SKRIPSI KEBERHASILAN PENGGUNAAN COMMUTER VENDING …repository.uinjkt.ac.id/dspace/bitstream/123456789/44269/2/MILLAH... · Pada Sistem Tiket Elektronik Kereta Rel Listrik Commuter

SKRIPSI

KEBERHASILAN PENGGUNAAN COMMUTER VENDING MACHINE

PADA SISTEM TIKET ELEKTRONIK KERETA REL LISTRIK

COMMUTER LINE JABODETABEK

Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Komputer

Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah Jakarta

Disusun Oleh :

MILLAH PRATIWI

1113093000105

PROGRAM STUDI SISTEM INFORMASI

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA

2018 M /1439 H

SKRIPSI







Disusun Oleh :

MILLAH PRATIWI

1113093000105




JAKARTA

2018 M /1439 H

SKRIPSI




Skripsi




Oleh :

MILLAH PRATIWI

1113093000105




JAKARTA

2018 M /1439 H

i

LEMBAR PENGESAHAN SKRIPSI




Disusun Oleh :

MILLAH PRATIWI

1113093000105

Menyetujui,

Dosen Pembimbing I

A’ang Subiyakto, P.hd

NIP. 19760219 200710 1 002

Dosen Pembimbing II

Meinarini Catur Utami, MT

NIP. 197805052 011012 009

Mengetahui,

Ketua Program Studi Sistem Informasi Fakultas Sains dan Teknologi


Nia Kumaladewi, MMSI

NIP. 19750412 200710 2 002

ii

PENGESAHAN UJIAN

Skripsi yang berjudul Keberhasilan Penggunaan Commuter Vending Machine

Pada Sistem Tiket Elektronik Kereta Rel Listrik Commuter Line Jabodetabek

telah diuji dan dinyatakan lulus dalam sidang munaqosyah Fakultas Sains dan

Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta pada hari Jumat

tanggal 14 Desember 2018. Skripsi ini telah diterima sebagai salah satu syarat untuk

memperoleh gelar Sarjana Strata Satu (S1) Program Studi Sistem Informasi.

Menyetujui,

Dosen Penguji I

Nur Aeni Hidayah, MMSI

NIP. 19750818 200501 2 008

Dosen Penguji II

Elvi Fetrina, MIT

NIP. 19740625 200901 2 005

Dosen Pembimbing I

A’ang Subiyakto, Ph.D

NIP. 19760219 200710 1 002

Dosen Pembimbing II

Meinarini Catur Utami, MT

NIP. 197805052 011012 009

Mengetahui,

Dekan Fakultas Sains dan Teknologi

Dr. Agus Salim, M.SI

NIP. 19720816 199903 1 003

Ketua Prodi Sistem Informasi

Nia Kumaladewi, MMSI

NIP. 19750412 200710 2 002

iii

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR

BENAR HASIL KARYA SENDIRI DAN BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN

TINGGI ATAU LEMBAGA MANAPUN.

Jakarta, Desember 2019

MILLAH PRATIWI

1113093000105

iv

ABSTRAK

Millah Pratiwi – 1113093000105, Keberhasilan Penggunaan Commuter Vending

Machine Pada Sistem Tiket Elektronik Kereta Rel Listrik Commuter Line

Jabodetabek di bawah bimbingan Aang Subiyakto dan Meinarini Catur Utami.

Sebagai salah satu perusahaan yang bergerak di bidang jasa, PT Kereta Commuter

Indonesia melakukan beberapa perbaikan pelayanan untuk meningkatkan kepuasan

konsumen. Satu diantaranya yaitu dengan menerapkan fasilitas Commuter Vending

Machine (C-VIM), yang merupakan fasilitas mesin penjual tiket elektronik (e-

ticket) commuter line otomatis yang diterapkan dengan tujuan untuk mengganti

loket konvesional sehingga diharapkan mampu mempercepat proses pembelian e-

ticket dan mengurangi durasi waktu mengantri. Dalam hal ini, peneliti tertarik untuk

melakukan pengukuran terkait keberhasilan penggunaan C-VIM. Tujuan penelitian

ini yaitu untuk mengetahui tingkat keberhasilan dari penggunaan C-VIM dan

mengetahui faktor-faktor yang mempengaruhi keberhasilan penggunaan C-VIM.

Metode penelitian ini menggunakan model keberhasilan SI Subiyakto et al. (2016)

dengan pendekatan kuantitatif dan penyebaran kuesioner untuk memperoleh data

dari responden. Penyebaran kuesioner dilakukan secara online dan offline dengan

teknik pengumpulan sampel menggunakan teknik simple random sampling dan

penentuan jumlah minimum sampel menggunakan rumus slovin. Selanjutnya data

yang diperoleh dianalisis dengan menggunakan Ms. Exel 2016 dan dengan

pendekatan PLS-SEM menggunakan SmartPLS 3.0. Hasil dari penelitian ini adalah

bahwa penggunaan C-VIM telah berhasil diterapkan. Dari 20 hipotesis yang diuji,

empat diantaranya ditolak. Sehingga faktor-faktor yang mempengaruhi

keberhasilan penggunaan C-VIM yaitu konteks pekerjaan pengguna, orang dan

tindakannya dan konten sistem secara tidak langsung berpengaruh terhadap

keberhasilan penggunaannya. Kualitas informasi, kualitas sistem dan kualitas

layanan berpengaruh terhadap keberhasilan penggunaannya melalui penggunaan

sistem dan kepuasan Pengguna. Penggunaan sistem dan kepuasan pengguna

berpengaruh terhadap keberhasilan penggunaannya secara langsung

Kata Kunci : C-VIM, Keberhasilan Sistem, Model Keberhasilan SI, PLS-SEM.

BAB 1-5 + 120 Halaman + xiv Halaman + 18 Gambar + 13 Tabel + Daftar Pustaka

+ Lampiran

Pustaka Acuan (49, 1992-2018)

v

KATA PENGANTAR

Assalamu’alaikum Warahmatullahi Wabarokatuh

Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan

karunia-Nya sehingga peneliti dapat menyelesaikan skripsi ini dengan baik.

Shalawat serta salam tak lupa selalu tercurahkan kepada junjungan Nabi besar

Muhammad SAW yang telah memberikan tuntunan dan petunjuk kepada umat

manusia menuju kehidupan dan peradaban, serta para keluarga dan para sahabat

Nabi.

Peneliti menyadari bahwa dalam pembuatan skripsi ini masih banyak

kekurangan. Hal ini semata-mata karena kurangnya pengetahuan dan pengalaman

yang dimiliki peneliti. Namun demikian peneliti berharap skripsi ini dapat

memenuhi syarat dalam memperoleh gelar Sarjana Strata Satu (S1) dalam bidang

Sistem Informasi dari Fakultas Sains dan Teknologi UIN Syarif Hidayatullah

Jakarta.

Skripsi yang berjudul “Keberhasilan Penggunaan Commuter Vending

Machine Pada Sistem E-Ticket Kereta Rel Listrik Commuter Line

Jabodetabek” akhirnya dapat diselesaikan sesuai yang diharapkan. Selama skripsi

ini tentunya terdapat banyak kesulitan dan hambatan yang dihadapi, baik dalam

pengumpulan data dan lain sebagainya. Namun berkat bantuan dari berbagai pihak,

kesulitan tersebut dapat diatasi. Kebahagiaan yang tak ternilai secara pribadi

dipersembahkan kepada kedua orang tua, seluruh keluarga, sahabat, dan pihak-

pihak yang telah ikut andil dalam penyelesaian skripsi ini.

vi

Sebagai bentuk penghargaan, izinkan peneliti menuangkan dalam bentuk

ucapan terima kasih sebesar-besarnya kepada :

1. Bapak Dr. Agus Salim, M.Si selaku Dekan Fakultas Sains dan Teknologi

Universitas Islam Negeri Syarif Hidayatullah.

2. Ibu Nia Kumaladewi, MMSI selaku Ketua Program Studi Sistem Informasi

Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah.

3. Bapak Aang Subiyakto, M.Kom sebagai Dosen Pembimbing I dan Ibu

Meinarini Catur Utami, MT sebagai Dosen Pembimbing II yang tidak pernah

lelah dan bosan untuk membimbing, memotivasi, dan mengingatkan peneliti

selalu untuk segera menyelesaikan skripsi ini. Peneliti mengucapkan banyak

terima kasih untuk waktu, tenaga, dukungan, arahan, saran, dan kritik yang

membangun dalam pembuatan skripsi ini, sehingga skripsi dapat diselesaikan

dengan baik.

4. Seluruh dosen Program Studi Sistem Informasi yang telah memberikan ilmu

kepada penulis selama perkuliahan.

5. Seluruh karyawan Fakultas Sains dan Teknologi yang telah banyak

membantu penulis dalam perkuliahan, terutama dalam menyelesaikan

administrasi yang berkaitan dengan skripsi.

6. Bapak Aluwi, S.Pd dan Ibu Partiniati selaku orang tua tercinta yang selalu

berjuang sekuat tenaga agar penulis dapat menjadi orang yang sukses dan

berpendidikan tinggi. Terima kasih atas segala do’a, nasihat, motivasi, dan

waktumu yang sangat berarti, berharap agar peneliti dapat menjadi seseorang

yang lebih baik lagi, dan kuat dalam menjalani kehidupan serta dapat menjadi

vii

anak yang dapat dibanggakan. Terima kasih telah menyayangiku dengan

segala kekurangan yang ada. Tanpamu, hidupku takkan berarti.

7. M. Fuadi, M. Faqih dan M. Fatan Al-Akhyar selaku adik-adik yang

membagakan, yang selalu menyayangi dan mendukung peneliti sampai

selesainya skripsi ini.

8. Vidya, Rida, dan Irna yang selalu menemani saat proses pengerjaan skripsi.

Dea, Indria)ni, Okto dan Anjar yang selalu baik hati menolong peneliti dalam

proses pengerjaan skripsi. Ka Rizki, Mader, Imas, Fitriah, Ayu, Fia, Siska,

Dimas, Lisa, Qonita, Irul, Fahmi, Falah, Eko, Arya, Nisa, Cici, Rinal, Dhoni,

Arkom, Dijah, Ari yang selalu memberikan dukungan kepada peneliti dalam

menyelesaikan skripsi.

9. Seluruh teman-teman seperjuangan Sistem Informasi 2013, terima kasih

untuk kebersamaannya selama ini. Terima kasih telah membantu dan

memotivasi penulis untuk bisa menyelesaikan skripsi ini.

Penulis memohon kepada Allah SWT agar seluruh dukungan, bantuan, dan

bimbingan dari semua pihak dibalas pahala yang berlipat-lipat. Selain itu, penulis

menyadari penyusunan skripsi ini masih terdapat kekurangan dan jauh dari kata

sempurna sehingga saran dan kritik dapat disampaikan melalui

[email protected]. Akhir kata, semoga penelitian ini dapat

memberikan manfaat dan sekaligus menambah ilmu bagi kita semua. Amiiin yaa

Rabbal Alamin.

Wassalamu’alaikum Warahmatullahi Wabarakatuh

viii

Jakarta, Desember 2018

Millah Pratiwi

1113093000105

ix

DAFTAR ISI

LEMBAR PENGESAHAN SKRIPSI ..................................................................... i

PENGESAHAN UJIAN ......................................................................................... ii

PERNYATAAN ..................................................................................................... iii

ABSTRAK ............................................................................................................. iv

KATA PENGANTAR ............................................................................................ v

DAFTAR ISI .......................................................................................................... ix

DAFTAR GAMBAR ........................................................................................... xiii

DAFTAR TABEL ................................................................................................ xiv

BAB I ...................................................................................................................... 1

PENDAHULUAN .................................................................................................. 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Identifikasi Masalah ................................................................................. 9

1.3 Perumusan Masalah .................................................................................. 9

1.4 Tujuan dan Sasaran ................................................................................ 10

1.5 Ruang Lingkup dan Batasan ................................................................... 10

1.6 Metodologi Penelitian ............................................................................ 11

1.7 Pertanyaan Penelitian ............................................................................. 13

1.8 Manfaat Penelitian .................................................................................. 15

1.9 Sistematika Penulisan ............................................................................. 16

BAB II ................................................................................................................... 18

KAJIAN PUSTAKA ............................................................................................. 18

x

2.1 Pengukuran Keberhasilan Sistem Informasi .......................................... 18

2.1.1 Definisi Pengukuran ........................................................................ 18

2.1.2 Definisi Keberhasilan ...................................................................... 18

2.1.3 Definisi Sistem Informasi ............................................................... 18

2.1.4 Teori Model Pengukuran Keberhasilan Sistem Informasi Delone dan

Mclean ………………………………………………………………..........19

2.1.5 Model Keberhasilan Proyek SI ....................................................... 26

2.1.6 Teori Pekerjaan ............................................................................... 31

2.2 Commuter Vending Machine .................................................................. 32

2.2.1 Definisi Vending Machine............................................................... 32

2.2.2 Definisi Commuter Vending Machine ............................................. 33

2.2.3 Definisi Smart Card ........................................................................ 37

2.2.4 Definisi E-Ticket ............................................................................. 38

2.3 Metode Kuantitatif dalam Penelitian ...................................................... 39

2.3.1 Metode Pengumpulan Data ............................................................. 40

2.4 Populasi dan Teknik Sampling ............................................................... 41

2.4.1 Probability sampling ....................................................................... 42

2.4.2 Nonprobability sampling ................................................................. 43

2.5 Skala Likert ............................................................................................ 44

2.6 Partial Least Square Structural Equation Modelling (PLS – SEM) ...... 45

2.7 SmartPLS ................................................................................................ 51

2.8 Penelitian Sejenis ................................................................................... 52

BAB III ................................................................................................................. 55

xi

METODOLOGI PENELITIAN ............................................................................ 55

3.1 Pendekatan Penelitian ............................................................................. 55

3.2 Pengembangan Model dan Hipotesis Penelitian .................................... 55

3.2.1 Pengembangan Hipotesis Penelitian ............................................... 59

3.3 Prosedur Penelitian ................................................................................. 64

3.4 Populasi dan Sampel Penelitian ............................................................. 65

3.5 Instrumen Penelitian ............................................................................... 66

3.6 Pengumpulan dan Pemrosesan Data ....................................................... 68

3.7 Analisis Data dan Interpretasi hasilnya .................................................. 69

BAB IV ................................................................................................................. 71

HASIL ANALISIS DAN INTERPRETASI ......................................................... 71

4.1 Gambaran Umum Perusahaan ................................................................ 71

4.1.1 Sejarah Berdirinya PT Kereta Commuter Indonesia ....................... 71

4.1.2 Visi dan Misi PT Kereta Commuter Indonesia ............................... 73

4.1.3 Struktur Organisasi ......................................................................... 74

4.2 Perhitungan Rumus Slovin ..................................................................... 74

4.3 Hasil Analisis ......................................................................................... 75

4.2.1 Hasil Analisis Demografis .............................................................. 75

4.2.2 Hasil Analisis Pengukuran Model (Outer Mode) ........................... 79

4.2.3 Hasil Analisis Model Struktural (Inner Model) .............................. 89

4.4 Interpetasi dan Diskusi Hasil Analisis .................................................... 96

4.3.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis............... 96

xii

4.3.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran (Outer

Model) ……………………………………………………………………..99

4.3.3 Interpretasi dan Diskusi Hasil Analisis Model Struktural (Inner

Model) ……………………………………………………………………100

BAB V ................................................................................................................. 111

KESIMPULAN DAN SARAN ........................................................................... 111

5.1 Kesimpulan ........................................................................................... 111

5.2 Saran ..................................................................................................... 112

DAFTAR PUSTAKA ......................................................................................... 114

LAMPIRAN

xiii

DAFTAR GAMBAR

Gambar 1.1 Rata-rata Kenaikan KRL Jabodetabek Rata-Rata Per-Tahun ............. 1

Gambar 1.2 Model Pengukuran Keberhasilan SI (diadopsi dari Subiyakto et al.,

2016) ..................................................................................................................... 13

Gambar 2.1 Model Keberhasilan SI (Delone dan McLean, 1992) ....................... 20

Gambar 2.2 Model Keberhasilan SI (Delone dan McLean, 2003) ....................... 25

Gambar 2.3 Model Pengukuran Keberhasilan Proyek SI Berdasarkan Model IPO

(Subiyakto dan Ahlan, 2014) ................................................................................ 28

Gambar 2.4 Revisi Model Pengukuran Keberhasilan Proyek SI (Subiyakto et al.,

2016) ..................................................................................................................... 31

Gambar 2.5 Commuter Vending Machine di Stasiun KRL ................................... 33

Gambar 2.6 C-VIM Jenis KMT (kiri) dan Jenis THB (kanan) ............................. 34

Gambar 3.1 Model Keberhasilan SI ...................................................................... 56

Gambar 3.2 Prosedur Penelitian ............................................................................ 65

Gambar 4.1 Struktur Organisasi PT. KCJ ............................................................. 74

Gambar 4.2 Diagram Lingkaran Jenis Kelamin Ressponden ............................... 75

Gambar 4.3 Diagram Lingkaran Pendidikan Akhir Responden ........................... 76

Gambar 4.4 Diagram Lingkaran Status Pekerjaan Responden ............................. 77

Gambar 4.5 Diagram Lingkaran Usia Responden ................................................ 77

Gambar 4.6 Diagram Lingkaran Tingkat Intensitas Penggunaan C-VIM ............ 78

Gambar 4.7 Diagram Lingkaran Tingkat Keberhasilan Penggunaan C-VIM....... 79

Gambar 4.8 Hasil Analisis Path Coefficient ......................................................... 90

xiv

DAFTAR TABEL

Tabel 2.1 Penelitian Sejenis .................................................................................. 52

Tabel 3.1 Daftar Indikator ..................................................................................... 64

Tabel 3.2 Indikator dan Butir Pernyataan Pengujian ............................................ 67

Tabel 4.1 Hasil Awal Pengujian Loading Factor menggunakan SmartPLS ........ 80

Tabel 4.2 Hasil Pengujian Loading factor Setelah Penghapusan Indikator .......... 81

Tabel 4.3 Hasil Pengujian Composite Reliability ................................................. 82

Tabel 4.4 Hasil Pengujian Average Variance Extracted (AVE) ........................... 83

Tabel 4.5 Hasil Pengujian Discriminant Validity (Cross Loading) ...................... 84

Tabel 4.6 Hasil Pengujian Discriminant Validity (Cross Loading Fornel Lacker’s)

............................................................................................................................... 85

Tabel 4.7 Hasil Analisis Pengukuran Model ........................................................ 87

Tabel 4.8 Hasil Pengujian Jalur Koefisien menggunakan SmartPLS 3. ............... 89

Tabel 4.9 Hasil Pengujian Coefficiennt of Determination (𝑅2) ............................ 91

Tabel 4.10 Hasil Analisis Struktur Model ............................................................ 94

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Berdasarkan catatan Badan Pusat Statistik (BPS) tahun 2018, kenaikan

penumpang kereta api Jabodetabek rata-rata pertahun dari tahun 2013-2018

masing-masing yaitu 31,56 persen, 23,52 persen, 8,95 persen, 12,57 persen, dan

4,68 persen. Dengan jumlah rata-rata penumpang tahun 2018 dihitung hanya

sampai bulan Maret.

Gambar 1.1 Rata-rata Kenaikan KRL Jabodetabek Rata-Rata Per-Tahun

Sumber: www.bps.com

0

5000

10000

15000

20000

25000

30000

Tahun 2013 Tahun 2014 Tahun 2015 Tahun 2016 Tahun 2017 Tahun 2018

13206,9

17374,7

21460,923382,4

26321,227553,3

Rata-rata

2

Kereta api Jabodetabek dikelola dan disediakan oleh PT Kereta Commuter

Indonesia (KCI) dan merupakan salah satu anak perusahaan di lingkungan PT KAI

Persero, yang bertanggung jawab menyediakan transportasi kereta api di wilayah

Jakarta, Bogor, Depok, Tangerang, dan Bekasi (Jabodetabek). Sebagai salah satu

perusahaan yang bergerak di bidang jasa, PT KCI telah melakukan beberapa

perbaikan pelayanan untuk meningkatkan kepuasan konsumen diantaranya yaitu

menambah gerbong kereta, menambah jumlah jadwal pemberangkatan kereta,

menyediakan gerbong khusus wanita, mengganti tiket kertas menjadi tiket

elektronik (e-ticket) diantaranya Tiket Harian Berjalan (THB) dan Kartu Multi Trip

(KMT), menambah petugas kereta api, perluasan kawasan parkir, renovasi toilet

dan mushola, penggusuran kios-kios untuk memperluas peron stasiun, serta

perpanjangan peron stasiun (Ardi, Mariam, & Widhi, 2016).

Dalam menghadapi kenaikan penumpang, salah satu upaya yang paling

ditekankan dalam meningkatkan kualitas pelayanan pelanggan yaitu penerapan

teknologi e-ticket sebagai pengganti dari sistem pembayaran tiket manual. E-ticket

adalah salah satu cara untuk mendokumentasikan proses penjualan dari aktivitas

perjalanaan pengguna tanpa mengeluarkan dokumen secara fisik ataupun paper

ticket. Semua informasi mengenai e-ticket disimpan secara digital dalam sistem

komputer (Faizal & Nursusanto, 2010).

Penggunaan layanan sistem e-ticket memiliki banyak dampak signifikan

dalam kemajuan sistem transformasi KRL commuter line Jabodetabek. E-ticket

merupakan upaya modernisasi, mulai dari modernisasi sistem yang akan

berpengaruh pada perilaku modern dari masyarakat. Diantaranya, terjadi

3

otomatisasi dalam pelayanan yang dilakukan oleh penumpang baik saat masuk

maupun keluar stasiun. Kedua, berkaitan dengan mekanisme penerapan tarif yang

dibebankan dalam e-ticket berdasarkan jumlah stasiun yang dilewati, hal ini

memudahkan penumpang dalam menghitung biaya perjalanan. Ketiga, berkaitan

dengan keleluasaan penumpang selama perjalanan (Rahadi & Budi, 2014).

Selain penerapan e-ticket, PT KCI juga terus melakukan inovasi dalam

memberikan kualitas pelayanan terbaik kepada para penumpang terutama dalam

penggunaan teknologi. Dan untuk mendukung terlaksananya penerapan e-ticket

yang lebih baik PT KCI melengkapinya dengan memanfaatkan teknologi mesin

penjualan tiket yaitu Commuter Vending Machine (C-VIM) yang dilengkapi dengan

layar sentuh.

C-VIM adalah mesin yang dapat melayani pembelian tiket commuter line

secara mandiri. Mesin ini hanya bisa digunakan untuk Tiket Harian Berjalan (THB)

dan Kartu Multi Trip (KMT) yang dikeluarkan resmi oleh PT KCI (Afni & Akil,

2017). C-VIM adalah fasilitas mesin penjual e-ticket otomatis yang diterapkan

dengan tujuan untuk mengganti loket konvesional yaitu loket yang langsung

dilayani oleh petugas, sehingga diharapkan akan mampu mempercepat proses

pembelian e-ticket dan mengurangi durasi waktu mengantri (Ardi et al., 2016)

Berdasarkan data PT KCI tahun 2018, dari 79 stasiun yang berada di

wilayah Jabodetabek terdapat 40 stasiun yang sudah memiliki C-VIM dengan

jumlah C-VIM sebanyak 66 buah untuk pembelian THB dan 94 buah untuk

pembelian KMT.

4

Tabel 1.1 Data C-VIM PT KCI Tahun 2018

No Sta Stasiun THB KMT

1 BOO BOGOR 12 4

2 THB TANAHABANG 2 1

3 SUD SUDIRMAN - 2

4 BKS BEKASI - -

5 BJD BOJONGGEDE - 1

6 DPB DEPOKBARU 5 3

7 CTA CITAYAM 4 2

8 JAK JAKARTAKOTA - -

9 TEB TEBET 4 4

10 GDD GONDANGDIA 2 2

11 DP DEPOK - 1

12 CKI CIKINI 2 2

13 POC PONDOKCINA - 2

14 PSM PASARMINGGU 3 3

15 MRI MANGGARAI - 2

16 DRN DURENKALIBATA 2 2

17 SDM SUDIMARA 2 2

18 CLT CILEBUT 5 4

19 CW CAWANG - -

20 JUA JUANDA 3 3

21 UI UNIV.INDONESIA 2 4

22 KRI KRANJI 2 3

23 PLM PALMERAH 2 2

24 JNG JATINEGARA 2 2

25 LNA LENTENGAGUNG - 1

26 TNT TANJUNGBARAT 4 6

27 TNG TANGERANG - -

28 KBY KEBAYORAN - -

29 RU RAWABUNTU - 8

30 SW SAWAHBESAR - 2

31 PDJ PONDOKRANJI - 4

32 KAT KARET - -

33 DU DURI - -

34 CUK CAKUNG - -

35 PRP PARUNGPANJANG - -

36 KLDB KLENDERBARU - -

37 MGB MANGGABESAR - -

38 JAY JAYAKARTA - -

39 SRP SERPONG - -

40 KPB KAMPUNGBANDAN - -

41 PI PORIS - 1

42 KLD KLENDER - -

43 KMO KEMAYORAN - -

44 UP UNIV.PANCASILA - -

45 JMG JURANGMANGU - -

46 BUA BUARAN - 1

47 PSG PESING - -

48 PSE PASARSENEN - -

49 PSMB PASARMINGGUBARU - -

50 RW RAWABUAYA - -

5

Tabel 1.1 Data C-VIM PT KCI Tahun 2018 (Lanjutan)

51 CSK CISAUK - -

52 KDS KALIDERES - 1

53 BPR BATUCEPER 4 2

54 RJW RAJAWALI - 2

55 KMT KRAMAT - -

56 GST GANGSENTIONG - -

57 TGS TIGARAKSA - -

58 CC CICAYUR 4 2

59 POK PONDOKJATI - 2

60 BOI BOJONGINDAH - -

61 CBN CIBINONG - 2

62 NMO NAMBO - -

63 TEJ TENJO - -

64 MJ MAJA - -

65 CJT CILEJIT - -

66 DAR DARU - -

67 GRG GROGOL - 2

68 TKO TAMANKOTA - -

69 TTI TANAHTINGGI - -

70 CKY CIKOYA - 1

71 TPK TANJUNGPRIoK - 1

72 AC ANCOL - -

73 AK ANGKE - -

74 CTR CITERAS - -

75 RK RANGKASBITUNG - 1

76 BKT BEKASI TIMUR - 2

77 TB TAMBUN - -

78 CBT CIBITUNG - -

79 CKR CIKARANG - 2

Total 66 94

Namun demikian, karena pemanfaatan teknologi C-VIM ini masih

tergolong baru, berdasarkan wawancara yang dilakukan kepada 13 penumpang

KRL commuter line sebagian besar penumpang mengatakan lebih memilih

membeli e-ticket melalui loket dari pada menggunakan C-VIM, karena prosesnya

cepat dan mudah, langsung dilayani oleh petugas. Adapun dalam penggunaan C-

VIM banyak yang belum terbiasa, dan sering terjadi error, seperti respon mesinnya

lama, uang yang tidak bisa masuk ke dalam mesin, dan kembalian yang keluar tidak

sesuai, juga nominal uang yang dibatasi dalam melakukan transaksi menggunakan

6

C-VIM, sehingga mengharuskan penumpang untuk menukarkan uangnya dahulu

jika nominal uang yang dimiliki melebihi batas yang ditentukan.

Selain itu, berdasarkan observasi yang dilakukan peneliti di stasiun Pondok

Ranji, rata-rata waktu yang diperlukan penumpang untuk membeli e-ticket melalui

loket dan C-VIM dengan perhitungan menggunakan stopwatch dengan sampel

masing-masing 20 orang yaitu rata-rata waktu pembelian e-ticket dengan loket 10

detik (dibulatkan) dan rata-rata waktu pembelia e-ticket dengan C-VIM 31 detik

(dibulatkan).

Tabel 2.1 Rata-rata Waktu Pembelian E-Ticket

No Waktu (per-detik)

Loket C-VIM

1 9 27

2 12 42

3 10 22

4 9 31

5 8 20

6 11 22

7 9 44

8 12 33

9 10 27

10 9 34

11 13 22

12 9 35

13 10 41

14 8 37

15 11 34

16 8 36

17 10 28

18 8 33

19 12 27

20 11 33

Rata-rata 9,95 31,4

Dari uraian permasalahan tersebut, peneliti melihat beberapa literature

sejenis, sebagai referensi yang berkaitan dengan penelitian yang dikerjakan oleh

peneliti. Diantaranya, penelitian dengan judul Pengaruh Kualitas Pelayanan pada

7

Fasilitas dan Petugas Commuter Line Ticket Vending Machine (C-VIM) Terhadap

Kepuasan Konsumen PT KAI Commuter Jabodetabek di Stasiun Pondok Cina,

ditulis oleh Ardhi, Firdha Fany. Mariam, Iis dan Widhi, Ni Made tahun 2016.

Dimana dengan diterapkannya fasilitas e-ticket dan C-VIM pada stasiun kereta,

peneliti melakukan penelitian dengan tujuan untuk mengetahui pengaruh kualitas

pelayanan pada fasilitas dan petugas C-VIM terhadap kepuasan konsumen PT KAI

Commuter Jabodetabek di Stasiun Pondok Cina. Dengan pengumpulan data

dilakukan dengan menggunakan kuesioner yang dibagikan kepada 100 responden.

Metode penelitian yang digunakan yaitu penelitian survei yang merupakan salah

satu bagian dari pendekatan penelitian kuantitatif dan teknik analisis data yang

digunakan adalah teknik statistik inferensial parametris. Hasil analisis data yang

diperoleh adalah kualitas pelayanan pada fasilitas dan petugas C-VIM berpengaruh

positif dan signifikan terhadap kepuasan konsumen PT KAI Commuter Jabodetabek

di Stasiun Pondok Cina, namun masih terdapat beberapa penumpang yang belum

puas terhadap fisik dari C-VIM.

Literatur lainnya dengan judul Analisis Tingkat Kepuasan Pengguna

Commuter Line Terhadap Commuter Vending Machine dengan Metode Technology

Acceptance Model pada PT KAI Commuter Jabodetabek, ditulis oleh Afni, Nurul

dan Akil, Ibnu tahun 2017. Dimana dengan perkembangan teknologi, ikut

mempengaruhi cara pembelian tiket kereta. Yang awalnya pembelian tiket

dilakukan melalui loket yang dilayani oleh petugas, pada perkembangannya

sekarang pembelian tiket dapat dilakukan melalui C-VIM yaitu mesin penjual tiket

otomatis yang langsung dilayani oleh mesin. Namun, dalam pelaksanaannya

8

penggunaan C-VIM masih belum optimal karena mesin masih dalam proses

sosialisasi. Dimana fenomena yang terjadi adalah masih ada beberapa penumpang

KRL commuter line yang kurang berminat dan tertarik menggunakannya,

dikarenakan mereka masih menganggap C-VIM masih terlalu rumit dan

membingungkan bila dibandingkan dengan pembelian e-ticket di loket. Sehingga

dibuatnya penelitian untuk menentukan kepuasan pengguna jasa KRL commuter

line terhadap penggunaan C-VIM dengan pengumpulan data dilakukan

menggunakan kuesioner yang dibagikan kepada 97 responden di Stasiun Citayam

dan menggunakan metode Technology Acceptance Model sebagai model untuk

pengukurannya. Dengan menggunakan Technology Acceptance Model dan

Software SPSS dalam penelitian ini, maka diambil kesimpulan bahwa C-VIM sudah

cukup diterima dan berpengaruh positif oleh para penggunanya.

Dari permasalahan diatas, peneliti tertarik untuk melakukan penelitian

terkait keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter line

Jabodetabek. Yang mana tidak hanya menggambarkan keberhasilan sistem dari

dimensi penggunaan produk atau sistem yang berfokus pada tingkat kepuasan

penggunaan sistem, melainkan menggambarkan keberhasilan sebuah sistem dalam

tiga dimensi, yaitu keberhasilan dari manajemen proyek, penggunaan produk, dan

pengaruhnya kepada organisasi pemilik proyek (A’ang Subiyakto, Ahlan, Kartiwi,

& Putra, 2017). Untuk mengukur keberhasilan sistem tersebut, judul dari penelitian

ini adalah “Keberhasilan Penggunaan Commuter Vending Machine Pada

Sistem Tiket Elektronik Kereta Rel Listrik Commuter Line Jabodetabek”.

9

1.2 Identifikasi Masalah

Berdasarkan latar belakang permasalahan diatas, peneliti mengidentifikasi

beberapa permasalahan sebagai berikut :

1) Belum pernah dilakukan pengukuran keberhasilan penggunaan C-VIM pada

sistem e-ticket KRL commuter line Jabodetabek.

2) Penggunaan C-VIM yang masih kurang efektif dimana waktu pembelian e-

ticket melalui C-VIM lebih lama dibandingkan pembeliannya melalui loket,

apalagi antrian yang terjadi pada setiap jam sibuk membuat tingkat efisiensi

penggunaan C-VIM diragukan.

3) Belum diketahui faktor apa saja yang berpengaruh terhadap tingkat

keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter line

Jabodetabek.

1.3 Perumusan Masalah

Berdasarkan identifikasi masalah diatas, bahwa belum pernah dilakukannya

pengukuran keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter

line Jabodetabek dikarenakan pengunaan sistem tersebut yang masih baru

diterapkan pada peron-peron kereta api Jabodetabek. Sehingga perlu di lakukan

penelitian untuk mengetahui sejauh mana tingkat keberhasilan penggunaan sistem

tersebut dan faktor apa saja yang dapat mempengaruhi keberhasilan dari

penggunaan sistem itu sendiri.

10

1.4 Tujuan dan Sasaran

Berdasarkan uraian yang telah dijelaskan dalam sub bab latar belakang

sebelumnya, penelitian ini dilakukan dengan tujuan untuk :

1) Mengetahui tingkat keberhasilan penggunaan C-VIM pada sistem e-ticket

KRL commuter line Jabodetabek.

2) Mengetahui faktor-faktor yang mempengaruhi keberhasilan penggunaan C-

VIM pada sistem e-ticket KRL commuter line Jabodetabek.

Merujuk pada tujuan penelitian diatas, sasaran pelaksanaan penelitian ini

adalah :

1) Untuk mengetahui tingkat keberhasilan penggunaan C-VIM pada sistem e-

ticket KRL commuter line Jabodetabek berdasarkan persepsi penggunanya,

khususnya para penumpang KRL commuter line Jabodetabek.

2) Untuk mengetahui faktor-faktor yang mempengaruhi keberhasilan

penggunaan C-VIM pada sistem e-ticket KRL commuter line Jabodetabek

berdasarkan lingkup model penelitian yang diajukan menggunakan persepsi

penggunanya.

1.5 Ruang Lingkup dan Batasan

Adapun ruang lingkup dan batasan dalam penelitian ini adalah sebagai

berikut :

1) Penelitian ini dilakukan terhadap pengguna C-VIM yang terdapat pada

stasiun kereta di wilayah Jabodetabek.

11

2) Secara teori, penelitian ini menggunakan model keberhasilan SI Subiyakto,

Ahlan, Kartiwi, dan Putra (2016).

3) Secara metodologi, penelitian ini menggunakan metode kuantitatif dengan

teknik pengumpulan data survei yang disebarkan kepada penumpang KRL

commuter line Jabodetabek. Teknik pengambilan sampel menggunakan

simple random sampling dengan penentuan jumlah minimum sampel

menggunakan rumus slovin. Analisis data menggunakan pendekatan PLS-

SEM dengan SmartPLS 3.0.

1.6 Metodologi Penelitian

Penelitian ini menggunakan metode kuantitatif, dengan mengembangkan

model penelitian sebagai sumber rumusan hipotesis, dalam hal ini mengadopsi

model keberhasilan SI Subiyakto et al. (2016). Model penelitian ini terdiri dari 9

variabel, yaitu: 1) Konteks Pekerjaan (KP); 2) Orang dan Tindakannya (OT); 3)

Konten Sistem (KoS); 4) Kualitas Informasi (KI); 5) Kualitas Sistem (KuS); 6)

Kualitas Layanan (KL); 7) Penggunaan Sistem (PS); 8) Kepuasan Pengguna (KeP);

dan 9) Keberhasilan Sistem (KbS).

Hipotesis yang dirumuskan, diuji menggunakan data yang telah terkumpul

dari kuesioner. Kuesioner tersebut berbentuk pernyataan yang sesuai dengan

pendekatan kuantitatif yang disebarkan kepada responden yang menjadi target pada

penelitian ini, yaitu pengguna dari layanan C-VIM dengan populasinya merupakan

para penumpang KRL commuter line Jabodetabek. Sebelumnya dilakukan

pengujian awal untuk mengukur dan mengetahui validitas kuesioner yang telah

12

dirancang, dengan tujuan agar responden mengerti isi pernyataan-pernyataan yang

ada pada kuesioner penelitian. Adapun teknik pengambilan sampling yang

dilakukan menggunakan simple random sampling, dimana pengambilan sampel

dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi tersebut

dengan penentuan jumlah minimum sampel menggunakan rumus slovin.

Kuesioner disebarkan secara langsung dan tidak langsung. Penyebaran

secara langsung dilakukan oleh peneliti untuk mencari responden yang tepat

melalui tatap muka secara langsung. Penyebaran secara tidak langsung dilakukan

peneliti dengan cara menyebarkan link kuesioner melalui media sosial (e-mail,

whatsapp, line, dan instagram) dengan bantuan google forms untuk pengisian

kuesioner. Setelah itu, semua kuesioner yang terkumpul akan disaring dan

diklasifikasikan menggunakan perangkat lunak pengolah angka MS. Excel 2016.

Kemudian dilakukan proses analisis dengan pendekatan PLS-SEM dengan

SmartPLS 3.0. Selanjutnya interpretasi dilakukan berdaasarkan hasil analisis

tersebut.

13

Gambar 1.2 Model Pengukuran Keberhasilan SI (diadopsi dari Subiyakto et al.,

2016)

1.7 Pertanyaan Penelitian

Merujuk kepada tujuan dan sasaran penelitian, maka pertanyaan penelitian

dalam penelitian ini adalah sebagai berikut :

1) Bagaimana tingkat keberhasilan penggunaan C-VIM pada sistem e-ticket

KRL commuter line Jabodetabek?

2) Apa faktor-faktor yang mempengaruhi tingkat keberhasilan penggunaan C-

VIM pada sistem e-ticket KRL commuter line Jabodetabek?

Sesuai dengan model penelitian yang diajukan, berikut adalah detail

pertanyaan penelitian terkait faktor-faktor yang mempengaruhi tingkat

keberhasilan penggunaan C-VIM pada sistem e-ticket KRL commuter line

Jabodetabek.

14

Q1 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan terhadap

Orang dan Tindakannya (OT)?


Konten Sistem (KoS)?


Kualitas Informasi (KI)?


Kualitas Sistem (KuS)?


Kualitas Layanan (KL)?

Q6 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap







Penggunaan Sistem (PS)?

Q10 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap




15



Q13 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan terhadap


Q14 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan terhadap

Kepuasan Pengguna (KeP)?

Q15 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap


Q16 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap


Q17 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap


Q18 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap


Q19 Apakah Penggunaan Sistem (PS) berpengaruh secara signifikan terhadap

Keberhasilan Sistem (KbS)?

Q20 Apakah Kepuasan Pengguna (KeP) berpengaruh secara signifikan terhadap

Keberhasilan Sistem (KbS)?

1.8 Manfaat Penelitian

Penelitian ini diharapkan dapat memberikan manfaat sebagai berikut :

1) Secara teoritis, penelitian ini diharapkan dapat menghasilkan model

keberhasilan penggunaan sistem dengan penggabungan aspek teknis

16

penggunaan sistem dan aspek organisasional, sebagai alternatif baru bagi

peneliti selanjutnya atau berbagai pihak lain dalam memahami keberhasilan

sistem.

2) Secara metodologi, penelitian ini diharapkan dapat mendorong pemanfaatan

metode kuantitatif untuk penyusunan skripsi khususnya di Program Studi

Sistem Informasi UIN Syarif Hidayatullah Jakarta.

3) Secara praktis, hasil penelitian diharapkan dapat menjadi bahan pertimbangan

bagai para perumus dan pengambil kebijakan terkait pengukuran keberhasilan

penggunaan C-VIM pada sistem e-ticket KRL Commuter line.

1.9 Sistematika Penulisan

Penulisan laporan penelitian ini terbagi dalam lima bab, meliputi

pendahuluan, kajian pustaka, metodologi penelitian, hasil analisis dan interpretasi,

dan penutup. Berikut adalah penjelasan singkat lima bab tersebut.

BAB 1 Pendahuluan

Bab ini berisikan mengenai latar belakang, identifikasi masalah,

perumusan masalah, tujuan dan sasaran, ruang lingkup dan batasan,

metodologi penelitian, manfaat penelitian, dan sistematika penulisan.

BAB 2 Kajian Pustaka

Bab ini membahas mengenai dasar-dasar teori yang mendukung

pengukuran keberhasilan penggunaan C-VIM pada sistem e-ticket KRL

commuter line Jabodetabek. Bab ini bertujuan untuk menjabarkan seluruh

teori pendukung yang digunakan dalam penelitian ini.

17

BAB 3 Metodologi Penelitian

Bab ini menjelaskan metode-metode yang digunakan penulis dalam

melakukan pengumpulan data, penelitian, dan penulisan laporan.

BAB 4 Hasil Analisis dan Interpretasi

Bab ini memaparkan analisis data dan hasilnya, interpretasi, dan diskusi

hasil penelitian. Analisis data utamanya dilakukan menggunakan metode

PLS-SEM dengan perangkat lunak SmartPLS 3.0 meliputi analisis

pengukuran model (model measurement analysis) dan stuktur model

(structural model analysis). Selanjutnya, interpretasi dan diskusi

dilakukan dengan merujuk kepada basis teori sebelumnya, memperhatikan

dan menimbang pelaksanaan proyek SI secara praktis di lapangan.

BAB 5 Penutup

Bab ini menjelaskan tentang kesimpulan dan saran atas hasil pelaksanaan

penelitian terutama terkait dengan aspek penggunaan dan kelanjutan bagi

kajian kajian selanjutnya.

18

BAB II

KAJIAN PUSTAKA

2.1 Pengukuran Keberhasilan Sistem Informasi

2.1.1 Definisi Pengukuran

Menurut Cangelosi dalam penelitian Wulan (2007) menyatakan bahwa

pengukuran (measurement) adalah suatu proses pengumpulan data melalui

pengamatan empiris untuk mengumpulkan informasi yang relevan dengan tujuan

yang telah ditentukan. Sedangkan menurut Arikunto dan Jabar (2004) menyatakan

bahwa pengertian pengukuran yaitu sebagai kegiatan membandingkan suatu hal

dengan satuan ukuran tertentu sehingga sifatnya menjadi kuantitatif.

2.1.2 Definisi Keberhasilan

Menurut Helmet dalam Kholifatun (2013), keberhasilan merupakan suatu

pencapaian terhadap keinginan yang telah kita niatkan untuk kita capai atau

kemampuan untuk melewati dan mengatasi dari satu kegagalan ke kegagalan

berikutnya tanpa kehilangan semangat. Sedangkan menurut Kholifatun (2013)

keberhasilan merupakan suatu keadaan dimana suatu program mampu mencapai

tujuan yang ditetapkan.

2.1.3 Definisi Sistem Informasi

Ladjamudin (2005) menyatakan bahwa sistem informasi dapat didefinisikan

sebagai berikut :

19

a. Suatu sistem yang dibuat oleh manusia yang terdiri dari komponen-

komponen dalam organisasi untuk mencapai suatu tujuan yaitu menyajikan

informasi.

b. Sekumpulan prosedur organisasi yang pada saat dilaksanakan akan

memberikan informasi bagi pengambilan keputusan dan/atau untuk

mengendalikan organisasi.

c. Suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan

pengolahan transaksi, mendukung operasi, bersifat manajerial, dan kegiatan

strategis dari suatu organisasi dan menyediakan pihak luar tertentu dengan

laporan-laporan yang diperlukan.

Menurut Sutabri (2004), menjelaskan bahwa sistem informasi adalah suatu

sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan

transaksi harian yang mendukung fungsi operasi organisasi yang bersifat

manajerial.

2.1.4 Teori Model Pengukuran Keberhasilan Sistem Informasi Delone dan

Mclean

Tahun 1992 Delone dan Mclean mengembangkan sebuah model

pengukuran keberhasilan sistem informasi yang terdiri atas enam elemen atau

faktor, diantaranya (Jogiyanto, 2007) :

a. Kualitas sistem

b. Kualitas informasi

20

c. Penggunaan

d. Kepuasan pengguna

e. Dampak individu

f. Dampak organisasi

Gambar 2.1 Model Keberhasilan SI (Delone & Mclean, 1992)

Model keberhasilan ini didasarkan pada proses dan hubungan kausal dari

dimensi-dimensi di model. Model ini tidak mengukur ke enam dimensi pengukuran

keberhasilan sistem informasi secara bebas tetapi mengukurnya secara keseluruhan

satu mempengaruhi yang lainnya. Pertimbangan proses beragumentasi bahwa suatu

sistem terdiri dari beberapa proses, yaitu satu proses mengikuti proses lainnya.

Suatu model proses mengusulkan bahwa suatu sistem informasi terdiri dari

beberapa proses yaitu sebagai berikut ini.

a. Suatu sistem informasi mula-mula dibuat berisi dengan banyak fitur, yang

dapat memperlihatkan beberapa tingkat kualitas sistem dan informasinya.

21

b. Pemakai-pemakai dan manajer-manajer mempunyai pengalaman dengan

fitur-fitur tersebut dengan menggunakan sistemnya, entah mereka puas atau

tidak puas dengan sistemnya atau produk informasinya.

c. Penggunaan dari sistem dan produk informasinya kemudian mempunyai

dampak atau pengaruh (influence) di pemakai individual di dalam melakukan

pekerjaannya, dan dampak-dampak individu ini secara kolektif akan

berakibat pada dampak-dampak organisasional.

Berbeda dengan model proses, model kausal (model causal) atau disebut

juga dengan model varian (variance model) berusaha untuk menjelaskan kovarian

(covariance) dari elemen-elemen model untuk menentukan apakah variansi dari

satu elemen dapat dijelaskan oleh variansi dari elemen-elemen lainnya atau dengan

kata lain untuk menentukan apakah terjadi hubungan kausal diantara mereka.

Misalnya, semakin tinggi kualitas sistem diharapkan akan menyebabkan kepuasan

pemakai dan penggunaan yang lebih tinggi, yang selanjutnya akan memperngaruhi

secara positif produktivitas individual, dengan hasil peningkatan produktivitas

organisasional. Model kausal ini menunjukkan bagaimana arah hubungan satu

elemen dengan elemen lain apakah menyebabkan lebih besar (mempunyai

pengaruh positif) atau lebih kecil (mempunyai pengaruh negatif).

Dari model proses dan kausal ini, maka dapat dijelaskan bahwa kualitas

sistem (system quality) dan kualitas informasi (information quality) secara mandiri

dan bersama-sama mempengaruhi baik penggunaan (use) dan kepuasan pemakai

(user satisfaction). Besarnya penggunaan (use) dapat mempengaruhi kepuasan

22

pemakai (user satisfaction) secara positif atau negatif. Penggunaan dan kepuasan

pemakai mempengaruhi dampak individual (individual impact) dan selanjutnya

mempengaruhi dampak organisasional (organization impact).

Sejak tahun 1992 sampai tahun 2002, banyak penelitian yang telah merujuk

dan menggunakan model Delone dan Mclean (1992). Kepopuleran model ini

menunjukkan bukti yang kuat dari kebutuhan untuk mengintegrasikan penemuan-

penemuan riset secara komprehensif di bidang sistem informasi. Model ini banyak

mengundang perhatian dari para peneliti, salah satunya adalah Peter B. Seddon

yang melontarkan kritik terhadap model yang diajukan oleh Delone & Mclean.

Menurut Seddon dalam Jogiyanto (2007) masalah utama dari model D&M

(Delone & Mclean) adalah mencoba mengkombinasikan proses dan penjelasan

kausal dari keberhasilan sistem informasi di model mereka. Dengan demikian

model mereka tercampur antara model proses (process model) dan model varian

(variance model). Menanggapi kritik Seddon tersebut yang menyatakan bahwa

proses dan kausal adalah dua konsep yang berbeda dan membingungkan untuk

digabungkan. Delone dan Mclean (2003) menyetujui kritik ini.

Pembuatan model keberhasilan sistem informasi D&M (D&M Information

Success Model) dipicu oleh suatu proses pembuatan informasi dan dampak dari

penggunaan sistem informasinya. Delone dan Mclean mendasarkan modelnya pada

model proses yang terdiri dari tiga komponen proses, yaitu:

a. Pembuatan dari suatu sistem informasi

b. Penggunaan sistem informasi tersebut

c. Konsekuensi atau dampak dari penggunaan sistem

23

Masing-masing dari proses-proses ini diperlukan (necessary), tetapi masih

belum cukup (not sufficient) untuk suatu kondisi supaya dapat memberikan hasil

(outcome). Misalnya tanpa penggunaan sistem, tidak akan ada konsekuensinya atau

manfaatnya. Demikian juga dengan pemakaian sistem mungkin juga tidak akan

dihasilkan manfaat. Dengan demikian untuk memahami seluruh dimensi dari

keberhasilan sistem informasi, model varian atau model kausal diperlukan.

Kritik lainnya oleh Seddon, tentang pemakaian sistem (system use) adalah

suatu perilaku (behavior), sehingga harus dikeluarkan sebagai pengukur sukses dari

model kausal. Delone dan Mclean (2003) tidak sependapat dengan kritik ini.

Mereka berargumentasi bahwa pemakaian sistem (use) harus mendahului dampak

dan manfaat, mereka percaya bahwa pemakaian sistem merupakan pengukur yang

tepat untuk mengukur sukses di kebanyakan kasus.

Delone dan Mclean (2003) lebuh lanjut mengatakan bahwa permasalahan

dengan menggunakan pemakaian sistem (use) sebagai pengukur keberhasilan

adalah pada definisinya yang terlalu sederhana tanpa memperhatikan sifat dari

penggunaannya. Peneliti-peneliti harus mempertimbangkan sifat (nature),

perluasan (extent), kualitas (quality), dan ketepatan (appropriateness) dari

pemakaian sistem. Sehingga penghapusan pemakaian sistem (use) dari model

ditolak oleh Delone dan Mclean (2003). Selain itu, kenyataannya juga pemakaian

sistem (system use atau system usage) masih digunakan di banyak riset-riset empiris

dan berlanjut dikembangkan dan diuji oleh peneliti-peneliti sistem informasi.

Telah banyak perubahan peran sistem informasi selama 10 tahun sejak

Delone dan Mclean pertama kali dikenalkan. Dengan mengkaji lebih dari 100

24

artikel yang dipublikasikan di jurnal-jurnal sistem informasi terkenal seperti

Information System research, Journal of Management Information Systems, dan

MIS Quarterly sejak tahun 1993, Delone dan Mclean (2003) kembali memperbaiki

modelnya dan mengusulkan model yang sudah dimukhtakhirkan terutama untuk

digunakan di e-commerce yang merupakan aplikasi yang belum banyak muncul di

model awal.

Dari kontribusi-kontribusi penelitian-penelitian sebelumnya dan akibat

perubahan-perubahan dari peran dan penanganan sistem informasi yang telah

berkembang, Delone dan Mclean (2003) memperbarui modelnya dan menyebutnya

sebagai model keberhasilan sistem informasi D&M yang diperbarui (updated D&M

IS Success model). Hal-hal yang diperbarui dalam model ini adalah sebagai berikut.

a. Menambah dimensi kualitas pelayanan (service quality) sebagai tambahan

dari dimensi-dimensi kualitas yang telah ada.

b. Menggabungkan dampak individual (individual impact) dan dampak

organisasional (organizational impact) menjadi satu variabel yaitu manfaat-

manfaat bersih (net benefits).

c. Menambahkan dimensi minat memakai (intention to use) sebagai alternatif

dari dimensi pemakaian (use).

d. Pemakaian (use) dan kepuasan pemakai (user satisfaction) sangat erat

berhubungan. Pemakaian (use) harus mendahului kepuasan pemakai (user

satisfaction) sebagai suatu proses, tetapi pengalaman yang positif karena

menggunakan (use) akan mengakibatkan kepuasan pemakai yang lebih tinggi

sebagai suatu kausal. Secara sama, peningkatan kepuasan pemakai akan

25

mengakibatkan peningkatan minat menggunakan (intention to use) dan

kemudian akan menggunakan (use).

e. Jika manfaat-manfaat bersih (net benefits) positif akan menguatkan minat

memakai, dan menggunakan serta tingkat kepuasan pemakai. Umpan balik

ini masih valid bahkan untuk manfaat-manfaat bersih yang negatif.

f. Model yang diperbarui mempunyai arah panah untuk mendemonstrasikan

hubungan yang diusulkan antar dimensi-dimensi keberhasilan dalam bentuk

proses, tetapi tidak menunjukkan arah hubungannya yang positif atau negatif

dalam bentuk kausal.

Dari hasil analisis tersebut, maka Delone dan Mclean (2003) mengusulkan

suatu model yang diperbarui yang nampak pada gambar berikut ini.

Gambar 2.2 Model Keberhasilan SI (Delone dan Mclean, 2003)

26

2.1.5 Model Keberhasilan Proyek SI

Subiyakto dan Ahlan (2014) mengembangkan model alternatif pengukuran

keberhasilan proyek berdasarkan input-process-output (IPO) model. Mereka

membandingkan, mengadopsi, mengadaptasi, dan mengkombinasi teori

sebelumnya yaitu Davis’s IPO model, teori keberhasilan proyek, model Delone dan

Mclean, dan kerangka klasifikasi proyek.

Pertama, Subiyakto dan Ahlan (2014) membandingkan dua model, yaitu

model Delone dan Mclean dan Model IPO. Mereka menemukan bahwa model

proses dan model kausal Delone dan Mclean tidak lengkap dalam istilah model IPO

sebuah proyek. Model ini hanya fokus pada pemanfaatan dan layanan dari produk.

Dalam konteks pengukuran keberhasilan proyek, model ini kurang menjelaskan

dimensi input dari model IPO. Dengan demikian model IPO lebih komprehensif

dibandingkan model Delone dan Mclean.

Kedua, Subiyakto dan Ahlan (2014) mengadopsi teori keberhasilan proyek,

pengukuran keberhasilan SI Delone dan Mclean, dan kerangka klasifikasi proyek.

Pengadopsian teori keberhasilan proyek dilaksanakan untuk mengembangkan

aspek kausalitas model. Mereka mengadopsi semua variabel model Delone dan

Mclean, serta tiga dari empat variabel kerangka klasifikasi proyek (McLeod &

MacDonell, 2011) yaitu konten proyek, orang dan aksi, konteks organisasi. Hal ini

dikarenakan proses proyek akan diwakili oleh dimensi proses.

Ketiga, Subiyakto dan Ahlan (2014) menyesuaikan penempatan variabel

sejalan dengan logika IPO dan definisi keberhasilan proyek. Tiga penyesuaiannya

adalah sebagai berikut.

27

a. Menempatkan 2 dimensi model Delone dan Mclean (system creation dan

system utilization) ke dalam dimensi proses dari model. Hal ini didukung juga

oleh beberapa peneliti bahwa proses proyek terdiri dari dua subproses yaitu

produksi produk dan pemanfaatannya. Penempatan dimensi dampak sistem

dari model Delone dan Mclean sebagai dimensi output dari model sejalan

dengan definisi keberhasilan proyek.

b. Mengembangkan hubungan antara variabel dimensi input terhadap variabel

dimensi proses. Dalam hal ini, masing-masing varibel dimensi input memiliki

hubungan terhadap masing-masing variabel dari dimensi proses yang sejalan

dengan model proses dan kausal dari IPO model.

c. Mengembangkan hubungan antara konteks organisasi terhadap semua

variabel dalam model yang berdasarkan konsep pengaruh lingkungan sistem.

Keempat, model dikembangkan atas kombinasi dari empat teori yang telah

disebutkan sebelumnya. Kombinasi ini dilakukan untuk menanggapi dua isu utama

di lingkup model keberhasilan proyek SI, yaitu validitas dan kelengkapan

pengukuran model. Kelengkapan model berarti model tersebut dikembangkan

untuk mencakup dimensi keseluruhan proyek dalam konteks aspek proses dan

kausal. Validitas adalah berarti bahwa model ini mewakili secara teori keberhasilan

proyek. Tiga dimensi utama yang dari model ini adalah dimensi input, proses, dan

output. Dimensi proses terdiri dari dua subdimensi yaitu pembuatan sistem (system

creation) dan pemanfaatan sistem (system utilization). Model ini mengandung 9

variabel dan 36 hubungan antar variabel tersebut. Konten proyek (project content),

28

orang dan aksi (people and action), dan konteks organisasi (institutional contexts)

adalah tiga variabel dimensi input. Kualitas informasi (information quality),

kualitas sistem (system quality), kualitas layanan (service quality), penggunaan

(system use), dan kepuasan pengguna (user satisfaction) adalah lima variabel untuk

dimensi proses. Manfaat bersih (net benefit) adalah variabel untuk dimensi output.

Gambar 2.3 Model Pengukuran Keberhasilan Proyek SI Berdasarkan Model IPO

(Subiyakto & Ahlan, 2014)

Adapun definisi variabel dalam model tersebut adalah sebagai berikut.

a. Konten proyek (project content), terkait dengan berbagai faktor yang

dianggap sebagai sifat dari proyek itu sendiri yang biasanya mempengaruhi,

strategis, teknis, atau material proses proyek.

29

b. Orang dan aksi (people and action), berhubungan dengan karakteristik orang,

tindakan, interaksi dan hubungan bentuk pengembangan lintasan dan hasil

proyek dalam berbagai cara.

c. Konteks organisasi (institutional contexts), terkait dengan sifat organisasi

baik internal maupun kondisi lingkungan eksternal yang mempengaruhi

proyek, sering kali dalam cara yang tidak terduga.

d. Kualitas informasi (information quality), sejauh mana informasi secara

konsisten memenuhi persyaratan dan harapan para pengguna dalam

melakukan pekerjaan mereka.

e. Kualitas sistem (system quality), terkait dengan persepsi kemudahan

penggunaan adalah definisi yang terkenal untuk konstrak ini berkaitan dengan

model penerimaan teknologi (technology acceptance model).

f. Kualitas layanan (service quality), keunggulan layanan sistem ke pengguna.

g. Penggunaan (system use), dimana TI digunakan oleh penggunanya.

h. Kepuasan pengguna (user satisfaction), tingkat pengguna puas ketika

memanfaatkan TI sebagai hasil proyek.

i. Manfaat bersih (net benefit), sejauh mana SI memberikan kontribusi bagi

keberhasilan individu, kelompok, organisasi, industri, dan negara.

Selanjutnya pada tahun 2015, Subiyakto, Ahlan, Putra, dan Kartiwi

memvalidasi model baru secara kualitatif untuk mengetahui kelayakan model

tersebut melalui focus group study (FGS). Mereka melakukan 4 teknik FGS yaitu

interview, konsultasi, diskusi, dan seminar. Ada 16 partisipan (9 doktor, 3 calon

30

doktor, dan 4 akademisi) dari 20 anggota terdaftar yang tergabung dalam kelompok

penelitian ini. Mereka memiliki kepentingan, keterampilan, pengetahuan, dan

pengalaman dalam bidang penelitian SI. Mereka juga dipilih karena kredibilitas

mereka sebagai key informants.

Hasil dari FGS mengungkapkan delapan tema menyeluruh berkaitan dengan

validitas model dan kelayakan pelaksanaan penelitian. Kemudiann Subiyakto et al.

menyimpulkan dalam empat poin validasi yaitu kejelasan proses pemodelan,

penggunaan dasar teoritis, kewajaran metode penelitian, dan ketersediaan sumber

daya penelitian. Berdasarkan poin tersebut, Subiyakto et al. merevisi modelnya

melalui penyederhanaan jumlah hubungan antar variabel dengan menghapus 6

hubungan.

Kemudian Subiyakto et al. (2016) merevisi model tersebut meliputi

sembilan variabel dan 44 indikator sama halnya dengan model pertama, dan 30

hubungan antar variabel, hanya saja penamaan indikator kesembilan (Net Benefit)

diganti dengan Project Success berdasarkan rekomendasi dari hasil pengujian

kualitatif pada Subiyakto et al. (2015). Model tersebut dapat dilihat pada gambar

dibawah ini.

31

Gambar 2.4 Revisi Model Pengukuran Keberhasilan Proyek SI (Subiyakto et al.,

2016)

2.1.6 Teori Pekerjaan

Menurut Departemen Kesehatan (Depkes) tahun 2001 dalam Sari (2015)

Pekerjaan merupakan sesuatu yang dikerjakan untuk mendapatkan nafkah atau

pencaharian masyarakat yang sibuk dengan kegiatan atau pekerjaan sehari-hari

akan memiliki waktu yang lebih untuk memperoleh informasi.

Menurut Khusniyah dalam Suciyani (2017) menyatakan bahwa faktor

pekerjaan dapat mempengaruhi pengetahuan seseorang, dimana sesesorang yang

bekerja memiliki pengetahuan yang lebih luas dan akan memiliki banyak informasi.

Sehingga faktor pekerjaan dapat mempengaruhi seseorang dalam melakukan

sesuatu berdasarkan pengalamannya di dunia kerja.

32

2.2 Commuter Vending Machine

2.2.1 Definisi Vending Machine

Menurut Lulus Sutopo pada penelitian Alifuddin (2014) menjelaskan bahwa

vending machine adalah suatu mesin penjual otomatis, yang bisa mendistribusikan

barang kepada pembeli barang tersebut secara otomatis. Dimana vending machine

tidak membutuhkan tenaga operator untuk menjual barang, melainkan pembeli

dapat memilih sendiri barang yang diinginkan.

Menurut Bellis (2017) vending machine pada sejarahnya pertama kali

diperkenalkan oleh seorang ilmuwan matematika dari Alexandria yang menemukan

sebuah alat yang mampu mengeluarkan air suci di candi-candi di Mesir. Hingga

pada awal tahun 1880, vending machine pertama yang pengoperasiannya melalui

koin diperkenalkan di London. Ditemukan pada Tahun 1883 oleh Percial Everitt,

mesin tersebut dapat ditemui di stasiun kereta dan kantor pos untuk menjual amplop

dan kartu pos. Berikut adalah contoh jenis barang yang pernah dijual melalui mesin

penjual otomatis :

Umpan pancing

Tiket undian

Buku

Elektronik

Makanan panas

Asuransi jiwa

Obat-obatan bebas

33

2.2.2 Definisi Commuter Vending Machine

Commuter Vending Machine (C-VIM) adalah mesin yang dapat melayani

pembelian tiket commuter line secara mandiri. Mesin ini hanya bisa digunakan

untuk Tiket Harian Berjaminan (THB) dan Kartu Multi Trip (KMT) yang

dikeluarkan resmi oleh PT KCI (Afni & Akil, 2017).

C-VIM adalah fasilitas mesin penjual e-ticket commuter line otomatis yang

diterapkan dengan tujuan untuk mengganti loket konvesional sehingga diharapkan

akan mampu mempercepat proses pembelian e-ticket dan mengurangi durasi waktu

mengantri (Ardi et al., 2016)

Gambar 2.5 Commuter Vending Machine di Stasiun KRL

Sumber: (Google, 2016)

34

Gambar 2.6 C-VIM Jenis KMT (kiri) dan Jenis THB (kanan)

(Sumber: Google, 2016)

Berdasarkan gambar diatas C-VIM sendiri terbagi menjadi dua jenis.

Pertama, C-VIM untuk Tiket Harian Berjaminan (selanjutnya disebut THB) dan C-

VIM untuk Kartu Multi Trip (selanjutnya disebut KMT). C-VIM THB digunakan

bagi penumpang yang hendak membeli tiket jenis tiket harian berjaminan meskipun

sebenarnya dapat digunakan juga melayani KMT, sedangkan C-VIM KMT

digunakan bagi penumpang yang hendak membeli tiket dalam bentuk kartu

multitrip. THB digunakan untuk satu kali perjalanan, di mana setiap penumpang

dikenakan biaya jaminan sebesar sepuluh ribu rupiah beserta biaya perjalanannya.

Masa penukaran uang jaminan dapat dilakukan maksimal 7 hari sejak pembelian

tiket dan apabila melebihi batas waktu maka uang jaminan tidak dapat

dikembalikan. Sedangkan kartu multi trip dapat digunakan untuk beberapa kali

perjalanan dan penumpang hanya perlu mengisi uang saldo jika saldo dalam kartu

telah habis. Selain itu, kartu multi trip tidak menggunakan uang jaminan, sehingga

35

fungsinya dapat dikatakan sama dengan e-money namun penggunaannya hanya

untuk membeli tiket di stasiun (Suzanti, 2014).

Adapun cara pengoperasian C-VIM yaitu :

1) Untuk Transaksi THB

Pembelian tiket baru

Isi ulang tarif perjalanan

Pengambilan uang jaminan

2) Untuk Transaksi KMT

Isi ulang saldo

Sebelum membeli tiket dari C-VIM, harap untuk diperhatikan jumlah

nominal rupiah yang hendak digunakan. Untuk C-VIM THB, jumlah nominal

rupiah yang dapat digunakan adalah uang jenis koin dengan nominal Rp500 dan

Rp100. Lalu untuk uang jenis kertas adalah Rp2000, Rp5000, Rp10000, Rp20000.

Sedangkan untuk C-VIM KMT hanya diperbolehkan uang jenis kertas saja dengan

nominal rupiah Rp5000, Rp10000, Rp20000, Rp50000, dan Rp100000.

Cara melakukan berbagai macam transaksi yang dapat dilakukan di C-VIM,

diantaranya :

1) Isi ulang KMT

Pilih bahasa yang anda mau, bisa bahasa Indonesia atau bahasa Inggris

Letakkan KMT anda pada tempat yang tersedia

Masukkan uang sesuai jumlah yang dibayarkan (tidak ada uang

kembalian)

36

Tekan Ya, untuk melanjutkan transaksi atau tidak untuk membatalkan

transaksi

Jangan lupa ambil kembali kartunya

Jika terjadi kegagalan transaksi, akan ada bukti transaksi yang keluar

secara otomatis. Bawa bukti transaksi tersebut ke loket untuk mengajukan

klaim

2) Pembelian baru THB

Pilih pembelian THB baru

Pilih stasiun tujuan

Tekan ya untuk melanjutkan transaksi atau tidak untuk membatalkan

transaksi

Masukkan uang sesuai jumlah yang dibayarkan

Jangan lupa ambil kembali kartunya dan uang kembalian jika ada.



klaim

3) Isi ulang THB

Letakkan THB anda pada tempat yang tersedia

Pilih stasiun tujuan


transaksi

Masukkan uang sesuai jumlah yang dibayarkan

Jangan lupa ambil kembali kartunya dan uang kembalian jika ada

37



klaim

4) Pengambilan uang jaminan

Letakkan THB anda pada tempat yang tersedia

Pilih pengambilan uang jaminan


transaksi

Jangan lupa ambil uang jaminan yang keluar



klaim

2.2.3 Definisi Smart Card

Menurut Donny (2008), smart card adalah kartu yang berukuran seperti

kartu kredit tetapi memiliki sebuah chip computer atau microprocessor di

dalamnya. Kartu ini dapat di program untuk melakukan suatu tugas dan menyimpan

informasi, tetapi harus diingat bahwa mikroprosesor pada kartu tidak sekuat

microprocessor Personal Computer (PC), sehingga kemampuannya tidak dapat

disamakan dengan PC. Untuk mengkoneksikan kartu dan komputer diperlukan

Card Acceptance Device (CAD), seperti card reader, yang bertindak sebagai

terminal penghubung atau interface device.

38

2.2.4 Definisi E-Ticket

Electronic ticket atau e-ticket adalah salah satu cara untuk

mendokumentasikan proses penjualan dari aktivitas perjalanaan pengguna tanpa

mengeluarkan dokumen secara fisik ataupun paper ticket. Semua informasi

mengenai e-ticket disimpan secara digital dalam sistem komputer (Faizal &

Nursusanto, 2010).

Sedangkan menurut Bienz (2008), e-ticket merupakan metode perdagangan,

pembelian, dan penjualan tiket dari berbagai produk jasa khususnya jasa perjalanan

melalui media internet dan komputer. Bienz menjelaskan setidaknya ada 6 manfaat

dari penggunaan e-ticket, diantaranya :

1. Mengurangi biaya yang berkaitan dengan pencetakan dan surat tiket.

2. Mengurangi tenaga kerja yang terkait dengan pencetakan dan surat tiket.

3. Keamanan terjamin, karena berkode validasi dan menghilangkan

kemungkinan tiket palsu atau duplikat.

4. Pemesanan e-ticket oleh konsumen berarti mengetahui berapa banyak

konsumen perusahaan, karena perusahaan menyimpan data konsumen di

database perusahaan.

5. Memberikan informasi tambahan yang perlu diketahui bagi pelanggan.

6. Menyediakan kemampuan untuk beriklan, dapat menambah pendapatan

perusahaan dengan menawarkan ruang iklan di portal situs perusahaan.

39

2.3 Metode Kuantitatif dalam Penelitian

Menurut Sarwono (2006), Penelitian kuantitatif bertujuan untuk menguji

teori, membangun fakta, menunjukkan hubungan antar variabel, memberikan

deskripsi statistik, menaksir, dan meramalkan hasilnya.

Pada penelitian jenis data yang diperlukan secara umum dibagi menjadi dua,

yaitu penelitian primer dan penelitian sekunder, yaitu (Sarwono, 2006) :

1) Penelitian primer

Penelitian primer membutuhkan data atau informasi dari sumber pertama,

biasanya disebut dengan responden. Data atau informasi diperoleh melalui

pertanyaan tertulis dengan menggunakan kuesioner atau lisan dengan

menggunakan metode wawancara. Yang termasuk dalam kategori ini adalah :

a. Studi kasus

Studi kasus menggunakan individu atau kelompok sebagai bahan studinya.

b. Survei

Survei merupakan studi yang bersifat kuantitatif yang digunakan untuk

meneliti gejala suatu kelompok atau perilaku individu. Pada umumnya survey

menggunakan kuesioner sebagai alat pengambil data. Survei menganut aturan

pendekatan kuantitatif, yaitu semakin besar sample, semakin mencerminkan

populasi hasilnya.

2) Penelitian sekunder

Penelitian sekunder menggunakan bahan yang bukan dari sumber pertama

sebagai sarana untuk memperoleh data atau informasi untuk menjawab masalah

40

yang diteliti. Penelitian ini juga dikenal dengan penelitian yang menggunakan studi

kepustakaan.

2.3.1 Metode Pengumpulan Data

Pengumpulan data penelitian dilakukan dengan berbagai metode,

diantaranya :

1) Kuesioner

Kuesioner adalah salah satu intrumen pengumpulan data sebagai alat bantu

yang digunakan peneliti dalam kegiatannya mengumpulkan data secara tidak

langsung (peneliti tidak langsung bertanya-jawab dengan responden).

Kuesioner berisi sejumlah pertanyaan atau pernyataan yang harus dijawab

oleh responden (Guritno, Sudaryono, & Untung, 2011).

2) Wawancara

Wawancara merupakan teknik pengumpulan data yang dilakukan oleh

peneliti untuk memperoleh informasi dengan cara berkomunikasi langsung

maupun tidak langsung antara pewawancara dengan responden (Mustakini,

2008).

3) Observasi

Kegiatan observasi meliputi melakukan pencatatan secara sistematik

kejadian-kejadian, perilaku, obyek-obyek yang dilihat dan hal-hal lain yang

diperlukan dalam mendukung penelitian yang sedang dilakukan. Pada tahap

awal observasi dilakukan secara umum, peneliti mengumpulkan data atau

informasi sebanyak mungkin. Tahap selanjutnya peneliti harus melakukan

41

observasi yang terfokus, yaitu mulai menyempitkan data atau informasi yang

diperlukan sehingga peneliti dapat menemukan pola-pola perilaku dan

hubungan yang terus menerus terjadi. Jika hal itu ditemukan, maka peneliti

dapat menemukan tema-tema yang akan diteliti (Sarwono, 2006).

4) Studi Pustaka

Studi pustaka, adalah teknik survei terhadap data yang telah ada dengan

menggali teori-teori yang telah berkembang dalam bidang ilmu yang

berkepentingan, mencari metode-metode serta teknik penelitian baik dalam

mengumpulkan data atau dalam menganalisis data yang telah pernah

digunakan oeh peneliti-peneliti terdahulu (Nazir, 2009).

2.4 Populasi dan Teknik Sampling

Populasi berkaitan dengan seluruh kelompok orang, peristiwa, atau benda

yang menjadi pusat perhatian penelitian untuk diteliti. Misalnya jika seorang

eksekutif puncak sebuah bank ingin mengetahui strategi-strategi pemasaran yang

dilakukan semua bank di Jakarta maka semua bank yang ada di Jakarta merupakan

populasi. Dengan kata lain, populasi adalah wilayah generalisasi yang terdiri atas:

obyek atau subyek yang mempunyai kualitas dan karakteristik tertentu yang

ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya (Guritno et al.,

2011).

Sampel merupakan suatu bagian populasi. Dengan mengambil sampel,

peneliti ingin menarik kesimpulan yang akan digeneralisasi terhadap populasi.

Penarikan sampel merupakan proses pemilihan sejumlah elemen dari populasi. Dan

42

salah satu metode yang digunakan untuk menentukan jumlah sampel adalah

menggunakan rumus Slovin (Sevilla, Ochave, Punsalan, Regata, & Uriarte, 2006;

Sarwono, 2006; Sugiyono, 2017), sebagai berikut :

𝑛 =𝑁

1+𝑁𝑒2……………………………(1)

Keterangan :

n : Jumlah Sampel

N : Jumlah Populasi

e : Batas kelonggaran ketidak telitian (dengan nilai batas kelonggaran ketidak

telitian adalah 5%)

Adapun Teknik sampling adalah teknik pengambilan sampel. Terdapat dua

metode dasar penarikan sampel, sebagai berikut (Guritno et al., 2011).

2.4.1 Probability sampling

Probability sampling adalah teknik pengambilan sampel yang memberikan

peluang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.

Beberapa metode penarikan sampel probabilitas adalah sebagai berikut.

1. Simple random sampling

Simple random sampling dikatakan simple (sederhana) karena pengambilan

sampel populasi dilakukan secara acak tanpa memperhatikan strata yang ada

dalam populasi.

43

2. Stratified random sampling

Stratified random sampling merupakan suatu prosedur penarikan sampel

berstrata, yaitu suatu subsampel acak sederhana ditarik dari setiap strata yang

kurang lebih sama dalam beberapa karakteristik.

3. Cluster sampling

Cluster sampling merupakan suatu prosedur penarikan sampel probabilitas

yang memilih subpopulasi yang disebut cluster. Kemudian, setiap elemen

didalam kelompok (cluster tersebut) dipilih sebagai anggota sampel.

2.4.2 Nonprobability sampling

Nonprobability sampling merupakan suatu prosedur penarikan sampel

bersifat subyektif. Dalam hal ini, probabilitas pemilihan elemen-elemen populasi

tidak dapat ditentukan. Hal ini disebabkan setiap elemen populasi tidak memiliki

peluang yang sama untuk dipilih sebagai sampel. Beberapa teknik pengambilan

sampel nonprobabilitas sebagai berikut.

1. Convenience sampling

Convenience sampling adalah teknik penarikan sampel berdasarkan

kemudahan. Prosedurnya adalah semata-mata langsung menghubungi unit-

unit penarikan sampel yang mudah dijumpai seperti mahasiswa-mahasiswa

dalam satu kelas, jamaah tempat ibadah, pengunjung toko dan lain-lain.

Seringkali teknik pengambilan sampel ini dilakukan untuk menguji kuesioner

atau penelitian eksplorasi.

44

2. Quota sampling

Quota sampling adalah penarikan sampel berdasarkan quota. Prinsipnya

adalah karakteristik tertentu yang relevan menjelaskan dimensi populasi.

Peneliti harus mengetahui distribusi populasi.

3. Purposive sampling

Purposive sampling adalah penarikan sampel berdasarkan pertimbangan atau

kriteria tertentu.

4. Snowball sampling

Snowball sampling adalah metode penarikan sampel dengan responden yang

berhasil diperoleh diminta untuk menunjukan responden lainnya secara

berantai.

2.5 Skala Likert

Skala likert merupakan skala yang digunakan untuk mengukur sikap,

pendapat, dan persepsi seseorang atau sekelompok orang mengenai fenomena

sosial (Sugiyono, 2013).

Menurut Djaali (2008) Skala Likert adalah salah satu skala pengukuran

sikap yang digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau

sekelompok orang tertentu. Nama skala ini diambil dari nama Rensis Likert,

pendidik dan ahli psikolog Amerika Serikat. Rensis Likert telah mengembangkan

sebbuah skala untuk mengukur sikap masyarakat sejak tahun 1932.

Skala likert adalah suatu skala psikometrik yang umum digunakan dalam

kuesioner dan merupakan skala yang paling banyak digunakan dalam riset beberapa

45

survei. Skala ini mempunyai empat atau lebih butir pertanyaan yang

dikombinasikan sehingga membentuk suatu skor/nilai yang merepresentasikan sifat

individu, seperti pengetahuan, sikap, dan perilaku (Syofian, Setiyaningsih, &

Syamsiah, 2015).

2.6 Partial Least Square Structural Equation Modelling (PLS – SEM)

PLS-SEM merupakan metode analisis yang powerfull karena dapat

digunakan pada setiap jenis skala data (nominal, ordinal, interval, dan rasio) serta

syarat asumsi yang lebih fleksibel (Kurniawan & Yamin, 2011). Software terkenal

yang banyak digunakan untuk PLS-SEM adalah SmartPLS, XLSTAT PLS-PM,

Visual PLS, dan lainnya.

Gaston dalam Kurniawan dan Yamin (2011) menyebutkan PLS dapat juga

digunakan untuk tujuan konfirmasi (seperti pengujian hipotesis) dan tujuan

eksplorasi. Meskipun PLS lebih diutamakan sebagai eksplorasi daripada

konfirmasi, PLS juga dapat menduga apakah terdapat atau tidak terdapat hubungan

dan kemudian proposisi untuk pengujian. Tujuan utamanya adalah menjelaskan

hubungan antar konstrak dan menekankan pengertian tentang nilai hubungan

tersebut.

Dalam hal ini, hal penting yang harus diperhatikan adalah adanya teori yang

memberikan asumsi untuk menggambarkan model, pemilihan variabel, pendekatan

analisis, dan interpretasi hasil. Keunggulan-keunggulan PLS adalah : (Abdillah &

Jogiyanto, 2015).

46

1) Mampu memodelkan banyak variable dependen dan variable independen

(model kompleks).

2) Mampu mengelola masalah multikolinearitas antar variable independen.

3) Hasil tetap kokoh walaupun terdapat daya yang tidak normal dan hilang.

4) Menghasilkan variable laten independen secara langsung berbasis cross-

product yang melibatkan variable laten dependen sebagai kekuatan prediksi.

5) Dapat digunakan pada kontruk reflektif dan formatif.

6) Dapat digunakan pada sampel kecil.

7) Tidak mensyaratkan data berdistribusi normal.

8) Dapat digunakan pada data dengan tipe skala berbeda, yaitu: nominal, orginal

dan kontinus.

Kepopuleran penggunaan PLS-SEM di antara para peneliti dan praktisi

adalah karena empat alasan. Pertama, algoritma PLS tidak terbatas hanya untuk

hubungan antara indikator dengan konstrak laten nya yang bersifat reflektif saja

tetapi algoritma PLS juga dipakai untuk hubungan yang bersifat formatif. Kedua,

PLS dapat digunakan untuk menaksir model path dengan sample size yang kecil.

Ketiga, PLS-SEM dapat digunakan untuk model yang sangat kompleks (terdiri atas

banyak variabel laten dan manifes tanpa mengalami masalah dalam estimasi data.

Keempat, PLS dapat digunakan ketika distribusi data sangat miring (skew)

(Kurniawan & Yamin, 2011).

Evaluasi model dalam PLS meliputi dua tahap yaitu evalusi outer model

atau model pengukuran dan evaluasi terhadap inner model atau model struktural.

47

1) Evaluasi Model Pengukuran (Outer Model)

Evaluasi terhadap model pengukuran meliputi pemeriksaan individual item

reliability, internal consistency atau construct reliability, average variance

extracted, dan discriminant validity. Ketiga pengukuran pertama dikelompokkan

dalam convergent validity. Convergent validity mengukur besarnya korelasi antara

konstrak dengan variabel laten.

a. Convergent validity

Pengukuran convergent validity dilakukan untuk mengukur besarnya korelasi

antara konstrak dengan variabel laten. Pengukuran convergent validity terdiri

dari tiga tahapan pengukuran, diantaranya :

1) Individual item reliability

Dalam pemeriksaan individual item reliability dapat dilihat pada nilai

standardized loading factor. Dimana nilai ini menggambarkan besarnya

korelasi pada setiap indikator dengan konstraknya. Nilai 0,7 pada loading

factor dapat dikatakan ideal, dimana nilai tersebut dikatakan valid sebagai

indikator yang mengukur konstrak. Namun nilai di atas 0,5 masih bisa

digunakan dan dipertimbangkan (Kurniawan & Yamin, 2011).

2) Internal consistency reliability

Pada pengukuran internal consistency reliability dilihat dari nilai

composite reliability, nilai tersebut lebih baik digunakan dalam mengukur

internal consistency dibandingkan dengan menggunakan cronbach’s

alpha pada model PLS-SEM. Hal ini karena nilai composite reliability

tidal mengasumsikan kesamaan boot dari tiap indikator (Kurniawan &

48

Yamin, 2011). Nilai batas yang digunakan adalah diatas 0,7 yang berarti

dapat diterima, sedangkan diatas 0,8 berarti sangat memuaskan

(Subiyakto & Sukmana, 2014; Subiyakto et al., 2015).

3) Average variance extracted

Nilai pada average variance extracted (AVE) menggambarkan besaran

varian variabel yang dapat dikandung oleh konstrak laten. Nilai minimal

yang digunakan pada AVE agar menunjukkan ukuran yang baik adalah

0,5. Hal ini berarti variabel laten dapat menjelaskan rata-rata lebih dari

setengah variance dari indikatornya (Kurniawan & Yamin, 2011;

Subiyakto et al., 2015).

b. Discriminant validity

Discriminant validity dapat dievaluasi dengan dua tahap, yaitu melihat nilai

cross loading antar indikator dan cross loading Fornell-Lackers’s. Pada

pengukuran cross loading antar indikator, dilakukan dengan cara

membandingkan korelasi antar indikator dengan konstraknya dan konstrak

blok lainnya. Apabila korelasi antar indikator dengan konstraknya lebih tinggi

dari korelasi dengan konstrak blok lainnya, maka konstrak tersebut

mempresiksi ukuran pada blok tersebut lebih baik dari blok lainnya.

Pemeriksaan nilai cross loading Fornell-Lacker’s dilakukan dengan melihat

nilai akar dari AVE. Nilai akar AVE harus lebih tinggi dari korelasi antar

konstrak dengan konstrak lainnya (Kurniawan & Yamin, 2011; Subiyakto et

al., 2015).

49

2) Evaluasi Model Struktural (Inner Model)

Ada beberapa tahap untuk mengevaluasi model structural, yaitu melalui

signifikansi hubungan antar konstrak dapat dilihat melalui path coefficient (β), nilai

R2 (coefficient of determination), nilai t-test, pengujian ƒ2 (effect size), Q2

(predictive relevance), dan q2 (relative impact) (Subiyakto & Ahlan, 2014).

a. Path coefficient (β)

Mengevaluasi signifikansi hubungan antar konstrak dapat dilakukan dengan

cara melihat path coefficient (β). Hal ini dilakukan untuk menggambarkan

kekuatan hubungan antar konstrak. (Kurniawan & Yamin, 2011). Pengujian

path coefficient (β) dengan nilai ambang batas diatas 0,1 mengartikan bahwa

path yang dimaksud berpengaruh di dalam model (Subiyakto et al., 2016).

b. R2 (coefficient of determination)

Mengevaluasi nilai R2 menjelaskan varian dari tiap target endogenous

variabel menggunakan standar pengukuran 0,67 akurat, 0,33 moderat, dan

dibawah 0,19 menunjukkan varian yang lemah (Kurniawan & Yamin, 2011).

c. t-test

Nilai t-test dilakukan dengan metode bootstrapping (Kurniawan & Yamin,

2011) melalui uji two-tailed dengan tingkat signifikansi sebesar 5% yang

digunakan untuk menguji hipotesis penelitian. Hipotesis yang diterima adalah

jika nilai t-test lebih dari 1,96 (Abdillah & Jogiyanto, 2015).

d. ƒ2 (effect size)

Pengujian ƒ2 dilakukan untuk memprediksi pengaruh suatu variabel terhadap

variabel lainnya. Nilai ambang batas yang digunakan diantaranya 0,02 yang

50

berarti berpengaruh kecil, 0,15 berpengaruh menengah, dan 0,35 berpengaruh

besar. Rumus perhitungan ƒ2 adalah sebagai berikut (Kurniawan & Yamin,

2011).

𝑓2 = 𝑅2 include – 𝑅2 exclude

1 − 𝑅2 include……………………………(2)

Dengan R2 include adalah coefficient of determinant, dan R2 exclude adalah

nilai yang ada pada luar R.

e. Q2 (predictive relevance)

Pengujian Q2 dilakukan dengan metode blindfolding untuk memberikan bukti

jika variabel tertentu yang digunakan memiliki keterkaitan prediktif dengan

variabel lainnya. Ambang batas yang digunakan adalah diatas nol (Kurniawan

& Yamin, 2011; Abdillah & Jogiyanto, 2015)

f. q2 (relative impact)

Uji q2 dilakukan dengan metode yang sama seperti pengujian Q2 yaitu

blindfolding. Tujuannya untuk mengukur pengaruh relative dari sebuah

keterkaitan prediktif variabel tertentu dengan variabel lainnya. Nilai ambang

batas yang digunakan sekitar 0,02 yang berarti memiliki pengaruh kecil, 0,15

berpengaruh menengah atau sedang, dan 0,35 berpengaruh besar (Sugiyakto

& Ahlan, 2014; Subiyakto et al., 2016). Rumus perhitungan q2 adalah sebagai

berikut.

51

𝑞2 = 𝑄2 include − 𝑄2 exclude

1 − 𝑄2 include……………………………(3)

Dengan Q2 include adalah predictive relevance, dan R2 exclude adalah nilai

yang ada pada luar Q.

2.7 SmartPLS

SmartPLS adalah satu dari sekian banyak perangkat lunak yang dapat

digunakan dalam analisis menggunakan PLS-SEM. Perangkat lunak ini

dikembangkan oleh Universitas Hamburg di Jerman (Ghozali, 2015). Berikut

merupakan beberapa komponen dalam SmartPLS:

a) Variabel Laten

Variabel laten adalah variabel yang tidak dapat diamati dan diukur secara

langsung (Santoso, 2012). Variabel jenis ini terbagi menjadi dua bagian yaitu

variabel eksogen dan variabel endogen di mana variabel eksogen bersifat

independen sedangkan variabel endogen bersifat dependen. Dalam hal ini

variabel eksogen memengaruhi variabel endogen.

b) Observed Variable

Variabel ini biasa disebut sebagai variabel manifest adalah variabel yang

besaran kuantitatifnya dapat diketahui secara langsung, misalnya dari skor

respons subjek terhadap instrumen pengukuran.

52

2.8 Penelitian Sejenis

Tabel 2.1 Penelitian Sejenis

Referensi Judul Tujuan Hasil

(Gusti, 2017) Pengukuran Pengaruh Kesiapan

Terhadap Keberhasilan Penerapan

Sistem Ubiquitous Computing di UIN

Syarif Hidayatullah Jakarta.

untuk mengetahui pengaruh

kesiapan terhadap keberhasilan

penerapan sistem Ubiquitous

Computing di UIN Syarif

Hidayatullah Jakarta khususnya

Fakultas Sains dan Teknologi.

Hasilnya, terdapat 23 hipotesis yang diuji 11 hipotesis

yang diterima atau berpengaruh dan 12 hipotesis tidak

diterima. Sehingga faktor-faktor pengaruh kesiapan

terhadap keberhasilan sistem yaitu optimism melalui

system quality, service quality, dan user satisfaction.

Innovativeness melalui information quality dan service

quality. Insecurity berpengaruh secarah negatif melalui

information quality, system quality, dan service quality,

Information quality melalui user satisfaction. Service

quality melalui user satisfaction, user satisfaction

melalui success information system.

(Hudin & Riana,

2016)

Kajian Keberhasilan Penggunaan

Sistem Informasi Accurate Dengan

Menggunakan Model Kesuksesan

Sistem Informasi DeLone Dan

McLean.

Untuk menganalisis faktor-faktor

yang mengukur keberhasilan model

kesuksesan sistem informasi

DeLone & McLean terhadap

pengguna sistem informasi

akuntansi Accurate di enam

perusahaan di Kota Sukabumi.

Hasil dari penelitian ini membuktikan bahwa kualitas

informasi dan kualitas pelayanan tidak berpengaruh

signifikan terhadap variabel penggunaan, sedangkan

variabel lainnya teruji signifikan dalam mengukur

keberhasilan penggunan sistem informasi akuntansi

Accurate dengan nilai R-square 0,57 untuk penggunaan,

0,94 untuk kepuasan pengguna dan 0,94 untuk manfaat

bersih. Selain itu, nilai goodness of fit (GoF) sebesar 0,72

atau 72%, sehingga model dinyatakan telah sesuai secara

substansial dalam merepresentasikan hasil penelitian.

(Wahyuni, 2011) Uji Empiris Model Delone Dan

Mclean Terhadap Kesuksesan Sistem

Informasi Manajemen Daerah

(SIMDA)

Untuk mengevakuasi dan

mengetahui keberhasilan dan

dampak dari SIMDA yang

dikembangkan terhadap kinerja

individu maupun organisasi.

Hasilnya, dari 9 hipotesa yang diuji 8 hipotesa terbukti

signifikan dan 1 hipotesa tidak signifikan. Secara

spesifik, hasil pengujian masing-masing hipotesa adalah:

1) System quality berpengaruh positif terhadap user

satisfaction; 2) information quality berpengaruh positif

terhadap user satisfaction; 3) Intensitas penggunaan

53

Tabel 2.2 Penelitian Sejenis (Lanjutan)

sistem informasi berpengaruh positif terhadap user

satisfaction; 4) System quality berpengaruh positif

terhadap intensitas penggunaan sistem informasi; 5)

Information quality berpengaruh positif terhadap

intensitas penggunaan sistem informasi; 6) User

satisfaction berpengaruh positif terhadap intensitas

penggunaan sistem informasi; 7) User satisfaction

berpengaruh positif terhadap individual impact; 8)

Intensitas penggunaan sistem informasi tidak

berpengaruh terhadap individual impact; dan 9)

Individual Impact berpengaruh positif terhadap

organizational impact (Wisudiawan,

2015)

Analisis Faktor Kesuksesan Sistem

Informasi Menggunakan Model

DeLone And McLean

Untuk menganalisis hubungan

antara semua dimensi yang

menyusun kesuksesan sistem

informasi.

Hasil pengolahan data menunjukkan bahwa 3 dari 5

hipotesis dianggap terbukti, yaitu bahwa kepuasan

pengguna sangat dipengarui oleh tiga faktor utama

sebagai berikut: kualitas informasi, kualitas sistem, dan

kebermanfaatan sistem dari sudut pandang pengguna.

(Yunita, 2016) Pengukuran Kepuasan Pengguna

Terhadap TULIS (Technology UIN

Library Information System) Pada

Pusat Perpustakaan UIN Syarif

Hidayatullah Jakarta

untuk mengetahui status kepuasan

pengguna terhadap sistem TULIS

dan mengetahui faktor-faktor yang

mempengaruhi kepuasan pengguna

terhadap sistem tersebut

Hasilnya, tingkat kepuasan pengguna sistem berdasarkan

persepsi pengguna saat ini berada pada tingkat cukup

puas. Secara inferensial, dari 12 hipotesis yang diuji 4

diantaranya ditolak dan 8 lainnya diterima. Sehingga

faktor-faktor yang mempengaruhi kepuasan pengguna

adalah konteks organisasi melalui kualitas sistem, orang

dan aksi melalui kualitas sistem, orang dan aksi

berpengaruh melalui kualitas layanan, kualitas sistem,

dan kualitas layanan.

(Yuliana, Riyadi,

& Yuniarto, 2016)

Analisis Kesuksesan Sistem Informasi

Perhotelan Dengan Pendekatan Model

DeLone Dan McLean (Studi Pada

untuk mengetahui dan menganalisis

pengaruh positif varibel kualitas

sistem, kualitas informasi, dan

kualitas layanan terhadap kepuasan

Hasil dari penelitian menunjukkan bahwa kualitas sistem

berpengaruh positif dan signifikan terhadap kepuasan

pengguna. sedangkan variabel kualitas informasi

mempunyai pengaruh positif tetapi tidak signifikan

54

Tabel 2.2 Penelitian Sejenis (Lanjutan)

Karyawan Hotel Aria Gajayana

Malang) pengguna serta mengetahui

keberhasilan sistem informasi

perhotelan yang digunakan oleh

hotel.

terhadap kepuasan pengguna. kualitas layanan

mempunyai pengaruh positif dan signifikan terhadap

kepuasan pengguna. hasil dari penelitian menunjukkan

bahwa sistem informasi perhotelan yang digunakan oleh

karyawan hotel Aria Gajayana Malang sukses dalam

implementasi hal ini ditunjukan dari penilaian yang tinggi

oleh karyawan terhadap sistem informasi perhotelan yang

digunakan.

55

BAB III

METODOLOGI PENELITIAN

3.1 Pendekatan Penelitian

Secara umum, penelitian ini dilakukan dengan menggunakan pendekatan

kuantitatif untuk mengetahui faktor-faktor apa saja yang memengaruhi tingkat

keberhasilan penggunaan C-VIM pada sistem e-ticket KRL Commuter line oleh

penumpang. Salah satu bentuk pendekatan kuantitatif pada penelitian ini adalah

pengumpulan data yang dilakukan melalui survei dengan menggunakan kuesioner

dan analisis data yang dilakukan secara statistik dengan menggunakan aplikasi

pengolah data statistik SmartPLS 3.0.

3.2 Pengembangan Model dan Hipotesis Penelitian

Dalam pengembangan model keberhasilan SI, penelitian ini mengadopsi

model keberhasil SI Subiyakto et al. (2016). Walaupun model keberhasilan SI telah

banyak dikembangkan oleh para peneliti secara kuantitatif maupun kualitatif (Putra,

Ahlan, & Kartiwi, 2016), namun model keberhasilan ini memberikan alternatif

konsep yang jelas terhadap pengukuran keberhasilan SI yang sebelumnya dirasa

ambigu, dengan pengadopsian IPO logic sebagai desain modelnya agar mudah

dimengerti oleh para stakeholder yang kurang memahami pekerjaan yang bersifat

teknis (Qadrya, 2017). Dimana IPO logic dapat menggambarkan fenomena

kesiapan integrasi SI melalui tiga dimensi yaitu dimensi masukkan, proses, dan

keluaran.

56

Merujuk kepada logika teori sebelumnya bahwa proses integrasi SI juga

dapat dipengaruhi oleh entitas lingkungannya (Lim & Mohamed, 1999; dan

Howsawi, Eager, & Bagia, 2011), maka penelitian ini melakukan pengembangan

model dengan mengganti variabel konteks institusi menjadi konteks pekerjaan yang

diadopsi dari teori pekerjaan (Sari, 2015; Suciyani, 2017) dikarenakan fokus yang

ingin diukur dalam hal ini adalah penggunaan dari sistem yang sangat dipengaruhi

oleh pengguna sistem itu sendiri yang memiliki latar belakang pekerjaan yang

beragam. Sehingga model yang digunakan pada penelitian ini adalah sebagai

berikut.

Gambar 3.1 Model Keberhasilan SI

Model diatas terdapat beberapa variabel yang dapat didefinisikan sebagai

berikut :

57

a) Konteks pekerjaan (KP)

Menurut Khusniyah dalam Suciyani (2017) menyatakan bahwa faktor

pekerjaan dapat mempengaruhi pengetahuan seseorang, dimana sesesorang

yang bekerja memiliki pengetahuan yang lebih luas dan akan memiliki

banyak informasi. Sehingga akan mempengaruhi seseorang dalam melakukan

sesuatu dalam hal ini mempengaruhi cara penggunaan sistem informasi.

b) Orang dan tindakannya (OT)

Menurut Subiyakto dan Ahlan 2014, orang dan tindakannya berkaitan dengan

karakteristik, tindakan, interaksi, dan hubungan manusia yang membentuk

lintasan pengembangan dan hasil proyek dalam berbagai cara.

c) Konten sistem (KoS)

Menurut Subiyakto dan Ahlan 2014, berkaitan dengan berbagai faktor yang

dianggap sebagai sifat dari sistem itu sendiri yang mempengaruhi kebiasaan,

strategis, teknis, atau alur sistem.

d) Kualitas Informasi (KI)

Menurut Subiyakto dan Ahlan (2014), kualitas informasi adalah sejauh mana

informasi secara konsisten memenuhi persyaratan dan harapan para pengguna

dalam melakukan pekerjaan mereka.

e) Kualitas Sistem (KuS)

Menurut Subiyakto dan Ahlan (2014), kualitas sistem terkait dengan persepsi

kemudahan penggunaan adalah definisi yang terkenal untuk konstrak ini

berkaitan dengan model penerimaan teknologi (technology acceptance

model). Menurut Davis dan Yen (1998), kualitas sistem informasi sebagai

58

perceived ease of use yang merupakan tingkat seberapa besar teknologi

komputer dirasakan relatif mudah untuk dipahami dan digunakan.

f) Kualitas Layanan (KL)

Menurut Subiyakto dan Ahlan (2014), kualitas layanan merupakan tingkat

keunggulan layanan sistem kepada pengguna. Menurut Parasuraman et al.

dalam Artiningtyas, Minarsih, dan Hasiholan (2015), kualitas layanan sebagai

suatu bentuk penilaian konsumen terhadap tingkat layanan yang diterima

(perceived service) dengan tingkat layanan yang diharapkan (expected

service).

g) Penggunaan Sistem (PS)

Menurut Subiyakto dan Ahlan (2014), penggunaan sistem merupakan tingkat

pemanfaatan teknologi informasi yang digunakan oleh pengguna.

h) Kepuasan Pengguna (KeP)

Menurut Subiyakto dan Ahlan (2014), kepuasan pengguna merupakan tingkat

kepuasan pengguna saat menggunakan teknologi informasi sebagai output

penggunaan sistem. Kepuasan pengguna merupakan respon pemakai

terhadap penggunaan keluaran sistem informasi (Jogiyanto, 2007). Kepuasan

pengguna adalah ukuran seberapa besar tingkat respon pengguna terhadap

hasil keluaran dari sistem informasi (Yuliana et al., 2016).

i) Keberhasilan Sistem (KbS)

Keberhasilan sistem merupakan suatu keadaan dimana pengguna mampu

menjalankan sistem sesuai dengan tujuan yang ditetapkan (Kholifatun, 2013).

59

3.2.1 Pengembangan Hipotesis Penelitian

Keberhasilan proyek SI dipengaruhi berbagai faktor yang bersifat konteks

(Subiyakto & Ahlan, 2014). Dimana keberhasilan penggunaan sistem juga di

dukung oleh sifat pengguna yang dipengaruhi dari pekerjaan mereka, yang dapat

mempengaruhi cara penggunaan sistem itu sendiri. Merujuk pada penjelasan diatas.

Peneliti mengadopsi indikator dalam penelitian Subiyakto dan Ahan (2014) dan

Subiyakto et al. (2016) yaitu budaya pekerja (KP1), pengalaman pekerja (KP2),

ketersediaan infrastruktur (KP3), dan konteks eksternal (KP4) sebagai indikator

KP. Peneliti menghipotesis bahwa :

H1: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Orang dan

Tindakannya (OT);

H2: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Konten Sistem

(KoS);

H3: Konteks Pekerja (KP) berpengaruh secara signifikan terhadap Kualitas

Informasi (KI);


Sistem (KuS);


Layanan (KL);

Faktor orang dan tindakannya secara tidak langsung juga mempengaruhi

keberhasilan sistem informasi. Peneliti mengadopsi indikator dalam penelitian

60

Subiyakto dan Ahan (2014) dan Subiyakto et al. (2016) yaitu integritas (OT1),

norma (OT2), kejelasan strktur sistem (OT3), dan manajemen konflik (OT4)

sebagai indikator OT. Peneliti menghipotesis bahwa :

H6: Orang dan Tindakannya (OT) berpengaruh secara signifikan terhadap

Kualitas Informasi (KI)


Kualitas Sistem (KuS)


Kualitas Layanan (KL)


Penggunaan Sistem (PS)

Konten sistem berkaitan dengan berbagai faktor yang dianggap sebagai sifat

dari sistem itu sendiri yang mempengaruhi kebiasaan, strategis, teknis, atau alur

sistem (Subiyakto dan Ahlan, 2014) sehingga berpengaruh terhadap keberhsilan

sistem itu sendiri. Peneliti mengadopsi indikator dalam penelitian Subiyakto dan

Ahan (2014) dan Subiyakto et al. (2016) yaitu kompleksitas sistem (KoS1),

ketersediaan fitur (KoS2), pengembangan teknologi (KoS3), dan kualitas data

(KoS4) sebagai indikator KoS. Peneliti menghipotesis bahwa :

H10: Konten Sistem (KoS) berpengaruh secara signifikan terhadap Kualitas

Informasi (KI)

61

H11: Konten Sistem (KoS) berpengaruh secara signifikan terhadap Kualitas Sistem

(KuS)

H12: Konten Sistem (KoS) berpengaruh secara signifikan terhadap Kualitas

Layanan (KL)

Kualitas informasi mengukur kualitas keluaran dari sisten informasi

(Jogiyanto, 2007) dimana dalam penelitian yang dilakukan oleh DeLone dan

McLane (2003) kualitas informasi berfokus pada kualitas output yang dihasilkan

oleh sistem. Peneliti mengadopsi indikator dalam penelitian Subiyakto dan Ahan

(2014), Subiyakto et al. (2016), dan Hudin dan Riana (2016) yaitu akurasi (KI1),

tepat waktu (KI2), relevan (KI3), dan konsisten (KI4) sebagai indikator dari KI.

Peneliti menghipotesis bahwa :

H13: Kualitas Informasi (KI) berpengaruh secara signifikan terhadap Penggunaan

Sistem (PS)

H14: Kualitas Informasi (KI) berpengaruh secara signifikan terhadap Kepuasan

Pengguna (KeP)

Kualitas sistem digunakan untuk mengukur kualitas sistem teknologi

informasinya sendiri (Jogiyanto, 2007). Kualitas sistem adalah kombinasi dari

hardware dan software dalam mengolah data, dimana fokus dari kualitas sistem

adalah performa sistem itu sendiri (Yuliana et al., 2016). Peneliti mengadopsi

indikator dalam penelitian Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan

62

Hudin dan Riana (2016) yaitu mudah digunakan (KuS1), mudah dirawar (KuS2),

respon cepat (KuS3), dan Fungsional (KuS4) sebagai indikator dari KuS. Peneliti

menghipotesis bahwa :

H15: Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap Penggunaan

Sistem (PS)

H16: Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap Kepuasan

Pengguna (KeP)

Menurut Parasuraman, et al. dalam penelitian Purnama (2006) mengatakan

bahwa kualitas layanan merupakan perbandingan antara layanan yang dirasakan

(persepsi) konsumen dengan kualitas layanan yang diharapkan konsumen. Dari

pendapat tersebut maka kualitas layanan adalah memberikan layanan sesuai dengan

harapan dan keingingan pelanggan (Yuliana et al., 2016). Peneliti mengadopsi

indikator dalam penelitian Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan

Hudin dan Riana (2016) yaitu fungsionalitas (KL1), respon cepat (KL2), dan

fleksibel (KL3) sebagai indokator dari KL. Peneliti menghipotesis bahwa :

H17: Kualitas Layanan (KL) berpengaruh secara signifikan terhadap Penggunaan

Sistem (PS)

H18: Kualitas Layanan (KL) berpengaruh secara signifikan terhadap Kepuasan

Pengguna (KeP)

63

Selanjutnya peneliti menggunakan dan mengadopsi penelitian yang telah

dilakukan oleh Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan Hudin dan

Riana (2016) yaitu sifat pengguna (PS1), tingkat penggunaan (PS2), dan intensitas

penggunaan (PS3) sebagai indikator dari PS. Peneliti menghipotesis bahwa :

H19: Penggunaan Sistem (PS) berpengaruh secara signifikan terhadap

Keberhasilan Sistem (KbS)

Kepuasan pengguna sangat berpengaruh secara signifikan terhadap

keberhasilan sistem informasi (Subiyakto et al., 2016). Peneliti menggunakan dan

mengadopsi penelitian yang telah dilakukan oleh Subiyakto dan Ahan (2014),

Subiyakto et al. (2016), dan Hudin dan Riana (2016) yaitu kecukupan/kepuasan

(KeP1), efektivitas (KeP2), efisiensi (KeP3), dan kepuasan keseluruhan (KeP4)

sebagai indikator dari KeP. Peneliti menghipotesis bahwa :

H20: Kepuasan Pengguna (KeP) berpengaruh secara signifikan terhadap

Keberhasilan Sistem (KbS)

Selanjutnya untuk indikator keberhasilan sistem, peneliti menggunakan

indikator dari penelitian Subiyakto dan Ahan (2014), Subiyakto et al. (2016), dan

Hudin dan Riana (2016) yaitu efisiensi (KbS1), efektivitas (KbS2), perbaikan

produktivitas (KbS3), kepuasan pengguna (KbS4), dan keunggulan kompetitif

(KbS5).

64

Tabel 3.1 Daftar Indikator

Kode Indikator Referensi

KP1 Budaya pekerjaan Subiyakto dan Ahan (2014), dan Subiyakto et

al. (2016) KP2 Pengalaman pekerja

KP3 Ketersediaan infrastruktur

KP4 Konteks eksternal

OT1 Integritas Subiyakto dan Ahan (2014),

dan Subiyakto et al. (2016) OT2 Norma

OT3 Kejelasan struktur sistem

OT4 Manajemen Konflik

KoS1 Kompleksitas sistem Subiyakto dan Ahan (2014), dan Subiyakto et

al. (2016) KoS2 Ketersediaan fitur

KoS3 Pengembangan teknologi

KoS4 Kualitas data

KI1 Akurasi Subiyakto dan Ahan (2014), Subiyakto et al.

(2016), Hudin dan Riana (2016), dan mariana

(2006) KI2 ketepatan waktu

KI3 Relevan

KI4 Konsisten

KuS1 Mudah digunakan Subiyakto dan Ahan (2014), Subiyakto et al.

(2016), Hudin dan Riana (2016), dan mariana

(2006) KuS2 Mudah dirawat

KuS3 Respon cepat

KuS4 Fungsionalitas

KL1 Fungsionalitas Subiyakto dan Ahan (2014), Subiyakto et al.

(2016), dan Hudin dan Riana (2016) KL2 Respon cepat

KL3 Fleksibelitas

PS1 Sifat pengguna Subiyakto dan Ahan (2014), dan Subiyakto et

al. (2016), dan Hudin dan Riana (2016) PS2 Tingkat penggunaan

PS3 Intensitas penggunaan

KeP1 Kecukupan/kepuasan Subiyakto dan Ahan (2014), dan Subiyakto et

al. (2016), dan Hudin dan Riana (2016) KeP2 Efektivitas

KeP3 Efisiensi

KeP4 Kepuasan keseluruhan

KbS1 Efisiensi Subiyakto dan Ahan (2014), dan Subiyakto et

al. (2016), dan Hudin dan Riana (2016) KbS2 Efektivitas

KbS3 Perbaikan produktivitas

KbS4 Kepuasan pengguna

KbS5 Keunggulan kompetitif

3.3 Prosedur Penelitian

Prosedur dalam penelitian ini terdiri dari delapan tahapan secara berurutan

(Subiyakto et al., 2016). Tahapan tersebut mencangkup kajian pustaka,

pengembangan model, perancangan penelitian, pembuatan instrument,

pengumpulan data, analisis data, interpretasi, dan pembuatan laporan.

65

Gambar 3.2 Prosedur Penelitian

3.4 Populasi dan Sampel Penelitian

Populasi yang digunakan dalam penelitian ini adalah para penumpang KRL

commuter line wilayah Jabodetabek. Berdasarkan catatan Badan Pusat Statistik

(BPS) tahun 2018, penumpang KRL Jabodetabek sampai bulan Maret 2018

sebanyak 29.223 penumpang. Pada penelitian ini, peneliti melakukan pengambilan

sampling dengan menggunakan teknik simple random sampling. Untuk menjadi

responden peneliti, responden harus memiliki pengalaman dalam menggunakan C-

VIM.

66

Dengan mempertimbangkan jumlah populasi yang banyak, keterbatasan

waktu dan biaya, sejumlah 408 orang pengguna C-VIM menjadi sampel dalam

penelitian ini. Jumlah sample tersebut melebihi dari jumlah minimum sample yang

telah dihitung menggunakan rumus slovin dengan nilai batas kelonggaran ketidak

telitian (e) adalah 5%

3.5 Instrumen Penelitian

Instrumen penelitian ini berbentuk kuesioner yang terdiri dari dua bagian.

Bagian pertama merupakan surat pengantar dari peneliti yang digunakan sebagai

permohonan untuk pengisian kuesioner dan bagian kedua merupakan pertanyaan-

pertanyaan yang terkait dengan penelitian. Lembaran pertanyaan penelitian ini

terdiri dari lima pertanyaan terkait profil responden, dua pertanyaan tentang

seberapa sering menggunakan C-VIM dan tingkat keberhasilan menggunakan C-

VIM, dan 35 pertanyaan pengujian.

Dalam penelitian ini, peneliti menggunakan lima poin skala likert seperti

yang dijelaskan oleh Syofian et al. (2015). Skala likert merupakan skala yang

digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau

sekelompok orang mengenai fenomena sosial (Sugiyono, 2013). Setiap pernyataan

disediakan lima alternatif jawaban, yaitu “sangat tidak setuju” dengan nilai 1 (satu),

“tidak setuju” dengan nilai 2 (dua), “tidak tahu” dengan nilai 3 (tiga), “setuju”

dengan nilai 4 (empat), dan “sangat setuju” dengan nilai 5 (lima).

Untuk menjamin validitas dan realibilitas alat ini, peneliti mengadopsi

sejumlah item indikator dari penelitian-penelitian terdahulu, yaitu Subiyakto dan

67

Ahlan (2014) dan Subiyakto et al. (2016). Untuk informasi lebih lengkapnya,

berikut tabel yang akan menjelaskan mengenai variabel dan indikator yang

digunakan dalam penelitian ini.

Tabel 3.2 Indikator dan Butir Pernyataan Pengujian

Variabel Indikator Pernyataan

Konteks

Pekerjaan

Budaya pekerjaan Budaya kerja saya yang terbiasa menggunakan

sistem mempengaruhi keberhasilan penggunaan C-

VIM.

Pengalaman pekerja Pengalaman saya menggunakan sistem di tempat

kerja mempengaruhi keberhasilan penggunaan C-

VIM.

Ketersediaan

infrastruktur

Ketersediaan sistem sejenis ditempat kerja saya

mempengaruhi keberhasilan penggunaan C-VIM.

Konteks eksternal Kondisi lingkungan kerja saya yang terbiasa

menggunakan sistem mempengaruhi keberhasilan

penggunaan C-VIM.

Orang dan

Tindakannya

Integritas Saya menggunakan C-VIM sesuai aturan dan

ketentuan yang berlaku.

Norma Saya menggunakan C-VIM dengan kualitas moral

yang baik.

Kejelasan struktur

sistem

Saya mengetahui bahwa alur penggunaan C-VIM

telah terstruktur dengan jelas.

Manajemen Konflik Saya dapat mengelola masalah terkait penggunaan

C-VIM dengan baik.

Konten Sistem Kompleksitas sistem Kompleksitas C-VIM mempengaruhi keberhasilan

penggunaannya.

Ketersediaan fitur Fitur C-VIM yang tersedia mempengaruhi

keberhasilan penggunaannya.

Pengembangan

teknologi

Teknologi C-VIM mengadopsi teknologi terbaru.

Kualitas data Data yang tersedia pada C-VIM bekualitas sesuai

kebutuhan saya.

Kualitas

Informasi

Akurasi Informasi yang diberikan oleh C-VIM akurat.

ketepatan waktu Informasi mampu disajikan oleh C-VIM secara

tepat waktu.

Relevan Informasi yang disajikan oleh C-VIM sesuai

dengan kebutuhan saya.

Konsisten Informasi mampu disajikan oleh C-VIM secara

konsisten.

Kualitas Sistem Mudah digunakan C-VIM mudah digunakan.

Mudah dirawat C-VIM terlihat mudah dirawat.

Respon cepat C-VIM mampu merespon secara cepat terhadap

perintah yang diberikan.

Fungsionalitas C-VIM dapat berfungsi dengan baik.

Kualitas

Pelayanan

Fungsionalitas C-VIM mampu mewakili fungsionalitas sebagai

pengganti loket.

68

Tabel 3.3 Indikator dan Butir Pernyataan Pengujian (Lanjutan)

Respon cepat C-VIM mampu memberikan respon dengan cepat.

Fleksibelitas C-VIM mampu memberikan pelayanan secara

fleksibel sesuai kebutuhan saya.

Penggunaan

Sistem

Sifat pengguna Keberhasilan penggunaan C-VIM dipengaruhi oleh

sifat pengunaannya.

Tingkat penggunaan Penggunaan C-VIM sudah tersebar luas digunakan

oleh penumpang KRL.

Intensitas penggunaan Penggunaan C-VIM memenuhi kebutuhan

intensitas yang disyaratkan.

Kepuasan

Pengguna

Kecukupan/kepuasan Saya puas menggunakan C-VIM.

Efektivitas Saya puas dengan efektifitas penggunaan C-VIM.

Efisiensi Saya puas dengan efisiensi penggunaan C-VIM.

Kepuasan keseluruhan Secara keseluruhan, saya puas dengan kinerja C-

VIM.

Keberhasilan

Sistem

Efisiensi Penggunaan C-VIM merupakan bentuk efisiensi

dalam pelayanan.

Efektivitas Penggunaan C-VIM sangat efektif.

Perbaikan

produktivitas

Penggunaan C-VIM mampu meningkatkan

produktivitas kinerja PT KAI Persero.

Kepuasan pengguna Penggunaan C-VIM mampu meningkatkan

kepuasan penumpang.

Keunggulan

kompetitif

Penggunaan C-VIM mampu meningkatkan daya

saing kereta api sebagai transportasi umum.

3.6 Pengumpulan dan Pemrosesan Data

Proses pengumpulan data pada penelitian ini dilakukan dengan

menyebarkan kuesioner secara langsung dan tidak langsung. Penyebaran secara

langsung dilakukan oleh peneliti untuk mencari responden yang tepat melalui tatap

muka secara langsung dengan membagikan kuesioner di stasiun Sudimara, Pondok

Ranji, Kebayoran, Poris, Kalideres, Jurangmangu, Batu Ceper, Tanah Tinggi,

Tangerang, Rawa Buaya, Universitas Indonesia, dan Karet. Penyebaran secara tidak

langsung dilakukan dengan cara menyebarkan link kuesioner melalui media sosial

(e-mail, whatsapp, line, dan instagram) dengan bantuan google forms untuk

pengisian kuesioner, link tersebut dikirimkan kepada rekan yang pernah

bekerjasama dengan peneliti dan terbilang sering menggunakan KRL Commuter

69

line di wilayah Jabodetabek. Penyebaran kuesioner ini dilakukan mulai dari tanggal

14 April 2018 sampai 5 Mei 2018 guna mencapai target dari jumlah sampel yang

diinginkan.

Jumlah kuesioner yang terkumpul akan diklasifikasikan menggunakan

perangkat lunak pengolah angka MS. Excel 2016. Berdasarkan pengumpulan data

yang telah dilakukan, peneliti berhasil mendapatkan 420 kuesioner. Dari 420

kuesioner yang terkumpul, sebanyak 12 diantaranya tidak valid karena terjadi

penginputan ganda pada google form, sehingga kuesioner yang dinyatakan valid

berjumlah 408 kuesioner.

3.7 Analisis Data dan Interpretasi hasilnya

Berdasarkan pada proses analisis data yang pernah dilakukan oleh

Subiyakto dan Sukmana (2014), tahap ini dibagi menjadi dua tahap utama, yaitu

analisis demografis dan analisis statistik inferensial. Pertama, peneliti melakukan

analisis data demografis dengan menggunakan perangkat melakukan analisis data

demografis dengan menggunakan perangkat lunak pengolah olah angka Ms. Excel

2016. Data responden akanan dikelompokkan berdasarkan jenis kelamin,

pendidikan, status pekerjaan, usia, seberasa sering menggunakan C-VIM, dan

tingkat keberhasilan menggunakan C-VIM.

Kedua, peneliti melakukan analisis statistik inferensial menggunakan

SmartPLS versi 3.0 (Kurniawan & Yamin, 2011). Mengacu pada sejumlah

penelitian terdahulu, peneliti melakukan analisis dengan dua tahap, yaitu analisis

measurement model dan structural model. Measurement model dilakukan untuk

70

menguji realibilitas dan validitas outer model melalui tahapan pengujiam individual

item reliability, internal consistency reliability, convergent validity, dan

discriminant validity. Sedangkan pengujian structural model dilakukan untuk

menguji path coefficient (β), coefficient of determination (R2), t-test menggunakan

metode bootstrapping, effect size (𝑓2), predictive relevance (𝑄2), dan relative

impact (𝑞2) (Hair, Sarstedt, Ringle, & Mena, 2012).

71

BAB IV

HASIL ANALISIS DAN INTERPRETASI

4.1 Gambaran Umum Perusahaan

4.1.1 Sejarah Berdirinya PT Kereta Commuter Indonesia

PT Kereta Api Indonesia (KAI) Persero adalah perusahaan yang bergerak

pada bidang penyediaan jasa kereta api yang berupa pelayanan penumpang dan

layanan pengangkutan barang baik kiriman hantaran dan biasa berdasarkan kontrak

kerjasama dengan pihak lain. PT KAI Persero milik Pemerintah (BUMN) yang

kemudian stastusnya berubah menjadi Persero, dimana yang semula tujuan

usahanya memberikan pelayanan atau jasa transportasi dan tidak berorientasi

mendapatkan keuntungan kemudian berubah menjadi memberikan pelayanan atau

jasa transportasi dan berorientasi pada keuntungan perusahaan.

PT Kereta Commuter Indonesia (KCI) adalah salah satu anak perusahaan di

lingkungan PT KAI Persero yang dibentuk sesuai dengan Inpres No 5 Tahun 2008

dan surat Menneg BUMN No. S-653/ MBU/2008 tanggal 12 Agustus 2008.

Pembentukan anak perusahaan ini berawal dari keinginan para stakeholder untuk

lebih fokus dalam memberikan pelayanan yang berkualitas dan menjadi bagian dari

solusi permasalahan transportasi perkotaan yang semakin kompleks.

PT KCI ini akhirnya resmi menjadi anak perusahaan PT KAI Persero sejak

tanggal 15 september 2008 yaitu sesuai dengan Akte Pendirian no. 415 Notaris

Ilmiawan Dekrit, S.H. Kehadiran PT KAI Commuter Jabodetabek dalam industri

jasa angkutan, merupakan proses pemikiran dan persiapan yang cukup panjang.

72

Dimulai dengan pembentukan Divisi Angkutan Perkotaan Jabodetabek oleh

induknya PT KAI Persero yang memisahkan diri dari saudara tuanya. PT KAI

Persero Daop 1 Bogor dengan kebijakan penghapusan subsidi BBM yang membuat

daya beli masyarakat turun mendapatkan perlindungan dengan membayar tarif

kereta lebih murah. Subsidi pemerintah berupa Public Service Obligation (PSO)

untuk PT KAI Persero sebesar Rp704,7 milliar.

Terlihat bahwa jarak stasiun kereta api Bogor-Jakarta Kota dengan 23

stasiun dikenakan tarif progresif pasca subsidi sebesar Rp5000,- per orang dan tarif

sebelum diberlakukan tarif progresif bersubsidi adalah sebesar Rp9000,- per orang.

Sehingga tiap orang dari jarak terjauh akan mendapatkan subsidi maksimal yaitu

sebesar Rp4000,- atau sebesar 44,5 persen. Perbaikan untuk meningkatkan kualitas

pelayanan yang dilakukan oleh PT KCI tidak hanya mengenai tarif progresif tetapi

perluasan dan revitalisasi stasiun di seluruh Jabodetabek. Dengan adanya

mekanisme tarif progresif jumlah penumpang kereta api Jabodetabek semakin

meningkat. Dengan semakin meningkatnya penumpang atau pelanggan Commuter

PT KCI kembali menambah jumlah perjalanan KRL Jabodetabek.

Jumlah penumpang KRL Pada Tahun 2006 sekitar 104.425.000 orang atau

sebesar 66,90% dari jumlah penumpang kerata api di Jawa dan di Tahun 2007

meningkat menjadi sekitar 118.095.000 orang, lalu di Tahun 2008 meningkat cukup

tinggi sekitar 125.451.000 orang dan Tahun 2009 terus mengalami peningkatan

sebesar 130.508.000 orang. Namun pada Tahun 2010 sedikit mengalami penurunan

menjadi sebesar 124.308.000 orang serta pada Tahun 2011 juga mengalami

penurunan menjadi sekitar 121.105.000 orang dan meningkat kembali pada Tahun

73

2012 menjadi sebesar 134.088.000 orang. Lalu pada Tahun 2014 total penumpang

atau pelanggan semakin meningkat sekitar 600 sampai dengan 700 penumpang per

hari di jabodetabek, untuk rute Bogor-Jakarta sekita 200 penumpang per harinya.

Program pengadaan armada akan dilakukan setiap Tahun hingga akhir Tahun 2019

dimana jumlah armada KRL yang di harapkan target 1.2 juta penumpang per hari.

Penambahan ini di lakukan seiring dengan program pengadaan dan

perbaikan sarana KRL, dimana PT KCI memiliki jumlah saran siap operasi yang

memungkinkan untuk meningkatkan jumlah perjalanan. Sasaran dari peningkatan

jumlah perjalanan ini tentunya mengoptimalkan pelayanan bagi para pengguna.

Tugas Pokok PT KCI adalah menyelenggarakan Pengusahaan pelayanan jasa

angkutan kereta api Commuter dengan menggunakan sarana Kereta Rel Listrik di

Wilayah Jakarta, Bogor, Depok, Tangerang (Serpong), dan Bekasi serta

pengusahaan di bidang usaha non angkutan penumpang.

4.1.2 Visi dan Misi PT Kereta Commuter Indonesia

a. Visi PT Kereta Commuter Indonesia

Layaknya perusahaan pada umumnya, PT KCI memiliki visi tersendiri,

yaitu “Mewujudkan jasa angkutan kereta api komuter sebagai pilihan utama dan

terbaik di wilayah Jakarta dan sekitarnya”.

b. Misi PT Kereta Commuter Indonesia

Selain memiliki visi, PT. KCJ juga memiliki misi, yaitu “Menyelenggarakan

jasa angkutan kereta api komuter yang mengutamakan keselamatan, pelayanan,

kenyamanan, dan ketepatan waktu, serta yang berwawasan lingkungan”.

74

4.1.3 Struktur Organisasi

Gambar 4.1 Struktur Organisasi PT KCI

4.2 Perhitungan Rumus Slovin

Diketahui pada bab sebelumnya bahwa sampel pada penelitian ini

berjumlah 408 sampel. Jumlah sample tersebut melebihi dari jumlah minimum

sampel yang telah dihitung menggunakan rumus slovin dengan nilai batas

kelonggaran ketidak telitian (e) adalah 5%, karean semakin kecil nilai ketidak

telitiannya maka akan semakin tinggi keakuratannya. Adapun perhitungan sampel

dengan menggunakan rumus slovin yaitu :

75

𝑛 =𝑁

1 + 𝑁𝑒2=

29.223

1 + 29.223 𝑥 0,0025=

29.223

1 + 73,0575=

29.223

74,0575= 394,5988 = 𝟑𝟗𝟓

4.3 Hasil Analisis

4.2.1 Hasil Analisis Demografis

Hasil analisis jawaban dari responden terhadap pertanyaan dan pernyataan

yang berkaitan dengan profil responden dan penggunaan C-VIM oleh penumpang

menghasilkan analisis demografis. Peneliti berhasil mengumpulkan data responden

dalam tiga minggu (14 April 20018 – 5 Mei 2018), sebanyak 408 data valid.

Informasi demografis yang dihasilkan meliputi jenis kelamin, pendidikan,

pekerjaan, usia, tingkat intensitas penggunaan C-VIM, dan tingkat keberhasilan

penggunaan C-VIM. Berikut adalah hasil analisisnya.

1. Jenis Kelamin

Gambar di bawah ini memperlihatkan bahwa dari 408 responden pada

penelitian ini, sebagian besar didominasi oleh responden dengan jenis

kelamin perempuan, yaitu sebanyak 280 orang atau sebesar 69% dan sisanya

yaitu laki-laki sebanyak 128 orang atau sebesar 31%.

Gambar 4.2 Diagram Lingkaran Jenis Kelamin Ressponden

Laki - Laki31%

Perempuan69%

76

2. Pendidikan

Berdasarkan diagram lingkaran dibawah ini memperlihatkan pendidikan

akhir responden yaitu, SLTA kebawah sebanyak 73 orang (17,9%), Diploma

sebanyak 35 orang (8,6%), S1 sebanyak 282 orang (69,1%), S2 sebanyak 17

orang (4,2%), dan S3 sebanyak 1 orang (0,2%).

Gambar 4.3 Diagram Lingkaran Pendidikan Akhir Responden

3. Pekerjaan

Diagram lingkaran dibawah ini memperlihatkan status pekerjaan responden

pada peneliatian ini meliputi: pelajar atau mahasiswa sebanyak 218 orang

(53,4%), guru, dosen atau peneliti sebanyak 10 orang (2,5%), pegawai negeri

sipil mencangkup POLRI dan TNI sebanyak 15 orang (3,7%), pegawai swasta

sebanyak 100 orang (24,5%), ibu rumah tangga sebanyak 21 orang (5,2%),

dan lainnya meliputi pengusaha, bidan, pekerja lepas, pengangguran dan

lainnya sebanyak 44 orang (10,7%).

< SLTA17,9%

Diploma8,6%

S169,1%

S24,2%

S30,2%

77

Gambar 4.4 Diagram Lingkaran Status Pekerjaan Responden

4. Usia

Diagram lingkaran dibawah ini menjelaskan usia responden pada penelitian

ini yaitu, di bawah usia 20 tahun sebanyak 59 orang (14%), 20-30 tahun 312

orang (77%), 30-40 tahun 18 orang (4%), dan diatas 40 tahun sebanyak 19

orang (5%).

Gambar 4.5 Diagram Lingkaran Usia Responden

Ibu Rumah Tangga5,2%

Pelajar / Mahasiswa

53,4%

Pegawai Swasta24,5%

Guru / Dosen / Peneliti

2,5%

Pegawai Negeri Sipil3,7%

Lainnya10,7%

< 20 tahun14%

> 40 tahun5%

20 - 30 tahun77%

30 - 40 tahun4%

78

5. Tingkat Intensitas Penggunaan C-VIM

Diagram dibawah ini menjelaskan tingkat intensitas atau keseringan

penggunaan C-VIM oleh responden diantaranya 277 orang atau 68% dari

responden jarang menggunakan C-VIM, 21 orang (5%) dari responden setiap

hari menggunakannya, 80 orang (20%) responden menggunakannya 2 sampai

3 kali seminggu, dan 30 orang (7%) responden 4 samapi 6 kali dalam

penggunaannya.

Gambar 4.6 Diagram Lingkaran Tingkat Intensitas Penggunaan C-VIM

6. Tingkat Keberhasilan Penggunaan C-VIM

Diagram dibawah ini menjelaskan tingkat keberhasilan penggunaan C-VIM

dimana 280 orang (69%) responden berhasil menggunakannya, 38 orang

(9%) kurang berhasil, 39 orang (10%) sangat berhasil, dan 51 orang (12%)

tidak tahu tingkat keberhasilannya dalam menggunakan C-VIM.

2 - 3 kali seminggu

20%

4 - 6 kali seminggu

7%

Jarang68%

Setiap hari5%

79

Gambar 4.7 Diagram Lingkaran Tingkat Keberhasilan Penggunaan C-VIM

4.2.2 Hasil Analisis Pengukuran Model (Outer Mode)

Di tahap ini, peneliti melakukan analisis pengukuran model yang terdiri dari

empat tahap pengujian yaitu individual item reliability, internal consistency

reliability, convergent validity, dan discriminant validity. Berikut penjelasan hasil

analisis model dalam empat tahap.

1. Uji individual item reliability

Standardized loading factor menggambarkan besarnya korelasi antara

setiap item pengukuran (indikator) dengan konstruknya dengan melihat nilai outer

loading. Nilai outer loading di atas 0,7 dapat dikatakan baik yang berarti indikator

tersebut valid dalam mengukur konstruknya. Merujuk pada standar nilai outer

loading, setelah melalui pengujian pada SmartPLS 3.0, dapat dilihat pada tabel 4.1

bahwa terdapat 4 indikator, yaitu KP2, KP3, KoS1, dan PS1 yang memiliki nilai

outer loading dibawah 0,7 sehingga indikator tersebut harus dihapus. Setelah

melakukan beberapa kali pengujian seperti penghapusan indikator lainnya secara

bergantian, ditemukan kembali indikator yang tidak memenuhi nilai standar outer

Berhasil69%

Kurang berhasil

9%

Sangat Berhasil

10%

Tidak tahu12%

80

loading yaitu KoS2. Namun, selain ditemukannya indikator yang tidak memenuhi

nilai standar outer loading ditemukan juga bahwa indikator KP2 masih bisa

digunakan karena nilainya memenuhi nilai standar outer loading setelah

penghapusan indikator PS1, KoS1, KP3, dan KoS2.

Tabel 4.1 Hasil Awal Pengujian Loading Factor menggunakan SmartPLS

KI KL KP KbS KeP KoS KuS OT PS

KI1 0,823

KI2 0,819

KI3 0,886

KI4 0,869

KL1 0,837

KL2 0,865

KL3 0,882

KP1 0,749

KP2 0,692

KP3 0,663

KP4 0,763

KbS1 0,839

KbS2 0,859

KbS3 0,845

KbS4 0,880

KbS5 0,810

KeP1 0,895

KeP2 0,927

KeP3 0,906

KeP4 0,915

KoS1 0,662

KoS2 0,740

KoS3 0,758

KoS4 0,804

KuS1 0,783

KuS2 0,750

KuS3 0,848

KuS4 0,828

OT1 0,739

81

Tabel 4.1 Hasil Awal Pengujian Loading Factor menggunakan SmartPLS

(Lanjutan)

OT2 0,778

OT3 0,843

OT4 0,750

PS1 0,624

PS2 0,757

PS3 0,891

Setelah menghapus keempat indikator tersebut maka nilai loading factor

untuk semua indikator sudah memenuhi nilai standar loading factor dan siap untuk

dilakukan pengujian selanjutnya seperti tabel 4.2.

Tabel 4.2 Hasil Pengujian Loading factor Setelah Penghapusan Indikator


KI1 0,822

KI2 0,818

KI3 0,887

KI4 0,869

KL1 0,836

KL2 0,866

KL3 0,882

KP1 0,820

KP2 0,773

KP4 0,792

KbS1 0,840

KbS2 0,859

KbS3 0,844

KbS4 0,880

KbS5 0,809

KeP1 0,895

KeP2 0,927

82

Tabel 4.2 Hasil Pengujian Loading factor Setelah Penghapusan Indikator

(Lanjutan)

KeP3 0,906

KeP4 0,915

KoS3 0,851

KoS4 0,901

KuS1 0,783

KuS2 0,747

KuS3 0,850

KuS4 0,829

OT1 0,742

OT2 0,781

OT3 0,839

OT4 0,749

PS2 0,810

PS3 0,922

2. Uji internal consistency reliability

Pengujian ini dilakukan dengan melihat nilai composite reliabality (CR)

dengan ambang batas di atas 0,7. Berikut tabel 4.3 memperlihatkan hasil

perhitungan oleh SmartPLS 3.0 di mana seluruh nilai CR dari semua variabel sudah

memenuhi syarat dan valid untuk digunakan dalam model penelitian ini.

Tabel 4.3 Hasil Pengujian Composite Reliability (CR)

Composite Reliability

KI 0,912

KL 0,896

KP 0,837

KbS 0,927

KeP 0,951

KoS 0,869

KuS 0,879

83

Tabel 4.4 Hasil Pengujian Composite Reliability (CR) (Lanjutan)

OT 0,860

PS 0,859

3. Uji convergent validity

Berikutnya melakukan pengujian convergent validity dengan melihat nilai

average variance extracted (AVE), di mana nilai AVE menggambarkan besaran

atau keragaman variabel manifes (indikator) yang dapat dikandung oleh variabel

laten (konstruk). Nilai AVE yang baik dalam menunjukkan convergent validity

adalah minimal 0,5. Artinya, variabel laten dapat menjelaskan rata-rata lebih dari

setengah varian dari indikatornya. Berikut tabel 4.4 memperlihatkan hasil

perhitungan oleh SmartPLS 3.0 di mana seluruh nilai AVE dari semua variabel

sudah memenuhi syarat dan valid untuk digunakan dalam model penelitian ini.

Tabel 4.5 Hasil Pengujian Average Variance Extracted (AVE)

Average Variance Extracted

(AVE)

KI 0,722

KL 0,742

KP 0,632

KbS 0,717

KeP 0,830

KoS 0,768

KuS 0,645

OT 0,606

PS 0,753

84

4. Uji discriminant validity

Pengujian ini dapat dilakukan melalui dua cara yaitu dengan memeriksa

cross loading dan cross loading Fornell-Lacker’s, pertama melakukan

perbandingan korelasi indikator dengan konstruknya dan konstruk blok lainnya.

Bila korelasi antar indikator dengan konstruknya lebih tinggi dari korelasi dengan

konstruk blok lainnya, maka konstruk tersebut memprediksi ukuran pada blok

mereka lebih baik dari blok lainnya. Selanjutnya dengan memeriksa cross loading

Fornell-Lacker’s yaitu dengan membandingkannya dengan nilai akar AVE, di

mana nilai akar AVE harus lebih tinggi daripada korelasi antara konstruk dengan

konstruk lainnya. Hasilnya dapat dilihat pada tabel 4.5 yang telah menunjukkan

bahwa nilai cross loading indikator yang diberi blok kuning pada setiap variabel

memiliki nilai lebih tinggi dari korelasi dengan konstruk blok lainnya.

Tabel 4.6 Hasil Pengujian Discriminant Validity (Cross Loading)


KI1 0,822 0,435 0,237 0,469 0,443 0,534 0,424 0,450 0,378

KI2 0,818 0,612 0,281 0,574 0,537 0,508 0,589 0,365 0,443

KI3 0,887 0,490 0,335 0,486 0,485 0,623 0,493 0,485 0,451

KI4 0,869 0,498 0,361 0,496 0,492 0,564 0,521 0,487 0,515

KL1 0,502 0,836 0,141 0,654 0,596 0,317 0,505 0,259 0,427

KL2 0,496 0,866 0,235 0,641 0,627 0,389 0,667 0,278 0,472

KL3 0,550 0,882 0,294 0,691 0,659 0,383 0,619 0,380 0,476

KP1 0,240 0,190 0,820 0,229 0,267 0,207 0,256 0,261 0,208

KP2 0,353 0,199 0,773 0,306 0,298 0,255 0,168 0,383 0,230

KP4 0,254 0,237 0,792 0,270 0,232 0,310 0,269 0,248 0,300

KbS1 0,492 0,661 0,318 0,840 0,703 0,332 0,513 0,383 0,503

KbS2 0,509 0,701 0,261 0,859 0,712 0,318 0,589 0,361 0,504

KbS3 0,487 0,591 0,280 0,844 0,564 0,334 0,516 0,332 0,474

KbS4 0,547 0,679 0,315 0,880 0,652 0,423 0,601 0,387 0,476

KbS5 0,484 0,605 0,270 0,809 0,533 0,371 0,481 0,398 0,428

85

Tabel 4.5 Hasil Pengujian Discriminant Validity (Cross Loading) (Lanjutan)

KeP1 0,553 0,643 0,270 0,639 0,895 0,358 0,576 0,423 0,490

KeP2 0,483 0,640 0,314 0,680 0,927 0,296 0,606 0,442 0,495

KeP3 0,513 0,692 0,319 0,714 0,906 0,310 0,615 0,402 0,517

KeP4 0,550 0,679 0,318 0,714 0,915 0,385 0,629 0,425 0,564

KoS3 0,473 0,373 0,266 0,340 0,279 0,851 0,394 0,310 0,379

KoS4 0,664 0,370 0,304 0,390 0,364 0,901 0,431 0,487 0,376

KuS1 0,498 0,562 0,176 0,542 0,577 0,347 0,783 0,324 0,413

KuS2 0,344 0,462 0,285 0,431 0,459 0,276 0,747 0,169 0,352

KuS3 0,510 0,623 0,223 0,537 0,539 0,425 0,850 0,210 0,436

KuS4 0,543 0,575 0,253 0,535 0,556 0,447 0,829 0,340 0,428

OT1 0,365 0,208 0,298 0,268 0,241 0,312 0,125 0,742 0,198

OT2 0,358 0,213 0,346 0,325 0,283 0,381 0,181 0,781 0,235

OT3 0,474 0,337 0,278 0,396 0,479 0,415 0,357 0,839 0,363

OT4 0,423 0,325 0,274 0,355 0,392 0,326 0,312 0,749 0,310

PS2 0,361 0,323 0,273 0,381 0,393 0,313 0,373 0,254 0,810

PS3 0,531 0,563 0,273 0,573 0,568 0,419 0,496 0,366 0,922

Tabel 4.7 Hasil Pengujian Discriminant Validity (Cross Loading Fornel Lacker’s)


KI 0,850

KL 0,599 0,861

KP 0,360 0,264 0,795

KbS 0,595 0,768 0,341 0,847

KeP 0,576 0,729 0,336 0,755 0,911

KoS 0,657 0,423 0,327 0,418 0,371 0,877

KuS 0,597 0,696 0,288 0,640 0,666 0,472 0,803

OT 0,527 0,357 0,379 0,439 0,464 0,463 0,330 0,779

PS 0,528 0,533 0,311 0,566 0,568 0,430 0,509 0,366 0,868

Tabel 4.6 menunjukkan bahwa nilai akar AVE lebih tinggi daripada korelasi

antara konstruk dengan konstruk lainnya. Sehingga berdasarkan hasil pemeriksaan

dua tahapan cross loading diketahui bahwa tidak ada masalah dalam pengujian

discriminant validity.

86

Secara singkat, hasil analisis pengukuran model di atas menunjukkan bahwa

model yang peneliti ajukan sudah memenuhi karakteristik yang baik secara statistik

sehingga dapat disimpulkan bahwa model tersebut memenuhi syarat untuk

dilanjutkan ke tahap pengujian struktur model (Hair et al., 2012; Afthanorhan,

2013).

87

Tabel 4.8 Hasil Analisis Pengukuran Model

Var Ind OL CL

AVE CR Akar

AVE KI KL KP KbS KeP KoS KuS OT PS

KI

KI1 0,822 0,822 0,435 0,237 0,469 0,443 0,534 0,424 0,450 0,378

0,722 0,912 0,850 KI2 0,818 0,818 0,612 0,281 0,574 0,537 0,508 0,589 0,365 0,443

KI3 0,887 0,887 0,490 0,335 0,486 0,485 0,623 0,493 0,485 0,451

KI4 0,869 0,869 0,498 0,361 0,496 0,492 0,564 0,521 0,487 0,515

KL

KL1 0,836 0,502 0,836 0,141 0,654 0,596 0,317 0,505 0,259 0,427

0,742 0,896 0,861 KL2 0,866 0,496 0,866 0,235 0,641 0,627 0,389 0,667 0,278 0,472

KL3 0,882 0,550 0,882 0,294 0,691 0,659 0,383 0,619 0,380 0,476

KP

KP1 0,820 0,240 0,190 0,820 0,229 0,267 0,207 0,256 0,261 0,208

0,632 0,837 0,795 KP2 0,773 0,353 0,199 0,773 0,306 0,298 0,255 0,168 0,383 0,230

KP3*

KP4 0,792 0,254 0,237 0,792 0,270 0,232 0,310 0,269 0,248 0,300

KbS

KbS1 0,840 0,492 0,661 0,318 0,840 0,703 0,332 0,513 0,383 0,503

0,717 0,927 0,847

KbS2 0,859 0,509 0,701 0,261 0,859 0,712 0,318 0,589 0,361 0,504

KbS3 0,844 0,487 0,591 0,280 0,844 0,564 0,334 0,516 0,332 0,474

KbS4 0,880 0,547 0,679 0,315 0,880 0,652 0,423 0,601 0,387 0,476

KbS5 0,809 0,484 0,605 0,270 0,809 0,533 0,371 0,481 0,398 0,428

KeP

KeP1 0,895 0,553 0,643 0,270 0,639 0,895 0,358 0,576 0,423 0,490

0,83 0,951 0,911 KeP2 0,927 0,483 0,640 0,314 0,680 0,927 0,296 0,606 0,442 0,495

KeP3 0,906 0,513 0,692 0,319 0,714 0,906 0,310 0,615 0,402 0,517

KeP4 0,915 0,550 0,679 0,318 0,714 0,915 0,385 0,629 0,425 0,564

KoS

KoS1*

0,768 0,869 0,877 KoS2*

KoS3 0,851 0,473 0,373 0,266 0,340 0,279 0,851 0,394 0,310 0,379

KoS4 0,901 0,664 0,370 0,304 0,390 0,364 0,901 0,431 0,487 0,376

KuS KuS1 0,783 0,498 0,562 0,176 0,542 0,577 0,347 0,783 0,324 0,413 0,645 0,879 0,803

88

Tabel 4.7 Hasil Analisis Pengukuran Model (Lanjutan)

KuS2 0,747 0,344 0,462 0,285 0,431 0,459 0,276 0,747 0,169 0,352

KuS3 0,850 0,510 0,623 0,223 0,537 0,539 0,425 0,850 0,210 0,436

KuS4 0,829 0,543 0,575 0,253 0,535 0,556 0,447 0,829 0,340 0,428

OT

OT1 0,742 0,365 0,208 0,298 0,268 0,241 0,312 0,125 0,742 0,198

0,606 0,86 0,779 OT2 0,781 0,358 0,213 0,346 0,325 0,283 0,381 0,181 0,781 0,235

OT3 0,839 0,474 0,337 0,278 0,396 0,479 0,415 0,357 0,839 0,363

OT4 0,749 0,423 0,325 0,274 0,355 0,392 0,326 0,312 0,749 0,310

PS

PS1*

0,753 0,859 0,868 PS2 0,810 0,361 0,323 0,273 0,381 0,393 0,313 0,373 0,254 0,810

PS3 0,922 0,531 0,563 0,273 0,573 0,568 0,419 0,496 0,366 0,922

89

4.2.3 Hasil Analisis Model Struktural (Inner Model)

Pada tahap analisis model struktural dilakukan enam tahapan pengujian

yang terdiri dari pengujian path coefficient (β), coefficient of determination (R2), t-

test menggunakan metode bootstrapping, effect size (𝑓2), predictive relevance (𝑄2),

dan relative impact (𝑞2).

1. Uji path coefficient (β)

Pengujian ini dilakukan dengan melihat nilai ambang batas di atas 0,1 di di

mana jalur dapat dinyatakan memiliki pengaruh dalam model jika hasil nilai uji

koefisien jalur berada di atas 0,1. Hasilnya dari 20 jalur yang ada pada model

penelitian ini, 18 jalur tersebut dinyatakan memiliki pengaruh signifikan dan 2 jalur

tidak memiliki pengaruh signifikan, yaitu jalur KP KI dan KP KL.

Tabel 4.9 Hasil Pengujian Jalur Koefisien menggunakan SmartPLS 3.


KI 0,144 0,227

KL 0,464 0,239

KP 0,098 0,095 0,327 0,123 0,379

KbS

KeP 0,640

KoS 0,507 0,309 0,382

KuS 0,257 0,173

OT 0,255 0,178 0,107 0,104

PS 0,202

90

Gambar 4.8 Hasil Analisis Path Coefficient

2. Uji coefficient of determination (R2)

Tujuan dari pengujian ini adalah untuk menjelaskan varian dari tiap target

variabel endogen dengan standar pengukuran sekitar 0,670 dinyatakan sebagai kuat,

sekitar 0,333 dinyatakan sebagai moderat, dan 0,190 atau di bawahnya

menunjukkan tingkat varian yang lemah. Berikut adalah hasil uji coefficient of

determination. Pada tabel 4.9 dapat dilihat bahwa KL, KoS, KuS, dan OT memiliki

nilai R2 yang lemah, dengan nilai masing-masing yaitu 0,220; 0,107; 0,251; dan

0,143. Hal ini menjelaskan bahwa KP, KoS, dan OT memiliki tingkat varian yang

lemah sebesar 22% dari KL, KP memiliki tingkat varian yang lemah sebesar 11%

dari KoS. Lalu KP, KoS, dan OT memiliki tingkat varian yang lemah sebesar 25%

91

dari KuS, dan KP memiliki tingkat varian yang lemah sebesar 14% dari OT.

Sedangkan variabel KI, KbS, KeP, dan PS memiliki nilai R2 yang moderat, dengan

nilai masing-masing yaitu 0,503; 0,598; 0,593; dan 0,374. Hal ini menjelaskan

bahwa KP, KoS, dan OT memiliki tingkat varian yang moderat sebesar 50% dari

KI. KeP dan PS memiliki tingkat varian yang moderat sebesar 60% dari KbS. KI,

KL, dan KuS memiliki tingkat varian yang moderat sebesar 59% dari KeP. KI, KL,

KuS, dan OT memiliki tingkat varian yang moderat sebesar 37% dari PS. Dan

dalam penelitian ini, tidak ada varian yang menjelaskan tingkat varian secara

akurat.

Tabel 4.10 Hasil Pengujian Coefficiennt of Determination (R2)

R Square

KI 0,503

KL 0,220

KbS 0,598

KeP 0,593

KoS 0,107

KuS 0,251

OT 0,143

PS 0,374

3. Uji t-test

Pada pengujian t-test dilakukan dengan menggunakan metode

bootstrapping pada SmartPLS 3.0, dan nilai yang diterima pada pengujian t-test

adalah diatas 1,96. Berikut pada tabel 4.10 dapat dilihat hasil pengujiannya di mana

dari total 20 hipotesis terdapat 16 hipotesis yang diterima yaitu KI KeP, KI

PS, KL KeP, KL PS, KP KoS, KP OT, KeP KbS, KoS KI, KoS

92

KL, KoS KuS, KuS KeP, KuS PS, OT KI, OT KL, OT PS,

dan PS KbS dengan nilai dapat dilihat pada tabel 4.10. Dan terdapat 4 hipotesis

yang ditolak karena tidak memenuhi syarat nilai yang diterima pada pengujian t-

test di antaranya adalah KP KI, KP KL, KP KuS, dan OT KuS dengan

masing-masing nilai yaitu 1,800; 1,432; 1,959; dan 1,433.

4. Uji effect size (𝑓2)

Pada tahap pengujian ini dilakukan guna memprediksi pengaruh variabel

tertentu. Nilai ambang batas yang digunakan diantaranya 0,02 berpengaruh kecil,

0,15 berpengaruh menengah, dan 0,35 berpengaruh besar. Pada tabel 4.10

memperlihatkan hasil analisis, dimana terdapat 2 jalur yang memiliki pengaruh

besar yaitu KeP KbS dengan nilai 0,693 dan KoS KI dengan nilai 0,392.

Terdapat 2 jalur yang memiliki pengaruh menengan yaitu KL KeP dengan nilai

0,244 dan KP OT dengan nilai 0,167. Dan terdapat 16 jalur yang memiliki

pengaruh kecil yaitu KI KeP, KI PS, KL PS, KP KI, KP KL, KP

KoS, KP KuS, KoS KL, KoS KuS, KuS KeP, KuS PS, OT

KI, OT KL, OT KuS, OT PS, dan PS KbS dengan nilai dapat dilihat

pada tabel 4.10

5. Uji predictive relevance (Q2)

Pada tahapan ini dilakukan pengujian dengan metode blindfolding untuk

menjelaskan bahwa variabel tertentu yang digunakan dalam model mempunyai

keterkaitan secara prediktif dengan variabel lainnya dalam model dengan nilai

93

ambang batas di atas nol (0). Dari hasil pengujian, diketahui bahwa nilai Q2 dari

seluruh variabel di atas nol (0) yang menunjukkan keterkaitan secara prediktif.

Dapat dilihat pada tabel 4.10.

6. Uji relative impact (𝑞2).

Seperti pengujian Q2 pengujian ini juga dilakukan dengan metode

blindfolding. Pengukuran ini dilakukan guna mengukur relatif pengaruh dari sebuah

keterkaitan prediktif suatu variabel dengan variabel lainnya. Ambang batas yang

digunakan sama dengan f2 yaitu sekitar 0,02 memiliki pengaruh kecil, 0,15

memiliki pengaruh menengah, dan 0,35 memiliki pengaruh besar. Pada tabel 4.10

memperlihatkan bahwa tidak ada yang memiliki pengaruh besar, 2 jalur memiliki

pengaruh menengah, yaitu KeP KbS dengan nilai 0,303 dan KoS KI dengan

nilai 0,199. Dan 18 jalur memiliki peranguh kecil, diantaranya KI KeP, KI

PS, KL KeP, KL PS, KP KI, KP KL, KP KoS, KP KuS, KP

OT, KoS KL, KoS KuS, KuS KeP, KuS PS, OT KI, OT KL,

OT KuS, OT PS, dan PS KbS dengan nilai dapat dilihat pada tabel 4.10.

94

Tabel 4.11 Hasil Analisis Struktur Model

Hipotesis

β t-test R²

f²

Q²

q² Analisis

Hip Jalur R²-in R²-ex Σf² Q²-in Q²-

ex Σq² β t-test R² f² Q² q²

H1 KI -> KeP 0,144 2,855 0,593 0,593 0,581 0,028 0,461 0,461 0,452 0,016 Sign Diterima M k Predictive

Relevance k

H2 KI -> PS 0,227 3,345 0,374 0,374 0,349 0,039 0,252 0,252 0,236 0,022 Sign Diterima M k Predictive

Relevance k

H3 KL -> KeP 0,464 8,594 0,593 0,593 0,493 0,244 0,461 0,461 0,384 0,142 Sign Diterima M m Predictive

Relevance k

H4 KL -> PS 0,239 3,607 0,374 0,374 0,346 0,044 0,252 0,252 0,235 0,023 Sign Diterima M k Predictive

Relevance k

H5 KP -> KI 0,098 1,800 0,503 0,503 0,496 0,014 0,339 0,339 0,336 0,004 Insign Ditolak M k Predictive

Relevance k

H6 KP -> KL 0,095 1,432 0,220 0,220 0,213 0,008 0,150 0,150 0,147 0,003 Insign Ditolak L k Predictive

Relevance k

H7 KP -> KoS 0,327 5,645 0,107 0,107 0,000 0,120 0,073 0,073 0,000 0,079 Sign Diterima L k Predictive

Relevance k

H8 KP -> KuS 0,123 1,959 0,251 0,251 0,240 0,014 0,149 0,149 0,142 0,008 Sign Ditolak L k Predictive

Relevance k

H9 KP -> OT 0,379 8,108 0,143 0,143 0,000 0,167 0,083 0,083 0,000 0,091 Sign Diterima L m Predictive

Relevance k

H10 KeP -> KbS 0,640 19,565 0,598 0,598 0,319 0,693 0,395 0,395 0,212 0,303 Sign Diterima M b Predictive

Relevance m

H11 KoS -> KI 0,507 7,245 0,503 0,503 0,308 0,392 0,339 0,339 0,207 0,199 Sign Diterima M b Predictive

Relevance m

H12 KoS -> KL 0,309 4,778 0,220 0,220 0,147 0,093 0,150 0,150 0,099 0,060 Sign Diterima L k Predictive

Relevance k

H13 KoS -> KuS 0,382 5,833 0,251 0,251 0,140 0,148 0,149 0,149 0,083 0,077 Sign Diterima L k Predictive

Relevance k

95

Tabel 4.10 Hasil Analisis Struktur Model (Lanjutan)

H14 KuS -> KeP 0,257 4,899 0,593 0,593 0,562 0,075 0,461 0,461 0,437 0,044 Sign Diterima M k Predictive

Relevance k

H15 KuS -> PS 0,173 2,508 0,374 0,374 0,361 0,020 0,252 0,252 0,242 0,014 Sign Diterima M k Predictive

Relevance k

H16 OT -> KI 0,255 3,871 0,503 0,503 0,454 0,098 0,339 0,339 0,307 0,048 Sign Diterima M k Predictive

Relevance k

H17 OT -> KL 0,178 2,535 0,220 0,220 0,197 0,029 0,150 0,150 0,137 0,015 Sign Diterima L k Predictive

Relevance k

H18 OT -> KuS 0,107 1,433 0,251 0,251 0,243 0,010 0,149 0,149 0,145 0,004 Sign Ditolak L k Predictive

Relevance k

H19 OT -> PS 0,104 2,016 0,374 0,374 0,366 0,012 0,252 0,252 0,250 0,003 Sign Diterima M k Predictive

Relevance k

H20 PS -> KbS 0,202 4,993 0,598 0,598 0,571 0,066 0,395 0,395 0,377 0,030 Sign Diterima M k Predictive

Relevance k

Keterangan :

Sign : Signifikan L : Lemah

Insign : Insignifikan b : Besar

A : Akurat m : Menengah

M : Moderat k : kecil

96

4.4 Interpetasi dan Diskusi Hasil Analisis

4.3.1 Interpretasi dan Diskusi Hasil Analisis Data Demografis

1) Jenis kelamin

Berdasarkan gambar 4.2 pada subbab sebelumnya, diketahui bahwa jenis

kelamin pada responden penelitian ini di dominasi oleh perempuan dengan

presentase sebanyak 69% sedangkan responden berjenis kelamin laki-laki pada

penelitian ini hanya sebanyak 31%. Hal ini mungkin saja terjadi dikarenakan pada

saat proses pengumpulan data yang lebih banyak dilakukan menggunakan google

form dimana sebagian besar ditujukan kepada teman dan kerabat peneliti yang lebih

banyak berjenis kelamin perempuan dibanding laki-laki. Selain itu, jika di tinjau

pada keadaan stasiun kereta api dimana para penumpang perempuan memiliki

gerbong khusus sendiri dan walau demikian masih memungkinkan untuk

menempati gerbong umum lainnya, sehingga dari keadaan tersebut dapat di

simpulkan bahwa penumpang KRL berjenis kelamin perempuan lebih banyak

dibandingkan penumpang KRL berjenis kelamin laki-laki.

2) Pendidikan

Berdasarkan gambar 4.3 pada subbab sebelumnya, diketahui bahwa tingkat

pendidikan responden pada penelitian ini didominasi oleh S1 dengan presentase

sebanyak 69,1%, disusul oleh SLTA kebawah sebanyak 17,9%, kemudian Diploma

sebanyak 8,6%, S2 sebanyak 4,2% dan S3 sebanyak 0,2%. Hal ini menunjukkan

bahwa sebanyak 82,1% responden memiliki tingkat pendidikan yang tinggi untuk

dijadikan sebagai sampel dalam penelitian ini

97

3) Pekerjaan

Berdasarkan gambar 4.4 pada subbab sebelumnya, diketahui bahwa status

pekerjaan responden didominasi oleh mahasiswa dengan presentase sebanyak

53,4%, lalu disusul oleh pegawai swasta sebanyak 24,5%, ibu rumah tangga

sebanyak 5,2%, pegawai negeri sipil sebanyak 3,7%, guru, dosen, dan peneliti

sebanyak 2,5% dan lainnya meliputi pengusaha, bidan, pekerja lepas, pengangguran

dan lainnya sebanyak 10,7%. Seperti yang sudah dijelaskan sebelumnya bahwa

pengumpulan data yang dilakukan lebih banyak menggunakan google form dimana

sebagian besar ditujukan kepada teman dan kerabat peneliti yang sebagian besar

juga berstatus sebagai mahasiswa yang memang menggunakan kayanan KRL.

Sehingga hal tersebut dapat menjadi faktor dari status pekerjaan responden yang

didominasi oleh mahasiswa.

4) Usia

Berdasarkan gambar 4.5 pada subbab sebelumnya, diketahui bahwa rentang

usia responden pada penelitian ini di dominasi oleh responden dengan rentang usia

20-30 tahun dengan presentase sebanyak 77%, kemudian rentang usia dibawah 20

tahun sebanyak 14%, rentang usia 30-40 tahun sebanyak 4%, dan rentang usia

diatas 40 tahun sebanyak 5%. Hal ini menunjukkan bahwa mayoritas responden

peneliti berusia antara 20-30 tahun di mana peneliti berasumsi bahwa responden

dengan rentang usia tersebut lebih terbiasa dalam penggunaan teknologi sehingga

memiliki pengalaman dan pengetahuan yang cukup dalam penggunaan C-VIM.

98

5) Tingkat intensitas penggunaan C-VIM

Berdasarkan gambar 4.6 pada subbab sebelumnya, presentase dari tingkat

intensitas atau keseringan penggunaan C-VIM oleh responden pada penelitian ini

di dominasi oleh responden yang intensitas penggunaannya jarang sebanyak 68%,

lalu responden yang intensitas penggunaannya 2-3 kali dalam seminggu sebanyak

20%, kemudian yang intensitas penggunaannya 4-6 kali seminggu sebanyak 7%,

dan yang intensitas penggunaannya setiap hari sebanyak 5%. Walau responden

pada penelitian ini didominasi oleh yang intensitas penggunaanya jarang, tetapi usia

pada rentang usia 20-30 mereka telah terbiasa dalam penggunaan teknologi

informasi didukung dengan latar belakang pendidikan mereka yang mayoritas

memiliki tingkat pendidikan yang tinggi, sehingga memudahkan mereka dalam

menggunakan teknologi C-VIM.

6) Tingkat keberhasilan penggunaan C-VIM

Berdasarkan gambar 4.7 pada subba sebelumya, presentase dari tingkat

keberhasilan penggunaan C-VIM oleh responden pada penelitian ini didominasi

oleh penggunaan yang berhasil sebanyak 69%, tidak tahu 12%, kurang berhasil 9%,

dan sangat berhasil 10%. Hal ini menunjukkan bahwa mayoritas responden yang

menggunakan C-VIM berhasil dalam menggunakannya. Tentunya keberhasilan itu

pun di dukung dari data sebelumnya. Dimana faktor pendidikan, pekerjaan, usia,

dan tingkat intensitas penggunaan C-VIM mempengaruhi keberhasilan dari

penggunaannya.

99

4.3.2 Interpretasi dan Diskusi Hasil Analisis Model Pengukuran (Outer Model)

Dari hasil analisis model pengukuran yang telah dilakukan, terdapat dua hal

penting yang harus diperhatikan, yaitu sebagai berikut :

1. Pada analisis model pengukuran didapatkan hasil akhir yang menunjukkan

bahwa model penelitian ini sudah memenuhi syarat dan memiliki

karakteristik yang baik sehingga dapat dilanjutkan ke tahap analisis

berikutnya yaitu analisis struktural model (uji inner model).

2. Terdapat 4 (empat) indikator yang dihapus yaitu PS1, KoS1, KP3, dan KoS2

dalam model penelitian ini dikarenakan belum memenuhi standar nilai outer

loading.

Berdasarkan dua poin tersebut, model yang diajukan peneliti memang sudah

memenuhi syarat namun masih adanya penghapusan 4 (empat) indikator.

Penghapusan keempat indikator tersebut mungkin disebabkan karena pada saat

proses pengumpulan data, peneliti tidak mendampingi langsung responden ketika

hendak mengisi kuesioner sehingga memungkinkan terjadinya kesalahan

pemahaman pertanyaan yang diajukan kepada responden.

Untuk menanggapi hal tersebut, perlu dilakukan peninjauan kembali atau

dengan dilakukan pengembangan lebih lanjut terkait instrumen yang digunakan

dalam penelitian ini (terutama penggunaan keempat indikator PS1, KoS1, KP3, dan

KoS2 yang dihapus). Meskipun peneliti telah berusaha melakukan dengan sebaik-

baiknya, tentu masih terdapat banyak hal yang berada di luar kendali peneliti ketika

pelaksanaannya di lapangan.

100

4.3.3 Interpretasi dan Diskusi Hasil Analisis Model Struktural (Inner Model)

Dalam subbab ini akan dipaparkan mengenai interpretasi dan diskusi yang

didasarkan pada hasil dari 6 (enam) tahapan analisis struktur model yang telah

dilakukan. Keenam tahapan tersebut adalah path coefficient (β), coefficient of

determination (R2), t-test menggunakan bootstrapping, effect size (𝑓2), predictive

relevance (𝑄2), dan relative impact (𝑞2). Berikut adalah pemaparan dari hipotesis

yang telah dirumuskan berdasarkan hasil analisis yang telah dilakukan.

H1 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan

terhadap Kepuasan Pengguna (KeP)?

Berdasarkan hasil pengujian struktur model pada pengujian t-test, hasil yang

didapatkan menunjukkan bahwa H1 diterima. Hal ini berarti bahwa KI

memiliki pengaruh yang signifikan terhadap KeP. Selain itu, jalur KI KeP

juga memiliki pengaruh yang signifikan terhadap model yang digunakan.

Berdasarkan pengujian f2 dan q2, variabel KI terhadap KeP memiliki

pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya oleh

Subiyakto et al. (2016). Selain itu juga konsisten dengan penelitian

sebelumnya yang dilakukan oleh hudin dan riana (2016), dan wahyuni (2011).

Sehingga dapat disimpulkan bahwa semakin tinggi kualitas informasi pada

C-VIM maka semakin meningkat kepuasan dari pengguna tersebut.

101

H2 Apakah Kualitas Informasi (KI) berpengaruh secara signifikan

terhadap Penggunaan Sistem (PS)?


didapatkan menunjukkan bahwa H2 diterima. Hal ini berarti bahwa KI

memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur KI PS


Berdasarkan pengujian f2 dan q2, variabel KI terhadap PS memiliki pengaruh

kecil. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et al.

(2016). Selain itu juga konsisten dengan penelitian sebelumnya yang

dilakukan oleh hudin dan riana (2016), dan wahyuni (2011). Sehingga dapat

disimpulkan bahwa semakin tinggi kualitas informasi pada C-VIM maka

semakin memudahkan pengguna dalam penggunaan sistem.

H3 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap



didapatkan menunjukkan bahwa H3 diterima. Hal ini berarti bahwa KL

memiliki pengaruh yang signifikan terhadap KeP. Selain itu, jalur KL KeP


Berdasarkan pengujian f2 variabel KL terhadap KeP memiliki pengaruh yang

medium atau menengah, sedangkan berdasarkan pengujian q2 variabel KL

terhadap KeP memiliki pengaruh kecil. Hal ini konsisten dengan penelitian

sebelumnya oleh Subiyakto et al. (2016). Selain itu juga konsisten dengan

penelitian sebelumnya yang dilakukan oleh hudin dan riana (2016). Sehingga

102

dapat disimpulkan bahwa semakin tinggi kualitas layanan pada penggunaan

C-VIM maka semakin meningkat kepuasan dari pengguna.

H4 Apakah Kualitas Layanan (KL) berpengaruh secara signifikan terhadap



didapatkan menunjukkan bahwa H4 diterima. Hal ini berarti bahwa KL

memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur KL PS


Berdasarkan pengujian f2 dan q2, variabel KL terhadap PS memiliki pengaruh


(2016). Selain itu juga konsisten dengan penelitian sebelumnya yang

dilakukan oleh hudin dan riana (2016). Sehingga dapat disimpulkan bahwa

semakin tinggi kualitas layanan pada penggunaan C-VIM maka semakin

memudahkan pengguna dalam penggunaan sistem.

H5 Apakah Konteks Pekerjaan (KP) berpengaruh secara signifikan

terhadap Kualitas Informasi (KI)?


didapatkan menunjukkan bahwa H5 ditolak. Hal ini berarti bahwa KP tidak

memiliki pengaruh yang signifikan terhadap KI. Selain itu, jalur KP KI

juga tidak memiliki pengaruh yang signifikan terhadap model yang

digunakan. Berdasarkan pengujian f2 dan q2, variabel KP terhadap KI

memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya

oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status

103

pekerjaan dari pengguna C-VIM tidak berpengaruh terhadap penerimaan

kualitas informasi yang didapat.


terhadap Kualitas Layanan (KL)?



memiliki pengaruh yang signifikan terhadap KL. Selain itu, jalur KP KL

juga tidak memiliki pengaruh yang signifikan terhadap model yang

digunakan. Berdasarkan pengujian f2 dan q2, variabel KP terhadap KL



pekerjaan dari pengguna C-VIM tidak berpengaruh terhadap penerimaan

kualitas layanan yang diberikan.


terhadap Konten Sistem (KoS)?


didapatkan menunjukkan bahwa H7 diterima. Hal ini berarti bahwa KP

memiliki pengaruh yang signifikan terhadap KoS. Selain itu, jalur KP KoS


Berdasarkan pengujian f2 dan q2, variabel KP terhadap KoS memiliki


Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status pekerjaan

104

dari pengguna C-VIM berpengaruh terhadap pemahaman konten sistem yang

ada pada C-VIM.


terhadap Kualitas Sistem (KuS)?



memiliki pengaruh yang signifikan terhadap KuS. Namun, jalur KP KuS

memiliki pengaruh yang signifikan terhadap model yang digunakan.

Berdasarkan pengujian f2 dan q2, variabel KP terhadap KuS memiliki


Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa status pekerjaan

dari pengguna C-VIM berpengaruh terhadap penerimaan kualitas dari sistem

C-VIM.

H9 Apakah Kontek Pekerjaan (KP) berpengaruh secara signifikan terhadap

Orang dan Tindakannya (OT)?


didapatkan menunjukkan bahwa H9 diterima. Hal ini berarti bahwa KP

memiliki pengaruh yang signifikan terhadap OT. Selain itu, jalur KP OT


Berdasarkan pengujian f2 variabel KP terhadap OT memiliki pengaruh yang

medium atau menengah dan berdasarkan pengujian q2 variabel KP terhadap

OT memiliki pengaruh kecil. Hal ini konsisten dengan penelitian sebelumnya


105

pekerjaan dari pengguna C-VIM berpengaruh terhadap tindakan pengguna

pada penggunaan C-VIM.

H10 Apakah Kepuasan Pengguna (KeP) berpengaruh secara signifikan

terhadap Keberhasilan Sistem (KbS)?


didapatkan menunjukkan bahwa H10 diterima. Hal ini berarti bahwa KeP

memiliki pengaruh yang signifikan terhadap KbS. Selain itu, jalur KeP

KbS juga memiliki pengaruh yang signifikan terhadap model yang

digunakan. Berdasarkan pengujian f2 variabel KeP terhadap KbS memiliki

pengaruh besar dan berdasarkan pengujian q2 variabel KeP terhadap KbS

memiliki pengaruh medium. Hal ini konsisten dengan penelitian sebelumnya

oleh Subiyakto et al. (2016). Selain itu juga konsisten dengan penelitian

sebelumnya yang dilakukan oleh hudin dan riana (2016), dan wahyuni (2011).

Sehingga dapat disimpulkan bahwa semakin tinggi tingkat kepuasan

pengguna dalam penggunaan C-VIM maka semakin tinggi tingkat

keberhasilan sistem C-VIM.

H11 Apakah Konten Sistem (KoS) berpengaruh secara signifikan terhadap



didapatkan menunjukkan bahwa H11 diterima. Hal ini berarti bahwa KoS

memiliki pengaruh yang signifikan terhadap KI. Selain itu, jalur KoS KI


Berdasarkan pengujian f2 variabel KoS terhadap KI memiliki pengaruh besar

106

dan berdasarkan pengujian q2 variabel KoS terhadap KI memiliki pengaruh

medium. Hal ini konsisten dengan penelitian sebelumnya oleh Subiyakto et

al. (2016). Sehingga dapat disimpulkan bahwa konten pada sistem C-VIM

berpengaruh terhadap tingginya tingkat kualitas informasi pada C-VIM.





memiliki pengaruh yang signifikan terhadap KL. Selain itu, jalur KoS KL


Berdasarkan pengujian f2 dan q2, variabel KoS terhadap KL memiliki


Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa konten pada

sistem C-VIM berpengaruh terhadap tingkat kualitas layanan yang di dapat

oleh pengguna pada penggunaan C-VIM.





memiliki pengaruh yang signifikan terhadap KuS. Selain itu, jalur KoS

KuS juga memiliki pengaruh yang signifikan terhadap model yang

digunakan. Berdasarkan pengujian f2 dan q2, variabel KoS terhadap KuS


107

oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa konten pada

sistem C-VIM berpengaruh terhadap tingkat kualitas informasi pada

penggunaan C-VIM.

H14 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap



didapatkan menunjukkan bahwa H14 diterima. Hal ini berarti bahwa KuS

memiliki pengaruh yang signifikan terhadap KeP. Selain itu, jalur KuS

KeP juga memiliki pengaruh yang signifikan terhadap model yang digunakan.

Berdasarkan pengujian f2 dan q2, variabel KuS terhadap KeP memiliki


Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa semakin tinggi

tingkat kualitas sistem maka semakin tinggi pula tingkat kepuasan dari

pengguna dalam penggunaan C-VIM.

H15 Apakah Kualitas Sistem (KuS) berpengaruh secara signifikan terhadap



didapatkan menunjukkan bahwa H15 diterima. Hal ini berarti bahwa KuS

memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur KuS PS


Berdasarkan pengujian f2 dan q2, variabel KuS terhadap PS memiliki


108

Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa kualitas sistem

pada C-VIM berpengaruh terhadap penggunaan C-VIM.

H16 Apakah Orang dan Tindakannya (OT) berpengaruh secara signifikan

terhadap Kualitas Informasi (KI)?


didapatkan menunjukkan bahwa H16 diterima. Hal ini berarti bahwa OT

memiliki pengaruh yang signifikan terhadap KI. Selain itu, jalur OT KI


Berdasarkan pengujian f2 dan q2, variabel OT terhadap KI memiliki pengaruh


(2016). Sehingga dapat disimpulkan bahwa tindakan dari penguna dalam

menggunakan C-VIM berpengaruh terhadap kualitas informasi yang di dapat

dalam penggunaannya.


terhadap Kualitas Layanan (KL)?



memiliki pengaruh yang signifikan terhadap KL. Selain itu, jalur OT KL


Berdasarkan pengujian f2 dan q2, variabel OT terhadap KL memiliki pengaruh


(2016). Sehingga dapat disimpulkan bahwa tindakan dari penguna dalam

109

menggunakan C-VIM berpengaruh terhadap penerimaan kualitas layanan

yang di diberikan dalam penggunaannya.


terhadap Kualitas Sistem (KuS)?


didapatkan menunjukkan bahwa H18 ditolak. Hal ini berarti bahwa OT tidak

memiliki pengaruh yang signifikan terhadap KuS. Namun, berdasarkan nilai

β jalur OT KuS memiliki pengaruh yang signifikan terhadap model yang

digunakan. Berdasarkan pengujian f2 dan q2, variabel OT terhadap KuS


oleh Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa tindakan

pengguna dalam penggunaan C-VIM tidak berpengaruh terhadap kualitas dari

sistem.


terhadap Penggunaan Sistem (PS)?



memiliki pengaruh yang signifikan terhadap PS. Selain itu, jalur OT PS


Berdasarkan pengujian f2 dan q2, variabel OT terhadap PS memiliki pengaruh


(2016). Sehingga dapat disimpulkan bahwa tindakan pengguna dalam

penggunaan C-VIM berpengaruh terhadap penggunaan sistem.

110

H20 Apakah Penggunaan Sistem (PS) berpengaruh secara signifikan

terhadap Keberhasilan Sistem (KbS)?


didapatkan menunjukkan bahwa H20 diterima. Hal ini berarti bahwa PS

memiliki pengaruh yang signifikan terhadap KbS. Selain itu, jalur PS KbS


Berdasarkan pengujian f2 dan q2, variabel PS terhadap KbS memiliki


Subiyakto et al. (2016). Sehingga dapat disimpulkan bahwa semakin baik

tingkat penggunaan sistem maka semakin tinggi tingkat keberhasilan sistem.

Kesimpulannya, dari 20 hipotesis, 4 diantaranya ditolak karena tidak

memiliki pengaruh yang signifikan terhadap variabel lainnya dan juga memiliki

pengaruh kecil dalam pengujian struktur model khususnya pengujian f2 dan q2.

Ditolaknya hipotesis tersebut menunjukkan adanya perbedaan hasil atau ketidak

konsisten dengan peneliti sebelumnya (Subiyakto et al., 2016). Peneliti berpendapat

bahwa kejadian ini merupakan hal yang wajar, karena perbedaan objek, sampel, dan

instrument penelitian. Selain itu, keterbatasan dan kendala dalam pelaksanaan

penelitian juga merupakan faktor yang mempengauhi hasil dari penelitian ini.

111

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil temuan dari penelitian yang telah dilakukan, kesimpulan

dari penelitian ini adalah sebagai berikut :

1. Dari hasil pengolahan data yang telah diperoleh, sebanyak 69% responden

berhasil dalam menggunakan C-VIM, bahkan sebanyak 10% sangat berhasil

dalam menggunakannya.

2. Dihapuskannya 4 dari 35 indikator yaitu PS1, KoS1, KP3, dan KoS2 dalam

penelitian ini. Peneliti beranggapan bahwa hal ini terjadi karena penggunaan

item pertanyaan atau indikator yang kurang tepat dalam kuesioner dan juga

karena sebagian besar kuesioner diperoleh secara online. Mungkin saja hal

ini menyebabkan penafsiran yang bias bagi responden, sebab tidak ada

pendampingan secara langsung.

3. 4 dari 20 hipotesis yaitu KP KI, KP KL, KP KuS, dan OT KuS

dinyatakan ditolak berdasarkan pengujian t-test dan memiliki pengaruh kecil

dalam pengujian struktur model khususnya f2 dan q2.

4. 16 hipotesis yang diterima yaitu KI KeP, KI PS, KL KeP, KL

PS, KP KoS, KP OT, KeP KbS, KoS KI, KoS KL, KoS

KuS, KuS KeP, KuS PS, OT KI, OT KL, OT PS, dan PS

KbS. Sehingga faktor-faktor yang dapat mempengaruhi keberhasilan

penggunaan C-VIM adalah :

112

KP (Konteks Pekerjaan), OT (Orang dan Tindakannya) dan KoS (Konten

Sistem) berpengaruh terhadap keberhasilan penggunaan C-VIM secara

tidak langsung.

KI (Kualitas Informasi) berpengaruh terhadap keberhasilan penggunaan

C-VIM melalui PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna)

KuS (Kualitas Sistem) berpengaruh terhadap keberhasilan penggunaan C-

VIM melalui PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna)

KL (Kualitas Layanan) berpengaruh terhadap keberhasilan penggunaan C-

VIM melalui PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna)

PS (Penggunaan Sistem) dan KeP (Kepuasan Pengguna) berpengaruh

terhadap keberhasilan penggunaan C-VIM secara langsung

5.2 Saran

Berdasarkan penelitian yang telah dilakukan, peneliti memberikan saran

sebagai berikut :

a. Bagi para peneliti selanjutnya, khususnya yang tertarik pada kajian sejenis

diharapkan dapat mempertimbangkan, meninjau kembali, dan memperbaiki

hal-hal sebagai berikut :

Penelitian ini dapat dikembangkan untuk dilakukan di setiap stasiun di

wilayah Jabodetabek.

Penelitian ini dapat dikembangkan dengan memperluas jumlah sampel

dari penelitian ini.

113

Melakukan penelitian terkait keberhasilan C-VIM bukan hanya dari

persepsi pengguna tetapi dari sistem C-VIM itu sendiri.

Adanya penelitian lanjutan sejenis dengan meninjau kembali penggunaan

indikator dari variabel yang akan digunakan, khususnya terhadap indikator

dari variabel yang dinyatakan tidak berpengaruh terhadap keberhasilan

penggunaan C-VIM.

b. Bagi PT KCI sebagai pengelola C-VIM, agar dapat terus meningkatkan

keberhasilan penggunaan C-VIM dengan memperhatikan dan

mempertimbangkan hal-hal sebagai berikut :

Dilakukannya perbaikan terhadap tampilan user interface C-VIM agar

lebih mudah digunakan oleh seluruh penumpang.

Dilakukannya pembaharuan terhadap intruksi dari penggunaan C-VIM

menjadi lebih jelas untuk menghidari kebingunan pada penumpang dalam

menggunakannya.

Dilakukannya perbaikan respon sistem C-VIM agar penggunaannya tidak

memakan waktu lama.

114

DAFTAR PUSTAKA

Abdillah, W., & Jogiyanto. (2015). Partial Least Square (PLS) : Alternatif

Structural Equation Modeling (SEM) Dalam Penelitian Bisnis. Yogyakarta:

Penerbit Andi.

Afni, N., & Akil, I. (2017). Analisis Tingkat Kepuasan Pengguna Commuter Line

Terhadap Commuter Vending Machine dengan Metode Technology

Acceptance Model Pada PT. KAI Commuter Jabodetabek. In Simposium

Nasional Ilmu Pengetahuan dan Teknologi (SIMNASIPTEK) 2017 (pp. 7–

13).

Alifuddin, M. (2014). PENGEMBANGAN MESIN VENDING DENGAN

SISTEM PENGEMBALIAN MATA UANG RUPIAH. Jurnal IT STMIK

Handayani, 14, 1–7.

Ardi, F. F., Mariam, I., & Widhi, N. M. (2016). Pengaruh Kualitas Pelayanan pada

Fasilitas dan Petugas Commuter Line Ticket Vending Machine (C-VIM)

Terhadap Kepuasan Konsumen PT KAI Commuter Jabodetabek di Stasiun

Pondok Cine. Epigram, 13(2), 95–102.

Arikunto, S., & Jabar, C. S. A. (2004). Evaluasi Program Pendidikan. Jakarta:

Bumi Aksara.

Artiningtyas, I., Minarsih, M. M., & Hasiholan, L. B. (2015). Pengaruh Kualitas

Layanan, Persepsi Harga dan Kepercayaan terhadap Kepuasan Pelanggan

(Studi Kasus Pada Toko Vulkanisir Ban Top Cool Semarang). Journal of

Management, 1(1).

115

Bellis. (2017). The History of Vending Machine. Retrieved from

https://www.thoughtco.com/the-history-of-vending-machines-1992599

Bienz, N. (2008). E-Tiketing. Electronic Business Course - SA 2008, Universitas

Friburgensis.

Davis, W. S., & Yen, D. C. (1998). The Information System Consultant’s

Handbook: Systems Analysis and Design. Boca Raton: CRS Press.

Delone, W. H., & Mclean, E. R. (1992). Information Systems Success: The Quest

for the Dependent Variable. Information Systems Research The Institute of

Management Sciences. https://doi.org/10.1287/isre.3.1.60

Djaali, A. (2008). Skala Likert. Yogyakarta: Andi Offset.

Donny. (2008). Implentasi Aplikasi Smart Health Pada Smart Card UI Berbasis

JavaCard, 5–12.

Faizal, I., & Nursusanto. (2010). Perbandingan Pemberlakuan Sistem E-Ticket

dengan Sistem Manual Ticket Ditinjau dari Aspek Waktu, Biaya, dan

Risiko. Jurnal Ilmiah Aviasi Langit Biru, 3(6).

Guritno, S., Sudaryono, & Untung, R. (2011). Theory and Application of IT

Research: Metodologi Penelitian Teknologi Informasi (1st ed.).

Yogyakarta: Andi.

Gusti, G. (2017). Pengukuran Pengaruh Kesiapan Terhadap Keberhasilan

Penerapan Sistem Ubiquitous Computing di Uin Syarif Hidayatullah

Jakarta. Jakarta.

Hair, J. F., Sarstedt, M., Ringle, C. M., & Mena, J. A. (2012). An Assessment of

The Use of Partial Least Squares Structural Equation Modeling In

116

Marketing Research. Journal of the Academy of Marketing Science, 40(3),

414–433. https://doi.org/10.1007/s11747-011-0261-6

Howsawi, E., Eager, D., & Bagia, R. (2011). Understanding Project Success: The

Four-Level Project Success Framework. Paper Presented at the IEEE

International Conference on Industrial Engineering and Engineering

Management (IEEM).

Hudin, J. M., & Riana, D. (2016). Kajian Keberhasilan Penggunaan Sistem

Informasi Accurate dengan Menggunakan Model Kesuksesan Sistem

Informasi Delon dan McLean. Journal of Information System, 12(1), 1–8.

https://doi.org/10.1017/CBO9781107415324.004

Jogiyanto. (2007). Model Kesuksesan Sistem Teknologi Informasi (1st ed.).

Yogyakarta: Andi.

Kholifatun. (2013). Kajian Tingkat Keberhasilan Program Nasional

Pemberdayaan Masyarakat (PNPM) Mandiri di Desa Margaayu

Kecamatan Margasari Kabupaten Tegal. Purwokerto.

Kurniawan, H., & Yamin, S. (2011). Generasi baru mengolah data penelitian

dengan partial least square path modeling : aplikasi dengan software

XLSTAT, SmartPLS, dan visual PLS. Jakarta: Salemba Infotek.

Ladjamudin, A. B. Bin. (2005). Analisis dan Desain Sistim Informasi (1st ed.).

Yogyakarta: Graha Ilmu.

Lim, C. ., & Mohamed, M. Z. (1999). Criteria of Project Success: An Exploratory

Re-Examination. International Journal of Project Management, 17(4), 243–

248. https://doi.org/10.1016/S0263-7863(98)00040-4

117

McLeod, L., & MacDonell, S. G. (2011). Factors that affect software systems

development project outcomes. ACM Computing Surveys, 43(4), 1–56.

https://doi.org/10.1145/1978802.1978803

Mustakini, J. H. (2008). Metodologi Penelitian Sistem Informasi: Pedoman dan

Contoh Melakukan Penelitian di Bidang Sistem Teknologi Informasi.

Yogyakarta: Andi.

Nazir, M. (2009). Metode Penelitian. Jakarta: Ghalia Indonesia.

Purnama, N. (2006). Manajemen Kualitas Perspektif Global (Pertama).

Yogyakarta: Penerbit Ekonisia Kampus Fakultas Ekonomi UII.

Putra, S. J., Ahlan, A. R., & Kartiwi, M. (2016). A Coherent Framework for

Understanding the Success of an Information System Project.

TELKOMNIKA (Telecommunication Computing Electronics and Control),

14(1), 302–308.

Qadrya, H. A. (2017). Faktor-Faktor yang Mempengaruhi Kesiapan Penerapan

Sistem Single Sign-On di UIN Syarif Hidayatullah Jakarta. Jakarta.

Rahadi, S., & Budi, K. (2014). Proses Inovasi Layanan Sistem E-ticketing pada

Kereta Commuter Jabodetabek. FISIP UI. Depok.

Santoso, S. (2012). Analisis SPSS pada Statistik Parametrik. Jakarta: PT Elex

Media Komputindo.

Sari, E. M. (2015). Faktor-Faktor Penyebab Rendahnya Partisipasi Masyarakat

dalam Pembangunan Desa tahun 2014: Studi Desa Kembang Gading

Kecamatan Abung Selatan Kabupaten Lampung Utara. Bandar Lampung.

118

Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta:

Graha Ilmu.

Sevilla, C. G., Ochave, J. A., Punsalan, T. G., Regata, B. P., & Uriarte, G. G. (2006).

Pengantar Metode Penelitian. Jakarta: Penerbit Universitas Indonesia (UI-

Press).

Subiyakto, A., & Ahlan, A. R. (2014). Implementation of Input-Process-Output

Model for Measuring Information System Project Success. TELKOMNIKA

Indonesian Journal of Electrical Engineering, 12(7), 5603–5612.

https://doi.org/10.11591/telkomnika.v12i7.5699

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2016). Measurement of the

information system project success of the higher education institutions in

Indonesia: A pilot study. International Journal of Business Information

Systems, 23(2), 229. https://doi.org/10.1504/IJBIS.2016.078908

Subiyakto, A., Ahlan, A. R., Kartiwi, M., & Putra, S. J. (2017). Model Keberhasilan

Proyek Sistem Informasi (Information System Project Success Model).

Indonesia. https://doi.org/10.13140/RG.2.2.16570.59841

Subiyakto, A., Ahlan, A. R., Putra, S. J., & Kartiwi, M. (2015). Validation of

information system project success model: A focus group study. SAGE

Open, 5(2), 1–14. https://doi.org/10.1177/2158244015581650

Subiyakto, A., & Sukmana, H. T. (2014). Pengukuran Keberhasilan Proyek

Teknologi Informasi dan Komunikasi: Studi Kasus UIN Syarif Hidayatullah

Jakarta.

119

Suciyani. (2017). Perancangan Sistem Informasi Evaluasi Pekerjaan Karyawan

dengan Logika Fuzzy Pada PT. Agung Pelita Industrindo. Tangerang.

Sugiyono. (2013). Metode Penelitian Kuantitatif, Kualitatif dan R&d. Bandung:

Alfabeta.

Sugiyono. (2017). Metode Penelitian Bisnis (Pendekatan Kuantitatif, Kualitatif,

Kombinasi, dan R&D (3rd ed.). Bandung: Alfabeta.

Sutabri, T. (2004). Analisa Sistem Informasi (1st ed.). Yogyakarta: Andi.

Suzanti, A. (2014). Analisis Penerimaan Konsumen Terhadap Teknologi Tiket

Elektronik Harian Berjaminan Kereta Rel Listrik Commuter. Seminar

Nasional Teknik Industri BKSTI 2014.

Syofian, S., Setiyaningsih, T., & Syamsiah, N. (2015). Otomatisasi Metode

Penelitian Skala Likert Berbasis Web. In Seminar Nasional Sains dan

Teknologi ISSN : 2407 – 1846 (pp. 1–8). Fakultas Teknik Universitas

Muhammadiyah Jakarta. Retrieved from

https://jurnal.umj.ac.id/index.php/semnastek/article/view/540

Wahyuni, T. (2011). Uji Empiris Model DeLone and McLean terhadap Kesuksesan

Sistem Informasi Manajemen Daerah (SIMDA). Jurnal Badan Pendidikan

Dan Pelatihan Keuangan, 2, 3–25.

Wisudiawan, G. A. A. (2015). Analisis Faktor Kesuksesan Sistem Informasi

Menggunakan Model Delone and McLean. Jurnal Ilmiah Teknologi

Informasi Terapan ISSN : 2407 - 3911, 2(1), 55–59.

Wulan, A. R. (2007). Penggunaan Asesmen Alternatif Pada Pembelajaran Biologi.

In Seminar Nasional Biologi: Perkembangan Biologi dan Pendidikan

120

Biologi untuk Menunjang Profesionalisme Mei 2007, hlm. 381-383 Jurusan

Pendidikan Biologi FPMIPA UPI (pp. 381–383).

Yuliana, A., Riyadi, & Yuniarto, S. R. (2016). Analisis Kesuksesan Sistem

Informasi Perhotelan dengan Pendekatan Model Delone dan McLane.

Jurnal Administrasi Bisnis, 34(1).

SKRIPSI KEBERHASILAN PENGGUNAAN COMMUTER VENDING …repository.uinjkt.ac.id/dspace/bitstream/123456789/44269/2/MILLAH... · Pada Sistem Tiket Elektronik Kereta Rel Listrik Commuter

Documents