan ada bukti transaksi yang keluar
secara otomatis. Bawa bukti transaksi tersebut ke loket untuk mengajukan
klaim
4) Pengambilan uang jaminan
Letakkan THB anda pada tempat yang tersedia
Pilih pengambilan uang jaminan
Tekan ya untuk melanjutkan transaksi atau tidak untuk membatalkan
transaksi
Jangan lupa ambil uang jaminan yang keluar
Jika terjadi kegagalan transaksi, akan ada bukti transaksi yang keluar
secara otomatis. Bawa bukti transaksi tersebut ke loket untuk mengajukan
klaim
2.2.3 Definisi Smart Card
Menurut Donny (2008), smart card adalah kartu yang berukuran seperti
kartu kredit tetapi memiliki sebuah chip computer atau microprocessor di
dalamnya. Kartu ini dapat di program untuk melakukan suatu tugas dan menyimpan
informasi, tetapi harus diingat bahwa mikroprosesor pada kartu tidak sekuat
microprocessor Personal Computer (PC), sehingga kemampuannya tidak dapat
disamakan dengan PC. Untuk mengkoneksikan kartu dan komputer diperlukan
Card Acceptance Device (CAD), seperti card reader, yang bertindak sebagai
terminal penghubung atau interface device.
38
2.2.4 Definisi E-Ticket
Electronic ticket atau e-ticket adalah salah satu cara untuk
mendokumentasikan proses penjualan dari aktivitas perjalanaan pengguna tanpa
mengeluarkan dokumen secara fisik ataupun paper ticket. Semua informasi
mengenai e-ticket disimpan secara digital dalam sistem komputer (Faizal &
Nursusanto, 2010).
Sedangkan menurut Bienz (2008), e-ticket merupakan metode perdagangan,
pembelian, dan penjualan tiket dari berbagai produk jasa khususnya jasa perjalanan
melalui media internet dan komputer. Bienz menjelaskan setidaknya ada 6 manfaat
dari penggunaan e-ticket, diantaranya :
1. Mengurangi biaya yang berkaitan dengan pencetakan dan surat tiket.
2. Mengurangi tenaga kerja yang terkait dengan pencetakan dan surat tiket.
3. Keamanan terjamin, karena berkode validasi dan menghilangkan
kemungkinan tiket palsu atau duplikat.
4. Pemesanan e-ticket oleh konsumen berarti mengetahui berapa banyak
konsumen perusahaan, karena perusahaan menyimpan data konsumen di
database perusahaan.
5. Memberikan informasi tambahan yang perlu diketahui bagi pelanggan.
6. Menyediakan kemampuan untuk beriklan, dapat menambah pendapatan
perusahaan dengan menawarkan ruang iklan di portal situs perusahaan.
39
2.3 Metode Kuantitatif dalam Penelitian
Menurut Sarwono (2006), Penelitian kuantitatif bertujuan untuk menguji
teori, membangun fakta, menunjukkan hubungan antar variabel, memberikan
deskripsi statistik, menaksir, dan meramalkan hasilnya.
Pada penelitian jenis data yang diperlukan secara umum dibagi menjadi dua,
yaitu penelitian primer dan penelitian sekunder, yaitu (Sarwono, 2006) :
1) Penelitian primer
Penelitian primer membutuhkan data atau informasi dari sumber pertama,
biasanya disebut dengan responden. Data atau informasi diperoleh melalui
pertanyaan tertulis dengan menggunakan kuesioner atau lisan dengan
menggunakan metode wawancara. Yang termasuk dalam kategori ini adalah :
a. Studi kasus
Studi kasus menggunakan individu atau kelompok sebagai bahan studinya.
b. Survei
Survei merupakan studi yang bersifat kuantitatif yang digunakan untuk
meneliti gejala suatu kelompok atau perilaku individu. Pada umumnya survey
menggunakan kuesioner sebagai alat pengambil data. Survei menganut aturan
pendekatan kuantitatif, yaitu semakin besar sample, semakin mencerminkan
populasi hasilnya.
2) Penelitian sekunder
Penelitian sekunder menggunakan bahan yang bukan dari sumber pertama
sebagai sarana untuk memperoleh data atau informasi untuk menjawab masalah
40
yang diteliti. Penelitian ini juga dikenal dengan penelitian yang menggunakan studi
kepustakaan.
2.3.1 Metode Pengumpulan Data
Pengumpulan data penelitian dilakukan dengan berbagai metode,
diantaranya :
1) Kuesioner
Kuesioner adalah salah satu intrumen pengumpulan data sebagai alat bantu
yang digunakan peneliti dalam kegiatannya mengumpulkan data secara tidak
langsung (peneliti tidak langsung bertanya-jawab dengan responden).
Kuesioner berisi sejumlah pertanyaan atau pernyataan yang harus dijawab
oleh responden (Guritno, Sudaryono, & Untung, 2011).
2) Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan oleh
peneliti untuk memperoleh informasi dengan cara berkomunikasi langsung
maupun tidak langsung antara pewawancara dengan responden (Mustakini,
2008).
3) Observasi
Kegiatan observasi meliputi melakukan pencatatan secara sistematik
kejadian-kejadian, perilaku, obyek-obyek yang dilihat dan hal-hal lain yang
diperlukan dalam mendukung penelitian yang sedang dilakukan. Pada tahap
awal observasi dilakukan secara umum, peneliti mengumpulkan data atau
informasi sebanyak mungkin. Tahap selanjutnya peneliti harus melakukan
41
observasi yang terfokus, yaitu mulai menyempitkan data atau informasi yang
diperlukan sehingga peneliti dapat menemukan pola-pola perilaku dan
hubungan yang terus menerus terjadi. Jika hal itu ditemukan, maka peneliti
dapat menemukan tema-tema yang akan diteliti (Sarwono, 2006).
4) Studi Pustaka
Studi pustaka, adalah 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
mengumpulkan data atau dalam menganalisis data yang telah pernah
digunakan oeh peneliti-peneliti terdahulu (Nazir, 2009).
2.4 Populasi dan Teknik Sampling
Populasi berkaitan dengan seluruh kelompok orang, peristiwa, atau benda
yang menjadi pusat perhatian penelitian untuk diteliti. Misalnya jika seorang
eksekutif puncak sebuah bank ingin mengetahui strategi-strategi pemasaran yang
dilakukan semua bank di Jakarta maka semua bank yang ada di Jakarta merupakan
populasi. Dengan kata lain, populasi adalah wilayah generalisasi yang terdiri atas:
obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Guritno et al.,
2011).
Sampel merupakan suatu bagian populasi. Dengan mengambil sampel,
peneliti ingin menarik kesimpulan yang akan digeneralisasi terhadap populasi.
Penarikan sampel merupakan proses pemilihan sejumlah elemen dari populasi. Dan
42
salah satu metode yang digunakan untuk menentukan jumlah sampel adalah
menggunakan rumus Slovin (Sevilla, Ochave, Punsalan, Regata, & Uriarte, 2006;
Sarwono, 2006; Sugiyono, 2017), sebagai berikut :
𝑛 =𝑁
1+𝑁𝑒2……………………………(1)
Keterangan :
n : Jumlah Sampel
N : Jumlah Populasi
e : Batas kelonggaran ketidak telitian (dengan nilai batas kelonggaran ketidak
telitian adalah 5%)
Adapun Teknik sampling adalah teknik pengambilan sampel. Terdapat dua
metode dasar penarikan sampel, sebagai berikut (Guritno et al., 2011).
2.4.1 Probability sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan
peluang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.
Beberapa metode penarikan sampel probabilitas adalah sebagai berikut.
1. Simple random sampling
Simple random sampling dikatakan simple (sederhana) karena pengambilan
sampel populasi dilakukan secara acak tanpa memperhatikan strata yang ada
dalam populasi.
43
2. Stratified random sampling
Stratified random sampling merupakan suatu prosedur penarikan sampel
berstrata, yaitu suatu subsampel acak sederhana ditarik dari setiap strata yang
kurang lebih sama dalam beberapa karakteristik.
3. Cluster sampling
Cluster sampling merupakan suatu prosedur penarikan sampel probabilitas
yang memilih subpopulasi yang disebut cluster. Kemudian, setiap elemen
didalam kelompok (cluster tersebut) dipilih sebagai anggota sampel.
2.4.2 Nonprobability sampling
Nonprobability sampling merupakan suatu prosedur penarikan sampel
bersifat subyektif. 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.
1. Convenience sampling
Convenience sampling adalah teknik penarikan sampel berdasarkan
kemudahan. Prosedurnya adalah semata-mata langsung menghubungi unit-
unit penarikan sampel yang mudah dijumpai seperti mahasiswa-mahasiswa
dalam satu kelas, jamaah tempat ibadah, pengunjung toko dan lain-lain.
Seringkali teknik pengambilan sampel ini dilakukan untuk menguji kuesioner
atau penelitian eksplorasi.
44
2. Quota sampling
Quota sampling adalah penarikan sampel berdasarkan quota. 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 menunjukan responden lainnya secara
berantai.
2.5 Skala Likert
Skala likert merupakan skala yang digunakan untuk mengukur sikap,
pendapat, dan persepsi seseorang atau sekelompok orang mengenai fenomena
sosial (Sugiyono, 2013).
Menurut Djaali (2008) Skala Likert adalah salah satu skala pengukuran
sikap yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau
sekelompok orang tertentu. Nama skala ini diambil dari nama Rensis Likert,
pendidik dan ahli psikolog Amerika Serikat. Rensis Likert telah mengembangkan
sebbuah skala untuk mengukur sikap masyarakat sejak tahun 1932.
Skala likert adalah suatu skala psikometrik yang umum digunakan dalam
kuesioner dan merupakan skala yang paling banyak digunakan dalam riset beberapa
45
survei. Skala ini mempunyai empat atau lebih butir pertanyaan yang
dikombinasikan sehingga membentuk suatu skor/nilai yang merepresentasikan sifat
individu, seperti pengetahuan, sikap, dan perilaku (Syofian, Setiyaningsih, &
Syamsiah, 2015).
2.6 Partial Least Square Structural Equation Modelling (PLS – SEM)
PLS-SEM merupakan metode analisis yang powerfull karena dapat
digunakan pada setiap jenis skala data (nominal, ordinal, interval, dan rasio) serta
syarat asumsi yang lebih fleksibel (Kurniawan & Yamin, 2011). Software terkenal
yang banyak digunakan untuk PLS-SEM adalah SmartPLS, XLSTAT PLS-PM,
Visual PLS, dan lainnya.
Gaston dalam Kurniawan dan Yamin (2011) menyebutkan PLS dapat juga
digunakan untuk tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan
eksplorasi. Meskipun PLS lebih diutamakan sebagai eksplorasi daripada
konfirmasi, PLS juga dapat menduga apakah terdapat atau tidak terdapat hubungan
dan kemudian proposisi untuk pengujian. Tujuan utamanya adalah menjelaskan
hubungan antar konstrak dan menekankan pengertian tentang nilai hubungan
tersebut.
Dalam hal ini, hal penting yang harus diperhatikan adalah adanya teori yang
memberikan asumsi untuk menggambarkan model, pemilihan variabel, pendekatan
analisis, dan interpretasi hasil. Keunggulan-keunggulan PLS adalah : (Abdillah &
Jogiyanto, 2015).
46
1) Mampu memodelkan banyak variable dependen dan variable independen
(model kompleks).
2) Mampu mengelola masalah multikolinearitas antar variable independen.
3) Hasil tetap kokoh walaupun terdapat daya yang tidak normal dan hilang.
4) Menghasilkan variable laten independen secara langsung berbasis cross-
product yang melibatkan variable laten dependen sebagai kekuatan prediksi.
5) Dapat digunakan pada kontruk reflektif dan formatif.
6) Dapat digunakan pada sampel kecil.
7) Tidak mensyaratkan data berdistribusi normal.
8) Dapat digunakan pada data dengan tipe skala berbeda, yaitu: nominal, orginal
dan kontinus.
Kepopuleran penggunaan PLS-SEM di antara para peneliti dan praktisi
adalah karena empat alasan. Pertama, algoritma PLS tidak terbatas hanya untuk
hubungan antara indikator dengan konstrak laten nya yang bersifat reflektif saja
tetapi algoritma PLS juga dipakai untuk hubungan yang bersifat formatif. Kedua,
PLS dapat digunakan untuk menaksir model path dengan sample size yang kecil.
Ketiga, PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri atas
banyak variabel laten dan manifes tanpa mengalami masalah dalam estimasi data.
Keempat, PLS dapat digunakan ketika distribusi data sangat miring (skew)
(Kurniawan & Yamin, 2011).
Evaluasi model dalam PLS meliputi dua tahap yaitu evalusi outer model
atau model pengukuran dan evaluasi terhadap inner model atau model struktural.
47
1) Evaluasi Model Pengukuran (Outer Model)
Evaluasi terhadap model pengukuran meliputi pemeriksaan individual item
reliability, internal consistency atau construct reliability, average variance
extracted, dan discriminant validity. Ketiga pengukuran pertama dikelompokkan
dalam convergent validity. Convergent validity mengukur besarnya korelasi antara
konstrak dengan variabel laten.
a. Convergent validity
Pengukuran convergent validity dilakukan untuk mengukur besarnya korelasi
antara konstrak dengan variabel laten. Pengukuran convergent validity terdiri
dari tiga tahapan pengukuran, diantaranya :
1) Individual item reliability
Dalam pemeriksaan individual item reliability dapat dilihat pada nilai
standardized loading factor. Dimana nilai ini menggambarkan besarnya
korelasi pada setiap indikator dengan konstraknya. Nilai 0,7 pada loading
factor dapat dikatakan ideal, dimana nilai tersebut dikatakan valid sebagai
indikator yang mengukur konstrak. Namun nilai di atas 0,5 masih bisa
digunakan dan dipertimbangkan (Kurniawan & Yamin, 2011).
2) Internal consistency reliability
Pada pengukuran internal consistency reliability dilihat dari nilai
composite reliability, nilai tersebut lebih baik digunakan dalam mengukur
internal consistency dibandingkan dengan menggunakan cronbach’s
alpha pada model PLS-SEM. Hal ini karena nilai composite reliability
tidal mengasumsikan kesamaan boot dari tiap indikator (Kurniawan &
48
Yamin, 2011). Nilai batas yang digunakan adalah diatas 0,7 yang berarti
dapat diterima, sedangkan diatas 0,8 berarti sangat memuaskan
(Subiyakto & Sukmana, 2014; Subiyakto et al., 2015).
3) Average variance extracted
Nilai pada average variance extracted (AVE) menggambarkan besaran
varian variabel yang dapat dikandung oleh konstrak laten. Nilai minimal
yang digunakan pada AVE agar menunjukkan ukuran yang baik adalah
0,5. Hal ini berarti variabel laten dapat menjelaskan rata-rata lebih dari
setengah variance dari indikatornya (Kurniawan & Yamin, 2011;
Subiyakto et al., 2015).
b. Discriminant validity
Discriminant validity dapat dievaluasi dengan dua tahap, yaitu melihat nilai
cross loading antar indikator dan cross loading Fornell-Lackers’s. Pada
pengukuran cross loading antar indikator, dilakukan dengan cara
membandingkan korelasi antar indikator dengan konstraknya dan konstrak
blok lainnya. Apabila korelasi antar indikator dengan konstraknya lebih tinggi
dari korelasi dengan konstrak blok lainnya, maka konstrak tersebut
mempresiksi ukuran pada blok tersebut lebih baik dari blok lainnya.
Pemeriksaan nilai cross loading Fornell-Lacker’s dilakukan dengan melihat
nilai akar dari AVE. Nilai akar AVE harus lebih tinggi dari korelasi antar
konstrak dengan konstrak lainnya (Kurniawan & Yamin, 2011; Subiyakto et
al., 2015).
49
2) Evaluasi Model Struktural (Inner Model)
Ada beberapa tahap untuk mengevaluasi model structural, yaitu melalui
signifikansi hubungan antar konstrak dapat dilihat melalui path coefficient (β), nilai
R2 (coefficient of determination), nilai t-test, pengujian ƒ2 (effect size), Q2
(predictive relevance), dan q2 (relative impact) (Subiyakto & Ahlan, 2014).
a. Path coefficient (β)
Mengevaluasi signifikansi hubungan antar konstrak dapat dilakukan dengan
cara melihat path coefficient (β). Hal ini dilakukan untuk menggambarkan
kekuatan hubungan antar konstrak. (Kurniawan & Yamin, 2011). Pengujian
path coefficient (β) dengan nilai ambang batas diatas 0,1 mengartikan bahwa
path yang dimaksud berpengaruh di dalam model (Subiyakto et al., 2016).
b. R2 (coefficient of determination)
Mengevaluasi nilai R2 menjelaskan varian dari tiap target endogenous
variabel menggunakan standar pengukuran 0,67 akurat, 0,33 moderat, dan
dibawah 0,19 menunjukkan varian yang lemah (Kurniawan & Yamin, 2011).
c. t-test
Nilai t-test dilakukan dengan metode bootstrapping (Kurniawan & Yamin,
2011) melalui uji two-tailed dengan tingkat signifikansi sebesar 5% yang
digunakan untuk menguji hipotesis penelitian. Hipotesis yang diterima adalah
jika nilai t-test lebih dari 1,96 (Abdillah & Jogiyanto, 2015).
d. ƒ2 (effect size)
Pengujian ƒ2 dilakukan untuk memprediksi pengaruh suatu variabel terhadap
variabel lainnya. Nilai ambang batas yang digunakan diantaranya 0,02 yang
50
berarti berpengaruh kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh
besar. Rumus perhitungan ƒ2 adalah sebagai berikut (Kurniawan & Yamin,
2011).
𝑓2 = 𝑅2 include – 𝑅2 exclude
1 − 𝑅2 include……………………………(2)
Dengan R2 include adalah coefficient of determinant, dan R2 exclude adalah
nilai yang ada pada luar R.
e. Q2 (predictive relevance)
Pengujian Q2 dilakukan dengan metode blindfolding untuk memberikan bukti
jika variabel tertentu yang digunakan memiliki keterkaitan prediktif dengan
variabel lainnya. Ambang batas yang digunakan adalah diatas nol (Kurniawan
& Yamin, 2011; Abdillah & Jogiyanto, 2015)
f. q2 (relative impact)
Uji q2 dilakukan dengan metode yang sama seperti pengujian Q2 yaitu
blindfolding. Tujuannya untuk mengukur pengaruh relative dari sebuah
keterkaitan prediktif variabel tertentu dengan variabel lainnya. Nilai ambang
batas yang digunakan sekitar 0,02 yang berarti memiliki pengaruh kecil, 0,15
berpengaruh menengah atau sedang, dan 0,35 berpengaruh besar (Sugiyakto
& Ahlan, 2014; Subiyakto et al., 2016). Rumus perhitungan q2 adalah sebagai
berikut.
51
𝑞2 = 𝑄2 include − 𝑄2 exclude
1 − 𝑄2 include……………………………(3)
Dengan Q2 include adalah predictive relevance, dan R2 exclude adalah nilai
yang ada pada luar Q.
2.7 SmartPLS
SmartPLS adalah satu dari sekian banyak perangkat lunak yang dapat
digunakan dalam analisis menggunakan PLS-SEM. Perangkat lunak ini
dikembangkan oleh Universitas Hamburg di Jerman (Ghozali, 2015). Berikut
merupakan beberapa komponen dalam SmartPLS:
a) Variabel Laten
Variabel laten adalah variabel yang tidak dapat diamati dan diukur secara
langsung (Santoso, 2012). Variabel jenis ini terbagi menjadi dua bagian yaitu
variabel eksogen dan variabel endogen di mana variabel eksogen bersifat
independen sedangkan variabel endogen bersifat dependen. Dalam hal ini
variabel eksogen memengaruhi variabel endogen.
b) Observed Variable
Variabel ini biasa disebut sebagai variabel manifest adalah variabel yang
besaran kuantitatifnya dapat diketahui secara langsung, misalnya dari skor
respons subjek terhadap instrumen pengukuran.
52
2.8 Penelitian Sejenis
Tabel 2.1 Penelitian Sejenis
Referensi Judul Tujuan Hasil
(Gusti, 2017) Pengukuran Pengaruh Kesiapan
Terhadap Keberhasilan Penerapan
Sistem Ubiquitous Computing di UIN
Syarif Hidayatullah Jakarta.
untuk mengetahui pengaruh
kesiapan terhadap keberhasilan
penerapan sistem Ubiquitous
Computing di UIN Syarif
Hidayatullah Jakarta khususnya
Fakultas Sains dan Teknologi.
Hasilnya, terdapat 23 hipotesis yang diuji 11 hipotesis
yang diterima atau berpengaruh dan 12 hipotesis tidak
diterima. Sehingga faktor-faktor pengaruh kesiapan
terhadap keberhasilan sistem yaitu optimism melalui
system quality, service quality, dan user satisfaction.
Innovativeness melalui information quality dan service
quality. Insecurity berpengaruh secarah negatif melalui
information quality, system quality, dan service quality,
Information quality melalui user satisfaction. Service
quality melalui user satisfaction, user satisfaction
melalui success information system.
(Hudin & Riana,
2016)
Kajian Keberhasilan Penggunaan
Sistem Informasi Accurate Dengan
Menggunakan Model Kesuksesan
Sistem Informasi DeLone Dan
McLean.
Untuk menganalisis faktor-faktor
yang mengukur keberhasilan model
kesuksesan sistem informasi
DeLone & McLean terhadap
pengguna sistem informasi
akuntansi Accurate di enam
perusahaan di Kota Sukabumi.
Hasil dari penelitian ini membuktikan bahwa kualitas
informasi dan kualitas pelayanan tidak berpengaruh
signifikan terhadap variabel penggunaan, sedangkan
variabel lainnya teruji signifikan dalam mengukur
keberhasilan penggunan sistem informasi akuntansi
Accurate dengan nilai R-square 0,57 untuk penggunaan,
0,94 untuk kepuasan pengguna dan 0,94 untuk manfaat
bersih. Selain itu, nilai goodness of fit (GoF) sebesar 0,72
atau 72%, sehingga model dinyatakan telah sesuai secara
substansial dalam merepresentasikan hasil penelitian.
(Wahyuni, 2011) Uji Empiris Model Delone Dan
Mclean Terhadap Kesuksesan Sistem
Informasi Manajemen Daerah
(SIMDA)
Untuk mengevakuasi dan
mengetahui keberhasilan dan
dampak dari SIMDA yang
dikembangkan terhadap kinerja
individu maupun organisasi.
Hasilnya, dari 9 hipotesa yang diuji 8 hipotesa terbukti
signifikan dan 1 hipotesa tidak signifikan. Secara
spesifik, hasil pengujian masing-masing hipotesa adalah:
1) System quality berpengaruh positif terhadap user
satisfaction; 2) information quality berpengaruh positif
terhadap user satisfaction; 3) Intensitas penggunaan
53
Tabel 2.2 Penelitian Sejenis (Lanjutan)
sistem informasi berpengaruh positif terhadap user
satisfaction; 4) System quality berpengaruh positif
terhadap intensitas penggunaan sistem informasi; 5)
Information quality berpengaruh positif terhadap
intensitas penggunaan sistem informasi; 6) User
satisfaction berpengaruh positif terhadap intensitas
penggunaan sistem informasi; 7) User satisfaction
berpengaruh positif terhadap individual impact; 8)
Intensitas penggunaan sistem informasi tidak
berpengaruh terhadap individual impact; dan 9)
Individual Impact berpengaruh positif terhadap
organizational impact (Wisudiawan,
2015)
Analisis Faktor Kesuksesan Sistem
Informasi Menggunakan Model
DeLone And McLean
Untuk menganalisis hubungan
antara semua dimensi yang
menyusun kesuksesan sistem
informasi.
Hasil pengolahan data menunjukkan bahwa 3 dari 5
hipotesis dianggap terbukti, yaitu bahwa kepuasan
pengguna sangat dipengarui oleh tiga faktor utama
sebagai berikut: kualitas informasi, kualitas sistem, dan
kebermanfaatan sistem dari sudut pandang pengguna.
(Yunita, 2016) Pengukuran Kepuasan Pengguna
Terhadap TULIS (Technology UIN
Library Information System) Pada
Pusat Perpustakaan UIN Syarif
Hidayatullah Jakarta
untuk mengetahui status kepuasan
pengguna terhadap sistem TULIS
dan mengetahui faktor-faktor yang
mempengaruhi kepuasan pengguna
terhadap sistem tersebut
Hasilnya, tingkat kepuasan pengguna sistem berdasarkan
persepsi pengguna saat ini berada pada tingkat cukup
puas. Secara inferensial, dari 12 hipotesis yang diuji 4
diantaranya ditolak dan 8 lainnya diterima. Sehingga
faktor-faktor yang mempengaruhi kepuasan pengguna
adalah konteks organisasi melalui kualitas sistem, orang
dan aksi melalui kualitas sistem, orang dan aksi
berpengaruh melalui kualitas layanan, kualitas sistem,
dan kualitas layanan.
(Yuliana, Riyadi,
& Yuniarto, 2016)
Analisis Kesuksesan Sistem Informasi
Perhotelan Dengan Pendekatan Model
DeLone Dan McLean (Studi Pada
untuk mengetahui dan menganalisis
pengaruh positif varibel kualitas
sistem, kualitas informasi, dan
kualitas layanan terhadap kepuasan
Hasil dari penelitian menunjukkan bahwa kualitas sistem
berpengaruh positif dan signifikan terhadap kepuasan
pengguna. sedangkan variabel kualitas informasi
mempunyai pengaruh positif tetapi tidak signifikan
54
Tabel 2.2 Penelitian Sejenis (Lanjutan)
Karyawan Hotel Aria Gajayana
Malang) pengguna serta mengetahui
keberhasilan sistem informasi
perhotelan yang digunakan oleh
hotel.
terhadap kepuasan pengguna. kualitas layanan
mempunyai pengaruh positif dan signifikan terhadap
kepuasan pengguna. hasil dari penelitian menunjukkan
bahwa sistem informasi perhotelan yang digunakan oleh
karyawan hotel Aria Gajayana Malang sukses dalam
implementasi hal ini ditunjukan dari penilaian yang tinggi
oleh karyawan terhadap sistem informasi perhotelan yang
digunakan.
55
BAB III
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Secara umum, penelitian ini dilakukan dengan menggunakan pendekatan
kuantitatif untuk mengetahui faktor-faktor apa saja yang memengaruhi tingkat
keberhasilan penggunaan C-VIM pada sistem e-ticket KRL Commuter line oleh
penumpang. Salah satu bentuk pendekatan kuantitatif pada penelitian ini adalah
pengumpulan data yang dilakukan melalui survei dengan menggunakan kuesioner
dan analisis data yang dilakukan secara statistik dengan menggunakan aplikasi
pengolah data statistik SmartPLS 3.0.
3.2 Pengembangan Model dan Hipotesis Penelitian
Dalam pengembangan model keberhasilan SI, penelitian ini mengadopsi
model keberhasil SI Subiyakto et al. (2016). Walaupun model keberhasilan SI telah
banyak dikembangkan oleh para peneliti secara kuantitatif maupun kualitatif (Putra,
Ahlan, & Kartiwi, 2016), namun model keberhasilan ini memberikan alternatif
konsep yang jelas terhadap pengukuran keberhasilan SI yang sebelumnya dirasa
ambigu, dengan pengadopsian IPO logic sebagai desain modelnya agar mudah
dimengerti oleh para stakeholder yang kurang memahami pekerjaan yang bersifat
teknis (Qadrya, 2017). Dimana IPO logic dapat menggambarkan fenomena
kesiapan integrasi SI melalui tiga dimensi yaitu dimensi masukkan, proses, dan
keluaran.
56
Merujuk kepada logika teori sebelumnya bahwa proses integrasi SI juga
dapat dipengaruhi oleh entitas lingkungannya (Lim & Mohamed, 1999; dan
Howsawi, Eager, & Bagia, 2011), maka penelitian ini melakukan pengembangan
model dengan mengganti variabel konteks institusi menjadi konteks pekerjaan yang
diadopsi dari teori pekerjaan (Sari, 2015; Suciyani, 2017) dikarenakan fokus yang
ingin diukur dalam hal ini adalah penggunaan dari sistem yang sangat dipengaruhi
oleh pengguna sistem itu sendiri yang memiliki latar belakang pekerjaan yang
beragam. Sehingga model yang digunakan pada penelitian ini adalah sebagai
berikut.
Gambar 3.1 Model Keberhasilan SI
Model diatas terdapat beberapa variabel yang dapat didefinisikan sebagai
berikut :
57
a) Konteks pekerjaan (KP)
Menurut Khusniyah dalam Suciyani (2017) menyatakan bahwa faktor
pekerjaan dapat mempengaruhi pengetahuan seseorang, dimana sesesorang
yang bekerja memiliki pengetahuan yang lebih luas dan akan memiliki
banyak informasi. Sehingga akan mempengaruhi seseorang dalam melakukan
sesuatu dalam hal ini mempengaruhi cara penggunaan sistem informasi.
b) Orang dan tindakannya (OT)
Menurut Subiyakto dan Ahlan 2014, orang dan tindakannya berkaitan dengan
karakteristik, tindakan, interaksi, dan hubungan manusia yang membentuk
lintasan pengembangan dan hasil proyek dalam berbagai cara.
c) Konten sistem (KoS)
Menurut Subiyakto dan Ahlan 2014, berkaitan dengan berbagai faktor yang
dianggap sebagai sifat dari sistem itu sendiri yang mempengaruhi kebiasaan,
strategis, teknis, atau alur sistem.
d) Kualitas Informasi (KI)
Menurut Subiyakto dan Ahlan (2014), kualitas informasi adalah sejauh mana
informasi secara konsisten memenuhi persyaratan dan harapan para pengguna
dalam melakukan pekerjaan mereka.
e) Kualitas Sistem (KuS)
Menurut Subiyakto dan Ahlan (2014), kualitas sistem terkait dengan persepsi
kemudahan penggunaan adalah definisi yang terkenal untuk konstrak ini
berkaitan dengan model penerimaan teknologi (technology acceptance
model). Menurut Davis dan Yen (1998), kualitas sistem informasi sebagai
58
perceived ease of use yang merupakan tingkat seberapa besar teknologi
komputer dirasakan relatif mudah untuk dipahami dan digunakan.
f) Kualitas Layanan (KL)
Menurut Subiyakto dan Ahlan (2014), kualitas layanan merupakan tingkat
keunggulan layanan sistem kepada pengguna. Menurut Parasuraman et al.
dalam Artiningtyas, Minarsih, dan Hasiholan (2015), kualitas layanan sebagai
suatu bentuk penilaian konsumen terhadap tingkat layanan yang diterima
(perceived service) dengan tingkat layanan yang diharapkan (expected
service).
g) Penggunaan Sistem (PS)
Menurut Subiyakto dan Ahlan (2014), penggunaan sistem merupakan tingkat
pemanfaatan teknologi informasi yang digunakan oleh pengguna.
h) Kepuasan Pengguna (KeP)
Menurut Subiyakto dan Ahlan (2014), kepuasan pengguna merupakan tingkat
kepuasan pengguna saat menggunakan teknologi informasi sebagai output
penggunaan sistem. Kepuasan pengguna merupakan respon pemakai
terhadap penggunaan keluaran sistem informasi (Jogiyanto, 2007). Kepuasan
pengguna adalah ukuran seberapa besar tingkat respon pengguna terhadap
hasil keluaran dari sistem informasi (Yuliana et al., 2016).
i) Keberhasilan Sistem (KbS)
Keberhasilan sistem merupakan suatu keadaan dimana pengguna mampu
menjalankan sistem sesuai dengan tujuan yang ditetapkan (Kholifatun, 2013).
59
3.2.1 Pengembangan Hipotesis Penelitian
Keberhasilan proyek SI dipengaruhi berbagai faktor yang bersifat konteks
(Subiyakto & Ahlan, 2014). Dimana keberhasilan penggunaan sistem juga di
dukung oleh sifat pengguna yang dipengaruhi dari pekerjaan mereka, yang dapat
mempengaruhi cara penggunaan sistem itu sendiri. Merujuk pada penjelasan diatas.
Peneliti mengadopsi indikator dalam penelitian Subiyakto dan Ahan (2014) dan
Subiyakto et al. (2016) yaitu budaya pekerja (KP1), pengalaman pekerja (KP2),
ketersediaan infrastruktur (KP3), dan konteks eksternal (KP4) sebagai indikator
KP. Peneliti menghipotesis bahwa :
H1: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Orang dan
Tindakannya (OT);
H2: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Konten Sistem
(KoS);
H3: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Kualitas
Informasi (KI);
H4: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Kualitas
Sistem (KuS);
H5: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Kualitas
Layanan (KL);
Faktor orang dan tindakannya secara tidak langsung juga mempengaruhi
keberhasilan sistem informasi. Peneliti mengadopsi indikator dalam penelitian
60
Subiyakto dan Ahan (2014) dan Subiyakto et al. (2016) yaitu integritas (OT1),
norma (OT2), kejelasan strktur sistem (OT3), dan manajemen konflik (OT4)
sebagai indikator OT. Peneliti menghipotesis bahwa :
H6: Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Kualitas Informasi (KI)
H7: Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Kualitas Sistem (KuS)
H8: Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Kualitas Layanan (KL)
H9: Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)
Konten sistem berkaitan dengan berbagai faktor yang dianggap sebagai sifat
dari sistem itu sendiri yang mempengaruhi kebiasaan, strategis, teknis, atau alur
sistem (Subiyakto dan Ahlan, 2014) sehingga berpengaruh terhadap keberhsilan
sistem itu sendiri. Peneliti mengadopsi indikator dalam penelitian Subiyakto dan
Ahan (2014) dan Subiyakto et al. (2016) yaitu kompleksitas sistem (KoS1),
ketersediaan fitur (KoS2), pengembangan teknologi (KoS3), dan kualitas data
(KoS4) sebagai indikator KoS. Peneliti menghipotesis bahwa :
H10: Konten Sistem (KoS) berpengaruh secara signifikan terhadap Kualitas
Informasi (KI)
61
H11: Konten Sistem (KoS) berpengaruh secara signifikan terhadap Kualitas Sistem
(KuS)
H12: Konten Sistem (KoS) berpengaruh secara signifikan terhadap Kualitas
Layanan (KL)
Kualitas informasi mengukur kualitas keluaran dari sisten informasi
(Jogiyanto, 2007) dimana dalam penelitian yang dilakukan oleh DeLone dan
McLane (2003) kualitas informasi berfokus pada kualitas output yang dihasilkan
oleh sistem. Peneliti mengadopsi indikator dalam penelitian Subiyakto dan Ahan
(2014), Subiyakto et al. (2016), dan Hudin dan Riana (2016) yaitu akurasi (KI1),
tepat waktu (KI2), relevan (KI3), dan konsisten (KI4) sebagai indikator dari KI.
Peneliti menghipotesis bahwa :
H13: Kualitas Informasi (KI) berpengaruh secara signifikan terhadap Penggunaan
Sistem (PS)
H14: Kualitas Informasi (KI) berpengaruh secara signifikan terhadap Kepuasan
Pengguna (KeP)
Kualitas sistem digunakan untuk mengukur kualitas sistem teknologi
informasinya sendiri (Jogiyanto, 2007). Kualitas sistem adalah kombinasi dari
hardware dan software dalam mengolah data, dimana fokus dari kualitas sistem
adalah performa sistem itu sendiri (Yuliana et al., 2016). Peneliti mengadopsi
indikator dalam penelitian Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan
62
Hudin dan Riana (2016) yaitu mudah digunakan (KuS1), mudah dirawar (KuS2),
respon cepat (KuS3), dan Fungsional (KuS4) sebagai indikator dari KuS. Peneliti
menghipotesis bahwa :
H15: Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap Penggunaan
Sistem (PS)
H16: Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap Kepuasan
Pengguna (KeP)
Menurut Parasuraman, et al. dalam penelitian Purnama (2006) mengatakan
bahwa kualitas layanan merupakan perbandingan antara layanan yang dirasakan
(persepsi) konsumen dengan kualitas layanan yang diharapkan konsumen. Dari
pendapat tersebut maka kualitas layanan adalah memberikan layanan sesuai dengan
harapan dan keingingan pelanggan (Yuliana et al., 2016). Peneliti mengadopsi
indikator dalam penelitian Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan
Hudin dan Riana (2016) yaitu fungsionalitas (KL1), respon cepat (KL2), dan
fleksibel (KL3) sebagai indokator dari KL. Peneliti menghipotesis bahwa :
H17: Kualitas Layanan (KL) berpengaruh secara signifikan terhadap Penggunaan
Sistem (PS)
H18: Kualitas Layanan (KL) berpengaruh secara signifikan terhadap Kepuasan
Pengguna (KeP)
63
Selanjutnya peneliti menggunakan dan mengadopsi penelitian yang telah
dilakukan oleh Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan Hudin dan
Riana (2016) yaitu sifat pengguna (PS1), tingkat penggunaan (PS2), dan intensitas
penggunaan (PS3) sebagai indikator dari PS. Peneliti menghipotesis bahwa :
H19: Penggunaan Sistem (PS) berpengaruh secara signifikan terhadap
Keberhasilan Sistem (KbS)
Kepuasan pengguna sangat berpengaruh secara signifikan terhadap
keberhasilan sistem informasi (Subiyakto et al., 2016). Peneliti menggunakan dan
mengadopsi penelitian yang telah dilakukan oleh Subiyakto dan Ahan (2014),
Subiyakto et al. (2016), dan Hudin dan Riana (2016) yaitu kecukupan/kepuasan
(KeP1), efektivitas (KeP2), efisiensi (KeP3), dan kepuasan keseluruhan (KeP4)
sebagai indikator dari KeP. Peneliti menghipotesis bahwa :
H20: Kepuasan Pengguna (KeP) berpengaruh secara signifikan terhadap
Keberhasilan Sistem (KbS)
Selanjutnya untuk indikator keberhasilan sistem, peneliti menggunakan
indikator dari penelitian Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan
Hudin dan Riana (2016) yaitu efisiensi (KbS1), efektivitas (KbS2), perbaikan
produktivitas (KbS3), kepuasan pengguna (KbS4), dan keunggulan kompetitif
(KbS5).
64
Tabel 3.1 Daftar Indikator
Kode Indikator Referensi
KP1 Budaya pekerjaan Subiyakto dan Ahan (2014), dan Subiyakto et
al. (2016) KP2 Pengalaman pekerja
KP3 Ketersediaan infrastruktur
KP4 Konteks eksternal
OT1 Integritas Subiyakto dan Ahan (2014),
dan Subiyakto et al. (2016) OT2 Norma
OT3 Kejelasan struktur sistem
OT4 Manajemen Konflik
KoS1 Kompleksitas sistem Subiyakto dan Ahan (2014), dan Subiyakto et
al. (2016) KoS2 Ketersediaan fitur
KoS3 Pengembangan teknologi
KoS4 Kualitas data
KI1 Akurasi Subiyakto dan Ahan (2014), Subiyakto et al.
(2016), Hudin dan Riana (2016), dan mariana
(2006) KI2 ketepatan waktu
KI3 Relevan
KI4 Konsisten
KuS1 Mudah digunakan Subiyakto dan Ahan (2014), Subiyakto et al.
(2016), Hudin dan Riana (2016), dan mariana
(2006) KuS2 Mudah dirawat
KuS3 Respon cepat
KuS4 Fungsionalitas
KL1 Fungsionalitas Subiyakto dan Ahan (2014), Subiyakto et al.
(2016), dan Hudin dan Riana (2016) KL2 Respon cepat
KL3 Fleksibelitas
PS1 Sifat pengguna Subiyakto dan Ahan (2014), dan Subiyakto et
al. (2016), dan Hudin dan Riana (2016) PS2 Tingkat penggunaan
PS3 Intensitas penggunaan
KeP1 Kecukupan/kepuasan Subiyakto dan Ahan (2014), dan Subiyakto et
al. (2016), dan Hudin dan Riana (2016) KeP2 Efektivitas
KeP3 Efisiensi
KeP4 Kepuasan keseluruhan
KbS1 Efisiensi Subiyakto dan Ahan (2014), dan Subiyakto et
al. (2016), dan Hudin dan Riana (2016) KbS2 Efektivitas
KbS3 Perbaikan produktivitas
KbS4 Kepuasan pengguna
KbS5 Keunggulan kompetitif
3.3 Prosedur Penelitian
Prosedur dalam penelitian ini terdiri dari delapan tahapan secara berurutan
(Subiyakto et al., 2016). Tahapan tersebut mencangkup kajian pustaka,
pengembangan model, perancangan penelitian, pembuatan instrument,
pengumpulan data, analisis data, interpretasi, dan pembuatan laporan.
65
Gambar 3.2 Prosedur Penelitian
3.4 Populasi dan Sampel Penelitian
Populasi yang digunakan dalam penelitian ini adalah para penumpang KRL
commuter line wilayah Jabodetabek. Berdasarkan catatan Badan Pusat Statistik
(BPS) tahun 2018, penumpang KRL Jabodetabek sampai bulan Maret 2018
sebanyak 29.223 penumpang. Pada penelitian ini, peneliti melakukan pengambilan
sampling dengan menggunakan teknik simple random sampling. Untuk menjadi
responden peneliti, responden harus memiliki pengalaman dalam menggunakan C-
VIM.
66
Dengan mempertimbangkan jumlah populasi yang banyak, keterbatasan
waktu dan biaya, sejumlah 408 orang pengguna C-VIM menjadi sampel dalam
penelitian ini. Jumlah sample tersebut melebihi dari jumlah minimum sample yang
telah dihitung menggunakan rumus slovin dengan nilai batas kelonggaran ketidak
telitian (e) adalah 5%
3.5 Instrumen Penelitian
Instrumen penelitian ini berbentuk kuesioner yang terdiri dari dua bagian.
Bagian pertama merupakan surat pengantar dari peneliti yang digunakan sebagai
permohonan untuk pengisian kuesioner dan bagian kedua merupakan pertanyaan-
pertanyaan yang terkait dengan penelitian. Lembaran pertanyaan penelitian ini
terdiri dari lima pertanyaan terkait profil responden, dua pertanyaan tentang
seberapa sering menggunakan C-VIM dan tingkat keberhasilan menggunakan C-
VIM, dan 35 pertanyaan pengujian.
Dalam penelitian ini, peneliti menggunakan lima poin skala likert seperti
yang dijelaskan oleh Syofian et al. (2015). Skala likert merupakan skala yang
digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau
sekelompok orang mengenai fenomena sosial (Sugiyono, 2013). Setiap pernyataan
disediakan lima alternatif jawaban, yaitu “sangat tidak setuju” dengan nilai 1 (satu),
“tidak setuju” dengan nilai 2 (dua), “tidak tahu” dengan nilai 3 (tiga), “setuju”
dengan nilai 4 (empat), dan “sangat setuju” dengan nilai 5 (lima).
Untuk menjamin validitas dan realibilitas alat ini, peneliti mengadopsi
sejumlah item indikator dari penelitian-penelitian terdahulu, yaitu Subiyakto dan
67
Ahlan (2014) dan Subiyakto et al. (2016). Untuk informasi lebih lengkapnya,
berikut tabel yang akan menjelaskan mengenai variabel dan indikator yang
digunakan dalam penelitian ini.
Tabel 3.2 Indikator dan Butir Pernyataan Pengujian
Variabel Indikator Pernyataan
Konteks
Pekerjaan
Budaya pekerjaan Budaya kerja saya yang terbiasa menggunakan
sistem mempengaruhi keberhasilan penggunaan C-
VIM.
Pengalaman pekerja Pengalaman saya menggunakan sistem di tempat
kerja mempengaruhi keberhasilan penggunaan C-
VIM.
Ketersediaan
infrastruktur
Ketersediaan sistem sejenis ditempat kerja saya
mempengaruhi keberhasilan penggunaan C-VIM.
Konteks eksternal Kondisi lingkungan kerja saya yang terbiasa
menggunakan sistem mempengaruhi keberhasilan
penggunaan C-VIM.
Orang dan
Tindakannya
Integritas Saya menggunakan C-VIM sesuai aturan dan
ketentuan yang berlaku.
Norma Saya menggunakan C-VIM dengan kualitas moral
yang baik.
Kejelasan struktur
sistem
Saya mengetahui bahwa alur penggunaan C-VIM
telah terstruktur dengan jelas.
Manajemen Konflik Saya dapat mengelola masalah terkait penggunaan
C-VIM dengan baik.
Konten Sistem Kompleksitas sistem Kompleksitas C-VIM mempengaruhi keberhasilan
penggunaannya.
Ketersediaan fitur Fitur C-VIM yang tersedia mempengaruhi
keberhasilan penggunaannya.
Pengembangan
teknologi
Teknologi C-VIM mengadopsi teknologi terbaru.
Kualitas data Data yang tersedia pada C-VIM bekualitas sesuai
kebutuhan saya.
Kualitas
Informasi
Akurasi Informasi yang diberikan oleh C-VIM akurat.
ketepatan waktu Informasi mampu disajikan oleh C-VIM secara
tepat waktu.
Relevan Informasi yang disajikan oleh C-VIM sesuai
dengan kebutuhan saya.
Konsisten Informasi mampu disajikan oleh C-VIM secara
konsisten.
Kualitas Sistem Mudah digunakan C-VIM mudah digunakan.
Mudah dirawat C-VIM terlihat mudah dirawat.
Respon cepat C-VIM mampu merespon secara cepat terhadap
perintah yang diberikan.
Fungsionalitas C-VIM dapat berfungsi dengan baik.
Kualitas
Pelayanan
Fungsionalitas C-VIM mampu mewakili fungsionalitas sebagai
pengganti loket.
68
Tabel 3.3 Indikator dan Butir Pernyataan Pengujian (Lanjutan)
Respon cepat C-VIM mampu memberikan respon dengan cepat.
Fleksibelitas C-VIM mampu memberikan pelayanan secara
fleksibel sesuai kebutuhan saya.
Penggunaan
Sistem
Sifat pengguna Keberhasilan penggunaan C-VIM dipengaruhi oleh
sifat pengunaannya.
Tingkat penggunaan Penggunaan C-VIM sudah tersebar luas digunakan
oleh penumpang KRL.
Intensitas penggunaan Penggunaan C-VIM memenuhi kebutuhan
intensitas yang disyaratkan.
Kepuasan
Pengguna
Kecukupan/kepuasan Saya puas menggunakan C-VIM.
Efektivitas Saya puas dengan efektifitas penggunaan C-VIM.
Efisiensi Saya puas dengan efisiensi penggunaan C-VIM.
Kepuasan keseluruhan Secara keseluruhan, saya puas dengan kinerja C-
VIM.
Keberhasilan
Sistem
Efisiensi Penggunaan C-VIM merupakan bentuk efisiensi
dalam pelayanan.
Efektivitas Penggunaan C-VIM sangat efektif.
Perbaikan
produktivitas
Penggunaan C-VIM mampu meningkatkan
produktivitas kinerja PT KAI Persero.
Kepuasan pengguna Penggunaan C-VIM mampu meningkatkan
kepuasan penumpang.
Keunggulan
kompetitif
Penggunaan C-VIM mampu meningkatkan daya
saing kereta api sebagai transportasi umum.
3.6 Pengumpulan dan Pemrosesan Data
Proses pengumpulan data pada penelitian ini dilakukan dengan
menyebarkan kuesioner secara langsung dan tidak langsung. Penyebaran secara
langsung dilakukan oleh peneliti untuk mencari responden yang tepat melalui tatap
muka secara langsung dengan membagikan kuesioner di stasiun Sudimara, Pondok
Ranji, Kebayoran, Poris, Kalideres, Jurangmangu, Batu Ceper, Tanah Tinggi,
Tangerang, Rawa Buaya, Universitas Indonesia, dan Karet. Penyebaran secara tidak
langsung dilakukan dengan cara menyebarkan link kuesioner melalui media sosial
(e-mail, whatsapp, line, dan instagram) dengan bantuan google forms untuk
pengisian kuesioner, link tersebut dikirimkan kepada rekan yang pernah
bekerjasama dengan peneliti dan terbilang sering menggunakan KRL Commuter
69
line di wilayah Jabodetabek. Penyebaran kuesioner ini dilakukan mulai dari tanggal
14 April 2018 sampai 5 Mei 2018 guna mencapai target dari jumlah sampel yang
diinginkan.
Jumlah kuesioner yang terkumpul akan diklasifikasikan menggunakan
perangkat lunak pengolah angka MS. Excel 2016. Berdasarkan pengumpulan data
yang telah dilakukan, peneliti berhasil mendapatkan 420 kuesioner. Dari 420
kuesioner yang terkumpul, sebanyak 12 diantaranya tidak valid karena terjadi
penginputan ganda pada google form, sehingga kuesioner yang dinyatakan valid
berjumlah 408 kuesioner.
3.7 Analisis Data dan Interpretasi hasilnya
Berdasarkan pada proses analisis data yang pernah dilakukan oleh
Subiyakto dan Sukmana (2014), tahap ini dibagi menjadi dua tahap utama, yaitu
analisis demografis dan analisis statistik inferensial. Pertama, peneliti melakukan
analisis data demografis dengan menggunakan perangkat melakukan analisis data
demografis dengan menggunakan perangkat lunak pengolah olah angka Ms. Excel
2016. Data responden akanan dikelompokkan berdasarkan jenis kelamin,
pendidikan, status pekerjaan, usia, seberasa sering menggunakan C-VIM, dan
tingkat keberhasilan menggunakan C-VIM.
Kedua, peneliti melakukan analisis statistik inferensial menggunakan
SmartPLS versi 3.0 (Kurniawan & Yamin, 2011). Mengacu pada sejumlah
penelitian terdahulu, peneliti melakukan analisis dengan dua tahap, yaitu analisis
measurement model dan structural model. Measurement model dilakukan untuk
70
menguji realibilitas dan validitas outer model melalui tahapan pengujiam individual
item reliability, internal consistency reliability, convergent validity, dan
discriminant validity. Sedangkan pengujian structural model dilakukan untuk
menguji path coefficient (β), coefficient of determination (R2), t-test menggunakan
metode bootstrapping, effect size (𝑓2), predictive relevance (𝑄2), dan relative
impact (𝑞2) (Hair, Sarstedt, Ringle, & Mena, 2012).
71
BAB IV
HASIL ANALISIS DAN INTERPRETASI
4.1 Gambaran Umum Perusahaan
4.1.1 Sejarah Berdirinya PT Kereta Commuter Indonesia
PT Kereta Api Indonesia (KAI) Persero adalah perusahaan yang bergerak
pada bidang penyediaan jasa kereta api yang berupa pelayanan penumpang dan
layanan pengangkutan barang baik kiriman hantaran dan biasa berdasarkan kontrak
kerjasama dengan pihak lain. PT KAI Persero milik Pemerintah (BUMN) yang
kemudian stastusnya berubah menjadi Persero, dimana yang semula tujuan
usahanya memberikan pelayanan atau jasa transportasi dan tidak berorientasi
mendapatkan keuntungan kemudian berubah menjadi memberikan pelayanan atau
jasa transportasi dan berorientasi pada keuntungan perusahaan.
PT Kereta Commuter Indonesia (KCI) adalah salah satu anak perusahaan di
lingkungan PT KAI Persero yang dibentuk sesuai dengan Inpres No 5 Tahun 2008
dan surat Menneg BUMN No. S-653/ MBU/2008 tanggal 12 Agustus 2008.
Pembentukan anak perusahaan ini berawal dari keinginan para stakeholder untuk
lebih fokus dalam memberikan pelayanan yang berkualitas dan menjadi bagian dari
solusi permasalahan transportasi perkotaan yang semakin kompleks.
PT KCI ini akhirnya resmi menjadi anak perusahaan PT KAI Persero sejak
tanggal 15 september 2008 yaitu sesuai dengan Akte Pendirian no. 415 Notaris
Ilmiawan Dekrit, S.H. Kehadiran PT KAI Commuter Jabodetabek dalam industri
jasa angkutan, merupakan proses pemikiran dan persiapan yang cukup panjang.
72
Dimulai dengan pembentukan Divisi Angkutan Perkotaan Jabodetabek oleh
induknya PT KAI Persero yang memisahkan diri dari saudara tuanya. PT KAI
Persero Daop 1 Bogor dengan kebijakan penghapusan subsidi BBM yang membuat
daya beli masyarakat turun mendapatkan perlindungan dengan membayar tarif
kereta lebih murah. Subsidi pemerintah berupa Public Service Obligation (PSO)
untuk PT KAI Persero sebesar Rp704,7 milliar.
Terlihat bahwa jarak stasiun kereta api Bogor-Jakarta Kota dengan 23
stasiun dikenakan tarif progresif pasca subsidi sebesar Rp5000,- per orang dan tarif
sebelum diberlakukan tarif progresif bersubsidi adalah sebesar Rp9000,- per orang.
Sehingga tiap orang dari jarak terjauh akan mendapatkan subsidi maksimal yaitu
sebesar Rp4000,- atau sebesar 44,5 persen. Perbaikan untuk meningkatkan kualitas
pelayanan yang dilakukan oleh PT KCI tidak hanya mengenai tarif progresif tetapi
perluasan dan revitalisasi stasiun di seluruh Jabodetabek. Dengan adanya
mekanisme tarif progresif jumlah penumpang kereta api Jabodetabek semakin
meningkat. Dengan semakin meningkatnya penumpang atau pelanggan Commuter
PT KCI kembali menambah jumlah perjalanan KRL Jabodetabek.
Jumlah penumpang KRL Pada Tahun 2006 sekitar 104.425.000 orang atau
sebesar 66,90% dari jumlah penumpang kerata api di Jawa dan di Tahun 2007
meningkat menjadi sekitar 118.095.000 orang, lalu di Tahun 2008 meningkat cukup
tinggi sekitar 125.451.000 orang dan Tahun 2009 terus mengalami peningkatan
sebesar 130.508.000 orang. Namun pada Tahun 2010 sedikit mengalami penurunan
menjadi sebesar 124.308.000 orang serta pada Tahun 2011 juga mengalami
penurunan menjadi sekitar 121.105.000 orang dan meningkat kembali pada Tahun
73
2012 menjadi sebesar 134.088.000 orang. Lalu pada Tahun 2014 total penumpang
atau pelanggan semakin meningkat sekitar 600 sampai dengan 700 penumpang per
hari di jabodetabek, untuk rute Bogor-Jakarta sekita 200 penumpang per harinya.
Program pengadaan armada akan dilakukan setiap Tahun hingga akhir Tahun 2019
dimana jumlah armada KRL yang di harapkan target 1.2 juta penumpang per hari.
Penambahan ini di lakukan seiring dengan program pengadaan dan
perbaikan sarana KRL, dimana PT KCI memiliki jumlah saran siap operasi yang
memungkinkan untuk meningkatkan jumlah perjalanan. Sasaran dari peningkatan
jumlah perjalanan ini tentunya mengoptimalkan pelayanan bagi para pengguna.
Tugas Pokok PT KCI adalah menyelenggarakan Pengusahaan pelayanan jasa
angkutan kereta api Commuter dengan menggunakan sarana Kereta Rel Listrik di
Wilayah Jakarta, Bogor, Depok, Tangerang (Serpong), dan Bekasi serta
pengusahaan di bidang usaha non angkutan penumpang.
4.1.2 Visi dan Misi PT Kereta Commuter Indonesia
a. Visi PT Kereta Commuter Indonesia
Layaknya perusahaan pada umumnya, PT KCI memiliki visi tersendiri,
yaitu “Mewujudkan jasa angkutan kereta api komuter sebagai pilihan utama dan
terbaik di wilayah Jakarta dan sekitarnya”.
b. Misi PT Kereta Commuter Indonesia
Selain memiliki visi, PT. KCJ juga memiliki misi, yaitu “Menyelenggarakan
jasa angkutan kereta api komuter yang mengutamakan keselamatan, pelayanan,
kenyamanan, dan ketepatan waktu, serta yang berwawasan lingkungan”.
74
4.1.3 Struktur Organisasi
Gambar 4.1 Struktur Organisasi PT KCI
4.2 Perhitungan Rumus Slovin
Diketahui pada bab sebelumnya bahwa sampel pada penelitian ini
berjumlah 408 sampel. Jumlah sample tersebut melebihi dari jumlah minimum
sampel yang telah dihitung menggunakan rumus slovin dengan nilai batas
kelonggaran ketidak telitian (e) adalah 5%, karean semakin kecil nilai ketidak
telitiannya maka akan semakin tinggi keakuratannya. Adapun perhitungan sampel
dengan menggunakan rumus slovin yaitu :
75
𝑛 =𝑁
1 + 𝑁𝑒2=
29.223
1 + 29.223 𝑥 0,0025=
29.223
1 + 73,0575=
29.223
74,0575= 394,5988 = 𝟑𝟗𝟓
4.3 Hasil Analisis
4.2.1 Hasil Analisis Demografis
Hasil analisis jawaban dari responden terhadap pertanyaan dan pernyataan
yang berkaitan dengan profil responden dan penggunaan C-VIM oleh penumpang
menghasilkan analisis demografis. Peneliti berhasil mengumpulkan data responden
dalam tiga minggu (14 April 20018 – 5 Mei 2018), sebanyak 408 data valid.
Informasi demografis yang dihasilkan meliputi jenis kelamin, pendidikan,
pekerjaan, usia, tingkat intensitas penggunaan C-VIM, dan tingkat keberhasilan
penggunaan C-VIM. Berikut adalah hasil analisisnya.
1. Jenis Kelamin
Gambar di bawah ini memperlihatkan bahwa dari 408 responden pada
penelitian ini, sebagian besar didominasi oleh responden dengan jenis
kelamin perempuan, yaitu sebanyak 280 orang atau sebesar 69% dan sisanya
yaitu laki-laki sebanyak 128 orang atau sebesar 31%.
Gambar 4.2 Diagram Lingkaran Jenis Kelamin Ressponden
Laki - Laki31%
Perempuan69%
76
2. Pendidikan
Berdasarkan diagram lingkaran dibawah ini memperlihatkan pendidikan
akhir responden yaitu, SLTA kebawah sebanyak 73 orang (17,9%), Diploma
sebanyak 35 orang (8,6%), S1 sebanyak 282 orang (69,1%), S2 sebanyak 17
orang (4,2%), dan S3 sebanyak 1 orang (0,2%).
Gambar 4.3 Diagram Lingkaran Pendidikan Akhir Responden
3. Pekerjaan
Diagram lingkaran dibawah ini memperlihatkan status pekerjaan responden
pada peneliatian ini meliputi: pelajar atau mahasiswa sebanyak 218 orang
(53,4%), guru, dosen atau peneliti sebanyak 10 orang (2,5%), pegawai negeri
sipil mencangkup POLRI dan TNI sebanyak 15 orang (3,7%), pegawai swasta
sebanyak 100 orang (24,5%), ibu rumah tangga sebanyak 21 orang (5,2%),
dan lainnya meliputi pengusaha, bidan, pekerja lepas, pengangguran dan
lainnya sebanyak 44 orang (10,7%).
< SLTA17,9%
Diploma8,6%
S169,1%
S24,2%
S30,2%
77
Gambar 4.4 Diagram Lingkaran Status Pekerjaan Responden
4. Usia
Diagram lingkaran dibawah ini menjelaskan usia responden pada penelitian
ini yaitu, di bawah usia 20 tahun sebanyak 59 orang (14%), 20-30 tahun 312
orang (77%), 30-40 tahun 18 orang (4%), dan diatas 40 tahun sebanyak 19
orang (5%).
Gambar 4.5 Diagram Lingkaran Usia Responden
Ibu Rumah Tangga5,2%
Pelajar / Mahasiswa
53,4%
Pegawai Swasta24,5%
Guru / Dosen / Peneliti
2,5%
Pegawai Negeri Sipil3,7%
Lainnya10,7%
< 20 tahun14%
> 40 tahun5%
20 - 30 tahun77%
30 - 40 tahun4%
78
5. Tingkat Intensitas Penggunaan C-VIM
Diagram dibawah ini menjelaskan tingkat intensitas atau keseringan
penggunaan C-VIM oleh responden diantaranya 277 orang atau 68% dari
responden jarang menggunakan C-VIM, 21 orang (5%) dari responden setiap
hari menggunakannya, 80 orang (20%) responden menggunakannya 2 sampai
3 kali seminggu, dan 30 orang (7%) responden 4 samapi 6 kali dalam
penggunaannya.
Gambar 4.6 Diagram Lingkaran Tingkat Intensitas Penggunaan C-VIM
6. Tingkat Keberhasilan Penggunaan C-VIM
Diagram dibawah ini menjelaskan tingkat keberhasilan penggunaan C-VIM
dimana 280 orang (69%) responden berhasil menggunakannya, 38 orang
(9%) kurang berhasil, 39 orang (10%) sangat berhasil, dan 51 orang (12%)
tidak tahu tingkat keberhasilannya dalam menggunakan C-VIM.
2 - 3 kali seminggu
20%
4 - 6 kali seminggu
7%
Jarang68%
Setiap hari5%
79
Gambar 4.7 Diagram Lingkaran Tingkat Keberhasilan Penggunaan C-VIM
4.2.2 Hasil Analisis Pengukuran Model (Outer Mode)
Di tahap ini, peneliti melakukan analisis pengukuran model yang terdiri dari
empat tahap pengujian yaitu individual item reliability, internal consistency
reliability, convergent validity, dan discriminant validity. Berikut penjelasan hasil
analisis model dalam empat tahap.
1. Uji individual item reliability
Standardized loading factor menggambarkan besarnya korelasi antara
setiap item pengukuran (indikator) dengan konstruknya dengan melihat nilai outer
loading. Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator
tersebut valid dalam mengukur konstruknya. Merujuk pada standar nilai outer
loading, setelah melalui pengujian pada SmartPLS 3.0, dapat dilihat pada tabel 4.1
bahwa terdapat 4 indikator, yaitu KP2, KP3, KoS1, dan PS1 yang memiliki nilai
outer loading dibawah 0,7 sehingga indikator tersebut harus dihapus. Setelah
melakukan beberapa kali pengujian seperti penghapusan indikator lainnya secara
bergantian, ditemukan kembali indikator yang tidak memenuhi nilai standar outer
Berhasil69%
Kurang berhasil
9%
Sangat Berhasil
10%
Tidak tahu12%
80
loading yaitu KoS2. Namun, selain ditemukannya indikator yang tidak memenuhi
nilai standar outer loading ditemukan juga bahwa indikator KP2 masih bisa
digunakan karena nilainya memenuhi nilai standar outer loading setelah
penghapusan indikator PS1, KoS1, KP3, dan KoS2.
Tabel 4.1 Hasil Awal Pengujian Loading Factor menggunakan SmartPLS
KI KL KP KbS KeP KoS KuS OT PS
KI1 0,823
KI2 0,819
KI3 0,886
KI4 0,869
KL1 0,837
KL2 0,865
KL3 0,882
KP1 0,749
KP2 0,692
KP3 0,663
KP4 0,763
KbS1 0,839
KbS2 0,859
KbS3 0,845
KbS4 0,880
KbS5 0,810
KeP1 0,895
KeP2 0,927
KeP3 0,906
KeP4 0,915
KoS1 0,662
KoS2 0,740
KoS3 0,758
KoS4 0,804
KuS1 0,783
KuS2 0,750
KuS3 0,848
KuS4 0,828
OT1 0,739
81
Tabel 4.1 Hasil Awal Pengujian Loading Factor menggunakan SmartPLS
(Lanjutan)
OT2 0,778
OT3 0,843
OT4 0,750
PS1 0,624
PS2 0,757
PS3 0,891
Setelah menghapus keempat indikator tersebut maka nilai loading factor
untuk semua indikator sudah memenuhi nilai standar loading factor dan siap untuk
dilakukan pengujian selanjutnya seperti tabel 4.2.
Tabel 4.2 Hasil Pengujian Loading factor Setelah Penghapusan Indikator
KI KL KP KbS KeP KoS KuS OT PS
KI1 0,822
KI2 0,818
KI3 0,887
KI4 0,869
KL1 0,836
KL2 0,866
KL3 0,882
KP1 0,820
KP2 0,773
KP4 0,792
KbS1 0,840
KbS2 0,859
KbS3 0,844
KbS4 0,880
KbS5 0,809
KeP1 0,895
KeP2 0,927
82
Tabel 4.2 Hasil Pengujian Loading factor Setelah Penghapusan Indikator
(Lanjutan)
KeP3 0,906
KeP4 0,915
KoS3 0,851
KoS4 0,901
KuS1 0,783
KuS2 0,747
KuS3 0,850
KuS4 0,829
OT1 0,742
OT2 0,781
OT3 0,839
OT4 0,749
PS2 0,810
PS3 0,922
2. Uji internal consistency reliability
Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)
dengan ambang batas di atas 0,7. Berikut tabel 4.3 memperlihatkan hasil
perhitungan oleh SmartPLS 3.0 di mana seluruh nilai CR dari semua variabel sudah
memenuhi syarat dan valid untuk digunakan dalam model penelitian ini.
Tabel 4.3 Hasil Pengujian Composite Reliability (CR)
Composite Reliability
KI 0,912
KL 0,896
KP 0,837
KbS 0,927
KeP 0,951
KoS 0,869
KuS 0,879
83
Tabel 4.4 Hasil Pengujian Composite Reliability (CR) (Lanjutan)
OT 0,860
PS 0,859
3. Uji convergent validity
Berikutnya melakukan pengujian convergent validity dengan melihat nilai
average variance extracted (AVE), di mana nilai AVE menggambarkan besaran
atau keragaman variabel manifes (indikator) yang dapat dikandung oleh variabel
laten (konstruk). Nilai AVE yang baik dalam menunjukkan convergent validity
adalah minimal 0,5. Artinya, variabel laten dapat menjelaskan rata-rata lebih dari
setengah varian dari indikatornya. Berikut tabel 4.4 memperlihatkan hasil
perhitungan oleh SmartPLS 3.0 di mana seluruh nilai AVE dari semua variabel
sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian ini.
Tabel 4.5 Hasil Pengujian Average Variance Extracted (AVE)
Average Variance Extracted
(AVE)
KI 0,722
KL 0,742
KP 0,632
KbS 0,717
KeP 0,830
KoS 0,768
KuS 0,645
OT 0,606
PS 0,753
84
4. Uji discriminant validity
Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa
cross loading dan cross loading Fornell-Lacker’s, pertama melakukan
perbandingan korelasi indikator dengan konstruknya dan konstruk blok lainnya.
Bila korelasi antar indikator dengan konstruknya lebih tinggi dari korelasi dengan
konstruk blok lainnya, maka konstruk tersebut memprediksi ukuran pada blok
mereka lebih baik dari blok lainnya. Selanjutnya dengan memeriksa cross loading
Fornell-Lacker’s yaitu dengan membandingkannya dengan nilai akar AVE, di
mana nilai akar AVE harus lebih tinggi daripada korelasi antara konstruk dengan
konstruk lainnya. Hasilnya dapat dilihat pada tabel 4.5 yang telah menunjukkan
bahwa nilai cross loading indikator yang diberi blok kuning pada setiap variabel
memiliki nilai lebih tinggi dari korelasi dengan konstruk blok lainnya.
Tabel 4.6 Hasil Pengujian Discriminant Validity (Cross Loading)
KI KL KP KbS KeP KoS KuS OT PS
KI1 0,822 0,435 0,237 0,469 0,443 0,534 0,424 0,450 0,378
KI2 0,818 0,612 0,281 0,574 0,537 0,508 0,589 0,365 0,443
KI3 0,887 0,490 0,335 0,486 0,485 0,623 0,493 0,485 0,451
KI4 0,869 0,498 0,361 0,496 0,492 0,564 0,521 0,487 0,515
KL1 0,502 0,836 0,141 0,654 0,596 0,317 0,505 0,259 0,427
KL2 0,496 0,866 0,235 0,641 0,627 0,389 0,667 0,278 0,472
KL3 0,550 0,882 0,294 0,691 0,659 0,383 0,619 0,380 0,476
KP1 0,240 0,190 0,820 0,229 0,267 0,207 0,256 0,261 0,208
KP2 0,353 0,199 0,773 0,306 0,298 0,255 0,168 0,383 0,230
KP4 0,254 0,237 0,792 0,270 0,232 0,310 0,269 0,248 0,300
KbS1 0,492 0,661 0,318 0,840 0,703 0,332 0,513 0,383 0,503
KbS2 0,509 0,701 0,261 0,859 0,712 0,318 0,589 0,361 0,504
KbS3 0,487 0,591 0,280 0,844 0,564 0,334 0,516 0,332 0,474
KbS4 0,547 0,679 0,315 0,880 0,652 0,423 0,601 0,387 0,476
KbS5 0,484 0,605 0,270 0,809 0,533 0,371 0,481 0,398 0,428
85
Tabel 4.5 Hasil Pengujian Discriminant Validity (Cross Loading) (Lanjutan)
KeP1 0,553 0,643 0,270 0,639 0,895 0,358 0,576 0,423 0,490
KeP2 0,483 0,640 0,314 0,680 0,927 0,296 0,606 0,442 0,495
KeP3 0,513 0,692 0,319 0,714 0,906 0,310 0,615 0,402 0,517
KeP4 0,550 0,679 0,318 0,714 0,915 0,385 0,629 0,425 0,564
KoS3 0,473 0,373 0,266 0,340 0,279 0,851 0,394 0,310 0,379
KoS4 0,664 0,370 0,304 0,390 0,364 0,901 0,431 0,487 0,376
KuS1 0,498 0,562 0,176 0,542 0,577 0,347 0,783 0,324 0,413
KuS2 0,344 0,462 0,285 0,431 0,459 0,276 0,747 0,169 0,352
KuS3 0,510 0,623 0,223 0,537 0,539 0,425 0,850 0,210 0,436
KuS4 0,543 0,575 0,253 0,535 0,556 0,447 0,829 0,340 0,428
OT1 0,365 0,208 0,298 0,268 0,241 0,312 0,125 0,742 0,198
OT2 0,358 0,213 0,346 0,325 0,283 0,381 0,181 0,781 0,235
OT3 0,474 0,337 0,278 0,396 0,479 0,415 0,357 0,839 0,363
OT4 0,423 0,325 0,274 0,355 0,392 0,326 0,312 0,749 0,310
PS2 0,361 0,323 0,273 0,381 0,393 0,313 0,373 0,254 0,810
PS3 0,531 0,563 0,273 0,573 0,568 0,419 0,496 0,366 0,922
Tabel 4.7 Hasil Pengujian Discriminant Validity (Cross Loading Fornel Lacker’s)
KI KL KP KbS KeP KoS KuS OT PS
KI 0,850
KL 0,599 0,861
KP 0,360 0,264 0,795
KbS 0,595 0,768 0,341 0,847
KeP 0,576 0,729 0,336 0,755 0,911
KoS 0,657 0,423 0,327 0,418 0,371 0,877
KuS 0,597 0,696 0,288 0,640 0,666 0,472 0,803
OT 0,527 0,357 0,379 0,439 0,464 0,463 0,330 0,779
PS 0,528 0,533 0,311 0,566 0,568 0,430 0,509 0,366 0,868
Tabel 4.6 menunjukkan bahwa nilai akar AVE lebih tinggi daripada korelasi
antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil pemeriksaan
dua tahapan cross loading diketahui bahwa tidak ada masalah dalam pengujian
discriminant validity.
86
Secara singkat, hasil analisis pengukuran model di atas menunjukkan bahwa
model yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik
sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat untuk
dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,
2013).
87
Tabel 4.8 Hasil Analisis Pengukuran Model
Var Ind OL CL
AVE CR Akar
AVE KI KL KP KbS KeP KoS KuS OT PS
KI
KI1 0,822 0,822 0,435 0,237 0,469 0,443 0,534 0,424 0,450 0,378
0,722 0,912 0,850 KI2 0,818 0,818 0,612 0,281 0,574 0,537 0,508 0,589 0,365 0,443
KI3 0,887 0,887 0,490 0,335 0,486 0,485 0,623 0,493 0,485 0,451
KI4 0,869 0,869 0,498 0,361 0,496 0,492 0,564 0,521 0,487 0,515
KL
KL1 0,836 0,502 0,836 0,141 0,654 0,596 0,317 0,505 0,259 0,427
0,742 0,896 0,861 KL2 0,866 0,496 0,866 0,235 0,641 0,627 0,389 0,667 0,278 0,472
KL3 0,882 0,550 0,882 0,294 0,691 0,659 0,383 0,619 0,380 0,476
KP
KP1 0,820 0,240 0,190 0,820 0,229 0,267 0,207 0,256 0,261 0,208
0,632 0,837 0,795 KP2 0,773 0,353 0,199 0,773 0,306 0,298 0,255 0,168 0,383 0,230
KP3*
KP4 0,792 0,254 0,237 0,792 0,270 0,232 0,310 0,269 0,248 0,300
KbS
KbS1 0,840 0,492 0,661 0,318 0,840 0,703 0,332 0,513 0,383 0,503
0,717 0,927 0,847
KbS2 0,859 0,509 0,701 0,261 0,859 0,712 0,318 0,589 0,361 0,504
KbS3 0,844 0,487 0,591 0,280 0,844 0,564 0,334 0,516 0,332 0,474
KbS4 0,880 0,547 0,679 0,315 0,880 0,652 0,423 0,601 0,387 0,476
KbS5 0,809 0,484 0,605 0,270 0,809 0,533 0,371 0,481 0,398 0,428
KeP
KeP1 0,895 0,553 0,643 0,270 0,639 0,895 0,358 0,576 0,423 0,490
0,83 0,951 0,911 KeP2 0,927 0,483 0,640 0,314 0,680 0,927 0,296 0,606 0,442 0,495
KeP3 0,906 0,513 0,692 0,319 0,714 0,906 0,310 0,615 0,402 0,517
KeP4 0,915 0,550 0,679 0,318 0,714 0,915 0,385 0,629 0,425 0,564
KoS
KoS1*
0,768 0,869 0,877 KoS2*
KoS3 0,851 0,473 0,373 0,266 0,340 0,279 0,851 0,394 0,310 0,379
KoS4 0,901 0,664 0,370 0,304 0,390 0,364 0,901 0,431 0,487 0,376
KuS KuS1 0,783 0,498 0,562 0,176 0,542 0,577 0,347 0,783 0,324 0,413 0,645 0,879 0,803
88
Tabel 4.7 Hasil Analisis Pengukuran Model (Lanjutan)
KuS2 0,747 0,344 0,462 0,285 0,431 0,459 0,276 0,747 0,169 0,352
KuS3 0,850 0,510 0,623 0,223 0,537 0,539 0,425 0,850 0,210 0,436
KuS4 0,829 0,543 0,575 0,253 0,535 0,556 0,447 0,829 0,340 0,428
OT
OT1 0,742 0,365 0,208 0,298 0,268 0,241 0,312 0,125 0,742 0,198
0,606 0,86 0,779 OT2 0,781 0,358 0,213 0,346 0,325 0,283 0,381 0,181 0,781 0,235
OT3 0,839 0,474 0,337 0,278 0,396 0,479 0,415 0,357 0,839 0,363
OT4 0,749 0,423 0,325 0,274 0,355 0,392 0,326 0,312 0,749 0,310
PS
PS1*
0,753 0,859 0,868 PS2 0,810 0,361 0,323 0,273 0,381 0,393 0,313 0,373 0,254 0,810
PS3 0,922 0,531 0,563 0,273 0,573 0,568 0,419 0,496 0,366 0,922
89
4.2.3 Hasil Analisis Model Struktural (Inner Model)
Pada tahap analisis model struktural dilakukan enam tahapan pengujian
yang terdiri dari pengujian path coefficient (β), coefficient of determination (R2), t-
test menggunakan metode bootstrapping, effect size (𝑓2), predictive relevance (𝑄2),
dan relative impact (𝑞2).
1. Uji path coefficient (β)
Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di
mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai uji
koefisien jalur berada di atas 0,1. Hasilnya dari 20 jalur yang ada pada model
penelitian ini, 18 jalur tersebut dinyatakan memiliki pengaruh signifikan dan 2 jalur
tidak memiliki pengaruh signifikan, yaitu jalur KP KI dan KP KL.
Tabel 4.9 Hasil Pengujian Jalur Koefisien menggunakan SmartPLS 3.
KI KL KP KbS KeP KoS KuS OT PS
KI 0,144 0,227
KL 0,464 0,239
KP 0,098 0,095 0,327 0,123 0,379
KbS
KeP 0,640
KoS 0,507 0,309 0,382
KuS 0,257 0,173
OT 0,255 0,178 0,107 0,104
PS 0,202
90
Gambar 4.8 Hasil Analisis Path Coefficient
2. Uji coefficient of determination (R2)
Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target
variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan sebagai kuat,
sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di bawahnya
menunjukkan tingkat varian yang lemah. Berikut adalah hasil uji coefficient of
determination. Pada tabel 4.9 dapat dilihat bahwa KL, KoS, KuS, dan OT memiliki
nilai R2 yang lemah, dengan nilai masing-masing yaitu 0,220; 0,107; 0,251; dan
0,143. Hal ini menjelaskan bahwa KP, KoS, dan OT memiliki tingkat varian yang
lemah sebesar 22% dari KL, KP memiliki tingkat varian yang lemah sebesar 11%
dari KoS. Lalu KP, KoS, dan OT memiliki tingkat varian yang lemah sebesar 25%
91
dari KuS, dan KP memiliki tingkat varian yang lemah sebesar 14% dari OT.
Sedangkan variabel KI, KbS, KeP, dan PS memiliki nilai R2 yang moderat, dengan
nilai masing-masing yaitu 0,503; 0,598; 0,593; dan 0,374. Hal ini menjelaskan
bahwa KP, KoS, dan OT memiliki tingkat varian yang moderat sebesar 50% dari
KI. KeP dan PS memiliki tingkat varian yang moderat sebesar 60% dari KbS. KI,
KL, dan KuS memiliki tingkat varian yang moderat sebesar 59% dari KeP. KI, KL,
KuS, dan OT memiliki tingkat varian yang moderat sebesar 37% dari PS. Dan
dalam penelitian ini, tidak ada varian yang menjelaskan tingkat varian secara
akurat.
Tabel 4.10 Hasil Pengujian Coefficiennt of Determination (R2)
R Square
KI 0,503
KL 0,220
KbS 0,598
KeP 0,593
KoS 0,107
KuS 0,251
OT 0,143
PS 0,374
3. Uji t-test
Pada pengujian t-test dilakukan dengan menggunakan metode
bootstrapping pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test
adalah diatas 1,96. Berikut pada tabel 4.10 dapat dilihat hasil pengujiannya di mana
dari total 20 hipotesis terdapat 16 hipotesis yang diterima yaitu KI KeP, KI
PS, KL KeP, KL PS, KP KoS, KP OT, KeP KbS, KoS KI, KoS
92
KL, KoS KuS, KuS KeP, KuS PS, OT KI, OT KL, OT PS,
dan PS KbS dengan nilai dapat dilihat pada tabel 4.10. Dan terdapat 4 hipotesis
yang ditolak karena tidak memenuhi syarat nilai yang diterima pada pengujian t-
test di antaranya adalah KP KI, KP KL, KP KuS, dan OT KuS dengan
masing-masing nilai yaitu 1,800; 1,432; 1,959; dan 1,433.
4. Uji effect size (𝑓2)
Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel
tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh kecil,
0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada tabel 4.10
memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki pengaruh
besar yaitu KeP KbS dengan nilai 0,693 dan KoS KI dengan nilai 0,392.
Terdapat 2 jalur yang memiliki pengaruh menengan yaitu KL KeP dengan nilai
0,244 dan KP OT dengan nilai 0,167. Dan terdapat 16 jalur yang memiliki
pengaruh kecil yaitu KI KeP, KI PS, KL PS, KP KI, KP KL, KP
KoS, KP KuS, KoS KL, KoS KuS, KuS KeP, KuS PS, OT
KI, OT KL, OT KuS, OT PS, dan PS KbS dengan nilai dapat dilihat
pada tabel 4.10
5. Uji predictive relevance (Q2)
Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk
menjelaskan bahwa variabel tertentu yang digunakan dalam model mempunyai
keterkaitan secara prediktif dengan variabel lainnya dalam model dengan nilai
93
ambang batas di atas nol (0). Dari hasil pengujian, diketahui bahwa nilai Q2 dari
seluruh variabel di atas nol (0) yang menunjukkan keterkaitan secara prediktif.
Dapat dilihat pada tabel 4.10.
6. Uji relative impact (𝑞2).
Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode
blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari sebuah
keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang batas yang
digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh kecil, 0,15
memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar. Pada tabel 4.10
memperlihatkan bahwa tidak ada yang memiliki pengaruh besar, 2 jalur memiliki
pengaruh menengah, yaitu KeP KbS dengan nilai 0,303 dan KoS KI dengan
nilai 0,199. Dan 18 jalur memiliki peranguh kecil, diantaranya KI KeP, KI
PS, KL KeP, KL PS, KP KI, KP KL, KP KoS, KP KuS, KP
OT, KoS KL, KoS KuS, KuS KeP, KuS PS, OT KI, OT KL,
OT KuS, OT PS, dan PS KbS dengan nilai dapat dilihat pada tabel 4.10.
94
Tabel 4.11 Hasil Analisis Struktur Model
Hipotesis
β t-test R²
f²
Q²
q² Analisis
Hip Jalur R²-in R²-ex Σf² Q²-in Q²-
ex Σq² β t-test R² f² Q² q²
H1 KI -> KeP 0,144 2,855 0,593 0,593 0,581 0,028 0,461 0,461 0,452 0,016 Sign Diterima M k Predictive
Relevance k
H2 KI -> PS 0,227 3,345 0,374 0,374 0,349 0,039 0,252 0,252 0,236 0,022 Sign Diterima M k Predictive
Relevance k
H3 KL -> KeP 0,464 8,594 0,593 0,593 0,493 0,244 0,461 0,461 0,384 0,142 Sign Diterima M m Predictive
Relevance k
H4 KL -> PS 0,239 3,607 0,374 0,374 0,346 0,044 0,252 0,252 0,235 0,023 Sign Diterima M k Predictive
Relevance k
H5 KP -> KI 0,098 1,800 0,503 0,503 0,496 0,014 0,339 0,339 0,336 0,004 Insign Ditolak M k Predictive
Relevance k
H6 KP -> KL 0,095 1,432 0,220 0,220 0,213 0,008 0,150 0,150 0,147 0,003 Insign Ditolak L k Predictive
Relevance k
H7 KP -> KoS 0,327 5,645 0,107 0,107 0,000 0,120 0,073 0,073 0,000 0,079 Sign Diterima L k Predictive
Relevance k
H8 KP -> KuS 0,123 1,959 0,251 0,251 0,240 0,014 0,149 0,149 0,142 0,008 Sign Ditolak L k Predictive
Relevance k
H9 KP -> OT 0,379 8,108 0,143 0,143 0,000 0,167 0,083 0,083 0,000 0,091 Sign Diterima L m Predictive
Relevance k
H10 KeP -> KbS 0,640 19,565 0,598 0,598 0,319 0,693 0,395 0,395 0,212 0,303 Sign Diterima M b Predictive
Relevance m
H11 KoS -> KI 0,507 7,245 0,503 0,503 0,308 0,392 0,339 0,339 0,207 0,199 Sign Diterima M b Predictive
Relevance m
H12 KoS -> KL 0,309 4,778 0,220 0,220 0,147 0,093 0,150 0,150 0,099 0,060 Sign Diterima L k Predictive
Relevance k
H13 KoS -> KuS 0,382 5,833 0,251 0,251 0,140 0,148 0,149 0,149 0,083 0,077 Sign Diterima L k Predictive
Relevance k
95
Tabel 4.10 Hasil Analisis Struktur Model (Lanjutan)
H14 KuS -> KeP 0,257 4,899 0,593 0,593 0,562 0,075 0,461 0,461 0,437 0,044 Sign Diterima M k Predictive
Relevance k
H15 KuS -> PS 0,173 2,508 0,374 0,374 0,361 0,020 0,252 0,252 0,242 0,014 Sign Diterima M k Predictive
Relevance k
H16 OT -> KI 0,255 3,871 0,503 0,503 0,454 0,098 0,339 0,339 0,307 0,048 Sign Diterima M k Predictive
Relevance k
H17 OT -> KL 0,178 2,535 0,220 0,220 0,197 0,029 0,150 0,150 0,137 0,015 Sign Diterima L k Predictive
Relevance k
H18 OT -> KuS 0,107 1,433 0,251 0,251 0,243 0,010 0,149 0,149 0,145 0,004 Sign Ditolak L k Predictive
Relevance k
H19 OT -> PS 0,104 2,016 0,374 0,374 0,366 0,012 0,252 0,252 0,250 0,003 Sign Diterima M k Predictive
Relevance k
H20 PS -> KbS 0,202 4,993 0,598 0,598 0,571 0,066 0,395 0,395 0,377 0,030 Sign Diterima M k Predictive
Relevance k
Keterangan :
Sign : Signifikan L : Lemah
Insign : Insignifikan b : Besar
A : Akurat m : Menengah
M : Moderat k : kecil
96
4.4 Interpetasi dan Diskusi Hasil Analisis
4.3.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis
1) Jenis kelamin
Berdasarkan gambar 4.2 pada subbab sebelumnya, diketahui bahwa jenis
kelamin pada responden penelitian ini di dominasi oleh perempuan dengan
presentase sebanyak 69% sedangkan responden berjenis kelamin laki-laki pada
penelitian ini hanya sebanyak 31%. Hal ini mungkin saja terjadi dikarenakan pada
saat proses pengumpulan data yang lebih banyak dilakukan menggunakan google
form dimana sebagian besar ditujukan kepada teman dan kerabat peneliti yang lebih
banyak berjenis kelamin perempuan dibanding laki-laki. Selain itu, jika di tinjau
pada keadaan stasiun kereta api dimana para penumpang perempuan memiliki
gerbong khusus sendiri dan walau demikian masih memungkinkan untuk
menempati gerbong umum lainnya, sehingga dari keadaan tersebut dapat di
simpulkan bahwa penumpang KRL berjenis kelamin perempuan lebih banyak
dibandingkan penumpang KRL berjenis kelamin laki-laki.
2) Pendidikan
Berdasarkan gambar 4.3 pada subbab sebelumnya, diketahui bahwa tingkat
pendidikan responden pada penelitian ini didominasi oleh S1 dengan presentase
sebanyak 69,1%, disusul oleh SLTA kebawah sebanyak 17,9%, kemudian Diploma
sebanyak 8,6%, S2 sebanyak 4,2% dan S3 sebanyak 0,2%. Hal ini menunjukkan
bahwa sebanyak 82,1% responden memiliki tingkat pendidikan yang tinggi untuk
dijadikan sebagai sampel dalam penelitian ini
97
3) Pekerjaan
Berdasarkan gambar 4.4 pada subbab sebelumnya, diketahui bahwa status
pekerjaan responden didominasi oleh mahasiswa dengan presentase sebanyak
53,4%, lalu disusul oleh pegawai swasta sebanyak 24,5%, ibu rumah tangga
sebanyak 5,2%, pegawai negeri sipil sebanyak 3,7%, guru, dosen, dan peneliti
sebanyak 2,5% dan lainnya meliputi pengusaha, bidan, pekerja lepas, pengangguran
dan lainnya sebanyak 10,7%. Seperti yang sudah dijelaskan sebelumnya bahwa
pengumpulan data yang dilakukan lebih banyak menggunakan google form dimana
sebagian besar ditujukan kepada teman dan kerabat peneliti yang sebagian besar
juga berstatus sebagai mahasiswa yang memang menggunakan kayanan KRL.
Sehingga hal tersebut dapat menjadi faktor dari status pekerjaan responden yang
didominasi oleh mahasiswa.
4) Usia
Berdasarkan gambar 4.5 pada subbab sebelumnya, diketahui bahwa rentang
usia responden pada penelitian ini di dominasi oleh responden dengan rentang usia
20-30 tahun dengan presentase sebanyak 77%, kemudian rentang usia dibawah 20
tahun sebanyak 14%, rentang usia 30-40 tahun sebanyak 4%, dan rentang usia
diatas 40 tahun sebanyak 5%. Hal ini menunjukkan bahwa mayoritas responden
peneliti berusia antara 20-30 tahun di mana peneliti berasumsi bahwa responden
dengan rentang usia tersebut lebih terbiasa dalam penggunaan teknologi sehingga
memiliki pengalaman dan pengetahuan yang cukup dalam penggunaan C-VIM.
98
5) Tingkat intensitas penggunaan C-VIM
Berdasarkan gambar 4.6 pada subbab sebelumnya, presentase dari tingkat
intensitas atau keseringan penggunaan C-VIM oleh responden pada penelitian ini
di dominasi oleh responden yang intensitas penggunaannya jarang sebanyak 68%,
lalu responden yang intensitas penggunaannya 2-3 kali dalam seminggu sebanyak
20%, kemudian yang intensitas penggunaannya 4-6 kali seminggu sebanyak 7%,
dan yang intensitas penggunaannya setiap hari sebanyak 5%. Walau responden
pada penelitian ini didominasi oleh yang intensitas penggunaanya jarang, tetapi usia
pada rentang usia 20-30 mereka telah terbiasa dalam penggunaan teknologi
informasi didukung dengan latar belakang pendidikan mereka yang mayoritas
memiliki tingkat pendidikan yang tinggi, sehingga memudahkan mereka dalam
menggunakan teknologi C-VIM.
6) Tingkat keberhasilan penggunaan C-VIM
Berdasarkan gambar 4.7 pada subba sebelumya, presentase dari tingkat
keberhasilan penggunaan C-VIM oleh responden pada penelitian ini didominasi
oleh penggunaan yang berhasil sebanyak 69%, tidak tahu 12%, kurang berhasil 9%,
dan sangat berhasil 10%. Hal ini menunjukkan bahwa mayoritas responden yang
menggunakan C-VIM berhasil dalam menggunakannya. Tentunya keberhasilan itu
pun di dukung dari data sebelumnya. Dimana faktor pendidikan, pekerjaan, usia,
dan tingkat intensitas penggunaan C-VIM mempengaruhi keberhasilan dari
penggunaannya.
99
4.3.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran (Outer Model)
Dari hasil analisis model pengukuran yang telah dilakukan, terdapat dua hal
penting yang harus diperhatikan, yaitu sebagai berikut :
1. Pada analisis model pengukuran didapatkan hasil akhir yang menunjukkan
bahwa model penelitian ini sudah memenuhi syarat dan memiliki
karakteristik yang baik sehingga dapat dilanjutkan ke tahap analisis
berikutnya yaitu analisis struktural model (uji inner model).
2. Terdapat 4 (empat) indikator yang dihapus yaitu PS1, KoS1, KP3, dan KoS2
dalam model penelitian ini dikarenakan belum memenuhi standar nilai outer
loading.
Berdasarkan dua poin tersebut, model yang diajukan peneliti memang sudah
memenuhi syarat namun masih adanya penghapusan 4 (empat) indikator.
Penghapusan keempat indikator tersebut mungkin disebabkan karena pada saat
proses pengumpulan data, peneliti tidak mendampingi langsung responden ketika
hendak mengisi kuesioner sehingga memungkinkan terjadinya kesalahan
pemahaman pertanyaan yang diajukan kepada responden.
Untuk menanggapi hal tersebut, perlu dilakukan peninjauan kembali atau
dengan dilakukan pengembangan lebih lanjut terkait instrumen yang digunakan
dalam penelitian ini (terutama penggunaan keempat indikator PS1, KoS1, KP3, dan
KoS2 yang dihapus). Meskipun peneliti telah berusaha melakukan dengan sebaik-
baiknya, tentu masih terdapat banyak hal yang berada di luar kendali peneliti ketika
pelaksanaannya di lapangan.
100
4.3.3 Interpretasi dan Diskusi Hasil Analisis Model Struktural (Inner Model)
Dalam subbab ini akan dipaparkan mengenai interpretasi dan diskusi yang
didasarkan pada hasil dari 6 (enam) tahapan analisis struktur model yang telah
dilakukan. Keenam tahapan tersebut adalah path coefficient (β), coefficient of
determination (R2), t-test menggunakan bootstrapping, effect size (𝑓2), predictive
relevance (𝑄2), dan relative impact (𝑞2). Berikut adalah pemaparan dari hipotesis
yang telah dirumuskan berdasarkan hasil analisis yang telah dilakukan.
H1 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan
terhadap Kepuasan Pengguna (KeP)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H1 diterima. Hal ini berarti bahwa KI
memiliki pengaruh yang signifikan terhadap KeP. Selain itu, jalur KI KeP
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KI terhadap KeP memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
Subiyakto et al. (2016). Selain itu juga konsisten dengan penelitian
sebelumnya yang dilakukan oleh hudin dan riana (2016), dan wahyuni (2011).
Sehingga dapat disimpulkan bahwa semakin tinggi kualitas informasi pada
C-VIM maka semakin meningkat kepuasan dari pengguna tersebut.
101
H2 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan
terhadap Penggunaan Sistem (PS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H2 diterima. Hal ini berarti bahwa KI
memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur KI PS
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KI terhadap PS memiliki pengaruh
kecil. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et al.
(2016). Selain itu juga konsisten dengan penelitian sebelumnya yang
dilakukan oleh hudin dan riana (2016), dan wahyuni (2011). Sehingga dapat
disimpulkan bahwa semakin tinggi kualitas informasi pada C-VIM maka
semakin memudahkan pengguna dalam penggunaan sistem.
H3 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (KeP)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H3 diterima. Hal ini berarti bahwa KL
memiliki pengaruh yang signifikan terhadap KeP. Selain itu, jalur KL KeP
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 variabel KL terhadap KeP memiliki pengaruh yang
medium atau menengah, sedangkan berdasarkan pengujian q2 variabel KL
terhadap KeP memiliki pengaruh kecil. Hal ini konsisten dengan penelitian
sebelumnya oleh Subiyakto et al. (2016). Selain itu juga konsisten dengan
penelitian sebelumnya yang dilakukan oleh hudin dan riana (2016). Sehingga
102
dapat disimpulkan bahwa semakin tinggi kualitas layanan pada penggunaan
C-VIM maka semakin meningkat kepuasan dari pengguna.
H4 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H4 diterima. Hal ini berarti bahwa KL
memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur KL PS
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KL terhadap PS memiliki pengaruh
kecil. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et al.
(2016). Selain itu juga konsisten dengan penelitian sebelumnya yang
dilakukan oleh hudin dan riana (2016). Sehingga dapat disimpulkan bahwa
semakin tinggi kualitas layanan pada penggunaan C-VIM maka semakin
memudahkan pengguna dalam penggunaan sistem.
H5 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan
terhadap Kualitas Informasi (KI)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H5 ditolak. Hal ini berarti bahwa KP tidak
memiliki pengaruh yang signifikan terhadap KI. Selain itu, jalur KP KI
juga tidak memiliki pengaruh yang signifikan terhadap model yang
digunakan. Berdasarkan pengujian f2 dan q2, variabel KP terhadap KI
memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya
oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status
103
pekerjaan dari pengguna C-VIM tidak berpengaruh terhadap penerimaan
kualitas informasi yang didapat.
H6 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan
terhadap Kualitas Layanan (KL)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H6 ditolak. Hal ini berarti bahwa KP tidak
memiliki pengaruh yang signifikan terhadap KL. Selain itu, jalur KP KL
juga tidak memiliki pengaruh yang signifikan terhadap model yang
digunakan. Berdasarkan pengujian f2 dan q2, variabel KP terhadap KL
memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya
oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status
pekerjaan dari pengguna C-VIM tidak berpengaruh terhadap penerimaan
kualitas layanan yang diberikan.
H7 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan
terhadap Konten Sistem (KoS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H7 diterima. Hal ini berarti bahwa KP
memiliki pengaruh yang signifikan terhadap KoS. Selain itu, jalur KP KoS
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KP terhadap KoS memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status pekerjaan
104
dari pengguna C-VIM berpengaruh terhadap pemahaman konten sistem yang
ada pada C-VIM.
H8 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan
terhadap Kualitas Sistem (KuS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H8 ditolak. Hal ini berarti bahwa KP tidak
memiliki pengaruh yang signifikan terhadap KuS. Namun, jalur KP KuS
memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KP terhadap KuS memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status pekerjaan
dari pengguna C-VIM berpengaruh terhadap penerimaan kualitas dari sistem
C-VIM.
H9 Apakah Kontek Pekerjaan (KP) berpengaruh secara signifikan terhadap
Orang dan Tindakannya (OT)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H9 diterima. Hal ini berarti bahwa KP
memiliki pengaruh yang signifikan terhadap OT. Selain itu, jalur KP OT
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 variabel KP terhadap OT memiliki pengaruh yang
medium atau menengah dan berdasarkan pengujian q2 variabel KP terhadap
OT memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya
oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status
105
pekerjaan dari pengguna C-VIM berpengaruh terhadap tindakan pengguna
pada penggunaan C-VIM.
H10 Apakah Kepuasan Pengguna (KeP) berpengaruh secara signifikan
terhadap Keberhasilan Sistem (KbS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H10 diterima. Hal ini berarti bahwa KeP
memiliki pengaruh yang signifikan terhadap KbS. Selain itu, jalur KeP
KbS juga memiliki pengaruh yang signifikan terhadap model yang
digunakan. Berdasarkan pengujian f2 variabel KeP terhadap KbS memiliki
pengaruh besar dan berdasarkan pengujian q2 variabel KeP terhadap KbS
memiliki pengaruh medium. Hal ini konsisten dengan penelitian sebelumnya
oleh Subiyakto et al. (2016). Selain itu juga konsisten dengan penelitian
sebelumnya yang dilakukan oleh hudin dan riana (2016), dan wahyuni (2011).
Sehingga dapat disimpulkan bahwa semakin tinggi tingkat kepuasan
pengguna dalam penggunaan C-VIM maka semakin tinggi tingkat
keberhasilan sistem C-VIM.
H11 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap
Kualitas Informasi (KI)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H11 diterima. Hal ini berarti bahwa KoS
memiliki pengaruh yang signifikan terhadap KI. Selain itu, jalur KoS KI
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 variabel KoS terhadap KI memiliki pengaruh besar
106
dan berdasarkan pengujian q2 variabel KoS terhadap KI memiliki pengaruh
medium. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et
al. (2016). Sehingga dapat disimpulkan bahwa konten pada sistem C-VIM
berpengaruh terhadap tingginya tingkat kualitas informasi pada C-VIM.
H12 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap
Kualitas Layanan (KL)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H12 diterima. Hal ini berarti bahwa KoS
memiliki pengaruh yang signifikan terhadap KL. Selain itu, jalur KoS KL
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KoS terhadap KL memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa konten pada
sistem C-VIM berpengaruh terhadap tingkat kualitas layanan yang di dapat
oleh pengguna pada penggunaan C-VIM.
H13 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap
Kualitas Sistem (KuS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H13 diterima. Hal ini berarti bahwa KoS
memiliki pengaruh yang signifikan terhadap KuS. Selain itu, jalur KoS
KuS juga memiliki pengaruh yang signifikan terhadap model yang
digunakan. Berdasarkan pengujian f2 dan q2, variabel KoS terhadap KuS
memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya
107
oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa konten pada
sistem C-VIM berpengaruh terhadap tingkat kualitas informasi pada
penggunaan C-VIM.
H14 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap
Kepuasan Pengguna (KeP)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H14 diterima. Hal ini berarti bahwa KuS
memiliki pengaruh yang signifikan terhadap KeP. Selain itu, jalur KuS
KeP juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KuS terhadap KeP memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa semakin tinggi
tingkat kualitas sistem maka semakin tinggi pula tingkat kepuasan dari
pengguna dalam penggunaan C-VIM.
H15 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap
Penggunaan Sistem (PS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H15 diterima. Hal ini berarti bahwa KuS
memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur KuS PS
memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel KuS terhadap PS memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
108
Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa kualitas sistem
pada C-VIM berpengaruh terhadap penggunaan C-VIM.
H16 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan
terhadap Kualitas Informasi (KI)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H16 diterima. Hal ini berarti bahwa OT
memiliki pengaruh yang signifikan terhadap KI. Selain itu, jalur OT KI
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel OT terhadap KI memiliki pengaruh
kecil. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et al.
(2016). Sehingga dapat disimpulkan bahwa tindakan dari penguna dalam
menggunakan C-VIM berpengaruh terhadap kualitas informasi yang di dapat
dalam penggunaannya.
H17 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan
terhadap Kualitas Layanan (KL)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H17 diterima. Hal ini berarti bahwa OT
memiliki pengaruh yang signifikan terhadap KL. Selain itu, jalur OT KL
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel OT terhadap KL memiliki pengaruh
kecil. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et al.
(2016). Sehingga dapat disimpulkan bahwa tindakan dari penguna dalam
109
menggunakan C-VIM berpengaruh terhadap penerimaan kualitas layanan
yang di diberikan dalam penggunaannya.
H18 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan
terhadap Kualitas Sistem (KuS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H18 ditolak. Hal ini berarti bahwa OT tidak
memiliki pengaruh yang signifikan terhadap KuS. Namun, berdasarkan nilai
β jalur OT KuS memiliki pengaruh yang signifikan terhadap model yang
digunakan. Berdasarkan pengujian f2 dan q2, variabel OT terhadap KuS
memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya
oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa tindakan
pengguna dalam penggunaan C-VIM tidak berpengaruh terhadap kualitas dari
sistem.
H19 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan
terhadap Penggunaan Sistem (PS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H19 diterima. Hal ini berarti bahwa OT
memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur OT PS
memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel OT terhadap PS memiliki pengaruh
kecil. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et al.
(2016). Sehingga dapat disimpulkan bahwa tindakan pengguna dalam
penggunaan C-VIM berpengaruh terhadap penggunaan sistem.
110
H20 Apakah Penggunaan Sistem (PS) berpengaruh secara signifikan
terhadap Keberhasilan Sistem (KbS)?
Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang
didapatkan menunjukkan bahwa H20 diterima. Hal ini berarti bahwa PS
memiliki pengaruh yang signifikan terhadap KbS. Selain itu, jalur PS KbS
juga memiliki pengaruh yang signifikan terhadap model yang digunakan.
Berdasarkan pengujian f2 dan q2, variabel PS terhadap KbS memiliki
pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh
Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa semakin baik
tingkat penggunaan sistem maka semakin tinggi tingkat keberhasilan sistem.
Kesimpulannya, dari 20 hipotesis, 4 diantaranya ditolak karena tidak
memiliki pengaruh yang signifikan terhadap variabel lainnya dan juga memiliki
pengaruh kecil dalam pengujian struktur model khususnya pengujian f2 dan q2.
Ditolaknya hipotesis tersebut menunjukkan adanya perbedaan hasil atau ketidak
konsisten dengan peneliti sebelumnya (Subiyakto et al., 2016). Peneliti berpendapat
bahwa kejadian ini merupakan hal yang wajar, karena perbedaan objek, sampel, dan
instrument penelitian. Selain itu, keterbatasan dan kendala dalam pelaksanaan
penelitian juga merupakan faktor yang mempengauhi hasil dari penelitian ini.
111
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan hasil temuan dari penelitian yang telah dilakukan, kesimpulan
dari penelitian ini adalah sebagai berikut :
1. Dari hasil pengolahan data yang telah diperoleh, sebanyak 69% responden
berhasil dalam menggunakan C-VIM, bahkan sebanyak 10% sangat berhasil
dalam menggunakannya.
2. Dihapuskannya 4 dari 35 indikator yaitu PS1, KoS1, KP3, dan KoS2 dalam
penelitian ini. Peneliti beranggapan bahwa hal ini terjadi karena penggunaan
item pertanyaan atau indikator yang kurang tepat dalam kuesioner dan juga
karena sebagian besar kuesioner diperoleh secara online. Mungkin saja hal
ini menyebabkan penafsiran yang bias bagi responden, sebab tidak ada
pendampingan secara langsung.
3. 4 dari 20 hipotesis yaitu KP KI, KP KL, KP KuS, dan OT KuS
dinyatakan ditolak berdasarkan pengujian t-test dan memiliki pengaruh kecil
dalam pengujian struktur model khususnya f2 dan q2.
4. 16 hipotesis yang diterima yaitu KI KeP, KI PS, KL KeP, KL
PS, KP KoS, KP OT, KeP KbS, KoS KI, KoS KL, KoS
KuS, KuS KeP, KuS PS, OT KI, OT KL, OT PS, dan PS
KbS. Sehingga faktor-faktor yang dapat mempengaruhi keberhasilan
penggunaan C-VIM adalah :
112
KP (Konteks Pekerjaan), OT (Orang dan Tindakannya) dan KoS (Konten
Sistem) berpengaruh terhadap keberhasilan penggunaan C-VIM secara
tidak langsung.
KI (Kualitas Informasi) berpengaruh terhadap keberhasilan penggunaan
C-VIM melalui PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna)
KuS (Kualitas Sistem) berpengaruh terhadap keberhasilan penggunaan C-
VIM melalui PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna)
KL (Kualitas Layanan) berpengaruh terhadap keberhasilan penggunaan C-
VIM melalui PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna)
PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna) berpengaruh
terhadap keberhasilan penggunaan C-VIM secara langsung
5.2 Saran
Berdasarkan penelitian yang telah dilakukan, peneliti memberikan saran
sebagai berikut :
a. Bagi para peneliti selanjutnya, khususnya yang tertarik pada kajian sejenis
diharapkan dapat mempertimbangkan, meninjau kembali, dan memperbaiki
hal-hal sebagai berikut :
Penelitian ini dapat dikembangkan untuk dilakukan di setiap stasiun di
wilayah Jabodetabek.
Penelitian ini dapat dikembangkan dengan memperluas jumlah sampel
dari penelitian ini.
113
Melakukan penelitian terkait keberhasilan C-VIM bukan hanya dari
persepsi pengguna tetapi dari sistem C-VIM itu sendiri.
Adanya penelitian lanjutan sejenis dengan meninjau kembali penggunaan
indikator dari variabel yang akan digunakan, khususnya terhadap indikator
dari variabel yang dinyatakan tidak berpengaruh terhadap keberhasilan
penggunaan C-VIM.
b. Bagi PT KCI sebagai pengelola C-VIM, agar dapat terus meningkatkan
keberhasilan penggunaan C-VIM dengan memperhatikan dan
mempertimbangkan hal-hal sebagai berikut :
Dilakukannya perbaikan terhadap tampilan user interface C-VIM agar
lebih mudah digunakan oleh seluruh penumpang.
Dilakukannya pembaharuan terhadap intruksi dari penggunaan C-VIM
menjadi lebih jelas untuk menghidari kebingunan pada penumpang dalam
menggunakannya.
Dilakukannya perbaikan respon sistem C-VIM agar penggunaannya tidak
memakan waktu lama.
114
DAFTAR PUSTAKA
Abdillah, W., & Jogiyanto. (2015). Partial Least Square (PLS) : Alternatif
Structural Equation Modeling (SEM) Dalam Penelitian Bisnis. Yogyakarta:
Penerbit Andi.
Afni, N., & Akil, I. (2017). Analisis Tingkat Kepuasan Pengguna Commuter Line
Terhadap Commuter Vending Machine dengan Metode Technology
Acceptance Model Pada PT. KAI Commuter Jabodetabek. In Simposium
Nasional Ilmu Pengetahuan dan Teknologi (SIMNASIPTEK) 2017 (pp. 7–
13).
Alifuddin, M. (2014). PENGEMBANGAN MESIN VENDING DENGAN
SISTEM PENGEMBALIAN MATA UANG RUPIAH. Jurnal IT STMIK
Handayani, 14, 1–7.
Ardi, F. F., Mariam, I., & Widhi, N. M. (2016). Pengaruh Kualitas Pelayanan pada
Fasilitas dan Petugas Commuter Line Ticket Vending Machine (C-VIM)
Terhadap Kepuasan Konsumen PT KAI Commuter Jabodetabek di Stasiun
Pondok Cine. Epigram, 13(2), 95–102.
Arikunto, S., & Jabar, C. S. A. (2004). Evaluasi Program Pendidikan. Jakarta:
Bumi Aksara.
Artiningtyas, I., Minarsih, M. M., & Hasiholan, L. B. (2015). Pengaruh Kualitas
Layanan, Persepsi Harga dan Kepercayaan terhadap Kepuasan Pelanggan
(Studi Kasus Pada Toko Vulkanisir Ban Top Cool Semarang). Journal of
Management, 1(1).
115
Bellis. (2017). The History of Vending Machine. Retrieved from
https://www.thoughtco.com/the-history-of-vending-machines-1992599
Bienz, N. (2008). E-Tiketing. Electronic Business Course - SA 2008, Universitas
Friburgensis.
Davis, W. S., & Yen, D. C. (1998). The Information System Consultant’s
Handbook: Systems Analysis and Design. Boca Raton: CRS Press.
Delone, W. H., & Mclean, E. R. (1992). Information Systems Success: The Quest
for the Dependent Variable. Information Systems Research The Institute of
Management Sciences. https://doi.org/10.1287/isre.3.1.60
Djaali, A. (2008). Skala Likert. Yogyakarta: Andi Offset.
Donny. (2008). Implentasi Aplikasi Smart Health Pada Smart Card UI Berbasis
JavaCard, 5–12.
Faizal, I., & Nursusanto. (2010). Perbandingan Pemberlakuan Sistem E-Ticket
dengan Sistem Manual Ticket Ditinjau dari Aspek Waktu, Biaya, dan
Risiko. Jurnal Ilmiah Aviasi Langit Biru, 3(6).
Guritno, S., Sudaryono, & Untung, R. (2011). Theory and Application of IT
Research: Metodologi Penelitian Teknologi Informasi (1st ed.).
Yogyakarta: Andi.
Gusti, G. (2017). Pengukuran Pengaruh Kesiapan Terhadap Keberhasilan
Penerapan Sistem Ubiquitous Computing di Uin Syarif Hidayatullah
Jakarta. Jakarta.
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
116
Marketing Research. Journal of the Academy of Marketing Science, 40(3),
414–433. https://doi.org/10.1007/s11747-011-0261-6
Howsawi, E., Eager, D., & Bagia, R. (2011). Understanding Project Success: The
Four-Level Project Success Framework. Paper Presented at the IEEE
International Conference on Industrial Engineering and Engineering
Management (IEEM).
Hudin, J. M., & Riana, D. (2016). Kajian Keberhasilan Penggunaan Sistem
Informasi Accurate dengan Menggunakan Model Kesuksesan Sistem
Informasi Delon dan McLean. Journal of Information System, 12(1), 1–8.
https://doi.org/10.1017/CBO9781107415324.004
Jogiyanto. (2007). Model Kesuksesan Sistem Teknologi Informasi (1st ed.).
Yogyakarta: Andi.
Kholifatun. (2013). Kajian Tingkat Keberhasilan Program Nasional
Pemberdayaan Masyarakat (PNPM) Mandiri di Desa Margaayu
Kecamatan Margasari Kabupaten Tegal. Purwokerto.
Kurniawan, H., & Yamin, S. (2011). Generasi baru mengolah data penelitian
dengan partial least square path modeling : aplikasi dengan software
XLSTAT, SmartPLS, dan visual PLS. Jakarta: Salemba Infotek.
Ladjamudin, A. B. Bin. (2005). Analisis dan Desain Sistim Informasi (1st ed.).
Yogyakarta: Graha Ilmu.
Lim, C. ., & Mohamed, M. Z. (1999). Criteria of Project Success: An Exploratory
Re-Examination. International Journal of Project Management, 17(4), 243–
248. https://doi.org/10.1016/S0263-7863(98)00040-4
117
McLeod, L., & MacDonell, S. G. (2011). Factors that affect software systems
development project outcomes. ACM Computing Surveys, 43(4), 1–56.
https://doi.org/10.1145/1978802.1978803
Mustakini, J. H. (2008). Metodologi Penelitian Sistem Informasi: Pedoman dan
Contoh Melakukan Penelitian di Bidang Sistem Teknologi Informasi.
Yogyakarta: Andi.
Nazir, M. (2009). Metode Penelitian. Jakarta: Ghalia Indonesia.
Purnama, N. (2006). Manajemen Kualitas Perspektif Global (Pertama).
Yogyakarta: Penerbit Ekonisia Kampus Fakultas Ekonomi UII.
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.
Qadrya, H. A. (2017). Faktor-Faktor yang Mempengaruhi Kesiapan Penerapan
Sistem Single Sign-On di UIN Syarif Hidayatullah Jakarta. Jakarta.
Rahadi, S., & Budi, K. (2014). Proses Inovasi Layanan Sistem E-ticketing pada
Kereta Commuter Jabodetabek. FISIP UI. Depok.
Santoso, S. (2012). Analisis SPSS pada Statistik Parametrik. Jakarta: PT Elex
Media Komputindo.
Sari, E. M. (2015). Faktor-Faktor Penyebab Rendahnya Partisipasi Masyarakat
dalam Pembangunan Desa tahun 2014: Studi Desa Kembang Gading
Kecamatan Abung Selatan Kabupaten Lampung Utara. Bandar Lampung.
118
Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta:
Graha Ilmu.
Sevilla, C. G., Ochave, J. A., Punsalan, T. G., Regata, B. P., & Uriarte, G. G. (2006).
Pengantar Metode Penelitian. Jakarta: Penerbit Universitas Indonesia (UI-
Press).
Subiyakto, A., & Ahlan, A. R. (2014). Implementation of Input-Process-Output
Model for Measuring Information System Project Success. TELKOMNIKA
Indonesian Journal of Electrical Engineering, 12(7), 5603–5612.
https://doi.org/10.11591/telkomnika.v12i7.5699
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. International Journal of Business Information
Systems, 23(2), 229. https://doi.org/10.1504/IJBIS.2016.078908
Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2017). Model Keberhasilan
Proyek Sistem Informasi (Information System Project Success Model).
Indonesia. https://doi.org/10.13140/RG.2.2.16570.59841
Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of
information system project success model: A focus group study. SAGE
Open, 5(2), 1–14. https://doi.org/10.1177/2158244015581650
Subiyakto, A., & Sukmana, H. T. (2014). Pengukuran Keberhasilan Proyek
Teknologi Informasi dan Komunikasi: Studi Kasus UIN Syarif Hidayatullah
Jakarta.
119
Suciyani. (2017). Perancangan Sistem Informasi Evaluasi Pekerjaan Karyawan
dengan Logika Fuzzy Pada PT. Agung Pelita Industrindo. Tangerang.
Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif dan R&d. Bandung:
Alfabeta.
Sugiyono. (2017). Metode Penelitian Bisnis (Pendekatan Kuantitatif, Kualitatif,
Kombinasi, dan R&D (3rd ed.). Bandung: Alfabeta.
Sutabri, T. (2004). Analisa Sistem Informasi (1st ed.). Yogyakarta: Andi.
Suzanti, A. (2014). Analisis Penerimaan Konsumen Terhadap Teknologi Tiket
Elektronik Harian Berjaminan Kereta Rel Listrik Commuter. Seminar
Nasional Teknik Industri BKSTI 2014.
Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi Metode
Penelitian Skala Likert Berbasis Web. In Seminar Nasional Sains dan
Teknologi ISSN : 2407 – 1846 (pp. 1–8). Fakultas Teknik Universitas
Muhammadiyah Jakarta. Retrieved from
https://jurnal.umj.ac.id/index.php/semnastek/article/view/540
Wahyuni, T. (2011). Uji Empiris Model DeLone and McLean terhadap Kesuksesan
Sistem Informasi Manajemen Daerah (SIMDA). Jurnal Badan Pendidikan
Dan Pelatihan Keuangan, 2, 3–25.
Wisudiawan, G. A. A. (2015). Analisis Faktor Kesuksesan Sistem Informasi
Menggunakan Model Delone and McLean. Jurnal Ilmiah Teknologi
Informasi Terapan ISSN : 2407 - 3911, 2(1), 55–59.
Wulan, A. R. (2007). Penggunaan Asesmen Alternatif Pada Pembelajaran Biologi.
In Seminar Nasional Biologi: Perkembangan Biologi dan Pendidikan
120
Biologi untuk Menunjang Profesionalisme Mei 2007, hlm. 381-383 Jurusan
Pendidikan Biologi FPMIPA UPI (pp. 381–383).
Yuliana, A., Riyadi, & Yuniarto, S. R. (2016). Analisis Kesuksesan Sistem
Informasi Perhotelan dengan Pendekatan Model Delone dan McLane.
Jurnal Administrasi Bisnis, 34(1).