78
Tabel 7 Profil Responden Berdasarkan Masa Kerja
Masa Kerja Jumlah orang
Presentase
1th - -
1-3 th 3
9,6 3-5 th
14 80,4
5 th 13
10
Jumlah 30
100
Sumber: Data Primer Diolah 2010.
B. ANALISIS DATA
PLS mengenal dua macam komponen pada model kausal yaitu: model pengukuran measurement model dan model struktural structural model. Model
struktural terdiri dari konstruk-konstruk laten yang tidak dapat diobservasi, sedangkan model pengukuran terdiri dari indikator-indikator yang dapat
diobservasi. Pada pengujian ini juga dilakukan estimasi koefisien-koefisien jalur yang mengidentifikasi kekuatan dari hubungan antara variabel independen dan
variabel dependen. Model pengukuran terdiri dari hubungan antara item-item variabel dapat diobservasi dan konstruk laten yang diukur dengan item-item
tersebut.
79
B.1 EVALUASI MODEL PENGUKURANMEASUREMENT OUTER MODEL
Evaluasi model pengukuran adalah mengukur korelasi antara indikator dengan konstrukvariabel laten. Dengan mengetahui korelasinya akan diketahui
validitas dan reliabilitas sebuah model. Untuk mengukur validitas dan reliabilitas konstruk, dilakukan dengan melihat validitas konvergen, validitas diskriminan,
dan reliabilitas konstruk Ghozali 2008.
B.1.1 VALIDITAS KONVERGEN CONVERGENT VALIDITY
Validitas konvergen bertujuan untuk mengetahui validitas setiap hubungan antara indikator dengan variabel latennya. Validitas konvergen dari model
pengukuran dengan refleksif indikator dinilai berdasarkan korelasi antara skor item atau component score dengan skor variabel laten atau construct score yang
dihitung dengan PLS. Nilai loading yang memiliki tingkat validitas yang tinggi apabila memiliki
nilai faktor loading yang lebih besar dari 0,70 Ghozali 2008. Berikut disajikan hasil dari outer loading untuk setiap indikator-indikator yang dimiliki oleh tiap-
tiap variabel laten eksogen dan endogen dalam 2 model penelitian yang didapat dari olah data menggunakan SmartPLS :
80
Tabel 8 Nilai Muatan Loading Indikator
Muatan Konstruk Indikator
Kode Model 1
Model 2
KUALITAS
Kelengkapan KI
Item 1 KI1
0.9707 0.9707
Item 2 KI2
0.9778 0.9778
Item 3 KI3
0.9708 0.9708
Item 4 KI4
0.9691 0.9691
Ketepatan KI Item 1
KI5 0.9689
0.9689 Item 2
KI6 0.9855
0.9850 Item 3
KI7 0.9828
0.9828 Item 4
KI8 0.9700
0.9700 Akurasi KI
Item 1 KI9
0.9615 0.9615
Item 2 KI10
0.9498 0.9498
Item 3 KI11
0.9554 0.9554
Item 4 KI12
0.9575 0.9575
Keandalam KI Item 1
KI13 0.9775
0.9775 Item 2
KI14 0.9733
0.9732 Item 3
KI15 0.9636
0.9635 Item 4
K116 0.9646
0.9646 Kekinian KI
Item 1 KI17
0.9623 0.9624
Item 2 KI18
0.9661 0.9661
Item 3 KI19
0.9615 0.9615
Item 4 KI20
0.9688 0.9688
Bentuk Keluaran KI
Item 1 KI21
0.9676 0.9675
Item 2 KI22
0.9753 0.9753
Item 3 KI23
0.9707 0.9707
INFORMASI KI
Item 4 KI24
0.9688 0.9680
KUALITAS Fleksibilitas system
KS Item 1
KS1 0.7901
0.7901 Item 2
KS2 0.7604
0.7604 Item 3
KS3 0.8625
0.8625 Item 4
KS4 0.8985
0.8985 Integritas system
KS Item 1
KS5 0.9358
0.9358 Item 2
KS6 0.9473
0.9473 Item 3
KS7 0.9356
0.9356
SISTEM KS
Item 4 KS8
0.9417 0.9417
Semua nilai loading yang memiliki tingkat validitas yang tinggi untuk model 1 dan model 2 karena memiliki nilai faktor loading yang lebih besar dari
81 0,70. Hasil dari outer loading menunjukkan untuk keseluruhan item memiliki
tingkat validitas yang tinggi.
Tabel 8 Lanjutan
Muatan Konstruk Indikator
Kode
Model 1 Model 2
Waktu respon KS
Item 1 KS9
0.9156 0.9156
Item 2 KS10
0.9731 0.9731
Item 3 KS11
0.9733 0.9730
Item 4 KS12
0.9444 0.9440
Perbaikan kesalahan KS
Item 1 KS13
0.9621 0.9621
Item 2 KS14
0.9591 0.9591
Item 3 KS15
0.9369 0.9369
Item 4 KS16
0.9511 0.9510
Kenyamanan akses KS
Item 1 KS17
0.9736 0.9736
Item 2 KS18
0.9482 0.9482
Item 3 KS19
0.9255 0.9255
Item 4 KS20
0.9755 0.9700
Bahasa KS
Item 1 KS21
0.9617 0.9617
Item 2 KS22
0.9685 0.9685
Item 3 KS23
0.9488 0.9488
KUALITAS SISTEM KS
Item 4 KS24
0.9717 0.9717
Item 1 KP1
0.9321 0.9319
Item 2 KP2
0.9307 0.9306
Item 3 KP3
0.9540 0.9541
Item 4 KP4
0.9268 0.9269
KEPUASAN PEMAKAI KP
Item 5 KP5
0.9029 0.9031
PENGGUNAAN Penggunaan harian
P1 0.9699
0.9667
P Frekuensi Penggunaan harian
P2 0.9735
0.9763
DAMPAK Frekuensi penggunaan
Kinerja DI1 0.7780
0.7775 Produktivitas DI2
0.9709 0.9710
Efektivitas DI3 0.9644
0.9646
INDIVIDUAL DI
Kemudahan pekerjaan DI4
0.9706 0.9707
Produktivitas organisasi DO1
0.9768 0.9575
Posisi kompetisi organisasi DO2
- -
Profitabilitas organisasi DO3
0.9212 0.9452
Peningkatan pendapatan organisasi DO4
0.7471 0.7812
DAMPAK ORGANISASI
DO
Peningkatan kinerja organisasi DO5
0.9417 0.9321
Keterangan: = tidak valid Sumber: Data Primer Diolah 2010.
82 Dari hasil di atas semua indikator baik model 1 maupun model 2 memiliki
muatan loading yang lebih besar dari 0,70 kecuali indikator frekuensi dampak organisasi DO2 yang membentuk konstruk dampak organisasi. Nilai tersebut
mengindikasikan bahwa indikator frekuensi dampak organisasi DO2 memiliki validitas yang rendah karena tidak sesuai dengan yang dipersyaratkan yakni di
atas 0,70.
B.1.2 VALIDITAS DISKRIMINAN DISCRIMINANT VALIDITY
Tujuan menentukan discriminant validity adalah untuk membuktikan bahwa konstruk laten memprediksi ukuran pada blok mereka lebih baik daripada
ukuran pada blok lainnya. Ghozali 2008 menyebutkan bahwa discriminant validity dari model pengukuran dengan refleksif indikator dinilai berdasarkan
cross loading pengukuran dengan konstruk. Apabila nilai korelasi konstruk
dengan item pengukuran lebih besar daripada nilai korelasi dengan konstruk lainnya, maka hal tersebut menunjukan bahwa konstruk laten memprediksi ukuran
pada blok mereka lebih baik daripada ukuran pada blok lainnya. Berikut akan ditunjukan hasil dari discriminant validity baik model 1
maupun model 2 yang ditunjukan dari nilai cross loading masing-masing sebagai berikut:
83
Tabel 9. Nilai Cross Loading Model 1
KONSTRUK INDIKATOR
Dampak Individual
Dampak Organisasi
Kepuasan Informasi
Kepuasan Pengguna
Kualitas Sistem
Penggunaan DI
DO KI
KP KS
P DAMPAK
INDIVIDUAL DI_1
0.7780 0.7192
0.6271 0.6102
0.6800 0.0055 DI_2 0.9709
0.8739 0.9546
0.8435 0.9399
-0.2020 DI_3 0.9644
0.8832 0.9590 0.8623
0.9460 -0.1450 DI_4 0.9706
0.8686 0.9561
0.8414 0.9469
-0.1955 DI_5 0.9528
0.9461 0.8547
0.8507 0.8675
-0.0393 DI_6 0.9676
0.9539 0.8804
0.8634 0.9040 -0.1692
DI_6 0.9676 0.9539
0.8804 0.8634
0.9040 -0.1692
DAMPAK ORGANISASI
DO_1 0.9458 0.9768
0.8869 0.9058
0.9162 -0.0993
DO_3 0.7661 0.9212
0.7450 0.8488 0.7814
0.0272 DO_4
0.6650 0.7471
0.7233 0.7228
0.7573 -0.1394
DO_5 0.8801 0.9417
0.8387 0.8642
0.8316 -0.0577
KUALITAS INFORMASI
KI_1a 0.9074 0.8624
0.9707 0.9083
0.9443 -0.1915
KI_1b 0.9060
0.8762 0.9778
0.9221 0.9459
-0.1426 KI_1c
0.9190 0.9351
0.9708 0.9547
0.9522 -0.1897
KI_1d 0.9231 0.9254
0.9691 0.9392
0.9487 -0.2000
KI_2a 0.9469 0.9041
0.9689 0.9218
0.9442 -0.2230
KI_2b 0.9417 0.9150
0.9850 0.9390
0.9606 -0.2072
KI_2c 0.9288 0.9200
0.9828 0.9484
0.9600 -0.2033
KI_2d 0.8800 0.8394
0.9700 0.8950
0.9352 -0.2031
KI_3a 0.9389 0.8450
0.9615 0.8234
0.9472 -0.2271
KI_3b 0.8921 0.8283
0.9498 0.8344
0.9434 -0.1549
KI_3c 0.9010 0.8344
0.9554 0.8331
0.9486 -0.2150
KI_3d 0.8991 0.8403
0.9575 0.8508
0.9614 -0.2032
KI_4a 0.8821 0.8391
0.9775 0.9039
0.9416 -0.2889
KI_4b 0.8502 0.8224
0.9733 0.9096
0.9424 -0.2823
KI_4c 0.8460 0.8203
0.9636 0.9088
0.9376 -0.2471
KI_4d 0.8569 0.8366
0.9646 0.9109
0.9416 -0.3103
KI_5a 0.9369 0.9166
0.9623 0.9010
0.9584 -0.2607
KI_5b 0.9474 0.9299
0.9661 0.9171
0.9663 -0.2644
KI_5c 0.9284 0.8869
0.9615 0.8833
0.9501 -0.2861
KI_5d 0.9389 0.9048
0.9688 0.8978
0.9599 -0.2896
KI_6a 0.8892 0.8491
0.9676 0.8961
0.9551 -0.2907
KI_6b 0.8825 0.8412
0.9753 0.9105
0.9609 -0.1562
KI_6c 0.9283 0.8416
0.9707 0.8720
0.9435 -0.1982
KI_6d 0.9299 0.8405
0.9680 0.8725
0.9412 -0.1905
84
Tabel 9 Lanjutan
KONSTRUK INDIKATOR
Dampak Individual
Dampak Organisasi
Kepuasan Informas
Kepuasan Pengguna
Kualitas Sistem
Penggunaan KEPUASAN
PENGGUNA KP_1 0.8908
0.8718 0.9676
0.9321 0.9646
-0.1390 KP_2 0.8798
0.8642 0.9634
0.9307 0.9632
-0.1462 KP_3 0.8207
0.9003 0.8331
0.9540 0.8229
-0.0696 KP_4 0.7770
0.8613 0.7866
0.9268 0.7952
-0.1320 KP_5 0.6425
0.7869 0.7120
0.9029 0.7393
-0.0814
KUALITAS SISTEM
KS_1a 0.6753 0.8125
0.7077 0.8358
0.7901 -0.1334
KS_1b 0.6968 0.7758
0.6835 0.7909
0.7604 -0.1377
KS_1c 0.7976 0.8044
0.8132 0.8237
0.8625 -0.2588
KS_1d 0.8042 0.7915
0.8764 0.8456
0.8985 -0.2126
KS_2a 0.8919 0.8232
0.9360 0.8460
0.9358 -0.2201
KS_2b 0.8867 0.8792
0.9216 0.8920
0.9473 -0.2056
KS_2c 0.8989 0.8141
0.9390 0.8352
0.9356 -0.2738
KS_2d 0.9085 0.8175
0.9338 0.8403
0.9417 -0.1948
KS_3a 0.8683 0.9237
0.8855 0.9038
0.9156 -0.2429
KS_3b 0.8893 0.8521
0.9693 0.8942
0.9731 -0.2285
KS_3c 0.8984 0.8718
0.9751 0.8933
0.9730 -0.2619
KS_3d 0.9112 0.8714
0.9506 0.8595
0.9440 -0.3075
KS_4a 0.9251 0.8765
0.9574 0.8788
0.9621 -0.1263
KS_4b 0.9037 0.8724
0.9575 0.8845
0.9591 -0.1043
KS_4c 0.8524 0.8687
0.9025 0.8806
0.9369 -0.1334
KS_4d 0.8907 0.8939
0.9290 0.8963
0.9510 -0.0824
KS_5a 0.9533 0.9120
0.9644 0.9001
0.9736 -0.2664
KS_5b 0.9392 0.9507
0.9279 0.9062
0.9482 -0.2440
KS_5c 0.8573 0.8158
0.9189 0.8406
0.9255 -0.1946
KS_5d 0.9504 0.9257
0.9560 0.9175
0.9700 -0.2662
KS_6a 0.9508 0.8770
0.9590 0.8640
0.9617 -0.1510
KS_6b 0.9159 0.8645
0.9525 0.8861
0.9685 -0.1364
KS_6c 0.9088 0.8517
0.9413 0.8586
0.9488 -0.1514
KS_6d 0.9400 0.8603
0.9621 0.8576
0.9717 -0.2289
PENGGUNAAN P_1 -0.1039
-0.0827 -0.2272
-0.1101 -0.1898
0.9699 P_2 -0.1610
-0.1072 -0.2457
-0.1316 -0.2230
Keterangan : Nilai loading blok indikator dalam huruf tebal bold.
Sumber: Data Primer Diolah 2010.
85
Tabel 10
.
Nilai Cross Loading Model 2
KONSTRUK INDIKATOR
Dampak Individual
Dampak Organisasi
Kualitas Informasi
Kepuasan Pemakai
Kualitas Sistem
Penggunaan DI
DO KI
KP KS
P DAMPAK
INDIVIDUAL DI_1
0.7775 0.6920
0.6271 0.6101
0.6800 0.0041
DI_2 0.9710
0.8493 0.9547
0.8433 0.9399
-0.2039 DI_3
0.9646 0.8648
0.9590 0.8621
0.9460 -0.1472
DI_4 0.9707
0.8418 0.9562
0.8412 0.9469
-0.1965 DI_5
0.9527 0.9165
0.8548 0.8507
0.8675 -0.0404
DI_6 0.9675
0.9199 0.8805
0.8634 0.9041
-0.1701
DAMPAK ORGANISASI
DO_1 0.9457
0.9575 0.8869
0.9058 0.9162
-0.1003 DO_3
0.7659 0.9452
0.7450 0.8489
0.7814 0.0266
DO_4 0.6651
0.7812 0.7233
0.7226 0.7573
-0.1405 DO_5
0.8800 0.9321
0.8387 0.8642
0.8316 -0.0572
KUALITAS INFORMAS
KI_1a 0.9076
0.8532 0.9707
0.9081 0.9443
-0.1922 KI_1b
0.9062 0.8730
0.9778 0.9219
0.9459 -0.1435
KI_1c 0.9191
0.9320 0.9708
0.9546 0.9522
-0.1903 KI_1d
0.9231 0.9181
0.9691 0.9391
0.9487 -0.2007
KI_2a 0.9469
0.8814 0.9689
0.9217 0.9442
-0.2236 KI_2b
0.9418 0.8994
0.9850 0.9389
0.9606 -0.2077
KI_2c 0.9290
0.9102 0.9828
0.9483 0.9600
-0.2038 KI_2d
0.8803 0.8346
0.9700 0.8948
0.9352 -0.2036
KI_3a 0.9391
0.8185 0.9615
0.8232 0.9472
-0.2278 KI_3b
0.8923 0.8149
0.9498 0.8342
0.9434 -0.1557
KI_3c 0.9012
0.8192 0.9554
0.8329 0.9486
-0.2156 KI_3d
0.8993 0.8279
0.9575 0.8506
0.9614 -0.2037
KI_4a 0.8823 0.8299
0.9775 0.9037
0.9416 -0.2887
KI_4b 0.8505
0.8207 0.9732
0.9095 0.9424
-0.2820 KI_4c
0.8463 0.8227
0.9635 0.9087
0.9376 -0.2469
KI_4d 0.8571
0.8377 0.9646
0.9108 0.9416
-0.3099 KI_5a
0.9369 0.8990
0.9624 0.9008
0.9584 -0.2614
KI_5b 0.9474
0.9116 0.9661
0.917 0.9663
-0.2651 KI_5c
0.9285 0.8628
0.9615 0.8832
0.9501 -0.2867
KI_5d 0.9390
0.8815 0.9688
0.8977 0.9599
-0.2902 KI_6a
0.8894 0.8417
0.9675 0.8959
0.9551 -0.2912
KI_6b 0.8827
0.8373 0.9753
0.9103 0.9609
-0.1570 KI_6c
0.9285 0.8244
0.9707 0.8718
0.9435 -0.1989
KI_6d 0.9301
0.8222 0.9680
0.8723 0.9412
-0.1912
KEPUASAN PENGGUNA
KP_1 0.8910
0.8715 0.9676
0.9319 0.9646
-0.1399 KP_2
0.8801 0.8648
0.9634 0.9306
0.9632 -0.1472
KP_3 0.8207
0.8962 0.8331
0.9541 0.8229
-0.0701 KP_4
0.7769 0.8569
0.7866 0.9269
0.7952 -0.1321
KP_5 0.6424
0.8045 0.7120
0.9031 0.7393
-0.0813
86
Tabel 10 Lanjutan
KONSTRUK INDIKATOR
Dampak Individual
Dampak Organisasi
Kualitas Informasi
Kepuasan Pemakai
Kualitas Sistem
Penggunaan DI
DO KI
KP KS
P KUALITAS
SISTEM KS_1a
0.6752 0.8237
0.7077 0.8358
0.7901 -0.1342
KS_1b 0.6967
0.7674 0.6835
0.7909 0.7604
-0.1393 KS_1c
0.7976 0.7898
0.8132 0.8236
0.8625 -0.2598
KS_1d 0.8045
0.7964 0.8764
0.8454 0.8985
-0.2140 KS_2a
0.8921 0.8098
0.9360 0.8458
0.9358 -0.2213
KS_2b 0.8868
0.8700 0.9216
0.8919 0.9473
-0.2067 KS_2c
0.8991 0.7966
0.9390 0.8350
0.9356 -0.2747
KS_2d 0.9087
0.7978 0.9338
0.8401 0.9417
-0.1961 KS_3a 0.8682
0.9105 0.8856
0.9038 0.9156
-0.2429 KS_3b
0.8894 0.8417
0.9693 0.8940
0.9731 -0.2290
KS_3c 0.8985
0.8645 0.9751
0.8932 0.9730
-0.2621 KS_3d
0.9113 0.8495
0.9506 0.8593
0.9440 -0.3074
KS_4a 0.9253
0.8635 0.9574
0.8786 0.9621
-0.1272 KS_4b
0.9039 0.8677
0.9575 0.8843
0.9591 -0.1050
KS_4c 0.8525
0.8656 0.9025
0.8805 0.9369
-0.1337 KS_4d 0.8908
0.8891 0.9290
0.8961 0.9510
-0.0830 KS_5a
0.9534 0.8884
0.9644 0.8999
0.9736 -0.2671
KS_5b 0.9391 0.9304
0.9279 0.9062
0.9482 -0.2446
KS_5c 0.8575
0.8063 0.9189
0.8404 0.9255
-0.1959 KS_5d
0.9504 0.9060
0.9560 0.9174
0.9700 -0.2669
KS_6a 0.9509
0.8577 0.9590
0.8638 0.9617
-0.1521 KS_6b
0.9161 0.8547
0.9525 0.8859
0.9685 -0.1374
KS_6c 0.9090 0.8418
0.9413 0.8584
0.9488 -0.1524
KS_6d 0.9402
0.8402 0.9621
0.8574 0.9717
-0.2298
PENGGUNAAN P_1
-0.1040 -0.0602
-0.2272 -0.1100
-0.1898 0.9667
P_2 -0.1612
-0.0809 -0.2457
-0.1315 -0.2231
0.9763
Keterangan : Nilai loading blok indikator dalam huruf tebal bold.
Sumber: Data Primer Diolah 2010.
Dari hasil estimasi cross loading di atas baik model 1 maupun model 2 menunjukan bahwa nilai korelasi konstruk dengan indikatornya lebih besar
daripada nilai korelasi dengan konstruk lainnya. Dengan demikian dapat
87 disimpulkan bahwa semua konstruk laten memprediksi indikator pada blok
mereka lebih baik daripada indikator di blok lainnya. Metode untuk menilai discriminant validity selain dengan melihat nilai
cross loading adalah dengan melihat akar kuadrat dari AVE untuk setiap konstruk
apakah lebih besar daripada korelasi antara konstruk dengan konstruk lainnya. Model memiliki validitas diskriminan yang baik jika akar kuadrat AVE untuk
setiap konstruk lebih besar dari korelasi antara dua konstruk di dalam model. Sebelum dibandingkan, terlebih dahulu harus dicari nilai dari AVE untuk masing-
masing model. AVE yang baik, disyaratkan oleh Ghozali 2008 memiliki nilai lebih besar dari 0,50. Berikut akan disajikan nilai AVE beserta nilai akar
kuadratnya:
Tabel 11 AVE dan Akar AVE
Model 1 Model 2
Konstruk AVE Akar
AVE AVE Akar
AVE DI 0.877327
0.936657
0.877325
0.936656 DO 0.831526
0.911880 0.822286 0.906799
KI 0.937612 0.968303
0.937615
0.968305 KP 0.863859
0.929440
0.863884
0.929453 KS 0.
870489 0.933000
0.870489
0.933000 P
0.944172 0.971685
0.943860
0.971524
Sumber: Data Primer Diolah 2010.
88 Dari tabel di atas, kedua model menunjukan nilai AVE yang lebih besar
dari 0,50 yakni terkecil 0,56. Hal ini telah sesuai dengan yang disyaratkan. Setelah diketahui nilai akar kuadrat dari AVE masing-masing konstruk, tahap selanjutnya
membandingkan akar kuadrat AVE tersebut dengan korelasi antar konstruk dalam model.
Tabel 12 Korelasi antar Konstruk dengan Nilai Akar Kuadrat AVE Model 1
DI DO KI KP KS P DI
1.000000
DO 0.937196 1.000000
KI 0.937252 0.897492 1.000000 KP 0.944875 0.921958 0.980934 1.000000
KS 0.872448 0.924072 0.927961 0.931648 1.000000 P
-0.137226 -0.098076 -0.243666 -0.212975 -0.124704 1.000000
Keterangan: : kurang valid. Sumber: Data Primer Diolah 2010
Tabel 13 Korelasi antar Konstruk dengan Nilai Akar Kuadrat AVE Model 2
DI DO KI KP KS P DI
1.000000
DO 0.908609 1.000000
KI 0.937472 0.885273 1.000000 KP 0.872393 0.925501 0.927807
1.000000
KS 0.944977 0.99515 0.980938 0.931501 1.000000
P -0.138864
-0.073495 -0.24404 -0.125155 -0.213834 1.000000
Keterangan: : kurang valid. Sumber: Data Primer Diolah 2010
89 Dari 2 tabel di atas diketahui bahwa akar AVE untuk konstruk KI
Kualitas Informasi lebih tinggi daripada nilai korelasi KI dengan KS dan nilai akar AVE untuk konstruk KS Kualitas Sistem lebih tinggi daripada nilai korelasi
KS dengan KP sehingga konstruk dalam model masih dapat dikatakan memiliki validitas diskriminan yang cukup baik.
B.1.3. COMPOSITE RELIABILITY
Pengujian lainnya untuk mengevaluasi outer model adalah dengan melihat reliabilitas konstruk variabel laten yang diukur dengan dua kriteria yaitu
composite reliability dan cronbach alpha dari blok indikator yang mengukur konstruk. Konstruk dinyatakan reliabel jika nilai composite reliability maupun
nilai cronbach alpha diatas 0,70. Berikut hasil ouput dari SmartPLS:
Tabel 14 Composite Reliability dan Cronbach Alpha
Composite Reliability Cronbachs Alpha
Konstruk Model 1
Model 2 Model 1
Model 2
Dampak Individu DI 0.977101
0.977100 0.970913
0.970913
Dampak Organisasi DO 0.960747 0.948436 0.947530
0.926353
Kualitas Informasi KI 0.997235
0.997235 0.997115 0.997115
Kepuasan Pemakai KP 0.969435
0.969441 0.993367 0.960868
Kualitas Sistem KS 0. 993819
0.993819 0.960868 0.993367
Penggunaan P 0.971284
0.971118 0.940927 0.940927
Sumber: Data Primer Diolah 2010
90 Dari hasil di atas, baik model 1 maupun model 2 menunjukan nilai
composite reliability dan cronbach alpha untuk semua konstruk berada diatas 0,70. Dengan demikian dapat disimpulkan bahwa semua konstruk memiliki
reliabilitas yang baik.
B.2 EVALUASI MODEL STRUKTURALSTRUCTURAL INNER MODEL
Model struktural atau disebut juga inner model menggambarkan hubungan antar variabel laten berdasarkan pada substantive theory. Menilai inner model
dapat dilakukan dengan cara melihat model struktural yang terdiri dari hubungan yang dihipotesiskan di antara konstruk-konstruk laten dalam model penelitian.
Dengan menggunakan metode Bootstrapping pada SmartPLS, dapat diperoleh kesalahan standar standard errors, koefisien jalur path coefficientsS, dan nilai
T-Statistik. Dengan teknik ini, peneliti dapat menilai signifikansi statistik model
penelitian dengan menguji hipotesis untuk tiap jalur hubungan. Tabel untuk model 1 dan tabel 18 untuk model 2 menunjukkan koefisien untuk tiap jalur
hipotesis dan nilai T-Statistiknya yang diperoleh dari hasil output SmartPLS sebagai berikut:
91
Tabel 15 Koefisien Jalur dan T Statistik Model 1
Hubungan Konstruk
Original Sample
O Sample
Mean M
Standard Deviation
STDEV Standard
Error STERR
T Statistics |OSTERR|
DI - DO 0.937176 0.937176 0.018279
0.018279 51.270293 KI - P
-0.921212 -1.004049 0.301366 0.301366
3.056788
KS- KP 0.931648 0.929754 0.025574
0.025574 36.429123 KP - DI
0.868847 0.874922 0.035468 0.035468 24.496445
KP- P 0.730144 0.801594 0.287859
0.287859 2.536469 P - DI
-0.02887 -0.030923 0.091913
0.091913 0.314173 Keterangan: = tidak signifikan
Sumber: Data Primer Diolah 2010.
Tabel 16 Koefisien Jalur dan T Statistik Model 2
Hubungan Konstruk
Original Sample
O Sample
Mean M
Standard Deviation
STDEV Standard
Error STERR
T Statistics |OSTERR|
DI - DO 0.908609 0.914151 0.030143
0.030143 30.143339
KI - P -0.244048 -0.246910
0.075638 0.075638 3.226514
KP- DI 0.868620 0.875191 0.033750
0.033750 25.736919
KS - KP 0.948090 0.952553 0.022162 0.022162
42.780564
P- DI -0.030152 -0.007400
0.107235 0.107235 0.281276
P - KP 0.077579 0.068849 0.031580
0.031580 2.456674
Keterangan : = tidak signifikan Sumber
: Data Primer Diolah 2010
Pada tabel di atas dapat dilihat bahwa Dampak Individual terhadap Dampak organisasi memiliki nilai koefisien jalur 0,93 untuk model 1 dan 0,90
92 untuk model 2 dan signifikan pada p T 0,001 T statistik T tabel 2,93. Kualitas
informasi memiliki pengaruh negatif terhadap penggunaan dengan koefisien jalur -0,91 model 1 dan -0,24 model 2 signifikan pada p T 0,001 T statistik T
tabel 2,93 .
Kualitas sistem memiliki pengaruh positif dengan Kepuasan Pengguna dengan koefisien jalur 0,93 model 1 dan 0,94 model 2 dan signifikan
pada p T 0,001 T statistik T tabel 2,93. Kepuasan Pengguna memiliki pengaruh positif dengan Dampak Individu dengan koefisien jalur 0,86 untuk
model 1 dan model 2 signifikan pada p T 0,001 T statistik T tabel 2,93. Untuk model 1, Penggunaan tidak terbukti signifikan terhadap dampak
individual ditunjukan dengan koefisien jalur -0,02 untuk model 1 dan -0,03 untuk model 2 dengan nilai T statistik sebesar 0,31 T statistik T tabel 1,96. Demikian
juga untuk model 2, kepuasan pengguna juga terbukti memiliki pengaruh signifikan terhadap dampak individual ditunjukan dengan nilai T statistik sebesar
0,28 signifikan pada p T 0,001 T statistik T tabel 2,93. Kekuatan untuk menjelaskan explanatory power yang dimiliki model,
atau validitas nomologis nomological validity, dapat dinilai dengan melihat R- Square R
2
dari konstruk-konstruk endogen atau variabel dependen yakni: variabel kepuasan pemakai, variabel penggunaan, variabel dampak individu, dan
variabel dampak organisasi. Nilai R-Square di gunakan untuk menilai pengaruh variabel laten independen tertentu terhadap variabel laten dependen, apakah
mempunyai pengaruh yang substantif. Tabel 19 menunjukkan R-Square untuk konstruk-konstruk dependen.
93
Tabel 17 R-Square
R Square R
2
Konstruk Model 1
Model 2
Dampak Individu DI 0.761986 0.761965
Dampak Organisasi DO 0.878298 0.825570
Kepuasan Pemakai KP 0.867968 0.873437
Penggunaan P 0.133416 0.059560
Sumber: Data Primer Diolah 2010
Tabel 19 di atas menunjukkan bahwa kedua model penelitian menjelaskan sekitar 87 dari variabilitas total dampak organisasi, sekitar 76 dampak
individu, 13 penggunaan dan menjelaskan sekitar 87 varian pada pengukuran keseluruhan kepuasan pemakai. Untuk meringkas analisis di atas, Gambar 10 dan
Gambar 11 menggambarkan model estimasi PLS dari 2 model penelitian yang diusulkan. Gambar tersebut menunjukkan varian R
2
di konstruk-konstruk dependen dan koefisien-koefisien jalur serta tingkat signifikansinya dengan notasi
bintang . Karena semua konstruk diatas 0,67 model dianggap baik.
Keterangan: p T 0,001,
p T 0,05
Gambar 10. Hasil Pengujian Model Struktural Model 1
0,73 -0,24
0,93
0,86
-0,02 0,90
R
2
= 0,05
R
2
= 0,82 R
2
= 0,76
R
2
= 0,87
KI P
DO DI
KS KP
94
Keterangan: p T 0,001,
p T 0,05
Gambar 11 Hasil Pengujian Model Struktural Model 2
Hasil empiris dari pengujian kedua model ini menunjukkan bahwa kualitas sistem, kualitas informasi mempengaruhi kepuasan pemakai. Faktor-faktor
tersebut menjelaskan sekitar 87 varian di pengukuran keseluruhan kepuasan pemakai. Demikan juga kualitas sistem dan kualitas informasi berpengaruh
signifikan terhadap penggunaan dengan menyumbangkan sekitar 0,05 dari total variabilitas pengukurannya, dengan catatan kualitas informasi memberikan
pengaruh yang negatif pada kedua. Dalam model penelitian ditemukan pengaruh yang signifikan, baik
dampak individual terhadap dampak organisasi model 1 maupun dampak individual terhadap dampak organisasi model 2.
Dampak individu terbukti secara signifikan dipengaruhi oleh kepuasan pemakai dan penggunaan signifikan dengan nilai R square sebesar 0,76 pada
-0,07 -0,25
0,94 0,86
-0,03 0,90
R
2
= 0,05
R
2
= 0,82 R
2
= 0,76
R
2
= 0,87
KI P
DO DI
KS KP
95 model 1 dan 0,76 pada model 2 yang berarti bahwa dampak individu dapat
dijelaskan oleh kepuasan pemakai dan Penggunaan sebesar 76. Sedangkan dampak individu mempengaruhi dampak organisasi dengan nilai R square sebesar
0,82 atau 82.
C. PENGUJIAN HIPOTESIS
