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