Analisa Faktor-Faktor yang Mempengaruhi Manfaat Bersih dan Kepuasan Pengguna E-Procurement

Transkripsi

1 Analisa Faktor-Faktor yang Mempengaruhi Manfaat Bersih dan Kepuasan Pengguna E-Procurement Xanty Adhi Parandani 1, Ade Surya Budiman 2 1 Program Studi Manajemen Informatika/AMIK BSI Bogor xanty.xip@bsi.ac.id 2 Program Studi Teknik Komputer/AMIK BSI Jakarta ade.aum@bsi.ac.id Abstrak Keberadaan e-procurement sangat efektif bagi pemerintah untuk mencari rekanan perusahaan sebagai penyedia kebutuhan barang dan jasa bagi pemerintah. Proses diharapkan bisa lebih cepat, transparan dan adil bagi semua perusahaan yang memiliki kualifikasi. Untuk melihat efektifitas e-procurement, diperlukan analisa terukur terhadap penggunaan e-procurement tersebut. Pengukuran ini dilihat dari nilai kepuasan dan manfaat, yang dipengaruhi oleh faktor tertentu. Beberapa faktor yang bisa tingkat kepuasan dan tingginya manfaat yang diperoleh peserta e-procurement yaitu kualitas sistem, kualitas informasi dan kualitas layanan. Penelitian ini melibatkan 2 jenis variabel yaitu, (1) Variabel Eksogen: Kualitas Sistem (KS), Kualitas Informasi (KI) dan Kualitas Layanan (KL); (2) Variabel Endogen: Kepuasan Peserta (KP) dan Manfaat Bersih (MB). Dari hasil pengujian dan analisa menggunakan model DeLone dan McLean dengan alat bantu SPSS 19 dan AMOS 22, diperoleh hubungan; Kepuasan Peserta (KP) yang dipengaruhi oleh variasi Kualitas Informasi (KI) sebanyak 12,20%. Sedangkan Manfaat Bersih (MB) yang dipengaruhi oleh variasi Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Peserta (KP) sebanyak 63,40%. Kata Kunci: LPSE, e-procurement, Model DeLone dan McLean I. PENDAHULUAN Berkembangnya teknologi informasi mencetuskan adanya fasilitas pengadaan barang/jasa secara elektronik. Pemerintah Republik Indonesia kemudian membentuk Layanan Pengadaan Secara Elektronik (LPSE). LPSE bertujuan untuk meningkatkan transparansi dan akuntabilitas, meningkatkan akses pasar dan persaingan usaha yang sehat, memperbaiki tingkat efisiensi proses pengadaan, mendukung proses monitoring dan audit dan memenuhi kebutuhan akses informasi yang real time guna mewujudkan clean and good government dalam pengadaan barang/jasa pemerintah (Lembaga Kebijakan Pengadaan Barang/Jasa Pemerintah, LPSE selanjutnya menjadi unit kerja yang dibentuk di setiap kabupaten, kota dan provinsi di seluruh Indonesia sebagai pelaksana kegiatan pengadaan barang dan jasa secara online. Dengan adanya sistem pengadaan secara elektronik (electronic procurement/e-procurement) maka perusahaanperusahaan dari beragam wilayah bisa mengikuti tender pengadaan barang dan jasa di daerah manapun yang dikehendaki. Keberadaan e-procurement sangat efektif bagi pemerintah untuk mencari rekanan perusahaan sebagai penyedia kebutuhan barang dan jasa bagi pemerintah. Proses diharapkan bisa lebih cepat, transparan dan adil bagi semua perusahaan yang memiliki kualifikasi. Sistem e-procurement menggantikan sistem pengadaan barang dan jasa secara konvensional (sistem offline/sistem non elektronik). Hal ini membutuhkan adaptasi dan penyesuaian disisi infrastruktur teknologi, pemahaman prosedur online hingga pelatihan sumber daya manusia, bagi perusahaan-perusahaan calon rekanan pemerintah yang tidak semuanya berupa perusahaan skala besar, disamping itu banyak juga perusahaan yang berasal dari daerah-daerah yang masih memiliki keterbatasan keahlian sumber daya manusia, infrastruktur teknologi informasi serta ketersediaan informasi yang dibutuhkan. Untuk itu agar sistem yang dikembangkan dan diterapkan bisa berjalan secara efektif dan efisien, perlu dilakukan pengujian terhadap faktor-faktor yang akan penggunaan e-procurement. Beberapa penelitian terdahulu yang terkait penelitian ini diantaranya sebagai berikut: 1. Fauzan, M., dkk (2013) objek penelitian 30 responden yang terdiri dari 10 orang Owner, dan masing-masing 5 orang dari konsultan, kontraktor, asosiasi perusahaan, 30 responden yang terdiri dari 10 orang Owner, dan masing-masing 5 orang dari konsultan, kontraktor, asosiasi perusahaan, dan akademisi. Tujuan Menganalisa faktor-faktor yang membuat e-procurement maju dan berkembang di Lhokseumawe. Model: skala Likert Metodologi: Menyebarkan kuesioner tentang penerapan e-procurement dan pengujiannya menggunakan uji validitas dan uji reabilitas. Hasil dari penelitian,yaitu: kesiapan masyarakat jasa konstruksi berdampak positif terhadap Prosiding SIMNASIPTEK: Hal. A-85

2 penerpan e-procurement dan kesiapan masyarakat jasa konstruksi dan penerapan e-procurement berdampak positif terhadap dukungan pemimpin perusahaan 2. Kusdaryono, Aries (2007) objek penelitian 40 reponden yang terdiri dari 20 responden berdasarkan tingkatan dan 20 responden berdasarkan keahlihan di bidang TIK, pengadaan barang dan jasa. Tujuan dari penelitian Menganalisa faktor-faktor kekuatan dan kelemahan internal serta peluang dan ancaman eksternal instansi Pemerintah dalam rangka penerapan sistem pengadaan barang/jasa Pemerintah secara elektronik (SePP), guna menetapkan alternatif dan pilihan strategi penerapannya. Metode: deskriptif kualitatif dan kuantitatif. Metodologi: Analisa gabungan matriks IFAS dan EFAS. Pengujiannya menggunakan analisa SWOT. Hasil penelitian yang diperoleh, yaitu: menemukan 4 alternatif strategi (SO, SI, WO, WI) serta pilihan strategi penerapan SePP. Keluaran dari penelitian ini berupa hasil pengujian terhadap faktor-faktor apa saja yang memberikan pengaruh kepuasan peserta dan manfaat bersih peserta e-procurement. II. LANDASAN TEORI 2.1. Tinjauan Pustaka E-Procurement Menurut Turban E., King D., Lee J., dan Viehland D. (2004), e-procurement merupakan pengadaan barang dan jasa secara elektronik oleh perusahaan. Sedangkan menurut Chaffey (2004), e- Procurement merupakan integrasi dan manajemen elektronik terhadap semua aktivitas pengadaan termasuk permintaan pembelian, pemberian hak pemesanan, pengiriman dan pembayaran antara pembeli dan pemasok. Manfaat pengadaan barang dan jasa secara elektronik atau e-procurement diantaranya adalah (Lembaga Kebijakan Pengadaan Barang/Jasa Pemerintah): 1. Meningkatkan transparansi dan akuntabilitas, 2. Meningkatkan akses pasar dan persaingan usaha yang sehat, 3. Memperbaiki tingkat efisiensi proses pengadaan, 4. Mendukung proses monitoring dan audit, 5. Memenuhi kebutuhan akses informasi yang real time guna mewujudkan clean and good government dalam pengadaan barang/jasa pemerintah Kualitas Sistem Menurut DeLone dan McLean (1992), kualitas sistem merupakan kombinasi hardware dan software dalam sistem informasi. Swanson dalam Jogiyanto (2007) menggunakan beberapa item kualitas sistem untuk mengukur keberhasilan sistem informasi manajemen yang dilakukan oleh manajer, diantaranya adalah: 1. Keandalan sistem komputer, 2. Kecepatan akses, 3. Kemudahan penggunaaan. Sedangkan DeLone dan McLean dalam Jogiyanto (2007) mengusulkan pengukuran kualitas sistem yang diterapkan di lingkungan e-commerce berdasarkan: 1. Kehandalan sistem 2. Waktu respon sistem 3. Ketergunaan sistem Kualitas Informasi Selain mengukur kualitas kinerja sistem, peneliti sistem informasi juga memfokuskan pada kualitas keluaran sistem informasi. Kualitas informasi merupakan output yang dihasilkan oleh sistem informasi yang digunakan (DeLone dan McLean, 1992). Menurut Seddon, P.B., Staples, S., Patnayakuni, R., dan Bowtell, M. (1999) terdapat beberapa indikator kualitas informasi, yaitu: 1. Ketepatan waktu, 2. Keringkasan, 3. Mudah dipahami, 4. Aktualitas, 5. Relevansi. DeLone dan McLean dalam Jogiyanto (2007) mengukur kualitas informasi dalam lingkungan e- commerce berdasarkan: 1. Isi web harus personal 2. Kelengkapan informasi 3. Relevansi informasi 4. Mudah dipahami 5. Aman Kualitas Layanan Menurut Zeithalm, Parasuraman, dan Berry dalam (Aritonang, 2000) pengukuran kualitas layanan didasarkan pada indikator-indikator, berikut: 1. Reliabilitas 2. Daya tanggap 3. Jaminan 4. Empati Kepuasan Peserta E-procurement Beberapa indikator kepuasan peserta e- procurement (Liu dan Arnet, 2009), meliputi: 1. Kepuasan peserta 2. Kesulitan penggunaan 3. Kenyamanan penggunaan 4. Kesenangan penggunaan Manfaat Bersih Berdasarkan hasil beberapa penelitian, dampak dari sistem informasi sangat banyak. Dampak tersebut misalnya terhadap pemakai perorangan, kelompok, organisasi dan lain lainnya. Beberapa indikator manfaat bersih (Seddon, et al., 1999) yang dimodifikasi dalam penelitian ini, meliputi: 1. Mempercepat pengolahan data, Prosiding SIMNASIPTEK: Hal. A-86

3 2. Kemampuan memecahkan masalah, 3. Meningkatkan kualitas informasi, 4. Menghasilkan informasi cepat dan tepat, 5. Mendukung pengambilan keputusan Pendekatan Model DeLone dan McLean Model untuk pengukuran kesuksesan suatu sistem informasi telah dikembangkan oleh banyak para peneliti, salah satunya adalah model pengukuran yang dikembangkan oleh DeLone dan McLean. Model tersebut dikenal dengan istilah D&M IS Success Model. Model Delone and McLean dapat dilihat pada gambar 2.1. Sumber: DeLone dan McLean, 1992 Gambar 2.1. Model D&M IS Success Model Model kesuksesan DeLone dan McLean direpresentasikan dalam enam variabel, yaitu: 1. Kualitas Sistem 2. Kualitas Informasi 3. Keinginan Menggunakan 4. Kepuasan Pengguna 5. Dampak bagi Individu 6. Dampak bagi Organisasi Kesuksesan sistem informasi dalam model ini saling berkaitan antara satu dengan yang lainnya. System Quality dan Information Quality merupakan prediktor yang bagi User Satisfaction. Sedangkan User Satisfaction juga merupakan prediktor yang bagi Intended Use dan Individual Impact. Individual Impact tersebut berpengaruh terhadap Organizational Impact dimana sistem tersebut diterapkan. Penelitian DeLone dan McLean (2003) dikembangkan untuk mengevaluasi D&M IS Success Model dengan menambahkan variabel service quality dan net benefit. Model DeLone dan McLean terbaru menambahkan kualitas layanan sebagai dimensi yang tidak kalah penting dengan kualitas sistem dan kualitas informasi. Model DeLone and McLean yang terbaru disajikan pada gambar 2.2. Sumber: DeLone dan McLean, 2003 Gambar 2.2. The Update D&M IS Success Model Hal-hal yang diperbarui pada The Update D&M IS Success Model, yaitu: 1. Menambah dimensi kualitas layanan (service quality) sebagai tambahan dari dimensidimensi kualitas yang sudah ada, yaitu kualitas sistem (system quality) dan kualitas informasi (information quality). 2. Menggabungkan dampak individual (individual impact) dan dampak organisasi (organizational impact) menjadi satu variabel yaitu manfaatmanfaat bersih (net benefits). Tujuan penggabungan ini adalah untuk menjaga model tetap sederhana (parsimony). Variabel-variabel baru ini mengangkat tiga isu baru yang perlu diperhatikan, yaitu: a. Apa kualifikasi untuk dapat dikatakan sebagai manfaat? b. Manfaat untuk siapa? c. Manfaat ditingkat analisis yang mana? 3. Menambahkan dimensi minat memakai (intention to use) sebagai alternatif dari dimensi pemakaian (use). Pengukuran dari pemakaian (use) mempunyai banyak dimensi, seperti misalnya pemakaian sukarela atau wajib, mendapat informasi (informed) atau tidak mendapat informasi (uninformed), efektif lawan tidak efektif dan lainnya. Minat memakai adalah suatu sikap (attitude), sedang pemakaian (use) adalah suatu perilaku (behavior). 4. 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. 5. 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. 6. Model yang diperbarui mempunyai arah panah untuk mendemontrasikan hubungan yang diusulkan antar dimensi-dimensi kesuksesan dalam bentuk proses, tetapi tidak menunjukkan arah hubungannya yang positif atau negatif dalam bentuk kausal Variabel Penelitian Variabel penelitian merupakan suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya (Sugiyono,1999). Macam-macam variabel penelitian, yaitu: 1. Variabel independen/bebas/eksogen, adalah suatu variabel yang atau yang Prosiding SIMNASIPTEK: Hal. A-87

4 menjadi sebab perubahan atau timbulnya variabel endogen. 2. Variabel dependen/terikat/endogen, merupakan variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel eksogen. 3. Variabel moderator merupakan variabel eksogen yang akan menguatkan atau melemahkan hubungan antara variabel eksogen lainnya terhadap variabel endogen Structural Equation Modeling (SEM) Menurut Sitinjak dan Sugiharto (2006) Structural Equation Modeling (SEM) merupakan suatu teknik statistik yang mampu menganalisis variabel laten, variabel indikator dan kesalahan pengukuran secara langsung. Sedang menurut Ghozali (2004) SEM merupakan gabungan dari dua metode statistik yang terpisah, yaitu analisis faktor (factor analyst) yang dikembangkan pada bidang psikologi atau psikometri serta model persamaan simultan (Simultaneus Equation Modelling) yang dikembangkan pada bidang ekonometrika. Selain dapat menganalisis hubungan kausal searah, SEM juga dapat menganalisis hubungan dua arah yang seringkali muncul dalam ilmu sosial dan perilaku. SEM termasuk multivariate statistics yang memungkinkan dilakukannya analisis satu atau lebih variabel eksogen dengan satu atau lebih variabel endogen Konsep Dasar SEM SEM termasuk ke dalam metode statistic multivariant yang kompleks, SEM digunakan untuk menjelaskan fenomena tertentu yang melibatkan dua atau lebih variabel, baik itu variabel laten atau bukan. Variabel yang terdapat model SEM, yaitu variabel laten (konstruk) dan atau variabel manifest (indikator), jika ada sebuah variabel laten, maka akan ada dua atau lebih variabel manifest Langkah-Langkah SEM Hair, J, F. Jr., Anderson, R.E., Tathan, R.L., dan Black, W.C. (1998) mengajukan tahapan pemodelan dan analisis persamaan struktural menjadi 7 (tujuh) langkah, yaitu: 1. Pengembangan Model Berdasarkan Teori Model persamaan struktural didasarkan pada hubungan kausalitas, yaitu perubahan suatu variabel diasumsikan akan berakibat pada perubahan variabel yang lainnya. Hubungan kausalitas dapat berarti hubungan yang erat atau kuat. Kuatnya hubungan kausalitas antara dua variabel yang diasumsikan oleh peneliti atau pengguna, bukan terletak pada metode analisis yang dipilihnya tetapi terletak pada justifikasi (pembenaran) secara teoritis untuk mendukung analisis. Jadi, dapat dikatakan bahwa hubungan antar variabel dalam model merupakan deduksi dari teori. 2. Membangun Diagram Jalur (Path diagram) Prosiding SIMNASIPTEK: Hal. A-88 Pada langkah kedua, model teoritis yang telah dibangun tersebut kemudian akan digambarkan didalam sebuah path diagram. Biasanya diketahui bahwa hubungan-hubungan kausal dinyatakan dalam bentuk persamaan. Tetapi dalam SEM hubungan kausalitas cukup digambarkan dalam sebuah path diagram. Selanjutnya, bahasa program akan mengkonversikan gambar menjadi persamaan, dan persamaan menjadi estimasi. Tujuan dibuatnya path diagram adalah untuk memudahkan peneliti dalam melihat hubungan hubungan kausalitas yang ingin diuji. 3. Konversi Diagram Jalur Ke dalam Persamaan Struktural Setelah mengembangkan model teoritis yang kemudian dituangkan ke dalam diagram jalur, maka langkah selanjutnya adalah menerjemahkan model tersebut ke dalam persamaan struktural dengan cara, setiap konstruk endogen merupakan dependen variabel di dalam persamaan yang terpisah. Sehingga variabel dependen adalah semua konstruk yang mempunyai garis dengan anak panah yang menghubungkannya ke konstruk endogen. 4. Memilih Matriks Input dan Estimasi Model Dalam SEM hanya menggunakan matriks varians-kovarians atau matriks korelasi sebagai data input untuk keseluruhan estimasi yang dilakukannya. Matriks kovarians digunakan karena memiliki keunggulan dalam menyajikan perbandingan yang valid antara populasi yang berbeda dengan sampel yang berbeda. Matriks varians-kovarians umumnya lebih banyak digunakan dalam penelitian, sebab standar error yang dilaporkan dari berbagai penelitian umumnya menunjukkan angka yang lebih akurat bila dibandingkan dengan matriks korelasi yang digunakan sebagai data input. 5. Evaluasi Masalah Identifikasi Model Salah satu masalah yang akan dihadapi adalah masalah identifikasi. Masalahidentifikasi pada prinsipnya adalah masalah mengenai ketidakmampuan dari model yang dikembangkan untuk menghasilkan estimasi yang unik. Cara melihat ada tidaknya masalah identifikasi adalah dengan melihat hasil estimasi. 6. Evaluasi Asumsi dan Kesesuaian Model Tindakan yang dilakukan adalah mengevaluasi apakah data yang digunakan telah memenuhi asumsi-asumsi SEM adalah : uji asumsi model, uji kesesuaian model danuji parameter model. 7. Interpretasi dan Modifikasi model Langkah terakhir adalah menginterpretasikan model dan memodifikasikan model bagi yang tidak memenuhi syarat pengujian yang dilakukan. Strategi untuk memodifikasi model bila tidak memenuhi syarat-syaratnya ini disebut dengan Model Development Strategy. Strategi ini adalah yang paling banyak

5 digunakan dan yang paling baik untuk mendapatkan model yang lebih baik Analysis of Moment Structure (AMOS) AMOS (Analysis of Moment Structure) merupakan salah satu program atau software yang digunakan untuk mengestimasi model pada model persamaan struktural (SEM) (Ghozali, 2004). Saat ini software AMOS merupakan software yang dapat diandalkan dalam menyelesaikan permasalahan sosial karena kemampuannya dalam mengukur variabel yang bersifat laten atau tidak dapat diukur secara langsung akan tetapi dapat diukur melalui indikatornya. III. METODE PENELITIAN 3.1. Metode Pemilihan Sampel Menurut Santoso dan Tjiptono (2002), populasi adalah kumpulan atau keseluruhan anggota atau elemen dari objek penelitian dan memenuhi kriteria tertentu, yang telah ditetapkan oleh peneliti, dan juga merupakan keseluruhan atau himpunan objek dengan ciri yang sama. Populasi yang digunakan dalam penelitian ini adalah perusahan-perusahaan yang pernah mengikuti proses e-procurement pada instansi Pemerintah Daerah, jumlah perusahaan yang dilibatkan dalam proses pengumpulan data melalui sebaran kuisioner yang dikirimkan dengan surat elektronik ( ) sebanyak 200 perusahaan. Sedangkan menurut Nazir (2009), sampel adalah sebagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut. Jumlah sampel pada penelitian ini didasarkan pada penentuan jumlah sampel berdasarkan syarat jumlah sampel minimal untuk SEM, yaitu (Hair, et al., 1998). Teknik pengambilan sampel yang digunakan dalam penelitian ini adalah non-probability sampling/non-random sampling, yaitu dipilih secara acak oleh peneliti. Dan teknik yang digunakan dalam penarikan sampel adalah purposive sampling yaitu teknik penarikan sampel yang dilakukan berdasarkan karakteristik yang ditetapkan terhadap elemen populasi target yang disesuaikan dengan tujuan atau masalah penelitian Metode Pengumpulan Data Pengumpulan data pada penelitian ini menggunakan metode sebagai berikut: 1. Kuesioner Data dan informasi yang bersifat primer dikumpulkan dari tiap responden dengan menggunakan kuesioner dikirim melalui surat elektronik ( ) ke perusahaan yang pernah mengikuti proses e-procurement untuk diisi dan dikumpulkan kembali yang kemudian hasilnya dianalisa untuk menguji hipotesis yang diajukan pada tahap awal penelitian ini. 2. Studi Pustaka Studi pustaka dilakukan dengan membaca buku-buku yang berkaitan dengan penelitian yang dilakukan. Sehingga diperoleh data yang bersifat teoritis dengan cara mempelajari literatur, jurnal penelitian, bahan kuliah dan sumber atau bahan lain yang berhubungan dengan permasalahan dalam penelitian Kerangka Konsep Penelitian Kerangka pemikiran penelitian yang akan digunakan mengacu pada model kesuksesan DeLone & McLean. Gambar 3.1. menggambarkan tentang kerangka pemikiran penelitian. Gambar 3.1. Kerangka Pemikiran Penelitian 3.4. Hipotesis Sesuai dengan kerangka konsep penelitian pada gambar 2.1., hipotesis yang diajukan adalah sebagai berikut: H1 : Diduga kualitas sistem secara kepuasan peserta e- procurement. H2 : Diduga kualitas sistem secara manfaat bersih. H3 : Diduga kualitas informasi secara kepuasan peserta e- procurement. H4 : Diduga kualitas informasi secara manfaat bersih. H5 : Diduga kualitas layanan secara kepuasan peserta e- procurement. H6 : Diduga kualitas layanan secara manfaat bersih. H7 : Diduga kepuasan peserta e-procurement secara manfaat bersih Instrumen Penelitian Penelitian ini menggunakan instrumen kuesioner, yaitu pertanyaan tertutup (closed question), hal ini dilakukan agar responden dapat dengan mudah menjawab kuesioner. Data dari kuesioner dapat dengan cepat dianalisis secara statistik serta pernyataan yang sama dapat diulang dengan mudah. Pertanyaan yang digunakan dalam kuesioner diukur dengan menggunakan skala semantic differential, yang mempunyai nilai berupa skala Prosiding SIMNASIPTEK: Hal. A-89

6 interval. Responden diminta memberi tanda silang pada bagian manapun sepanjang garis horizontal, dimulai dari pernyataan Sangat Rendah (SR) yang bernilai 1, sampai Sangat Tinggi (ST) yang bernilai 6. Pemberian tanda silang (X) tidak harus tepat garis pemisah. Skala semantic differential pada kuisioner penelitian ini dapat dilihal pada gambar 3.2. Gambar 3.2. Skala Semantic Differential Untuk memudahkan responden mengisi kuesioner yang diberikan dan memudahkan pembacaan serta memastikan skala yang diberikan, maka dalam lembar kuesioner yang dikirimkan melalui surat elektronik ( ), isian jawaban diberikan dalam bentuk text box yang bisa diisi angka dari 1,0 hingga 6,0. Bentuk text box yang dimaksud, dapat dilihat pada gambar 3.3. Gambar 3.3. Contoh Isian Kuesioner Penelitian ini terdiri dari 5 variabel dan 20 indikator sehingga menghasilkan 20 pertanyaan dalam kuesioner yang dikirimkan. Tabel 3.1. memperlihatkan kisi-kisi instrumen penelitian. Tabel 3.1. Kisi-Kisi Instrumen Penelitian No Variabel Indikator Jumlah Sk 1. Kualitas Sistem (DeLone dan McLean, 2003) 2. Kualitas Informasi (Seddon, al., 1999) dan (DeLone dan McLean, 2003) 3. Kualitas Layanan (Akbar dan Parvez, 2009) dan (Zeithalm, Parasuraman, dan 1990) 4. Kepuasan Peserta e- Berry, 1. Kehandalan sistem KS Waktu respon KS2 1 sistem 3. Ketergunaan KS3 1 sistem 4. Informasi KI1 1 tersedia secara et aktual 5. Informasi mudah KI2 1 dipahami 6. Kelengkapan KI3 1 informasi 7. Relevansi KI4 1 informasi 8. Kehandalan KL Daya tanggap KL Jaminan KL Empati KL Kepuasan KP1 1 peserta 13. Kesulitan KP2 1 procurement penggunaan (Liu dan 14. Kenyamanan Arnett, 2009) penggunaan KP Kesenangan penggunaan KP Mempercepat MB1 1 pengolahan (Seddon, et data al., 1999) 17. Membantu MB2 1 pemecahan permasalahan 18. Meningkatkan MB3 1 kualitas informasi 19. Menghasilkan MB4 1 informasi cepat dan tepat 20. Mendukung MB5 1 pengambilan keputusan Jumlah Manfaat Bersih ala s e m a n t i c d i f f e r e n t i a l 3.6. Metode Analisa Metode Analisa Data Analisa data yang digunakan dalam penelitian ini, yaitu: 1. Analisa Statistika Deskriptif Analisa statistika deskriptif digunakan untuk melihat hasil distribusi frekuensi Prosiding SIMNASIPTEK: Hal. A-90

7 ukuran pemusatan dan penyebaran data tentang karakteristik sampel (responden) dan indikator-indikator variabel. 2. Analisa Statistika Inferensial Analisa statistika inferensial digunakan untuk menganalisa data sampel dan membuat kesimpulan terhadap obyek yang diteliti 3.7. Metode Analisa SEM dengan AMOS Analisis data menggunakan SEM dapat dilakukan dengan tools, yaitu AMOS 22. Adapun tahapan yang dilakukan untuk melakukan analisis data menggunakan SEM dengan tools AMOS dapat dijelaskan sebagai berikut: 1. Pengembangan Model Berbasis Teori Penelitian ini merupakan analisa teori dari DeLone dan McLane (2003). 2. Membangun Diagram Jalur (Path Diagram) Path diagram merupakan representasi visual dari sebuah model yang menggambarkan seluruh hubungan antara variabel-variabel yang ada didalamnya (Hair, et al., 1998). Penggunaan path diagram dapat mempermudah dalam melihat hubungan yang ada pada model. Menurut Santoso (2011) dalam path diagram AMOS, terdapat dua macam variabel error, yaitu: a. Measurement Error b. Structural Error 3. Konversi Diagram Jalur ke Dalam Persamaan Struktural. Terdapat dua macam cara konversi diagram jalur ke dalam persamaan struktural, yaitu: a. Konvers Persamaan-Persamaan Struktural (Structural Equation) b. Persamaan Spesifikasi Model Pengukuran (Measurement Model) 4. Memilih Matriks Input dan Teknik Estimasi Model SEM dapat menggunakan matriks kovarian dan matrik korelasi dari variabel yang diuji, sebagai input. Pemilihan jenis matriks sebagai input, dilakukan berdasarkan tujuan dari analisis yang dilakukan. Pengujian teoritis disarankan menggunakan matriks kovarian sebagai input (Hair, et al., 1998). 5. Mengidentifikasi Model Identifikasi model perlu dilakukan untuk menentukan apakah analisis bisa dilakukan lebih lanjut. Analisis SEM bisa dilakukan apabila df bernilai positif (Over-Identified Model) (Santoso, 2011). 6. Mengevaluasi Asumsi SEM Sebelum melakukan evaluasi kesesuaian model terhadap data penelitian, hasil estimasi model perlu dievaluasi agar memenuhi asumsi-asumsi yang harus dipenuhi untuk mengaplikasikan SEM. Berikut adalah asumsi-asumsi dalam SEM yang perlu dievaluasi : a. Ukuran Sampel b. Normalitas Data c. Outliers d. Multikolinearitas dan Singularitas 7. Menguji Kesesuaian Model Uji kesesuaian model terdiri dari dua tahapan pengujian, sebagai berikut: a. Uji Validitas b. Uji Reliabilitas Untuk mengetahui model yang telah dibangun fit atau tidak maka digunakan uji sebagai berikut: a. Absolut fit measure Uji Statistik yang digunakan untuk mengukur absolute fit measure sebagai berikut: 1) Chi-Square Statistic (CMIN) 2) CMIN/DF 3) GFI 4) RMSEA b. Incremental Fit Measure Uji Statistik yang digunakan untuk mengukur incremental fit measure sebagai berikut: 1) AGFI 2) TLI 3) NFI 4) CFI (Comparative Fit Index) c. Parsimonius Fit Measures Statistik uji yang digunakan untuk mengukur parsimonious fit measure adalah sebagai berikut: 1) PNFI (Parsimonius Normal Fit Index) 2) PGFI (Parsimonius Goodness of Fit) Batas nilai kritis (cut off) yang direkomendasikan untuk uji kesesuaian ditampilkan pada tabel 3.2. Tabel 3.2. Batasan Nilai Kritis (Cut Off) Ukuran Kesesuaian Batas Nilai Kritis Keterangan Absolut Fit Measures Chi-Square X 2 Kecil, X 2 hitung Hullan, Chow dan Lam (1996) X 2 tabel Probability 0,05 Hullan, Chow dan Lam (1996) CMIN/DF 2,00 Byrne (1988) GFI 0,90 Diamantopaulus dan Siguaw (2000) RMSEA 0,08 Browne dan Cudeck (1993) Incremental Fit Measures AGFI 0,90 Diamantopaulus dan Siguaw (2000) TLI 0,95 Hair, et al. (1998) NFI 0,90 Bentler (1992) CFI 0,95 Arbuckle (1997) Parsimonious Fit Measures PNFI 0,60 James, et al. (1982) Prosiding SIMNASIPTEK: Hal. A-91

8 PGFI 0,60 Byrne (1988) Sumber: Widodo, Melakukan Interpretasi dan Modifikasi Model Suatu model SEM yang telah diuji dan terbukti valid, bukanlah satu-satunya model yang fit dengan data yang ada (Santoso, 2011). IV. PEMBAHASAN 4.1. Hasil Penelitian Data Demografi Responden Responden dari penelitian ini adalah perusahanperusahaan yang pernah mengikuti proses e- procurement pada instansi pemerintah daerah di beberapa daerah di Indonesia yang diambil secara random melalui fasilitas pengadaan secara elektronik (e-procurement) berupa situs Layanan Pengadaan Secara Elektronik (LPSE) yang terkoneksi ke setiap kota/kabupaten dan provinsi seluruh Indonesia. Jumlah perusahaan yang dilibatkan dalam proses pengumpulan data melalui sebaran kuesioner surat elektronik ( ) sebanyak 200 perusahaan. Kuesioner yang dikembalikan dan berisi data lengkap dan siap untuk dianalisis sebanyak 127 kuesioner. Jumlah sampel tersebut telah memenuhi batas minimal analisis SEM yang membutuhkan sampel antara sampel. Data lengkap tentang identitas responden dapat dilihat pada tabel 4.1. Tabel 4.1. Profil Responden Klasifikasi Responden Jumlah Persentase Jenis Kelamin Pria ,3% Wanita 25 19,7% Jumlah ,0% Lokasi Perusahaan Jakarta 97 76,4% Luar 30 23,6% Jakarta Jumlah ,0% Status Kepemilikan BUMN 8 6,3% Modal Perusahaan Swasta ,7% Jumlah ,0% Analisis Statistik Deskriptif Nilai statistik masing-masing variabel penelitian dapat dilihat pada tabel 4.2. Pada tabel tersebut juga ditampilkan nilai c.r skewness dan c.r kurtosis dalam kisaran nilai yang direkomendasikan yaitu sampai Variabel Tabel 4.2. Statistik Variabel Penelitian Nilai Min Nilai Max Nilai Mean Skewness Kurtosis KS 3,00 5,50 4,306-0,169-0,306 KI 3,00 6,00 4,701 0,148 0,680 KL 2,50 6,00 4,621-0,546 0,380 KP 1,00 6,00 3,630-0,683 0,498 MB 2,00 6,00 4,344-0,402-0, Pembahasan Pengujian Model Berbasis Teori Berdasarkan model penelitian yang diajukan, maka penelitian ini memiliki beberapa variabel, yaitu: 1. Variabel eksogen, terdiri dari kualitas informasi, kualitas sistem, dan kualitas layanan. 2. Variabel endogen, terdiri dari kepuasan peserta e-procurement dan manfaat bersih. Pada penelitian ini indikator variabel penelitian berjumlah 20 indikator. Hubungan kausal antara variabel eksogen dan variabel endogen diperlihatkan pada gambar 4.1. Gambar 4.1. Model Awal Penelitian Pengujian Validitas dan Reliabilitas Pengujian Validitas Berdasarkan hasil uji Confirmatory Factor Analysis (CFA), maka dapat dijelaskan hasil uji validitas variabel sebagai berikut: 1. Uji Validitas Variabel Laten Eksogen a. Kualitas Sistem (KS) Tabel 4.3. Uji Validasi Variabel KS Indikator Estimasi Keterangan KS1 0,766 Valid KS2 0,566 Valid KS3 0,756 Valid b. Kualitas Informasi (KI) Tabel 4.4. Uji Validasi Variabel KI Indikator Estimasi Keterangan KI1 0,507 Valid KI2 0,944 Valid KI3 0,517 Valid KI4 0,625 Valid c. Kualitas Layanan (KL) Tabel 4.5. Uji Validasi Variabel KL Indikator Estimasi Keterangan KL1 0,566 Valid KL2 0,514 Valid KL3 0,541 Valid Prosiding SIMNASIPTEK: Hal. A-92

9 KL4 0,995 Valid 2. Uji Validitas Variabel Laten Endogen a. Kepuasan Peserta e-procurement (KP) Tabel 4.6. Uji Validasi Variabel KP Indikator Estimasi Keterangan KP1 0,845 Valid KP2-0,570 Tidak Valid KP3 0,897 Valid KP4 0,867 Valid b. Manfaat Bersih (MB) Tabel 4.7. Uji Validasi Variabel MB Indikator Estimasi Keterangan MB1 0,883 Valid MB2 0,542 Valid MB3 0,939 Valid MB4 0,887 Valid MB5 0,625 Valid 4. Multikolinearitas dan Singularitas Jika determinan dari matrik kovarians sangat besar atau jauh dari angka nol, maka dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dan singularitas pada data yang dianalisis, sehingga data dinyatakan valid. Nilai determinant of sampel covariance matrix =.000. Berdasarkan nilai tersebut maka dapat disimpulkan bahwa tidak terdapat masalah multikolinearitas dan singularitas pada data yang dianalisis, sehingga data dinyatakan valid Uji Kesesuaian Model penelitian sementara seperti terlihat pada gambar 4.2. diperoleh setelah dilakukan uji validasi dan reliabilitas Pengujian Reliabilitas Berdasarkan hasil uji reabilitas konstruk, maka hasil uji reliabilitas gabungan dapat dilihat pada tabel 4.8. Tabel 3.8. Uji Reliabilitas Gabungan Variabel Laten Construct Reliability Variance Extracted KI 0,824 0,614 KS 0,827 0,562 KL 0,832 0,574 KP 0,946 0,853 MB 0,930 0, Uji Asumsi Uji asumsi model dilakukan untuk mengetahui apakah data yang digunakan telah memenuhi asumsiasumsi SEM. Asumsi-asumsi yang harus diperhatikan dalam uji asumsi ini adalah: 1. Ukuran Sampel Jumlah data sampel dalam penelitian ini sebanyak 127 sampel. Jumlah tersebut telah memenuhi persyaratan ukuran sampel dalam pemodelan SEM minimum berjumlah 100 sampel. 2. Uji Normalitas Berdasarkan penilaian normalitas (assessment of normality), secara univariate bahwa nilai c.r. keseluruhan berada pada kisaran nilai yang direkomendasikan yaitu antara -2,58 sampai dengan 2,58 (si pada 1%). Namun nilai multivariate c.r sebesar 17,896 berada di atas 2,58, sehingga dapat disimpulkan bahwa data berdistribusi tidak normal. 3. Outlier Sebuah data digolongkan outlier jika memiliki nilai p1 dan p2 kurang dari 0,05. Pada mahalanobis distance ada nilai p1 dan p2 di bawah 0,05. Kondisi tersebut menunjukkan bahwa terdapat adanya outlier. Gambar 4.2. Model Penelitian Setelah Uji Validasi dan Reliabilitas Model teori yang diajukan pada penelitian ini tidak sesuai dengan model populasi yang diobservasi. Hal tersebut dapat dibuktikan dengan melihat nilai P pada tabel 4.9. yang bernilai kurang dari 0,05. Tabel 4.9. Hasil Uji Kesesuaian Model Ukuran Batas Nilai Hasil Uji Keterangan Kesesuaian Kritis Model Absolut Fit Measures Chi-Square X 2 Kecil, χ 2 816,145 Tidak Baik (CMIN) α ; df Probability 0,05 0,000 Tidak Baik Chi-Square X 2 2,00 5,748 Tidak Baik Relatif (CMIN/DF) GFI 0,90 0,566 Tidak Baik RMSEA 0,08 0,194 Tidak Baik Incremental Fit Measures AGFI 0,90 0,420 Tidak Baik TLI 0,95 0,581 Tidak Baik Prosiding SIMNASIPTEK: Hal. A-93

10 NFI 0,90 0,613 Tidak Baik CFI 0,95 0,652 Tidak Baik Parsimonious Fit Measures PNFI 0,60 0,509 Tidak Baik PGFI 0,60 0,423 Tidak Baik Karena nilai P kurang dari 0,05 atau tidak memenuhi persyaratan, maka uji kriteria lain seperti; absolut fit measure, incremental fit measures, dan parsimonious fit measures tidak dilanjutkan. Untuk itu langkah selanjutnya dalam penelitian ini adalah dengan menggunakan analisis jalur (path analysis) Analisis Model Jalur (Path Analysis) Model Jalur Awal Model jalur awal untuk analisis jalur (path analysis) diperlihatkan pada gambar 4.3. dibawah ini: Gambar 4.3. Model Jalur Awal Dari hasil uji si diperoleh nilai koefisien yang si setiap jalur pada model jalur awal. gambar 4.4. memperlihatkan hasil uji si Gambar 4.4. Hasil Uji Signifikansi Model Jalur Awal Hubungan kausalitas antar jalur (path) yang boleh digunakan harus memenuhi kriteria nilai probabilitas P < 0,05 dan koefisien regresi bernilai positif. Dalam tabel diperlihatkan hasil analisis terhadap model jalur awal. Tabel Koefisien Regresi dan Nilai Probabilitas Model Jalur Awal Hubungan Kausalitas Koefisien Regresi (KR) Probabilitas (P) Keterangan KP KL -0,131 0,351 Non Signifikan KP KS 0,201 0,451 Non Signifikan KP KI 0,671 0,005 Signifikan MB KI 1,227 0,000 Signifikan MB KL 0,170 0,066 Non Signifikan MB KS 1,163 0,000 Signifikan MB KP 1,133 0,022 Signifikan Dari hasil uji si yang disimpulkan dalam tabel 3.10., terdapat empat jalur dan tiga jalur non. Hal ini menyatakan bahwa model jalur awal yang diajukan, tidak sesuai atau tidak fit. Uji si ini akan menyebabkan hipotesis operasional yang telah dibuat sebelumnya akan diterima (jika P < 0,05) atau ditolak (jika P > 0,05). Berikutnya dapat disarikan hasil hipotesis khusus seperti diperlihatkan dalam tabel Hipotesis H1 H2 H3 H4 H5 H6 H7 Tabel Hasil Hipotesis Operasional Deskripsi Hipotesis Diduga kualitas sistem secara kepuasan peserta e- procurement. Diduga kualitas sistem secara manfaat bersih. Diduga kualitas informasi secara kepuasan peserta e- procurement. Diduga kualitas informasi secara manfaat bersih. Diduga kualitas layanan secara kepuasan peserta e- procurement Diduga kualitas layanan secara manfaat bersih Diduga kepuasan peserta e- procurement secara manfaat bersih Statistik Hipotesis KP KS MB KS KP KI MB KI KP KL MB KL MB KP Hasil Ditolak (Non Signifikan) Diterima (Signifikan) Diterima (Signifikan) Diterima (Signifikan) Ditolak (Non Signifikan) Ditolak (Non Signifikan) Diterima (Signifikan) Dari tabel terlihat bahwa Kepuasan Peserta e- procurement dipengaruhi oleh Kualitas Informasi dan Kualitas Layanan, namun tidak dipengaruhi secara oleh Kualitas Sistem. Sedangkan Manfaat Bersih dipengaruhi oleh Kualitas Sistem, Kualitas Informasi dan Kepuasan Peserta e-procurement. Prosiding SIMNASIPTEK: Hal. A-94

11 Model Jalur Akhir Model jalur akhir yang dibuat berdasarkan penghapusan jalur dari uji si, diperlihatkan pada gambar 4.5. Gambar 4.5. Model Jalur Akhir Dari hasil uji si diperoleh gambaran koefisien regresi seperti pada gambar 4.6. Gambar 4.6. Hasil Uji Signifikansi Model Jalur Akhir Tabel memperlihatkan hasil analisa Koefisien Regresi dan Probabilitas untuk model jalur akhir yang dibuat. Tabel Koefisien Regresi dan Nilai Probabilitas Model Jalur Akhir Hubungan Kausalitas Koefisien Regresi (KR) Probabilitas (P) Keterangan KP KI 0,750 0,000 Signifikan MB KL 0,252 0,022 Signifikan MB KS 1,965 0,000 Signifikan MB KP 0,239 0,000 Signifikan Tabel Koefisien Determinasi Model Jalur Akhir Variabel Endogen R 2 Intercept KP 12,20% -2,445 MB 63,40% -11, Interpretasi Model Berdasarkan tabel dan tabel 4.13., maka dibuat persamaan variabel endogen model akhir yang diperlihatkan dibawah ini: KP = intercept + γ12 KI 4.1 KP = -2, ,750 KI Persamaan 3.1 menjelaskan hubungan antara Kepuasan Pengguna (KP) dengan Kualitas Informasi (KI). Apabila KI meningkat 1 satuan, maka KP akan meningkat 0,750. Variabel endogen Kepuasan Peserta (KP) dipengaruhi oleh Kualitas Informasi (KI). Hasil penelitian menjelaskan Kepuasan Peserta (KP) yang dipengaruhi oleh variasi Kualitas Informasi (KI) sebanyak 12,20%, sedangkan persentase sebesar 87,80% merupakan variasi yang dijelaskan oleh variabel-variabel lain dalam penelitian ini. MB = intercept + γ21 KL + γ22 KS + β21 KP 4.2 MB = -11, ,252 KL + 1,965 KS + 0,239 KP Persamaan 4.2 menjelaskan hubungan antara Manfaat Bersih (MB) dengan Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Pengguna (KP). Jika KL meningkat 1 satuan dan KS serta KP bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 0,252. Jika KS meningkat 1 satuan dan KL serta KP bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 1,965. Jika KP meningkat 1 satuan dan KL serta KS bernilai konstan, maka Manfaat Bersih (MB) akan meningkat sebesar 0,239. Variabel endogen Manfaat Bersih (MB) juga dipengaruhi secara oleh 3 variabel yaitu Kualitas Layanan (KL), Kualitas Sistem (KS), dan Kepuasan Peserta (KP). Hasil penelitian menjelaskan Manfaat Bersih (MB) yang dipengaruhi oleh variasi Kualitas Layanan (KL), Kualitas Sistem (KS) dan Kepuasan Peserta (KP) 63,40%, sedangkan persentase sebesar 36,60% merupakan variasi yang dijelaskan oleh variabel Kualitas Informasi (KI). V. KESIMPULAN Dari penelitian ini dapat disimpulkan beberapa hal berikut: 1. Kualitas informasi merupakan variabel atau faktor yang paling kepuasan peserta e- procurement. 2. Kualitas layanan, kualitas sistem dan kepuasan peserta merupakan variabel atau faktor yang paling manfaat bersih e-procurement bagi para peserta e-procurement. REFERENSI Aritonang, R. L. (2005). Kepuasan Pelanggan. Jakarta: PT Gramedia Pustaka Utama. Chaffey, D. (2004). E-business and E-commerce Management: Strategy, Implementation, and Prosiding SIMNASIPTEK: Hal. A-95

12 Practice (2nd edition). New Jersey: Prentice Hall. DeLone, W. H. (1992). Information System Success: The Quest for the Dependent Variable. Information System Research 3(1), DeLone, W. H. (2003). Information Systems Success: A Ten-Year Update. Journal of Information Systems Research, The Institute of Management Sciences. Fauzan, M. M. (2013). Tingkat Kesiapan Masyarakat Jasa Konstruksi Dalam Penerapan E- Procurement Di Lhokseumawe. Teras Jurnal, Vol 3, No. 1, Maret. Ghozali, I. (2004). Model Persamaan Struktural: Konsep dan Aplikasi dengan Program AMOS Ver Semarang: Badan Penerbit Universitas Diponegoro. Hair, J. F. (1998). Multivariat Data Analysis. New Jersey: Prentice Hall. Jogiyanto, H. (2007). Model Kesuksesan Sistem Teknologi Informasi. Yogyakarta: Andi Offset. Kusdaryono, A. (2007). Strategi Penerapan Sistem E- Procurement Pemerintah (SePP): Studi Kasus di Departemen Komunikasi dan Informatika R.I. Jakarta: Universitas Budi Luhur. Liu, C. d. (23-33). Exploring the Factors Associated with Web Site Success In the Context Of Electronic Commerce. Information & Management, 38, Muzahid Akbar, M. d. (2009). Impact of Service Quality, Trust, and Customer Satisfaction on Customers Loyalty. ABAC Journal Vol. 29, No. 1 (January-April), Nazir, M. (2009). Metode Penelitian. Jakarta: Ghalia Indonesia. Santoso, S. (2011). Struktural Equation Model (SEM): Konsep dan Aplikasi dengan AMOS 18. Jakarta: Elex Media Komputindo. Santoso, S. d. (2002). Riset Pemasaran: Konsep dan Aplikasi dengan SPSS. Jakarta: Elex Media Komputindo. Seddon, P. S. (1999). Dimensions of Information Systems Success. Communication of the AIS (2). Sitinjak, T. d. (2006). Lisrel. Yogyakarta: Graha Buku. Sugiyono. ( 1999). Metode Penelitian Bisnis. Bandung: Alfabeta. Turban, E. K. (2004). Electronic Commerce: A Managerial Perspective. New Jersey: Prentice Hall. Widodo, P. P. (2007). Seri Structural Equation Modeling. Jakarta: Universitas Budi Luhur. Zeithaml, V. A. (1990). Delivering Quality Service: Balancing Customer Perception and Expectation. New York.: The Free Press. Prosiding SIMNASIPTEK: Hal. A-96