ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI MANFAAT BERSIH DAN KEPUASAN PENGGUNA E-PROCUREMENT

  SNIPTEK 2015

ISBN: 978-602-72850-6-4

  Program Studi Sistem Informasi STMIK Nusa Mandiri

  LPSE bertujuan untuk meningkatkan transparansi dan akuntabilitas, meningkatkan akses pasar dan persaingan usaha yang sehat, memperbaiki tingkat efisiensi proses pengadaan, mendukung proses monitoring dan audit dan memenuhi kebutuhan akses informasi yang real

  online hingga pelatihan sumber daya manusia, bagi

  Sistem e-Procurement menggantikan sistem pengadaan barang dan jasa secara konvensional (sistem offline/sistem non elektronik). Hal ini membutuhkan adaptasi dan penyesuaian disisi infrastruktur teknologi, pemahaman prosedur

  Keberadaan e-Procurement sangat efektif bagi pemerintah untuk mencari rekanan perusahaan sebagai penyedia kebutuhan barang dan jasa bagi pemerintah. Proses diharapkan bisa lebih cepat, transparan dan adil bagi semua perusahaan yang memiliki kualifikasi.

  LPSE selanjutnya menjadi unit kerja yang dibentuk di setiap kabupaten, kota dan provinsi di seluruh Indonesia sebagai pelaksana kegiatan pengadaan barang dan jasa secara online. Dengan adanya sistem pengadaan secara elektronik (electronic procurement/e-Procurement) maka perusahaan-perusahaan dari beragam wilayah bisa mengikuti tender pengadaan barang dan jasa di daerah manapun yang dikehendaki.

  dalam pengadaan barang/jasa pemerintah (Lembaga Kebijakan Pengadaan Barang/Jasa Pemerinta

  time guna mewujudkan clean and good government

  Berkembangnya teknologi informasi mencetuskan adanya fasilitas pengadaan barang/jasa secara elektronik. Pemerintah Republik Indonesia kemudian membentuk Layanan Pengadaan Secara Elektronik (LPSE).

  Jl. Damai No.8, Warung Jati Barat (Margasatwa), Jakarta Selatan

  

ANALISA FAKTOR-FAKTOR YANG MEMPENGARUHI MANFAAT BERSIH

DAN KEPUASAN PENGGUNA E-PROCUREMENT

Fatmawati

  Service Quality (KL), System Quality (KS) and Participant Satisfaction (KP) as much as 63.40%. Keywords: Analysis, E-Procurement, Factors.

  ABSTRACT - The existence of e-Procurement is very effective for the government to find partner companies as providers of goods and services for the government. The process is expected to be faster, transparent and fair for all qualified companies. Several factors that can affect the level of satisfaction and high benefits obtained by e-Procurement participants are system quality, information quality and service quality. This research involves two types of variables: (1) Exogenous Variables: Quality of System (KS), Quality of Information (KI) and Quality of Service (KL); (2) Endogenous Variables: Participant Satisfaction (KP) and Net Benefit (MB). From the results of testing and analysis using DeLone and McLean models with SPSS 19 and AMOS 22 tools, the relationship was obtained; Participants' satisfaction (KP) is influenced by the variation of Information Quality (KI) as much as 12.20%. While the Net Benefit (MB) is affected by the variation of

  Kata Kunci: Analisa, E-Procurement, Faktor-faktor .

  — Keberadaan e-Procurement sangat efektif bagi pemerintah untuk mencari rekanan perusahaan sebagai penyedia kebutuhan barang dan jasa bagi pemerintah.Proses diharapkan bisa lebih cepat, transparan dan adil bagi semua perusahaan yang memiliki kualifikasi. Beberapa faktor yang bisa mempengaruhi tingkat kepuasan dan tingginya manfaat yang diperoleh peserta e- Procurement yaitu kualitas sistem, kualitas informasi dan kualitas layanan. Penelitian ini melibatkan 2 jenis variabel yaitu, (1) Variabel Eksogen: Kualitas Sistem (KS), Kualitas Informasi (KI) dan Kualitas Layanan (KL); (2) Variabel Endogen: Kepuasan Peserta (KP) dan Manfaat Bersih (MB). Dari hasil pengujian dan analisa menggunakan model DeLone dan McLean dengan alat bantu SPSS 19 dan AMOS 22, diperoleh hubungan; Kepuasan Peserta (KP) yang dipengaruhi oleh variasi Kualitas Informasi (KI) sebanyak 12,20%. Sedangkan Manfaat Bersih (MB) yang dipengaruhi oleh variasi Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Peserta (KP) sebanyak 63,40%.

  

ABSTRAK

  PENDAHULUAN

ISBN: 978-602-72850-6-4

  SNIPTEK 2015

  Daya tanggap (responssiveness), 3. Jaminan (assurance), 4. Empati (emphaty).

  Keringkasan, 3. Mudah dipahami, 4. Aktualitas, 5. Relevansi.

  DeLone dan McLean dalam Jogiyanto (2007) mengukur kualitas informasi dalam lingkungan e-commerce berdasarkan:

  1. Isi web harus personal (personalized), 2.

  Kelengkapan informasi (completeness), 3. Relevansi informasi (relevance), 4. Mudah dipahami (easy to understand), 5. Aman (secure).

  Kualitas Layanan

  Menurut Zeithalm, Parasuraman, dan Berry dalam (Aritonang, 2000) pengukuran kualitas layanan didasarkan pada indikator-indikator, berikut:

  1. Reliabilitas (reliability), 2.

  Beberapa indikator kepuasan peserta e-

  Kepuasan Peserta E-procurement

  Patnayakuni, R., dan Bowtell, M. (1999) terdapat beberapa indikator kualitas informasi, yaitu:

  procurement (Liu dan Arnet, 2009), meliputi: 1.

  Kepuasan peserta (participant satisfaction), 2. Kesulitan penggunaan (difficulty of use), 3. Kenyamanan penggunaan (comfort of use), 4. Kesenangan penggunaan (pleasure of use).

  Manfaat Bersih

  Berdasarkan hasil beberapa penelitian, dampak dari sistem informasi sangat banyak. Dampak tersebut misalnya terhadap pemakai perorangan, kelompok, organisasi dan lain lainnya. Beberapa indikator manfaat bersih (Seddon, et al., 1999) yang dimodifikasi dalam penelitian ini, meliputi:

  1. Mempercepat pengolahan data, 2.

  Kemampuan memecahkan masalah, 3. Meningkatkan kualitas informasi, 4. Menghasilkan informasi cepat dan tepat, 5. Mendukung pengambilan keputusan.

  Pendekatan Model DeLone dan McLean

  1. Ketepatan waktu, 2.

  Selain mengukur kualitas kinerja sistem, peneliti sistem informasi juga memfokuskan pada kualitas keluaran sistem informasi. Kualitas informasi merupakan output yang dihasilkan oleh sistem informasi yang digunakan (DeLone dan McLean, 1992).

  perusahaan-perusahaan calon rekanan pemerintah yang tidak semuanya berupa perusahaan skala besar, disamping itu banyak juga perusahaan yang berasal dari daerah-daerah yang masih memiliki keterbatasan keahlian sumber daya manusia, infrastruktur teknologi informasi serta ketersediaan informasi yang dibutuhkan. dan diterapkan bisa berjalan secara efektif dan efisien, perlu dilakukan pengujian terhadap faktor- faktor yang akan mempengaruhi penggunaan e- Procurement.

  Kualitas Informasi

BAHAN DAN METODE

  1. Kehandalan sistem (system reliability), 2.

  Mendukung proses monitoring dan audit, 5. Memenuhi kebutuhan akses informasi yang real

  E-Procurement

  Menurut Turban E., King D., Lee J., dan Viehland D. (2004), e-Procurement merupakan pengadaan barang dan jasa secara elektronik oleh perusahaan. Sedangkan menurut Chaffey (2004), e-

  Procurement merupakan integrasi dan manajemen

  elektronik terhadap semua aktivitas pengadaan termasuk permintaan pembelian, pemberian hak pemesanan, pengiriman dan pembayaran antara pembeli dan pemasok.

  Manfaat pengadaan barang dan jasa secara elektronik atau e-Procurement diantaranya adalah (Lembaga Kebijakan Pengadaan Barang/Jasa Pemerintah): 1.

  Meningkatkan transparansi dan akuntabilitas, 2. Meningkatkan akses pasar dan persaingan usaha yang sehat,

  3. Memperbaiki tingkat efisiensi proses pengadaan, 4.

  time guna mewujudkan clean and good government dalam pengadaan barang/jasa

  Sedangkan DeLone dan McLean dalam Jogiyanto (2007) mengusulkan pengukuran kualitas sistem yang diterapkan di lingkungan e-commerce berdasarkan:

  Waktu respon sistem (system response time), 3. Ketergunaan sistem (system usability).

  Kualitas Sistem

  Menurut DeLone dan McLean (1992), kualitas sistem merupakan kombinasi hardware dan

  software dalam sistem informasi. Swanson dalam

  Jogiyanto (2007) menggunakan beberapa item kualitas sistem untuk mengukur keberhasilan sistem informasi manajemen yang dilakukan oleh manajer, diantaranya adalah:

  1. Keandalan sistem komputer, 2.

  Kecepatan akses, 3. Kemudahan penggunaaan.

  pemerintah.

  SNIPTEK 2015

ISBN: 978-602-72850-6-4

  Variabel Nilai Minimum Nilai

  sebanyak 80,3% dan sisanya 19,7% adalah perempuan. Menurut lokasi perusahaan mayoritas berada di Jakarta sebanyak 76,4% dan 23,6% berada di Luar Jakarta. Sedangkan status kepemilikan modal perusahaan mayoritas adalah milik swasta sebesar 93,7% dan sisanya BUMN sebanyak 6,3%.

  B. Analisis Statistik Deskriptif

  Nilai statistik masing-masing variabel penelitian dapat dilihat pada tabel 4.2. Pada tabel tersebut juga ditampilkan nilai c.r skewness dan c.r

  kurtosis dalam kisaran nilai yang direkomendasikan yaitu -2.58 sampai 2.58.

Tabel 4.2. Statistik Variabel Penelitian

  KS 3,00 5,50 4,306 -0,169 -0,306 KI 3,00 6,00 4,701 0,148 0,680 KL 2,50 6,00 4,621 -0,546 0,380 KP 1,00 6,00 3,630 -0,683 0,498

  Maksimum Nilai Mean Skewness Kurtosis

  Dapat disimpulkan bahwa peserta e-

  Pengujian Model Berbasis Teori

  Berdasarkan model penelitian yang diajukan, maka penelitian ini memiliki beberapa variabel, yaitu

  1. Variabel eksogen, terdiri dari kualitas informasi, kualitas sistem, dan kualitas layanan.

  2. Variabel endogen, terdiri dari kepuasan peserta e- procurement dan manfaat bersih.

  Pada penelitian ini indikator variabel penelitian berjumlah 20 indikator. Hubungan kausal

  procurement mayoritas berjenis kelamin laki-laki

  Jumlah perusahaan yang dilibatkan dalam proses pengumpulan data melalui sebaran kuesioner surat elektronik (e-mail) sebanyak 200 perusahaan. Kuesioner yang dikembalikan dan berisi data lengkap dan siap untuk dianalisis sebanyak 127 kuesioner. Jumlah sampel tersebut telah memenuhi batas minimal analisis SEM yang membutuhkan sampel antara 100 - 200 sampel.

  Model untuk pengukuran kesuksesan suatu sistem informasi telah dikembangkan oleh banyak para peneliti, salah satunya adalah model pengukuran yang dikembangkan oleh DeLone dan McLean. Model tersebut dikenal dengan istilah D&M IS

  Analysis of Moment Structure (AMOS)

  Success Model. Model Delone and McLean Menurut Sitinjak dan Sugiharto (2006)

  Structural Equation Modeling (SEM) merupakan

  suatu teknik statistik yang mampu menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara langsung.

  Sedang menurut Ghozali (2004) SEM merupakan gabungan dari dua metode statistik yang terpisah, yaitu analisis faktor (factor analyst) yang dikembangkan pada bidang psikologi atau psikometri serta model persamaan simultan (Simultaneus

  Equation Modelling)

  yang dikembangkan pada bidang ekonometrika. Selain dapat menganalisis hubungan kausal searah, SEM juga dapat menganalisis hubungan dua arah yang seringkali muncul dalam ilmu sosial dan perilaku. SEM termasuk multivariate statistics yang memungkinkan dilakukannya analisis satu atau lebih variabel eksogen dengan satu atau lebih variabel endogen.

  AMOS (Analysis

  Responden dari penelitian ini adalah perusahan-perusahaan yang pernah mengikuti proses e-procurement pada instansi pemerintah daerah di beberapa daerah di Indonesia yang diambil secara random melalui fasilitas pengadaaan secara elektronik (e-procurement) situs Layanan Pengadaan Secara Elektronik (LPSE) yang terkoneksi ke setiap kota/kabupaten dan provinsi seluruh Indonesia.

  of Moment Structure)

  merupakan salah satu program atau software yang digunakan untuk mengestimasi model pada model persamaan struktural (SEM) (Ghozali, 2004). Saat ini software AMOS merupakan software yang dapat diandalkan dalam menyelesaikan permasalahan sosial karena kemampuannya dalam mengukur variabel yang bersifat laten atau tidak dapat diukur secara langsung akan tetapi dapat diukur melalui indikatornya.

  Pengumpulan data pada penelitian ini menggunakan metode sebagai berikut:

  1. Kuesioner Data dan informasi yang bersifat primer diperoleh dari sebaran kuesioner dikirim ke setiap responden dengan melalui surat elektronik (e-mail) ke perusahaan yang pernah mengikuti proses e-procurement untuk diisi dan dikumpulkan kembali yang kemudian hasilnya dianalisa untuk menguji hipotesis yang diajukan pada tahap awal penelitian ini.

  2. Studi Pustaka Studi pustaka dilakukan dengan membaca buku literatur, sehingga diperoleh data yang bersifat teoritis dengan cara mempelajari literatur, jurnal penelitian, bahan kuliah dan sumber atau bahan lain yang berhubungan dengan permasalahan dalam penelitian.

  HASIL DAN PEMBAHASAN Hasil Penelitian A. Data Demografi Responden

MB 2,00 6,00 4,344 -0,402 -0,479

ISBN: 978-602-72850-6-4

  SNIPTEK 2015

  antara variabel eksogen dan variabel endogen c.

  Kualitas Layanan (KL) diperlihatkan pada gambar 4.1. Hasil output standardized loading estimate yang disajikan pada tabel 4.5., menunjukkan nilai loading factor (estimate pada standardized regression

  weight) indikator variabel laten Kualitas

  Layanan yang terdiri dari KL1, KL2, KL3, merupakan konstruk yang valid.

Tabel 4.5. Uji Validasi Variabel KL

  Indikator Estimasi Keterangan KL1 0,566 Valid KL2 0,514 Valid KL3 0,541 Valid KL4 0,995 Valid 2.

  Uji Validitas Variabel Laten Endogen

Gambar 4.1. Model Awal Penelitian a.

  Kepuasan Peserta e-procurement (KP) Nilai loading factor (estimate pada

  Pengujian Validitas standardized regression weight) indikator

  Uji validitas pada penelitian ini variabel laten Kualitas Informasi yang menggunakan teknik analisis faktor konfirmatori terdiri dari KP1, KP3, dan KP4 yang dapat (Confirmatory Factor Analysis) terhadap variabel dilihat pada tabel 4.6. memiliki nilai > 0,5 laten eksogen dan endogen. Analisis faktor berarti merupakan konstruk yang valid. konfirmatori bertujuan untuk menguji apakah

  Sedangkan KP2 memiliki nilai < 0,5 indikator-indikator pembentuk konstruk berarti merupakan konstruk yang tidak merupakan indikator yang valid sebagai pengukur valid konstruk laten, yang dapat dilihat dari nilai loading

  factor.

Tabel 4.6. Uji Validasi Variabel KP 1.

  Uji Validitas Variabel Laten Eksogen Indikator Estimasi Keterangan a. Kualitas Sistem (KS)

  KP1 0,845 Valid Hasil output standardized loading estimate

  KP2 Tidak Valid - yang disajikan pada tabel 4.3., menunjukkan 0,570

  loading factor

  nilai (estimate pada KP3 0,897 Valid

  standardized regression weight) indikator

  KP4 0,867 Valid variabel laten Kualitas Sistem yang terdiri dari KS1, KS2, dan KS3 memiliki nilai > 0,5 berarti merupakan konstruk yang valid.

  b.

  Manfaat Bersih (MB) Hasil output standardized loading estimate

Tabel 4.3. Uji Validasi Variabel KS yang disajikan pada tabel 4.7.,

  Indikator Estimasi Keterangan menunjukkan nilai loading factor KS1 0,766 Valid

  (estimate pada standardized regression KS2 0,566 Valid

  weight) indikator variabel laten Kualitas

  KS3 0,756 Valid Layanan yang terdiri dari MB1, MB2, MB3, MB4 dan MB5 memiliki nilai > 0,5 berarti b. Kualitas Informasi (KI) merupakan konstruk yang valid.

  Nilai loading factor (estimate pada

Tabel 4.7. Uji Validasi Variabel MB

  standardized regression weight) indikator

  Indikator Estimasi Keterangan variabel laten Kualitas Informasi yang terdiri MB1 0,883 Valid dari KI1, KI2, KI3, dan KI4 yang dapat dilihat MB2 0,542 Valid pada tabel 4.4. memiliki nilai > 0,5 berarti MB3 0,939 Valid merupakan konstruk yang valid. MB4 0,887 Valid

Tabel 4.4. Uji Validasi Variabel KI

  MB5 0,625 Valid Indikator Estimasi Keterangan

  KI1 0,507 Valid

  Pengujian Reliabilitas

  KI2 0,944 Valid Pendekatan yang digunakan pada pengujian

  KI3 0,517 Valid realiabilitas ini adalah mencari nilai besaran KI4 0,625 Valid

  construct reliability dan variance extracted dari

  SNIPTEK 2015

ISBN: 978-602-72850-6-4

  measurement error. Cut-off value dari construct reliability adalah minimal 0,7 sedangkan cut-off value dari variance extracted minimal 0,5.

  Kecil,  ² α ; df 816,145 Tidak Baik Probability

  multikolinearitas dan singularitas pada data yang dianalisis, sehingga data dinyatakan valid.

  Uji Kesesuaian

  Model penelitian sementara terlihat pada

gambar 4.2. yang diperoleh setelah dilakukan uji Gambar 4.2.

  Model Penelitian Setelah Uji Validasi dan Reliabilitas Model teori yang diajukan pada penelitian ini tidak sesuai dengan model populasi yang diobservasi. Hal tersebut dapat dibuktikan dengan melihat nilai P pada tabel 4.9. yang bernilai kurang dari 0,05.

Tabel 4.9. Hasil Uji Kesesuaian Model

  Ukuran Kesesuaian Batas Nilai Kritis Hasil Uji Model Keterangan Absolut Fit Measures Chi-Square X ² (CMIN)

   0,05 0,000 Tidak Baik Chi-Square X ² Relatif (CMIN/DF)

  multikolinearitas dan singularitas pada data yang

   2,00 5,748 Tidak Baik GFI  0,90

  0,566 Tidak Baik RMSEA  0,08 0,194 Tidak Baik

  Incremental Fit Measures AGFI  0,90

  0,420 Tidak Baik TLI  0,95 0,581 Tidak Baik

  NFI  0,90 0,613 Tidak Baik CFI  0,95 0,652 Tidak Baik

  Parsimonious Fit Measures PNFI  0,60

  0,509 Tidak Baik PGFI  0,60 0,423 Tidak Baik

  dianalisis, sehingga data dinyatakan valid. Nilai determinant of sampel covariance matrix = .000. Berdasarkan nilai tersebut maka dapat disimpulkan bahwa tidak terdapat masalah

  Multikolinearitas dan Singularitas Jika determinan dari matrik kovarians sangat besar atau jauh dari angka nol, maka dapat disimpulkan bahwa tidak terdapat masalah

Tabel 4.8. Uji Reliabilitas Gabungan

  Ukuran Sampel Jumlah data sampel dalam penelitian ini sebanyak 127 sampel. Jumlah tersebut telah memenuhi persyaratan ukuran sampel dalam pemodelan SEM minimum berjumlah 100 sampel.

  Variabel

  Construct Variance

  KI 0,824 0,614 KS 0,827 0,562 KL 0,832 0,574

  KP 0,946 0,853 MB 0,930 0,736

  Dari tabel 4.8. di atas dapat disampaikan bahwa seluruh konstruk variabel laten memenuhi syarat cut-off value untuk contruct reliability yaitu memiliki nilai > 0,7. Dengan demikian dapat dikatakan bahwa masing-masing variabel memiliki reliabilitas yang baik.

  Uji Asumsi

  Uji asumsi model dilakukan untuk mengetahui apakah data yang digunakan telah memenuhi asumsi-asumsi SEM. Asumsi-asumsi yang harus diperhatikan dalam uji asumsi ini adalah: a.

  b.

  masing-masing variabel laten dengan menggunakan informasi yang terdapat dalam loading factor dan

  Uji Normalitas Berdasarkan penilaian normalitas (assessment of normality), secara univariate bahwa nilai c.r. keseluruhan berada pada kisaran nilai yang direkomendasikan yaitu antara -2,58 sampai dengan 2,58 (signifikansi pada 1%). Namun nilai

  multivariate c.r sebesar 17,896 berada di atas

  2,58, sehingga dapat disimpulkan bahwa data berdistribusi tidak normal.

  c.

  Outlier Sebuah data digolongkan outlier jika memiliki nilai p1 dan p2 kurang dari 0,05. Pada

  mahalanobis distanceada nilai p1 dan p2 di

  bawah 0,05. Kondisi tersebut menunjukkan bahwa terdapat adanya outlier.

  d.

ISBN: 978-602-72850-6-4

  SNIPTEK 2015

  Karena nilai P kurang dari 0,05 atau tidak s memenuhi persyaratan, maka uji kriteria lain

• -0,131 0,351 Non Signifikan

  KP ← KL seperti; absolut fit measure, incremental fit measures, KP 0,201 0,451 Non Signifikan

  ← KS dan parsimonious fit measures tidak dilanjutkan.

  0,671 0,005 Signifikan KP ← KI

  Sehingga langkah selanjutnya adalah dengan 1,227 0,000 Signifikan

  MB ← KI menggunakan analisis jalur (path analysis).

  0,170 0,066 Non Signifikan MB ← KL

  1,163 0,000 Signifikan MB ← KS

  1,133 0,022 Signifikan MB ← KP

  Model Jalur Awal

  Model jalur awal untuk analisis jalur dapat Dari hasil uji signifikansi yang disimpulkan dilihat pada gambar 4.3.: dalam tabel 4.10., terdapat empat jalur signifikan dan tiga jalur non signifikan. Hal ini menyatakan bahwa model jalur awal yang diajukan, tidak sesuai atau tidak fit.

  Hipotesis operasional akan diterima (jika P < 0,05) atau ditolak (jika P > 0,05) sesuai dengan hasil uji signifikansi. Tabel 4.11. memperlihatkan hasil hipotesis khusus

Tabel 4.11. Hasil Hipotesis Operasional

  Hipo Statistik Deskripsi Hipotesis Hasil tesis Hipotesis Diduga kualitas sistem

  Ditolak secara signifikan H1 K P ← KS (Non mempengaruhi kepuasan Signifikan)

Gambar 4.3. Model Jalur Awal peserta e-procurement.

  Diduga kualitas sistem Diterima secara signifikan

  Dari hasil uji signifikansi diperoleh nilai

  H2 MB ← KS mempengaruhi manfaat (Signifikan)

  koefisien yang mempengaruhi signifikansi setiap bersih. jalur pada model jalur awal. Hasil uji signifikansi

  Diduga kualitas informasi Diterima ditunjukkan pada gambar 4.4. secara signifikan H3

  KP ← KI mempengaruhi kepuasan (Signifikan) peserta e-procurement. Diduga kualitas informasi secara signifikan

  Diterima H4 mempengaruhi manfaat MB ← KI

  (Signifikan) bersih. Diduga kualitas layanan Ditolak secara signifikan H5

  (Non KP ← KL mempengaruhi kepuasan Signifikan) peserta e-procurement Diduga kualitas layanan

  Ditolak secara signifikan H6 MB ← KL (Non mempengaruhi manfaat Signifikan) bersih Diduga kepuasan peserta Diterima e-procurement secara

Gambar 4.4. Hasil Uji Signifikansi Model Jalur Awal

  H7 MB ← KP signifikan mempengaruhi (Signifikan) manfaat bersih

  Hubungan kausalitas antar jalur yang boleh digunakan harus memenuhi kriteria nilai probabilitas P < 0,05 dan koefisien regresi bernilai

  Model Jalur Akhir

  positif. Pada tabel 4.10. ditampilkan hasil analisis Model jalur akhir yang dibuat berdasarkan terhadap model jalur awal. penghapusan jalur dari uji signifikansi, diperlihatkan pada gambar 4.5.

  Tabel 4.10. Koefisien Regresi dan Nilai Probabilitas

  Model Jalur Awal

  Hubunga Koefisien Probabi Keterangan n Regresi litas (P) Kausalita (KR)

  SNIPTEK 2015

  ISBN: 978-602-72850-6-4 Tabel 4.12.

  Koefisien Regresi dan Nilai Probabilitas Model Jalur Akhir

  Hubungan Koefisien Probabilitas (P) Keterangan Kausalitas Regresi (KR) 0,750 0,000 Signifikan KP ← KI 0,252 0,022 Signifikan MB ← KL 1,965 0,000 Signifikan MB ← KS 0,239 0,000 Signifikan MB ← KP

  Tabel 4.13.Koefisien Determinasi Model Jalur Akhir Variabel

  2 R Intercept

Gambar 4.5. Model Jalur Akhir

  Endogen KP 12,20% -2,445

  Dari hasil uji signifikansi diperoleh gambaran MB 63,40% -11,122 koefisien regresi seperti pada gambar 4.6.

  4.2.6. Interpretasi Model

  Berdasarkan tabel 4.12. dan tabel 4.13., maka dibuat persamaan variabel endogen model akhir yang diperlihatkan dibawah ini:

  KP = intercept + 12 KI KP = -2,445 + 0,750 KI

  Persamaan 4.1 menjelaskan hubungan antara Kepuasan Pengguna (KP) dengan Kualitas Informasi (KI). Apabila KI meningkat 1 satuan, maka KP akan meningkat 0,750.

  Variabel endogen Kepuasan Peserta (KP) dipengaruhi oleh Kualitas Informasi (KI). Hasil penelitian menjelaskan Kepuasan Peserta (KP) yang

Gambar 4.6. Hasil Uji Signifikansi Model Jalur Akhir dipengaruhi oleh variasi Kualitas Informasi (KI)

  sebanyak 12,20%, sedangkan persentase sebesar

Tabel 4.12. memperlihatkan hasil analisa

  87,80% merupakan variasi yang dijelaskan oleh Koefisien Regresi dan Probabilitas untuk model variabel-variabel lain dalam penelitian ini. jalur akhir yang dibuat.

  MB = intercept + 21 KL + 22 KS + β21 KP

  MB = -11,122 + 0,252 KL + 1,965 KS + 0,239 KP Persamaan 4.2 menjelaskan hubungan antara

  Manfaat Bersih (MB) dengan Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Pengguna (KP). Jika KL meningkat 1 satuan dan KS serta KP bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 0,252. Jika KS meningkat 1 satuan dan KL serta KP bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 1,965. Jika KP meningkat 1 satuan dan KL serta KS bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 0,239.

  Variabel endogen Manfaat Bersih (MB) juga dipengaruhi secara signifikan oleh 3 variabel yaitu Kualitas Layanan (KL), Kualitas Sistem (KS), dan Kepuasan Peserta (KP). Hasil penelitian menjelaskan Manfaat Bersih (MB) yang dipengaruhi oleh variasi Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Peserta (KP) 63,40%, sedangkan persentase sebesar 36,60% merupakan variasi yang dijelaskan oleh variabel Kualitas Informasi (KI).

ISBN: 978-602-72850-6-4

  Dari penelitian ini dapat disimpulkan beberapa hal berikut:

  Jogiyanto, H. Model Kesuksesan Sistem Teknologi Informasi. Yogyakarta: Andi Offset, 2007. Kusdaryono, Aries. Strategi Penerapan Sistem E-

  Leonard L. Delivering Quality Service: Balancing Customer Perception and Expectation New York. The Free Press, 1990.

  Modeling. Jakarta: Universitas Budi Luhur, 2007. Zeithaml, Valarie A., Parasuraman, A., dan Berry,

  Commerce: A Managerial Perspective. New Jersey: Prentice Hall, 2004. Widodo, Prabowo Pudjo. Seri Structural Equation

  Sitinjak, Tumpal, dan Sugiarto. Lisrel. Yogyakarta: Graha Buku, 2006. Sugiyono. Metode Penelitian Bisnis. Bandung: Alfabeta, 1999. Turban, E., King D., Lee J., dan Viehland D. Electronic

  Bowtell, M. “Dimensions of Information Systems Success.” Communication of the AIS (2) (1999).

  Jakarta: Elex Media Komputindo, 2011. Seddon, P.B., Staples, S., Patnayakuni, R., dan

  Pemasaran: Konsep dan Aplikasi dengan SPSS. Jakarta: Elex Media Komputindo, 2002. Santoso, Singgih. Struktural Equation Model (SEM): Konsep dan Aplikasi dengan AMOS 18.

  Nazir, M. Metode Penelitian. Jakarta: Ghalia Indonesia, 2009. Santoso, Singgih dan Fandy Tjiptono. Riset

  “Impact of Service Quality, Trust, and Customer Satisfaction on Customers Loyalty.” ABAC Journal Vol. 29, No. 1 (January-April) ( 2009.): 24-38.

  Muzahid Akbar, Mohamma, dan Parvez, Noorjahan.

  Associated with Web Site Success In the Context Of Electronic Commerce.” Information & Management, 38 (2009): 23- 33.

  Procurement Pemerintah (SePP): Studi Kasus R.I. Jakarta: Universitas Budi Luhur, 2007. Liu, C., dan Arnett, K. P. “Exploring the Factors

  Hair, J, F. Jr., Anderson, R.E., Tathan, R.L., dan Black, W.C. Multivariat Data Analysis. New Jersey: Prentice Hall, 1998.

  1. Kualitas informasi merupakan variabel atau faktor yang paling mempengaruhi kepuasan peserta e-procurement.

  Semarang: Badan Penerbit Universitas Diponegoro, 2004.

  Procurement Di Lhokseumawe.” Teras Jurnal, Vol 3, No. 1, Maret ( 2013). Ghozali, I. Model Persamaan Struktural: Konsep dan Aplikasi dengan Program AMOS Ver. 5.0.

  Fauzan, M., Mukhlis T., dan Ricky Husny. “Tingkat Kesiapan Masyarakat Jasa Konstruksi Dalam Penerpan E-

  System Success: The Quest for the Dependent Variable.” Information System Research, 3(1) (1992): 60-95.

  Year Update.” Journal of Information Systems Research, The Institute of Management Sciences (2003). DeLone, W. H., dan McLean E. R. “Information

  DeLone, W. H., dan McLean E. R. . h,. . “Information Systems Success: A Ten-

  D. E-business and E-commerce Management: Strategy, Implementation, and Practice (2nd edition). New Jersey: Prentice Hall, 2004.

  25 November 2013 <http://lpse.lkpp.go.id/eproc/tentangkami>. Aritonang, R. L. Kepuasan Pelanggan. Jakarta: PT Gramedia Pustaka Utama, 2005. Chaffey,

  lpse.lkpp.go.id.

  REFERENSI (LPSE), Layanan Pengadaan Secara Elektronik.

  Terima kasih kepada semua pihak khususnya orang tua yang selalu mendoakan dan mendukung atas kelancaran penyusunan penelitian ini.

  Procurement.

  2. Kualitas layanan, kualitas sistem dan kepuasan peserta merupakan variabel atau faktor yang paling mempengaruhi manfaat bersih e-Procurement bagi para peserta e-