Evaluasi Penggunaan Sistem Erp Modul Transportation Reservation Management (TRM) Pada Pt. Xyz Menggunakan Fit Gap Analysis Dan Technology Acceptance Model

HALAMAN SAMPUL
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
ALAMAN JUDUL
HALAMAN JUDUL
SKRIPSI
diajukan sebagai salah satu syarat

untuk gelar kesarjanaan pada
Program Studi Sistem Informasi
Jenjang Pendidikan Strata-1
Oleh
Alfin 1901457366
Information System
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
Skripsi Sarjana Komputer
Semester Ganjil 2018/2019

Alfin 1901457366
ABSTRACT
A successful information systems application should not only be determined by

whether the functions of the system are running properly. Most of the times, the
development of an information systems application are judged on the technical side,
while there are actually many more non-technical factors like preparation of the
human resource, organizational support, and so on, that affect the level of user’s
acceptance towards an information systems application. Therefore, this research will
uncover the gaps in Transportation Management System (TRM), a car-rental
application of XYZ Transportation Solution’s at PT. XYZ, by using Fit & Gap Analysis
for further improvement in the future. Furthermore, this research will also uncover
the factors that affect the degree of user acceptance towards that system by using
Technology Acceptance Model (TAM).
Keywords :Information Systems Application, Fit & Gap Analysis, Technology
Acceptance Model (TAM)
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.
Jakarta, 21 Januari 2019
Penulis
ix
DAFTAR ISI
HALAMAN SAMPUL ................................................................................................. i

HALAMAN JUDUL .................................................................................................... ii
HALAMAN PERSETUJUAN DOSEN PEMBIMBING ........................................... iii
HALAMAN PERNYATAAN DEWAN PENGUJI ................................................... iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI LTA .......................... v
ABSTRAK ................................................................................................................. vii
KATA PENGANTAR............................................................................................... viii
DAFTAR ISI ................................................................................................................ x
DAFTAR TABEL ..................................................................................................... xiv
DAFTAR GAMBAR ................................................................................................. xv
DAFTAR LAMPIRAN ............................................................................................. xvi
BAB 1 PENDAHULUAN .......................................................................................... 1
1.1. Latar Belakang ............................................................................................... 1
1.2. Identifikasi Masalah ...................................................................................... 3
1.3. Ruang Lingkup .............................................................................................. 3
1.4. Tujuan dan Manfaat ....................................................................................... 4
1.5. Hipotesis ........................................................................................................ 5
1.6. Metode Penelitian .......................................................................................... 7
1.7. Tinjauan Pustaka............................................................................................ 8
1.8. Sistematika Penulisan .................................................................................. 10
BAB 2 LANDASAN TEORI .................................................................................... 11
2.1. Sistem Informasi .......................................................................................... 11
2.2. Evaluasi ....................................................................................................... 12
2.3. Transportation Reservation Management (TRM) ....................................... 13
2.4. Enterprise Resource Planning (ERP) .......................................................... 13
2.5. Marketing Analytics..................................................................................... 14
2.6. Fit Gap Analysis .......................................................................................... 14
2.6.1. Tujuan Fit Gap Analysis ...................................................................... 15
2.6.2. Metode Fit Gap Analysis...................................................................... 15
2.6.3. Langkah-langkah Fit Gap Analysis ...................................................... 16
2.7. Risk Analysis ................................................................................................ 18
2.7.1. Risk Identification ................................................................................ 18
2.7.2. Probability Impact Matrix .................................................................... 20
2.8. Metode Pengumpulan Data ......................................................................... 21
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
Gambar 2.1 Gambar Techonology Acceptance Model ............................................... 29

Gambar 3.1 Struktur Organisasi PT. XYZ ................................................................. 37
Gambar 3.2 Activity Diagram Proses Bisnis PT. XYZ Sebelum Menggunakan TRM
.................................................................................................................................... 41
Gambar 3.3 Activity Diagram Proses Bisnis PT. XYZ Setelah Menggunakan TRM 45
Gambar 3.4 Tahapan Penilitan ................................................................................... 49
Gambar 3.5 Model Penelitian..................................................................................... 57
Gambar 4.1 Diagram Detailed sebelum Automatic Driver Selection ........................ 73
Gambar 4.2 Diagram Detailed Automatic Driver Selection ...................................... 74
Gambar 4.3 Diagram Detailed sebelum Marketing Analytics Report Generation .... 76
Gambar 4.4 Diagram Detailed Marketing Analytics Report Generation................... 77
Gambar 4.5 Activity Diagram Proses Bisnis Berdasarkan CR (Change Request) PT.
XYZ ............................................................................................................................ 78
Gambar 4.6 Demografi Persentase Responsen Berdasarkan Usia ............................. 81
Gambar 4.7 Demografi Persentasi Responden Berdasarkan Jenis Kelamin .............. 82
Gambar 4.8 Demografi Persentasi Responden Berdasarkan Divisi/Peran ................. 83
Gambar 4.9 Rumus r tabel ......................................................................................... 89
Gambar 4.10 Path Diagram pada SmartPLS ............................................................. 92
Gambar 4.11 Gambar Model Penelitian ..................................................................... 22
xv
DAFTAR LAMPIRAN
Lampiran 1 Hasil Wawancara dengan Narasumber (02-11-2018)............................... 1

Lampiran 2 Kuesioner Penelitian ................................................................................. 2
Lampiran 3 Hasil Kuesioner ........................................................................................ 4
xvi
1
BAB 1
PENDAHULUAN
1.1. Latar Belakang

Pada era globalisasi sekarang, kemajuan teknologi selalu meningkat seiring
dengan berkembangnya zaman. Kebutuhan sehari-hari semakin dipermudah dengan
peran teknologi dalam berbagai aspek di dalam kehidupan sehari-hari, salah satunya
adalah pada kebutuhan transportasi. Zaman 2018 ini menawarkan berbagai alternatif
untuk kemudahan transportasi dengan memanfaatkan kemajuan teknologi. Jasa rental
atau penyewaan mobil adalah salah satu alternatif yang tersedia untuk konsumen.
Banyaknya keuntungan-keuntungan yang dapat dirasakan dengan menggunakan
alternatif penyewaan mobil, seperti kemudahan bertransportasi tanpa harus membeli
kendaraan pribadi, kebebasan dan kemudahan untuk mencapai lokasi-lokasi tertentu
yang tidak selalu mudah dicapai menggunakan kendaraan umum, atau kebutuhan
biaya yang lebih rendah dibandingkan alternatif transportasi lain apabila perjalanan
direnakan dengan efisien, membuat jasa penyewaan mobil menjadi salah satu opsi
yang cukup populer.
Setiap bisnis jasa penyewaan mobil tentu memiliki sistem dan proses bisnis
untuk menangani dan menjalankan operasional bisnis masing-masing. Perusahaan-
perusahaan jasa penyewaan mobil dengan skala bisnis yang kecil hingga sedang pada
umumnya masih dapat menggunakan proses bisnis dan sistem yang tergolong
sederhana. Sebaliknya, perusahaan-perusahaan yang sudah berskala bisnis sedang
hingga besar tentunya akan membutuhkan proses bisnis dan sistem yang lebih
kompleks, efisien, dan memiliki kemampuan untuk mengelola data-data dengan
jumlah besar dengan performa yang tinggi. Berkembangnya bisnis dan pertambahan
jumlah serta permintaan konsumen mengharuskan perusahaan untuk memiliki sistem
yang dapat menangani semua kebutuhan tersebut tanpa mengorbankan kualitas
pelayanan dan performa bisnis.
PT. XYZ merupakan salah satu perusahaan penyewaan kendaraan yang
memiliki skala bisnis besar di Indonesia. Berdiri selama lebih dari 20 tahun, bisnis
rental mobil PT. XYZ semakin berkembang sehingga membutuhkan sistem baru yang
mampu memenuhi semua kebutuhan bisnis penyewaan kendaraan mereka. PT. XYZ
pada dasarnya memiliki berbagai tipe jasa penyewaan kendaraan mereka, yang
1
2
masing-masing menawarkan opsi penyewaan kendaraan untuk kebutuhan yang

berbeda-beda. PT. XYZ juga memiliki banyak cabang bisnis yang tersebar di seluruh
Indonesia sehingga memungkinkan coverage atau cakupan pelayanan yang lebih luas.
Banyaknya dan terus bertambahnya data-data dan transaksi yang terus berubah-ubah,
mengharuskan PT. XYZ memutuskan untuk membuat dan menggunakan sistem
Transportation Reservation Management (TRM), yang berintegrasi dengan sistem Commented [SC1]: Hapus kata berbasis web
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.
1.2. Identifikasi Masalah

Berdasarkan latar belakang penelitian, terdapat beberapa permasalahan yang
akan dijadikan pembahasan dalam penelitian ini. Permasalah-permasalahan tersebut
adalah:
1. Apa saja fitur-fitur TRM yang sedang berjalan sekarang dalam PT. XYZ yang
masih belum sesuai dengan standar requirement (permintaan) sistem?
2. Apakah faktor-faktor Computer Self-Efficacy, Organizational Support,
Training, Complexity, dan Compatibility memiliki pengaruh terhadap faktor
Perceived Usefulness pada sistem TRM dalam PT. XYZ?
3. Apakah faktor-faktor Computer Self-Efficacy, Organizational Support,
Training, Complexity, dan Compatibility memiliki pengaruh terhadap faktor
Perceived Ease of Use pada sistem TRM dalam PT. XYZ?
4. Apakah faktor-faktor Perceived Usefulness dan Perceived Ease of Use
memiliki pengaruh terhadap faktor Intention to Use pada sistem TRM dalam
PT. XYZ?
5. Apakah faktor-faktor Perceived Usefulness dan Perceived Ease of Use
memiliki pengaruh terhadap faktor Usage pada sistem TRM dalam PT. XYZ?
6. Apakah faktor-faktor Usage memiliki pengaruh terhadap faktor Individual
Performance dan Panoptic Empowerment pada sistem TRM dalam PT. XYZ.
1.3. Ruang Lingkup

Penulis telah menetapkan ruang lingkup sebagai batasan pada penelitian ini.
Ruang lingkup yang telah ditetapkan, yakni:
1. Penelitian ini dilakukan oleh penulis dengan tujuan mengevaluasi TRM untuk
mengungkap fitur-fitur yang masih belum sesuai dengan requirement awal
PT. XYZ, serta sejauh mana tingkat penerimaan TRM yang sedang berjalan
dalam PT. XYZ. Kegiatan evaluasi fitur-fitur TRM pada PT. XYZ, penulis
menggunakan metode Fit Gap Analysis.
2. Penelitian juga menggunakan metode TAM (Technology Acceptance Model)
untuk mengevaluasi penerimaan sistem TRM yang telah digunakan oleh PT.
XYZ pada user atau karyawan PT. XYZ itu sendiri.
4
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.
1.4. Tujuan dan Manfaat

Berikut merupakan tujuan penelitian yang ingin dicapai:
1. Mengungkap fitur-fitur TRM yang sedang berjalan sekarang dalam PT. XYZ
yang masih belum sesuai dengan standar requirement (permintaan) sistem.
2. Mengungkap faktor-faktor yang mempengaruhi tingkat penerimaan
pengguna terhadap sistem TRM menggunakan Technology Acceptance
Model (TAM). Commented [A3]: Tujuan Fit Gap dan TAM
3. Mengungkap pengaruh dari faktor Computer Self-Efficacy, Organizational

Support, Training, Complexity, dan Compatibility terhadap faktor Perceived
Ease of Use pada sistem TRM dalam PT. XYZ.
4. Mengungkap pengaruh dari faktor Perceived Usefulness dan Perceived Ease
of Use terhadap faktor Intention to Use pada sistem TRM dalam PT. XYZ.
5. Mengungkap pengaruh dari faktor Perceived Usefulness dan Perceived Ease
of Use terhadap faktor Usage pada sistem TRM dalam PT. XYZ.
5
6. Mengungkap pengaruh dari faktor Usage terhadap faktor Individual

Performance dan Panoptic Empowerment pada sistem TRM dalam PT. XYZ.
Adapun manfaat yang diperoleh dari penelitian ini, yaitu:

1. Perusahaan (XYZ Transportation Solution PT. XYZ)
Penelitian ini diharapkan dapat memberikan informasi terkait fitur-fitur
TRM yang mana saja yang belum sesuai dengan requirement sistem yang
diminta pada awalnya, serta fitur-fitur apa saja yang dapat dikembangkan
untuk memperbaiki kekurangan-kekurangan tersebut. Selain itu, penelitian
ini juga diharapkan dapat memberikan informasi tentang pengaruh dari
faktor-faktor Computer Self-Efficacy, Organizational Support, Training,
Complexity, dan Compatibility terhadap faktor-faktor Perceived Usefulness
dan Perceived Ease of Use, serta pengaruh lebih lanjut terhadap faktor-faktor
Intention to Use, Usage, Individual Performance, dan Panoptic
Empowerment sehingga dapat dijadikan usulan dan sebagai salah satu acuan
untuk perbaikan kualitas terhadap TRM. PT. XYZ dapat memanfaatkan hasil
penelitian TAM yang telah dilakukan ketika melakukan fase Change Request
nantinya untuk memperbaiki kekurangan-kekurangan fitur sistem TRM yang
ditunjukkan dalam Fit Gap Analysis penelitian ini
2. Peneliti
Dengan melakukan penelitian ini, penulis diharapkan mendapatkan
pengetahuan serta wawasan dari hal-hal yang telah diteliti oleh penulis, dan
juga untuk pengembangan TRM ke depannya.
3. Pembaca
Penelitian ini diharapkan untuk dapat memberikan pengetahuan serta
wawasan kepada pembaca tentang Transportation Reservation Management.
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
H2. Faktor Computer Self-Efficacy mempengaruhi faktor Perceived Ease

of Use.
Ho: Computer Self-Efficacy tidak mempengaruhi Perceived Ease of Use.
H1: Computer Self-Efficacy mempengaruhi Perceived Ease of Use.
H3. Faktor Organizational Support mempengaruhi faktor Perceived
Usefulness.
Ho: Organizational Support tidak mempengaruhi Perceived Usefulness.
H1: Organizational Support mempengaruhi Perceived Usefulness.
H4. Faktor Organizational Support mempengaruhi faktor Perceived Ease of
Use.
Ho: Organizational Support tidak mempengaruhi Perceived Ease of Use.
H1: Organizational Support mempengaruhi Perceived Ease of Use.
H5. Faktor Training mempengaruhi faktor Perceived Usefulness.
Ho: Training tidak mempengaruhi Perceived Usefulness.
H1: Training mempengaruhi Perceived Usefulness.
H6. Faktor Training mempengaruhi faktor Perceived Ease of Use.
Ho: Training tidak mempengaruhi Perceived Ease of Use.
H1: Training mempengaruhi Perceived Ease of Use.
H7. Faktor Complexity mempengaruhi faktor Perceived Usefulness.
Ho: Complexity tidak mempengaruhi Perceived Usefulness.
H1: Complexity mempengaruhi Perceived Usefulness.
H8. Faktor Complexity mempengaruhi faktor Perceived Ease of Use.
Ho: Complexity tidak mempengaruhi Perceived Ease of Use.
H1: Complexity mempengaruhi Perceived Ease of Use.
H9. Faktor Compatibility mempengaruhi faktor Perceived Usefulness.
Ho: Compatibility tidak mempengaruhi Perceived Usefulness.
H1: Compatibility mempengaruhi Perceived Usefulness.
H10. Faktor Compatibility mempengaruhi faktor Perceived Ease of Use.
Ho: Compatibility tidak mempengaruhi Perceived Ease of Use.
H1: Compatibility mempengaruhi Perceived Ease of Use.
H11. Faktor Perceived Ease of Use mempengaruhi faktor Perceived
Usefulness.
Ho: Perceived Ease of Use tidak mempengaruhi Perceived Usefulness.
H1: Perceived Ease of Use mempengaruhi Perceived Usefulness.
7
H12. Faktor Perceived Usefulness mempengaruhi faktor Intention to Use.

Ho: Perceived Usefulness tidak mempengaruhi Intention to Use.
H1: Perceived Usefulness mempengaruhi Intention to Use.
H13. Faktor Perceived Ease of Use mempengaruhi faktor Intention to Use.
Ho: Perceived Ease of Use tidak mempengaruhi Intention to Use.
H1: Perceived Ease of Use mempengaruhi Intention to Use.
H14. Faktor Intention to Use mempengaruhi faktor Usage.
Ho: Intention to Use tidak mempengaruhi Usage.
H1: Intention to Use mempengaruhi Usage.
H15. Faktor Usage mempengaruhi faktor Individual Performance.
Ho: Usage tidak mempengaruhi Individual Performance.
H1: Usage mempengaruhi Individual Performance.
H16. Faktor Usage mempengaruhi faktor Panoptic Empowerment.
Ho: Usage tidak mempengaruhi Panoptic Empowerment.
H1: Usage mempengaruhi Panoptic Empowerment.
1.6. Metode Penelitian

Penulis melakukan pengumpulan data dalam penelitian ini untuk dapat
memperoleh berbagai informasi yang diperlukan sehingga penulis mendapatkan
gambaran terkait permasalahan yang akan diteliti. Berikut adalah metode penelitian
yang dilakukan oleh penulis:
1. Metode Pengumpulan Data
Penulis menggunakan metode ini dengan tujuan mengumpulkan data-data
yang diperlukan, serta informasi dari objek penelitian yang diperoleh secara
langsung untuk mendapatkan data utama dan juga data pendukung yang dapat
melengkapi data-data yang diperlukan.
Pengumpulan data dalam penelitian ini menggunakan teknik-teknik sebagai
berikut:
a. Studi Pustaka: Penulis mengumpulkan serta mempelajari segala teori
yang terkait melalui internet (online) maupun offline buku dan jurnal
yang tersedia dan relevan dengan konteks penelitian yang dilakukan.
b. Wawancara: Penulis mengumpulkan data dengan melakukan
wawancara secara langsung kepada pihak konsultan yang menguasai
permasalahan terkait topik penelitan yang dilakukan oleh penulis.
8
Wawancara tersebut dilakukan dengan tujuan memperoleh gambaran

yang lebih lengkap dan rinci pada subyek penelitian yang akan dibahas.
Selain itu, penulis juga memperoleh informasi dari narasumber melalui
wawancara terkait proses bisnis XYZ Transportation Solution sebelum
menggunakan TRM.
c. Kuesioner: Kuesioner dibuat berdasarkan model TAM (Technology
Acceptance Model) yang akan disebarkan ke responden menggunakan
metode online tepatnya Google Forms. Kuesioner penelitian akan
menggunakan skala likert dengan 6 bobot. Bobot paling rendah dimulai
dari angka 1 dan yang paling tinggi adalah angka 6.
2. Metode Analisa Data
Penulis menggunakan metode ini untuk menganalisa data-data serta
informasi yang telah dikumpulkan untuk diteliti lebih lanjut dalam penelitian ini.
Berikut adalah metode analisa data yang dilakukan oleh penulis:
a. Uji Instrumen
Pengujian terhadap instrumen penelitian dilakukan dengan tujuan
mengujji tingkat validitas serta realibilitas dari semua pertanyaan yang
terdapat dalam kuesioner penelitian. Pengujian validitas dan realibilitas juga
dibantu dengan menggunakan software atau perangkat lunak SPSS versi 23
dalam penelitian ini.
b. Uji Model
Penulis melakukan pengujian terhadap model penelitian dengan
menggunakan pendekatan Structural Equation Model (SEM-PLS).
Pengujian model ini terdiri dari dua pengujian yaitu pengujian terhadap
outer model (model pengukuran) serta inner model (model struktural).
Dalam melakukan pengujian model, penulis dibantu dengan menggunakan
software atau perangkat lunak SmartPLS versi 3.0.
1.7. Tinjauan Pustaka

Penulis membuat laporan penelitian ini dengan didasarkan pada jurnal-jurnal
yang meneliti tentang tingkat penerimaan suatu sistem oleh pengguna sistem. Dalam
jurnal-jurnal tersebut, peneliti-peneliti telah melakukan berbagai pengukuran yang
berbeda-beda dengan tujuan menentukan faktor yang mempengaruhi tingkat
penerimaan pengguna terhadap suatu sistem yang digunakan.
9
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
1.8. Sistematika Penulisan

Penulis menyusun laporan penelitian ini terbagi ke dalam 5 bab. Berikut
sistematika penulisan yang digunakan penulis untuk membuat laporan penelitian ini:
BAB 1 PENDAHULUAN
Bab pendahuluan menguraikan tentang hal yang menjadi latar belakang
pemilihan topik penelitian, ruang lingkup penelitian yang ditetapkan, tujuan dan
manfaat yang diperoleh dari penelitian, hipotesis-hipotesis, metodologi yang
digunakan, dan tinjauan pustaka, serta sistematika penulisan penelitian.
BAB 2 LANDASAN TEORI
Bab landasan teori menguraikan segala teori, baik yang bersifat umum
maupun khusus, yang bersangkutan dengan topik yang dibahas dalam penelitian
sebagai dasar dan acuan untuk mendukung penyusunan laporan hasil penelitian
ini.
BAB 3 ANALISA SISTEM DAN METODE PENELITIAN Commented [SC4]: Ikutin bab 3
Bab metode penelitian menguraikan profil perusahaan, kemudian visi,

misi, budaya perusahaan, dan struktur organisasi PT. XYZ. Selain itu, bab ini
juga mengenalkan sistem TRM beserta proses bisnisnya, hingga penjabaran
terhadap tahapan dan juga metodologi penelitian.
BAB 4 ANALISIS DAN PEMBAHASAN
Bab analisis dan pembahasan menguraikan berbagai data mengenai Commented [SC5]: Deskripsi tambahan kalo di bab 4 kita
juga bahas hasil analisa dari fit gap
analisa Fit Gap Analysis serta penelitian, pengolahan terhadap data yang telah
diperoleh, dan juga hasil analisa yang dilakukan dengan menggunakan model
Technology Acceptance Model (TAM) pada sistem TRM.
BAB 5 SIMPULAN DAN SARAN
Bab ini menguraikan kesimpulan-kesimpulan dari hasil penelitian yang
telah dilakukan, yang diharapkan akan bermanfaat bagi PT. XYZ serta pengguna
TRM.
11
BAB 2
LANDASAN TEORI
2.1. Sistem Informasi

Menurut (Romney, 2015), Sistem adalah suatu rangkaian yang terdiri dari dua
atau lebih komponen yang saling terhubung dan saling berinteraksi satu sama lain
untuk mencapai suatu tujuan tertentu yang dimana sistem biasanya terbagi dalam sub
sistem yang lebih kecil yang mendukung sistem yang lebih besar. Sedangkan menurut
(Romney, 2015), Informasi adalah data yang telah dikelola dan diproses untuk
memberikan arti dan memperbaiki proses pengambilan keputusan. Sebagaimana
perannya, pengguna membuat keputusan yang lebih baik sebagai kuantitas dan
kualitas dari peningkatan informasi. Oleh karena itu dapat disimpulkan sistem
merupakan kumpulan dari komponen-komponen atau elemen-elemen yang
berterkaitan dan saling berinteraksi untuk mencapai suatu tujuan tertentu.
Informasi menurut (Hutahaean, 2015), adalah data yang diolah menjadi bentuk
yang lebih berguna dan lebih berarti bagi penerimanya. Sedangkan menurut (Sutabri,
2012) adalah data yang telah diklasifikasikan atau diolah atau diinterpretasikan untuk
digunakan dalam proses pengambilan keputusan. Dapat disimpulkan informasi adalah
data yang telah diolah dan diklasifikasikan menjadi bentuk yang lebih berguna yang
dapat digunakan dalam proses pengambilan keputusan.
Lalu sistem informasi sendiri menurut (Hutahaean, 2015), adalah suatu sistem
didalam suatu organisasi yang mempertemukan kebutuhan pengelolaan transaksi
harian, mendukung operasi, bersiftat manajerial, dan kegiatan strategi menyediakan
pihak luar tertentu dengan laporan-laporan yang dibutuhkan. Menurut (Rainer., B, &
Cegielski, 2015), sistem informasi mengumpulkan, memproses, menyimpan, dan
menyebarluaskan informasi untuk tujuan tertentu.
Jadi dapat disimpulkan, sistem informasi adalah suatu sistem pada suatu
organisasi yang mengumpulkan, memproses, menyimpan, dan menyebarluaskan
informasi untuk kebutuhan pengelolaan, transaksi harian, mendukung operasi,
bersiftat manajerial, dan kegiatan strategi menyediakan pihak luar tertentu dengan
laporan-laporan yang dibutuhkan.
Menurut (Sutabri, 2012) sistem infomasi terbagi menjadi lima komponen.
Komponen-komponen yang dimaksud adalah seperti berikut:
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
Selain arti berdasarkan terjemahan, kata-kata yang terkandung di dalam definisi

tersebut pun menunjukan bahwa kegiatan evaluasi harus dilakukan secara hati-hati,
bertanggung jawab, menggunakan strategi, dan dapat dipertanggung jawabkan.
Menurut Eko Putro Widoyoko dalam (Fathoni, 2017), evaluasi adalah
penyediaan informasi yang dapat dijadikan sebagai bahan pertimbangan dalam
mengambil keputusan. Oleh karena itu dapat disimpulkan bahwa evaluasi adalah
kegiatan atau upaya yang dilakukan untuk menentukan nilai dan penyediaan informasi
yang dijadikan bahan pertimbangan dalam pengambilan keputusan.
2.3. Transportation Reservation Management (TRM)

Menurut (U. F. Uze, 2014), Transportation Reservation Management adalah
sistem informasi yang mungkinkan pengguna/user untuk melakukan pemesanan
secara online dan otomatis. Fungsi utama dari TRM adalah seperti berikut;
- Menerima proses dan mengatur pesanan yang diminta oleh pelanggan.
- Publikasi pesanan masuk kepada seluruh pengemudi
- Pencatatan untuk pengemudi dalam melakukan pesanan
- Menghasilkan laporan pesanan.
Selanjutnya menurut Badriah yang dikutip dari (Nwakanma, Etus, Ajere, &
Agomuo, 2015), menekankan bahwa Transportation Reservation Management System
berfungsi untuk memastikan bahwa pelanggan dapat melakukan pemesanan secara
online atau pemesanan ke perusahaan transportasi yang diinginkan dengan fasilitas
yang disediakan oleh sistem. TRM menunjukkan bahwa metodologi dan teknologi
yang digunakan dalam sistem transportasi ini dapat diterapkan pada bidang kegiatan
lainnya.
Oleh karena itu dapat disimpulkan bahwa TRM adalah sistem informasi yang
memungkinkan user untuk melakukan pemesanan secara online kepada perusahaan
transportasi yang diinginkan, dan juga TRM memungkinkan perusahaan untuk dapat
memproses dan mengatur pesanan yang diterima dari pelanggan dan
mempublikasikannya kepada seluruh pengemudi.
2.4. Enterprise Resource Planning (ERP)

Menurut (Rainer., B, & Cegielski, 2015), Enterprise Resource Planning
dirancang untuk mengurangi permasalahan komunikasi pada perusahaan, ERP juga
mengadopsi pandangan proses bisnis dari keseluruhan aktifitas pada perusahaan yang
nantinya akan berfungsi sebagai integrasi perencanaan, manajemen, penggunaan
14
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
2.5. Marketing Analytics

Menurut (Feldman & Cooper, 2018), Marketing Analytics adalah evaluasi
penilaian dengan menggunakan Key Matric untuk mengukur kinerja. Untuk
mendapatkan berbagai perspektif pada program marketing, digital marketers harus
dapat mengetahui perilaku-perilaku program marketing yang dimaksud, dan juga
memahami channel driving traffic, seperti advertising, email, dan media sosial.
Menurut (Vaughan, 2017), Marketing Analytics berguna untuk memberikan
marketers wawasan-wawasan (insight) tentang kampanye pemasaran mereka. Namun
dengan banyaknya informasi yang bermunculan, kemungkinan kombinasi metrik dan
laporan untuk dilacak, membuat para marketers kesulitan untuk mengolahnya menjadi
insights. Oleh karena itu, banyak perusahaan yang akhirnya menggunakan beberapa
program yang dapat memudahkan melaporkan metrik pemasaran, seperti analisis web,
blogging platform, marketing email software, paid search advertising platforms, dan
social media monitoring services. Dapat dikatakan bahwa data dari satu program akan
selalui dianalisa bersama dengan data dari platform lain untuk melacak hasil kampanye
marketing yang berpengaruh terhadap hasil penjualan.
Dapat disimpulkan bahwa Marketing Analytics berguna untuk mengevaluasi
penilaian tentan kampanye marketing dengan menggunakan key matric dna juga
memberikan wawasan-wawasan (insight) tentang kampanye marketing yang sedang
berjalan.
2.6. Fit Gap Analysis

Menurut (Pol & Patukar, 2011), Fit gap analysis adalah metodologi dimana
proses bisnis perusahaan (requirement) dan fungsi sistem dibandingkan, dievaluasi
15
dan dipaparkan untuk mendapatkan kecocokan (fits) dan ketidakcocokan (gaps).

Tujuan dari analisis ini bukan untuk memberikan solusi atau sistem desain.
Sedangkan menurut Gulledge yang dikutip dari (Firmansyah, 2016), Fit Gap
analysis adalah analisa proses bisnis dalam perangkat lunak yang akan dibangun harus
dibandingkan dengan proses bisnis yang ingin dicapai dalam suatu organisasi, dan
memberikan keputusan apakah perbandingan itu terima (fits) atau tolak (gaps).
Jadi dapat disimpulkan bahwa Fit gap analysis adalah metodologi dan analisa
proses bisnis suatu perusahaan dengan cara membandingkan dan mengevaluasikan
dengan fungsi atau proses bisnis pada sistem sehingga dapat memaparkan kecocokan
dan ketidakcocokan antar proses bisnis (requirement) dan sistem.
2.6.1. Tujuan Fit Gap Analysis

Menurut (Pol & Patukar, 2011), tujuan dari Fit Gap Analysis adalah
seperti berikut:
a. Untuk menentukan dan menyesuaikan perusahaan dengan proses-
proses bisnis yang terbaik.
b. Untuk memberikan penilaian terhadap kebutuhan-kebutuhan di
perusahaan
c. Untuk menentukan proses-proses bisnis yang dapat
diimplementasikan pada perusahaan namun belum direncanakan
bahkan terpikiran oleh perusahaan untuk penggunaannya.
2.6.2. Metode Fit Gap Analysis

Menurut (Pol & Patukar, 2011), ada empat metode yang dapat digunakan
untuk melakukan Fit Gap Analysis, yaitu;
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
melakukan sesi brainstroming yang menentukan fungsi-fungsi pada

sistem apa saja yang masih terdapat gap dan solusi-solusi untuk
menyelesaikannya.
c. Questionnaire Based
Pada metode ini, Fit Gap Analysis dipengaruhi seluruhnya oleh
masukan (input) dan keluaran (output) dari jawaban-jawaban kuesioner.
Setelahnya, jawaban-jawaban tersebut akan dicocokan dan dibandingan
fungsi-fungsi sistem untuk mendapatkan fit dan gap.
d. Hybrid Type
Pada metode ini, seluruh metode sebelumnya (simulation,
brainstroming, and questionnaire) digabungkan dan digunakan untuk
melakukan Fit Gap Analysis.
2.6.3. Langkah-langkah Fit Gap Analysis

Menurut Prakash Pol yang dikutip dari (Daniel, 2018), langkah-langkah
dalam Fit Gap Analysis adalah seperti berikut:
a. Menentukan Ranking of Requirement
Menentukan prioritas-prioritas pada setiap proses bisnis yang
nantinya dapat membantu stakeholder untuk mengutamakan proses
bisnis mana yang harus dikerjakan terlebih dahulu.
Tabel 2.1 menjelaskan Ranking of Requirement yang digunakan
dalam melakukan Fit Gap Analysis:
Tabel 2.1 Tabel Ranking of Requirement
Sumber. Pol & Pratukar; 2011
Rangking of
No Keterangan
Requirement
1 High (H) Sebuah requirement yang sangat penting
dimana jika requirement ini tidak
dijalankan, proses bisnis perusahaan
tidak akan berjalan dan mengalami
gangguan
2 Medium (M) Sebuah requirement yang jika dipenuhi
akan memberikan peningkatan
signifikan dalam proses bisnis.
17
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.
b. Menentukan Degree of Fit

Degree of Fit berguna untuk menentukan tingkat kesesuaian
antara sistem berjalan dengan proses bisnis di dalam perusahaan.
Tabel 2.2 menjelaskan degree of fit yang digunakan dalam Fit Gap
Analysis:
Tabel 2.2 Tabel Degree of Fit
Sumber. Pol & Pratukar; 2011
Degree
No Keterangan
of Fit
Sebuah kondisi dimana requirement
1 Fit
sepenuhnya sesuai dengan sistem yang berjalan.
Sebuah kondisi dimana sistem yang berjalan
tidak sesuai dengan requirement. Dalam kondisi
ini, alternatif dan rekomendasi dapat dibuat
2 Gap dalam upaya untuk memperbaiki gap yang ada.

Sebagai hasilnya, akan ada kemungkinan
dimana sistem yang berjalan akan mengalami
pengembangan ataupun perubahan.
Partial Sistem yang berjalan sudah cukup memenuhi
3 Fit requirement meskipun belum secara sempurna
18
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
2.7. Risk Analysis

Menurut (Häring, 2016), Risk Analysis adalah penentuan risiko dalam konteks
tertentu. Selanjutnya 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.
Oleh karena itu dapat disimpulkan bahwa, Risk Analysis adalah proses analisa
untuk menentukan risiko-risiko mengenai peristiwa yang tidak diinginkan dalam suatu
konteks tertentu.
2.7.1. Risk Identification

Menurut (Anca, Cezar, & Adrian, 2018), Risk Identification adalah
proses menentukan risiko yang dapat memengaruhi proyek dan
mendokumentasikan karakteristiknya. Manfaat utama dari proses ini adalah
mendokumentasikan risiko yang ada dan menghasilkan solusi berdasarkan
19
pengetahuan dan keterampilan yang ditawarkan untuk mengantisipasi peristiwa

risiko.
Menurut (Renault, Ansary, & Agumba, 2016), cara dalam risk
identification adalah seperti berikut:
a. Brainstorming
Teknik yang biasa digunakan oleh ahli dari berbagai macam disiplin
dan tidak dilakukan oleh tim tujuan dilakukannya untuk
mendapatkan daftar kumpulan resiko dalam proyek yang
komprehensif yang didapatkan dengan melakukan diskusi secara
terbuka.
b. Interview / Expert Opinion
Melakukan wawancara atau dengan menggunakan opini dari ahli.
Dengan menggunakan teknik ini semua proyek member atau orang
yang tepat dapat diwawancara untuk mengidentifikasi faktor yang
dapat menuju pada resiko.
c. Questionnaires
Kuesioner dapat digunakan untuk mengetahui resiko yang mungkin
terjadi dalam proyek. Pertanyaan yang digunakan di formulasikan
dengan sangat baik dan diberikan kepada anggota tim.
d. Delphi Technique
Metode ini identik dengan metode brainstorming tetapi partisipan
proyeknya tidak saling mengenal dan berasal dari berbagai macam
lokasi.
e. Expert Systems
Teknik ini dilakukan dengan menggunakan pengalaman ahli dari
masa lalu untuk mengidentifikasi resiko yang berpotensial.
f. Past Experience
Teknik ini digunakan untuk mengidentifikasi resiko yang berpotensi,
biasanya didapat dari proyek yang mirip.
g. Checklist
Teknik yang cepat dan mudah, checklist dapat diciptakan
berdasarkan informasi historis dan pengetahuan yang telah
diakumulasi dari menjalankan proyek yang sejenis dan sumber
informasi lainnya.
20
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.
2.7.2. 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. Dalam perhitungan Probability Impact Matrix, penulis
menggunakan Klasifikasi Impact berdasarkan (Dumbravă & Iacob, 2014),
seperti berikut:
a. High
Impact dari risiko tinggi jika rekomendasi tidak diterapkan. High,
diidentifikasi jika terdapat alternative condition yang dapat
menggantikan penerapan requirement.
b. Medium
Impact dari risiko sedang jika rekomendasi tidak diterapkan. Medium,
diidentifikasi jika terdapat alternative condition yang dapat
21
c. Low
Impact dari risiko rendah jika rekomendasi tidak diterapkan. Low,
diidentifikasi jika tidak terdapat alternative condition yang dapat
Sedangkan dalam klasifikasi Probability, penulis menggunakan

klasifikasi berdasarkan (Dumbravă & Iacob, 2014), yaitu seperti berikut:
a. High
Kemungkinan munculnya risiko tinggi jika rekomendasi tidak
diterapkan. High, diidentifikasi jika terdapat alternative condition
yang dapat menggantikan penerapan requirement.
b. Medium
Kemungkinan munculnya risiko sedang jika rekomendasi tidak
diterapkan. Medium, diidentifikasi jika terdapat alternative condition
yang dapat menggantikan penerapan requirement.
c. Low
Kemungkinan munculnya risiko rendah jika rekomendasi tidak
diterapkan. Low, diidentifikasi jika tidak terdapat alternative
condition yang dapat menggantikan penerapan requirement.
2.8. Metode Pengumpulan Data

Menurut (Sugiyono, 2010), Metode pengumpulan data merupakan langkah yang
paling strategis dalam penelitian, karena tujuan utama dari penelitian adalah
mendapatkan data. Dalam penulisan karya tulis ini, penulis menggunakan beberapa
metode pengumpulan data, yaitu:
a. Studi Pustaka
Menurut (Sugiyono, 2010), Studi Pustaka adalah teknik pengumpulan data
dengan melakukan penalaahan terhadap berbagai buku, literatur, catatan,
serta berbagai laporan yang berkaitan dengan masalah yang ingin
dipecahkan.
b. Wawancara
Menurut (Sugiyono, 2010), Wawancara adalah pertemuan dua orang untuk
bertukar informasi dan ide melalui tanya jawab sehingga dapat
dikonstruksikan makna dalam suatu topik tertentu dan dengan wawancara,
peneliti akan mengetahui hal-hal yang lebih mendalam tentang partisipan
22
dalam menginterprestasikan situasi dan fenomena yang terjadi yang tidak

mungkin bisa ditemukan melalui observasi.
c. Kuesioner
Menurut (Sugiyono, 2010), Kuesioner atau angket adalah teknik
pengumpulan data yang dilakukan dengan cara memberi seperangkat
pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya.
Dalam penulisan karya tulis ini, penulis menggunakan Skala Likert. Menurut
(Sugiyono, 2010), Skala Likert digunakan untuk mengukur sikap, pendapat
dan persepsi seseorang atau sekelompok orang tentang fenomena sosial.
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.
2.11. Metode Sampling

Menurut (Sugiyono, 2010), Metode Sampling atau Teknik Sampling merupakan
teknik pengambilan sampel. Menurut (Bagus, 2016), fungsi utama Metode Sampling
adalah untuk mereduksi jumlah obyek yang akan diteliti, hal ini akan lebih bermanfaat
apabila cara pengujian obyek dilakukan hingga rusak dan dengan membatasi jumlah
populasi atau wilayah populasi untuk membuat generalisasi hasil analisis. Selain itu
juga untuk mempersingkat waktu, memperkecil dana, dan tenaga peneliti.
Dalam penulisan karya tulis ini, penulis menggunakan metode simple random
sampling. Simple Random Sampling menurut (Sugiyono, 2010) bahwa, dikata simple
(sederhana) karena pengambilan anggota sampel dari populasi dilakukan secara acak
tanpa memperhatikan strata yang ada dalam populasi itu. Cara demikian dilakukan bila
anggota populasi dianggap homogen.
2.12. Variabel Penelitian

Menurut (Sugiyono, 2010), Variabel Penelitian pada dasarnya adalah segala
sesuatu yang berbentuk apa saja yang ditetapkan oleh peniliti untuk dipelajari sehingga
diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya.
Menurut Hatch dan Farhady yang dikutip dari (Sugiyono, 2010), Variabel
Penelitian dapat didefinisikan sebagai atrribut seseorang, atau obyek, yang mempunyai
“variasi” antara satu orang dengan yang lain atau satu obyek dengan obyek yang lain.
Menurut (Sugiyono, 2010), terdapat lima macam variabel penelitian. Kelima
macam variabel tersebut adalah:
a. Variabel Independen
Variabel ini sering disebut sebagai variabel stimulus, prediktor,
antecedent. Dalam Bahasa Indonesia sering disebut sebagai variabel bebas.
Variabel bebas adalah merupakan variabel yang mempengaruhi atau yang
menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
Dalam SEM (Structural Equation Modeling) variabel independen disebut
sebagai variabel eksogen.
b. Variabel Dependen
24
Variabel ini sering disebut sebagai variabel output, kriteria, konsekuen.

Dalam Bahasa Indoneisa sering disebut sebagai variabel terikat. Variabel
terikat merupakan variabel yang dipengaruhi atau menjadi akibat, karena
adanya variabel bebas. Dalam SEM (Structural Equation Modeling) variabel
independen disebut sebagai variabel endogen.
c. Variabel Moderator
Variabel yang mempengaruhi (memperkuat dan memperlemah)
hubungan antara variabel independen dan dependen. Variabel disebut juga
sebagai variabel independen kedua.
d. Variabel Intervening
Variabel Intervening adalah variabel yang secara teoritis
mempengaruhi hubungan antara variabel independen dengan dependen,
tetapi tidak dapat diamat dan terukur. Variabel ini merupakan variabel
penyele/antara yang terletak di antara varibael independen dan dependen,
sehingga variabel independen tidak langsung mempengaruhi berubahnya
atau timbulnya variabel dependen.
e. Variabel Kontrol
Variabel yang dikendalikan atau dibuat konstan sehingga hubungan
varibael independen terhadap dependen tidak dipengaruhi faktor luar yang
tidak diteliti. Variabel kontrol sering digunakan oleh peneliti bila akan
melakukan penelitian yang bersifat membandingkan melalui eksperimen.
2.13. Analisis Data

Menurut (Firman, 2018), menjelaskan bahwa analisis data dalam penelitian
kualitatif merupakan proses pelacakan serta pengaturan secara sistematis catatan
lapangan yang telah diperoleh dari wawancara, observasi serta bahan lain agar
peneliti dapat melaporkan hasil penelitian. Analisis data meliputi kegiatan
pelacakan, pengorganisasian, pemecahan dan sistesis, pencarian pola serta penentuan
bagian-bagian akan dilaporkan sesuai dengan fokus penelitian.
Menurut (Furadantin, 2018), analisa inferensial adalah Analisis inferensial
adalah serangkaian metode yang digunakan untuk mengolah data agar dapat ditarik
kesimpulan atau menguji hipotesis. Analisis inferansial terbagi menjadi menjadi
teknik statistik inferensial parametrik dan teknik statistik inferensial non parametrik.
25
2.14. Statistical Product and Service Solution (SPSS)

Seperti yang dikutip dari halaman resmi (SPSS, 2019), SPSS atau Statistical
Product and Service Solution adalah perangkat lunak yang digunakan untuk
menyelesaikan masalah dan penelitian melalui analisis ad-hoc, penujian hipotesis,
analisis geospasial, dan analisis prediksi. Organisas-organisasi mengunakan SPSS
untuk melakukan pemahaman pada data, tren analysis, forecasting dan rencana-
rencana untuk validate assumptionsi dan pembuatan kesimpulan. Pada penulisan karya
tulis ini, penulis menggunakan SPSS untuk Uji Validitas dan Reliabilitas.
(Sugiyono, 2010) berpendapat untuk Uji Validitas, jika instrumen valid berarti
alat ukur yang digunakan untuk mendapatkan data (mengukur) itu valid. Valid berarti
instrumen tersebut dapat digunakan untuk mengukur apa yang hendak diukur.
Uji reliabilitas menurut (Sugiyono, 2010) dilakukan untuk mengetahui seberapa
jauh hasil pengukuran tetap konsisten apabila dilakukan pengukuran dua kali atau
lebih terhadap gejala yang sama dengan menggunakan alat pengukur sama. Uji
reliabilitas dilakukan untuk mengetahui apakah alat ukur yang dirancang dalam bentuk
kuesioner dapat diandalkan, suatu alat ukur dapat diandalkan jika alat ukur tersebut
digunakan berulangkali akan memberikan hasil yang relatif sama (tidak berbeda jauh).
Menurut (Ghozali & Latan, 2015) untuk uji reliabilitas, nilai Croncbach’s Alpha dapat
dikatakan valid apabila dapat melebihi atau sama dengan 0,7.
2.15. Structural Equation Modelling – Partial Least Square (SEM-PLS)

Menurut Abdillah yang dikutip dari (Furadantin, 2018), SEM-PLS merupakan
variance atau component-based SEM, di mana indikator-indikator variabel laten yang
satu tidak dikorelasikan dengan indikator-indikator dari variabel laten lain dalam satu
model penelitian. Keunggulan SEM-PLS adalah bersifat non parametrik atau tidak
membutuhkan berbagai asumsi.
Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), Structural Equation Modelling
adalah metode analisis data multivariate yang melibatkan penerapan metode statistik
yang secara bersamaan, menganalisis berbagai variabel yang mewakili pengukuran
yang terkait dengan individu, organisasi, peristiwa, kegiatan, situasi, dan sebagainya.
SEM digunakan untuk mengeksplorasi atau mengkonfirmasi teori. Ada dua jenis
SEM, berbasis kovarian dan berbasis varian. CB-SEM digunakan untuk
mengkonfirmasi (atau menolak) teori. Pemodelan persamaan struktural berbasis varian
(yaitu, PLS-SEM) terutama digunakan untuk mengembangkan teori.
26
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
berpendapat bahwa validitas diskriminan (discriminant validity)

menunjukkan perbedaan nyata suatu konstruk dengan konstruk-
konstruk lainya.
d. Coefficients of Determination (R2)
Menurut (Ghozali & Latan, 2015), perubahan yang terjadi pada nilai
R2 dapat menjelaskan apakah terdapat pengaruh substantive dari
pengaruh variabel laten eksogen tertentu terhadap variabel laten
endogen. Menurut (Hair, Hult, Ringle, & Sarstedt, 2014),
Coefficients of Determination adalah ukuran proporsi varian
konstruk endogen yang dijelaskan oleh konstruktor prediktornya.
e. Predictive relevance (Q2)
Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), Relevansi Prediktif
adalah pengukuran berdasarkan Teknik blindfolding untuk
menentukan relevansi antara konstruktor prediktor pada konstruk
endogen. Menurut (Ghozali & Latan, 2015), Menggunakan teknik
tersebut dapat merepresentasikan synthesis dari cross-validation dan
fungsi fitting dengan menggunakan prediksi dari observed variabel,
serta menggunakan estimasi dari suatu parameter konstruk.
f. Path Coefficients
Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), evaluasi terhadap
kekuatan dan signifikasi koefisien suatu jalur dilakukan untuk
mencari tahu hubungan (jalur struktural) hipotesis antar konstruk.
g. Effect Size (f2)
Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), Effect size digunakan
untuk mengevaluasi dampak terhadap variabel endogen ketika suatu
variabel eksogen dihilangkan.
h. Bootstrapping (T-Statistics)
Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), prosedur
Bootstrapping memungkinkan signifikansi koefisien indikator
formatif untuk diuji.
2.16. Uji Hipotesis

Menurut (Sugiyono, 2010), dalam statistik, hipotesis dapat diartikan sebagai
pernyataan statistik tentang parameter populasi. Statistik adalah ukuran-ukuran yang
28
dikenakan pada sampel (x = rata-rata; s = simpangan baku; s2 = varians; r = koefisien

korelasi), dan parameter adalah ukuran-ukuran yang dikenakan pada populasi (µ =
rata-rata, σ = simpangan baku. σ2 = varians; ρ = koefisien korelasi). Dengan kata lain,
hipotesis adalah taksiran terhadap parameter populasi, melalui data-data sampel.
Pada penulisan karya tulis ini, penulis menggunakan dua jenis uji hipotesis,
yaitu:
a. Hipotesis Kerja (H1)
Menurut Arikunto dalam (Varian, Hutomo, & Sarjani, 2018), Hipotesis
kerja, atau disebut hipotesis alternatif (H1), hipotesis ini menyatakan ada
hubungannya antara variabel X dan Y, atau perbedaannya antara dua
kelompok.
b. Hipotesis Nol (Ho)
Menurut Arikunto dalam (Varian, Hutomo, & Sarjani, 2018), Hipotesis
Nol atau sering disebut juga hipotesis statistik karena biasanya dipakai dalam
penelitian yang bersifat statistik. Hipotesis nol menyatakan tidak adanya
perbedaan antara dua variabel atau tidak adanya pengaruh variabel X
terhadap Y.
2.17. Technology Acceptance Model (TAM)

Menurut (Lai, 2017), Techonology Acceptance Model (TAM) berguna untuk
menentukan faktor-faktor atau penentu-penentu yang menjelaskan user’s behaviour
pada teknologi komputersasi. Model TAM sendiri terbagi menjadi dua bagian spesifik:
Perceived Usefulness dan Perceived Ease of Use.
Menurut Davis yang dikutip dari (Rajan & Baral, 2015), Perceived Usefulness
didefinisikan sebagai sejauh mana seseorang atau user mempercayai bahwa
menggunakan salah satu sistem akan meningkatkan kinerja (performance) pekerjaan
mereka atau kemampuan sistem yang menguntungkan user dalam kinerja
pekerjaannya. Perceived Ease of Use didefinisikan sebagai sebagai sejauh mana
seseorang atau user mempercayai bahwa menggunakan salah satu sistem akan
mengurangi usaha (effort) pekerjaannya atau memudahkan user dalam melakukan
pekerjaannya.
29
Gambar 2.1 Gambar Techonology Acceptance Model

Sumber. Rajan & Baral; 2015
Technology Acceptance Model sendiri terbagi menjadi beberapa bagian seperti

yang bisa dilihat pada Gambar 2.1, berikut merupakan penjelasan dari tiap bagian:
2.17.1. Individual Characteristic

Menurut (Rajan & Baral, 2015), Individual Characteristic menjelaskan
karakteristik individu atau user pada teknologi informasi atau sistem informasi
yang telah terbukti secara empiris dengan kaitannya untuk berbagai tingkat
penggunaan teknologi informasi atau sistem informasi. Individual
Characteristic memiliki satu bagian, yaitu;
a. Computer Self-Efficiacy
Menurut Taylor & Rodd yang dikutip dari (Rajan & Baral,
2015), Computer Self-Efficiacy (CSE) merupakan ukuran
kepercayaan pengguna terhadap dirinya sendiri dalam
kemampuannya menggunakan teknologi. Lalu menurut Compeau &
Higgins yang dikutip dari (Rajan & Baral, 2015), Computer Self-
Efficiacy adalah penilaian atas kemampuan seseorang untuk
menggunakan komputer dan anteseden penting dalam perceived
usefulness. Lalu (Saadé & Kira, 2009) mengidentifikasikan, Self-
Efficacy sebagai gagasan yang sering digunakan untuk menjelaskan
kemampuan untuk menilai seberapa baik seseorang dapat melakukan
30
suatu pekerjaan untuk meraih tujuan yang ingin dicapai. Pada

Computer Self-Efficiacy terdapat tiga dimensi atau sub-variable yaitu
Self Confidence (Rajan & Baral, 2015), Peer Support (Rajan & Baral,
2015) dan Similarity (Rajan & Baral, 2015).
2.17.2. Organization Characteristic

Menurut (Saida & Abdullah, 2013), Organizational Characteristic adalah
dukungan atau fitur yang berasal dari model manejemen yang digunakan oleh suatu
organisasi, melalui struktur, strategi dan budaya pada organisasi yang terwujud dalam
setiap anggota dan relasi antar anggota. Organizational Characteristic terbagi menjadi
dua bagian, yaitu:
a. Organizational Support
Menurut Fishbein & Ajzen yang dikutip dari (Rajan & Baral, 2015),
Organization Characteristic adalah dukungan yang mempengaruhi perilaku
individu-individu dalam menggunakan sistem. Lalu menurut dari Ralph
yang dikutip dari (Rajan & Baral, 2015), mendefinisikan sebagai dukungan
teknis yaitu berupa personel yang membantu pengguna atau user dalam
menggunakan komputer dan perangkat lunak. Lalu menurut Hucthinson
dalam (Ersoy, 2014) dapat diartikan sebagai komitmen organisasi terhadap
individu. Pada Organizational Support terdapat dua dimensi atau sub-
variable yaitu; Technical Support (Rajan & Baral, 2015), dan Management
Support (Rajan & Baral, 2015).
b. Training
Menurut Yusuf, Gunasekaran, & Abthrope yang dikutip dari (Rajan &
Baral, 2015), Training mengacu kepada proses yang menyediakan
pemahaman tentang logika dan keseluruhan konsep dari sistem ERP kepada
manajemen dan karyawan. Bahkan menurut pendapat Somers & Nelson
yang dikutip dari (Rajan & Baral, 2015), bahwa kekurangan dalam proses
training merupakan salah satu alasan atau penyebab utama kegagalan dalam
sistem ERP. Menurut Desler dalam (Agusta & Sutanto, 2013), Pelatihan atau
Training merupakan salah satu usaha dalam meningkatkan mutu sumber
daya manusia dalam dunia kerja. Karyawan, baik yang baru ataupun yang
sudah bekerja perlu mengikuti pelatihan karena adanya tuntutan pekerjaan
yang dapat berubah akibat perubahan lingkungan kerja, strategi, dan lain
31
sebagainya. Pada Training terdapat tiga dimensi atau sub-variable yaitu;

Understanding Benefits of Using the System (Rajan & Baral, 2015),
Improvement on Understanding System (Rajan & Baral, 2015), dan
Reducing Stress and Anxiety (Rajan & Baral, 2015).
2.17.3. Technological Characteristic

Menurut halaman resmi Ministry of Education New Zealand yang disusun oleh
(Reid, 2015), Technological Characteristic didefinisikan sebagai praktik-praktik
aktifitas teknologi yang dimana hasil dari aktifitas-aktifitas teknologi tersebut
mempengaruhi technological outcomes yang diharapkan. Technological
Characteristic terbagi menjadi dua bagian, yaitu:
a. Complexity
Menurut Xue yang dikutip dari (Rajan & Baral, 2015), sistem ERP dan
sistem informasi lainnya cendrung memiliki tingkat yang sangat kompleks
dan sulit diimplementasikan. Menurut Aiman-smith & Green yang dikutip
dari (Rajan & Baral, 2015), mendefinisikan kompleksitas pada teknologi
dikarenakan teknologi-teknologi baru lebih rumit dan kompleks untuk user
dibandingkan dengan teknologi sebelumnya yang telah digunakan untuk
pekerjaan yang sama dan merepresentasikan peningkatan jumlah pekerjaan
yang harus dilakukan oleh user untuk melakukan pekerjaan yang sama.
Menurut Roger dalam (Sholahuddin, 2017), complexity merupakan tingkat
sebuah inovasi dipersepsikan sulit untuk dipahami atau digunakan.
Menurut Rogers & Shoemaker yang dikutip dari (Varian, Hutomo, &
Sarjani, 2018), didefinisikan sebagai seberapa sulit suatu teknologi
komputer untuk dipahami dan digunakan yang dipersepsikan oleh pemakai.
Pada Complexity terdapat tiga dimensi atau sub-variable yaitu; Time
Consumed (Rajan & Baral, 2015), Complexity (Rajan & Baral, 2015), dan
Mental Workload (Rajan & Baral, 2015).
b. Compability
Menurut Chen & Road yang dikutip dari (Rajan & Baral, 2015),
permasalahan yang sering terjadi dalam mengimplementasikan sistem ERP
adalah ketidak cocokan dalam sistem ERP dan bisnis proses. Lalu
Elbertsen & yang dikutip dari (Rajan & Baral, 2015) mengindikasikan
bahwa, sistem ERP secara signifikan dapat dijelaskan oleh competitive
32
pressure dan systems compability. (Mazhar, 2014) berpendapat bahwa,

Compability diartikan sebagai tingkat konsistensi antara teknologi dengan
kebutuhan pelanggan baru, rutinitas kehidupan sehari-hari, pengalaman,
serta nilai-nilai Technology Acceptance Model (TAM). Pada Compability
terdapat tiga dimensi atau sub-variable yaitu; Data Compability (Rajan &
Baral, 2015), Work Practice Compability (Rajan & Baral, 2015),
Compability with prior experience (Rajan & Baral, 2015).
2.17.4. Technology Acceptance Model (TAM)

Menurut (Lai, 2017), Techonology Acceptance Model (TAM) berguna untuk
menentukan faktor-faktor atau penentu-penentu yang menjelaskan user’s behaviour
pada teknologi komputersasi. Selain dua bagian spesifik TAM yaitu, Perceived
Usefulness dan Perceived Ease of Use, TAM terdiri juga dari bagian-bagian lain.
Secara lengkap, berikut bagian-bagian dari TAM:
a. Perceived Usefulness
Menurut Davis yang dikutip dari (Rajan & Baral, 2015), Perceived
Usefulness didefinisikan sebagai sejauh mana seseorang atau user
mempercayai bahwa menggunakan salah satu sistem akan meningkatkan
kinerja (performance) pekerjaan mereka atau kemampuan sistem yang
menguntungkan user dalam kinerja pekerjaannya. Menurut Robey & Farey
yang dikutip dari (Rajan & Baral, 2015), Perceived Userfulness jika dapat
dilihat secara personal/individual merupakan hasil dari peningkatan kinerja
pekerjaan dan user motivation. Pada Perceived Usefulness terdapat empat
dimensi atau sub-variable yaitu; Performance (Rajan & Baral, 2015),
Productivy (Rajan & Baral, 2015), Effectiveness (Wibowo, 2008), dan
Usefulness (Rajan & Baral, 2015).
b. Perceived Ease of Use
Menurut Davis yang dikutip dari (Rajan & Baral, 2015), Perceived
Ease of Use didefinisikan sebagai sebagai sejauh mana seseorang atau user
mempercayai bahwa menggunakan salah satu sistem akan mengurangi
usaha (effort) pekerjaannya atau memudahkan user dalam melakukan
pekerjaannya. (Mazhar, 2014) berpendapat bahwa, Perceived Ease of Use
berguna untuk menunjukkan betapa mudahnya untuk menggunakan suatu
teknologi. Pada Perceived Ease of Use terdapat tiga dimensi atau sub-
33
variable yaitu; Understandable (Kurniawan & Rochimah, 2016),

Functionality (Wibowo, 2008), dan User Friendly (Wibowo, 2008).
c. Intention to Use
Menurut (Wibowo, 2008), Intention to Use adalah kecenderungan
perilaku untuk tetap menggunakan suatu teknologi. Lalu menurut Fishbein
and Ajzen dalam (Rajan & Baral, 2015), Intention to Use didefinisikan
sebagai Kekuatan niat seseorang untuk melakukan perilaku tertentu. Pada
Intention to Use terdapat dua dimensi atau sub-variable yaitu; Intention to
Use (Rajan & Baral, 2015), dan Desire to frequently use the system
(Wibowo, 2008).
d. Usage
(Wibowo, 2008) berpendapat bahwa, Usage kondisi nyata penggunaan
sistem. Dikonsepkan dalam bentuk pengukuran terhadap frekuensi dan
durasi waktu penggunaan teknologi. Menurut Sun, Bhattacherjee, dan Ma
yang dikutip dari (Rajan & Baral, 2015), dalam penggunaan IT, organisasi
cendrung tidak mementingkan hasil penggunaan atau outcomes of usage.
Padahal tanpa mempelajari outcomes of usage, organisasi tidak dapat
mengetahui apakah investasi pada IT dapat dinyatakan berhasil atau tidak.
Pada Usage terdapat tiga dimensi atau sub-variable yaitu; Frequently of
Usage (Rajan & Baral, 2015), Duration of Usage (Rajan & Baral, 2015)
dan Extend of Usage (Rajan & Baral, 2015).
2.17.5. Individual Impact

Menurut Botta-Genoulaz, Millet, & Grabot yang dikutip dari (Rajan & Baral,
2015), untuk dapat melihat dampak dan hasil dari penggunaan sistem ERP, organisasi
harus menganalisa dan menyelediki dari berbagai macam perspektif yang berbeda.
Salah satu perspektif penting dari perspektif manusia atau individu yang
mempengaruhi kesuksesan dari sistem ERP dan bagaimana setiap individu dapat
meningkatkan kinerja kerjanya menggunakan sistem ERP. Individual impact terbagi
menjadi dua bagian, yaitu:
a. Individual Performance
Menurut Torkzadeh & Doll dalam (Rajan & Baral, 2015) bahwa,
dampak penggunaan teknologi informasi pada pekerjaan pada tiap individu
merupakan salah satu konsekuensi dari penggunaan sistem, yang pada
34
nantinya akan menentukan juga dampak pada organisasi. Lalu menurut

Goodhue & Thompson yang dikutip dari (Daniel, 2018), Individual
Performance atau pencapaian kinerja individual dinyatakan berkaitan
dengan pencapaian serangkaian tugas-tugas individu dengan dukungan
teknologi informasi yang tersedia. Terdapat dua dimensi atau sub-variable
pada Individual Performance, yaitu; Individual Impact (Rajan & Baral,
2015) dan Importance and value (Rajan & Baral, 2015).
b. Panoptic Empowerment
Menurut Elmes, Volkoff, & Strong yang dikutip dari (Daniel, 2018),
Panoptic Empowerment dinyatakan sebagai sesuatu yang mengacu kepada
visibilitas 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.
Selanjutnya menurut Sia, Tang, Soh, & Boh dalam (Rajan & Baral,
2015), sistem ERP tidak hanya meningkatkan kemampuan organisasi untuk
mengumpulkan lebih banyak informasi secara lebih detail dan secara real-
time, tetapi juga membuat penyebaran informasi yang lebih luas ke seluruh
organisasi. Akses informasi yang lebih luas tidak hanya memberi karyawan
fleksibilitas yang lebih, tetapi juga memudahkan mereka untuk membuat
keputusan-keputusan. Pada Panoptic Empowerment terpada dua dimensi
atau sub-variable yaitu; Error Tracking (Kurniawan & Rochimah, 2016),
dan Procedural Formality (Rajan & Baral, 2015).
35
BAB 3
ANALISA SISTEM DAN METODE PENELITIAN
3.1. Profile Perusahaan

PT. Accenture adalah perusahaan management consulting dan professional
services yang menyediakan jasa strategi, jasa konsultasi, jasa digital, jasa teknologi,
dan jasa operasi. Berlokasi di gedung Wisma 46 Kota BNI lt. 18, Jl. Jendral Sudirman
Kav. 1, RT.10/RW.11, Karet Tengsin, DKI Jakarta, Accenture didirikan sejak tahun
1989 yang awalnya merupakan bagian dari firma Arthur Andersen.
Dalam menjalankan bisnisnya, Accenture memfokuskan penawaran servis dan
jasanya menjadi enam kategori, yaitu:
a. Accenture Strategy – menyediakan business strategy, technology strategy, dan
operation strategy untuk klien
b. Accenture Consulting – menyediakan konsultasi dalam bidang teknologi,
bisnis, dan manejemen untuk klien
c. Accenture Digital - menyediakan jasa digital marketing, analytics, dan
mobility
d. Accenture Federal Services – berfokus kepada kontrak-kontrak yang
berhubungan dengan pemerintahaan
e. Accenture Technology – berfokus kepada teknologi solusi, implementasi
sistem, delivery, dan research & development pada klien.
f. Accenture Operation – berfokus pada model bisnis “as-a-service” yang
melingkupi outsourcing, cloud service, dan managed operation.
Dalam pembahasan karya tulis ini, PT. Accenture berperan sebagai konsultan
yang bertanggung jawab membangun dan mengimplementasi sistem TRM pada PT.
XYZ. Disini peneliti merupakan bagian dari konsultan PT. Accenture yang bertugas
sebagai functional analyst & tester untuk memastikan sistem yang akan dibangun
sesuai dengan proses bisnis yang telah rancang. Pada karya tulis ini, peneliti
memfokuskan pembahasan pada proses bisnis XYZ Transportation Division, serta
penerimaan sistem tersebut oleh para pengguna TRM dalam XYZ Transportation
Division. Terkait perihal pengumpulan data dan informasi, peneliti dibantu oleh
person-in-charge dan Application Development Analyst – terkhusus pada unit bisnis
XYZ Transportation Division.
35
36
3.2. Gambaran Perusahaan

3.2.1. Sejarah PT. XYZ
Beroperasi selama lebih dari 20 tahun, PT. XYZ telah berkembang dan
bertransformasi dari perusahaan jasa penyewaan kendaraan secara tradisional
menjadi perusahaan penyedia jasa transportasi secara digital. Beralamatkan di
DKI Jakarta sebagai salah satu head office atau kantor utama, PT. XYZ juga
masih memiliki cabang-cabang lain yang tersebar di Indonesia. PT. XYZ saat
ini mengoperasikan mengoperasikan beberapa unit bisnis, dengan unit bisnis
XYZ Transportation Division sebagai lini bisnis utama yang dijalankan. PT.
XYZ juga menyediakan berbagai jenis atau opsi penyewaan kendaraan agar
dapat menyesuaikan dengan kebutuhan pelanggan. Seiring berkembangnya
bisnis penyewaan kendaraan di PT. XYZ, fitur-fitur yang ditawarkan juga
semakin bertambah seperti antar jemput bandara, order sewa terjadwal, dan
masih banyak lagi. XYZ Transportation Division juga menawarkan berbagai
paket penyewaan kendaraan yang berbeda-beda sehingga pelanggan dapat lebih
mudah untuk menyesuaikan dengan kebutuhannya.
PT. XYZ memiliki prinsip dan dasar dalam setiap pekerjaan yang
dilakukan untuk menjadi yang terdepan, serta membangun perusahaan yang
bermartabat. Dasar dan prinsip kerja tersebut merupakan budaya perusahaan
yang akan selalu diterapkan dan sekaligus menjadi identitas PT. XYZ untuk
selalu mengutamakan kepuasan pelanggan, serta melayani pelanggan secara
optimal, bertanggung jawab dan berkontribusi secara positif terhadap segala
entitas, menunjukkan integritas yang tinggi, dan bekerja sesuai etika kerja, dan
memiliki kompetensi tinggi pada bidang pekerjaan yang dikerjakan. Selain itu,
PT. XYZ juga memiliki nilai lebih yang selalu dijunjung tinggi dalam
menyediakan berbagai solusi transportasi mereka untuk mengutamakan
kepuasan pelanggan. Nilai-nilai tersebut adalah:
a) Kondisi kendaraan yang selalu terawat dan berfungsi secara baik untuk
memastikan keamanan serta kenyamanan pelanggan.
b) Pengemudi yang sopan, proaktif, serta berpengalaman.
c) Memberikan layanan 24 jam terhadap pelanggan.
d) Kendaraan yang dilengkapi dengan asuransi terhadap berbagai resiko-
resiko.
37
e) Harga kompetitif dan terjangkau dengan berbagai pilihan solusi

transportasi untuk menyesuaikan dengan kebutuhan pelanggan.
3.2.2. Visi & Misi Perusahaan
a. Visi:
Menjadi perusahaan yang terdepan dalam penyediaan jasa solusi

transportasi di seluruh Indonesia, senantiasa berinovasi dan memberikan
pelayanan yang terbaik terhadap setiap kebutuhan pelanggan,
berkomitmen untuk mengembangkan sumber daya manusia dan juga
pelayanan jasa.
b. Misi:
Menyediakan solusi transportasi terbaik dengan tujuan mencapai serta
memenuhi kepuasan serta kebuhan pelanggan secara maksimal melalui
berbagai solusi transportasi yang terus berkembang.\
3.2.3. Struktur Organisasi
Berikut adalah struktur organisasi dari PT. XYZ:
Gambar 3.1 Struktur Organisasi PT. XYZ

Sumber. Dokumen Penulis
3.2.4. Job Description di PT. XYZ

1) Direktur
Merupakan pimpinan utama dari PT. XYZ, bertanggung jawab pada
seluruh level organisasi pada perusahaan dan mengambil keputusan-
keputusan perusahaan.
38
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
3.3. Proses Bisnis PT.XYZ
3.3.1. Proses Bisnis Sebelum Menggunakan TRM

Sebelum implementasi Transportation Reservation Management
(TRM), PT. XYZ masih menggunakan sistem yang konvensional untuk kegiatan
operasional bisnis mereka sehari-hari. Tak terkecuali pada unit bisnis XYZ
Transportation Division, yang juga masih menggunakan sistem berbasis
Microsoft Excel dan dokumen fisik dalam operasi bisnis sehari-hari, dengan
Master Data yang terhubung ke SAP. Proses bisnis pada XYZ Transportation
Division, sebelum implementasi Transportation Reservation Management
(TRM), dimulai dari pihak customer (pelanggan) yang ingin menggunakan jasa
XYZ Transportation Division.
Customer (pelanggan) dapat membuat order sewa (pemesanan) melalui
beberapa cara, salah satunya seperti dengan menghubungi pihak sales marketing
untuk melakukan pemesanan order sewa kendaraan. Setelah sales marketing
menerima order sewa secara lengkap, pihak sales marketing akan menghitung
biaya sewa yang perlu dibayar oleh customer. Kemudian setelah biaya sewa
telah ditentukan berdasarkan order sewa customer, pihak sales marketing akan
menagih biaya sewa kepada customer sesuai perhitungan yang telah dilakukan
sebelumnya. Pembayaran dilakukan oleh customer melalui bank yang nantinya
akan dikonfirmasi oleh pihak sales marketing terkait pembayaran dari customer.
Apabila pembayaran dari customer telah benar dan sesuai, maka order sewa
(pemesanan) customer dapat diproses lebih lanjut.
Pihak sales marketing kemudia melakukan pengecekan terhadap
pengemudi yang masih bebas tugas untuk melakukan order sewa. Pengecekan
dilakukan dengan melihat status penugasan dari setiap pengemudi pada file
Excel Pengemudi Bebas Tugas. Apabila pihak sales marketing telah menentukan
pengemudi yang tersedia untuk melakukan order sewa, langkah selanjutnya
pihak sales marketing akan menghubungi dan menginformasikan order sewa
kepada pengemudi. Secara bersamaan juga, pihak sales marketing akan
melakukan update atau memperbaharui file Excel Pengemudi Bebas Tugas
setelah menugaskan pengemudi yang telah ditentukan untuk melakukan order
sewa tersebut.
40
Setelah mendapatkan informasi mengenai order sewa, pengemudi akan

melakukan order sewa berdasarkan waktu yang telah ditentukan dengan
mendatangi lokasi penjemputan sesuai order sewa oleh customer. Setelah
pengemudi telah menyelesaikan order sewa, pengemudi akan menutup order
sewa dengan menghubungi pihak sales marketing. Setelah pihak sales marketing
telah menutup order sewa, pihak sales marketing perlu untuk melakukan update
atau memperbaharui file order sewa dan Pengemudi Bebas Tugas untuk
menyatakan bahwa order sewa telah diselesaikan dan kemudian status
pengemudi akan diubah kembali menjadi bebas tugas dalam file excel
Pengemudi Bebas Tugas.
Setiap file yang telah diperbaharui nantinya akan digunakan oleh pihak
sales marketing untuk membuat laporan operasional yang berisi tentang
rangkuman hasil order sewa yang telah dilakukan oleh setiap pengemudi, seperti
jumlah order sewa yang didapat perhari, jumlah order sewa yang dapat
diselesaikan setiap hari, dan lain sebagainya. Laporan operasional kemudian
juga dapat digunakan oleh pihak upper management sebagai salah satu dokumen
pendukung untuk pengambilan keputusan.
41
3.3.2. Activity Diagram Proses Bisnis PT. XYZ Sebelum Menggunakan

TRM
Gambar 3.2 Activity Diagram Proses Bisnis PT. XYZ Sebelum Menggunakan
TRM
42
3.3.3. Proses Bisnis Setelah Menggunakan TRM

Proses bisnis yang terjadi pada unit bisnis XYZ Transportation Division
setelah menggunakan Transportation Reservation Management (TRM) dimulai
pada saat customer ingin melakukan pemesanan order sewa kendaraan. Pertama-
tama, customer harus mendaftarkan dirinya menggunakan CustomerApp yang
terintergrasi dengan TRM. Apabila customer belum terdaftar dalam sistem
TRM, maka customer harus terlebih dahulu mendaftarkan diri menggunakan
CustomerApp yang berintegrasi dengan TRM. Setelah customer telah terdaftar,
data customer akan tersimpan juga ke dalam sistem TRM. Apabila customer
telah terdaftar, customer dapat langsung memasukkan informasi terkait order
sewa yang ingin dipesan melalui layar pembuatan order sewa kendaraan sesuai
kebutuhan customer.
Setelah customer memasukkan order sewa, data order sewa akan
tersimpan ke dalam sistem, dan kemudian sistem TRM akan secara otomatis
menyebarkan data order sewa kepada seluruh pengemudi yang akan diterima
DriverApp milik pengemudi. Setiap pengemudi yang tersebar pada berbagai
lokasi di Jakarta maupun di kantor cabang lain kemudian akan mendapatkan data
order sewa tersebut. Apabila salah satu pengemudi melakukan accept
(menerima) order sewa yang telah disebarkan, sistem secara otomatis akan
melakukan update terhadap Order Sewa Master yang menunjukkan bahwa order
sewa terkait akan dilaksanakan oleh pengemudi tersebut. Namun apabila dalam
waktu yang telah ditentukan, yakni selama 10 menit, masih belum terdapat
pengemudi yang melakukan accept atau menerima order sewa tersebut, maka
pihak sales marketing perlu secara manual memilih pengemudi yang akan
ditugaskan untuk melakukan order sewa tersebut melalui sistem TRM.
Pemilihan pengemudi untuk order sewa akan melihat dari status bebas tugas tiap
pengemudi yang juga ditampilkan pada sistem TRM.
Apabila pengemudi yang telah dipilih oleh sales marketing masih
menolak atau tidak dapat melakukan penugasan order sewa, maka pihak sales
marketing perlu kembali melakukan pemilihan dan penugasan pengemudi pada
order sewa tersebut seperti proses yang telah dilakukan sebelumnya. Kemudian
setelah order sewa telah mendapatkan pengemudi yang ditugaskan untuk
melakukan order sewa, sistem secara otomatis akan menampilkan informasi
pengemudi yang ditugaskan kepada customer. Informasi yang ditampilkan
43
adalah informasi-informasi dasar berupa nama, nomor telepon, plat nomor

kendaraan yang digunakan, dan lokasi pengemudi.
Pihak customer juga dapat membatalkan order sewa yang telah dipesan
jika customer berubah pikiran atau ingin melakukan perubahan terhadap order
sewa sesuai kebutuhannya. Kemudian customer dapat kembali melakukan
submit terhadap order sewa yang telah dibatalkan dan diubah, dan sistem
kemudian akan secara otomatis menyebarkan data order sewa kepada seluruh
pengemudi seperti pada proses yang telah dijelaskan sebelumnya. Namun
apabila customer tidak membatalkan order sewa, maka tahap selanjutnya adalah
pengemudi akan melakukan order sewa yang telah ditugaskan dengan
mendatangi lokasi jemput customer yang telah ditentukan. Dalam melakukan
order sewa, pihak pengemudi perlu memperbaharui (update) status order sewa
setiap setelah menyelesaikan rangkaian kegiatan dari order sewa tersebut
melalui DriverApp milik pengemudi. Sistem kemudian akan secara otomatis
melakukan pembaharuan data Order Sewa Master setiap kali pengemudi
memperbaharui status order sewa.
Kemudian tahap berikutnya adalah penutupan atau penyelesaian order
sewa. Pengemudi akan menutup order sewa melalui DriverApp setelah
pelaksanaan order sewa diselesaikan. Sistem juga akan secara otomatis
melakukan pembaharuan terhadap data order sewa setelah pengemudi
menyelesaikan dan menutup order sewa tersebut. Sistem kemudian juga akan
secara otomatis menghitung dan membuat Billing Biaya Sewa yang nantinya
akan ditagih kepada customer.
Customer memiliki dua cara untuk pembayaran, dapat menggunakan
kartu kredit/debit yang telah terdaftar atau melakukan pembayaran secara tunai.
Apabila customer memilih untuk melakukan pembayaran menggunakan tunai,
pembayaran akan diterima oleh pengemudi yang akan diberikan kepada pihak
sales marketing. Segala pembayaran nantinya akan disimpan sebagai data
revenue oleh pihak sales marketing. Tetapi jika customer memilih metode
pembayaran dengan kartu kredit/debit, maka sistem akan secara otomatis
melakukan pemotongan saldo atau pembayaran dari bank. Setiap informasi
pembayaran yang didapatkan dari customer nantinya akan disimpan sebagai data
revenue oleh pihak sales markerting. Sistem TRM kemudian akan meneruskan
atau mengirimkan data revenue tersebut ke SAP.
44
Selanjutnya sistem akan otomatis membuat laporan operasional.

Laporan operasional berisi tentang rangkuman hasil order sewa yang telah
dilakukan oleh tiap pengemudi, seperti jumlah order sewa yang didapat per hari
, per minggu, atau per bulan, jumlah order sewa yang dapat diselesaikan perhari,
dan lain sebagainya. Berdasarkan data pada laporan operasional tersebut, sales
Marketing kemudian perlu secara manual membuat laporan analisis yang
diperlukan untuk kepentingan analisa marketing. Laporan analisis tersebut dapat
digunakan sebagai salah satu pendukung dalam pengambilan keputusan.
Secara kesuluruhan, yang menjadi perbedaan utama pada proses bisnis
order sewa penyewaan kendaraan pada XYZ Transportation Division, sebelum
dan sesudah implementasi sistem Transportaion Reservation Management
adalah sebagai berikut:
 Segala pembuatan dokumen-dokumen yang diperlukan untuk pembuatan
order sewa sudah bersifat digital atau menggunakan sistem CustomerApp
yang terintegrasi dengan TRM dan SAP, dibandingkan sebelum
menggunakan TRM yaitu pembuatan dokumen-dokumen masih bersifat
manual menggunakan dokumen fisik (kertas) atau spreadsheet.
 Segala kegiatan yang perlu dilakukan seperti menugaskan pengemudi,
pembuatan laporan operasional, dan lain sebagainya, juga tidak
dilakukan secara manual lagi, melainkan melalui sistem TRM yang
saling berintegrasi dengan DriverApp dan SAP.
 Terdapat metode untuk dapat melakukan pembaharuan status order sewa
oleh pengemudi, yaitu menggunakan DriverApp yang kemudian akan
diteruskan ke sistem TRM. Sebelum menggunakan TRM, masih belum
terdapat metode untuk mengetahui status dari order sewa yang dilakukan
oleh pengemudi.
 Fitur pembayaran lebih memudahkan customer, dikarenakan customer
dapat melakukan pembayaran tanpa harus melakukan transfer manual
melalui bank. Pembayaran pun dapat dilakukan menggunakan kartu
kredit/debit maupun tunai.
45
3.3.4. Activity Diagram Proses Bisnis PT. XYZ Setelah Menggunakan TRM
Gambar 3.3 Activity Diagram Proses Bisnis PT. XYZ Setelah

Menggunakan TRM
46
3.3.5. Fit and Gap Analysis
Berdasarkan 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 design, peneliti menemukan masih terdapat beberapa fitur sistem
TRM yang belum sesuai dengan kriteria requirement yang telah diminta oleh
PT. XYZ. Oleh karena itu, peneliti ingin memaparkan dan membandingkan
fitur-fitur utama sistem TRM yang telah terimplementasi sekarang, dengan fitur-
fitur TRM berdasarkan requirement awal PT. XYZ yang telah dirancang dalam
functional design. Dengan demikian, peneliti memutuskan untuk menggunakan
metode fit gap analysis untuk membandingkan dua hal tersebut.. Commented [A8]: Perjelas kenapa pake Fit Gap
Analisa Fit and Gap adalah metodologi yang digunakan untuk

membandingkan proses perusahaan (requirement) dan fungsi sistem, dievaluasi
dan dipaparkan untuk mendapatkan kecocokan (fits) dan ketidak-cocokan
(gaps). Tujuan dari analisis ini bukan untuk memberikan solusi atau sistem
desain (Pol & Patukar, 2011).
Pada subbab ini, peneliti akan menjelaskan analisa Fit and Gap dengan
membandingkan sistem TRM berdasarkan requirement atau permintaan awal
perancangan sistem dengan sistem TRM yang sedang berjalan sekaran.
Berdasarkan hasil perbandingan tersebut, peneliti dapat menentukan apakah
sistem telah mencapai proses bisnis yang ideal. Apabila hasil perbandingan
menunjukkan kondisi Fit, berarti sistem dan proses bisnis ideal telah tercapai.
Namun sebaliknya apabila hasil perbandingan menunjukan kondisi Gap, berarti
masih terdapat kekurangan atau ketidak-sesuaian pada sistem dan proses bisnis
ideal.
Berikut adalah analisa Fit and Gap yang peneliti buat mengikuti referensi
dari template menurut (Waterloo, 2012):
47
Tabel 3.1 Tabel Fit and Gap Analysis TRM di PT. XYZ
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
Berikut merupakan keterangan dari setiap kolom pada

49
Tabel 3.1:
Tabel 3.2 Penjelasan Kolom Fit and Gap Analysis

No Nama Kolom Deskripsi
1 Business Requirement Kebutuhan atau keadaan bisnis ideal yang perlu
atau ingin dicapai.
2 Describe Existing Penjelasan mengenai keadaan bisnis yang terjadi
Situation saat ini.
3 Priority Menjelaskan prioritas dari keadaan bisnis.
4 Degree of Fit Keterangan yang digunakan untuk menentukan
kondisi perbandingan antara kebutuhan bisnis yang
ideal dengan keadaan bisnis saat ini.
5 Gap Between Existing Keterangan yang digunakan untuk menjelaskan
and New celah yang ada pada kebutuhan bisnis yang ideal
dan keadaan bisnis saat ini.
6 New Capabilities Need Penjelasan mengenai solusi yang dibutuhkan untuk
to Reduce or Elimate mengurangi atau menghilangkan celah yang ada.
Gap
Berdasarkan hasil anaslisa fit gap pada
Tabel 3.1, maka didapatkan hasil seperti berikut:

Tabel 3.3. Total Gap dalam Persentase
Degree of Fit
Priority Total Requirement
Partial Gap
High 2 0 40% = (2/5*100%)
Medium 1 0 20% = (1/5*100%)
Low 0 0 0
Total 3 0 60% = (3/5*100%)
3.4. Tahapan Penelitian
Berikut merupakan gambaran tahapan penelitian yang akan dilakukan:
50
Gambar 3.4 Tahapan Penilitan

Penjelasan dari tahapan penilelitian sebagai berikut:
1. Memilih Topik Penelitian
Tahap pertama yang menentukan topik dari penelitian yang akan dilakukan.
2. Melakukan Analisa Proses Bisnis
Tahapan ini dilakukan untuk mengumpulkan semua informasi terkait proses
bisnis pada PT. XYZ, baik proses bisnis sebelum menggunakan TRM,
maupun proses bisnis setelah menggunakan TRM.
3. Melakukan Analisa Fit and Gap
Tujuan tahapan ini adalah untuk mengetahui kebutuhan PT. XYZ dalam
melakukan bisnis, dan mengetahui apakah TRM dapat memenuhi
kebutuhan tersebut.
4. Melakukan Risk Analysis
Pada tahapan ini, peneliti mengumpulkan dan memaparkan risiko-risiko
yang dapat terjadi berdasarkan informasi yang telah pada tahapan
sebelumnya.
5. Studi Literatur
Tahapan ini dilakukan untuk mempelajari dan mengumpulkan semua
literatur yang berkaitan dengan TRM, Fit and Gap, dan Technology
Acceptance Model (TAM).
6. Membuat Model, Variabel, & Hipotesa Penelitian
Pada tahap ini, peneliti merancang model penelitian berdasarkan dari topik
penelitian, dan studi literatur. Peneliti menggunakan model TAM
dikarenakan topik penelitian yang akan mengkaji sistem TRM pada PT.
51
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.
3.5. Metode Penelitian

3.5.1. Metode Pengumpulan Data
Pada penelitian ini, peneliti menggunakan data primer sebagai sumber
data penelitian. Data primer merupakan data yang diperoleh secara langsung oleh
peneliti dengan cara menyebarkan instrumen penelitian berupa kuesioner kepada
karyawan-karyawan XYZ Transportation Division yang menggunakan TRM,
serta dengan melakukan wawancara secara langsung dengan pihak yang
menguasai permasalahan terkait topik penelitian yang dilakukan, yaitu pihak
Application Development Analyst yang bertanggung jawab untuk modul XYZ
Transportation Division. Peneliti menggunakan metode pengumpulan data
sebagai berikut:
1. Studi Pustaka: Peneliti mengumpulkan serta mempelajari segala
teori yang terkait melalui internet (online) maupun offline buku dan
52
jurnal yang tersedia dan relevan dengan konteks penelitian yang

dilakukan.
2. Wawancara: Peneliti mengumpulkan data dengan melakukan
wawancara secara langsung kepada pihak yang menguasai
permasalahan terkait topik penelitan yang dilakukan oleh peneliti.
Wawancara tersebut dilakukan dengan tujuan memperoleh
gambaran yang lebih lengkap dan rinci pada subyek penelitian
yang akan dibahas. Selain itu, peneliti juga memperoleh informasi
dari narasumber melalui wawancara terkait proses bisnis XYZ
Transportation Division sebelum menggunakan TRM.
3. Kuesioner: Kuesioner dibuat berdasarkan model TAM
(Techonology Acceptance Model) yang akan disebarkan ke
responden menggunakan metode online tepatnya Google Forms.
Kuesioner penelitian akan menggunakan skala likert dengan 6
bobot. Bobot paling rendah dimulai dari angka 1 dan yang paling
tinggi adalah angka 6.
Peneliti menentukan populasi untuk jumlah sampel yang akan digunakan

berdasarkan dari jumlah karyawan di PT. XYZ, khususnya untuk XYZ
Transportation Division. Jumlah karyawan didapatkan dari Authorization
Master Data TRM, yaitu daftar end-user yang menggunakan TRM. Setalah
melakukan perhitungan jumlah populasi yang didapat sebanyak 48 orang.
Selanjutnya untuk menentukan sampel, peneliti menggunakan metode
simple random sampling, dimana dari semua jumlah populasi akan dipilih acak
hingga mencapai batas yang dibutuhkan. Maka daripada itu didapatkan jumlah
sampel 48 orang. Tabel 3.4 merupakan Tabel Jumlah Populasi yang dapat dilihat
seperti berikut.
Tabel 3.4 Tabel Jumlah Populasi
Departement Role Populasi
Kepala Kepegawaian 1
XYZ Kepegawaian 7
Transportation Kepala Cabang 1
Division Accounting 11
Cabang Jakarta Teknisi 5
Kepala Teknisi 1
53
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.
Tabel 3.5 Skala Likert untuk Kuesioner Faktor Penerimaan

Skala Likert Penerimaan
1 Sangat Tidak Setuju
2 Tidak Setuju
3 Kurang Setuju
4 Cukup Setuju
5 Setuju
6 Sangat Setuju
Setelah data direkap menggunakan Microsoft Excel 2016, peneliti
kemudian mengolah data dengan menggunakan perangkat lunak SmartPLS
versi 3.0. Hal ini dilakukan untuk mengetahui apakah hubungan variabel
terhadap hipotesa yang sebelumnya telah ditentukan dapat diterima atau
ditolak. Selain itu, peneliti melakukan inisialisasi terhadap setiap variabel pada
pertanyaan yang terdapat dalam kuesioner dengan tujuan mempermudah dan
mempersingkat waktu yang diperlukan dalam pengolahan data, contohnya
Computer Self-Efficacy akan diberikan inisial CSE1 dan seterusnya
berdasarkan jumlah pertanyaan yang merepresentasikan variabel tersebut.
Kemudian peneliti akan mengolah data melalui dua tahapan pengujian, yaitu
54
tahap pengujuain model pengukuran (Outer Model), yang berikutnya

dilanjutkan dengan tahap pengujian model Structural (Inner Model).
Peneliti melakukan pengujian model pengukuran (Outer Model)
dengan menguji validitas dan realibilitas data yang dikumpulkan dari kuesioner
yang telah diperoleh. Pengujian validitias dapat dilakukan dengan
menggunakan dua pengujian, yaitu convergent validity dan discriminant
validity. Convergent validity memiliki 2 parameter penilaian sedangkan
discriminant validity menggunakan 1 parameter penilaian. Kemudian Commented [SC9]: Biar sama seperti di bab 4
pengujian realibilitas juga dapat dilakukan dengan menggunakan 2 parameter

penilaian yaitu Composite Reliablity dan Cronbach’s Alpha. Dalam menguji
model structural (Inner Model), peneliti melakukan pengujian tersebut dengan
menguji konstruk-konstruk penelitian berupa coefficients of determination
(R2), predictive relevance (Q2), size and significance of path coefficients, f2
effect sizes, serta T-Statistics.
Pada tahap pengujian yang dilakukan dalam penelitian ini, terdapat
beberapa indikator yang dapat dijadikan sebagai acuan dalam penyimpulan
data yang telah diolah. Indikator-indikator tersebut yang berperan sebagai
aturan umum dalam tahap pengujian adalah sebagai berikut:
Indikator dalam evaluasi model Structural (Inner Model) :
 Coefficients of Determination (R2): Sejauh mana suatu konstruk
endogen dapat dijelaskan atau direpresentasikan oleh konstruk
prediktor (eksogen) dengan ketentuan R2 bernilai 0.75, 0.50 atau 0.25,
yang berarti variabel laten endogen bersifat kuat, menengah, atau lemah
(Hair, Hult, Ringle, & Sarstedt, 2014).
 Predictive Relevance (Q2): Biasa disebut juga predictive sample reuse,
yang merepresentasikan sejauh mana variabel yang diamati dapat
diprediksi oleh path model. Pendekatan ini diperoleh melalui proses
blindfolding. Ketentuannya adalah nilai Q2 harus lebih besar dari 0
(nol), yang menunjukan bahwa model memiliki predictive relevance.
Sebaliknya, apabila nilai Q2 kurang dari 0 (nol), berarti model tidak
memiliki predictive relevance (Ghozali & Latan, 2015).
 Effect size (f2): Pengukuran yang menunjukan besarnya dampak atau
pengaruh konstruk prediktor (eksogen) terhadap konstruk endogen.
effect size (f2) memiliki ketentuan nilai 0.02, 0.15, atau 0.35. Nilai
55
tersebut mengindikasikan bahwa konstruk eksogen memiliki efek kecil,

medium, atau besar terhadap konstruk endogen (Ghozali & Latan,
2015).
 T-Statistics: Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), prosedur
Bootstrapping memungkinkan signifikansi koefisien indikator formatif
untuk diuji. Untuk T-Statistics pada tingkat signifikansi 5% (two-tailed)
memiliki nilai diatas 1.96 dapat diasumsikan bahwa koefisien jalur
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 (Hair, Ringle, & Sarstedt, 2011).
Indikator dalam evaluasi model pengukuran (Outer Model):
 Convergent validity: Manifest Variable atau pengukur-pengukur dari
suatu konstruk seharusnya berkorelasi tinggi. Nilai uji Convergent
validity terlihat dari nilai outerloading setiap indikator konstruk, dan Commented [SC10]: Koreksi, biar sama seperti di bab 4
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
3.5.3. Desain Penelitian

Pada penelitian ini, terdapat dua aspek yang menjadi bahan kajian untuk
diteliti oleh peneliti. Aspek yang pertama adalah peneliti meneliti dari segi proses
bisnis, yaitu proses bisnis PT XYZ sebelum dan sesudah implementasi
Tranportation Reservation Management (TRM). Peneliti kemudian juga
memaparkan dan membandingkan fitur-fitur utama sistem TRM yang telah
terimplementasi sekarang, dengan fitur-fitur TRM berdasarkan requirement awal
PT. XYZ yang telah dirancang dalam functional design. Hal tersebut dilakukan
karena peneliti menemukan masih terdapat beberapa fitur sistem TRM yang
belum sesuai dengan kriteria requirement yang telah diminta oleh PT. XYZ
berdasarkan 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. Selain itu, aspek penelitian
kedua adalah penelitian dari segi sumber daya manusia, untuk mengetahui
faktor-faktor apa yang sebenarnya mempengaruhi pengguna TRM dapat
menerima dan ingin menggunakan TRM untuk melakukan pekerjaan mereka
dengan menggunakan metode Technology Acceptance Model (TAM). Dengan
demikian, perbaikan terhadap kekurangan dan ketidaksesuaian sistem TRM yang
telah teridentifikasi dalam analisa Fit Gap dapat dibuat lebih baik lagi dengan
mengacu kepada hasil penelitian TAM dalam melakukan implementasi fitur-fitur
TRM berikutnya. Penelitian tersebut dilakukan oleh peneliti secara kuantitatif,
dengan menggunakan instrumen berupa kuesioner yang berisi pertanyaan-
pertanyaan yang relevan dengan permasalahan yang diteliti oleh peneliti.
Kuesioner-kuesioner ini kemudian disebarkan kepada para pengguna
TRM di PT XYZ (sesuai batasan penelitian) sebagai responden terkait. Setiap
pertanyaan yang terdapat pada kesioner didapatkan dari variabel dan model
penelitian Technology Acceptance Model (TAM) yang diapakai oleh peneliti
dalam penelitian ini. Technology Acceptance Model memiliki variabel-variabel
penentu, yaitu computer self-efficacy, organizational support, training,
technological complexity, technological compatibility, panoptic empowerment,
serta individual performance. Gambar 3.5 menunjukkan model penelitian yang
57
dirancang untuk menentukan faktor-faktor apa yangpaling mempengaruhi

pengguna untuk ingin menggunakan TRM dalam melakukan pekerjaan mereka:
Gambar 3.5 Model Penelitian

Sumber. Rajan & Baral; 2015
Perancangan instrumen yang digunakan oleh peneliti dalam penelitian
ini diambil dan dikembangkan oleh peneliti dari beberapa instrumen penelitian
sebelumnya. Kuesioner yang merupakan instrumen penelitian yang digunakan
di dalam penelitian ini terdiri dari sekumpulan pertanyaan-pertanyaan yang
memiliki sifat close ended question dan open ended question (pertanyaan yang
bersifat wawancara).
Tabel 3.6 Dimensi Penelitian

No Variable Sub-variable Definisi Sumber

1 Computer Self- Self Confidence Sejauh mana Rajan & Baral,
Efficacy (CSE) kepercayaan diri 2015; Venkatesh
pengguna dalam & Bala, 2008
menggunakan TRM.
Peer Support Sejauh mana Rajan & Baral,
ketersediaan bantuan 2015; Venkatesh
dari orang lain & Bala, 2008
berpengaruh terhadap
penggunaan TRM
secara efektif oleh
pengguna.
58

Similarity Sejauh mana Rajan & Baral,
kemiripan TRM 2015; Venkatesh
dengan sistem lain & Bala, 2008
yang pernah
digunakan oleh
pengguna
berpengaruh terhadap
penyelesaian
pekerjaan pengguna
menggunakan TRM.
2 Organizational Technical Sejauh mana bantuan Rajan & Baral,
Support Support atau dukungan teknis 2015; Lee, Lee,
yang diberikan kepada Olson, & Chung,
pengguna dalam 2010
penggunaan TRM.
Management Sejauh mana bantuan Rajan & Baral,
Support dan sumber daya yang 2015; Lee, Lee,
disediakan oleh pihak Olson, & Chung,
manajemen untuk 2010
mendukung
penggunaan TRM.
3 Training Understanding Sejauh mana pelatihan Rajan & Baral,
Benefits of yang diberikan dapat 2015; Lee, Lee,
Using the memberikan Olson, & Chung,
System pemahaman tentang 2010
keuntungan
menggunakan TRM
dalam pekerjaan
pengguna.
Improvement Sejauh mana pelatihan Rajan & Baral,
on yang diberikan dapat 2015
Understanding meningkatkan
System pemahaman pengguna
tentang penggunaan
TRM.
Reducing Stress Sejauh mana pelatihan Rajan & Baral,
and Anxiety yang diberikan dapat 2015
meningkatkan
kepercayaan diri
sehingga mengurangi
gugup dan stress
59

pengguna dalam
menggunakan TRM.
4 Complexity Time Sejauh mana Rajan & Baral,

Consumed pengaruh 2015
kompleksitas TRM
terhadap banyaknya
waktu yang
diperlukan pengguna
untuk menyelesaikan
pekerjaannya.
Complexity Sejauh mana tingkat Rajan & Baral,
kerumitan 2015;
penggunaan TRM
bagi pengguna.
Mental Sejauh mana Rajan & Baral,
Workload pengaruh 2015
kompleksitas TRM
terhadap efek beban
mental dan stress
terhadap pengguna.
5 Compatibility Data Sejauh mana data dan Rajan & Baral,
Compatibility format data pada TRM 2015; Soh, Kien,
telah sesuai dengan and Tay-Yap
kebutuhan pekerjaan (2000)
pengguna.
Work Practices Sejauh mana Rajan & Baral,
Compatibility kompatibilitas TRM 2015;
dengan pelaksanaan Karahanna,
pekerjaan yang ada, Agarwal, &
sehingga penggunaan Angst, 2006
TRM tidak
memerlukan
perubahan cara kerja
yang substansial.
Compatibility Sejauh mana Rajan & Baral,
with prior kompatibilitas TRM 2015;
experience dengan pengalaman Karahanna,
yang sudah ada, Agarwal, &
sehingga pengguna Angst, 2006
sudah memiliki skema
kognitif yang sesuai
60

untuk menggunakan
TRM.
6 Perceived Performance Sejauh mana sistem Rajan & Baral,

Usefulness membantu 2015, Davis. F,
meningkatkan 1989
performa pekerjaan
Productivity Sejauh mana sistem Rajan & Baral,
membantu 2015, Davis. F,
meningkatkan 1989
produktifitas
pekerjaan
Effectiveness Mempertinggi Wibowo. A,
efektivitas, 2008
mengembangkan
kinerja perkerjaan
Usefulness Sejauh mana user Rajan & Baral,
berpendapat bahwa 2015, Davis. F,
sistem sangat berguna 1989
dalam pekerjaannya
7 Perceived ease Understandable Tingkat kemudahan Kurniawan. A,
of use untuk memahami 2016; Davis. F,
sistem 1989
Functionality Komputer sangat Wibowo. A,
mudah dipelajari 2008
User Friendly Sejauh mana sistem Wibowo. A,
mudah untuk 2008
digunakan
8 Intention to use Intention to use Kekuatan niat Rajan & Baral
seseorang untuk 2015; Fishbein &
melakukan perilaku Ajzen’s, 1975
tertentu
Desire to Motivasi untuk tetap Wibowo. A,
frequently use menggunakan sistem 2008
the system
9 Usage Frequency of Mengindikasikan Rajan & Baral,
Usage jumlah pemakaian 2015
sistem dalam suatu
periode
61

Duration of Mengindikasikan Rajan & Baral,
Usage jarak waktu 2015
pemakaian sistem
dalam suatu periode
Extent of Usage Mengindikasikan Rajan & Baral,
tingkatan penggunaan 2015, Davis. F,
sistem yang akan 1989
membantu melakukan
perkerjaan lebih baik
10 Individual Individual Pengaruh individu Rajan & Baral,
Performance Impact yang mempengaruhui 2015; Torkzadeh
penggunaan sistem & Doll, 1999
dan dampak terhadap
pekerjaannya
Importance and Nilai dan keyakinan Rajan & Baral,
Value dari sistem yang 2015; Cooper &
menguntungkan untuk Zmud, 1990;
diadopsi Ramamurthy &
Premkumar,
1995
11 Panoptic Error Tracing Sejauh mana sistem Kurniawan. A,
empowerment melindungi pengguna 2016
terhadap membuat
kesalahan
Procedural Rangkaian informasi Rajan. C, 2015;
Formality yang jelas (visibility) Elmes, Strong, &
dalam melakukan Volkoff, 2005
suatu pekerjaan
Sesuai dengan Model Penelitian yang dapat dilihat pada Gambar 3.7,
maka peneliti dapat merumuskan hipotesis sebagai berikut:
Tabel 3.3.7 Tabel Hipotesis
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
Hipotesis H0: Variabel Computer Self-efficiency tidak berpengaruh secara positif
2 dan signifikan terhadap variabel Perceived Ease of Use dalam
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
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
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
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
XYZ
Hipotesis H0: Variabel Compability tidak berpengaruh secara positif dan
TRM di PT. XYZ
H1: Variabel Compability berpengaruh secara positif dan signifikan
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
XYZ
Hipotesis H0: Variabel Perceived Ease of Use tidak berpengaruh secara positif dan
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
3.5.4. Metode Penarikan Kesimpulan

Peneliti akan mengunakan seluruh data yang telah dianalisa dan diolah
untuk menjadi data pendukung dalam menarik kesimpulan. Untuk menghasilkan
65
kesimpulan peneliti menggunakan metode SEM-PLS, dari hasil yang didapat

akan menjelaskan apakah TRM dapat diterima oleh penggunanya. Dengan SEM-
PLS juga nantinya akan menghasilkan faktor-faktor yang memiliki nilai-nilai
indikator pengujian.
66
Halaman ini sengaja dikosongkan

BAB 4
ANALISA DAN PEMBAHASAN
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.
4.1. Risk Analysis berdasarkan Fit Gap Analysis
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
Likelihood Level Score

Very Low 0 – 20
Low 21 – 40
Medium 41 – 60
High 61 – 80
Very High 81 - 100
Berikutnya pada Tabel 4.2 dapat dilihat nilai Impact berdasarkan
(Dumbravă & Iacob, 2014).
Tabel 4.2 Nilai Impact
Sumber. Dumbravă & Iacod: 2014
70
Lalu untuk menentukan probability impact matrix, selanjutnya

dibutuhkan perhitungan risk exposure. Pada (Dumbravă & Iacob, 2014), untuk
menghitung risk exposure dapat menggunakan rumus Risk Exposure = Impact *
Likelihood. Setelah penulis melakukan analisa untuk menentukan nilai pada
komponen likelihood dan impact maka didapatkan hasil perhitungan yang dapat
dilihat pada Tabel 4.3.
Tabel 4.3 Perhitungan Risk Exposure
Occurance
Impact Risk Exposure
No Likelihood
Requirement
. Proba Probab
Score Score Rating Score
bility ility
Penugasan pengemudi
sepenuhnya oleh
Very
1 sistem tanpa 90 High 4 C 36
High
memerlukan input oleh
user
Validasi agar
penugasan pengemudi
yang tersedia
didasarkan pada radius
lokasi pengemudi
2 terhadap lokasi order High 70 Medium 3 D 21
sewa, disertai dengan
validasi kriteria jumlah
order yang telah
ditangani oleh
pengemudi
Sistem dapat
menghasilkan laporan
pada level analytics
Very
3 berdasarkan data-data Low 35 5 E 17,5
High
operasional yang ada
untuk kepentingan
strategis
Selanjutnya, penulis membuat probility impact matrix berdasarkan dari
Tabel 4.3 dapat dilihat pada Tabel 4.4.
Tabel 4.4 Probability Impact Matrix
Impact
Low Medium High
Likelihood
Low - - E
Medium - - -
High - D C
71
4.2. Proses Bisnis Berdasarkan CR (Change Request) PT. XYZ
Setelah Transportation Reservation Management (TRM) berhasil

terimplementasi di PT. XYZ, masih direncanakan beberapa penambahan dan
perubahan pada fitur sistem yang cukup berpengaruh pada proses bisnis, salah satunya
yaitu pada proses bisnis XYZ Transportation Division. Hal tersebut dilakukan
didasarkan pada permintaan PT. XYZ yang melakukan change request untuk
menambah dan mengubah beberapa fitur pada Transportation Reservation
Management (TRM). Berdasarkan hasil analisa fit & gap beserta risk analysis yang
telah dilakukan peneliti, terdapat beberapa fitur TRM yang memang penting dan perlu
ditambahkan maupun diubah. Hal tersebut bertujuan memperbaiki gap (kekurangan
atau ketidak-sesuaian) pada sistem yang belum sesuai dengan requirement atau
kebutuhan awal PT XYZ. Dapat dikatakan, Change Request yang dilakukan oleh PT.
XYZ merupakan solusi yang dihasilkan berdasarkan fit gap analysis dan risk analysis.
Peneliti melakukan seleksi terhadap setiap changed request list yang
direncanakan. Dalam proses seleksi tersebut, peneliti melakukan diskusi dengan
Application Development Analyst yang merupakan person-in-charge terkhusus pada
unit bisnis XYZ Transportation Division untuk memastikan bahwa fitur-fitur change
request yang peneliti pilih berdampak pada gap (kekurangan atau ketidak-sesuaian)
sistem yang telah teridentifikasi melalui fit & gap analysis pada bab 3. Fitur-fitur yang
perlu ditambahkan dan diubah pada proses bisnis operasional di unit bisnis XYZ
Transportation Division adalah fitur Automatic Driver Selection dan Marketing
Analytics Report Generation.
4.2.1. Automatic Driver Selection

Pada Transportation Reservation Management (TRM) sekarang, proses
penugasan penugasan pengemudi & kendaraan memang telah menggunakan
sistem TRM, namun masih diperlukan input dari user. Order sewa yang belum
mendapatkan pengemudi karena tidak terdapat pengemudi yang menerima
(accept) order sewa tersebut dalam waktu yang telah ditentukan, yakni selama
10 menit, masih memerlukan input dari pihak sales marketing dengan secara
manual memilih pengemudi yang akan ditugaskan untuk melakukan order sewa
tersebut melalui sistem TRM. Apabila dibandingkan dengan requirement awal
PT. XYZ terkait fungsi penugasan pengemudi, PT. XYZ meminta agar semua
penugasan pengemudi sepenuhnya oleh sistem tanpa lagi memerlukan input oleh
72
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.
Gambar 4.1 Diagram Detailed sebelum Automatic Driver Selection

74
Gambar 4.2 Diagram Detailed Automatic Driver Selection

4.2.2. Marketing Analytics Report Generation

Pada Transportation Reservation Management (TRM) yang saat ini,
laporan yang dihasilkan oleh sistem TRM merupakan laporan yang masih
bersifat operasional, seperti data-data mengenai jumlah order sewa per hari
beserta rekap detail data-data order sewa, total pemasukan yang diterima,
pengemudi mana saja yang telah ditugaskan dan telah ditugaskan sebanyak
berapa kali, dan lain sebagainya. Laporan operasional tersebut dapat dihasilkan
setelah order sewa telah diselesaikan dan ditutup melalui TRM. Berdasarkan
laporan operasional tersebut, pihak sales marketing masih perlu secara manual
membuat laporan analytics untuk kepentingan strategis marketing, sehingga
laporan analytics tersebut dapat mendukung dalam pengambilan keputusan
untuk mengembangkan (improve) strategi yang dapat diterapkan dalam bisnis
XYZ Transportation Division. Apabila dibandingkan dengan requirement awal
dari PT. XYZ terkait pembuatan report tersebut, PT. XYZ meminta agar sistem
75
TRM dapat langsung menghasilkan laporan/report pada level analytics untuk

membantu pihak sales marketing.
Dengan adanya fitur Marketing Analytics Report Generation sistem
Transportation Reservation Management (TRM) dapat secara langsung
menghasilkan laporan atau report yang menyediakan informasi-informasi pada
level analytics dengan mengumpulkan berbagai data dari kegiatan operasional.
Dengan demikian, sales marketing tidak perlu membuat laporan analytics secara
manual berdasarkan laporan-laporan operasional dalam sistem TRM. Terlebih,
user juga dapat menggunakan pengaturan filter untuk memudahkan user
menentukan kriteria informasi yang ingin ditampilkan atau digunakan, seperti
kriteria berdasarkan tanggal order sewa, lokasi order sewa, pengemudi yang
melakukan order sewa, dan lain sebagainya. Berikut adalah rincian informasi
analytics yang dapat dihasilkan:
 Analisa Rush Hour: Berdasarkan data operasional order sewa, sistem
mampu menganalisa waktu-waktu saat order sewa paling banyak
dipesan dan akan dikategorikan sebagai rush hour. Dengan demikian,
order-order sewa yang perlu dilaksanakan pada rush hour atau jam-jam
sibuk akan dikenai biaya yang lebih tinggi. Sebaliknya, order sewa
yang dilaksanakan pada waktu di luar rush hour akan mendapatkan
potensi lebih besar untuk dikenai diskon pada biaya order sewa.
 Analisa lokasi order sewa: Sistem TRM akan menganalisa lokasi-lokasi
yang jarang terdapat order sewa berdasarkan data operasional order
sewa. Sehingga berdasarkan informasi tersebut, pemesanan order sewa
pada lokasi-lokasi tersebut akan mendapatkan potensi diskon
berdasarkan lokasi.
 Analisa frekuensi pemesanan order sewa oleh customer: Berdasarkan
jumlah pemesanan order sewa yang telah dilakukan oleh customer,
TRM dapat menampilkan informasi customer-customer mana saja yang
paling banyak memesan order sewa. Customer-customer tersebut akan
diberikan diskon yang lebih besar sebagai reward.
 Analisa customer persona: Marketing Analytics mampu menyediakan
informasi hasil anlisa customer persona yang merupakan segmentasi
customer berdasarkan demografi customer dan data order customer.
76
Berdasarkan hasil analisa tersebut, paket-paket promosi yang sesuai

dapat ditawarkan pada customer tertentu sesuai dengan segmentasinya.
 Analisa Efektifitas Marketing: Menganalisa sejauh mana efektifitas
strategi marketing yang telah diterapkan sekarang dengan
dibandingkan pada periode-periode sebelumnya dengan didasarkan
pada hal-hal seperti pendapatan yang diterima, jumlah order yang
diterima, dan lain sebagainya.
Gambar 4.3 dan Gambar 4.4 menggambarkan perbedaan alur sistem
sesudah dan sebelum menggunakan Marketing Analytics Report Generation.
Gambar 4.3 Diagram Detailed sebelum Marketing Analytics Report Generation

77
Gambar 4.4 Diagram Detailed Marketing Analytics Report Generation

78
4.3. Activity Diagram Proses Bisnis Berdasarkan CR (Change Request) PT.

XYZ
Gambar 4.5 Activity Diagram Proses Bisnis Berdasarkan CR (Change Request)

PT. XYZ
79
4.4. Pengumpulan Data

Pengumpulan data dilakukan terhadap 48 yang merupakan total populasi, namun
dikarena penulis menggunakan Teknik simple random sampling, maka dihasilkan 30
responden yaitu karyawan PT. XYZ yang tersebar khususnya pada cabang Jakarta. Commented [SC11]: Penambahan deskripsi
Sebelum kuesioner disebarkan, peneliti melakukan uji keterbacaan kuesioner untuk

memastikan semua pernyataan yang akan diberikan dapat dimengerti oleh
koresponden.
Uji keterbacaan dilakukan kepada 30 koresponden pada tanggal 26 November Commented [SC12]: Koreksi angka
2018 sampai 27 November 2018. Nantinya 30 koresponden akan memberikan kritik

dan saran pada setiap pertanyaan yang pada kuesioner. Hasil uji keterbacaan dapat
Tabel 4.5 Tabel Uji Keterbacaan
Nomor Nomor
Feedback Feedback
Responden Responden
1 OK 16 OK
Kata ‘interaksi’ pada
Kata ‘supervisor’ pada
pertanyaan nomor 19
pertanyaan nomor 29 lebih
2 lebih baik diperjelas dan 17
baik menggunakan Bahasa
detail mengenai interaksi
Indonesia.
dengan hal apa.
Kata ‘supervisor’ pada
pertanyaan nomor 29
3 18 OK
lebih baik menggunakan
Bahasa Indonesia.
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
Setelah peneliti menerima semua hasil uji keterbacaan terhadap instrumen
penelitian, terdapat beberapa butir pertanyaan yang akan diubah terkait atribut setiap
80
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
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.
Setelah peneliti melakukan revisi terhadap empat butir pertanyaan kuesioner

tersebut, peneliti kembali melakukan uji keterbacaan terhadap lima responden
sebelumnya untuk memastikan bahwa hasil akhir revisi pertanyaan-pertanyaan pada
kuesioner telah dapat diterima dengan baik oleh semua responden. Tabel berikut
menunjukkan hasil uji keterbacaan setelah revisi dilakukan pada pertanyaan-
pertanyaan kuesioner.
Tabel 4.7 Tabel Hasil Uji Keterbacaan Setelah Revisi
Nomor Nomor
Feedback Feedback
Responden Responden
1 OK 16 OK
2 OK 17 OK
81
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
4.5. Demografi Responden

Dalam penelitian ini, peneliti mengumpulkan data kuesioner yang dibutuhkan
melalui partisipasi karyawan PT XYZ sebagai responden. Karyawan PT XYZ yang
menjadi responden merupakan karyawan yang berada dalam unit bisnis XYZ
Transportation Division, khususnya pada cabang Jakarta. Dari seluruh kuesioner yang
telah disebar oleh peneliti, didapatkan sampel sebanyak 30 orang yang telah mengisi
kuesioner dengan baik sehingga jawaban yang diperoleh dari responden dapat
sepenuhnya digunakan dalam penelitian ini.
Demografi responden yang terdapat dalam penelitian ini dibagi berdasarkan
komponen-komponen, yakni usia, jenis kelamin, dan posisi/peran kerja pada unit
bisnis XYZ Transportation Division. Grafik berikut menunjukkan data responden
yang telah diperoleh dan dibagi ke dalam beberapa komponen, yang dapat dilihat pada
Gambar 4.6 sampai dengan Gambar 4.8.
Gambar 4.6 Demografi Persentase Responsen Berdasarkan Usia

82
Pada Gambar 4.6 yang menunjukkan pembagian reponden berdasarkan data

persentase usia, dapat dilihat bahwa terdapat sebanyak 14 orang dengan usia 17-26
tahun (47%), dan 13 orang dengan usia 27-36 tahun (43%), serta 3 orang dengan usia
37-46 tahun (10%). Dengan demikian, dapat disimpulkan berdasarkan usia para
pengguna Transportation Reservation Management dalam unit bisnis XYZ
Transportation Division (Jakarta) bahwa TRM harus digunakan oleh seluruh
karyawan tersebut tanpa adanya batasan usia.
Gambar 4.7 Demografi Persentasi Responden Berdasarkan Jenis Kelamin

Berdasarkan data yang dikumpulkan dari penelitian yang telah dilakukan,
demografi responden yang dibagi berdasarkan jenis kelamin karyawan PT XYZ pada
unit bisnis XYZ Transportation Division (Jakarta) dengan jumlah sampel sebanyak 30
orang dapat dilihat pada Gambar 4.7. Terdapat sebanyak 19 (63%) orang dengan jenis
kelamin pria. Sedangkan pengguna dengan jenis kelamin wanita terdapat sebanyak 11
(37%) orang. Berdasarkan jenis kelamin pengguna TRM pada unit bisnis XYZ
Transportation Division (Jakarta), dapat disimpulkan bahwa TRM harus digunakan
oleh pengguna yang berjenis kelamin pria maupun wanita.
83
Gambar 4.8 Demografi Persentasi Responden Berdasarkan Divisi/Peran

Pada Gambar 4.8 dapat dilihat demografi persentase reponden yang dibagikan
berdasarkan divisi/peran kerja responden dalam unit bisnis XYZ Transportation
Division (Jakarta). Gambar 4.8 menunjukkan bahwa terdapat 1 (4%) orang dari posisi
Sales Manager, 1 (3%) orang dari posisi Kepala Cabang, 4 (14%) orang dari posisi
Kepegawaian, 9 (30%) orang dari posisi Sales Marketing, 1 (3%) orang dari posisi
Kepala Kepegawaian, 1 orang (3%) dari posisi Kepala Teknisi, 3 orang (10%) dari
posisi Teknisi, 7 (23%) orang dari posisi Accounting, 3 (10%) orang dari posisi Sales
Marketing Supervisor. Dengan melihat berdasrkan posisi/peran kerja, dapat
disimpulkan bahwa sampel responden telah mewakili seluruh posisi/peran kerja yang
terdapat dalam unit bisnis XYZ Transportation Division (Jakarta).
4.6. Daftar Pertanyaan

Dalam sub-bab ini, peneliti akan memaparkan daftar pertanyaan pada kuesioner
yang akan disebarkan kepada para responden. Seperti pada Tabel 4.8 peneliti
memberikan kolom item. Kolom item bertujuan untuk meringkas atau mempersingkat
nama-nama variabel yang digunakan (contoh: Computer Self-Efficacy menjadi CSE)
dan nomor pada singkatan variabel untuk mewakili setiap pertanyaan kepada setiap
subvariabel.
Dalam penelitian ini, peneliti menggunakan 30 pertanyaan yang mewakili 11
(sebelas) variabel. Setiap pertanyaan menggunakan 6 skala likert 1 sampai 6 yang
84
merepresentasikan pendapat tiap responden dalam penggunaan TRM. Berikut Tabel

4.8 yang merupakan tabel daftar pertanyaan.
Tabel 4.8 Tabel Daftar Pertanyaan
No Variable Sub-variable Item Pertanyaan
1 Computer Self- Self Confidence CSE1 Saya merasa percaya diri

Efficacy (CSE) terhadap kemampuan yang
saya miliki untuk
menyelesaikan pekerjaan saya
menggunakan TRM.
Peer Support CSE2 Saya dapat lebih efektif
menggunakan TRM apabila
terdapat rekan kerja yang dapat
membantu saya dalam
penggunaan TRM.
Similarity CSE3 Saya dapat menyelesaikan
pekerjaan saya menggunakan
TRM walaupun saya belum
pernah menggunakan sistem
yang serupa sebelumnya.
2 Organizational Technical OS1 Saya mendapatkan bantuan
Support Support teknis yang baik ketika saya
mengalami masalah dalam
penggunaan TRM.
Management OS2 Pihak manajemen
Support menyediakan bantuan dan
sumber daya yang diperlukan
untuk memungkinkan saya
menggunakan TRM.
3 Training Understanding TR1 Tingkat pemahaman saya
Benefits of dalam menggunakan TRM
Using System
85
meningkat setelah melalui

program pelatihan.
Improvement TR2 Pelatihan yang diberikan
on membuat saya mengetahui
Understanding keuntungan menggunakan
System TRM dalam menyelesaikan
pekerjaan saya.
Reducing stress TR3 Pelatihan yang diberikan dapat
and anxiety mengurangi rasa gugup dan
stress saya untuk
menggunakan TRM.
4 Complexity Time Consumed CX1 Menggunakan TRM tidak
memakan banyak waktu dalam
pekerjaan saya sehari-hari.
Complexity CX2 Menggunakan TRM tidak
rumit, saya mudah memahami
TRM.
Mental CX3 Menggunakan TRM tidak
Workload memberikan saya beban
mental dan stress.
5 Compatibility Data COMP1 Data dan format data yang
Compatibility disediakan oleh TRM telah
sesuai dengan yang saya
butuhkan untuk pekerjaan
saya.
Work Practices COMP2 TRM sudah sesuai dengan
Compatibility prosedur pelaksanaan
pekerjaan yang saya inginkan
saat ini.
86
Compatibility COMP3 Menyelesaikan pekerjaan

with prior dengan menggunakan TRM
experience sudah sesuai dengan
pengalaman kerja yang telah
saya miliki sebelumnya.
6 Perceived Performance PU1 Penggunaan TRM
Usefulness meningkatkan performa saya
dalam menyelesaikan
pekerjaan.
Productivity PU2 Penggunaan TRM
meningkatkan produktifitas
saya dalam menyelesaikan
pekerjaan.
Effectiveness PU3 Penggunaan TRM
meningkatkan efektifitas saya
dalam pekerjaan yang saya
lakukan.
Usefulness PU4 Saya merasa TRM bermanfaat
dalam penyelesaian pekerjaan
saya.
7 Perceived ease Understandable PEOU1 Interaksi saya dengan tampilan
of use TRM telah jelas dan mudah
untuk saya pahami.
Easy to learn PEOU2 Saya merasa mudah untuk
menyelesaikan apa yang saya
perlukan dengan menggunakan
TRM.
User Friendly PEOU3 Secara keseluruhan, saya
merasa tampilan TRM mudah
untuk digunakan.
87
8 Intention to use Intention to use IU1 Saya lebih memilih untuk

menggunakan TRM untuk
menyelesaikan pekerjaan saya
ketimbang menggunakan cara
manual.
Desire to IU2 Saya akan sebanyak mungkin
frequently use menggunakan TRM pada
the system pekerjaan saya.
9 Usage Frequency USG1 Seberapa sering rata-rata Anda
Usage membuka TRM dalam satu
hari?
1 = <3 kali 4 = 7-9 kali
2 = 3-5 kali 5 = 9-11 kali
3 = 5-7 kali 6 = >11 kali
Duration Usage USG2 Berapa rata-rata durasi Anda
menggunakan TRM dalam
satu hari?
1 = <1 jam 4 = 4-6 jam
2 = 1-2 jam 5 = 6-8 jam
3 = 2-4 jam 6 = >8 jam
Extent of Usage USG3 Sejauh mana tingkat
pemahaman Anda dalam
penggunaan TRM sekarang?
1 = Sangat Tidak Paham
2 = Tidak Paham
3 = Kurang Paham
4 = Cukup Paham
5 = Paham
6 = Sangat Paham
10 Individual Individual IP1 Terdapat banyak dampak
Performance Impact positif dari penggunaan TRM
terhadap efektifitas dan
produktifitas dalam pekerjaan
saya.
88
Importance and IP2 Saya merasa penggunaan TRM

Value penting dan bernilai dalam
membantu peningkatan
performa pekerjaan saya.
11 Panoptic Error Tracing PE1 Apabila terdapat error,
empowerment atasan/pengawas saya dapat
dengan mudah melacak waktu,
letak, dan oleh siapa penyebab
error tersebut terjadi.
Procedural PE2 Prosedur yang diberikan untuk
Formality menyelesaikan pekerjaan telah
dibawakan dengan sangat
jelas.
4.7. Uji Validitas dan Relibilitas

Selain pengujian keterbacaan, perlu dilakukan juga uji validitas dan reliablitas.
Pengujian validitas dan reliabilitas dilkaukan untuk menentukan validity atau
keberlakuan suatu penelitian. Pengujian tersebut dilakukan terhadap setiap butir
pertanyaan yang terdapat dalam kuesioner penelitian. Pengujian validitas dilakukan
dengan tujuan mengukur seberapa baik suatu alat ukur yang telah dibuat dalam
pengukuran konsep yang akan diukur. Apabila hasilnya valid, berarti instrumen
tersebut dapat digunakan untuk mengukur hal yang perlu diukur dalam penelitian. Alat
ukur yang dinyatakan valid tentunya memiliki tingkat validitas yang tinggi.
Sebaliknya, apabila suatu alat ukur dinyatakan kurang valid, berarti alat ukur tersebut
memiliki tingkat validitas yang rendah. Pengujian validitas suatu alat ukur dengan
menggunakan SPSS dapat diukur melalui r hitung (corrected item – total correlation)
(CI-TC). Apabila r hitung yang dihasilkan oleh SPSS lebih besar daripada r tabel,
maka pertanyaan-pertanyaan yang terdapat dalam kuesioner dapat dinyatakan valid
dan dapat digunakan untuk penelitian.
Pengujian reliabilitas dilakukan dengan tujuan mengetahui sejauh mana tingkat
konsistensi dan stabilitas dari setiap pertanyaan dalam kuesioner. Suatu alat ukur dapat
89
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.
4.7.1. Uji Validitas

Untuk memastikan apakah r hitung (corrected item – total correlation)
lebih besar daripada r tabel, peneliti sebelumnya menentukan nilai r tabel
terlebih dahulu menggunakan rumus r tabel berikut.
Gambar 4.9 Rumus r tabel

Sumber. Sugiyono; 2010
Dari rumus yang didapatkan peneliti melakukan perhitungan seperti
berikut:
Nilai N = 30 Nilai df = N - 2 = 28
2,042272456
Nilai t = 2,042272456 Nilai r = = 0,361
√28+2,0422724562
Lalu setelah mendapatkan nilai dari r tabel, selanjutnya peneliti

membandingkan nilai tersebut dengan nilai r hitung. Peneliti menggunakan
hasil perhitungan Cronbach’s Alpha pada SPSS dengan hasil seperti dapat
Tabel 4.9 Tabel Item Total Statistics
Corrected Item-
Variable Items Total r table Validity
Correlation
CSE1 0,428 0,361 Valid
Computer Self-
CSE2 0,455 0,361 Valid
Efficacy
CSE3 0,446 0,361 Valid
Organization OS1 0,485 0,361 Valid
Support OS2 0,576 0,361 Valid
90
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.
4.7.2. Uji Reliabilitas

Untuk dapat melakukan uji reliabilitas, peneliti menentukan nilai
pembanding sebagai nilai penentu apakah uji reliabilitas dapat dikatakan valid.
Menurut (Ghozali & Latan, 2015) nilai Croncbach’s Alpha dapat dikatakan
valid apabila dapat melebihi atau sama dengan 0,7.
91
Lalu setelah mendapatkan nilai penentu, peneliti melakukan

perhitungan menggunakan SPSS sehingga mendapatkan hasil yang dapat
Tabel 4.10 Reliability Statistics
Cronbach's Alpha N of Items
0,935 30
Berdasarkan nilai pada Tabel 4.10, nilai Croncbach’s Alpha dari jumlah
keseluruhan pertanyaan lebih besar dari 0,7, yakni dengan nilai sebesar 0,935.
Dengan demikian, dapat disimpuulkan bahwa seluruh pertanyaan yang telah
diuji tersebut reliabel untuk digunakan dalam penelitian ini.
4.8. Analisa Structural Equation Modeling (SEM)
Peneliti menggunakan perangkat lunak SmartPLS versi 3.0 untuk menganalisa
Structural Equation Modeling (SEM). Terdapat 4 langkah dalam analisa SEM, yakni:
pembuatan path diagram, melakukan evaluasi pengukuran (Outer Model), melakukan
evaluasi Structural Model (Inner Model), serta yang terakhir adalah melakukan
pengujian terhadap hipotesis-hipotesis yang telah telah dibuat sebelumnya. Melalui
analisa SEM, hasil akhir analisa akan lebih difokuskan kepada hubungan antara
Perceived Ease of Use dengan Perceived Usefulness dalam penerimaan TRM pada PT
XYZ di unit bisnis XYZ Transportation Division.
4.8.1. Path Diagram

Pembuatan Path Diagram merupakan langkah pertama yang dilakukan
dalam analisa SEM untuk model penelitian. Path Diagram dibuat dengan
mengacu kepada kerangka kerja Technology Acceptance Model (TAM) untuk
mengetahui seberapa jauh pengguna merima TRM sebagai sistem yang
digunakan untuk menyelesaikan pekerjaan mereka sehari-hari. Dalam hal ini,
terdapat beberapa faktor pendukung dalam penerimaan pengguna terhadap
TRM, yaitu Computer Self-Efficacy (CSE), Organizational Support (OS),
Training (TR), Complexity (CX), dan Compatibility (COMP). Selanjutnya,
faktor-faktor tersebut terhubung secara partial dengan 2 variabel lain yaitu
Perceived Usefulness (PU) dan Perceived Ease of Use (PEOU). Kemudian
variabel Perceived Ease of Use akan dihubungkan dengan variabel Perceived
Usefulnes (PU). Setelah itu, kedua variabel tersebut akan dihubungkan dengan
variabel lain yaitu variabel Intention to Use (ITU). Selain dihubungkan dengan
92
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.
Gambar 4.10 Path Diagram pada SmartPLS

Berikut persamaan regresi yang didapat dari model penelitian pada
Gambar 4.10:
 PEOU = A1 * CSE + ԑ1  PU = B4 * CX + ԑ9
 PEOU = A2 * OS + ԑ2  PU = B5 * COMP + ԑ10
 PEOU = A3 * TR + ԑ3  PU = B6 * PEOU + ԑ11
 PEOU = A4 * CX + ԑ4  ITU = C1 * PEOU + ԑ12
 PEOU = A5 * COMP + ԑ5  ITU = C2 * PU + ԑ13
 PU = B1 * CSE + ԑ6  USG = D1 * ITU + ԑ14
 PU = B2 * OS + ԑ7  PE = E1 * USG + ԑ15
 PU = B3 * TR + ԑ8  IP = F1 * USG + ԑ16
Berdasarkan persamaan regresi yang terdapat pada model penelitian
diatas, nilai dari variabel-variabel A1, A2, A3, A4, A5, B1, B2, B3, B4, B4, B5,
B6, C1, C2, D1, E1, hingga F1 dapat dilihat dari hasil analisis Structural Model.
Sedangkan variabel-variabel ԑ1, ԑ2, ԑ3, ԑ4, ԑ5, ԑ6, ԑ7, ԑ8, ԑ9, ԑ10, ԑ11 ԑ12, ԑ13,
ԑ14, ԑ15, dan ԑ16 adalah variabel-variabel yang terdapat diluar penelitian ini.
2
4.8.2. Pengujian Model Pengukuran (Outer Model)

Uji pengukuran model atau yang disebut juga dengan Outer Model dapat
dilakukan dengan cara pengujian validitas konvergen serta pengujian validitas
dikriminan, dan juga melakukan pengujian realibilitas.
4.8.2.1.Pengujian Validitas Konvergen
Validitas konvergen berhubungan dengan prinsip yang
menyatakan bahwa korelasi pengukur-pengukur / variabel dari suatu
konstruk seharusnya bernilai tinggi. Uji validitas konvergen indikator
refleksif dapat dilihat melalui nilai dari loading factor dari setiap
indikator konstruk. Teori validitas konvergen tersebut dinyatakan oleh
(Ghozali & Latan, 2015). Uji validitas konvergen indikator refleksif
dapat dilihat melalui nilai dari loading factor dari setiap indikator
konstruk. Tabel berikut menunjukkan nilai Outer Loading untuk setiap
indikator yang terdapat pada path diagram model penelitian.
Tabel 4.11 Tabel Outerloading
Outer Outer Outer
Variabel Loading Variabel Loading Variabel Loading
COMP1 0,483 IP2 0,765 PU1 0,838
COMP2 0,723 IU1 0,838 PU2 0,638
COMP3 0,843 IU2 0,872 PU3 0,691
CSE1 0,755 OS1 0,773 PU4 0,883
CSE2 0,606 OS2 0,874 TR1 0,773
CSE3 0,749 PE1 0,978 TR2 0,567
CX1 0,783 PE2 0,777 TR3 0,876
CX2 0,928 PEOU1 0,624 USG1 0,848
CX3 0,806 PEOU2 0,703 USG2 0,728
IP1 0,923 PEOU3 0,804 USG3 0,831
Berdasarkan teori (Ghozali & Latan, 2015), aturan dasar atau

yang dikenal juga dengan istilah rule of thumb yang umumnya digunakan
untuk menilai validitas suatu konvergen adalah nilai loading factor yang
harus bernilai lebih dari 0,7. Pada Tabel 4.11, dapat dilihat terdapat
sebanyak 6 indikator yang bernilai dibawah 0,7. Indikator-indikator
tersebut yakni indicator COMP1, CSE2, PEOU1, PU2, PU3, dan TR2.
3
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
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
4.8.2.2.Pengujian Validitas Diskriminan

Berdasarkan pendapat (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
berpendapat bahwa validitas diskriminan (discriminant validity)
menunjukkan perbedaan nyata suatu konstruk dengan konstruk-konstruk
lainya. Validitas diskriminan (discriminant validity) dengan indikator
refleksif dapat diuji dengan cara melihat nilai Cross Loading dari masing-
masing variabel. Tabel 4.13 menunjukkan nilai Cross Loading antar
variabel-variabel.
Tabel 4.13 Tabel Crossloading
COMP CX CSE IP ITU OS PE PEOU PU TR USG
COMP1 0,483 0,623 0,407 0,319 0,519 0,668 0,418 0,233 0,392 0,434 0,404
COMP2 0,723 0,367 0,292 0,258 0,32 0,286 0,554 0,409 0,471 0,49 0,373
COMP3 0,843 0,415 0,367 0,538 0,462 0,42 0,454 0,58 0,498 0,524 0,492
CSE1 0,229 0,314 0,755 0,322 0,365 0,261 0,367 0,476 0,347 0,189 0,459
CSE2 0,549 0,466 0,606 0,395 0,185 0,242 0,38 0,163 0,354 0,15 0,467
CSE3 0,351 0,344 0,749 0,367 0,173 0,605 0,332 0,379 0,391 0,462 0,123
CX1 0,491 0,783 0,297 0,266 0,392 0,311 0,437 0,234 0,463 0,529 0,331
CX2 0,667 0,928 0,525 0,578 0,526 0,545 0,434 0,545 0,596 0,621 0,509
CX3 0,357 0,806 0,418 0,451 0,476 0,521 0,437 0,354 0,35 0,491 0,366
IP1 0,49 0,44 0,432 0,923 0,623 0,387 0,476 0,49 0,573 0,434 0,652
IP2 0,437 0,498 0,425 0,765 0,379 0,325 0,374 0,275 0,368 0,535 0,39
IU1 0,368 0,375 0,277 0,428 0,838 0,453 0,476 0,499 0,372 0,555 0,538
IU2 0,641 0,567 0,32 0,616 0,872 0,627 0,556 0,574 0,537 0,594 0,554
OS1 0,494 0,379 0,299 0,188 0,493 0,773 0,675 0,266 0,36 0,454 0,2
OS2 0,514 0,522 0,552 0,474 0,555 0,874 0,367 0,495 0,289 0,593 0,201
PE1 0,711 0,52 0,55 0,524 0,592 0,563 0,978 0,558 0,764 0,647 0,64
PE2 0,354 0,334 0,199 0,307 0,472 0,548 0,777 0,293 0,423 0,456 0,212
PEOU1 0,414 0,339 0,385 0,33 0,345 0,175 0,105 0,624 0,349 0,323 0,331
PEOU2 0,452 0,414 0,413 0,346 0,476 0,528 0,548 0,703 0,617 0,522 0,278
PEOU3 0,444 0,264 0,297 0,34 0,504 0,266 0,408 0,804 0,533 0,431 0,422
PU1 0,463 0,4 0,565 0,476 0,462 0,448 0,558 0,706 0,838 0,577 0,446
PU2 0,437 0,319 0,266 0,23 0,294 0,252 0,345 0,61 0,638 0,443 0,244
PU3 0,433 0,417 0,288 0,631 0,392 0,097 0,592 0,304 0,691 0,458 0,555
PU4 0,644 0,611 0,408 0,437 0,48 0,341 0,726 0,567 0,883 0,56 0,522
TR1 0,573 0,4 0,394 0,339 0,438 0,384 0,504 0,542 0,553 0,773 0,405
TR2 0,303 0,459 0,186 0,373 0,396 0,432 0,223 0,237 0,292 0,567 0,174
5

TR3 0,601 0,637 0,266 0,53 0,662 0,64 0,631 0,514 0,589 0,876 0,393
USG1 0,612 0,509 0,425 0,494 0,477 0,17 0,506 0,436 0,526 0,384 0,848
USG2 0,279 0,248 0,321 0,451 0,362 0,126 0,406 0,175 0,313 0,241 0,728
USG3 0,526 0,408 0,389 0,586 0,567 0,265 0,471 0,492 0,525 0,451 0,831
Dapat dilihat pada Tabel 4.13 untuk variabel COMP1 memiliki

nilai yang lebih kecil daripada nilai konstruk lainnya. Oleh karena itu,
peneliti mememutuskan untuk menghapus variabel COMP1 dan
melakukan perhitungan ulang. Tabel 4.14 menunjukan Tabel
Crossloading tanpa menggunakan variabel COMP1.
Tabel 4.14 Tabel Crossloading tanpa Variable COMP1
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
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
Tabel 4.16 Tabel Composite Reliability

Composite
No Variabel Reliability
1 Computer Self-Efficacy 0,748
2 Organization Support 0,809
3 Training 0,789
4 Complexity 0,878
5 Compability 0,821
6 Perceived Usefulness 0,85
7 Perceived Ease of Use 0,756
8 Intention to Use 0,845
9 Usage 0,845
10 Individual Performance 0,835
11 Panoptic Empowerment 0,875
Tabel 4.15 dan Tabel 4.16 menunjukkan bahwa nilai Cronbach’s

Alpha dan Composite Reliability dari masing-masing variabel laten
model penelitian. Dapat dilihat bahwa nilai Cronbach’s Alpha dan
Composite Reliability memiliki nilai antara 0,5 hingga 0,8. Seperti yang
telah dijelaskan sebelumnya, Cronbach’s Alpha menghasilkan nilai yang
under-estimate, sehingga peneliti mengunakan Composite Reliability
sebagai acuan utama. Composite Reliability dalam penelitian ini
memiliki nilai antara 0,7 hingga 0,8 sehingga dapat dikatakan reliabel.
4.8.3. Pengujian Model Struktural (Inner Model)

Berdasarkan pendapat (Ghozali & Latan, 2015), dalam menilai suatu
model Structural dapat dimulai dengan cara melihat nilai R-Square pada setiap
variabel laten endogen sebagai kekuatan prediksi suatu model structural. Selain
itu, melakukan evaluasi model juga dapat dilakukan dengan cara Q2 predictive
relevance melalui prosedur yang disebut dengan blindfolding. Pengujian
structural model atau model struktural dilakukan dengan melakukan penilaian
terhadap koefisien determinasi (R2), effect size (f2), nilai Q2, jalur koefisien, dan Commented [SC13]: Tambahan biar sesuai subbab
juga nilai T-Statistics.
4.8.3.1. Koefisien Determinasi

Menurut (Ghozali & Latan, 2015), perubahan yang terjadi pada
nilai R-Square dapat menjelaskan apakah terdapat pengaruh substantive
dari pengaruh variabel laten eksogen tertentu terhadap variabel laten
8
endogen. Berdasarkan pendapat Chin dalam (Ghozali & Latan, 2015), R-

Square yang memiliki nilai 0.67, 0.33, serta 0.19 masing-masing dapat
diartikan bahwa model “baik”, “moderat”, dan “lemah”. Nilai R2 pada
setiap variabel laten endogen dapat dilihat pada Tabel 4.17. Berdasarkan
tabel tersebut, dintujukkan bahwa variabel-variabel memiliki kategori
“baik”, “moderat”, hingga lemah. Model pengaruh Computer Self-
Efficacy, Organizational Support, Training, Complexity, Compatibility,
dan Perceived Ease of Use terhadap Perceived Usefulnes memiliki nilai
sebesar 0,667. Dengan demikian, dapat dikatakan bahwa variabel
Perceived Usefulness dapat dijelaskan oleh variabel Computer Self-
Efficacy, Organizational Support, Training, Complexity, Compatibility,
dan Perceived Ease of Use dengan pengaruh sebesar 66,7%, sedangkan
33,3% yang sisanya dapat dijelaskan oleh variabel yang terdapat diluar
penelitian.
Pengaruh dari Computer Self-Efficacy, Organizational Support,
Training, Complexity, dan Compatibility terhadap variabel Perceived
Ease of Use memiliki nilai sebesar 0,51. Hal tersebut menunjukkan
bahwa variabel Perceived Ease of Use dapat dijelaskan oleh variabel
Computer Self-Efficacy, Organizational Support, Training, Complexity,
dan Compatibility dengan pengaruh sebesar 51%, dan 49% lainnya dapat
dijelaskan oleh variabel yang terdapat diluar penelitian ini.
Kemudian pengaruh dari Perceived Usefulness dan Perceived
Ease of Use terhadap Intention to Use bernilai sebesar 0,409. Dengan
demikian, dapat diartikan bahwa variabel Perceived Usefulness dan
Perceived Ease of Use mampu menjelaskan variabel Intention to Use
sebesar 40,9% dan 50,9% yang lainnya dijelaskan oleh variabel yang
terdapat diluar penelitian.
Selain itu, terdapat juga pengaruh dari Intention to Use terhadap
Usage yang bernilai sebesar 0,407. Nilai tersebut menunjukkan bahwa
variabel Intention to Use mampu menjelaskan variabel Usage dengan
pengaruh sebesar 40,7% dan 59 ,3% yang lainnya dijelaskan oleh
variabel diluar penelitian ini.
Terdapat juga model pengaruh Individual Performance yang
dipengaruhi oleh variabel Usage dengan nilai sebesar 0,411. Dengan
9
demikian, dapat diartikan bahwa variabel Usage mampu menjelaskan

variabel Individual Performance sebesar 41,1% Selain itu, maka 58,9%
yang lainnya dapat dijelaskan oleh variabel yang terdapat diluar
penelitian ini.
Model pengaruh Panoptic Empowerment yang dipengaruhi oleh
variabel Usage dengan nilai sebesar 0,331 memiliki arti bahwa variabel
Usage mampu menjelaskan variabel Panoptic Empowerment hingga
sebesar 33,1% dan 66,9% yang lainnya dapat dijelaskan oleh variabel
yang terdapat diluar penelitian.
Tabel 4.17 Tabel R Square
Variable Endogen R-Square Keterangan
Perceived Usefulness 0,667 Baik
Perceived Ease of Use 0,51 Moderat
Intention to Use 0,409 Moderat
Usage 0,407 Moderat
Individual Performance 0,411 Moderat
Panoptic Empowerment 0,331 Lemah
Pada Tabel 4.17 diatas, ditunjukkan bahwa nilai R2 yang terdapat
pada Perceived Usefulness tergolong kedalam kategori “Baik”. Variabel
Perceived Ease of Use, Intention to Use, Usage, dan Individual
Performance dapat dikategorikan sebagai “Moderat”. Selain itu,
variabel-variabel Panoptic Empowerment tegolong kedalam kategori
“Lemah”.
4.8.3.2. Effect Size (f2)

Berdasarkan teori (Hair, Hult, Ringle, & Sarstedt, 2014), nilai
effect size (f2) tidak hanya digunakan untuk mengevaluasi nilai R2 dari
semua kontruk endogen. Nilai effect size (f2) juga digunakan untuk
mengevaluasi dampak terhadap variabel endogen ketika suatu variabel
eksogen dihilangkan. Menurut (Ghozali & Latan, 2015), nilai (f2) sebesar
0.02, 0.15, serta 0.35 dapat diartikan bahwa prediktor vairabel laten
memiliki pengaruh yang kecil, menengah (sedang), dan besar pada
level/tingkat struktural. Apabila prediktor dari suatu konstruk endogen
perlu dicari tahu, maka baseline model dapat digunakan untuk
membandingkan antara dua atau lebih variabel laten tambahan.
10
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
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
Complexity Perceived Usefulness 0,034 Sedang

Complexity Perceived Ease of Use 0,000 Kecil
Compability Perceived Usefulness 0,009 Kecil
Compability Perceived Ease of Use 0,112 Sedang
Perceived Ease of Use Perceived Usefulness 0,238 Sedang
Perceived Ease of Use Intention to Use 0,206 Sedang
Perceived Usefulness Intention to Use 0,025 Sedang
Intention to Use Usage 0,687 Besar
Usage Individual Performance 0,698 Besar
Usage Panoptic Empowerment 0,494 Besar
4.8.3.3.Nilai Relevansi Prediktif (Q2)

Menurut (Hair, Hult, Ringle, & Sarstedt, 2014), Relevansi
Prediktif adalah pengukuran berdasarkan Teknik blindfolding untuk Commented [SC14]: ganti definisinya biar sesuai sama
bab 2
menentukan relevansi antara konstruktor prediktor pada konstruk
endogen. Metode pendekatan yang digunakan pada SEM-PLS adalah
dengan menggunakan prosedur yang disebut dengan proses blindfolding.
Dalam proses blindfolding, apabila nilai Q2 lebih besar dari nol (0), maka
hal tersebut menunjukkan bahwa model yang digunakan memiliki
predictive relevance. Sedangkan apabila Q2 bernilai lebih kecil daripada
nol (0), hal tersebut dapat diartikan bahwa model yang digunakan masih
kurang memiliki predictive relevance. Tabel 4.19 menunjukkan
besarnya nilai-nilai Q2 yang terdapat pada model penelitian ini.
Tabel 4.19 Tabel Relevasi Prediktif
Variabel SSO SSE Q² (=1-SSE/SSO)
Perceived Usefulness 120000 82457 0,313
Perceived Ease of Use 90000 73182 0,187
Intention to Use 60000 44209 0,263
Usage 90000 69726 0,225
Individual Performance 60000 44418 0,26
Panoptic Empowerment 60000 49695 0,172
Pada Tabel 4.19, ditunjukkan bahwa semua nilai dari Q2 memilki

nilai yang lebih besar daripada nol (0). Dengan demikian, dapat
12
disimpulkan bahwa model penelitian yang digunakan telah memenuhi

kriteria relevansi prediktif.
4.8.3.4. Jalur Koefisien

Berdasarkan pendapat (Hair, Hult, Ringle, & Sarstedt, 2014),
evaluasi terhadap kekuatan dan signifikasi koefisien suatu jalur dilakukan
untuk mencari tahu hubungan (jalur struktural) hipotesis antar konstruk.
Jalur yang standar memiliki nilai koefisien yang berkisar dari -1 hingga
+1. Nilai koefisien yang mendekati +1 mewakilkan hubungan positif
yang kuat, sedangkan nilai koefisien yang mendekati -1 mewakili
hubungan negatif yang kuat.
Berdasarkan pendapat (Furadantin, 2018), untuk nilai-nilai
koefisien yang terletak pada rentang -0.1 hingga 0.1 dianggap tidak
signifikan. Koefisien yang memiliki nilai lebih besar dari 0.1 dianggap
signifikan berbanding lurus, sedangkan koefisien yang bernilai lebih
kecil dari -0.1 dianggap signifikan berbanding terbalik.
Berdasarkan Tabel 4.20, dapat dilihat bahwa koefisien jalur
memiliki nilai dari rentang -0,262 hingga 0,641. Dengan demikian,
terdapat 3 buah jalur yang mewakili hubungan negative kuat, yakni jalur
Organizational Support → Perceived Usefulness, Organization Support →
Perceived Ease of Use, dan Complexity → Perceived Ease of Use.
Lalu, terdapat juga 13 jalur yang mewakili hubungan positive
kuat. Jalur-jalur tersebut adalah Computer Self-Efficacy → Perceived
Usefulness, Computer Self-Efficacy → Perceived Ease of Use, Training
→ Perceived Usefulness, Training → Perceived Ease of Use, Complexity
→ Perceived Usefulness, Compability → Perceived Usefulness,
Compability → Perceived Ease of Use, Perceived Ease of Use →
Perceived Usefulness, Perceived Ease of Use → Intention to Use,
Perceived Usefulness → Intention to Use, Intention to Use → Usage,
Usage → Individual Performance, & Usage → Panoptic Empowerment.
Tabel 4.20 Tabel Path Coeffcient
Path Original Sample
Computer Self-Efficacy → Perceived Usefulness 0,195
Computer Self-Efficacy → Perceived Ease of Use 0,269
13
Path Original Sample

Organization Support → Perceived Usefulness -0,262
Organization Support → Perceived Ease of Use -0,002
Training → Perceived Usefulness 0,368
Training → Perceived Ease of Use 0,335
Complexity → Perceived Usefulness 0,153
Complexity → Perceived Ease of Use -0,021
Compability → Perceived Usefulness 0,077
Compability → Perceived Ease of Use 0,302
Perceived Ease of Use → Perceived Usefulness 0,403
Perceived Ease of Use → Intention to Use 0,503
Perceived Usefulness → Intention to Use 0,335
Intention to Use → Usage 0,638
Usage → Individual Performance 0,641
Usage → Panoptic Empowerment 0,575
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
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
4.8.4. Pengujian Hipotesis Faktor Penerimaan

Peneliti melakukan pengujian hipotesis faktor penerimaan dengan tujuan
menentukan apakah hipotesis-hipotesis yang telah dibuat sebelumnya dapat
diterima atau tidak dapat diterima (ditolak). Dalam melakukan pengujian
tersebut, peneliti menggunakan nilai T-Statistics untuk dijadikan sebagai acuan
dalam menganalisis hipotesis. T-Statistics yang dijadikan sebagai acuan adalah
yang bernilai lebih besar dari 1.96 dengan nilai koefisien jalur yang berada diatas
5% (0.05), yang menunjukkan tingkat signifikansi dalam pengujian hipotesis
faktor penerimaan ini. Berikut merupakan hasil pengujian hipotesis faktor
penerimaan untuk model penelitian.
15
Tabel 4.22 Tabel Hasil Uji Hipotesis Model Penelitian

Original T-
Hipotesis Path Sample Statistics Kesimpulan
Computer Self-Efficacy → Perceived
H1 Tidak Signifikan
Usefulness 0,195 1,027
Computer Self-Efficacy → Perceived
H2 Tidak Signifikan
Ease of Use 0,269 1,274
Organization Support → Perceived
H3 Tidak Signifikan
Usefulness -0,262 0,99
Organization Support → Perceived
H4 Tidak Signifikan
Ease of Use -0,002 0,007
H5 Training → Perceived Usefulness 0,368 1,467 Tidak Signifikan
H6 Training → Perceived Ease of Use 0,335 1,230 Tidak Signifikan
H7 Complexity → Perceived Usefulness 0,153 0,716 Tidak Signifikan
H8 Complexity → Perceived Ease of Use -0,021 0,094 Tidak Signifikan
H9 Compability → Perceived Usefulness 0,077 0,409 Tidak Signifikan
H10 Compability → Perceived Ease of Use 0,302 1,843 Tidak Signifikan
Perceived Ease of Use → Perceived
H11 Tidak Signifikan
Usefulness 0,403 1,827
Perceived Ease of Use → Intention to
H12 Signifikan
Use 0,503 2,210
Perceived Usefulness → Intention to
H13 Tidak Signifikan
Use 0,335 0,689
H14 Intention to Use → Usage 0,638 8,585 Signifikan
H15 Usage → Individual Performance 0,641 8,964 Signifikan
H16 Usage → Panoptic Empowerment 0,575 5,405 Signifikan
Berdasarkan hasil pengujian hipotesis pada model penelitian dalam

Tabel 4.22, berikut merupakan kesimpulan-kesimpulan yang telah diperoleh:
a. Hipotesis 1: Faktor variabel Computer Self-Efficacy tidak memiliki
pengaruh yang signifikan terhadap Perceived Usefulness. Hal
tersebut disebabkan nilai koefisien jalur dan nilai T-Statistics yang
berada dibawah minimal, yaitu sebesar 0,195 dan 1.027. Dengan
demikian, hipotesis H0 diterima dan H1 ditolak.
b. Hipotesis 2: Faktor variabel Computer Self-Efficacy tidak memiliki
pengaruh yang signifikan terhadap Perceived Ease of Use. Hal
16
berada dibawah minimal, yaitu sebesar 0,269 dan 1,274. Dengan

c. Hipotesis 3: Faktor variabel Organizational Support tidak memiliki
berada dibawah minimal, yaitu sebesar -0,262 dan 0,99. Dengan
d. Hipotesis 4: Faktor variabel Organizational Support tidak memiliki
pengaruh yang signifikan terhadap Perceived Ease of Use. Hal
berada dibawah minimal, yaitu sebesar -0,002 dan 0,007. Dengan
e. Hipotesis 5: Faktor variabel Training tidak memiliki pengaruh yang
signifikan terhadap Perceived Usefulness. Hal tersebut disebabkan
nilai koefisien jalur dan T-Statistics yang berada dibawah minimal,
yaitu sebesar 0,368 dan 1,467. Dengan demikian, hipotesis H0
diterima dan H1 ditolak.
f. Hipotesis 6: Faktor variabel Training tidak memiliki pengaruh yang
signifikan terhadap Perceived Ease of Use. Hal tersebut disebabkan
nilai koefisien jalur dan nilai T-Statistics yang berada diatas
minimal, yaitu sebesar 0,335 dan 1,230. Dengan demikian, hipotesis
H0 diterima dan H1 ditolak.
g. Hipotesis 7: Faktor variabel Complexity tidak memiliki pengaruh
yang signifikan terhadap Perceived Usefulness. Hal tersebut
disebabkan nilai koefisien jalur dan nilai T-Statistics yang berada di
97 atas minimal, yaitu sebesar 0,153 dan 0,716. Dengan demikian,
hipotesis H0 ditolak dan H1 diterima.
h. Hipotesis 8: Faktor variabel Complexity tidak memiliki pengaruh
yang signifikan terhadap Perceived Ease of Use. Hal tersebut
disebabkan nilai koefisien jalur dan nilai T-Statistics yang berada
dibawah minimal, yaitu sebesar -0,021 dan 0,094. Dengan demikian,
i. Hipotesis 9: Faktor variabel Compatibility memiliki pengaruh yang
signifikan terhadap Perceived Usefulness. Hal tersebut disebabkan
17
nilai koefisien jalur dan nilai T-Statistics yang berada dibawah

minimal, yaitu sebesar 0,077 dan 0,409. Dengan demikian, hipotesis
H0 diterima dan H1 ditolak.
j. Hipotesis 10: Faktor variabel Compatibility tidak memiliki pengaruh
yang signifikan terhadap Perceived Ease of Use. Hal tersebut
dibawah minimal, yaitu sebesar 0,302 dan 1,843. Dengan demikian,
hipotesis H0 diterima dan H1 ditolak.
k. Hipotesis 11: Faktor variabel Perceived Ease of Use tidak memiliki
berada dibawah minimal, yaitu sebesar 0,403 dan 1,827. Dengan
l. Hipotesis 12: Faktor variabel Perceived Usefulness memiliki
pengaruh yang signifikan terhadap Intention to Use. Hal tersebut
diatas minimal, yaitu sebesar 0,503 dan 2,210. Dengan demikian,
m. Hipotesis 13: Faktor variabel Perceived Ease of Use tidak memiliki
pengaruh yang signifikan terhadap Intention to Use. Hal tersebut
dibawah minimal, yaitu sebesar 0,335 dan 0,689. Dengan demikian,
hipotesis H0 diterima dan H1 ditolak.
n. Hipotesis 14: Faktor variabel Intention to Use memiliki pengaruh
yang signifikan terhadap Usage. Hal tersebut disebabkan nilai
koefisien jalur dan nilai T-Statistics yang berada diatas minimal,
yaitu sebesar 0,638 dan 8,585. Dengan demikian, hipotesis H0
ditolak dan H1 diterima.
o. Hipotesis 15: Faktor variabel Usage memiliki pengaruh yang
signifikan terhadap Individual Performance. Hal tersebut
18
p. Hipotesis 16: Faktor variabel Usage memiliki pengaruh yang

signifikan terhadap Panoptic Empowerment. Hal tersebut
4.8.5. Persamaan Regresi

Berdasarkan pendapat (Hair, Hult, Ringle, & Sarstedt, 2014), koefisien
jalur dapat menunjukkan hubungan antara variabel laten dengan structural
model/model struktural. Persamaan berikut menunjukkan persamaan-persamaan
regresi pada model penelitian ini.
 PEOU = 0,269 * CSE + ԑ1
 PEOU = -0,002 * OS + ԑ2
 PEOU = 0,335 * TR + ԑ3
 PEOU = -0,021 * CX + ԑ4
 PEOU = 0,302 * COMP + ԑ5
 PU = 0,195 * CSE + ԑ6
 PU = -0,262 * OS + ԑ7
 PU = 0,368 * TR + ԑ8
 PU = 0,153 * CX + ԑ9
 PU = 0,077 * COMP + ԑ10
 PU = 0,403 * PEOU + ԑ11
 ITU = 0,503 * PEOU + ԑ12
 ITU = 0,335 * PU + ԑ13
 USG = 0,638 * ITU + ԑ14
 PE = 0,575 * USG + ԑ15
 IP = 0,641 * USG + ԑ16
Persamaan diatas menunjukkan bahwa semua variabel telah masuk
dalam model penelitian ini. Dalam persamaan Perceived Ease of Use, variabel
Computer Self-Efficacy, Organizational Support, Training, Complexity, dan
Compatibility memberikan dampak/pengaruh yang tidak besar atau tidak
signifikan terhadap variabel Perceived Ease of Use.
Kemudian, faktor-faktor dari variabel Computer Self-Efficacy,
Organizational Support, Training, Complexity, Compatibility, dan Perceived
19
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
bernilai 0,641. Terakhir adalah variabel Panoptic Empowerment yang secara

positif dipengaruhi oleh faktor Usage dengan nilai koefisien jalur sebesar 0,575.
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
Gambar 4.11 Gambar Model Penelitian

Gambar 4.11 menunjukkan hubungan antar variabel yang terdapat dalam
hipotesis penelitian ini.
Berdasarkan hasil pengujian yang telah didapatkan, diketahui bahwa jalur Commented [A16]: Kaitan TAM dengan Fit Gap,
gunanya kita implementasi 2 metode ini bersamaan dan
koefisien yang memiliki pengaruh signifikan adalah Perceived Ease of Use terhadap gimana implemenstasinya.
Intention to Use, Intention to Use terhadap Usage, Usage terhadap Individual

Performance, dan Individual Performance terhadap Panoptic Empowerment. Hasil
pengujian tersebut dapat dijadikan sebagai acuan dalam memperbaiki segala gap
sistem TRM yang telah teridentifikasi dalam Fit Gap Analysis, terutama pada faktor
Perceived Ease of Use yang terbukti berpengaruh secara signifikan dalam penelitian
ini. Perceived Ease of Use merupakan tingkatan yang menunjukkan seberapa jauh
seseorang meyakini bahwa penggunaan suatu sistem merupakan hal yang mudah dan
tidak membutuhkan usaha yang besar dari penggunanya (Rajan & Baral, 2015).
Dengan demikian, peningkatan Perceived Ease of Use akan berdampak secara baik
dan sifnifikan terhadap perilaku pengguna sistem TRM dalam PT. XYZ. Oleh karena
itu, PT. XYZ ke depannya dapat memfokuskan untuk mengembangkan fitur-fitur
sistem TRM yang dapat lebih memberi persepsi mudah digunakan bagi pengguna,
seperti melalui perancangan user interface sistem TRM yang lebih user-friendly dan
interaksi pengguna dengan sistem TRM lebih sederhana dan mudah dipahami.
Penjelasan-penjelasan di bawah akan lebih merincikan hasil pengujian yang telah
dilakukan dalam penelitian ini.
23
4.9.1. Computer Self-Efficacy tidak Bepengaruh Signifikan terhadap

Perceived Usefulness
Berdasarkan hasil pengolahan data yang dilakukan dalam penelitian ini,
ditunjukkan bahwa faktor dari variabel Computer Self-Efficacy tidak memiliki
pengaruh yang signifikan terhadap variabel Perceived Usefulness. (Saadé &
Kira, 2009) berpendapat bahwa Computer Self-Efficacy dapat diartikan sebagai
keyakinan individu terhadap kemampuannya untuk mampu berhasil melakukan
perilaku yang diperlukan agar dapat menghasilkan hasil yang diinginkan. Terkait
Perceived Usefulness, Davis yang dikutip dari (Rajan & Baral, 2015)
berpendapat bahwa Perceived Usefulness merupakan suatu tingkat kepercayaan
seseorang bahwa penggunaan sistem tertentu dapat meningkatkan kinerja
mereka.
Pada penelitian oleh (Rajan & Baral, 2015) terkait Technology
Acceptance Model (TAM), dijelaskan bahwa variabel Computer Self-Efficacy
memiliki pengaruh/dampak yang signifikan terhadap variabel Perceived
Usefulness. Hal tersebut tidak sesuai dengan hasil penelitian yang telah
dilakukan oleh peneliti karena pengguna Transportation Reservation
Management di PT. XYZ masih merasa kurang dalam hal kepercayaan diri yang
mereka miliki untuk menggunakan TRM. Hal tersebut dikarenakan TRM
merupakan sistem baru yang dibuat khusus untuk kegiatan operasional bisnis
PT. XYZ, sedangkan daya pemahaman atau tingkat kemahiran masing-masing
pengguna untuk mengoperasikan TRM juga berbeda-beda. Dengan demikian,
kompleksitas TRM sebagai sebuah sistem baru setelah peralihan dari proses
bisnis yang dikerjakan dengan manual sebelumnya dapat mengakibatkan
kekurangan kepercayaan diri pengguna dalam menggunakan TRM. Dokumen
user guide atau panduan penggunaan sistem yang dibuat telah mencakup
keseluruhan sistem secara cukup baik, namun masih terdapat banyak istilah-
istilah yang dibuat dalam bahasa Inggris, atau istilah-istilah teknikal yang akan
sulit dipahami oleh pengguna-pengguna tertentu sehingga dokumen panduan
penggunaan sistem tersebut tidak memberikan persepsi manfaat penggunaan
sistem TRM bagi pengguna.
Oleh karena itu, peneliti memberikan anjuran berdasarkan hasil
penelitian tersebut untuk memperbaiki dokumen user guide/paduan penggunaan
24
sistem agar dibuat menggunakan istilah-istilah yang lebih mudah dipahami oleh
pengguna.
4.9.2. Computer Self-Efficacy tidak Berpengaruh Signifikan terhadap

Perceived Ease of Use
Berdasarkan hasil pengolahan data yang telah dilakukan dalam
peneilitian ini, dapat dilihat bahwa faktor variabel Computer Self-Efficacy tidak
memiliki pengaruh yang signifikan terhadap variabel Perceived Ease of Use.
Terkait Computer Self-Efficacy, (Saadé & Kira, 2009) berpendapat bahwa
variabel tersebut dapat diartikan sebagai keyakinan individu terhadap
kemampuannya untuk mampu berhasil melakukan perilaku yang diperlukan agar
dapat menghasilkan hasil yang diinginkan. Pada sisi lain, berdasarkan pendapat
dari Davis yang dikutip dari (Rajan & Baral, 2015), Perceived Ease of Use dapat
diartikan sebagai tingkatan yang menunjukkan seberapa jauh seseorang
meyakini bahwa penggunaan suatu sistem merupakan hal yang mudah dan tidak
membutuhkan usaha yang besar dari penggunanya.
Dalam penelitian yang dilakukan oleh (Rajan & Baral, 2015) terkait
Technology Acceptance Model (TAM), dijelaskan bahwa variabel Computer
Self-Efficacy memiliki pengaruh/dampak yang signifikan terhadap variabel
Perceived Ease of Use. Hal tersebut tidak sesuai dengan hasil penelitian yang
telah dilakukan oleh peneliti karena pengguna Transportaion Reservation
Management (TRM) masih merasa TRM memiliki tingkat kerumitan yang
tinggi. Terlebih, TRM merupakan sistem pertama yang dibangun dalam PT.
XYZ dari peralihan bisnis proses yang dilakukan secara manual sepenuhnya.
Selain itu, dokumen user guide atau panduan untuk menggunakan sistem TRM
yang dibuat telah mencakup keseluruhan sistem secara cukup baik, namun masih
terdapat banyak istilah-istilah yang dibuat dalam bahasa Inggris, atau istilah-
istilah teknikal yang akan sulit dipahami oleh pengguna-pengguna tertentu
sehingga dokumen panduan penggunaan sistem tersebut tidak dapat sepenuhnya
memberikan persepsi manfaat penggunaan sistem TRM terhadap pengguna.
Berdasarkan hasil penelitian tersebut, peneliti menganjurkan untuk
memperbaiki dokumen user guide/paduan penggunaan sistem agar dibuat
menggunakan istilah-istilah yang lebih mudah dipahami oleh pengguna,
25
sehingga dokumen user guide dapat membantu pengguna dalam pengoperasian

TRM dan memberikan persepsi bahwa menggunakan TRM tidaklah sulit.
4.9.3. Organizational Support tidak Berpengaruh Signifikan terhadap

Dalam penelitian ini, dapat ditunjukkan dari hasil penelitian bahwa
faktor variabel Organizational Support tidak memiliki pengaruh yang signifikan
terhadap variabel Perceived Usefulness. Berdasarkan pendapat menurut
Hucthinson dalam (Ersoy, 2014), Organizational Support, atau yang disebut
juga dengan dukungan organisasi, dapat diartikan sebagai komitmen organisasi
terhadap individu. Komitmen tersebut dapat diberikan dalam berbagai bentuk,
seperti hal-hal yang berupa penghargaan atau rewards, atau kompensasi yang
setara. Berbagai bentuk dukungan organisasi juga berkembang, mulai dari
dukungan yang bersifat ekonomi (material) seperti bonus, tunjangan, gaji, dan
lain sebagainya; hingga dukungan-dukungan organisasi yang bersifat sosial
(non-material) seperti pujian, informasi, pengembangan diri, keakraban,
penerimaan, perhatian, dan lain sebagainya. Pada sisi lain, Davis yang dikutip
dari (Rajan & Baral, 2015), berpendapat bahwa Perceived Usefulness
merupakan suatu tingkat kepercayaan seseorang bahwa penggunaan sistem
tertentu dapat meningkatkan kinerja mereka.
Pada penelitian yang dilakukan oleh (Rajan & Baral, 2015) tentang
Technology Acceptance Model (TAM), dijelaskan bahwa variabel
Organizational Support memiliki pengaruh/dampak yang signifikan terhadap
variabel Perceived Usefulness. Hal tersebut tidak sesuai dengan hasil penelitian
yang telah dilakukan oleh peneliti karena support atau dukungan yang diberikan
PT. XYZ masih kurang memadai, seperti helpdesk yang disediakan untuk
penanganan issue masih tidak teratur. Semua issue akan di-raise ke website yang
berbasis Microsoft Azure, dan orang yang menangani issue pun berbeda-beda
disesuaikan dengan issue-nya. Namun masih banyak terdapat pengguna yang
sering melakukan raise terhadap issue melalui jalur pribadi seperti melalui
aplikasi Whatsapp, Skype, dan lain sebagainya. Hal tersebut menyebabkan
helpdesk menjadi tidak teratur, dimulai dari banyaknya issue tidak terekam
dalam helpdesk, raise issue hingga penanganan kepada/oleh pihak yang kurang
tepat/sesuai, tracking terhadap progress issue juga jadi tidak akurat, dan terjadi
26
banyak miskomunikasi terkait status dan penanganan issue. Selain itu,

Transportaion Reservation Management pun memang merupakan sistem yang
diwajibkan untuk digunakan oleh karyawan-karyawan PT. XYZ. Oleh karena
itu, terlepas dari memadai atau kurang memadainya dukungan dalam bentuk
apapun yang disediakan oleh perusahaan, karayawan PT. XYZ tetap harus
menggunakan TRM, terlepas dari tingkat acceptance pengguna terhadap TRM.
Berdasarkan hasil penelitian tersebut, peneliti menganjurkan PT. XYZ untuk
menertibkan dan memperjelas prosedur dan penggunaan helpdesk yang tepat dan
benar untuk melakukan raising issue hingga penanganannya, agar pengguna
dapat lebih merasakan manfaat yang diberikan sistem melalui dukungan
organisasi yang teratur dan memadai.
4.9.4. Organizational Support tidak berpengaruh signifikan terhadap

Perceived Ease of Use
Hasil pengolahan data yang telah diperoleh dalam penelitian ini
menunjukkan bahwa faktor variabel Organizational Support memiliki pengaruh
yang tidak signifikan terhadap variabel Perceived Ease of Use. Seperti yang
telah dipaparkan sebelumnya, menurut Hucthinson dalam (Ersoy, 2014)
berpendapat bahwa Organizational Support, atau yang disebut juga dengan
dukungan organisasi, dapat diartikan sebagai komitmen organisasi terhadap
individu. Komitmen tersebut dapat diberikan dalam berbagai bentuk, seperti hal-
hal yang berupa penghargaan atau rewards, atau kompensasi yang setara.
Berbagai bentuk dukungan organisasi juga berkembang, mulai dari dukungan
yang bersifat ekonomi (material) seperti bonus, tunjangan, gaji, dan lain
sebagainya; hingga dukungan-dukungan organisasi yang bersifat sosial (non-
material) seperti pujian, informasi, pengembangan diri, keakraban, penerimaan,
perhatian, dan lain sebagainya. Sedangkan menurut Davis yang dikutip dari
(Rajan & Baral, 2015), Perceived Ease of Use dapat diartikan sebagai tingkatan
yang menunjukkan seberapa jauh seseorang meyakini bahwa penggunaan suatu
sistem merupakan hal yang mudah dan tidak membutuhkan usaha yang besar
dari penggunanya.
Apabila dilihat dari hasil penelitian yang dilakukan oleh (Rajan & Baral,
2015) tentang Technology Acceptance Model (TAM), dapat dijelaskan bahwa
variabel Organizational Support memiliki pengaruh/dampak yang signifikan
terhadap variabel Perceived Ease of Use. Hal tersebut tidak sesuai dengan hasil
27
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.
4.9.5. Training tidak Berpengaruh Signifikan terhadap Perceived

Usefulness
Berdasarkan hasil pengolahan data yang telah dilakukan dalam
peneilitian ini, dapat dilihat bahwa faktor variabel Training tidak memiliki
pengaruh atau dampak yang signifikan terhadap variabel Perceived Usefulness.
Berdasarkan pendapat yang dipaparkan oleh Menurut Desler dalam (Agusta &
Sutanto, 2013), pelatihan atau Training dapat diartikan sebagai suatu proses
mengajarkan keterampilan dasar yang dibutuhkan untuk menjalankan suatu
pekerjaan terhadap karyawan baru atau karyawan yang ada sekarang. Terkait
Perceived Usefulness, Davis yang dikutip dari (Rajan & Baral, 2015)
berpendapat bahwa Perceived Usefulness merupakan suatu tingkat kepercayaan
seseorang bahwa penggunaan sistem tertentu dapat meningkatkan kinerja
mereka.
Dalam hasil penelitian yang telah dilakukan oleh (Rajan & Baral, 2015)
terkait Technology Acceptance Model (TAM), dapat dijelaskan bahwa variabel
28
Training memiliki pengaruh/dampak yang signifikan terhadap variabel

Perceived Usefulness. Hal tersebut tidak sesuai dengan hasil penelitian yang
telah dilakukan oleh peneliti karena Transportaion Reservation Management
merupakan sistem yang baru dibuat, dan waktu penggunaannya masih tergolong
cukup pendek/singkat. Oleh karena itu, sekalipun pelatihan/training yang
diberikan telah cukup baik dan memadai, manfaat sistem yang dirasakan oleh
pengguna pun belum terlalu signifikan.
4.9.6. Training tidak Berpengaruh Signifikan terhadap Perceived Ease of

Use
Dalam penelitian ini, dapat dilihat dari hasil penelitian bahwa faktor
variabel Training tidak memiliki pengaruh yang signifikan terhadap variabel
Perceived Ease of Use. Menurut Menurut Desler dalam (Agusta & Sutanto,
2013), pelatihan atau Training dapat diartikan sebagai suatu proses mengajarkan
keterampilan dasar yang dibutuhkan untuk menjalankan suatu pekerjaan
terhadap karyawan baru atau karyawan yang ada sekarang. Pada sisi lain,
berdasarkan pendapat dari Davis yang dikutip dari (Rajan & Baral, 2015),
Perceived Ease of Use dapat diartikan sebagai tingkatan yang menunjukkan
seberapa jauh seseorang meyakini bahwa penggunaan suatu sistem merupakan
hal yang mudah dan tidak membutuhkan usaha yang besar dari penggunanya.
Berdasarkan hasil penelitian yang dilakukan oleh (Rajan & Baral, 2015)
tentang Technology Acceptance Model (TAM), dijelaskan bahwa variabel
Training memiliki pengaruh/dampak yang signifikan terhadap variabel
telah dilakukan oleh peneliti karena waktu penggunaan Transportation
Reservation Management masih tergolong cukup pendek/singkat. TRM masih
merupakan sistem yang baru dibuat dan belum lama digunakan, sehingga
sekalipun pelatihan/training yang diberikan telah cukup baik dan memadai,
manfaat sistem yang dirasakan oleh pengguna pun belum terlalu signifikan.
4.9.7. Complexity tidak Berpengaruh Signifikan terhadap Perceived

Usefulness
Berdasarkan hasil pengolahan data yang telah dilakukan dalam penelitian
ini, ditunjukkan bahwa faktor variabel Complexity tidak memiliki pengaruh yang
signifikan terhadap variabel Perceived Usefulness. Berdasarkan pendapat yang
29
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.
4.9.8. Complexity tidak Berpengaruh Signifikan terhadap Perceived Ease

of Use
menunjukkan bahwa faktor variabel Complexity memiliki pengaruh yang tidak
signifikan terhadap variabel Perceived Ease of Use. Rogers & Shoemaker yang
dikutip dari (Varian, Hutomo, & Sarjani, 2018) berpendapat bahwa Complexity
atau kerumitan dapat didefinisikan sebagai sejauh mana tingkat kesulitan suatu
teknologi komputer agar dapat dipahami dan digunakan berdasarkan persespsi
pengguna. Sedangkan menurut (Davis, 1989), Perceived Ease of Use dapat
membutuhkan usaha yang besar dari penggunanya.
Dalam penelitian yang telah dilakukan oleh (Rajan & Baral, 2015)
Complexity memiliki pengaruh/dampak yang signifikan terhadap variabel
30
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.
4.9.9. Compatibility tidak Berpengaruh Signifikan terhadap Perceived

Usefulness
faktor variabel Compatibility tidak memiliki pengaruh yang signifikan terhadap
variabel Perceived Usefulness. Compatibility (kompatibilitas) seperti yang telah
didefinisikan oleh (Mazhar, 2014) dapat diartikan sebagai tingkat konsistensi
antara teknologi dengan kebutuhan pelanggan baru, rutinitas kehidupan sehari-
hari, pengalaman, serta nilai-nilai. Tidak hanya itu, compatibility juga
berhubungan dengan gaya hidup individu dan teknologi. Pada sisi lain, Davis
yang dikutip dari (Rajan & Baral, 2015) berpendapat bahwa Perceived
Usefulness merupakan suatu tingkat kepercayaan seseorang bahwa penggunaan
sistem tertentu dapat meningkatkan kinerja mereka.
Apabila dilihat dari hasil penelitian yang telah dilakukan oleh (Rajan &
Baral, 2015) tentang Technology Acceptance Model (TAM), dapat dijelaskan
bahwa variabel Compatibility memiliki pengaruh/dampak yang signifikan
terhadap variabel Perceived Usefulness. Hal tersebut tidak sesuai dengan hasil
penelitian yang telah dilakukan oleh peneliti karena TRM merupakan sistem
yang baru dari peralihan proses bisnis yang sebelumnya dilakukan secara manual
sepenuhnya. Oleh karena itu, terdapat perbedaan-perbedaan prosedur dalam
melakukan proses bisnis. Terlebih, terkadang data dan format compatibility
dalam TRM masih tidak selalu sesuai dan cocok dengan format data yang telah
ada sebelumnya, dikarenakan TRM merupakan sistem yang baru dibuat dan
dikembangkan sehingga masih terdapat bugs dalam sistem. Oleh karena itu
peneliti menganjurkan agar segala bugs dalam TRM diperbaiki sehingga sistem
dapat berfungsi dengan benar, sehingga pengguna dapat lebih merasakan
manfaat penggunaan TRM.
31
4.9.10. Compatibility tidak Berpengaruh Signifikan terhadap Perceived Ease

of Use
faktor variabel Compatibility tidak memiliki pengaruh yang signifikan terhadap
variabel Perceived Ease of Use. (Mazhar, 2014) mengartikan Compatibility
sebagai tingkat konsistensi antara teknologi dengan kebutuhan pelanggan baru,
rutinitas kehidupan sehari-hari, pengalaman, serta nilai-nilai. Selain itu,
compatibility juga berhubungan dengan gaya hidup individu dan teknologi.
Sedangkan menurut Davis yang dikutip dari (Rajan & Baral, 2015), Perceived
Ease of Use dapat diartikan sebagai tingkatan yang menunjukkan seberapa jauh
seseorang meyakini bahwa penggunaan suatu sistem merupakan hal yang mudah
dan tidak membutuhkan usaha yang besar dari penggunanya.
Compatibility memiliki pengaruh/dampak yang signifikan terhadap variabel
telah dilakukan oleh peneliti karena penggunaan TRM merupakan peralihan
total dari proses bisnis yang sebelumnya dilakukan secara manual. Banyaknya
perbedaan-perbedaan prosedur dalam melakukan proses bisnis menyebabkan
pengguna merasa rumit dalam menggunakan TRM. Terlebih, data dan format
compatibility dalam TRM masih sering tidak sesuai atau cocok dengan format
data yang telah ada sebelumnya karena TRM merupakan sistem yang baru dibuat
dan dikembangkan sehingga masih terdapat bugs. Berdasarkan hasil penelitian
tersebut, peneliti menganjurkan agar semua bugs dalam TRM segera diperbaiki
agar sistem dapat berfungsi sepenuhnya dengan benar.
4.9.11. Perceived Ease of Use tidak Berpengaruh Signifikan terhadap

ini, ditunjukkan bahwa faktor variabel Perceived Ease of Use tidak memiliki
pengaruh yang signifikan terhadap variabel Perceived Usefulness. Menurut
Davis yang dikutip dari (Rajan & Baral, 2015), Perceived Ease of Use dapat
membutuhkan usaha yang besar dari penggunanya. Sedangkan Perceived
32
Usefulness merupakan suatu tingkat kepercayaan seseorang bahwa penggunaan

sistem tertentu dapat meningkatkan kinerja mereka Davis yang dikutip dari
(Rajan & Baral, 2015).
Pada penelitian yang telah dilakukan oleh (Rajan & Baral, 2015) tentang
Technology Acceptance Model (TAM), dijelaskan bahwa variabel Perceived
Ease of Use memiliki pengaruh/dampak yang signifikan terhadap variabel
Perceived Usefulness. Hal tersebut tidak sesuai dengan hasil penelitian yang
telah dilakukan oleh peneliti karena TRM merupakan sistem yang masih baru
sehingga pengguna masih memiliki persepsi bahwa menggunakan TRM sulit
atau rumit, ditambah juga pengalaman menggunakan TRM masih baru. Oleh
karena itu, manfaat yang dapat dirasakan dalam menggunakan TRM masih
belum signifikan. Berdasarkan hasil penelitian tersebut, peneliti menganjurkan
karyawan-karyawan PT. XYZ agar lebih banyak berusaha mengeksplorasi dan
mencari tahu lebih lagi mengenai fungsi-fungsi dari Transportation Reservation
Management.
4.9.12. Perceived Usefulness Berpengaruh tidak Signifikan terhadap

Intention to Use
ini, ditunjukkan bahwa faktor variabel Perceived Usefulness memiliki pengaruh
yang tidak signifikan terhadap variabel Intention to Use. Davis yang dikutip dari
(Rajan & Baral, 2015) mengartikan Perceived Usefulness sebagai suatu tingkat
kepercayaan seseorang bahwa penggunaan sistem tertentu dapat meningkatkan
kinerja mereka. Sedangkan, Intention to Use berdasarkan definisi oleh Wibowo
(2006:2) merupakan suatu kecenderungan perilaku untuk tetap menggunakan
suatu teknologi.
Perceived Usefulness memiliki pengaruh/dampak yang signifikan terhadap
variabel Intention to Use. Hal tersebut tidak sesuai dengan hasil penelitian yang
telah dilakukan oleh peneliti karena pada satu sisi, karyawan PT. XYZ masih
memiliki sedikit pengalaman dan waktu dalam menggunakan TRM, sehingga
manfaat penggunaan TRM dalam kegiatan pekerjaan operasional masih belum
dapat dirasakan secara maksimal. Terlebih lagi sistem TRM sendiri yang masih
33
tergolong baru, sehingga user membutuhkan waktu untuk beradaptasi dalam

melakukan pekerjaannya, sehingga manfaat penggunaan TRM dapat lebih
dirasakan oleh user. Berdasarkan hasil penelitian tersebut, peneliti
menganjurkan karyawan-karyawan PT. XYZ agar lebih banyak berusaha
mengeksplorasi dan mencari tahu lebih lagi mengenai fungsi-fungsi dari
Transportation Reservation Management.
4.9.13. Perceived Ease of Use Berpengaruh Signifikan terhadap Intention to

Use
menunjukkan bahwa faktor variabel Perceived Ease of Use memiliki pengaruh
yang signifikan terhadap variabel Intention to Use. Berdasarkan pendapat Davis
yang dikutip dari (Rajan & Baral, 2015), Perceived Ease of Use dapat diartikan
sebagai tingkatan yang menunjukkan seberapa jauh seseorang meyakini bahwa
penggunaan suatu sistem merupakan hal yang mudah dan tidak membutuhkan
usaha yang besar dari penggunanya. Sedangkan Intention to Use merupakan
suatu kecenderungan perilaku untuk tetap menggunakan suatu teknologi
(Wibowo, 2008).
Perceived Ease of Use memiliki pengaruh/dampak yang signifikan terhadap
variabel Intention to Use. Hal tersebut sesuai dengan hasil penelitian yang telah
dilakukan oleh peneliti karena PT. XYZ mewajibkan penggunaan TRM kepada
seluruh karyawan operasionalnya, sehingga intensi penggunaan TRM menjadi
tinggi. Faktor kemudahan dalam penggunaan sistem juga mempengaruhi user
dalam menggunakan meningkatkan intensi penggunaan TRM, dikarenakan
peralihan dari bisnis proses terdahulu yang dilakukan secara manual menjadi
bisnis proses yang menghilangkan banyak pekerjaan manual, sehingga user
merasakan kemudahan dalam penggunaan TRM.
4.9.14. Intention to Use Berpengaruh Signifikan terhadap Usage

ini, ditunjukkan bahwa faktor variabel Intention to Use memiliki pengaruh yang
signifikan terhadap variabel Usage. (Wibowo, 2008) menyatakan bahwa
Intention to Use merupakan suatu kecensssderungan perilaku untuk tetap
34
menggunakan suatu teknologi. Terkait Usage, (Wibowo, 2008) juga

mendefinisikan variabel tersebut sebagai kondisi nyata penggunaan sistem.
Apabila dilihat dari hasil penelitian yang telah dilakukan oleh (Rajan &
Baral, 2015) tentang Technology Acceptance Model (TAM), dapat dijelaskan
bahwa variabel Intention to Use memiliki pengaruh/dampak yang signifikan
terhadap variabel Usage. Hal tersebut sesuai dengan hasil penelitian yang telah
dilakukan oleh peneliti karena minat yang tinggi untuk menggunakan
Transportation Reservation Management tentunya akan juga meningkatkan
penggunaan sistem TRM dengan sendirinya.
4.9.15. Usage Berpengaruh Signifikan terhadap Individual Performance

faktor variabel Usage memiliki pengaruh yang signifikan terhadap variabel
Individual Performance. Berdasarkan pendapat (Wibowo, 2008), Usage
merupakan kondisi nyata penggunaan sistem. Sedangkan berdasarkan penelitian
yang dilakukan oleh Goodhue & Thompson yang dikutip dari (Daniel, 2018),
Individual Performance atau pencapaian kinerja individual dinyatakan berkaitan
dengan pencapaian serangkaian tugas-tugas individu dengan dukungan
teknologi informasi yang tersedia.
tentang Technology Acceptance Model (TAM), dijelaskan bahwa variabel Usage
memiliki pengaruh/dampak yang signifikan terhadap variabel Individual
Performance. Hal tersebut sesuai dengan hasil penelitian yang telah dilakukan
oleh peneliti karena dengan semakin seringnya Transportation Reservation
Management digunakan oleh karyawan PT. XYZ, tentunya akan juga
memberikan pengaruh yang positif dalam kaitannya dengan produtivitas,
efektivitas, dan kinerja karyawan.
4.9.16. Usage Berpengaruh Signifikan terhadap Panoptic Empowerment

ini, ditunjukkan bahwa faktor variabel Usage memiliki pengaruh yang signifikan
terhadap variabel Panoptic Empowerment. (Wibowo, 2008) menyatakan bahwa
Usage merupakan kondisi nyata penggunaan sistem. Sedangkan berdasarkan
pendapat Elmes, Volkoff, & Strong yang dikutip dari (Daniel, 2018), Panoptic
Empowerment dinyatakan sebagai sesuatu yang mengacu kepada visibilitas
35
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.
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
Setelah menyelesaikan penelitian ini, peneliti dapat memberikan kesimpulan

serta saran yang dapat diterapkan untuk penelitian lebih lanjut.
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
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:
1. Penelitian selanjutnya dapat dilakukan dengan menggunakan model

penelitian lain seperti TAM 2, TAM 3, atau UTAUT.
2. Peneliti menyarankan untuk menelusuri dan menggunakan berbagai
variabel lain.
3. Berhubungan dengan dengan keterbatasan akses kepada responden dalam
penelitian ini karena faktor kebijakan dari perusahaan, yaitu hanya 30
responden, peneliti menyarankan agar jumlah sampel yang digunakan
mengikuti rekomendasi dari Hair yang dikutip dari (Kock & Hadaya, 2016)
yang mengasumsikan bahwa ukuran sampel minimal harus lebih besar dari
sepuluh kali lipat nilai maksimum dari inner/outer model yang menunjuk ke
latent variable pada model.
4. Peneliti juga menyarankan untuk memperluas penggunaan penggunaan
aplikasi agar manfaat serta dampak dari penggunaan dapat lebih dirasakan.
37
38
REFERENSI
Agusta, L., & Sutanto, E. M. (2013). PENGARUH PELATIHAN DAN MOTIVASI

KERJA TERHADAP KINERJA. 1(3), 1.
Anca, U., Cezar, B., & Adrian, U. (2018). Risk Identification in Project Management.
259 - 266.
Bagus, R. U. (2016). Teknik Sampling dan Penentuan Jumlah sampel. 4.
Bahssas, D. M. (2015). Enterprise Resource Planning (ERP) Systems: Design, Trends
and. 73.
Costard, S. (2008). Introduction to Risk Analysis and Risk Assessment.
Daniel. (2018). ANALISIS DAN EVALUASI SALES FORCE AUTOMATION
SYSTEM (ODIN) DENGAN METODE FIT GAP ANALYSIS PADA PT.
XYZ DAN PENGENDALIAN INTERNAL PERSEDIAAN
BERDASARKAN KERANGKA KERJA COSO PADA DISTRIBUTOR TA.
9.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User
Acceptance of Information Technology.
Dumbravă, V., & Iacob, V. -S. (2014). Using Probability – Impact Matrix in Analysis
and Risk Assessment Projects. 76 -96.
Ersoy, A. (2014). The Effects of Perceived Organizational Support on Organizational
Commitment: Evidence from the Hotel Industry. 516.
Fathoni, A. F. (2017). EVALUASI MEDIA PEMBELAJARAN ELLIS SEBAGAI
SUMBER BELAJAR PADA PEMBELAJARAN BAHASA INGGRIS PESERTA
DIDIK KELAS 2 SMP BOPKRI 3 YOGYAKARTA. Yogyakarta: UNIVERITAS
NEGERI YOGYAKARTA.
Feldman, B., & Cooper, K. (2018). How the Pros Turn Marketing Analytics Into
Effective Marketing Strategies. 3.
Firman. (2018). Analisis Data dalam Penelitian Kualitatif. 2.
Firmansyah, N. (2016). Perencanaan Sistem Informasi Manajemen Penjualan Pada PT
Creative Industri Abadi Menggunakan Aplikasi Enterprise Resource Planning
Odoo v.8.
Furadantin, N. R. (2018). ANALISIS DATA MENGGUNAKAN APLIKASI
SMARTPLS V.3.2.7. 1.
Ghozali, I., & Latan, H. (2015). Partial Least Squares : Konsep, Teknik dan Aplikasi
SmartPLS 3.0. Yogyakarta: Badan penerbit Universitas Diponegoro.
Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-sem: Indeed a silver bullet. 139–
151.
39
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
Sutabri, T. (2012). Konsep Sistem Informasi. Yogyakarta: Andi.

U. F. Uze, G. N. (2014). CONTEMPORARY APPROACH TO ENHANCED ROAD
TRANSPORT SYSTEM IN NIGERIA THROUGH THE APPLICATION OF
IT-BASED. 2-18.
Varian, W. J., Hutomo, I. T., & Sarjani, C. (2018). EVALUASI SISTEM HUMAN
RESOURCE INFORMATION SYSTEM BERBASIS MINOVA HR PADA
PT. XYZ MENGGUNAKAN TECHNOLOGY ACCEPTANCE MODEL
(TAM). 29.
Vaughan, P. (2017). An Introduction to Inbound Marketing Analytics. 2.
Waterloo. (2012). University of Waterloo - IT PORTFOLIO MANAGEMENT. Dipetik
1 5, 2019, dari https://uwaterloo.ca/it-portfolio-management/sites/ca.it-
portfolio-management/files/uploads/files/template-fitgap-document-2013-11-
08.docx
Wibowo, A. (2008). KAJIAN TENTANG PERILAKU PENGGUNA SISTEM
INFORMASI DENGAN PENDEKATAN TECHNOLOGY ACCEPTANCE
MODEL (TAM).
Winarno, M. E. (2018). Buku Metodologi Penelitian dalam Pendidikan Jasmani.
Malang: Universitas Negeri Malang.
41
Halaman ini sengaja dikosongkan

LAMPIRAN
Lampiran 1 Hasil Wawancara dengan Narasumber (02-11-2018)
Narasumber: Bpk. Esar Almario, S. Kom.
No Topik Hasil Wawancara

1 Struktur Organisasi - Lihat Bab 3.2.3
PT. XYZ
2 Job Description untuk - Lihat Bab 3.2.4.
tiap peran/divisi pada
Proses Bisnis XYZ
Transportation
Division
3 Proses Bisnis XYZ - Proses bisnis pada XYZ Transportation
Transportation Division berfokus pada kendaraan
Division sebelum, saat golongan I.
menggunakan dan CR - Pembahasan simulasi proses bisnis XYZ
TRM. Transportation Division
- Diagram bisnis proses yang telah
dihasilkan (lihat Gambar 3.2, Gambar
3.3, dan Gambar 4.5)
4 Fitur Automatic Driver - Fungsi dan kegunaan fitur Automatic
Selection Driver Selection
- Requirement yang dibutuhkan untuk
penggunaan Automatic Driver Selection
- Validasi-validasi untuk Automatic
Driver Selection
5 Fitur Marketing - Fungsi dan kegunaan fitur Marketing
Analytics Report Analytics Report Generation
Generation - Requirement yang dibutuhkan untuk
penggunaan Marketing Analytics
Report Generation
- Kegunaan report yang dihasilkan oleh
Marketing Analytics Report Generation
L1
L2
Lampiran 2 Kuesioner Penelitian

L3
L4
Lampiran 3 Hasil Kuesioner

CSE CSE CSE OS OS TR TR TR CX CX CX COMP COMP COMP
1 2 3 1 2 1 2 3 1 2 3 1 2 3
4 3 4 3 5 4 5 5 6 4 5 4 3 3
5 3 4 5 5 5 4 5 5 3 5 4 5 3
4 3 6 4 6 6 6 6 5 5 4 5 4 5
6 5 5 4 6 5 5 6 6 5 6 5 5 5
4 5 6 5 6 5 5 6 6 5 6 5 6 4
5 5 6 5 5 5 5 5 6 5 5 5 4 5
5 4 5 5 6 5 6 6 5 4 6 5 4 4
5 3 5 4 6 5 5 5 4 3 4 3 4 5
6 5 6 5 6 5 6 5 6 5 5 6 4 4
4 4 6 4 5 4 4 5 4 2 4 4 3 4
5 3 5 3 5 4 5 4 5 3 3 4 4 4
4 5 5 3 5 5 5 4 5 4 4 4 4 4
6 3 6 5 6 6 6 6 6 5 6 5 5 5
5 5 6 5 6 5 6 6 6 5 4 6 5 6
4 4 5 6 6 6 5 6 6 4 5 5 6 5
6 5 6 3 6 6 6 5 6 4 5 4 6 5
6 5 4 5 5 5 5 5 5 5 5 4 5 6
5 5 5 5 6 5 5 5 5 4 5 5 4 5
5 4 5 6 5 5 4 4 5 3 4 5 5 4
4 4 3 4 5 5 5 6 6 4 4 4 6 5
5 5 5 4 6 5 6 6 6 5 6 5 4 5
3 4 2 3 4 4 5 4 5 3 4 4 4 5
5 5 5 5 6 6 5 6 5 6 6 5 6 6
6 5 4 3 5 6 3 4 5 4 5 4 6 4
5 5 6 6 6 6 5 6 6 6 6 5 5 6
4 5 5 4 5 3 5 5 5 4 5 4 4 5
5 4 4 4 3 6 4 5 5 3 4 3 5 4
5 3 3 4 4 4 5 4 5 4 5 5 3 3
4 4 5 5 5 6 6 6 6 4 5 5 5 5
5 4 4 5 6 5 6 5 5 4 5 5 4 4
PU PU PU PU PEO PEO PEO IU IU USG USG USG IP IP PE PE

1 2 3 4 U1 U2 U3 1 2 1 2 3 1 2 1 2
4 4 5 4 5 4 5 5 5 3 4 4 5 6 4 5
4 5 4 3 5 5 5 6 5 3 4 5 4 5 5 5
6 6 6 5 6 6 6 6 6 4 3 6 6 6 5 5
5 5 5 6 6 6 6 6 6 6 5 6 5 6 6 6
5 6 5 6 5 5 6 5 5 4 3 4 5 5 6 6
5 5 5 6 5 6 5 5 5 3 2 5 4 5 5 5
6 5 5 5 5 6 5 6 6 4 4 5 6 6 5 6
5 5 4 3 5 6 6 5 5 3 3 4 5 5 5 6
5 5 6 5 5 5 5 6 6 6 5 6 6 6 6 6
4 5 4 4 4 4 5 5 4 2 5 5 5 5 5 4
L5
PU PU PU PU PEO PEO PEO IU IU USG USG USG IP IP PE PE

1 2 3 4 U1 U2 U3 1 2 1 2 3 1 2 1 2
5 5 4 4 6 5 5 4 5 5 4 4 4 4 4 4
4 5 4 3 6 3 5 4 4 4 3 4 4 6 4 4
5 6 5 6 6 6 6 6 6 5 3 6 6 6 6 5
6 5 6 6 5 6 6 6 6 6 5 6 6 6 6 6
5 6 5 6 6 5 6 6 6 5 4 5 5 5 6 6
6 5 6 6 6 6 5 5 5 6 3 5 6 6 6 5
5 6 5 5 6 5 6 6 6 6 6 5 6 6 6 5
6 5 5 6 6 6 6 6 6 5 4 6 6 5 6 6
5 5 5 5 5 5 5 5 5 4 3 5 5 5 6 6
5 5 6 6 5 5 5 5 6 5 4 5 5 6 6 6
6 6 5 6 6 5 6 6 6 6 6 6 6 5 6 5
3 5 4 4 5 4 5 5 5 4 2 5 5 4 4 4
6 6 5 6 5 6 6 5 6 6 6 6 6 6 6 5
5 5 5 4 6 4 6 6 5 6 5 6 6 5 5 4
6 6 5 5 6 6 5 5 6 5 6 5 6 6 6 6
4 4 6 5 5 5 5 4 6 5 5 5 6 6 5 6
6 6 6 6 5 5 6 5 5 5 6 5 5 5 6 6
5 5 5 5 4 6 5 5 4 5 3 5 5 4 5 5
4 4 6 5 5 5 5 6 5 6 5 6 5 6 6 6
5 4 4 4 4 5 5 5 6 5 4 4 5 4 5 6
RIWAYAT HIDUP

Evaluasi Penggunaan Sistem Erp Modul Transportation Reservation Management (TRM) Pada Pt. Xyz Menggunakan Fit Gap Analysis Dan Technology Acceptance Model

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Evaluasi Penggunaan Sistem Erp Modul Transportation Reservation Management (TRM) Pada Pt. Xyz Menggunakan Fit Gap Analysis Dan Technology Acceptance Model

Hochgeladen von

Copyright:

Verfügbare Formate

HALAMAN SAMPUL

EVALUASI PENGGUNAAN SISTEM ERP MODUL TRANSPORTATION

diajukan sebagai salah satu syarat

EVALUASI PENGGUNAAN SISTEM ERP MODUL TRANSPORTATION

A successful information systems application should not only be determined by

Jakarta, 21 Januari 2019

HALAMAN SAMPUL ................................................................................................. i

Gambar 2.1 Gambar Techonology Acceptance Model ............................................... 29

Lampiran 1 Hasil Wawancara dengan Narasumber (02-11-2018)............................... 1

1.1. Latar Belakang

masing-masing menawarkan opsi penyewaan kendaraan untuk kebutuhan yang

1.2. Identifikasi Masalah

1.3. Ruang Lingkup

1.4. Tujuan dan Manfaat

3. Mengungkap pengaruh dari faktor Computer Self-Efficacy, Organizational

6. Mengungkap pengaruh dari faktor Usage terhadap faktor Individual

Adapun manfaat yang diperoleh dari penelitian ini, yaitu:

H2. Faktor Computer Self-Efficacy mempengaruhi faktor Perceived Ease

H12. Faktor Perceived Usefulness mempengaruhi faktor Intention to Use.

1.6. Metode Penelitian

Wawancara tersebut dilakukan dengan tujuan memperoleh gambaran

1.7. Tinjauan Pustaka

1.8. Sistematika Penulisan

Bab metode penelitian menguraikan profil perusahaan, kemudian visi,

2.1. Sistem Informasi

Selain arti berdasarkan terjemahan, kata-kata yang terkandung di dalam definisi

2.3. Transportation Reservation Management (TRM)

2.4. Enterprise Resource Planning (ERP)

2.5. Marketing Analytics

2.6. Fit Gap Analysis

dan dipaparkan untuk mendapatkan kecocokan (fits) dan ketidakcocokan (gaps).

2.6.1. Tujuan Fit Gap Analysis

2.6.2. Metode Fit Gap Analysis

melakukan sesi brainstroming yang menentukan fungsi-fungsi pada

2.6.3. Langkah-langkah Fit Gap Analysis

b. Menentukan Degree of Fit

2 Gap dalam upaya untuk memperbaiki gap yang ada.

2.7. Risk Analysis

2.7.1. Risk Identification

pengetahuan dan keterampilan yang ditawarkan untuk mengantisipasi peristiwa

2.7.2. Probability Impact Matrix

Sedangkan dalam klasifikasi Probability, penulis menggunakan

2.8. Metode Pengumpulan Data

dalam menginterprestasikan situasi dan fenomena yang terjadi yang tidak

2.11. Metode Sampling

2.12. Variabel Penelitian

Variabel ini sering disebut sebagai variabel output, kriteria, konsekuen.

2.13. Analisis Data

2.14. Statistical Product and Service Solution (SPSS)

2.15. Structural Equation Modelling – Partial Least Square (SEM-PLS)

berpendapat bahwa validitas diskriminan (discriminant validity)

2.16. Uji Hipotesis

dikenakan pada sampel (x = rata-rata; s = simpangan baku; s2 = varians; r = koefisien

2.17. Technology Acceptance Model (TAM)

Gambar 2.1 Gambar Techonology Acceptance Model

Technology Acceptance Model sendiri terbagi menjadi beberapa bagian seperti

2.17.1. Individual Characteristic

suatu pekerjaan untuk meraih tujuan yang ingin dicapai. Pada

2.17.2. Organization Characteristic

sebagainya. Pada Training terdapat tiga dimensi atau sub-variable yaitu;

2.17.3. Technological Characteristic

pressure dan systems compability. (Mazhar, 2014) berpendapat bahwa,