BAB IV ANALISIS DATA

Download reliabilitas (keandalan). Metoda yang digunakan dalam pengujian validitas adalah analisis faktor dengan output dari SmartPLS berupa nilai A...
0 downloads 448 Views 579KB Size
Download PDF
Love PNG Images
BAB IV ANALISIS DATA

4.1 Gambaran Umum Responden Kuesioner disebarkan kepada para pengguna SIMKARI 2 baik para pengguna langsung maupun penguna tak langsung sejak Juli 2008 dengan batas pengembalian adalah bulan Oktober 2008. Meskipun demikian hingga saat ini masih tetap ada kembalian kuesioner dari para responden. Kuesioner yg disebarkan berjumlah 200 lembar, sedangkan sampai pada saat ini telah terkumpul 114 kuesioner. Dari 114 kuesioner tersebut hanya 110 yang dapat dianalisis sedangkan 4 lagi dikeluarkan dari analisis karena tidak terisi lengkap.

4.2 Uji Kualitas Data Uji kualitas data dilakukan dengan menggunakan uji validitas (kesahihan) dan uji reliabilitas (keandalan). Metoda yang digunakan dalam pengujian validitas adalah analisis faktor dengan output dari SmartPLS berupa nilai AVE (Average Variance Extracted) atau Rata-rata Varians Sarian yang ditunjukkan pada tabel berikut. Tabel 4.1 Average Variance Extracted (AVE) Model 1 Model 2 Kualitas Sistem

0.598974* 0.598856*

Kualitas Informasi

0.929472* 0.929475*

Penggunaan Nyata

0.742539* 0.744196*

Kepuasan Pengguna 0.826833* 0.827447* Kesukarelaan

0.411803 0.414266

Dampak Individual 1.000000* 1.000000* *Valid Sumber: Output SmartPLS Olahan

29

Semua konstruk kecuali kesukarelaan baik pada model 1 maupun pada model 2 dapat dinyatakan valid karena memiliki nilai AVE di atas batas minimal yaitu 0,5. Metoda yang digunakan dalam pengujian reabilitas adalah dengan melihat nilai Cronbach’s Alpha atau Composite Reliability atau dapat pula dari nilai korelasi antar konstruk yang ditunjukkan output SmartPLS pada tabel berikut. Tabel 4.2 Cronbach’s Alpha Model 1 Model 2 Kualitas Sistem

0.970063* 0.970063*

Kualitas Informasi

0.995514* 0.995514*

Penggunaan Nyata

0.664577* 0.664577*

Kepuasan Pengguna 0.938383* 0.938383* Kesukarelaan

-0.416819 -0.416819

Dampak Individual 1.000000* 1.000000* *Reliabel Sumber: Output SmartPLS Olahan

Keandalan dari suatu konstruk dapat dinilai dari nilai Cronbach’s Alpha, semakin mendekati satu maka semakin andal konstruk tersebut. Menurut Sekaran (2006) Secara umum keandalan kurang dari 0,60 dianggap buruk, keandalan dalam kisaran 0,70, dapat diterima, dan lebih dari 0,80 adalah baik. Pada tabel di atas terlihat bahwa semua konstruk kecuali keesukarelaan adalah reliabel. Tabel 4.3 Composite Reliability Model 1 Model 2 Kualitas Sistem

0.972292* 0.972276*

Kualitas Informasi

0.996765* 0.996765*

Penggunaan Nyata

0.851709* 0.852946*

Kepuasan Pengguna 0.963223* 0.963098* Kesukarelaan

0.185858 0.178733

Dampak Individual 1.000000* 1.000000* *Reliabel Sumber: Output SmartPLS Olahan

30

Pada tabel di atas, nilai Composite Reliability juga memenuhi kriteria dari Sekaran (2006) kecuali konstruk kesukarelaan sehingga dengan melihat nilai tersebut telah menunjukkan keandalan konstruk-konstruk yang ada.

Actual Use Flexibility Individual Impact Information Quality completeness

1.0000 0.3611

Satisfaction System Quality Precision

0.8317

Voluntariness Volume Accuracy Currency

0.3872 0.8644 0.8812 0.8366

Format

0.8366 0.8286 0.8366

recoverability

respon

command language

convenience

integration

format

currency

accuracy

1.0000 0.0056 0.0115 0.0056 0.0050

1.0000 0.9998 1.0000

1.0000 0.9998

1.0000

0.9999

1.0000

0.9999

1.0000

0.7328 1.0000

0.7196 0.9998

0.7328 1.0000

0.7247 0.9999

1.0000 0.7328

1.0000

0.4461 0.9971 0.9917 1.0000

0.4500 0.9955 0.9889 0.9998

0.4461 0.9971 0.9917 1.0000

0.4485 0.9961 0.9900 0.9999

0.1671 0.7807 0.8119 0.7328

0.4461 0.9971 0.9917 1.0000

1.0000 0.4298 0.4168 0.4461

0.6636

0.6585 0.0056 0.2573 0.0713 0.1176 0.0056 0.2741

0.9469

0.9531

0.9469

0.4814

0.9469

Integration

0.3611

1.0000

0.0056

-0.0115

0.0056

0.9508 0.0050

0.6585

0.0056

convenience command language Respon recoverability

0.6033

0.8409

0.2594

0.2404

0.2594

0.2477

0.8285

0.2594

0.4864 0.2573 0.0763

0.8366 0.8366 0.9097

0.0056 0.0056 0.5243

1.0000 1.0000 0.8014

0.9998 0.9998 0.7895

1.0000 1.0000 0.8014

0.9999 0.9999 0.7941

0.7328 0.7328 0.9826

1.0000 1.0000 0.8014

0.4461 0.4461 0.2386

0.8803 0.8366

volume

Voluntariness

precision

System Quality

Satisfaction

completeness

Information Quality

Individual Impact

Flexibility

Actual Use

Tabel 4.4 Latent Variable Correlations

1.0000 0.9986 0.9971

1.0000 0.9917

1.0000

0.9199

0.8976

0.9469

0.0713

0.1176

0.0056

0.3317

0.3818

0.9971 0.9971 0.8443

0.9917 0.9917 0.8718

1.0000

0.2594

1.0000 0.2741 0.0648

0.8409

1.0000

1.0000 1.0000 0.8014

0.9469 0.9469 0.5666

0.0056 0.0056 0.5243

0.2594 0.2594 0.7855

1.0000 1.0000 0.8014

Sumber: Output SmartPLS Olahan Korelasi antar konstruk (Latent Variable) menunjukkan keandalan suatu konstruk apabila nilai korelasi suatu konstruk terhadap konstruk itu sendiri lebih besar daripada nilai korelasi antara konstruk tersebut dengan konstruk yang lain (Ghozali, 2005). Pada tabel di atas menunjukkan bahwa semua konstruk mempunyai keandalan tinggi.Pada tabel di atas nilai-nilai diagonal menunjukkan bahwa lebih besar dari korelasi konstruk lainnya sehingga semua konstruk mempunyai keandalan tinggi.

4.3 Pengujian Hipotesis Hasil pengujian hipotesis dengan menggunakan perhitungan t-statistik dan koefisien korelasi yang disajikan pada Tabel 4.6 dan Tabel 4.7 sebagai berikut.

31

1.0000 0.8014

1.0000

Tabel 4.5 Path Coefficients (t-Values) t-Stat Model 1

t-Stat Model 2

t-tabel Sig-95%

System Quality -> User Satisfaction

2.352471*

0.344150

1,984

Model 1 didukung Model 2 tidak didukung

Information Quality -> User Satisfaction

53.627570*

39.360762*

1,984

Model 1 didukung Model 2 didukung

System Quality -> Actual Use

0.142496

3.426923*

1,984

Model 1 tidak didukung Model 2 didukung

Information Quality -> Actual Use

0.070787

1.610814*

1,984

Model 1 tidak didukung Model 2 tidak didukung

User Satisfaction -> Actual Use

0.075585

-

1,984

Model 1 tidak didukung Model 2 tidak tersedia

Actual Use -> User Satisfaction

-

0.223759

1,984

Model 1 tidak tersedia Model 2 tidak didukung

User Satisfaction -> Individual Impact

48.834401*

41.972984*

1,984

Model 1 didukung Model 2 didukung

Actual Use -> Individual Impact

0.957867

0.561093

1,984

Model 1 tidak didukung Model 2 tidak didukung

Voluntariness -> Actual Use

1.335461

1.490458

1,984

Model 1 tidak didukung Model 2 tidak didukung

*Signifikan

Sumber: Output SmartPLS Olahan Tabel 4.6 Path Coefficients (Koefisien Korelasi) Model 1

Model 2

System Quality -> User Satisfaction

0.050758*

0.010015*

Model 1 berkorelasi positif Model 2 berkorelasi positif

Information Quality -> User Satisfaction

0,302906*

0.991973*

Model 1 berkorelasi positif Model 2 berkorelasi positif

System Quality -> Actual Use

0.240095*

0.635549*

Model 1 berkorelasi positif Model 2 berkorelasi positif

Information Quality -> Actual Use

-7.279867

0.306917*

Model 1 berkorelasi negatif Model 2 berkorelasi positif

User Satisfaction -> Actual Use

7.885971*

-

Model 1 berkorelasi positif Model 2 tidak tersedia

Actual Use -> User Satisfaction

-

0.000955*

Model 1 tidak tersedia Model 2 berkorelasi positif

User Satisfaction -> Individual Impact

1.019606*

0.986476*

Model 1 berkorelasi positif Model 2 berkorelasi positif

Actual Use -> Individual Impact

-0.023376

0.016172*

Model 1 berkorelasi negatif Model 2 berkorelasi positif

Voluntariness -> Actual Use

0.124834*

0.142857*

Model 1 berkorelasi positif Model 2 berkorelasi positif

*Berkorelasi positif

Sumber: Output SmartPLS Olahan

32

Keterangan

4.4 Koefisien Determinasi Koefisien Determinasi yang ditunjukkan dengan nilai R-Square adalah untuk menjelaskan variansi pada konstruk dependen. Tabel 4.7 R-Square Model 1 Model 2 Kualitas Sistem

-

-

Kualitas Informasi

-

-

Penggunaan Nyata

0.881207 0.869073

Kepuasan Pengguna 0.999929 0.999997 Kesukarelaan

-

-

Dampak Individual 0.999869 0.999933 Sumber: Output SmartPLS Olahan Pada table R-Square di atas untuk konstruk penggunaan nyata (Actual Use) mempunyai nilai R-Square 0,881 pada model 1 dan 0,869 pada model 2. Hal tersebut menunjukkan bahwa pada model 1 variansi yang dapat dijelaskan oleh konstruk Kualitas Sistem, Kualitas Informasi, Kepuasan Pengguna, dan Kesukarelaan terhadap Penggunaan Nyata adalah sebesar 88,1% sedangkan sisanya sebesar 11,9% dijelaskan oleh faktor lain. Pada model 2 menunjukkan bahwa variansi yang dapat dijelaskan oleh konstruk Kualitas Sistem, Kualitas Informasi, dan Kesukarealaan terhadap Penggunaan Nyata adalah sebesar 86,9% sedangkan sisanya sebesar 13,1% dijelaskan oleh faktor lain. Konstruk Kepuasan Pengguna pada model 1 dijelaskan variansinya sebesar 99,9% oleh Kualitas Sistem, dan Kualitas Informasi sedangkan 0,1% dijelaskan oleh faktor lainnya. Pada model 2 Kepuasan Pengguna dijelaskan variansinya sebesar 99,9% oleh Kualitas Sistem, Kualitas Informasi, dan Penggunaan Nyata sedangkan 0,1% dijelaskan oleh faktor lainnya. Meskipun demikian ada selisih bahwa model 2 lebih besar 0,0068% dibanding model 1. Konstruk Dampak Individual pada model 1 dijelaskan variansinya sebesar 99,9% oleh Penggunaan Nyata dan Kepuasan Pengguna sedangkan 0,1% sisanya dijelaskan oleh faktor lain. Pada model 2 pun variansinya sebesar 99,9% oleh Penggunaan Nyata dan

33

Kepuasan Pengguna sedangkan 0,1% sisanya dijelaskan oleh faktor lain. Meskipun demikian ada selisih bahwa model 2 lebih besar 0,0064% dibanding model 1.

34