TA : Pengukuran Penerimaan Aplikasi Sicyca Menggunakan Metode Unified Theory Of Acceptance And Use Of Technology (UTAUT).

(1)

PENGUKURAN PENERIMAAN APLIKASI SICYCA

MENGGUNAKAN METODE UNIFIED THEORY OF

ACCEPTANCE AND USE OF TECHNOLOGY (UTAUT)

TUGAS AKHIR

Program Studi S1 Sistem Informasi

Oleh:

ABDURRAHMAN FATTAH 10410100239

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA 2015


(2)

iv

Halaman

ABSTRAK………...i

KATA PENGANTAR………ii

DAFTAR ISI………..iv

DAFTAR GAMBAR………....vii

DAFTAR TABEL………...viii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 4

1.3 Batasan Masalah ... 4

1.4 Tujuan ... 5

1.5 Manfaat Penelitian ... 5

1.6 Sistematika Penelitian ... 6

BAB II LANDASAN TEORI ... 8

2.1 Unified Theory of Acceptance and Use of Technology (UTAUT) ... 8

2.2 Kerangka Konseptual... 11

2.3 Pengembangan Hipotesis ... 12

2.3.1 Ekspektasi Kinerja (Performance Expectancy) Terhadap Minat Pemanfaatan (Behavioral Intention)……….12

2.3.2 Ekspektasi Usaha (Effort Expectancy) Terhadap Minat Pemanfaatan (Behavioral Intention)………...13


(3)

v

2.3.4 Kondisi yang Memfasilitasi (Social Influence) Terhadap Perilaku

Penggunaan (Use Behavior)………...14

2.3.5 Minat Pemanfaatan (Behavioral Intention) Terhadap Perilaku Penggunaan (Use Behavior)………...15

2.4 Variabel Penelitian... 15

2.4.1 Variabel Idependen dan Dependen………...16

2.5 Populasi dan Sampel ... 16

2.6 Teknik Pengambilan Sampel ... 17

2.6.1 Stratified Random Sampling. ... 17

2.7 Skala Pengukuran ... 18

2.8 Analisis Deskriptif ... 19

2.9 Pengujian Alat Ukur ... 20

2.9.1 Validitas. ... 21

2.9.2 Reliabilitas. ... 24

2.10 Analisis Korelasi dan Regresi dengan Metode SEM ... 24

2.10.1 Structural Equation Model (SEM). ... 25

2.10.2 Kecocakan Model (Model Fit). ... 26

BAB III METODE PENELITIAN ... 27

3.1 Tahap Pendahuluan ... 27

3.2 Tahap Pengumpulan Data ... 28


(4)

vi

3.3.1 Analisis Deskriptif. ... 31

3.3.2 Analisis Validitas dan Reliabilitas. ... 31

3.3.3 Analisis Tingkat Penerimaan Mahasiswa Terhadap SICYCA. ... 32

3.3.4 Analisis Korelasi dan Regresi dengan Metode SEM. ... 33

BAB IV HASIL DAN PEMBAHASAN ... 47

4.1 Hasil ... 47

4.1.1 Informasi-informasi Pada SICYCA. ... 47

4.1.2 Pengumpulan Data. ... 50

4.1.3 Gambaran Umum Responden. ... 53

4.1.4 Analisis Deskriptif. ... 57

4.1.5 Analisis Validitas dan Reliabilitas. ... 60

4.1.6 Analisis Tingkat Penerimaan Maahasiswa Terhadap SICYCA. . 63

4.1.7 Analisis Korelasi Regresi dengan Metode SEM. ... 64

4.1.8 Uji Normalitas. ... 67

4.1.9 Uji Outliers (Nilai-Nilai Ekstrim). ... 68

4.1.10 Uji Kecocokan Model (Model Fit). ... 72

4.2 Pembahasan ... 73

4.2.1 Pengujian Hipotesis . ... 74

4.2.2 Korelasi Antar Variabel . ... 80

4.2.3 Hasil Regresi Berdasarkan Minat Pemanfaatan SICYCA . ... 86


(5)

vii

5.1 Saran ... 92 DAFTAR PUSTAKA ... 93 LAMPIRAN ... 95


(6)

viii

Halaman

Gambar 2.1 Kerangka Konseptual Model UTAUT………12

Gambar 2.2 Ilustrasi Sampel ... 17

Gambar 3.1 Tahapan Dalam Metode Penelitian. ... 27

Gambar 4.1 Grafik Sampel Mahasiswa Setiap Prodi. ... 53

Gambar 4.2 Grafik Presentase Sampel Mahasiswa Setiap Prodi. ... 54

Gambar 4.3 Analisis Konseptual Model UTAUT... 65


(7)

ix

Halaman Tabel 2.1 Teori-teori konstruk yang mendasari Model Unified Theory of

Acceptance and Use of Technology (UTAUT)………9

Tabel 3.1 Kriteria Penerimaan Suatu Model ... 43

Tabel 4.1 Klasifikasi Informasi SICYCA Pada Model UTAUT………49

Tabel 4.2 Mahasiswa 2010-2013 setiap Prodi STIKOM Surabaya…..………...47

Tabel 4.3 Sampel Mahasiswa Setiap Prodi 2010-2013………..……52

Tabel 4.4 Profil Responden Prodi DIII MI………54

Tabel 4.5 Profil Responden Prodi DIII KPK……….55

Tabel 4.6 Profil Responden Prodi DIII KGC………55

Tabel 4.7 Profil Responden Prodi DIV MM……….55

Tabel 4.8 Profil Responden Prodi S1 KA……..………..……….56

Tabel 4.9 Profil Responden Prodi S1 DKV…..…………..………..56

Tabel 4.10 Profil Responden Prodi S1 SK…………..………..57

Tabel 4.11 Profil Responden Prodi S1 SI……….57

Tabel 4.12 Statistik Deskriptif Variabel Ekspektasi Kinerja……….58

Tabel 4.13 Statistik Deskriptif Variabel Ekspektasi Usaha………...58

Tabel 4.14 Statistik Deskriptif Variabel Faktor Sosial………..59

Tabel 4.15 Statistik Deskriptif Variabel Minat Pemanfaatan………59 Tabel 4.16 Statistik Deskriptif Variabel Kondisi yang Menfasilitasi...………….60

Tabel 4.17 Statistik Deskriptif Variabel Prilaku Penggunaan………...60

Tabel 4.18 Uji Validitas Ekspektsi Kinerja………61


(8)

x

……….62

Tabel 4.22 Uji Validitas Kondisi yang Menfasilitasi……….…………...62

Tabel 4.23 Uji Validitas Prilaku Penggunaan..………..62

Tabel 4.24 Hasil Uji Reliabilitas………..………..63

Tabel 4.25 Analisis Tingkat Penerimaan Mahasiswa Terhadap SICYCA…..…..63

Tabel 4.26 Kriteria Interprestasi Scorer………….………….………64

Tabel 4.27 Analysis Summary………66

Tabel 4.28 Notes for Group (Group number 1)………...…66

Tabel 4.29 Variable Summary (Group number 1)……….66

Tabel 4.30 Assessment of normality (Group Number 1)………....67

Tabel 4.31 Observations Observations farthest from the centroid (Mahalanobis distance) (Group Number 1)………..68

Tabel 4.32 Notes for Model (Default Model)……….71

Tabel 4.33 Hasil Pengukuran Goodness of Fit………72

Tabel 4.34 Regression Weights (Group number 1 - Default model)………..74

Tabel 4.35 Variabel Ekspektasi Kinerja………...………...…...75

Tabel 4.36 Variabel Faktor Sosial………...………...77

Tabel 4.37 Standardized Regression Weights (Group number1-Default model)..79

Tabel 4.38 Correlations: (Group number 1 - Default model)………...81

Tabel 4.39 Standardized Direct Effects (Group number 1 - Default model)…….82

Tabel 4.40 Standardized Indirect Effects (Group number 1 - Default model)…...82

Tabel 4.41 Standardized Total Effects (Group number 1 - Default model)……...83 Tabel 4.42 Squared Multiple Correlations: (Group number 1 - Default model)...84


(9)

xi

Tabel 4.44 Hasil Pengujian Hipotesis berdasarkan Prilaku Penggunaan


(10)

BAB I PENDAHULUAN

1.1 Latar Belakang

Teknologi informasi dapat mengoptimasi proses pengelolaan informasi, beberapa penelitian menunjukkan bahwa kegagalan penerapan teknologi informasi saat ini lebih karena aspek prilaku pengguna teknologi informasi. Keberhasilan penerapan teknologi informasi ditentukan oleh banyak faktor, salah satu diantaranya adalah karakteristik pengguna teknologi informasi. Pengguna teknologi informasi adalah manusia yang secara psikologi memiliki suatu perilaku (behavior) tertentu yang melekat pada dirinya, sehingga aspek keprilakuan dalam konteks manusia sebagai pengguna teknologi informasi menjadi penting sebagai faktor penentu keberhasilan penerapan teknologi informasi. Pengukuran dilakukan untuk mengetahui tingkat keberhasilan suatu implementasi teknologi, sejauh mana pengguna dapat menerima dan memahami teknologi tersebut adalah hal yang penting untuk dapat mengetahui tingkat keberhasilan dari implementasi tersebut.

Sebagian besar intitusi, informasi dan teknologi yang mendukung kegiatan perguruan tinggi merupakan aset yang sangat beharga. STIKOM Surabaya yang merupakan perguruan tinggi dibidang Teknologi Informasi telah memiliki Sistem Informasi untuk mahasiswa STIKOM Surabaya. Sistem Informasi tersebut adalah Sistem Informasi Cyber Campus (SICYCA). SICYCA merupakan website utama sebagai media infomasi. Sebagai pengguna terbesar SICYCA, 81.6% mahasiswa sangat tergantung dengan SICYCA untuk mendapatkan informasi. SICYCA diharapkan dapat meningkatkan efektifitas dan kualitas komunikasi pembelajaran dengan pendekatan knowledge management diantara berbagai pihak seperi bagian


(11)

akademik, kemahasiswaan, perpustakaan, bagian PPTA (Pusat Pelayanan Tugas Akhir), dosen, program studi serta pihak lainnya yang berkepentingan. Sebagai data awal peneliti melakukan analisa pada 50 mahasiswa, untuk analisis minimal 10 sampel (Sugiyono, 2009), sehingga penyebaran kuisioner sebanyak 50 sudah mencukupi. Dari data yang didapat tidak semua fasilitas SICYCA digunakan dengan maksimal oleh mahasiswa, layanan E-resource 51.2%, fasilitas download materi kuliah 55.6%, menu informasi perpustakaan 56.8%, menu informasi Tugas Akhir (PPTA) 55.2%, menu informasi komunitas mahasiswa 50%, fasilitas administrasi mahasiswa 52%, fasilitas email pada SICYCA 40%. Dari data yang didapat tidak semua fasilitas SICYCA digunakan dengan maksimal oleh mahasiswa. Untuk mengetahui tingkat keberhasilan suatu implementasi teknologi, sejauh mana pengguna dapat menerima dan memahami teknologi tersebut adalah hal yang penting untuk dapat mengetahui tingkat keberhasilan dari implementasi tersebut. Penulis menggunakan model penerimaan Unified Theory Of Acceptance And Use Of Technology (UTAUT).

Unified Theory Of Acceptance And Use Of Technology (UTAUT) merupakan salah satu model penerimaan teknologi informasi. Implementasi suatu Teknologi Informasi selalu berhubungan dengan penerimaan penggunaan. Sejauh mana pengguna dapat memahami teknologi tersebut adalah hal penting untuk mengetahui tingkat keberhasilan dari implementasi tersebut. Penerimaan pengguna atau lebih dikenal user acceptance merupakan faktor penting yang mempengaruhi keberhasilan implementasi dari suatu teknologi. Teori yang dikembangkan oleh Venkatesh et al (2003) menyatakan bahwa penerimaan seseorang terhadap teknologi informasi user acceptance dipengaruhi oleh empat faktor, yaitu


(12)

Performance expectancy (tingkat keyakinan seseorang percaya bahwa menggunakan sistem akan membantu dia untuk menghasilkan kinerja yang maksimal), Effort Expectancy (tingkat kemudahan pengguna dalam menggunakan sistem), Social Influence (Kesadaran seseorang adanya orang lain atau lingkungan yang menggunakan sistem), Facilitating Conditions (keyakinan adanya orang lain yang mendukung aktivitas pengguna). UTAUT bertujuan untuk menjelaskan minat pengguna dalam menggunakan Sistem Informasi dan perilaku penggunaan berikutnya.

Pertimbangan-pertimbangan inilah yang mendorong peneliti untuk memfokuskan pengukuran penerimaan mahasiswa STIKOM Surabaya dalam pemanfaatan SICYCA sebagai bagian dari sistem informasi, minat pemanfaatan SICYCA dan meningkatkan penggunaan SICYCA, sehingga STIKOM Surabaya memiliki hasil analisa pengkuran penerimaan mahasiswa terhadap SICYCA. Arti penerimaan merupakan mahasiswa cenderung menggunakan suatu sistem apabila sistem tersebut mudah digunakan dan tidak memerlukan usaha yang keras untuk penggunaannya. Hasil analisa akan diberikan pada sistem analis untuk mengetahui beberapa faktor-faktor yang diterima oleh pengguna, sehingga Sistem Analis dapat mempertimbangkan faktor-faktor tersebut dalam implementasi sistem.


(13)

1.2 Perumusan Masalah

Adapun permasalahan yang akan diteliti dapat dirumuskan dalam bentuk pertanyaan sebagai berikut:

a) Seberapa tinggi penerimaan mahasiswa terhadap SICYCA ?

b) Apakah ekspektasi kinerja (performance expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA?

c) Apakah ekspektasi usaha (effort expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA?

d) Apakah faktor sosial (social influence) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA?

e) Apakah kondisi yang memfasilitasi (facilitating conditions) berpengaruh positif terhadap minat pemanfaatan ( use behavior) SICYCA?

f) Apakah minat pemanfaatan (behavior intention) berpengaruh positif terhadap prilaku penggunaan ( use behavior) SICYCA?

1.3 Pembatasan Masalah

Adapun batasan masalah dalam penelitian ini adalah sebagai berikut: a) Analisis pengukuran penerimaan terhadap sicyca hanya dilakukan pada

kalangan mahasiswa STIKOM Surabaya angkatan 2010-2013 yang masih aktif melakukan kegiatan perkuliahan

b) Analis pengukuran hanya dilakukan pada SICYCA (Sistem Informasi Cyber Campus) STIKOM Surabaya


(14)

1.4 Tujuan

Berdasarkan perumusan masalah di atas, maka tujuan dari penelitian ini adalah

a) Mengetahui tingkat penerimaan mahasiswa terhadap aplikasi SICYCA b) Untuk menguji secara empiris ekspektasi kinerja (performance expectancy)

berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

c) Untuk menguji secara empiris ekspetkasi usaha (effort expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

d) Untuk menguji secara empiris faktor sosial (social influence) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

e) Untuk menguji secara empiris kondisi yang memfasilitasi (facilitating conditions) berpengaruh positif terhadap minat pemanfaatan ( use behavior) SICYCA

f) Untuk menguji secara empiris minat pemanfaatan (behavior intention) berpengaruh positif terhadap prilaku penggunaan ( use behavior) SICYCA

1.5 Manfaat Penelitian

Penelitian ini dilakukan guna memberikan manfaat bagi pihak-pihak yang membutuhkan, seperti perusahaan, ilmu pengetahuan, dan penulis. Adapun manfaat dari penelitian ini adalah :


(15)

a) Memberikan kontribusi pada pengembangan teori, terutama yang berkaitan dengan Sistem Informasi yang berhubungan dengan faktor-faktor yang mempengaruhi penggunaan SICYCA.

b) Memberikan kontribusi pada pengembang Sistem Informasi untuk memperhatikan faktor-faktor yang dapat menpengaruhi penggunaan SICYCA, sehingga SICYCA menjadi lebih baik

c) Memberikan manfaat pada STIKOM Surabaya dan pengguna sistem, dalam mengembangkan sistem dan menggunakan Sistem Informasi, sehingga Sistem Informasi yang ada memiliki kinerja yang lebih baik dari sebelumnya yang berguna sebagai pertimbangan untuk mengembangkan suatu sistem informasi di masa depan.

1.6 Sistematika Penulisan

BAB I : PENDAHULUAN

Bab ini membahas tentang latar belakang masalah dilakukannya penelitian Pengukuran Penerimaan Aplikasi SICYCA Menggunakan Metode Unified Theory of Acceptance And Use of Technology (UTAUT). Latar belakang, perumusan masalah, batasan masalah, tujuan, manfaat penelitian dan sistematika penulisan.

BAB II : LANDASAN TEORI

Pada bab ini akan dijelaskan mengenai dasar-dasar teori yang berhubungan dengan permasalahan yang dibahas. Hal ini sangat


(16)

penting karena teori-teori tersebut digunakan sebagai landasan pemikiran.

BAB II I : METODE PENELITIAN

Pada bab ini membahas tentang metode yang digunakan penulis dalam melakukan penelitian. Tahap pengumpulan data dan tahap analisis data.

BAB IV : HASIL DAN PEMBAHASAN

Pada bab ini berisi tentang hasil instrument penelitian dan pembahasan yang dilakukan penulis seperti, analisa deskriptif, analisa validitas reliabilitas menggunakan perangkan lunak SPSS 16, sedangkan untuk analisa data menggunakan menggunakan metode Structural Equation Model (SEM) perangkat lunak yang digunakan untuk analisa struktural adalah AMOS 22

BAB V : PENUTUP

Pada bab ini ada dua bab yaitu kesimpulan dan saran. Kesimpulan merupakan rangkuman singkat dari hasil seluruh pembahasan masalah dan saran berisi mengenai harapan dan kemungkinan lebih lanjut dari hasil pembahasan masalah.


(17)

BAB II

LANDASAN TEORI

Pada bab ini akan dijelaskan mengenai dasar-dasar teori yang berhubungan dengan permasalahan yang dibahas. Hal ini sangat penting karena teori-teori tersebut digunakan sebagai landasan pemikiran. Adapun teori-teori yang digunakan sebagai berikut

2.1 Unified Theory of Acceptance and Use of Technology (UTAUT)

Model Unified Theory of Acceptance and Use of Technology (UTAUT) merupakan teori yang berpengaruh dan banyak diadopsi untuk melakukan penelitian penerimaan pengguna (user acceptance) terhadap suatu teknologi informasi. UTAUT yang dikembangkan oleh Venkatesh, et al. (2003) menggabungkan fitur-fitur yang berhasil dari delapan teori penerimaan teknologi terkemuka menjadi satu teori. Kedelapan teori terkemuka yang disatukan di dalam UTAUT adalah

1. Theory of Reasoned Action (TRA) 2. Technology Acceptance Model (TAM) 3. Motivational Model (MM)

4. Theory of Planned Behavior (TPB) 5. Combined TAM and TPB (C-TAM-TPB) 6. Model of PC Utilization (MPCU)

7. Innovation Diffusion Theory (IDT), 8. Social Cognitive Theory (SCT).


(18)

Tabel 2.1 Teori-teori konstruk yang mendasari Model Unified Theory of Acceptance and Use of Technology (UTAUT)

No Nama Teori Peneliti dan

Tahun Penelitian

Pengertian

1 Theory of Reasoned Action

(TRA)

Fishbein dan Azjen (1975)

Teori untuk memprediksi perilaku manusia yaitu dengan cara menganalisis hubungan antara berbagai kriteria kinerja dan sikap seseorang, niat, dan norma subyektif.

2 Theory of Planned Behavior (TPB)

Ajzen (1988) Teori yang digunakan untuk memenuhi keadaan ketika perilaku seseorang tidak sukarela dengan memasukkan prediktor niat dan perilaku yang mengacu pada keyakinan tentang adanya faktor yang dapat memfasilitasi atau menghalangi kinerja suatu perilaku tertentu.

3 Technology

Acceptance Model

(TAM)

Davis F.D (1989) Mengidentifikasi reaksi dan persepsi seseorang terhadap suatu yang menentukan sikap dan perilaku orang tersebut dengan cara membuat model perilaku seseorang sebagai suatu fungsi dari tujuan perilaku dimana tujuan perilaku ditentukan oleh sikap atas perilaku tersebut.

4 Motivational Model

(MM)

Davis, et al. (1992) Teori motivasi yang dikembangkan untuk memprediksi penerimaan dan penggunaan teknologi.

5 Combined TAM and TPB (C-TAM-TPB)

Taylor dan Todd (1995)

Model hibrida dari TPB dengan TAM yang memberikan penjelasan akurat mengenai penentu penerimaan dan perilaku penggunaan suatu teknologi tertentu.

6 Model of PC

Utilization (MPCU)

Thompson, et al. (1991)

Menilai pengaruh dari kondisi-kondisi yang mempengaruhi dan memfasilitasi, faktor sosial, kompleksitas, kesesuaian tugas dan konsekuensi jangka panjang terhadap pemanfaatan PC.


(19)

7 Innovation Diffusion Theory (IDT)

Rogers (1962) Diadopsi dari penerapan teknologi IDT dapat mengukur persepsi masyarakat dengan menggunakan tujuh atribut kunci.

8 Social Cognitive Theory (SCT)

Bandura (1977) Mengidentifikasi perilaku manusia sebagai interaksi dari faktor pribadi, perilaku, dan lingkungan yang bertujuan memberikan kerangka untuk memahami, memprediksi, dan mengubah perilaku manusia.

Sumber: data diolah

Unified Theory Of Acceptance And Use Of Technology (UTAUT) merupakan salah satu model penerimaan teknologi informasi. Implementasi suatu Teknologi Informasi selalu berhubungan dengan penerimaan penggunaan. Sejauh mana pengguna dapat memahami teknologi tersebut adalah hal penting untuk mengetahui tingkat keberhasilan dari implementasi tersebut. Penerimaan pengguna atau lebih dikenal user acceptance merupakan faktor penting yang mempengaruhi keberhasilan implementasi dari suatu teknologi. Teori yang dikembangkan oleh Venkatesh et al (2003) menyatakan bahwa penerimaan seseorang terhadap teknologi informasi user acceptance dipengaruhi oleh empat faktor, yaitu Performance expectancy (tingkat keyakinan seseorang percaya bahwa menggunakan sistem akan membantu dia untuk menghasilkan kinerja yang maksimal), Effort Expectancy (tingkat kemudahan pengguna dalam menggunakan sistem), Social Influence (Kesadaran seseorang adanya orang lain atau lingkungan yang menggunakan sistem), Facilitating Conditions (keyakinan adanya orang lain yang mendukung aktivitas pengguna). UTAUT bertujuan untuk menjelaskan minat pengguna dalam menggunakan Sistem Informasi dan perilaku penggunaan berikutnya.


(20)

Venkatesh et. al., (2003) mendefinisikan ekspektasi kinerja sebagai tingkat dimana seorang individu meyakini bahwa dengan menggunakan sistem akan membantu dalam meningkatkan kinerjanya. Ekspektasi usaha didefinisikan sebagai tingkat kemudahan penggunaan Sistem Informasi yang akan dapat mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya ( Venkatesh et. al.,2003). Pengaruh sosial merupakan tingkat dimana seorang individu menganggap bahwa orang lain meyakinkan dirinya bahwa dia harus menggunakan sistem yang baru (Venkatesh et. al., 2003). Variabel ekspektasi kinerja, ekspektasi usaha dan pengaruh sosial ini dapat dijadikan sebagai faktor-faktor yang mempengaruhi minat pemanfaatan Sistem Informasi. Pemahaman mengenai faktor-faktor tersebut pada akhirnya dapat membantu organisasi untuk mengetahui hal-hal apa saja yang mempengaruhi pemakai dalam menggunakan teknologi Sistem Informasi. Seseorang yang sudah mempunyai minat terhadap suatu sistem, pada akhirnya akan menggunakan sistem tersebut. Akan tetapi, apabila seseorang yang sudah mempunyai minat untuk menggunakan sistem tersebut tetapi tidak didukung dengan kondisi yang memfasilitasi pemakai maka minat pemakai pun akan sia-sia karena tidak dapat disalurkan. Oleh karena itu penggunaan Sistem Informasi ini dipengaruhi tidak hanya minat untuk pemanfaatan Sistem Informasi itu sendiri tetapi juga disertai dengan kondisi yang memfasilitasi (facilitating condition).

2.2 Kerangka Konseptual

Model kerangka konseptual menggambarkan hubungan antar variable yang diuji dalam penelitiaan. Kerangka konseptual menggambarkan hubungan variabel ekspektasi kinerja, ekspektasi usaha dan faktor sosial terhadap minat pemanfaatan


(21)

Sistem Informasi, serta hubungan variabel kondisi–kondisi yang memfasilitasi pemakai dan minat pemanfaatan Sistem Informasi terhadap penggunaan Sistem Informasi. Adapun gambar kerangka konseptual adalah sebagai berikut:

Performance Expectancy

Ekspektasi Kinerja

Effort Expectancy

Ekspektasi Usaha

Sosial Influance

Faktor Sosial

Facilitating Conditions

Kondisi yang Memfasilitasi

Behavioral Intention

Minat Pemanfaatan

Use Behavior

Prilaku Penggunaan H1

H4 H2

H3

H5

Gambar 2.1 Kerangka Konseptual Model UTAUT

2.3 Pengembangan Hipotesis

2.3.1 Ekspektasi Kinerja (Performance Expectancy) Terhadap Minat Pemanfaatan (Behavioral Intention)

Ekspektasi kinerja (Performance Expectacy) didefinisikan sebagai tingkat dimana seorang individu meyakini bahwa menggunakan sistem akan membantu dalam meningkatkan kinerjanya (Jati, Nugroho.2012). Konsep ini menggambarkan manfaat sistem bagi pemakainnya. Minat pemanfaatan sistem informasi (behavioral intention) didefinisikan sebagai tingkat keinginan atau niat pemakai menggunakan sistem secara terus menerus dengan asumsi bahwa mereka mempunyai akses terhadap informasi. Penelitian yang dilakukan Rini Handayani (2005) menyatakan bahwa konstruk ekspektasi kinerja merupakan prediktor yang kuat


(22)

dari minat pemanfaatan sistem informasi dalam setting sukarela maupun wajib. Hal

tersebut konsisten dengan penelitian yang dilakukan oleh Venkatesh, et al. (2003). Berdasarkan uraian di atas, maka diajukan hipotesis penelitian sebagai berikut:

H1: Ekspektasi kinerja mempunyai pengaruh positif terhadap minat pemanfaatan Sistem Informasi.

2.3.2 Ekspektasi Usaha (Effort Expectancy) Terhadap Minat Pemanfaatan (Behavioral Intention)

Ekspektasi usaha (effort expectancy) merupakan tingkat kemudahan penggunaan sistem yang akan dapat mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya. Kemudahan penggunaan Sistem Informasi akan menimbulkan perasaan minat dalam diri individu bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang nyaman bila menggunakannya (Venkatesh, et al., 2003).

Berdasarkan uraian di atas, maka diajukan hipotesis penelitian sebagai berikut:

H2: Ekspektasi usaha mempunyai pengaruh positif terhadap minat pemanfaatan Sistem Informasi.

2.3.3 Faktor Sosial (Social Influence) Terhadap Minat Pemanfaatan (Behavioral Intention)

Faktor sosial diartikan sebagai tingkat dimana seorang individu menganggap bahwa orang lain meyakinkan dirinya bahwa dia harus menggunakan sistem. Faktor


(23)

sosial ditunjukan besarnya dukungan dari teman, organisasi. Faktor sosial memiliki hubungan positif dengan pemanfaatan sistem informasi. Hal ini menunjukkan bahwa individu akan meningkatkan pemanfaatan Sistem Informasi jika mendapat dukungan dari individu lainnya.

Sesuai teori (Venkatesh, et al., 2003) yang menyatakan hubungan signifikan positif faktor sosial terhadap minat pemanfaatan Sistem Informasi dan bukti empiris yang mendukung lainnya, maka diajukan hipotesis penelitian sebagai berikut: H3: Faktor sosial mempunyai pengaruh positif terhadap minat pemanfaatan Sistem Informasi

2.3.4 Kondisi yang Menfasilitasi (Facilitating Conditions) Terhadap Perilaku Penggunaan (Use Behavior)

Kondisi yang memfasilitasi penggunaan Sistem Informasi adalah tingkat dimana seseorang percaya bahwa infrastruktur dan teknis ada untuk mendukung penggunaan sistem informasi. Menurut Rini Handayani (2005) faktor-faktor yang dapat mempermudah melakukan suatu tindakan. Faktor-faktor tersebut adalah ketentuan-ketentuan yang mendukung pemakai dalam memanfaatkan sistem informasi, misalnya pelatihan dan membantu pemakai ketika menghadapi kesulitan Venkatesh, et al. (2003) yang menyatakan bahwa kondisi-kondisi yang memfasilitasi pemakai mempunyai pengaruh pada perilaku penggunaan Sistem Informasi.

Berdasarkan uraian di atas, maka diajukan hipotesis penelitian sebagai berikut:


(24)

H4: Kondisi yang memfasilitasi mempunyai pengaruh positif terhadap perilaku penggunaan Sistem Informasi.

2.3.5 Minat Pemanfaatan (Behavioral Intention) Terhadap Perilaku Penggunaan (Use Behavior)

Perilaku penggunaan sistem (use behavior) didefinisikan sebagai intensitas atau frekuensi pemakai dalam menggunakan Sistem Informasi. perilaku seseorang merupakan ekspresi dari keinginan atau minat seseorang (intention). Perilaku pengguna sistem sangat bergantung pada evaluasi pengguna dari sistem tersebut. Jadi, dengan kata lain, penggunaan sistem adalah indikator dari penilaian kinerja terhadap pemanfaatan dan penerimaan sebuah Sistem Informasi. Sebuah Sistem Informasi itu baik atau buruk sangat tergantung pada apa yang dirasakan oleh pengguna setelah menggunakan sistem informasi tersebut.

Venkatesh, et al. (2003) menyatakan bahwa terdapat adanya hubungan langsung dan signifikan antara minat pemanfaatan Sistem Informasi terhadap penggunaan Sistem Informasi. Berdasarkan uraian di atas, maka diajukan hipotesis penelitian sebagai berikut:

H5: Minat pemanfaatan (Behavioral Intention) mempunyai pengaruh positif terhadap perilaku penggunaan (Use Behavior) Sistem Informasi.

2.4 Variabel Penelitian

Variabel Penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya. Variabel penelitian sangat


(25)

penting dalam sebuah penelitian, karena variabel bertujuan sebagai landasar mempersiapkan alat dan metode pengumpulan data, dan sebagai alat menguji hipotesis (Guritno,Suryo,.dkk.2010). Itulah sebabnya, sebuah variable harus dapat diamati dan dapat diukur. Variabel merupakan konstrak atau sifat yang akan dipelajari, variabel dapat dikatakan sebagai suatu sifat yang diambil dari suatu nilai yang berbeda (different values).

2.4.1 Variabel Independen dan Dependen

Variabel independen sering disebut variabel stimulus, prediktor, antecedent, excogen. Dalam bahasa Indonesia disebut sebagai variabel bebas. Variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).

Variabel dependen sering disebut variabel output, kriteria, konsekuen. Dalam bahasa Indonesia disebut variabel terikat. Variabel terikat merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. (Guritno,Suryo,.dkk.2010).

2.5 Populasi dan Sampel

Populasi merupakan wilayah generalisasi yang terdiri atas obyek atau subyek yang mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya. Populasi juga bukan sekedar jumlah yang ada pada obyek atau subyek yang dipelajari, tetapi meliputi seluruh karakteristik atau sifat yang dimiliki oleh obyek atau subyek tersebut. Bahkan satu orangpun dapat digunakan sebagai populasi


(26)

Sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Apabila populasi besar, dan peneliti tidak mungkin mempelajari semua yang ada populasi, hal ini dikarenakan adanya keterbatasan maka peneliti dapat menggunakan sampel yang diambil dari populasi tersebut.

Populasi

Sebagian dari Populasi

Sampel diteliti

Data dianalisis Disimpulkan Kesimpulan berlaku

untuk Populasi

Gambar 2.2 Ilustrasi Sampel

2.6 Teknik Pengambilan Sampel

Penarikan sampel merupakan proses pilihan sejumlah elemen dari populasi. Maka dengan mempelajari sampel suatu pemahaman karakteristik subyek sampel akan membuat peneliti mampu menggeneralisasi karakteristik elemen populasi. Teknik sampling adalah teknik pengambilan sampel. Untuk menentukan sampel yang akan digunakan dalam penelitian.

2.6.1 Stratified Random Sampling

Metode penarikan sampel berstrata merupakan suatu prosedur penarikan sampel berstrata, yaitu suatu subsample acak sederhana ditarik dari setiap strata yang kurang lebih sama dalam beberapa karakteristik (Guritno,Suryo,.dkk.2010)


(27)

Stratified Random Sampling atau disebutpenarikan sampel berstrata proposional Teknik ini digunakan bila populasi mempunyai anggota atau unsur yang tidak homogen dan berstrata proposional. Misalnya populasi : 2000 ( Jurusan A=250, Jurusan B=200, Jurusan C=150, Jurusan D=200, Jurusan E=200). Sampel yang diperlukan 200. Secara proporsional sampelnyadapat ditarik sebagai berikut:

Jurusan A = 250/2000 x 200 = 25 Jurusan B = 200/2000 x 200 = 20 Jurusan C = 150/2000 x 200 = 15 Jurusan D = 200/2000 x 200 = 20 Jurusan E = 200/2000 x 200 = 20

2.7 Skala Pengukuran

Penelitian dilakukan dengan menggunakan skala Likert. Menurut (Guritno,Suryo,.dkk.2010) Skala likert digunakan untuk mengukur sikap, pendapat dan persepsi sesorang atau sekelompok.

Dengan menggunkan skala likert, variabel yang akan diukur dijabarkan

menjadi dimensi, lalu dimensi menjadi subvariabel dan subvariabel menjadi indikator

yang dapat diukur. Indikator yang terukur dapat menjadi titik tolak untuk membuat

item intrumen peenyataan atau pertanyaan yang perlu dijawab oleh responden

Pernyataan positif untuk mengukur variabel ekspektasi kinerja (performance expectancy), ekspektasi usaha (effort expectancy), factor social (social influence), kondisi yang menfasilitasi (facilitating condition), minat pemanfaatan (behavioral intention).


(28)

Setuju = 4

Netral = 3

Tidak Setuju = 2

Sangat Tidak Setuju = 1

Pernyataan positif untuk mengukur variabel prilaku penggunaan (use behavior) intensitas dalam mengakses SICYCA.

Sangat Sering = 5

Sering = 4

Cukup = 3

Jarang = 2

Sangat Jarang = 1

Pernyataan positif untuk mengukur variabel prilaku penggunaan (use behavior) frekuensi dalam menggunakan SICYCA.

Beberapa kali dalam setiap hari = 5 Beberapa kali dalam setiap pekan = 4 Dua kali dalam setiap pekan = 3 Sekali dalam dalam setiap pekan = 2 Sekali atau dua kali dalam sebulan = 1

2.8 Analisis Deskriptif

Analisis deskriptif adalah untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau populasi, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Analisis deskriptif merupakan bagian dari ilmu statistika yang hanya mengolah, menyajikan data tanpa mengambil keputusan untuk populasi . Dengan kata lain hanya melihat gambaran secara umum dari data yang didapatkan mengumpulkan,menganalisis,


(29)

menginterpretasi, dan mempresentasikan data hanya memberikan informasi mengenai data dan sama sekali tidak menarik inferensia atau kesimpulan apapun. Statistik deskriptif lebih berkenaan dengan pengumpulan dan peringkasan data, serta penyajian hasil peringkasan tersebut. Data-data statistik, yang bisa diperoleh hasil sensus, survei, jajak pendapat atau pengamatan lainnya umumnya masih

bersifat acak, “mentah”. Data-data tersebut harus diringkas dengan baik dan teratur, baik dalam bentuk tabel atau presentasi grafis yang berguna sebagai dasar dalam proses pengambilan keputusan (statistik inferensi).

2.9 Pengujian Alat Ukur

Uji validitas dan reliabilitas dilakukan untuk menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang diukur dan menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan. Apabila data sudah valid dan reliable, maka penelitian dapat dilanjutkan. Apabila data tidak valid dan tidak reliable, maka ada beberapa langkah yang harus dilakukan yaitu sebagai berikut :

a. membuang item pertanyaan yang tidak valid. Tindakan ini bisa anda lakukan apabila kriteria variabel masih bisa terpenuhi oleh item pertanyaan yang tersisa. misalkan variabel X terdiri dari 5 pertanyaan, apabila dari 5 pertanyaan tadi terdapat 2 item pertanyaan yang tidak valid maka ok-ok aja apabila 2 pertanyaan tadi disingkirkan dari kuesioner

b. Apabila item pertanyaan yang harus dibuang sangat penting dan menurut anda krusial atau tidak akan dihapus karena menyangkut variabel yang penting solusinya adalah, memperbaiki atau membuat item pernyataan baru


(30)

yang substansialnya sama, untuk kemudian diuji kembali validitasnya. atau, menambahkan sampel responden data baru sampai item pernyataan tadi menjadi valid. sehingga untuk data yang lebih besar lebih mudah lolos uji validitas.

2.9.1 Validitas

Tujuan pengujian validitas adalah untuk mengetahui sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu instrumen pengukuran dikatakan mempunyai validitas yang tinggi bila alat ukur tersebut memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut.

Uji validitas dilakukan untuk menilai seberapa baik suatu instrument atau pun proses pengukuran terhadap konsep yang diharapkan untuk mengetahui apakah yang kita tanyakan dalam kuesioner sudah sesuai dengan konsepnya. (Ghozali, 2005). Data dikatakan valid apabila skor indikator masing masing pertanyaan berkorelasi secara signifikan terhadap skor total konstruk. Hasil uji validitas dilakukan untuk masing-masing indikator.

Ketentuan validitas intrumen apabila r hitung lebih besar dengan r tabel. Dasar pengambilan keputusan, r hitung > r table maka variabel valid. r hitung < r table maka variabel tidak valid. (Sugiyono, Wibowo, 2010).


(31)

Macam-Macam Validitas 1. Validitas Isi

Validitas isi adalah sejauh mana elemen-elemen dalam suatu instrument ukur benar-benar relevan dan merupakan representasi sesuai dengan tujuan pengukuran (Azwar, Saifuddin, 2012).

Untuk mengetahui apakah alat ukur tersebut valid atau tidak harus dilakukan melalui penelaahan kisi-kisi untuk memastikan bahwa pernyataan atau pernyataan kuisioner sudah mewakili atau mencerminkan keseluruhan materi yang seharusnya dikuasai secara proporsional. Oleh karena itu, validitas isi tidak memiliki besaran tertentu yang dihitung secara statistika, tetapi dipahami bahwa tes itu sudah valid berdasarkan telaah kisi-kisi tes. Oleh karena itu validitas isi sebenarnya mendasarkan pada analisis logika, jadi tidak merupakan suatu koefisien validitas yang dihitung secara statistika.

Untuk memperbaiki validitas suatu alat ukur, maka isi suatu alat ukur harus diusahakan agar mencakup semua pokok atau sub-pokok bahasan yang hendak diukur. Kriteria untuk menentukan proporsi masing-masing pokok atau sub pokok bahasan yang tercakup dalam suatu alat ukur ialah berdasarkan banyaknya isi atau materi.

Selain itu, penentuan proporsi tersebut dapat pula didasarkan pendapat para ahli dalam bidang yang bersangkutan. Jadi situasi tes akan mempunyai validitas isi yang baik jika tes tersebut terdiri dari item-item yang mewakili semua materi yang hendak diukur. Salah satu cara yang biasa


(32)

digunakan untuk memperbaiki validitas isi suatu tes ialah dengan menggunakan blue-print untuk menentukan kisi-kisi tes.

2. Validitas Konstruk

Validitas konstrak membuktikkan apakah hasil pengukuran yang diperoleh melalui item item yang berkorelasi tinggi dengan konstrak teoritik yang mendasari penyusunan alat ukur tersebut, apakah skor yang diperoleh mendukung konsep teoritik yang diinginkan oleh tujuan semula (Azwar, Saifuddin, 2012).

Untuk menentukan validitas konstruk suatu instrumen harus dilakukan proses penelaahan teoritis dari suatu konsep dari variabel yang hendak diukur, mulai dari perumusan konstruk, penentuan dimensi dan indikator, sampai kepada penjabaran dan penulisan butir-butir item instrumen. Perumusan konstruk harus dilakukan berdasarkan sintesis dari teori-teori mengenai konsep variabel yang hendak diukur melalui proses analisis dan komparasi yang logik dan cermat.

Menyimak proses telaah teoritis seperti telah dikemukakan, maka proses validasi konstruk sebuah instrumen harus dilakukan melalui penelaahan atau justifikasi pakar atau melalui penilaian sekelompok panel yang terdiri dari orang-orang yang menguasai substansi atau konten dari variabel yang hendak diukur.


(33)

2.9.2 Reliabilitas

Setelah pengujian validitas, maka tahap selanjutnya adalah pengujian reliabilitas. Uji reliabilitas adalah proses pengukuran terhadap ketepatan (konsisten) dari suatu instrumen. Pengujian ini dimaksudkan untuk menjamin instrumen yang digunakan merupakan sebuah instrumen yang handal, konsistensi, stabil dan dependibalitas, sehingga bila digunakan berkali-kali dapat menghasilkan data yang sama. Uji reliabilitas mengindikasikan bahwa suatu indikator tidak bias dan sejauh mana suatu indikator handal pada waktu, tempat dan orang yang berbeda-beda. Untuk mengukur reliabilitas dari indikator penelitian ini dilakukan dengan menggunakan koefisien Cronbach’s Alpha. Koefisien Cronbach’s Alpha yang mendekati satu menandakan reliabilitas konsistensi yang tinggi. Uji reliabilitas merupakan uji yang dilakukan untuk mengukur apakah kuesioner benar-benar merupakan indikator yang mengukur suatu variabel. Suatu kuesioner dikatakan reliabel apabila jawaban seseorang konsisten dari waktu ke waktu (Ghozali, 2005). Reliabilitas dalam penelitian ini diuji dengan metode Cronbach’s Alpha dengan bantuan SPSS 16.0. Data dikatakan reliabel jika Nilai Cronbach’s Alpha ≥ 0,6 (Ghozali,2005).

2.10 Analisisis Korelasi dan Regresi dengan Metode SEM

Merupakan analisis multivariant, karena menyangkut hubungan antara dua variabel atau lebih, dimana variabel-variabel tersebut dianalisis bersama-sama. Analisis regresi mempredisksi seberapa jauh pengaruhnya, sedangkan analisis analisis korelasi mempelajari apakah ada hubungan antara dua variabel atau lebih (Santoso, 2000).


(34)

Analisis korelasi berkaitan erat dengan regresi, tetapi secara konsep berbeda dengan analisis regresi. Analisis korelasi adalah mengukur suatu tingkat atau kekuatan hubungan linear antara dua variabel.

2.10.1 Structural Equation Model (SEM)

Structural Equation Model (SEM) atau model persamaan structural telah digunakan dalam bidang ilmu seperti psikologi, ekonomi, teknologi informasi, pendidikan dan ilmu social dan lainnya. SEM sendiri merupakan perkembangan dari beberapa keterbatasan analisis multivariant. SEM mampu mampu menjelaskan keterkaitan variabel secara kompleks dan serta efek langsung maupun tidak langsung dari satu variabel atau beberapa terhadap variabel lainnya (Wijaya, 2009). SEM adalah sebuah model statistik yang memberikan perkiraan perhitungan dari hubungan hipotesis di antara variabel dalam sebuah model teoritis baik secara langsung maupun tak langsung. Seringkali SEM juga disebut sebagai kombinasi antara analisis faktor dan analisis jalur.

SEM mengacu kepada hubugan antara variabel endogen (endogenous variables) dan variabel eksogen (exogenous variables), yang merupakan variable tidak dapat diamati atau dihitung (unobserved variables). Pedhazur (1982), Beatler (1980), Bielby and Hauser (1977), Joreskog and Sorbom (1989-1996) melanjutkan analisis model ini dengan program statistic SEM yang dinamakan LISREL. Kemudian Arbucle and Wothke (1995-1999) mengembangkan analisis SEM dengan program statistic yang dinamakan AMOS.


(35)

2.10.2 Kecocokan Model (Model Fit)

Prosedur untuk melakukan estimasi dan penilaian keselarasan model dalam SEM mirip dengan apa yang dilakukan dalam model-model statistik. Pertama-tama periksa dulu data kemudian cek untuk dilihat jika asumsi distribusi masuk akal dan apa yang dapat dilakukan terhadap masalah tersebut. Metode estimasi yang umum dalam SEM ialah estimasi kesamaan maksimum (maximum likelihood (ML) estimation). Asumsi pokok untuk metode ini ialah normalitas multivariat.

Langkah berikutnya ialah kita menggambarkan satu atau lebih model-model dalam program Amos, dengan mengindikasikan metode estimasi dengan opsi-opsi lainnya. Dengan menggunakan Amos kita dapat mencocokkan model kita dengan data yang ada. Salah satu tujuan menggunakan Amos ialah menyediakan estimasi-estimasi yang paling baik terhadap parameter-parameter yang bervariasi sekali didasarkan dengan meminimalkan fungsi yang melakukan indeks seberapa baik model-model, serta dikenakan kendali-kendali yang sudah didefinisikan terlebih dahulu. Amos menyediakan pengukuran keselarasan model (goodness-of-fit) untuk membantu melakukan evaluasi kecocokan model. Setelah menelaah hasil-hasilnya maka kita dapat menyesuaikan model-model tertentu dan mencoba memperbaiki keselarasannya. Amos juga menyediakan model ekstensif untuk mencocokkan diagnosa- diganosa yang dibuat oleh peneliti.


(36)

BAB III

METODE PENELITIAN

Penelitian ini dilakukan melalui 3 tahap, yaitu: Secara singkat tahapan penelitian dapat dilihat pada Gambar 3.1.

1. Tahap Pendahuluan

Studi Literatur

2. Tahap Pengumpulan Data

Kuisioner Variabel

Penelitian

3.Tahap Analisis Data

Analisis Deskriptif

Analisis Korelasi & Regresi dengan

Metode SEM Analisis

Reliabilitas dan Validitas

Analisis Tingkat Penerimaan Mahasiswa terhadap SICYCA

Gambar 3.1 Tahapan dalam Metode Penelitian

3.1 Tahap Pendahuluan

Pada tahap ini dilakukan studi literatur dan penelitian serta jurnal yang terkait. Studi literatur digunakan untuk mendapatkan pemahaman tentang melakukan pengukuran penerimaan teknologi dengan metode UTAUT dan bagaimana menguji hipotesis.


(37)

3.2 Tahap Pengumpulan Data

Pengumpulan data dilakukan untuk mendapatkan detail informasi mengenai SICYCA. Peneliti menentukan variabel – varibel yang akan digunakan untuk melakukan pengukuran.

3.2.1 Variabel Penelitian

Variabel penelitian ini terdiri dari variabel independen dan variabel dependen. Variabel-variabel tersebut adalah

Variabel dependen :

a. Behavioral Intention (Minat Pemanfaatan)

Minat pemanfaatan SICYCA berhubungan dengan keinginan mahasiswa dalam menggunakan sistem informasi tersebut untuk melaksanakan tugasnya sebagai mahasiswa.

b. Use Behavior (Perilaku Penggunaan)

Penggunaan SICYCA adalah perilaku dari mahasiswa dalam menggunakan sistem informasi yang ada dalam melaksanakan tugasnya sebagai mahasiswa STIKOM Surabaya.

Variabel independen

a. Performance Expectancy (Ekspektasi Kinerja)

Didefinisikan sebagai tingkat dimana seorang individu meyakini bahwa dengan menggunakan SICYCA akan membantu dalam tugasnya sebagai mahasiswa.


(38)

b. Effort Expectancy (Ekspektasi Usaha)

Merupakan tingkat kemudahan penggunaan sistem yang akan dapat mengurangi upaya (tenaga dan waktu) individu dalam melakukan pekerjaannya. Kemudahan penggunaan SICYCA akan menimbulkan perasaan minat dalam diri mahasiswa bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang nyaman bila menggunakannya dan membantu tugasnya sebagai mahasiswa.

c. Social Influence (Faktor Sosial)

Faktor sosial diartikan sebagai tingkat dimana seorang individu menganggap bahwa orang lain menyakinkan dirinya bahwa dia harus menggunakan sistem. Faktor sosial ditunjukan besarnya dukungan dari mahasiswa lain, bagian akademik, perguruan tinggi. Hal ini menunjukkan bahwa individu akan meningkatkan pemanfaatan SICYCA jika mendapat dukungan dari individu lainnya

d. Facilitating Conditions (Kondisi yang Memfasilitasi)

Kondisi yang memfasilitasi penggunaan SICYCA adalah tingkat dimana seseorang percaya bahwa infrastruktur dan teknis ada untuk mendukung penggunaan SICYCA.

3.2.2 Alat Bantu Penelitian

Alat bantu yang digunakan oleh peneliti adalah untuk mengumpulakan data agar penelitian lebih sistematis dan lebih mudah mengumpulkan data dengan menggunakan media kuisioner. Dalam penelitian ini, karena jenis data yang digunakan adalah data kualitatif, maka analisis kuantitatif dilakukan dengan cara


(39)

mengkuantifikasi data-data penelitian ke dalam bentuk angka-angka dengan menggunakan skala rasio (ratio scale) dan skala likert 5 poin (5-point likert scale). Kuisioner akan disebarkan pada sampel yang telah ditentukan.

a. Populasi

Populasi yang digunakan dalam penelitian ini adalah pengguna dari SICYCA yang memiliki hak akses.

b. Sampel

Sampel yang digunakan dalam penelitian ini adalah mahasiswa STIKOM Surabaya yang masih aktif, angkatan 2010-2013

Alasan penentuan sampel adalah

SICYCA sebagai sarana penyampaian informasi pada mahasiswa. Untuk sebagian besar institusi, informasi dan teknologi yang mendukung kegiatan perguruan tinggi merupakan aset yang sangat beharga.

Pemilihan sampel merupakan pengguna terbesar SICYCA yaitu mahasiswa, mereka cenderung tergantung oleh SICYCA. Penentuan sampel dilakukan dengan teknik “stratified random sampling”. Merupakan suatu teknik sampling berstrata, karena mempunyai karakteristik yang heterogen. populasi dikatakan heterogen apabila unsur-unsur dari populasi yang diteliti memiliki sifat-sifat yang relatif berbeda satu sama lainnya. Contohnya mahasiswa angkatan 2008 dengan mahasiswa angkatan 2013, tentunya memiliki aktifitas yang berbeda dalam mengakses SICYCA untuk mendukung perkulihannya.


(40)

3.3 Tahap Analisis Data

Kuesioner yang telah dikembalikan oleh responden akan ditabulasi menggunakan perangkat lunak Microsoft excel 2013. Analisis deskriptif dan analisis validitas dan reliabilitas menggunkan perangkan lunak SPSS 16. Sedangkan untuk analisis data menggunakan menggunakan metode Structural Equation Model (SEM) perangkat lunak yang digunakan untuk analisis struktural adalah AMOS 22.

3.3.1 Analisis Deskriptif

Sebanyak 200 kuisioner kemudian ditabulasi menggunakan perangkat lunak SPSS 16 untuk mengumpulkan tanggapan para responden tentang variabel penelitian

Kemudian akan di olah beberapa ukuran, yaitu tanggapan maksimum dan minimum responden, ukuran pemusatan data (mean),ukuran penyebaran data (standar deviasi).

3.3.2 Analisis Validitas dan Reliabilitas

Setelah peneliti melakukan analisis deskriptif, kemudian peneliti melakukan analisis validitas dan reliabilitas menggunakan perangkat lunak SPSS 16, analisis validitas dan reliabilitas dilakukan untuk menunjukkan sejauh mana suatu alat pengukur itu mengukur apa yang diukur dan menunjukkan sejauh mana suatu alat pengukur dapat dipercaya atau dapat diandalkan. Apabila data sudah valid dan reliable, maka penelitian dapat dilanjutkan.


(41)

Ketentuan validitas intrumen apabila r hitung lebih besar dengan r tabel. Dasar pengambilan keputusan, r hitung > r table maka variabel valid. r hitung < r table maka variabel tidak valid.

Reliabilitas dalam penelitian ini diuji dengan metode Cronbach’s Alpha dengan bantuan SPSS 16.0. Data dikatakan reliabel jika Nilai Cronbach’s Alpha diatas 0.6

3.3.3 Analisis Tingkat Penerimaan Mahasiswa terhadap SICYCA

Untuk mendapatkan tingkat penerimaan SICYCA, diambil dari kuisioner prilaku penggunaan (Use Behavior) model kuisioner menggunakan skala likert sehingga dapat diukur menjadi indikator , tujuannya untuk mengetahui sejauh mana tingkat penerimaan mahasiswa terhadap SICYCA.

Skore (S) Skala Responden ( R ) S x R 5 Sangat Sering

4 Sering 3 Cukup 2 Jarang

1 Sangat jarang

Total S x R

� ��� 5 �� � � %

Kemudian hasil presentase akan dibandingkan dengan tabel kriteria interprestasi Score.


(42)

Sumber : (Guritno,Suryo,.dkk.2011)

3.3.4 Analisis Korelasi dan Regresi dengan Metode SEM

Analisis korelasi dan regresi dengan mtode SEM (Struqtural Equation Modeling) untuk menguji kerangka konseptual UTAUT dan menguji hipotesis.

Menentukan H0 dan H1, pada prinsipnya menguji karakteristik populasi berdasarkan informasi dari suatu sampel. Menentukan tingkat signifikasi (�), yaitu probabilitas kesalahan menolak hipotesis yang ternyata benar. Jika dikatakan � =

5%, berarti resiko kesalahan mengambil keputusan adalah 5%.

H0.1 = Ekpetasi kinerja (performance expectancy) tidak berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

H1.1 = Ekpetasi kinerja (performance expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

H0.2 = Ekpetasi usaha (effort expectancy) tidak berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

H1.2 = Ekpetasi usaha (effort expectancy) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

Kriteria Interprestasi Score 0%-20% Sangat lemah 21%-40% Lemah 41%-60% Cukup 61%-80% Kuat 81%-100% Sangat Kuat


(43)

H0.3 = faktor sosial (social influence) tidak berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

H1.3 = faktor sosial (social influence) berpengaruh positif terhadap minat pemanfaatan (behavior intention) SICYCA

H0.4 = kondisi yang memfasilitasi (facilitating conditions) tidak berpengaruh positif terhadap minat pemanfaatan ( use behavior) SICYCA

H1.4 = kondisi yang memfasilitasi (facilitating conditions) berpengaruh positif terhadap minat pemanfaatan ( use behavior) SICYCA

H0.5 = minat pemanfaatan (behavior intention) tidak berpengaruh positif terhadap minat pemanfaatan ( use behavior) SICYCA

H1.5 = minat pemanfaatan (behavior intention) berpengaruh positif terhadap minat pemanfaatan ( use behavior) SICYCA

Menentukan daerah keputusan, yaitu daerah dimana hipotesa nol diterima atau tidak.

Derajat bebas (df) dalam distribusi F :

df = n – 2 Dimana:

df = degree of freedom/ derajad kebebasan n = Jumlah sampel


(44)

 Ho diterima apabila r hitung < r tabel, artinya semua variabel bebas secara bersama-sama bukan merupakan variabel penjelas yang signifikan

terhadap variabel terikat.

 Ho ditolak apabila r hitung > r tabel, artinya semua variabel bebas secara bersama-sama merupakan penjelas yang signifikan terhadap variabel terikat.

Tingkat korelasi dinyatakan dalam angka atau koefisien. Koefisien korelasi berkisar antara – 1.00 sampai + 1.00 (Nasution,2012). Dimana r adalah korelasi, dan xy adalah variabel dependen dan dependen

H0.1 : rxy = 0 H0.2 : rxy = 0 H0.3 : rxy = 0 H0.4 : rxy = 0 H0.5 : rxy = 0

artinya hipotesis menyatakan tidak ada korelasi antara variabel x (variabel independen) dan variabel y (variabel dependen)

Hubungan lebih dari dua variabel bila dinyatakan dalam bentuk persamaan matematis adalah

Y1= α + β1X1+ β 2X2+ β3X3 +ε Y2= α + β4X4 + Y1 +ε


(45)

Keterangan

Simbol Keterangan

Y1 Minat Pemanfaatan (Behavioral Intention) Y2 Prilaku Penggunaan (Use Behavioral)

α bilangan konstan (koefisien variabel),titik potong dengan sumbu Y

β 1,β 2,β 3,β 4, bilangan konstan (koefisien variabel), koefisien regresi

X1, Performance Expectancy (Ekspektasi Kinerja) variabel independent X2 Effort Expectancy (Ekspektasi Usaha) variabel independent

X3 Social Influence (Faktor Sosial) variabel independent

,X4 Facilitating Conditions (Kondisi yang Memfasilitasi) variabel independent

Untuk melihat tinggi atau rendahnya ukuran keeratan hubungan variabel dependen dan variabel independen penulis menggunakan koefisien korelasi berganda (ry12) .

ry

12

= √

� �+� � �+� � �+� � � �

Keterangan

Simbol Keterangan

y Nilai pada pada sumbu y

b1, b2, b3, b4, bilangan konstan (koefisien variabel), koefisien regresi

X1, Performance Expectancy (Ekspektasi Kinerja) variabel independent X2 Effort Expectancy (Ekspektasi Usaha) variabel independent

X3 Social Influence (Faktor Sosial) variabel independent

X4 Facilitating Conditions (Kondisi yang Memfasilitasi) variabel independent

Sumber data yang digunakan dalam penelitian ini adalah data primer. Data primer adalah data yang dikumpulkan dan diolah dan di olah sendiri oleh peneliti (Suprapto,2000).


(46)

analisis data menggunakan menggunakan metode Structural Equation Model (SEM) perangkat lunak yang digunakan untuk analisis struktural adalah AMOS 22. terdapat tujuh langkah yang harus dilakukan dalam pemodelan SEM, yaitu:

(1) Pengembangan Model Berbasis Teori

Langkah ini merupakan suatu proses pembuatan suatu model yang akan diteliti yang memiliki landasan teori yang kuat. Tanpa adanya justifikasi teoritis yang kuat, suatu model tidak ada artinya bila dianalisis dengan SEM. SEM tidak digunakan untuk menghasilkan suatu model, tetapi untuk mengkonfirmasi suatu model yang didukung oleh teori berdasarkan data empirik. Dalam pengembangan model, seorang peneliti berdasarkan pijakan teoritis yang cukup membangun hubungan-hubungan mengenai sebuah fenomena. Peneliti mempunyai kebebasan untuk membangun hubungan sepanjang terdapat justifikasi teoritis yang cukup.

(2) Pembuatan Diagram Alur (Path Diagram)

Model teoritis yang telah dibangun pada langkah pertama akan digambarkan dalam sebuah diagram alur (path diagram). Path diagram tersebut akan mempermudah peneliti melihat hubungan-hubungan kausalitas yang ingin diuji. Pengoperasian perangkat lunak penghitung SEM (seperti AMOS), hubungan kausalitas itu cukup digambarkan dalam suatu path diagram, dan selanjutnya bahasa program akan mengkonversi gambar menjadi persamaan, dan persamaan menjadi estimasi. Langkah ini merupakan suatu proses penentuan/penggambaran alur-alur kausalitas dari suatu variabel terhadap variabel lainnya (variabel eksogen


(47)

terhadap variabel endogen maupun antar variabel endogen), setelah suatu model ditetapkan.

Suatu garis anak panah satu arah (biasanya lurus) menunjukkan hubungan kausalitas antar variabel yang dihubungkan. Sedangkan suatu garis anak panah dua arah (biasanya lengkung) menunjukkan korelasi antar variabel yang dihubungkan.

(3) Mengkonversi Diagram Alur ke Dalam Serangkaian Persamaan Struktural

Setelah teori/model teoritis dikembangkan dan digambarkan dalam sebuah diagram alur, peneliti dapat mulai mengkonversi spesifikasi model tersebut ke dalam rangkaian persamaan. Persamaan yang dibangun akan terdiri:

(a) Persamaan-persamaan struktural (structural equations) dirumuskan untuk menyatakan hubungan kausalitas antar berbagai konstruk. Persamaan struktural pada dasarnya dibangun dengan pedoman berikut:

Variabel endogen = Variabel Eksogen + Variabel Endogen + Error

(b). Persamaan spesifikasi model pengukuran (measurement model). Pada spesifikasi itu peneliti menentukan variabel mana mengukur konstruk mana, serta menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesiskan antar konstruk atau variabel.

(4) Pemilihan Matrik Input dan Teknik Estimasi atas Model yang Dibangun Perbedaan SEM dengan teknik-teknik multivariat lainnya adalah dalam input data yang digunakan dalam permodelan dan estimasinya. SEM hanya


(48)

menggunakan matriks varian/kovarian atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya, apabila tujuan analisis adalah pengujian suatu model yang telah mendapatkan justifikasi teori, maka yang sesuai adalah data matriks varian-kovarian, dalam hal ini tidak dilakukan interpretasi terhadap besar kecilnya pengaruh kausalitas pada jalur-jalur yang ada dalam model.

Input data matriks korelasi dapat digunakan bilamana tujuan analisis adalah ingin mendapatkan penjelasan mengenai pola hubungan kausal antar variabel. Peneliti dapat melakukan eksplorasi jalur-jalur mana yang memiliki pengaruh kausalitas lebih dominan dibandingkan dengan jalur lainnya.

Pedoman yang digunakan untuk menentukan ukuran sampel yang akan dipakai untuk estimasi parameter adalah:

a. Ukuran sampel tergantung pada metode estimasi parameter yang dipakai, bila estimasi parameter menggunakan metode Maximum Likelihood Estimation (MLE), ukuran sampel yang disarankan adalah 100-200.

b. Ukuran sampel tergantung pada kompleksitas model yang akan diteliti.

Semakin kompleks suatu model membutuhkan ukuran sampel yang semakin besar, dalam hal ini terdapat pedoman bahwa ukuran sampel adalah 5-10 kali jumlah parameter yang ada dalam model yang akan diestimasi.

c. Ukuran sampel tergantung pada distribusi data. Bila distribusi data semakin jauh dari normal, maka ukuran sampel yang dibutuhkan semakin besar dengan pedoman sekitar 15 kali jumlah parameter yang diestimasi.


(49)

(5) Menilai Kemungkinan Munculnya Masalah Identifikasi

Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Problem identifikasi dapat muncul melalui gejala-gejala berikut ini: a. Standard error yang sangat besar pada satu atau beberapa koefisien.

b. Program tidak mampu menghasilkan matriks informasi yang seharusnya disajikan.

c. Munculnya angka-angka yang aneh, seperti adanya varians error yang bernilai negatif.

d. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang diperoleh (>0,9)

e. Pendugaan parameter tidak dapat diperoleh, misalnya terjadi matriks tidak definit positif.

Salah satu cara mengatasi masalah ini adalah dengan memberikan lebih banyak konstrain pada model yang dianalisis tersebut.

(6) Evaluasi Kriteria Goodness of Fit

Pada langkah ini kesesuaian model dievaluasi, melalui telaah terhadap berbagai kriteria goodness-of-fit. Untuk itu tindakan pertama yang dilakukan adalah mengevaluasi apakah data yang digunakan dapat memenuhi asumsi-asumsi SEM, apabila asumsi-asumsi ini dipenuhi, maka model dapat diuji. Asumsi-asumsi yang


(50)

harus dipenuhi dalam prosedur pengumpulan dan pengolahan data yang dianalisis dengan pemodelan SEM adalah:

a. Ukuran Sampel

Jumlah minimun sampel yang harus dipenuhi dalam pemodelan ini sebanyak 100 dan menggunakan perbandingan 5 observasi untuk setiap estimated parameter, apabila ingin dikembangkan model dengan 20 parameter, maka minimum sampel yang harus digunakan adalah 100 sampel.

b. Normalitas dan Linearitas

Sebaran data harus dianalisis untuk melihat apakah asumsi normalitas dipenuhi, sehingga data dapat diolah lebih lanjut untuk pemodelan SEM.

Normalitas dapat diuji dengan melihat gambar histogram data atau dapat diuji dengan metode statistik. Uji normalitas perlu dilakukan, baik untuk normalitas terhadap data tunggal maupun normalitas multivariat di mana beberapa variabel digunakan sekaligus dalam analisis akhir. Uji linearitas dapat dilakukan dengan mengamati scatterplots data (memilih pasangan data dan melihat pola penyebarannya untuk menduga ada tidaknya linearitas).

c. Outliers (Nilai-nilai ekstrim)

Outliers adalah observasi yang muncul dengan nilai-nilai ekstrim, baik secara univariat maupun multivariat. Observasi tersebut muncul karena kombinasi karakteristik unik yang dimilikinya dan terlihat sangat jauh berbeda dari observasi lainnya. Outliers dapat diatasi asal diketahui bagaimana munculnya outliers itu. Pada dasarnya outliers dapat muncul karena:


(51)

1. Kesalahan prosedur, seperti kesalahan dalam memasukkan data atau memberi kode data.

2. Keadaan khusus yang memungkinkan profil datanya lain dari pada yang lain, tetapi peneliti mempunyai penjelasan mengenai penyebab munculnya nilai ekstrim tersebut.

3. Adanya suatu alasan, tetapi peneliti tidak dapat mengetahui penyebabnya atau tidak ada penjelasan mengenai nilai ekstrim tersebut muncul.

Outliers dapat muncul dalam rentang nilai yang ada, namun bila dikombinasikan dengan variabel lainnya, kombinasinya menjadi tidak lazim atau sangat ekstrim (multivariate outliers).

d. Multicolinearity

Dapat dideteksi dari determinan matriks kovarians. Nilai determinan matriks kovarians yang sangat kecil (extremely small) memberi indikasi adanya masalah multikolinearitas atau singularitas. Penanganan data yang dapat dilakukan adalah dengan mengeluarkan variabel yang menyebabkan singularitas tersebut, bila singularitas dan multikolinearitas ditemukan dalam data yang dikeluarkan itu, salah satu treatment yang dapat diambil adalah dengan menciptakan “composite variables”, untuk digunakan dalam analisis selanjutnya.

Analisis SEM tidak ada alat uji statistik tunggal untuk mengukur atau menguji hipotesis mengenai model. Umumnya terhadap berbagai jenis fitindex yang digunakan untuk mengukur derajad kesesuaian antara model yang dihipotesiskan dengan data yang disajikan. Kriteria untuk menerima suatu model (data fit) (Wijaya, 2009) sebagaimana ditunjukkan pada tabel 3.1.


(52)

Tabel 3.1: Kriteria Penerimaan Suatu Model

Goodness of Fit Index Cut Off Value X2– Chi Square Diharapkan kecil Significance Probability ≥0,05

CMIN/DF ≤2,00 RMSEA ≤0,08

GFI Mendekati 1

AGFI Mendekati 1

TLI Mendekati 1

CFI Mendekati 1

Uraian masing-masing dari goodness of fit index dapat dijelaskan sebagai berikut:

a). χ2 Chi Square Statistic

Alat uji ini merupakan alat uji paling fundamental untuk mengukur overall fit. Alat uji ini juga merupakan alat uji statistik mengenai adanya perbedaan antara matriks kovarians populasi dengan matriks kovarians sampel. Model yang diuji dipandang baik atau memuaskan apabila nilai chi-squarenya rendah. Semakin kecil nilai χ2, semakin baik model tersebut. Dalam uji beda chi-square, χ2 = 0 berarti benar-benar tidak ada perbedaan dan H0 diterima, dengan demikian, model tersebut diterima berdasarkan probabilitas dengan cut-off value sebesar p > 0,05 atau p > 0,10, dalam uji ini peneliti mencari penerimaan hipotesis nol. Nilai χ2yang kecil dan tidak signifikanlah yang diharapkan agar hipotesis nol sulit ditolak (H0 diterima).


(53)

b). The Root Mean Square Error of Approximation (RMSEA)

RMSEA adalah suatu indeks yang dapat digunakan untuk mengkompensasi chi-square statistic dalam sampel yang besar. Nilai RMSEA menunjukkan Goodness of Fit yang dapat diharapkan bila model diestimasi dalam populasi. Nilai RMSEA ≤ 0,08 merupakan indeks untuk dapat diterimanya model yang menunjukkan suatu close fit dari model tersebut berdasarkan degrees of freedom.

c). Goodness of Fit Index (GFI)

Indeks kesesuaian ini menghitung proporsi tertimbang dari varians dalam matriks kovarians sampel yang dijelaskan oleh matriks kovarians populasi yang terestimasikan. GFI adalah suatu ukuran non-statistikal yang mempunyai rentang nilai antara 0 (poor fit) hingga 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini

menunjukkan “better fit”.

d). AGFI Adjusted Goodness-of-Fit

GFI adalah analog dari R2 dalam regresi berganda. Fit indeks ini dapat disesuaikan terhadap degrees of freedom yang tersedia untuk menguji diterima atau tidaknya model. Tingkat penerimaan yang direkomendasikan adalah bila nilai AGFI ≥ 0,90. GFI maupun AGFI adalah kriteria yang memeperhitungkan proporsi tertimbang dari varians dalam suatu matriks kovarians sampel. Nilai 0,95 dapat diinterpretasikan sebagai tingkatan

yang baik (good overall model fit), sedangkan nilai 0,90–0,95 menunjukkan tingkatan cukup (adequate fit)


(54)

e). CMIN/DF

The minimum sample discrepancy function (CMIN) dibagi dengan degree of freedomnya akan menghasilkan indeks CMIN/DF, yang umumnya dilaporkan oleh para peneliti sebagai salah satu indikator untuk mengukur tingkat fitnya suatu model. CMIN/DF tidak lain adalah statistic chi-square, χ2 dibagi Df-nya sehingga

disebut χ2- relatif. Nilai χ2-relatif < 2,0 atau bahkan terkadang < 3,0 adalah indikasi dari acceptable fit antara model dan data.

f). Tucker Lewis Index (TLI)

TLI adalah suatu alternative incremental fit index yang membandingkan suatu model yang diuji terhadap suatu baseline model. Nilai yang direkomendasikan

sebagai acuan untuk diterimanya suatu model adalah penerimaan ≥ 0,95, dan nilai

yang sangat mendekati 1 menunjukkan a very good fit.

g). Comparative Fit Index (CFI)

Besaran indeks ini adalah pada rentang nilai sebesar 0 – 1. Semakin mendekati 1 mengindikasikan tingkat fit paling tinggi (a very good fit).

Nilai yang direkomendasikan adalah CFI ≥ 0,95. Keunggulan dari indeks ini adalah bahwa indeks ini besarannya tidak dipengaruhi oleh ukuran sampel, karena itu sangat baik untuk mengukur tingkat penerimaan suatu model. Indeks CFI identik dengan Relative Noncentrality Index (RNI).


(55)

(7) Interpretasi dan Modifikasi Model

Langkah terakhir adalah menginterpretasikan model dan memodifikasikan model bagi model-model yang tidak memenuhi syarat pengujian yang dilakukan. Setelah model diestimasi, residualnya haruslah kecil atau mendekati nol dan distribusi frekuensi dari kovarians residual harus bersifat.

Peneliti perlu mempertimbangkan perlu tidaknya modifikasi sebuah model yaitu dengan melihat jumlah residual yang dihasilkan oleh model. Batas keamanan untuk jumlah residual adalah 5%. Bila jumlah residual lebih besar dari 5% dari semua residual kovarians yang dihasilkan oleh model, maka sebuah modifikasi perlu dipertimbangkan. Selanjutnya bila ditemukan bahwa nilai residual yang dihasilkan oleh model itu cukup besar (>2,58), maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasi tersebut.

Dengan penjelasan yang lebih singkat: jika model diterima, dilakukan interpretasi pola kausalitas yang dihasilkan (diestimasikan), apakah secara statistik signifikan dan mengikuti teori yang mendasari. Selanjutnya bisa dilakukan modifikasi model untuk menghasilkan model alternatif (competing models) yang akan dibandingkan dengan model aslinya. Model yang lebih baik dipilih setelah mendapat justifikasi teoritis.


(56)

BAB IV

HASIL DAN PEMBAHASAN

4.1 Hasil

STIKOM Surabaya yang merupakan perguruan tinggi dibidang Teknologi Informasi telah memiliki sistem informasi untuk mahasiswa STIKOM Surabaya. Sistem Informasi tersebut adalah Sistem Informasi Cyber Campus (SICYCA) Seluruh aktivitas mahasiswa akan dicatat otomatis oleh sistem. SICYCA dapat diakses pada alamat link https://sicyca.stikom.edu. SICYCA merupakan website utama sebagai media infomasi.

4.1.1 Informasi-informasi Pada SICYCA 1. Informasi SSKM

Menampilkan detail kegiatan SSKM (Standard Softkill Kegiatan Mahasiswa) dalam benuk tabel dan persentase.

2. Informasi sisa matakuliah

Menampilkan informasi mata kuliah yang belum diambil oleh mahasiswa. 3. Jadwal Perkuliahan

Menampilkan jadwal perkuliahan mahasiwa 4. Jadwal Ujian

Menampilkan jadwal ujian, jadwal dapat berupa : Jadwal UTS (Ujian Tengah Semester), UAS (Ujian akhir semester) dan USP (Ujian Semester Pendek).


(57)

5. Informasi Kehadiran Perkuliahan

Menampilkan informasi absensi perkuliahan setiap mahasiswa 6. Informasi Nilai Ujian

Menampilkan nilai UTS (Ujian Tengah Semester), UAS (Ujian akhir semester) ,USP (Ujian Semester Pendek) dan ujian praktikum

7. Download Materi Kuliah

Menyediakan file materi kuliah untuk di unduh untuk bahan mengajar dosen-dosen di STIKOM Surabaya

8. Informasi History IPS dan IPK

Menampilkan histori akademik yang telah ditempuh oleh mahasiswa. Informasi yang ditampilkan yaitu: history IPS dan history IPK.

9. Administrasi Mahasiswa

Menyediakan menu administrasi bagi mahasiswa, Menu administrasi terdiri dari: usulan semester pendek, pendaftaran remidi, pembatalan remidi, pembatalan KRS, simulasi perwalian, surat dan transkrip

10.Informasi Keuangan

Menampilkan informasi history keuangan mahasiswa yang meliputi SPP (sumbangan Pembangunan Pendidikan), SP (Sumbangan Pembangunan) dan pembayaran SEMA.

11.Informasi Perpustakaan

Menampilkan informasi pemijaman buku dan history kunjugan ke perpustakaan STIKOM Surabaya

12.E-Resource


(58)

13.Informasi PPTA

PPTA (Pusat Pelayanan Tugas Akhir) menyediakan informasi terkait dengan tugas akhir yang diambil oleh mahasiswa. Menampilkan status buku atau proposal mahasiswa dan memberikan informasi jadwal bimbingan. 14.Komunitas

Mendapatkan informasi tentang mahasiswa dan staff STIKOM Surabaya. 15.Fasilitas Email

Mahasiswa dapat mengkses email untuk mengirim dan menerima pesan .

Informasi-Informasi diatas dapat diklarifikasikan sebagai berikut. Tabel 4.1 Klasifikasi Informasi SICYCA Pada Model UTAUT

Variabel Informasi Pada SICYCA

Ekspektasi Kinerja

(Performance Expectancy)

Jadwal perkuliahan Sisa matakuliah Jadwal ujian

Kehadiran perkuliahan Nilai ujian

Informasi IPS dan IPK Informasi SSKM Ekspektasi Usaha

(Effort Expectancy)

-

Faktor Sosial (Social Influence)

Administasi mahasiswa Informasi keuangan Informasi perpustakaan Informasi PPTA

E-resource

Download materi kuliah Kondisi yang Memfasilitasi

(facilitating Condition)

-

Untuk memudahkan penelitian peneliti melakukan klarifikasi informasi yang ada pada SICYCA pada model UTAUT.


(59)

Ekspektasi kinerja didefinisikan sebagai tingkat dimana seorang individu meyakini bahwa dengan menggunakan SICYCA akan membantu dalam tugas perkuliahan.

Ekspetasi usaha merupakan tingkat kemudahan penggunaan dan dapat mengurangi upaya (tenaga dan waktu) individu dalam untuk mendapatkan informasi yang dibutuhkan. Kemudahan penggunaan SICYCA akan menimbulkan perasaan minat dalam diri mahasiswa bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang nyaman bila menggunakannya.

Faktor sosial diartikan sebagai tingkat dimana seorang individu menganggap bahwa orang lain menyakinkan dirinya bahwa dia harus menggunakan sistem untuk mendapatkan informasi yang lebih. Mahasiswa akan meningkatkan penggunaan SICYCA bila mendapatkn dororongan dari dosen ataupun teman .

Kondisi yang memfasilitasi penggunaan SICYCA merupakan tingkat dimana seseorang percaya bahwa infrastruktur dan teknis ada untuk mendukung penggunaan SICYCA.

4.1.2 Pengumpulan Data

Kuesioner yang telah dikembalikan oleh responden akan ditabulasi menggunakan perangkat lunak Microsoft excel 2013. Analisis deskriptif dan analisis validitas dan reliabilitas menggunakan perangkan lunak SPSS 16. Sedangkan untuk analisis data menggunakan menggunakan metode Structural Equation Model (SEM) perangkat lunak yang digunakan untuk analisis struktural adalah AMOS 22.


(60)

Alat bantu yang digunakan oleh peneliti untuk mengumpulakan data agar penelitian lebih sistematis dan lebih mudah dengan menggunakan media kuisioner. Kuisioner disebarkan pada mahasiswa STIKOM Surabaya yang masih aktif dari angkatan 2010 – 2013 pada setiap Prodi yang ada di STIKOM Surabaya.

Peneliti menggunakan 200 sampel untuk melakukan penelitian. Metode pengambilan sampel menggunakan metode Stratified Random Sampling, metode sampel ini merupakan metode sampling yang memisahkan elemen kelompok atau memisahkan Prodi STIKOM Surabaya, karena setiap jurusan memiliki jumlah mahasiswa yang berbeda.

Tabel 4.2 Mahasiswa 2010-2013 setiap Prodi STIKOM Surabaya

Kode

Prodi Prodi

Angkatan Jumlah

Mahasiswa Setiap Prodi 2010 2011 2012 2013

39010 DIII Manajemen Informatika (MI) 13 20 19 15 67

39015 DIII KPK 1 13 14 10 38

39090 DIII KGC 3 4 6 5 18

41010 S1 Sistem Informasi (SI) 153 151 155 177 636

41011 S1 Komputer Akuntansi (KA) 25 21 25 16 87

41020 S1 Sistem Komputer (SK) 47 43 41 84 215

42010 S1 DKV 36 45 62 53 196

51016 DIV Komputer Multimedia 25 24 34 31 114

Jumlah Populasi 1371

(Sumber Bagian AAK STIKOM Surabaya pada bulan Juli 2014)

Dari data diatas dapat diketahui jumlah mahasiswa setiap Prodi dan jumlah populasi. Sampel yang diperlukan sebanyak 200 sampel. Jumlah sampel yang diambil berdasarkan jumlah mahasiswa setiap prodi yang ditentukan dengan rumus sebagai berikut.


(61)

� �ℎ ��ℎ� � � � �� � �

� �ℎ � � � �� � � � �

Tabel 4.3 Sampel Mahasiswa Setiap Prodi 2010-2013

No Prodi Jumlah

Mahasiswa

Perhitungan Stratified Random

Sampling

Sampel

1 DIII Manajemen

Informatika (MI)

67 Mahasiswa

= . 10

2 DIII Komputerisasi Perkantoran dan Kesekretariatan (KPK)

38 Mahasiswa

= . 5

3 DIII Komputer Grafis Cetak (KGC)

18 Mahasiswa

= . 3

4 DIV Komputer Multimedia (MM)

114 Mahasiswa

= .

17

5 S1 Komputer Akuntansi (KA)

87 Mahasiswa

= .

13

6 S1 Desain Komunikasi Visual (DKV)

196 Mahasiswa

= .

29

7 S1 Sistem Komputer (SK) 215 Mahasiswa

= .

31

8 S1 Sistem Informasi (SI) 636 Mahasiswa

= . 92

Jumlah Sampel 200

Kuisioner disebarkan kepada seluruh Prodi yang ada di STIKOM Surabaya, yang sebelumnya telah dilakukan perhitungan Stratified Random Sampling. Hasil pengumpulan data dirinci sebagai berikut:


(62)

 Jumlah kuisioner yang kembali 200 Kuisioner  Jumlah kuisioner yang memenuhi kriteria 200 Kuisioner

 Rate responden 200

200 % = %

Berdasarkan hasil pengumpulan data dapat dilihat bahwa pengiriman 200 kuisioner dan kembali 200 kuisioner sehingga layak untuk dianalisis, dengan tingkat rate responden 100%.

4.1.3 Gambaran Umum Responden

Dalam penelitian ini yang menjadi responden adalah pengguna SICYCA yaitu mahasiswa STIKOM Surabaya yang masih aktif 2010 -2013. Gambaran umum 200 responden yang berpartisipasi dalam penelitian ini dapat dilihat pada grafik dibawah ini

Gambar 4.1 Grafik Sampel Mahasiswa Setiap Prodi

Berdasarkan Grafik diatas, ditemukan 10 responden untuk DIII MI, 5 responden untuk DIII KPK , 3 responden untuk DIII KGC, 17 responden untuk DIV

10 Responden 5 Responden 3 Responden 17 Responden 13 Responden 29 Responden 31 Responden 92 Responden 0 10 20 30 40 50 60 70 80 90 100

DIII MI DIII KPK DIII KGC DIV MM S1 KA S1 DKV S1 SK S1 SI

DIII MI DIII KPK DIII KGC DIV MM S1 KA S1 DKV S1 SK S1 SI


(1)

Komputer hanya terpusat pada lantai 2 saja. Sedangkan pada lantai 1, 3 dan 4 sering sekali terjadi trouble.

Minat pemanfaatan berpengaruh positif signifikan terhadap prilaku penggunaan SICYCA. Itu artinya responden memiliki minat yang tinggi untuk mengakses dan memanfaatkan aplikasi SICYCA untuk memudahkan dalam perkuliahan.


(2)

BAB V

KESIMPULAN DAN SARAN

Berdasarkan analisis data yang sudah dilakukan pada Bab IV maka peneliti dapat menarik beberapa kesimpulan, dan saran untuk penelitian selanjutnya seperti diuraikan di bawah ini.

5.1 Kesimpulan

Berdasarkan bukti-bukti empiris yang diperoleh ada beberapa hal dapat disimpulkan dari hasil penelitian, yaitu :

1. Tingkat penerimaan atau intensitas penggunaan dalam penggunaan SICYCA sebesar 74.3%, kriteria interpestasi Score tergolong kuat, itu artinya mahasiswa sudah sering memanfaatkan SICYCA.

2. Performance Expectancy (Ekspektasi Kinerja) berpengaruh signifikan terhadap Behavioral Intention (Minat Pemanfaatan), itu artinya responden menyadari menggunakan SICYCA akan membantu dalam tugasnya sebagai mahasiswa, mahasiswa percaya menggunakan SICYCA dapat menunjang perkuliahan. Mahasiswa dapat memantau jadwal perkuliahan agar dapat mengikuti proses pembelajaran, mengetahui sisa mata kuliah yang belum diambil, mengetahui jadwal ujian sehingga tidak terjadi keterlambatan, memantau kehadiran perkuliahan, memantau syarat kehadiran untuk mengikuti ujian, mengetahui nilai ujian, memantau IPS maupun IPK dan mengetahui point SSKM yang didapat untuk syarat kelulusan.


(3)

3. Effort Expectancy (Ekspektasi Usaha) berpengaruh signifikan terhadap Behavioral Intention (Minat Pemanfaatan), itu artinya responden menyadari tingkat kemudahan SICYCA dalam penggunaannya sistem. Kemudahan penggunaan SICYCA akan menimbulkan perasaan minat dalam diri mahasiswa bahwa sistem itu mempunyai kegunaan dan karenanya menimbulkan rasa yang nyaman bila menggunakannya dan membantu tugasnya sebagai mahasiswa. Selain itu penggunaan SICYCA tidak menyita waktu yang berlebihan.

4. Behavioral Intention (Minat Pemanfaatan) berpengaruh signifikan terhadap Use Behavior (Prilaku Penggunaan), itu artinya responden memiliki minat yang tinggi untuk mengakses dan memanfaatkan aplikasi SICYCA untuk memudahkan dalam perkuliahan.

5. Social influence (Faktor Sosial) tidak berpengaruh signifikan terhadap Behavioral Intention (Minat Pemanfaatan), itu artinya kurangnya dukungan dari faktor eksternal misalnya lembaga ataupun dosen.

6. Facilitating Conditions (Kondisi yang Memfasilitasi) tidak berpengaruh signifikan terhadap Use Behavior (Prilaku Penggunaan), itu artinya responden membutuhkan fasilitas yang lebih untuk mengakses SICYCA.


(4)

5.2 Saran

1. Kurangnya dukungan dari lembaga maupun dosen, salah satunya dosen jarang melakukan upload materi perkuliahan pada SICYCA, sebenarnya fasilitas tersebut sudah ada namun kurang dimanfaatkan, terbukti hanya 55.6 % mahasiswa mengakses menu download materi perkuliahan pada SICYCA dan layanan e-resource 51.2%. Untuk meningkatkan minat pemanfaatan SICYCA, faktor sosial (social influence) harus dilibatkan dalam pemanfaatan SICYCA, peran dosen sangat dibutuhkan dalam menunjang minat pemanfaatan SICYCA, dosen mengupload materi kuliah setiap pekan. Selain itu lembaga memberikan informasi diharapkan diarahkan pada SICYCA agar mahasiswa mendapatkan informasi yang jelas.

2. Tidak stabilnya jaringan wifi pada STIKOM Surabaya dapat mempengaruhi penggunaan SICYCA. Selain itu kurangnya komputer yang disediakan pihak STIKOM Surabaya untuk mengakses SICYCA. Tingkat penerimaan mahasiswa sebesar 74.3%, untuk meningkatkan tingkat penerimaan tersebut pihak pengembang dapat meningkatkan infrastruktur untuk menunjang penggunaan SICYCA. Komputer hanya terpusat pada lantai 2, lab, perpustakaan saja. Seharusnya setiap lantai disediakan minimal 2 komputer untuk memudahkan mahasiswa mengakses SICYCA. Memperbaiki pemanfaatan jaringan wifi di setiap area STIKOM Surabaya.


(5)

DAFTAR PUSTAKA

Arikunto, Suhaimi. (2010). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta.

Azwar, Saifuddin. (2012). Reliabilitas dan Validitas Edisi 4. Yogyakarta: Pustaka Pelajar.

Eriyatno. (2012). Ilmu Sistem Meningkatkan Mutu dan Efektivitas Manajemen. Surabaya: Guna Widya.

Ghozali, Imam.,(2011), Model Persamaan Struktural Konsep dan Aplikasi Dengan Program AMOS 21.0, Badan Penerbit Universitas Diponegoro Semarang.

Ghozali, Imam.,(2005), Aplikasi Multivariate dengan program SPSS, Badan Penerbit Universitas Diponegoro Semarang.

Guritno, Suryo., Sudaryono., Rahardja, Untung. (2011). Theory and Application of IT Research Metodologi Penelitian Teknologi Informasi, Yogyakarta: Andi Offset.

Handayani, Rini. (2005). Analisis Faktor-faktor yang Mempengaruhi Minat Pemanfaatan Sistem Informasi dan Penggunaan Sistem Informasi (Studi Empiris Pada Perusahaan Manufaktur di Bursa Efek Jakarta). Thesis Universitas Diponegoro: Semarang.

Jati, Nugroho J. (2012). Analisis Faktor-faktor yang Mempengaruhi Minat Pemanfaatan Dan Penggunaan Sistem E-Ticket (Studi

Empiris Pada Biro Perjalanan di Kota Semarang). Skripsi Universitas Diponegoro: Semarang.

Mason, Robert D. (1999). Teknik Statistika Untuk Bisnis dan Ekonomi Edisi Kesembilan Jilid 2, Jakarta: PT Gelora Aksara Pratama.


(6)

Nasution, S. (2012). Metode Reserch (Penelitian Ilmiah), Jakarta: PT Bumi Aksara.

Pratisto, Arif. (2000). Statistik Menjadi Mudah dengan SPSS 17, Jakarta: PT Elex Media Komputindo.

Santoso, Singgih. (2011). Structural Equation Modeling (SEM) Konsep dan Aplikasi dengan Amos 18, Jakarta: PT Elex Media Komputindo.

Santoso, Singgih. (2000). Buku Latihan SPSS Statistik Parametik, Jakarta: PT Gramedia.

Sugiyono. (2009). Statistika Untuk Penelitian. Bandung: Alfabeta.

Sugiyono., Wibowo, Eri. (2002). Statistika Untuk Penelitian dan Aplikasinya dengan SPSS 10.00 for Windows, Bandung: Alfabeta.

Suprapto, J. (2000). Statistik Teori dan Aplikasi Edisi Keenam, Jakarta: PT Gelora Aksara Pratama.

Venkatesh, V., Moris, M.G., Davis, G.B., dan Davis F.D. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Querterly, Vol.27, No.3, September, pp.425-478

Wijaya, Tony. (2009). Analisis Structural Equation Modeling Menggunakan AMOS, Universitas Atma Jaya Yogyakarta.

Kamus:

Departemen Pendidikan Nasional. 2008. Kamus Besar Bahasa Indonesia (KBBI). Jakarta: Balai Pustaka.


Dokumen yang terkait

Analisis dan evaluasi hubungan antar variabel dari model utaut terhadap penerapan KTP elektronik dengan menggunakan regresi berganda: studi kasus Kota Tangerang Selatan

4 29 132

TA : Analisis Penerimaan Aplikasi Akademik Universitas Katolik Widya Mandala Surabaya Menggunakan Metode Unified Theory Of Acceptance And Use Of Technology (UTAUT).

0 12 74

TA : Pengukuran Penerimaan Aplikasi UWKS Academic Smart Mobile Menggunakan Metode UTAUT (Unified Theory Of Acceptance And Use Of Technology).

0 17 87

Prediksi Kesuksesan Penerimaan Aplikasi mVegetable di Kota Kupang Menggunakan Model Unified Theory of Prediksi Kesuksesan Penerimaan Aplikasi mVegetable di Kota Kupang Menggunakan Model Unified Theory of Acceptance and Use of Technology (UTAUT).

0 3 9

BABI Prediksi Kesuksesan Penerimaan Aplikasi mVegetable di Kota Kupang Menggunakan Model Unified Theory of Acceptance and Use of Technology (UTAUT).

0 3 7

BABIII Prediksi Kesuksesan Penerimaan Aplikasi mVegetable di Kota Kupang Menggunakan Model Unified Theory of Acceptance and Use of Technology (UTAUT).

0 3 11

BABVI Prediksi Kesuksesan Penerimaan Aplikasi mVegetable di Kota Kupang Menggunakan Model Unified Theory of Acceptance and Use of Technology (UTAUT).

0 2 9

Analisis Penerimaan Pengguna Aplikasi Mobile UC Browser Menggunakan Model Unified Theory of Acceptance and Use of Technology (UTAUT) dan Task Technology Fit (TTF)

0 2 10

Pengukuran Penerimaan Aplikasi Uwks Academic Smart Mobile Menggunakan Metode Utaut (Unified Theory of Acceptance and Use of Technology)

0 1 8

PENGUKURAN PENERIMAAN APLIKASI SICYCA MENGGUNAKAN METODE UNIFIED THEORY OF ACCEPTANCE AND USE OF TECHNOLOGY (UTAUT)

0 1 8