Beruflich Dokumente
Kultur Dokumente
SKRIPSI
Oleh
Alfin 1901457366
Stevanus Cornelius 1901478250
Information System
Information Systems Study Program
School of Information Systems
Universitas Bina Nusantara
Jakarta
2019
ALAMAN JUDUL
HALAMAN JUDUL
EVALUASI PENGGUNAAN SISTEM ERP MODUL TRANSPORTATION
RESERVATION MANAGEMENT (TRM) PADA PT. XYZ MENGGUNAKAN
FIT GAP ANALYSIS DAN TECHNOLOGY ACCEPTANCE MODEL
SKRIPSI
Oleh
Alfin 1901457366
Stevanus Cornelius 1901478250
Information System
Information Systems Study Program
School of Information Systems
Universitas Bina Nusantara
Jakarta
2019
ii
HALAMAN PERSETUJUAN DOSEN PEMBIMBING
iii
HALAMAN PERNYATAAN DEWAN PENGUJI
iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI LTA
v
vi
UNIVERSITAS BINA NUSANTARA
_________________________________________________________________
Information System
Information Systems Study Program
School of Information Systems
Skripsi Sarjana Komputer
Semester Ganjil 2018/2019
Alfin 1901457366
Stevanus Cornelius 1901478250
ABSTRACT
ABSTRAK
Mengembangkan suatu aplikasi sistem informasi yang berhasil tidak hanya ditinjau
dari fungsi yang dapat berjalan sepenuhnya dengan baik dan benar. Seringkali,
pengembangan suatu aplikasi sistem informasi hanya diukur dari sisi teknis, padahal
terdapat berbagai faktor non-teknis lain seperti kesiapan sumber daya manusia,
dukungan orgasasi, dan lain sebagainya yang mempengaruhi tingkat penerimaan
pengguna terhadap suatu aplikasi sistem informasi. Oleh karena itu, penelitian ini akan
mengungkap kekurangan-kekurangan pada sistem aplikasi penyewaan kendaraan pada
Transportation Management System (TRM), sebuah aplikasi sistem informasi
penyewaan kendaraan pada XYZ Transportation Solution milik PT. XYZ, dengan
menggunakan metode analisa Fit & Gap untuk dapat diperbaiki nantinya. Selain itu,
penelitian ini juga akan mengungkap faktor-faktor yang mempengaruhi tingkat
penerimaan pengguna terhadap sistem tersebut di PT. XYZ dengan menggunakan
Technology Acceptance Model (TAM).
Kata kunci : Aplikasi Sistem Informasi, analisa Fit & Gap, Technology Acceptance
Model (TAM)
vii
KATA PENGANTAR
Puji syukur kami panjatkan ke hadirat Tuhan yang Maha Esa dengan telah
diselesaikannya skripsi dengan judul EVALUASI PENGGUNAAN SISTEM ERP
MODUL TRANSPORTATION RESERVATION MANAGEMENT (TRM) PADA
PT. XYZ MENGGUNAKAN FIT GAP ANALYSIS DAN TECHNOLOGY
ACCEPTANCE MODEL. Penulis telah melalui banyak tahapan dan proses dalam
rangka menyelesaikan skripsi ini. Terdapat banyak pihak, baik pihak lembaga maupun
pribadi, yang telah turut berperan dalam penyusunan skripsi ini. Oleh karena itu,
penulis mengucapkan terima kasih kepada:
1. Prof. Dr. Ir. Harjanto Prabowo, M.M., selaku Rektor Universitas Bina
Nusantara.
2. Bapak Dr. Yohannes Kurniawan, S.Kom., SE., MMSI selaku Kepala Jurusan
Sistem Informasi atau Head of School of Information System Program
Universitas Bina Nusantara.
3. Bapak Fredy Jingga, S.Kom., MMSI selaku Kepala Program
Internationalization & Partnership School of Information Systems dan Dosen
Sistem Informasi Universitas Bina Nusantara, serta selaku pembimbing
akademik yang telah senantiasa membimbing, mengarahkan, juga membantu
penulis dalam penyusunan skripsi ini. Begitu banyak waktu, pikiran, dan
tenaga yang telah beliau curahkan kepada penulis di samping padatnya jadwal
dan aktivitas beliau demi terselesaikannya skripsi ini.
4. Orang tua dari masing-masing penulis yang telah senantiasa mendukung dan
mendoakan penulis sehingga menjadi motivasi bagi penulis dan
memungkinkan penyelesaian penyusunan skripsi ini secara tepat waktu.
5. Pihak-pihak dari PT. Accenture yang telah membimbing dan membantu
penulis dalam pembuatan skripsi ini. Begitu banyak waktu dan usaha yang
telah dicurahkan demi selesainya skripsi ini.
6. Seluruh responden dari PT. XYZ yang telah bersedia membantu penulis
dalam pengujian keterbacaan kuesioner serta meluangkan waktunya untuk
mengisi kuesioner penelitian ini.
viii
7. Teman-teman dan Alumni dari Jurusan Sistem Informasi yang senantiasa
memberikan saran, nasehat, dan bantuan dalam penyusunan skripsi ini, yang
tidak dapat penulis sebutkan namanya secara satu per satu.
8. Seluruh pihak yang telah membantu proses penyusunan skripsi ini, yang tidak
dapat penulis sebutkan namanya secara satu per satu.
Penulis menyadari bahwa penulisan skripsi ini masih jauh dari sempurna dan
tentunya tidak luput dari kekurangan-kekurangan yang masih harus diperbaiki oleh
penulis ke depannya. Oleh karena itu, segala bentuk saran, kritik, serta masukan yang
bersifat membangun akan diterima dengan terbuka oleh penulis sehingga dapat
membantu menyempurnakan skripsi ini. Akhir kata, penulis berharap skripsi ini dapat
memberi manfaat dan dipergunakan dengan sebaik-baiknya oleh seluruh pihak.
Penulis
ix
DAFTAR ISI
x
2.9. Populasi ....................................................................................................... 22
2.10. Sampel ......................................................................................................... 22
2.11. Metode Sampling ........................................................................................ 23
2.12. Variabel Penelitian ...................................................................................... 23
2.13. Analisis Data ............................................................................................... 24
2.14. Statistical Product and Service Solution (SPSS) ........................................ 25
2.15. Structural Equation Modelling – Partial Least Square (SEM-PLS) .......... 25
2.16. Uji Hipotesis ................................................................................................ 27
2.17. Technology Acceptance Model (TAM) ....................................................... 28
2.17.1. Individual Characteristic ................................................................. 29
2.17.2. Organization Characteristic............................................................. 30
2.17.3. Technological Characteristic ........................................................... 31
2.17.4. Technology Acceptance Model (TAM) ............................................ 32
2.17.5. Individual Impact ............................................................................. 33
BAB 3 ANALISA SISTEM DAN METODE PENELITIAN ................................. 35
3.1. Profile Perusahaan ....................................................................................... 35
3.2. Gambaran Perusahaan ................................................................................. 36
3.2.1. Sejarah PT. XYZ .................................................................................. 36
3.2.2. Visi & Misi Perusahaan ....................................................................... 37
3.2.3. Struktur Organisasi .............................................................................. 37
3.2.4. Job Description di PT. XYZ ................................................................ 37
3.3. Proses Bisnis PT.XYZ ................................................................................. 39
3.3.1. Proses Bisnis Sebelum Menggunakan TRM ........................................ 39
3.3.2. Activity Diagram Proses Bisnis PT. XYZ Sebelum Menggunakan TRM
41
3.3.3. Proses Bisnis Setelah Menggunakan TRM .......................................... 42
3.3.4. Activity Diagram Proses Bisnis PT. XYZ Setelah Menggunakan TRM
45
3.3.5. Fit and Gap Analysis............................................................................ 46
3.4. Tahapan Penelitian ...................................................................................... 49
3.5. Metode Penelitian ........................................................................................ 51
3.5.1. Metode Pengumpulan Data .................................................................. 51
3.5.2. Metode Analisis Data ........................................................................... 52
3.5.3. Desain Penelitian.................................................................................. 55
3.5.4. Metode Penarikan Kesimpulan ............................................................ 64
BAB 4 ANALISA DAN PEMBAHASAN ................................................................ 67
xi
4.1. Risk Analysis berdasarkan Fit Gap Analysis ............................................... 67
4.1.1. Probability Impact Matrix .................................................................... 69
4.2. Proses Bisnis Berdasarkan CR (Change Request) PT. XYZ ....................... 71
4.2.1. Automatic Driver Selection .................................................................. 71
4.2.2. Marketing Analytics Report Generation .............................................. 74
4.3. Activity Diagram Proses Bisnis Berdasarkan CR (Change Request) PT. XYZ
78
4.4. Pengumpulan Data ....................................................................................... 79
4.5. Demografi Responden ................................................................................. 81
4.6. Daftar Pertanyaan ........................................................................................ 83
4.7. Uji Validitas dan Relibilitas ........................................................................ 88
4.7.1. Uji Validitas ......................................................................................... 89
4.7.2. Uji Reliabilitas...................................................................................... 90
4.8. Analisa Structural Equation Modeling (SEM) ............................................ 91
4.8.1. Path Diagram ........................................................................................ 91
4.8.2. Pengujian Model Pengukuran (Outer Model) ........................................ 2
4.8.3. Pengujian Model Struktural (Inner Model) ............................................ 7
4.8.4. Pengujian Hipotesis Faktor Penerimaan .............................................. 14
4.8.5. Persamaan Regresi ............................................................................... 18
4.9. Pembahasan ................................................................................................. 20
4.9.1. Computer Self-Efficacy tidak Bepengaruh Signifikan terhadap Perceived
Usefulness........................................................................................................... 23
4.9.2. Computer Self-Efficacy tidak Berpengaruh Signifikan terhadap
Perceived Ease of Use ........................................................................................ 24
4.9.3. Organizational Support tidak Berpengaruh Signifikan terhadap
Perceived Usefulness.......................................................................................... 25
4.9.4. Organizational Support tidak berpengaruh signifikan terhadap
Perceived Ease of Use ........................................................................................ 26
4.9.5. Training tidak Berpengaruh Signifikan terhadap Perceived Usefulness
27
4.9.6. Training tidak Berpengaruh Signifikan terhadap Perceived Ease of Use
28
4.9.7. Complexity tidak Berpengaruh Signifikan terhadap Perceived
Usefulness........................................................................................................... 28
4.9.8. Complexity tidak Berpengaruh Signifikan terhadap Perceived Ease of
Use 29
4.9.9. Compatibility tidak Berpengaruh Signifikan terhadap Perceived
Usefulness........................................................................................................... 30
xii
4.9.10. Compatibility tidak Berpengaruh Signifikan terhadap Perceived Ease
of Use 31
4.9.11. Perceived Ease of Use tidak Berpengaruh Signifikan terhadap
Perceived Usefulness ......................................................................................... 31
4.9.12. Perceived Usefulness Berpengaruh tidak Signifikan terhadap
Intention to Use .................................................................................................. 32
4.9.13. Perceived Ease of Use Berpengaruh Signifikan terhadap Intention to
Use 33
4.9.14. Intention to Use Berpengaruh Signifikan terhadap Usage ............... 33
4.9.15. Usage Berpengaruh Signifikan terhadap Individual Performance .. 34
4.9.16. Usage Berpengaruh Signifikan terhadap Panoptic Empowerment .. 34
BAB 5 SIMPULAN DAN SARAN ........................................................................... 36
5.1. Simpulan ...................................................................................................... 36
5.2. Saran ............................................................................................................ 37
REFERENSI .............................................................................................................. 38
LAMPIRAN ................................................................................................................. 1
RIWAYAT HIDUP ...................................................................................................... 6
xiii
DAFTAR TABEL
Tabel 2.1 Tabel Ranking of Requirement ................................................................... 16
Tabel 2.2 Tabel Degree of Fit .................................................................................... 17
Tabel 2.3 Tabel Template Fit Gap Analysis ............................................................... 18
Tabel 2.4 Pengujian data SEM-PLS ........................................................................... 26
Tabel 3.1 Tabel Fit and Gap Analysis TRM di PT. XYZ .......................................... 47
Tabel 3.2 Penjelasan Kolom Fit and Gap Analysis ................................................... 49
Tabel 3.3. Total Gap dalam Persentase ...................................................................... 49
Tabel 3.4 Tabel Jumlah Populasi ............................................................................... 52
Tabel 3.5 Skala Likert untuk Kuesioner Faktor Penerimaan ..................................... 53
Tabel 3.6 Dimensi Penelitian ..................................................................................... 57
Tabel 3.3.7 Tabel Hipotesis........................................................................................ 61
Tabel 4.1 Nilai Likelihood .......................................................................................... 69
Tabel 4.2 Nilai Impact ................................................................................................ 69
Tabel 4.3 Perhitungan Risk Exposure ........................................................................ 70
Tabel 4.4 Probability Impact Matrix.......................................................................... 70
Tabel 4.5 Tabel Uji Keterbacaan................................................................................ 79
Tabel 4.6 Tabel Revisi Uji Keterbacaan .................................................................... 80
Tabel 4.7 Tabel Hasil Uji Keterbacaan Setelah Revisi .............................................. 80
Tabel 4.8 Tabel Daftar Pertanyaan ............................................................................. 84
Tabel 4.9 Tabel Item Total Statistics .......................................................................... 89
Tabel 4.10 Reliability Statistics.................................................................................. 91
Tabel 4.11 Tabel Outerloading .................................................................................... 2
Tabel 4.12 Perbandingan Nilai Composite Realiblity .................................................. 3
Tabel 4.13 Tabel Crossloading .................................................................................... 4
Tabel 4.14 Tabel Crossloading tanpa Variable COMP1 ............................................. 5
Tabel 4.15 Tabel Cronbach Alpha ............................................................................... 6
Tabel 4.16 Tabel Composite Reliability ....................................................................... 7
Tabel 4.17 Tabel R Square ........................................................................................... 9
Tabel 4.18 Tabel F Square ......................................................................................... 10
Tabel 4.19 Tabel Relevasi Prediktif ........................................................................... 11
Tabel 4.20 Tabel Path Coeffcient ............................................................................... 12
Tabel 4.21 Tabel T-Statistics...................................................................................... 13
Tabel 4.22 Tabel Hasil Uji Hipotesis Model Penelitian............................................. 15
xiv
DAFTAR GAMBAR
xv
DAFTAR LAMPIRAN
xvi
1
BAB 1
PENDAHULUAN
1
2
SAP ERP untuk komunikasi data dalam proses bisnis penyewaan mobil mereka.
Namun setelah sistem TRM berhasil terimplementasi dan mulai digunakan
sebagai sistem operasional dalam proses bisnis penyewaan kendaraan di PT. XYZ,
masih terdapat fitur-fitur utama pada TRM yang belum sepenuhnya sesuai dengan
standar requirement (permintaan) awal dalam perancangan sistem. Hal tersebut
ditemukan oleh peneliti dari dokumen functional design yang telah dirancang terkait
segala fitur sistem yang akan diimplementasi pada PT. XYZ, dan juga berdasarkan
hasil rapat dengan pihak klien yang membahas sistem TRM yang telah
terimplementasi dibandingkan dengan requirement awal sesuai dengan functional
desain. Dengan demikian, akan diadakan change request untuk proyek lanjutan
terhadap implementasi TRM sebelumnya, yang menangani berbagai permintaan
tambahan terhadap fitur-fitur sistem, dan pada saat bersamaan juga memperbaiki fitur-
fitur TRM yang masih belum sesuai dengan standar requirement (permintaan) awal
dalam perancangan sistem. Selain itu, penulis juga ingin mengungkap sejauh mana
tingkat penerimaan pengguna terhadap sistem TRM yang baru diterapkan dan
digunakan untuk melakukan pekerjaan mereka sehari-hari. Berdasarkan permasalahan
tersebut, penulis ingin melakukan analisa serta evaluasi terhadap yang telah berjalan
di PT. XYZ saat ini, juga mencari tahu apakah TRM telah berjalan sesuai dengan
faktor-faktor yang dapat menjadi pendorong atau penghambat bagi pengguna dalam
kaitannya dengan penerimaan dan penggunaan sistem tersebut.
Evaluasi terhadap Transportation Reservation Management (TRM) yang
dilakukan oleh penulis akan menggunakan metode Fit Gap Analysis (Waterloo, 2012)
untuk menunjukkan fitur-fitur TRM yang belum sesuai dengan requirement sistem.
Menurut (Pol & Patukar, 2011), salah satu tujuan menggunakan metode Fit Gap
Analysis adalah untuk memahami dan membandingkan sistem yang telah di-install
dengan requirement yang ada, sehingga terlihat fungsi-fungsi dari sistem yang telah
memenuhi dan belum memenuhi requirement. Kemudian penulis juga akan
menerapkan model Technology Acceptance Model (TAM) yang telah dikembangkan
3
oleh Davis pada tahun 1989. Technology Acceptance Model (TAM) digunakan dengan
tujuan menjelaskan faktor-faktor yang dapat mempengaruhi perilaku pengguna dalam
penerimaan dan penggunaan sistem (Lai, 2017) TRM di PT. XYZ.
3. Penulis telah menetapkan bahwa yang menjadi lingkup sistem yang akan
dievaluasi adalah fitur-fitur TRM yang difokuskan pada unit bisnis XYZ
Transportation Division, serta responden pada penelitian ini yang akan
difokuskan pada pengguna-pengguna TRM khususnya dalam unit bisnis
XYZ Transportation Division cabang Jakarta dalam PT.XYZ. Commented [SC2]: Untuk ngikutin di bab 3
4. Fitur-fitur sistem TRM yang akan dibahas dalam penelitian ini hanya sebatas
fitur-fitur yang diizinkan oleh PT. XYZ untuk dibahas oleh peneliti, yakni
sebanyak 5 macam fitur. Pengguna sistem TRM yang akan menjadi
responden dalam penelitian ini juga hanya sebatas jumlah yang diperbolehkan
PT. XYZ untuk berpartisipasi, yaitu karyawan-karyawan pada divisi XYZ
Transporation Division cabang Jakarta.
5. Penulis menggunakan kerangka Fit Gap Analysis oleh (Waterloo, 2012)
untuk membandingkan fitur-fitur TRM yang sedang berjalan di PT. XYZ
dengan requirement TRM pada awalnya, serta model penelitian berdasarkan
Technology Acceptance Model (TAM) yang digunakan untuk melakukan
pengujian penerimaan TRM terhadap user atau karyawan PT. XYZ, dibantu
dengan metode analisis Structural Equation Modeling (SEM) serta aplikasi
Smart PLS versi 3.0 dalam menentukan hubungan antar variabel dalam
model.
1.5. Hipotesis
Terkait penerimaan sistem TRM oleh pengguna, terdapat hipotesis-hipotesis
dalam penelitian ini:
H1. Faktor Computer Self-Efficacy mempengaruhi faktor Perceived
Usefulness.
Ho: Computer Self-Efficacy tidak mempengaruhi Perceived Usefulness.
H1: Computer Self-Efficacy mempengaruhi Perceived Usefulness.
6
Salah satu jurnal utama yang digunakan adalah jurnal hasil penelitian oleh
(Rajan & Baral, 2015). Berdasarkan jurnal tersebut, para peneliti telah mengukur
tingkat penerimaan pengguna terhadap pengadopsian sistem Enterprise Resource
Planning (ERP) dengan menggunakan Technology Acceptance Model (TAM). Model
tersebut sering deiterapkan dalam hal pengukuran tingkat pnerimaan pengguna
terhadap suatu sistem yang digunakan. Variabel-variabel yang digunakan dalam
pengukuran pendorong dan penghambat penerimaan sistem ERP dalam penelitian
tersebut adalah faktor Individual Characteristics (karakteristik individu),
Organizational Characteristics (karakteristik organisasi), dan Technological
Characeteristics (karakteristik teknologi).
Variabel lain yang terkait dengan karakteristik individu (Individual
Characteristics) adalah faktor Computer Self-Efficacy. Berdasarkan pendapat (Saadé
& Kira, 2009), Computer Self-Efficacy dapat diartikan sebagai keyakinan suatu
individu terhadap kemampuannya untuk berhasil melaksanakan perilaku yang
diperlukan agar dapat menghasilkan hasil yang diinginkan. Uraian di atas
menunjukkan bahwa faktor Computer Self-Efficacy mengacu kepada keyakinan suatu
individu bahwa individu tersebut mampu menggunakan komputer untuk dapat
menyelesaikan pekerjaan dengan komputer. Selain itu, terdapat juga variabel lain,
yakni variabel Self Confidence (Rajan & Baral, 2015), Peer Support (Rajan & Baral,
2015), serta variabel Similarity (Rajan & Baral, 2015)
Berikutnya adalah variabel-variabel yang berhubungan dengan Technological
Characteristics (karakteristik teknologi), yaitu faktor Complexity serta Compatibility.
Berdasarkan pendapat Aiman-smith & Green dalam (Rajan & Baral, 2015), kompleksitas
(Complexity) dapat diartikan sebagai seberapa besar kerumitan teknologi baru bagi
penggunanya dibandingkan dengan teknologi yang digunakan sebelumnya untuk
pekerjaan yang sama atau serupa. Selain itu, (Mazhar, 2014) juga mendefisikan
kompatibilitas (Compatibility) sebagai tingkat konsistensi antara teknologi dengaan
kebutuhan pelanggan baru, rutinitas dalam kehidupan sehari-hari, pengalaman, serta nilai-
nilai. Dimensi-dimensi yang digunakan dalam variabel kompleksitas (Complexity) yaitu
Time Consumed (Rajan & Baral, 2015), Complexity (Rajan & Baral, 2015), dan Mental
Workload (Rajan & Baral, 2015). Terkait kompatibilitas (Compatibility), dimensi-dimensi
yang digunakan adalah Data Compatibility (Rajan & Baral, 2015), kemudian Work
Practice Compability (Rajan & Baral, 2015), dan Compatibility with prior experience
(Rajan & Baral, 2015)
10
BAB 2
LANDASAN TEORI
11
12
a. Input block
Input mewakili data yang masuk kedalam sistem informasi. Input yang
dimaksud adalah metode dan media untuk menangkap data yang akan
dimasukkan, yang dapat beruba dokumen-dokumen dasar.
b. Model block
Blok ini terdisi dari kombinasi prosedur, logika, dan model mateematik
yang akan memanupulasi data input dan data yang tersimpan di database
dengan cara yang sudah tertentu untuk menghasilkan output yang
diinginkan.
c. Output block
Prosedur dari sistem informasi adalah keluaran yang merupakan
informasi yang berkualitas dan dokemtasi yang berguna untuk semua
tingkatan manajemen serta semua pemakai sistem.
d. Technology block
Teknologi merupakan “tool box” dalam sistem informasi. Teknologi
digunakan untuk menerima input, menjalankan model, menyimpan dan
mengakses data, menghasilkan dan mengirimkan output, dan membantu
pengendalian dari sistem secara keseluruhan.
e. Database block
Database merupakan kumpulan data yang saling berkaitan dan
berhubungan satu sama lain, tersimpan di perangkat keras komputer dan
menggunakan perangkat lunak untuk memanipulasinya. Data perlu disimpan
dalam database untuk keperluan penyediaan informasi lebih lanjut.
f. Control block
Banyak hal yang dapat merusak sistem informasi, seperti bencana alam,
api, temperatur, air, debu, kecurangan-kecurangan, kegagalan-kegagalan
sistem itu sendiri, ketidak efisienan, sabotase, dan lain sebagainya. Beberapa
pengendalian perlu dirancang dan diterapkan untuk meyakinkan bahwa hal-
hal yang dapat merusak sistem dapat dicegah ataupun bila terlanjur terjadi
kesalah-salahan dapat langsung cepat diatasi.
2.2. Evaluasi
Menurut Arikunto dalam (Fathoni, 2017), evaluasi adalah to find out, decide the
amount atau value yang artinya suatu upaya untuk menentukan nilai atau jumlah.
13
seluruh sumber daya pada perusahaan, dan mempekerjaan seluruh perangkat lunak dan
database.
Sedangkan menurut (Bahssas, 2015), Enterprise Resource Planning adalah
manajemen bisnis menggunakan perangkat lunak yang dirancang untuk
mengintegrasikan sumber-sumber data dan memproses seluruh kegitan pada
perusahaan menjadi kesatuan sistem.
Melihat teori diatas dapat disimpulkan, Enterprise Resource Planning adalah
suatu kesatuan sistem yang dirancang untuk mengadopsi pandangan proses bisnis dan
manajemen bisnis dari keseluruhan aktifitas dan kegiatan pada suatu perusahaan
dengan mengintegrasikan perencanaan, manajemen, dan penggunaan sumber daya. Commented [SC6]: Hapus sub bab SAP
a. Simulation Based
Pada metode ini, sistem telah diinstal pada developement
environment. Lalu setelahnya, setiap stakeholder akan berunding
bersama-sama untuk memahami dan membandingkan fungsi-fungsi
yang ada dengan requirement yang ada. Setelah melakukan
perbandingan, nantinya akan terlihat fungsi-fungsi dari sistem yang
sudah memenuhi dan belum memenuhi requirement.
b. Brainstroming Discussion Based
Metode yang melibatkan konsultan dengan kemampuan profesional
dan para stakeholder proyek. Nantinya konsultan dan steakeholder akan
16
d. Hybrid Type
Pada metode ini, seluruh metode sebelumnya (simulation,
brainstroming, and questionnaire) digabungkan dan digunakan untuk
melakukan Fit Gap Analysis.
Rangking of
No Keterangan
Requirement
Requirement ini biasanya tidak bersifat
kritikal, tetapi jika dipenuhi akan
memberikan nilai tambahan kepada
perusahaan.
3 Low (L) Sebuah requirement yang jika dipenuhi
akan memberikan nilai tambahan yang
hanya sedikit bagi perusahaan dan tidak
terlalu berpengaruh pada proses bisnis
perusahaan.
c. Gap Resolution
Pada saat gap telah diidentifikasi maka stalekholder yang
bertanggung jawab akan membuat alternatif ataupun solusi yang
diharapkan dapat memperbaiki gap tersebut. Ada beberapa cara
untuk mengatasi gap, seperti melakukan perubahan proses bisnis,
merancang lingkungan bisnis, melakukan kostumisasi software, dan
sebagainya
Berikut adalah template dari Fit Gap Analysis menurut (Waterloo, 2012),
dapat dilihat pada tabel Tabel 2.3.
Tabel 2.3 Tabel Template Fit Gap Analysis
Sumber. Waterloo; 2012
Fit/Gap
Requirement Priority Fit Partial Gap Comments Recommendation
Fit
Requirement P1 X Insert any comments Ace task NNN or
A concerning the fit/gap request NNNNN
analysis for this has been created for
requirement this customization
with a very high
priority
Requirement P1 X Insert any comments Set up is
B concerning the fit/gap documented in
analysis for this Appendix A for this
requirement requirement
h. Documentary Review
Tinjauan ulang dokumentasi yang terdajwalkan dan detail harus
dilakukan secara teratur, mempertimbangkan semua asumsi, rencana
dan data proyek sebelumnya yang dapat digunakan sebagai indicator
yang mengungkapkan resiko yang berakar di dalam proyek.
i. SWOT (Strength – Weaknesses – Opportunities - Threats)
Analisa SWOT adalah alat perencana yang sering digunakan untuk
mengidentifikasi kekuatan, kelemahan internal, dan juga kesempatan
dan ancaman dari luar dari sebuah organisasi.
j. Cause and Effect Diagrams
Dikenal juga sebagai fishbone dan menunjukkan berbagai elemen
yang dapat berhubungan dengan probabilitas masalah atau efek.
k. Flowchart
Disini adalah alat grafik yang digunakan untuk mengilustrasikan
tahapan dari proses yang akan dieksekusi.
l. Influence Diagram
Teknik ini adalah penggambaran grafis yang terdiri node yang
menggambarkan variabel keputusan dari suatu masalah.
c. Low
Impact dari risiko rendah jika rekomendasi tidak diterapkan. Low,
diidentifikasi jika tidak terdapat alternative condition yang dapat
menggantikan penerapan requirement.
2.9. Populasi
Menurut (Sugiyono, 2010), Populasi adalah wilayah generalisasi yang terdiri
atas: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudiam ditarik kesimpulannya. Jadi
populasi bukan hanya orang, tetapi juga obyek dan benda-benda alam yang lain.
Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari,
tetapi meliputi seluruh karakteristik/sifta yang dimiliki oleh subyek atau obyek yang
diteliti itu.
Lalu menurut Putrawan yang dikutip dari (Winarno, 2018), Populasi adlaah
seluruh data yang menjadi perhatian kita dalam suatu ruang lingkup dan waktu yang
kita tentukan.
Dapat disimpulkan bahwa populasi adalah suatu obyek/subyek dan seluruh data
yang mempunyai karakteristik dan perhatian kita untuk dipelajari dalam suatu ruang
lingkup dan waktu yang ditentukan.
2.10. Sampel
Menurut (Sugiyono, 2010), Sampel adalah bagian dari jumlah dan karakteristik
yang dimiliki oleh populasi. Bila populasi besar dan peneliti tidak mungkin
mempelajari semua yang ada pada populasi, misalnya karena keterbatasan dana,
tenaga dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari
populasi itu. Berikutnya menurut (Winarno, 2018), Sampel adalah bagian dari populasi
yang menjadi pusat perhatian penelitan kita, dalam ruang lingkup dan waktu yang kita
tentukan.
23
Jadi dapat disimpulkan bahwa, Sampel adalah bagian dari jumlah dan
karakteristik yang dimiliki oleh populasi yang menjadi pusat perhatian penelitian kita,
dalam ruang lingkup dan waktu yang kita tentukan.
Pada penulisan karya tulis ini, penulis menggunakan SEM-PLS melakukan Commented [SC7]: Tambahan teori tentang pengujian
data untuk bab 3 dan bab 4
pengujian outer model dan inner model berdasarkan (Furadantin, 2018) dan (Hair,
Hult, Ringle, & Sarstedt, 2014). Tabel 2.4 menjelaskan pengujian dengan
menggunakan SEM-PLS.
Tabel 2.4 Pengujian data SEM-PLS
Sumber. Hair, Hult, Ringle & Sarstedt; 2014
Pengujian Measurement Model (Outer Model)
- Convergent Validity
- Reliability Validity
- Discriminant Validity
Pengujian Structural Model (Inner Model)
- Coefficients of Determination (R2)
- Predictive relevance (Q2)
- Path Coefficients
- Effect Size (f2)
- Bootstrapping (T-Statistics)
Berikut merupakan penjelasan dari tiap pengujian data yang dilakukan dengan
menggunakan SEM-PLS;
a. Convergent Validity
Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), Validitas konvergen
digunakan untuk mengukur sejauh mana pengukuran/pengujian
berkorelasi positif dengan langkah-langkah alternatif lainnya dari
konstruk yang sama. Menurut (Ghozali & Latan, 2015) Validitas
konvergen ditentukan berdasarkan dari prinsip bahwa pengukur-
pengukur dari suatu konstruk seharusnya berkorelasi tinggi.
b. Reliability Validity
Menurut (Ghozali & Latan, 2015), Pengujian reliabilitas dilakukan
dengan tujuan membuktikan akurasi dan konsistensi, serta ketepatan
instrumen yang digunakan dalam mengukur suatu konstruk. Dalam
penulisan ini, penulis menggunakan prosedur Composite Reliability
dan Cronbach’s Alpha.
c. Discriminant Validity
Menurut (Ghozali & Latan, 2015), validitas diskriminan
berhubungan dengan prinsip bahwa setiap pengukur (manifest
variable) konstruk yang tidak sama/berbeda seharusnya tidak saling
berkorelasi tinggi. Selain itu, (Hair, Ringle, & Sarstedt, 2011) juga
27
BAB 3
ANALISA SISTEM DAN METODE PENELITIAN
35
36
a. Visi:
b. Misi:
Menyediakan solusi transportasi terbaik dengan tujuan mencapai serta
memenuhi kepuasan serta kebuhan pelanggan secara maksimal melalui
berbagai solusi transportasi yang terus berkembang.\
2) Komisaris
Bertanggung jawab dalam memberikan masukan, nasihat, dan
pengarahan kepada jajaran direksi dalam melakukan tugasnya.
3) Kepala Cabang Utama
Merupakan kepala pimpinan seluruh cabang yang ada pada PT. XYZ.
Memiliki tanggung jawab utama untuk memastikan seluruh kegiatan pada
cabang tersebut berjalan sesuai visi dan misi perusahaan.
4) Kepala Cabang
Merupakan kepala pimpinan dari suatu cabang. Bertanggung jawab
untuk memastikan seluruh kegiatan pada suatu cabang berjalan dengan
rencana dan mencapai target kinerja.
5) Divisi Kepegawaian
Salah satu divisi pada perusahan yang bertanggung jawab dalam
mengatur dan mengelola seluruh pegawai yang terdaftar dan bekerja pada
PT. XYZ.
6) Divisi Teknikal
Divisi yang memiliki tanggung jawab untuk memastikan seluruh aspek
teknikal (cth. kendaraan, pengemudi, IT Infrastucture, dll) dapat memenuhi
tugasnya untuk menjalanan proses bisnis PT. XYZ.
7) Divisi Akuntansi & Keuangan
Divisi yang memiliki tanggung jawab untuk mengatur dan mencatat
seluruh keuangan pada perusahaan. Kegiatan utama divisi ini adalah
pencatatan keuangan, perencanaan keuangan & anggaran, mengontrol arus
kas, dll.
8) Divisi Sales & Marketing
Divisi yang memiliki tanggung jawab untuk mencari pesanan baru dan
mengelola seluruh pesanan yang ada sampai pesanan bisa diselesaikan.
9) Divisi Humas
Divisi yang bertanggung jawab untuk memastikan komunikasi antara
perusahaan dan pelanggan terjalin dengan baik, sehingga pelanggan merasa
puas dengan layanan yang diberikan.
39
Gambar 3.2 Activity Diagram Proses Bisnis PT. XYZ Sebelum Menggunakan
TRM
Sumber. Dokumen Penulis
42
3.3.4. Activity Diagram Proses Bisnis PT. XYZ Setelah Menggunakan TRM
Tabel 3.1 Tabel Fit and Gap Analysis TRM di PT. XYZ
Sumber. Dokumen Penulis
New
Capabilities
Describe Gap Between
Degree of Fit
Business Need to
No Existing Existing and
Requirement Reduce or
Situation New
Priority
Elimate
Gap
Pembuatan
order sewa
telah
Pembuatan
menggunakan
order sewa
sistem
1 sepenuhnya H Fit - -
CustomerApp
menggunakan
yang
sistem
terintegrasi
dengan TRM
dan SAP
Apabila tidak
terdapat
Penugasan
pengemudi
Penugasan pengemudi &
yang menerima
pengemudi kendaraan
(accept) order
sepenuhnya belum Automatic
sewa, user
2 oleh sistem H Gap sepenuhnya Driver
masih perlu
tanpa dilakukan oleh Selection
memilih
memerlukan sistem, masih
pengemudi
input oleh user memerlukan
secara input
input dari user
manual melalui
sistem TRM
Validasi agar Apabila tidak Dalam
penugasan terdapat penugasan
pengemudi pengemudi pengemudi
yang tersedia yang menerima melalui layar Automatic
3 didasarkan pada (accept) order H Gap TRM, user Driver
radius lokasi sewa, user belum dapat Selection
pengemudi masih perlu mengetahui
terhadap lokasi memilih radius lokasi
order sewa, pengemudi pengemudi
48
New
Capabilities
Describe Gap Between
Degree of Fit
Business Need to
No Existing Existing and
Requirement Reduce or
Situation Priority New
Elimate
Gap
disertai dengan secara input terhadap lokasi
validasi kriteria manual melalui order sewa,
jumlah order sistem TRM serta jumlah
yang telah tanpa adanya order yang
ditangani oleh validasi dalam telah ditangani
pengemudi pemilihan oleh
pengemudi pengemudi
apabila tidak
melakukan
pengecekan
manual
Pengemudi
meng-update
Kemampuan status order
untuk meng- sewa yang
update status dilakukan
4 proses order melalui H Fit - -
sewa yang DriverApp
sedang yang
dilakukan terintegrasi
dengan sistem
TRM.
Sistem dapat
Sistem belum
menghasilkan
Sistem TRM dapat
laporan pada
hanya dapat menghasilkan
level analytics Marketing
menghasilkan (generate)
berdasarkan Analytics
5 laporan yang M Gap laporan pada
data-data Report
masih bersifat / level analytics
operasional Generation
pada level untuk
yang ada untuk
operasional kepentingan
kepentingan
strategis.
strategis
Tabel 3.1:
XYZ. Variabel yang dibuat pun berdasarkan model TAM yang dipilih, serta
hipotesa yang dibuat dengan tujuan memberikan kerangka pada penelitian.
7. Membuat Kuesioner berdasarkan TAM
Tahapan ini dilakukan dengan mengikuti dari variabel yang ada pada model
TAM yang telah dibuat pada tahap sebelumnya.
8. Uji Keterbacaan Kuesioner
Tahapan ini berfungsi untuk memastikan setiap pertanyaan pada kuesioner
dapat dimengerti oleh calon responden dan hasil pertanyaan seusai dengan
apa yang diharapkan.
9. Menyebarkan Kuesioner
Pada tahapan ini, kuesioner akan disebarkan kepada koresponden sesuai
dengan populasi dan sampel yang telah ditentukan.
10. Analisa dan Pengolahan Data
Peneliti menganalisa data yang telah didapatkan dari setiap kuesioner dan
data akan diolah menggunakan metode SEM-PLS.
11. Kesimpulan dan Saran
Pada tahap terakhir, peneliti akan menarik kesimpulan dan memberikan
saran berdasarkan hasil analisa dan pengolahan data yang telah dilakukan
pada tahap sebelumnya.
Sales Marketing 15
Sales Manager 2
Sales Marketing Supervisor 5 3.5.2. Metode
Analisis Data
Jumlah 48
Pada
penelitian ini, analisa data dilakukan oleh peneliti dengan menggunakan
perangkat lunak SPSS 23 untuk melakukan pengujian validitas dan realibilitas
terhadap kuesioner-kuesioner yang telah disebarkan oleh peneliti kepada
responden dan telah dikembalikan ke peneliti. Peneliti menggunakan metode
SEM-PLS (Structural Equation Model-Partial Least Square) untuk menganalisa
data yang telah dikumpulkan, dengan pengolahan data secara statistik yang
dibantu menggunakan perangkat lunak SmartPLS versi 3.0 serta Microsoft Excel
2016.
Semua data yang telah dikumpulkan dari kusioner akan direkap dengan
menggunakan perangkat lunak Microsoft Excel 2016. Skala yang digunakan oleh
peneliti dalam kuesioner adalah skala likert dengan tingkat 1-6 pada setiap
pertanyaan.
memiliki ketentuan nilai harus lebih dari 0.7 (Ghozali & Latan, 2015).
Discriminant validity: Manifest Variable atau pengukur-pengukur
konstruk yang berbeda seharusnya tidak memiliki korelasi yang tinggi.
Pengujian discriminant validity dapat dilihat dari nilai crossloading,
dengan nilai setiap variabel harus lebih dari 0.7.
Composite Realibility: Biasanya disebut juga Dillon Goldstein’s,
berguna untuk membuktikan sejauh mana tingkat akurasi, konsistensi,
dan ketepatan instrumen yang digunakan dalam mengukur konstruk.
Ketentuannya adalah nilai composite realibility harus lebih besar dari
0.7 untuk penelitian yang bersifat confirmatory (Ghozali & Latan,
2015).
Cronbach’s Alpha: Pengujian reliabilitas suatu konstruk dapat juga
dilakukan dengan menggunakan nilai Cronbach’s Alpha yang memiliki
ketentuan nilai-nilai Cronbach’s Alpha harus lebih besar dari 0.7 untuk
penelitian yang memiliki sifat confirmatory. Penggunaan Cronbach’s
Alpha akan memberikan nilai yang lebih rendah (under-estimate)
dalam pengujian realibilitas, sehingga lebih disarankan untuk
menggunakan Composite Realibility (Ghozali & Latan, 2015).
56
Sesuai dengan Model Penelitian yang dapat dilihat pada Gambar 3.7,
maka peneliti dapat merumuskan hipotesis sebagai berikut:
Tabel 3.3.7 Tabel Hipotesis
Sumber. Dokumen Penulis
No. Hipotesis
Hipotesis H0: Variabel Computer Self-efficiency tidak berpengaruh secara positif
1 dan signifikan terhadap variabel Perceived Usefulness dalam
penggunaan TRM di PT. XYZ
62
No. Hipotesis
H1: Variabel Computer Self-efficiency tidak berpengaruh secara positif
dan signifikan terhadap variabel Perceived Usefulness dalam
penggunaan TRM di PT. XYZ
Hipotesis H0: Variabel Computer Self-efficiency tidak berpengaruh secara positif
2 dan signifikan terhadap variabel Perceived Ease of Use dalam
penggunaan TRM di PT. XYZ
H1: Variabel Computer Self-efficiency berpengaruh secara positif dan
signifikan terhadap variabel Perceived Ease of Use dalam penggunaan
TRM di PT. XYZ
Hipotesis H0: Variabel Organizational Support tidak berpengaruh secara positif
3 dan signifikan terhadap variabel Perceived Usefulness dalam
penggunaan TRM di PT. XYZ
H1: Variabel Organizational Support berpengaruh secara positif dan
signifikan terhadap variabel Perceived Usefulness dalam penggunaan
TRM di PT. XYZ
Hipotesis H0: Variabel Organizational Support tidak berpengaruh secara positif
4 dan signifikan terhadap variabel Perceived Ease of Use dalam
penggunaan TRM di PT. XYZ
H1: Variabel Organizational Support berpengaruh secara positif dan
signifikan terhadap variabel Perceived Ease of Use dalam penggunaan
TRM di PT. XYZ
Hipotesis H0: Variabel Training tidak berpengaruh secara positif dan signifikan
5 terhadap variabel Perceived Usefulness dalam penggunaan TRM di PT.
XYZ
H1: Variabel Training berpengaruh secara positif dan signifikan
terhadap variabel Perceived Usefulness dalam penggunaan TRM di PT.
XYZ
Hipotesis H0: Variabel Training tidak berpengaruh secara positif dan signifikan
6 terhadap variabel Perceived Ease of Use dalam penggunaan TRM di PT.
XYZ
63
No. Hipotesis
H1: Variabel Training berpengaruh secara positif dan signifikan
terhadap variabel Perceived Ease of Use dalam penggunaan TRM di PT.
XYZ
Hipotesis H0: Variabel Complexity tidak berpengaruh secara negatif dan
7 signifikan terhadap variabel Perceived Usefulness dalam penggunaan
TRM di PT. XYZ
H1: Variabel Complexity berpengaruh secara negatif dan signifikan
terhadap variabel Perceived Usefulness dalam penggunaan TRM di PT.
XYZ
Hipotesis H0: Variabel Complexity tidak berpengaruh secara negatif dan
8 signifikan terhadap variabel Perceived Ease of Use dalam penggunaan
TRM di PT. XYZ
H1: Variabel Complexity berpengaruh secara negatif dan signifikan
terhadap variabel Perceived Ease of Use dalam penggunaan TRM di PT.
XYZ
Hipotesis H0: Variabel Compability tidak berpengaruh secara positif dan
9 signifikan terhadap variabel Perceived Usefulness dalam penggunaan
TRM di PT. XYZ
H1: Variabel Compability berpengaruh secara positif dan signifikan
terhadap variabel Perceived Usefulness dalam penggunaan TRM di PT.
XYZ
Hipotesis H0: Variabel Compability tidak berpengaruh secara positif dan
10 signifikan terhadap variabel Perceived Ease of Use dalam penggunaan
TRM di PT. XYZ
H1: Variabel Compability berpengaruh secara positif dan signifikan
terhadap variabel Perceived Ease of Use dalam penggunaan TRM di PT.
XYZ
Hipotesis H0: Variabel Perceived Ease of Use tidak berpengaruh secara positif dan
11 signifikan terhadap variabel Perceived Usefulness dalam penggunaan
TRM di PT. XYZ
64
No. Hipotesis
H1: Variabel Perceived Ease of Use berpengaruh secara positif dan
signifikan terhadap variabel Perceived Usefulness dalam penggunaan
TRM di PT. XYZ
Hipotesis H0: Variabel Perceived Usefulness tidak berpengaruh secara positif dan
12 signifikan terhadap variabel Intention to Use dalam penggunaan TRM
di PT. XYZ
H1: Variabel Perceived Usefulness berpengaruh secara positif dan
signifikan terhadap variabel Intention to Use dalam penggunaan TRM
di PT. XYZ
Hipotesis H0: Variabel Perceived Ease of Use tidak berpengaruh secara positif dan
13 signifikan terhadap variabel Intention to Use dalam penggunaan TRM
di PT. XYZ
H1: Variabel Perceived Ease of Use berpengaruh secara positif dan
signifikan terhadap variabel Intention to Use dalam penggunaan TRM
di PT. XYZ
Hipotesis H0: Variabel Intention to Use tidak berpengaruh secara positif dan
14 signifikan terhadap variabel Usage dalam penggunaan TRM di PT. XYZ
H1: Variabel Intention to Use berpengaruh secara positif dan signifikan
terhadap variabel Usage dalam penggunaan TRM di PT. XYZ
Hipotesis H0: Variabel Usage tidak berpengaruh secara positif dan signifikan
15 terhadap variabel Individual Performance dalam penggunaan TRM di
PT. XYZ
H1: Variabel Usage berpengaruh secara positif dan signifikan terhadap
variabel Individual Performance dalam penggunaan TRM di PT. XYZ
Hipotesis H0: Variabel Usage tidak berpengaruh secara positif dan signifikan
16 terhadap variabel Individual Impact dalam penggunaan TRM di PT.
XYZ
H1: Variabel Usage berpengaruh secara positif dan signifikan terhadap
variabel Individual Impact dalam penggunaan TRM di PT. XYZ
Pada bab ini, peneliti akan menguraikan hasil analisis berdasarkan data
penelitian yang dilakukan dan diperoleh dengan menggunakan berbagai metode
penelitian yang telah dijabarkan pada bab 3. Peneliti melakukan pembahasan dengan
melibatkan teori-teori yang telah dijelaskan pada bab 2 dalam penelitian ini.
Pembahasan akan dimulai dengan hasil analisa dari segi bisnis proses PT. XYZ, yang
kemudian akan dilanjutkan dengan analisa terhadap data yang telah diperoleh melalui
kuesioner.
Menurut (Costard, 2008), Risk Analysis adalah proses analisa untuk memberikan
informasi mengenai peristiwa yang tidak diinginkan. Risk Analysis digunakan untuk
memperkirakan probabilitas dan konsekuensi yang diharapkan terhadap risiko yang
diidentifikasi. Pada subbab ini, peneliti akan memfokuskan Risk Analysis yang
terdapat pada Gap antara proses bisnis yang ideal dengan keadaan sistem yang ada
saat ini berdasarkan dari subbab 3.3.5.
Berdasarkan hasil Fit & Gap Analysis, masih terdapat tiga buah business
requirement yang belum atau belum sepenuhnya tercakup oleh Transport Reservation
Management (TRM) sekarang. Hal tersebut mengakibatkan terdapatnya tiga buah gap
antara kebutuhan bisnis PT. XYZ dengan current system, yang tentunya memiliki
resiko-resiko tertentu apabila gap tersebut tidak diatasi. Dimulai dari gap yang
pertama, yaitu pada kebutuhan bisnis yang terkait dengan penugasan pengemudi yang
harus sepenuhnya dilakukan oleh sistem tanpa memerlukan input oleh user. Pada
sistem TRM sekarang, penugasan pengemudi & kendaraan memang telah
menggunakan sistem TRM, namun masih diperlukan input dari user. Ketika order
sewa belum mendapatkan pengemudi karena tidak terdapat pengemudi yang menerima
(accept) order sewa tersebut dalam waktu yang telah ditentukan, yakni selama 10
menit, pihak sales marketing masih perlu secara manual memilih pengemudi yang
akan ditugaskan untuk melakukan order sewa tersebut melalui sistem TRM. Resiko
yang ditimbulkan dari gap tersebut berdampak pada efisiensi proses bisnis dalam order
sewa, terutama pada aspek kecepatan, waktu, dan usaha yang diperlukan untuk
67
68
memproses order sewa, terlebih apabila order sewa yang harus diproses berjumlah
banyak.
Berikutnya merupakan business requirement tambahan dari PT. XYZ yang
masih terkait dengan penugasan pengemudi. PT. XYZ meminta agar selain penugasan
pengemudi yang sepenuhnya menggunakan dan dilakukan oleh sistem, harus
disertakan pula dengan validasi dalam penugasan pengemudi secara otomatis. Kriteria
yang perlu divalidasi tersebut adalah validasi agar penugasan pengemudi yang tersedia
didasarkan pada radius lokasi pengemudi terhadap lokasi order sewa, disertai dengan
validasi kriteria jumlah order yang telah ditangani oleh pengemudi. Pengemudi yang
ditugaskan haruslah pengemudi yang berjarak terdekat (dalam radius yang telah
ditentukan oleh PT. XYZ terhadap lokasi order sewa customer. Kemudian, diperlukan
juga validasi bahwa penugasan pengemudi yang tersedia dalam radius tersebut
diprioritaskan kepada pengemudi yang masih menangani jumlah order paling sedikit
dalam hari tersebut. Apabila tidak terdapat pengemudi yang sesuai ketentuan tersebut,
maka radius pencarian akan diperluas lagi. Apabila terdapat pengemudi dengan order
sewa yang telah ditangani berjumlah sama, maka yang akan ditugaskan adalah
pengemudi dengan akumulasi total order sewa yang sudah ditangani oleh pengemudi-
pengemudi tersebut. Pada sistem TRM sekarang, penugasan pengemudi menggunakan
TRM melalui input dari sales marketing tanpa adanya validasi terhadap kriteria-
kriteria di atas. Gap yang tercipta dapat menimbulkan berbagai resiko bagi PT. XYZ.
Hal tersebut dapat berdampak pada performa dan kesejahteraan kerja pengemudi. Jam
kerja pengemudi yang tidak teratur dan tidak seimbang dapat menimbulkan kinerja
yang juga tidak seimbang pada setiap pengemudi. Selain itu, gap tersebut juga dapat
menimbulkan resiko-resiko keselamatan bagi pengemudi yang telah dibebankan
dengan jumlah jam kerja yang berlebih, yang nantinya juga dapat lebih lanjut
berdampak pada kepuasan customer. Gap itu juga tentunya dapat berdampak buruk
pada kepuasan kerja pengemudi.
Setiap order sewa telah diselesaikan oleh pengemudi dan ditutup, pihak sales
marketing perlu secara manual melakukan pembuatan laporan yang bersifat analytics
yang dapat digunakan untuk kepentingan strategis dengan berdasarkan pada laporan
operasional yang dihasilkan oleh sistem TRM. PT. XYZ pada dasarnya membutuhkan
sistem TRM agar dapat membuat (generate) laporan langsung pada level analytics
yang dapat menyediakan berbagai insights untuk kepentingan strategis. Namun, sistem
TRM sekarang baru dapat menyediakan laporan yang bersifat operasional sehingga
69
laporan analytics masih perlu dibuat oleh sales marketing secara manual. Gap tersebut
sangat berdampak pada efisiensi kerja pihak sales marketing, terutama pada aspek
kecepatan, waktu, dan usaha yang diperlukan untuk menghasilkan laporan analytics
tersebut.
4.1.1. Probability Impact Matrix
Menurut (Dumbravă & Iacob, 2014), Probability Impact Matrix adalah
salah satu metode kualitatif yang biasa digunakan untuk penilaian risiko.
Terdapat dua komponen dalam menghitung probability impact matrix, yaitu
Impact dan Probability.
Sebelum menentukan probability matrix matrix, penulis akan
memamparkan nilai-nilai yang digunakan dalam perhitungan. Terdapat dua nilai
yang digunakan yaitu likelihood (probability) dan Impact. Pada Tabel 4.1 dapat
dilihat nilai likelihood berdasarkan (Dumbravă & Iacob, 2014).
Tabel 4.1 Nilai Likelihood
Sumber. Dumbravă & Iacod: 2014
Low - - E
Medium - - -
High - D C
71
user. Oleh karena itu, fitur Automatic Driver Selection dirancang agar ketika
terdapat order sewa yang belum mendapatkan pengemudi (karena tidak terdapat
pengemudi yang menerima order sewa tersebut), sistem TRM akan secara
otomatis mencari dan menugaskan pengemudi pada order sewa tersebut. Dengan
demikian, user tidak perlu lagi secara manual menugaskan pengemudi melalui
layar sistem TRM. Pengemudi dan kendaraan yang ditugaskan tentunya adalah
pengemudi dan kendaraan yang sedang tersedia dan sesuai dengan kriteria order
sewa. Terkait kriteria-kriteria penugasan yang akan menjadi validasi oleh sistem,
penjelasan di bawah akan menjelaskan lebih rinci setiap kriteria tersebut.
Terdapat beberapa logic tambahan untuk validasi pengemudi dan
kendaraan yang akan ditugaskan secara otomatis, yaitu dengan memperhatikan
radius lokasi pengemudi terhadap lokasi order sewa, disertai dengan validasi
kriteria jumlah order yang telah ditangani oleh pengemudi. Pertama, sistem akan
mencari (dalam radius yang telah ditentukan oleh PT. XYZ) pengemudi yang
berjarak terdekat terhadap lokasi order sewa customer. Kemudian, diperlukan
juga validasi bahwa penugasan pengemudi yang tersedia dalam radius tersebut
diprioritaskan kepada pengemudi yang masih menangani jumlah order paling
sedikit dalam hari tersebut. Apabila tidak terdapat pengemudi yang sesuai
ketentuan tersebut, maka radius pencarian akan diperluas lagi. Apabila terdapat
pengemudi dengan order sewa yang telah ditangani berjumlah sama, maka yang
akan ditugaskan adalah pengemudi dengan akumulasi total order sewa yang
sudah ditangani oleh pengemudi-pengemudi tersebut. Dengan adanya fitur
Automatic Driver Selection beserta validasi-validasi tersebut, efisiensi
pelaksanaan order sewa dapat meningkat, dari sisi pelaksanaan di lapangan
maupun dari sisi pengguna TRM. Penugasan pengemudi dan yang terdekat
dengan lokasi order sewa yang telah ditentukan oleh customer dapat mengurangi
biaya, waktu, dan tenaga yang diperlukan untuk menyelesaikan suatu order
sewa, yang masih dapat menghasilkan keuntungan-keuntungan lainnya. Pihak
sales marketing yang menggunakan TRM juga tidak perlu lagi mengecek secara
manual lokasi pengemudi untuk menentukan apakah pengemudi dan kendaraan
tersebut telah memiliki lokasi yang paling sesuai untuk melakukan order sewa
yang terkait untuk menugaskan pengemudi tersebut secara manual. Hal tersebut
tentunya meminimalisir waktu serta tenaga yang diperlukan untuk melakukan
penugasan pengemudi dan kendaraan, serta mengurangi kemungkinan kesalahan
73
oleh faktor human error. Selain itu, validasi kriteria jumlah order yang telah
ditangani oleh pengemudi juga Sberdampak positif pada performa dan
kesejahteraan kerja pengemudi. Jam kerja pengemudi yang lebih teratur dan
seimbang dapat menimbulkan kinerja yang lebih optimal pada setiap pengemudi.
Kinerja dan kondisi pengemudi yang optimal juga berpengaruh baik pada
keselamatan dalam melakukan order sewa bagi pengemudi maupun penumpang,
yang nantinya juga dapat lebih lanjut berdampak positif pada kepuasan
customer. Solusi itu juga tentunya dapat berdampak positif pada kepuasan kerja
pengemudi.
Gambar 4.1 dan Gambar 4.2 menggambarkan perbedaan alur sistem
sesudah dan sebelum menggunakan Automatic Driver Selection.
variabel penelitian yang akan diukur. Selain itu, pertanyaan yang memiliki kata-kata
yang dianggap sulit dimengerti juga akan diubah dengan kata-kata yang lebih mudah
dimengerti. Agar tetap menjaga kualitas pada perubahan atribut, setiap perubahan
yang dilakukan akan selalui mengacu kepada referensi yang ada dan juga berdasarkan
definisi awal variabel tersebut. Terdapat sebanyak empat pertanyaan yang direvisi oleh
peneliti, yang dapat dilihat pada Tabel 4.6.
Tabel 4.6 Tabel Revisi Uji Keterbacaan
Sumber. Dokumen Penulis
No. Pertanyaan Awal Revisi Pertanyaan
3 Saya dapat menyelesaikan Saya dapat menyelesaikan pekerjaan
pekerjaan saya menggunakan TRM saya menggunakan TRM walaupun
karena saya sudah pernah saya belum pernah menggunakan
menggunakan sistem yang serupa sistem yang serupa sebelumnya.
sebelumnya.
11 Menggunakan TRM memberikan Menggunakan TRM tidak memberikan
saya beban mental dan stress. saya beban mental dan stress.
19 Interaksi saya dengan TRM telah Interaksi saya dengan tampilan TRM
jelas dan mudah untuk saya pahami. telah jelas dan mudah untuk saya
pahami.
29 Apabila terdapat error, supervisor Apabila terdapat error,
saya dapat dengan mudah melacak atasan/pengawas saya dapat dengan
waktu, letak, dan oleh siapa mudah melacak waktu, letak, dan oleh
penyebab error tersebut terjadi. siapa penyebab error tersebut terjadi.
Nomor Nomor
Feedback Feedback
Responden Responden
3 OK 18 OK
4 OK 19 OK
5 OK 20 OK
6 OK 21 OK
7 OK 22 OK
8 OK 23 OK
9 OK 24 OK
10 OK 25 OK
11 OK 26 OK
12 OK 27 OK
13 OK 28 OK
14 OK 29 OK
15 OK 30 OK
dinyatakan konsisten ketika suatu pengukuran perlu dilakukan berulang kali dan alat
ukur tersebut menunjukan hasil yang sama, dalam kondisi yang sama, serta mampu
membantu nilai ketepatan sebuah pengukuran. Pengujian realibilitas dapat dilakukan
dengan menggunakan nilai Cronbach’s Alpha pada setiap variabel dalam kuesioner.
Pengujian validitas dan reliabilitas yang dilakukan dalam penelitian ini dibantu
dengan penggunaan perangkat lunak SPSS (Statistical Package for the Social Science)
versi 23. Validitas dan reliabilitas dari 30 butir pertanyaan yang terdapat dalam
kusioner akan diuji oleh peneliti.
Corrected Item-
Variable Items Total r table Validity
Correlation
TR1 0,575 0,361 Valid
Training TR2 0,393 0,361 Valid
TR3 0,718 0,361 Valid
CX1 0,539 0,361 Valid
Complexity CX2 0,754 0,361 Valid
CX3 0,56 0,361 Valid
COMP1 0,554 0,361 Valid
Compability COMP2 0,486 0,361 Valid
COMP3 0,615 0,361 Valid
PU1 0,672 0,361 Valid
Perceived PU2 0,431 0,361 Valid
Usefulness PU3 0,566 0,361 Valid
PU4 0,717 0,361 Valid
PEOU1 0,389 0,361 Valid
Perceived Ease of
PEOU2 0,573 0,361 Valid
Use
PEOU3 0,496 0,361 Valid
IU1 0,539 0,361 Valid
Intention to Use
IU2 0,726 0,361 Valid
USG1 0,615 0,361 Valid
Usage USG2 0,386 0,361 Valid
USG3 0,616 0,361 Valid
Individual IP1 0,652 0,361 Valid
Performance IP2 0,532 0,361 Valid
Panoptic PE1 0,817 0,361 Valid
Enpowerment PE2 0,484 0,361 Valid
Berdasarkan hasil pengujian validitas yang telah dilakukan, dapat
dilihat dari tabel Tabel 4.9 bahwa dari sebanyak 30 butir pertanyaan yang
diberikan kepada 30 sampel dalam penelitian ini semua terogolong kedalam
kategori valid. Hal tersebut dibuktikan dari nilai yang terdapat dalam kolom
corrected item – total correlation pada setiap pertanyaan yang masing- masing
memiliki nilai lebih tinggi daripada nilai r tabel.
variabel ITU, kedua variabel tersebut juga dihubungkan dengan variabel Usage
(USG), hingga pada akhirnya variabel Usage (USG) akan dihubungkan dengan
variabel Individual Performance (IP) dan juga variabel Panoptic Empowerment
(PE). Gambar 4.10 menunjukkan path diagram model penelitian ini.
Menurut (Ghozali & Latan, 2015), nilai loading factor sebesar 0,5-0,6
masih dianggap cukup untuk penelitian yang berada pada tahap awal.
Sedangkan berdasarkan pendapat (Hair, Hult, Ringle, & Sarstedt, 2014),
indikator yang memiliki nilai outer loading di antara 0,4-0,7 tidak perlu
langsung dihapus. Namun apabila setelah penghapusan indikator tersebut
dapat meningkatkan nilai Composite Reliability, maka penghapusan
tersebut dapat dilakukan. Apabila nilai indikator lebih kecil atau sama
dengan 0,4, indikator dapat langsung dihapus dari pengukuran.
Oleh karena pendapat-pendapat tersebut, peneliti kembali
mencoba melakukan pengukuran Outer Loading dengan menghapus 6
indikator tersebut yang memiliki nilai di antara 0,4-0,7 (COMP1, CSE2,
PEOU1, PU2, PU3, TR2) untuk mencari tahu apakah terdapat perubahan
yang signifikan terhadap nilai Composite Realibility setelah 6 indikator
tersebut dihapus. Perbandingan nilai Composite Realibility sebelum dan
sesudah peneliti menghapus 6 buah variabel tersebut dapat dilihat pada
tabel-tabel dibawah ini:
Tabel 4.12 Perbandingan Nilai Composite Realiblity
Sumber. Dokumen Penulis
Sebelum Sesudah
No Variabel Penghapusan Penghapusan
1 Computer Self-Efficacy 0,748 0,775
2 Organization Support 0,81 0,812
3 Training 0,789 0,834
4 Complexity 0,878 0,879
5 Compability 0,732 0,821
6 Perceived Usefulness 0,85 0,906
7 Perceived Ease of Use 0,756 0,783
8 Intention to Use 0,845 0,845
9 Usage 0,845 0,845
10 Individual Performance 0,835 0,835
11 Panoptic Empowerment 0,875 0,875
Setelah melihat tidak adanya perubahan yang signifikan
terhadap nilai Composite Realibility, peneliti memutuskan untuk tidak
menghapus indikator-indikator tersebut yang memiliki nilai kurang dari
0,7.
4
COMP2 0.798 0.367 0.292 0.258 0.320 0.286 0.554 0.412 0.470 0.492 0.373
COMP3 0.871 0.415 0.367 0.538 0.462 0.420 0.454 0.580 0.498 0.524 0.492
CSE1 0.192 0.315 0.755 0.322 0.365 0.261 0.367 0.475 0.350 0.190 0.459
CSE2 0.507 0.466 0.607 0.395 0.185 0.243 0.380 0.166 0.353 0.150 0.467
CSE3 0.234 0.344 0.749 0.367 0.173 0.606 0.332 0.378 0.392 0.462 0.123
CX1 0.353 0.783 0.297 0.266 0.392 0.312 0.437 0.235 0.459 0.529 0.331
CX2 0.530 0.928 0.525 0.578 0.526 0.545 0.434 0.544 0.596 0.620 0.509
CX3 0.241 0.806 0.418 0.451 0.476 0.521 0.437 0.352 0.350 0.490 0.366
IP1 0.426 0.440 0.432 0.923 0.623 0.387 0.476 0.489 0.573 0.434 0.652
IP2 0.422 0.498 0.425 0.765 0.379 0.326 0.374 0.276 0.366 0.534 0.390
IU1 0.240 0.375 0.277 0.428 0.838 0.453 0.476 0.498 0.372 0.555 0.538
IU2 0.556 0.567 0.321 0.616 0.872 0.627 0.556 0.573 0.536 0.593 0.554
OS1 0.338 0.379 0.299 0.188 0.493 0.772 0.675 0.261 0.361 0.454 0.200
OS2 0.371 0.522 0.552 0.474 0.555 0.875 0.367 0.494 0.291 0.592 0.201
PE1 0.645 0.520 0.550 0.524 0.592 0.563 0.978 0.556 0.762 0.647 0.640
PE2 0.271 0.333 0.199 0.307 0.472 0.547 0.777 0.287 0.421 0.456 0.212
PEOU1 0.470 0.339 0.385 0.330 0.345 0.175 0.105 0.631 0.351 0.323 0.331
PEOU2 0.360 0.414 0.412 0.346 0.476 0.528 0.548 0.695 0.618 0.521 0.278
PEOU3 0.478 0.264 0.297 0.340 0.504 0.267 0.408 0.807 0.535 0.432 0.422
PU1 0.400 0.400 0.565 0.476 0.462 0.448 0.558 0.703 0.841 0.577 0.446
PU2 0.460 0.320 0.266 0.230 0.294 0.252 0.345 0.612 0.642 0.444 0.244
PU3 0.376 0.416 0.288 0.631 0.392 0.097 0.592 0.302 0.686 0.458 0.555
PU4 0.547 0.611 0.408 0.437 0.479 0.341 0.726 0.564 0.880 0.560 0.522
TR1 0.578 0.400 0.394 0.339 0.438 0.383 0.504 0.544 0.555 0.775 0.405
TR2 0.143 0.459 0.185 0.373 0.396 0.433 0.223 0.234 0.291 0.565 0.174
TR3 0.520 0.637 0.266 0.530 0.662 0.640 0.631 0.512 0.588 0.875 0.393
USG1 0.554 0.509 0.425 0.494 0.477 0.170 0.506 0.438 0.524 0.384 0.848
USG2 0.297 0.248 0.321 0.451 0.362 0.126 0.406 0.177 0.314 0.241 0.728
USG3 0.401 0.408 0.389 0.586 0.657 0.265 0.471 0.491 0.523 0.452 0.831
6
4.8.2.3.Pengujian Reliabilitas
Selain melakukan pengujian validitas, pengukuran model juga
perlu dilakukan agar dapat menguji reliabilitas suatu konstruk. Pengujian
reliabilitas dilakukan dengan tujuan membuktikan akurasi dan
konsistensi, serta ketepatan instrumen yang digunakan dalam mengukur
suatu konstruk. (Ghozali & Latan, 2015) berpendapat bahwa terdapat dua
acara untuk mengukur reliabilitas suatu konstruk, yakni dengan
Cronbach’s Alpha dan Composite Reliablity atau yang dikenal juga
dengan Dillon Goldstein’s. Perlu diketahui bahwa dengan menggunakan
Cronbach’s Alpha untuk pengujian realiblitas suatu konstruk dapat
menghasilkan nilai under-estimate, yang berarti memberikan nilai yang
lebih rendah. Oleh karena itu, lebih disarankan untuk menggunakan
Composite Reliability sebagai acuan dalam pengukuran reliabilitas suatu
konstruk.
Berdasarkan pendapat (Hair, Hult, Ringle, & Sarstedt, 2014),
Cronbach’s Alpha dan Composite Reliablity dengan nilai 0,6 hingga 0,7
masih dapat diterima dalam penelitian eksplorasi. Sedangkan
Cronbach’s Alpha dan Composite Reliablity yang memiliki nilai 0,7
hingga 0,9 dianggap memuaskan. Tabel 4.15 berikut menunjukkan nilai
Cronbach’s Alpha, serta nilai Composite Reliability pada Tabel 4.16.
Tabel 4.15 Tabel Cronbach Alpha
Sumber. Dokumen Penulis
Cronbach's
No Variabel Alpha
1 Computer Self-Efficacy 0,508
2 Organization Support 0,538
3 Training 0,616
4 Complexity 0,795
5 Compability 0,569
6 Perceived Usefulness 0,761
7 Perceived Ease of Use 0,521
8 Intention to Use 0,634
9 Usage 0,728
10 Individual Performance 0,628
11 Panoptic Empowerment 0,772
7
Dalam Tabel 4.18, dapat dilihat nilai effect size (f2) dari masing-
masing variabel eksogen terhadap variabel endogen. Tabel tersebut
menunjukkan bahwa pengaruh variabel Computer Self-Efficacy,
Organizational Support, Training, Complexity, dan Perceived Ease of
Use terhadap Perceived Usefulness memiliki nilai effect size yang
tergolong “sedang”. Namun untuk variabel Compability terhadap
variabel Perceived Usefulness memiliki nilai effect size yang “kecil”.
Terdapat juga pengaruh variabel Computer Self-Efficacy,
Training, dan Compatibility terhadap Perceived Ease of Use pun memilki
nilai effect size yang terlgolong “sedang” pula. Namun untuk variabel
Organizational Support dan Complexity terhadap variabel Perceived
Ease of Use memiliki nilai effect size yang “kecil”.
Selain itu, dapat dilihat bahwa pengaruh variabel Perceived
Usefulness dan Perceived Ease of Use terhadap Intention to Use juga
memiliki niai effect size yang “sedang”. Dengan demikian, dapat
diartikan bahwa variabel-variabel eksogen tersebut memiliki perbedaan
yang tergolong sedang dibandingkan dengan variabel endogen.
Kemudian terdapat juga pengaruh variabel Intention to Use
terhadap variabel Usage yang memiliki nilai effect size yang “besar”.
Terdapat pula pengaruh variabel Usage terhadap Individual Performance
dengan nilai “besar”. Sedangkan variabel Usage terhadap variabel
Panoptic Empowerment juga memiliki nilai effect size yang nilai “besar”.
Dengan demikian, dapat disimpulkan bahwa terdapat perbedaan yang
besar antara variabel eksogen tersebut dengan variabel engoden.
Tabel 4.18 Tabel F Square
Sumber. Dokumen Penulis
Effect
Variable Eksogen Variable Endogen Size Keterangan
Computer Self-Efficacy Perceived Usefulness 0,065 Sedang
Computer Self-Efficacy Perceived Ease of Use 0,092 Sedang
Organization Support Perceived Usefulness 0,1 Sedang
Organization Support Perceived Ease of Use 0,000 Kecil
Training Perceived Usefulness 0,141 Sedang
Training Perceived Ease of Use 0,086 Sedang
11
4.8.3.5. T-Statistics
Berdasarkan pendapat (Hair, Ringle, & Sarstedt, 2011),
pengujian signifikansi dapat dilakukan dengan menggunakan nilai T-
Statistics Untuk T-Statistics pada tingkat signifikansi 5% (two-tailed)
memiliki nilai diatas 1.96 dapat diasumsikan bahwa koefisien jalur Commented [SC15]: ganti Bahasa biar sesuai sama bab 2
berbeda dari nol (0). Begitu juga dengan nilai dari tingkat signifikansi
two-tailed (1%) adalah 2.57, serta nilai dari tingkat signifikansi 10%
(two-tailed) adalah 1.65.
Nilai T-Statistics yang digunakan dalam penelitian adalah nilai T-
Statistics dengan tingkat signifikansi 5% lebih besar dari 1.96. Diperoleh
menggunakan prosedur bootstrapping dengan besar sampel sebanyak
5000 dalam perangkat lunak SmartPLS versi 3.0. Nilai T-Statistics dari
penelitian ini dapat dilihat pada Tabel 4.21 berikut ini.
Tabel 4.21 Tabel T-Statistics
Sumber. Dokumen Penulis
T-Statistics
Path (|O/STDEV|)
Computer Self-Efficacy → Perceived Usefulness 1,027
Computer Self-Efficacy → Perceived Ease of Use 1,274
Organization Support → Perceived Usefulness 0,99
14
T-Statistics
Path (|O/STDEV|)
Organization Support → Perceived Ease of Use 0,007
Training → Perceived Usefulness 1,467
Training → Perceived Ease of Use 1,230
Complexity → Perceived Usefulness 0,716
Complexity → Perceived Ease of Use 0,094
Compability → Perceived Usefulness 0,409
Compability → Perceived Ease of Use 1,843
Perceived Ease of Use → Perceived Usefulness 1,827
Perceived Ease of Use → Intention to Use 2,210
Perceived Usefulness → Intention to Use 0,689
Intention to Use → Usage 8,585
Usage → Individual Performance 8,964
Usage → Panoptic Empowerment 5,405
Ease of Use juga tidak memberikan dampak atau pengaruh yang signifikan
terhadap variabel Perceived Usefulness.
Pada persamaan terkait variabel Intention to Use, dapat dilihat bahwa
variabel Perceived Usefulness tidak memiliki dampak yang signifikan terhadap
variabel Intention to Use. Sedangkan variabel Perceived Ease of Use memiliki
dampak atau memberikan pengaruh yang signifikan terhadap variabel Intention
to Use. Terdapat pula persamaan Usage, yang dapat dilihat bahwa variabel
Intention to Use memberikan pengaruh yang signifikan terhadap variabel Usage.
Selain itu, faktor pengaruh variabel Usage terhadap Individual performance juga
tergolong signifikan. Kemudian, variabel Panoptic Empowerment juga
dipengaruhi secara signifikan oleh faktor variabel Usage.
Berdasarkan data diatas, dapat dilihat bahwa faktor variabel yang
berpengaruh terkuat terhadap variabel Perceived Usefulness adalah variabel
Perceived Ease of Use yang memiliki nilai koefisien jalur sebesar 0,403, diikuti
oleh variabel Training dengan nilai 0,368, variabel Computer Self-Efficacy
dengan nilai koefisien jalur sebesar 0,195, dan variabel Complexity yang
memiliki nilai koefisien jalur sebesar 0,153, serta variabel Compability yang
dengan nilai koefisien jalur sebesar 0,077. Sedangkan variabel Organization
Support memiliki pengaruh negatif dengan nilai koefisien jalur sebesar -0,262.
Berikutnya, pada variabel Perceived Ease of Use, faktor yang
berpengaruh paling kuat terhadap variabel tersebut adalah Training dengan nilai
koefisien jalur sebesar 0,335, diikuti oleh faktor variabel Compatibility yang
nilai koefisien jalurnya sebesar 0,302, dan variabel Computer Self-Efficacy yang
memiliki nilai koefisien jalur sebesar 0,269. Terdapat juga variabel-variabel
yang berpengaruh negatif terhadap Perceived Ease of Use, yakni variabel
Organization Support dan Complexity yang masing-masing memiliki nilai
koefisien jalur sebesar -0,002 dan -0,021.
Selanjutnya adalah variabel Intention to Use yang paling kuat
dipengaruhi oleh faktor variabel Perceived Ease of Use dengan nilai koefisien
jalur sebesar 0,503, diikuti oleh faktor Perceived Usefulness dengan nilai
koefisien jalur sebesar 0,35. Kemudian, variabel Usage yang secara terkuat
dipengaruhi oleh faktor variabel Intention to Use dengan nilai koefisien jalur
sebesar 0,638. Selanjutnya adalah variabel Individual Performance yang secara
positif dan kuat dipengaruhi oleh faktor Usage dengan koefisien jalur yang
20
4.9. Pembahasan
Dalam penelitian ini, peneliti menggunakan metode Fit Gap Analysis untuk
mendapatkan hasil evaluasi sistem TRM dari perspektif sistem dan requirement PT.
XYZ. Lalu selanjutnya, hasil analisa Fit Gap digunakan untuk menghitung risiko-
risiko yang dapat muncul akibat gap yang ada pada sistem menggunakan metode risk
analysis. Didapatkan hasil, dari 5 (lima) requirement yang dapat dianalisa, peneliti
menemukan 3 (tiga) requirement yang masih belum terpenuhi oleh sistem atau dapat
disebut gap.
Kemudian peneliti melanjutkan evaluasi menggunakan risk analysis
berdasarkan (tiga) gap yang didapat. Didapatkan hasil bahwa, dari tiga gap yang ada
menimbulkan risiko yang tergolong kecil karena menghasilkan nilai atau score yang
relatif kecil.
Namun dengan demikian, PT XYZ tetap mengimplementasikan Change Request
untuk memperbaiki gap yang terdapat pada TRM. Terdapat dua fitur utama yang
menjadi solusi untuk menghilangkan gap yang ada, yaitu; Automoatic Driver Selection
dan Marketing Analytic Report Generation.
Selanjutnya peneliti melanjutkan evaluasi menggunakan Technology
Acceptance Model (TAM). Langkah pertama yang dilakukan setelah mendapatkan
data dari kuesioner yang telah disebatkan adalah melakukan pengujian terhadap
validitas konvergen. Setelah semua variabel memenuhi pengujian validitas konvergen,
kemudian dilanjutkan dengan validitas diskiriminan. Pada pengujian tersebut, peneliti
memutuskan untuk menghapusan variabel COMP1 karena tidak sesuai dengan uji
validitas diskriminan. Berdasarkan hasil dari pengujian terhadap hipotesis yang telah
dilakukan, berikut hal-hal yang dapat ditunjukkan:
Analisa data yang dilakukan untuk menganalisa setiap variabel yang memiliki
pengaruh terhadap Perceived Usefulness, kemudian variabel-vaiyriabel yang memiliki
pengaruh terhadap Perceived Ease of Use, pengaruh dari Perceived Usefulness
terhadap Variabel Intention to Use, pengaruh dari variabel Perceived Ease of Use
terhadap variabel Intention to Use, pengaruh dari Intention to Use terhadap variabel
Usage, kemudian pengaruh Usage terhadap variabel Individual Performance dan juga
variabel Panoptic Empowerment, maka peneliti membuat path diagram berdasarkan
21
analisa data tersebut hingga menguji hipotesis dalam model penelitian ini. Kemudian
dari hasil perhitungan yang telah dilakukan, peneliti memperoleh nilai-nilai
perhitungan r2. Nilai-nilai perhitungan r2 tersebut menunjukkan pengaruh dari variabel
laten eksogen pada variabel laten endogen. Berdasarkan nilai-nilai r2 yang telah
didapatkan, dapat dikatakan bahwa variabel Perceived Usefulness tergolong kedalam
kategori “baik” dengan nilai r2 sebesar 0.667. Kemudian variabel-variabel Perceived
Ease of Use, Intention to Use, Usage, dan Individual Performance tergolong kedalam
kategori “moderat” dengan nilai r2 masing-masing sebesar 0.51, 0.409, 0.407, dan
0.411. Variabel Panoptic Empowerment tergolong kedalam kategori “lemah” dengan
r2 yang bernilai sebesar 0.331.
Berdasarkan hasil yang diperoleh dari pengujian pada nilai f2/effect size, dapat
dilihat terdapat faktor eksogen yang berdampak lemah terhadap faktor endogen yaitu
variabel Organizational Support terhadap Perceived Ease of Use, dan variabel
Complexity terhadap Perceived Ease of Use dan variabel Compability terhadap
Perceived Usefulness. Dalam penelitian ini, faktor-faktor eksogen memiliki dampak
yang dimulai katerogi “sedang”, dan faktor-faktor tersebut antara lain adalah
Computer Self-Efficacy, Organizational Support, Training, Complexity dan Perceived
Ease of Use yang berdampak terhadap Perceived Usefulness. Selain itu, faktor-faktor
Computer Self-Efficacy, Training, dan Compability yang juga berdampak “sedang”
terhadap Perceived Ease of Use. Faktor lain yang juga berdampak sedang adalah faktor
Perceived Ease of Use dan Perceived Usefulness terhadap Intention to Use.
Berikutnya terdapat faktor-faktor eksogen yang memiliki dampak yang
tergolong “besar” terhadap variabel endogen. Faktor-faktor tersebut adalah faktor
Intention to Use yang berdampak pada Usage. Kemudian, faktor Usage juga memiliki
dampak yang tergolong “besar” terhadap faktor-faktor endogen Individual
Performance dan Panoptic Empowerment.
Setelah melakukan pengujian nilai R-Square (r2) dan effect size (f2), peneliti juga
melakukan pengujian terkait nilai relevansi prediktif (Q2). Pengujian relevansi
preediktif dilakukan untuk dapat menunjukkan bahwa model penelitian memiliki
relevansi prediktif pada konstruk-konstruk endogen tertentu. Setelah peneliti
melakukan pengujian relevansi prediktif, diperoleh hasil yang semua memiliki nilai
diatas atau lebih besar dari nol (0), yang berarti semua variabel endogen telah
memenuhi standar yang telah ditetapkan.
22
sistem agar dibuat menggunakan istilah-istilah yang lebih mudah dipahami oleh
pengguna.
penelitian yang telah dilakukan oleh peneliti karena organizational support yang
disediakan PT. XYZ masih kurang memadai. Seperti yang telah dijelaskan
sebelumnya, penggunaan helpdesk yang disediakan untuk penanganan issue
masih tidak teratur. Masih banyak terdapat pengguna yang sering melakukan
raise terhadap issue melalui jalur pribadi seperti melalui aplikasi Whatsapp,
Skype, dan lain sebagainya. Dengan demikian, keberadaan helpdesk pun
menjadi tidak teratur dan kurang membantu karena banyak issue yang tidak
terekam dalam helpdesk, issue raising hingga penanganan kepada/oleh pihak
yang kurang tepat/sesuai, tracking terhadap progress issue juga jadi tidak akurat,
serta terjadinya banyak miskomunikasi terkait status dan penanganan issue.
Terlepas dari memadai atau kurang memadainya dukungan dalam bentuk
apapun yang disediakan oleh perusahaan, Transportaion Reservation
Management pun memang merupakan sistem yang diwajibkan untuk digunakan
sehingga karayawan PT. XYZ tetap harus menggunakan TRM, terlepas dari
tingkat acceptance pengguna terhadap TRM. Oleh karena itu, peneliti
memberikan anjuran kepada PT. XYZ untuk melakukan penertiban serta
memperjelas prosedur dan penggunaan helpdesk yang benar dan sesuai dalam
melakukan raising issue hingga penanganannya.
dikemukakan Menurut Rogers & Shoemaker yang dikutip dari (Varian, Hutomo,
& Sarjani, 2018), Complexity atau kerumitan dapat diartikan sebagai sejauh
mana tingkat kesulitan suatu teknologi komputer agar dapat dipahami dan
digunakan berdasarkan persespsi pengguna. Sedangkan Perceived Usefulness
didefinisikan oleh Davis yang dikutip dari (Rajan & Baral, 2015) sebagai tingkat
kepercayaan seseorang bahwa penggunaan sistem tertentu dapat meningkatkan
kinerja mereka.
Pada penelitian yang telah dilakukan oleh (Rajan & Baral, 2015) terkait
Technology Acceptance Model (TAM), dijelaskan bahwa variabel Complexity
memiliki pengaruh/dampak yang signifikan terhadap variabel Perceived
Usefulness. Hal tersebut tidak sesuai dengan hasil penelitian yang telah
dilakukan oleh peneliti karena setelah melalui peralihan dari proses bisnis yang
sepenuhnya dilakukan secara manual dan bahkan juga masih menggunakan
dokumen fisik, menjadi proses bisnis yang dilakukan sepenuhnya secara
otomatis dengan menggunakan sistem TRM, karyawan-karyawan pengguna
sistem telah merasakan manfaat dari penggunaan sistem dalam melakukan
pekerjaan mereka sehari-hari.
telah dilakukan oleh peneliti karena training atau pelatihan yang telah diberikan
kepada pengguna telah mencakup semua fungsi-fungsi dasar dan utama dari
Transportation Reservation Management. Dengan demikian, pengguna sudah
memiliki pemahaman dasar terkait cara penggunaan TRM yang tidak anggap
mudah digunakan dan tidak rumit atau kompleks untuk melakukan pekerjaan
mereka sehari-hari.
informasi yang tersedia oleh shared database dalam sebuah sistem ERP yang
memberdayakan pengguna untuk melakukan pekerjaannya secara lebih efisien,
serta membuat hasil pekerjaan tersedia kepada seluruh lapisan organisasi,
sehingga kemudian dapat dilakukan kontrol proses dan hasil.
Dalam penelitian yang telah dilakukan oleh (Rajan & Baral, 2015)
tentang Technology Acceptance Model (TAM), dijelaskan bahwa variabel Usage
memiliki pengaruh/dampak yang signifikan terhadap variabel Panoptic
Empowerment. Hal tersebut sesuai dengan hasil penelitian yang telah dilakukan
oleh peneliti karena dengan semakin seringnya pengguna menggunakan
Transportation Reservation Management, para pengguna akan semakin terbiasa
menggunakan TRM secara mandiri dan sesuai dengan prosedur yang ada.
Dengan demikian, penggunaan TRM akan memberikan nilai tersendiri terhadap
para pengguna.
36
BAB 5
SIMPULAN DAN SARAN
5.1. Simpulan
Berdasarkan hasil penelitian yang telah dilakukan terkait evaluasi terhadap
Transportation Reservation Management (TRM), berikut hal-hal yang dapat
disimpulkan:
1. Fitur-fitur dari sistem TRM yang masih belum sesuai dengan requirement
atau permintaan rancangan sistem pada awalnya adalah fitur-fitur
penugasan pengemudi, serta pembuatan laporan analytics.
2. Fitur-fitur yang perlu dikembangkan untuk memperbaiki kekurangan-
kekurangan TRM yang telah dijelaskan pada poin nomor 1 adalah fitur
Automatic Driver Selection dan Marketing Analytics Report Generation.
3. Hasil pengukuran yang dilakukan didasarkan pada data yang telah kami
peroleh dan olah, yang telah memenuhi pengujian validitas serta realibilitas.
Hal tersebut ditunjukkan oleh seluruh nilai Outer Loading, Cross Loading,
Cronbach’s Alpha, dan juga Composite Reliability yang telah memenuhi
kriteria ketetapan atau Rules of Thumb.
4. Tidak terdapat faktor-faktor yang berpengaruh secara signifikan terhadap
faktor Perceived Usefulness. Sedangkan, faktor-faktor yang memiliki
pengaruh tidak signifikan terhadap faktor Perceived Usefulness adalah
Computer Self-Efficacy, Organizational Support, Training, Complexity,
Compatibility, dan Perceived Ease of Use.
5. Tidak terdapat faktor-faktor yang berpengaruh seacara signifikan terhadap
factor Perceived Ease of Use. Sedangkan, faktor-faktor yang memiliki
pengaruh tidak signifikan terhadap faktor Perceived Ease of Use adalah
Computer Self-Efficacy, Organizational Support, Training, Complexity, dan
Compatibility.
6. Faktor-faktor yang berpengaruh secara signifikan terhadap faktor Intention
to Use adalah Perceived Ease of Use. Sedangkan, faktor-faktor yang tidak
memiliki pengaruh signifikan terhadap faktor Intention to Use adalah
Perceived Usefulness
7. Faktor-faktor yang berpengaruh secara signifikan terhadap faktor Usage
adalah Intention to Use.
8. Faktor-faktor yang berpengaruh secara signifikan terhadap faktor Individual
Performance dan Panoptic Empowerment adalah Usage.
5.2. Saran
Model penelitian yang digunakan dalam penelitian ini difokuskan untuk
mengungkap faktor-faktor yang memiliki pengaruh terhadap tingkat pengerimaan dan
penggunaan sistem TRM, serta dampak yang ditimbulkan kepada pengguna sistem
TRM. Setelah menyelesaikan penelitian ini, hasil peneitian menunjukkan adanya
beberapa variabel yang memiliki pengaruh tidak signifikan terhadap tingkat
penerimaan dan penggunaan sistem TRM. Dengan demikian, berikut saran dari
peneliti:
37
38
REFERENSI
Hair, J., Hult, T., Ringle, C., & Sarstedt, M. (2014). A Primer on Partial Least Squares
Structural Equation Modeling (PLS-SEM). California: Sage Publications.
Häring, I. (2016). Risk Analysis and Management: Engineering Resilience. Springer.
Hutahaean, J. (2015). Konsep Sistem Informasi. Yogyakarta: Deeplish Publisher.
Kock, N., & Hadaya, P. (2016). Minimum sample size estimation inPLS-SEM: The
inverse square root andgamma-exponential methods. 227 - 261.
Kurniawan, A., & Rochimah, S. (2016). PROPERTI ASPEK KEBERGUNAAN
PADA SISTEM INFORMASI AKADEMIK DARI PERSPEKTIF
TECHNOLOGY ACCEPTANCE MODEL (TAM). 128 - 139.
Lai, P. (2017). THE LITERATURE REVIEW OF TECHNOLOGY ADOPTION
MODELS AND THEORIES FOR THE NOVELTY TECHNOLOGY.
Mazhar, F. (2014). An Investigation of Factors Affecting Usage and. 4(2), 483.
Nwakanma, I. C., Etus, C., Ajere, I., & Agomuo, U. (2015). Online Bus Ticket
Reservation System. 1-17.
Pol, P., & Patukar, M. (2011). Methods of Fit Gap Analysis in SAP ERP Projects. 2.
Rainer., K., B, P., & Cegielski, C. (2015). Introduction to Information System.
Danvers: Wiley.
Rajan, C. A., & Baral, R. (2015). Adoption of ERP system: An empirical study of
factors influencing the usage of ERP and its impact on end user.
Reid, I. (2015). Characteristics of technology. Dipetik 1 8, 2019, dari
http://technology.tki.org.nz/Technology-in-the-NZC/Nature-of-
technology/Characteristics-of-technology
Renault, B. Y., Ansary, N., & Agumba, J. N. (2016). A THEORETICAL REVIEW
OF RISK IDENTIFICATION: PERSPECTIVE OF CONSTRUCTION
INDUSTRY. 773 - 782.
Romney, S. (2015). Akutansi Sistem Informasi. Jakarta: Salemba Empat.
Saadé, R. G., & Kira, D. (2009). Computer Anxiety in E-Learning: The Effect of
Computer Self-Efficacy. 8, 180.
Saida, A. R., & Abdullah, H. (2013). Relationship between Organizational
Characteristics and Information Security Knowledge Management
Implementation.
Sholahuddin. (2017). PENGARUH KARAKTERISTIK INOVASI TERHADAP
NIAT MENGADOPSI SOLOPOS EPAPER.
SPSS, I. (2019, 1 10). IBM SPSS software. Diambil kembali dari IBM:
https://www.ibm.com/analytics/spss-statistics-software
Sugiyono. (2010). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung:
Alfabeta.
40
L1
L2