Oleh : JOKO PRASETIYO 1309201718 Pembimbing Prof. Drs. Nur Iriawan, M.Ikomp, Ph.D Badan Pusat Statistik (BPS) merupakan instansi pemerintah yang hampir semua kegiatannya berhubungan dengan data. Persiapan-> pelaksanaan-> evaluasi -> deseminasi Tahapan Penting Pengolahan Data Calculator -> Sipoa -> Main frame-> PC(1980-an di Propinsi dan 1992 di BPS Kab./Kota) Personal Computer (PC) -> stand alone Kebutuhan kecepatan komunikasi data -> Komputer berbasis jaringan Investasi BPS dalam membangun infrastruktur Teknologi Informasi cukup besar. BPS Perlu memahami faktor yang mempengaruhi penerimaan pegawai terhadap Teknologi yang ada. BPS dapat mengembangkan strategi yang tepat dalam mengimplementasikan Teknologi dalam meningkatkan kinerja organisasi. 1
Beberapa Model untuk menganalisa faktor yang mempengaruhi penerimaan TI: Theory of Reasoned Action (TRA) Theory of Planned Behavior (TPB) Technology Acceptance Model (TAM) TAM merupakan model yang populer saat ini yang dikembangkan oleh Davis(1989). Paket software yang umum: Pendekatan Maximum Likelihood (ML), Generalized Least Square (GLS) maupun Asymptoticaly Distribution Free (ADF) Sampel besar apalagi dengan ADF harus lebih besar lagi Analisis SEM pendekatan Bayesian: Tidak terlalu bergantung pada teori normal Bermanfaat pada situasi sampel kecil Data tidak diwakili oleh matrik varian covarian seperti halnya dalam SEM standar melainkan oleh data itu sendiri. Bisa diperoleh estimasi variabel laten maupun residual Metode Marcov Chain Monte Carlo (MCMC) dengan Gibbs Sampler 2
Rumusan Masalah 1. Bagaimana rancangan TAM yang sesuai dengan penerimaan teknologi pada pengolahan data berbasis jaringan di BPS Kabupaten/Kota di Sulawesi Selatan? 2. Variabel apa sajakah yang mempengaruhi penerimaan teknologi pada pengolahan data berbasis jaringan di BPS Kabupaten/Kota di Sulawesi Selatan? 3. Bagaimana struktur TAM yang optimal untuk penerimaan teknologi pada pengolahan data berbasis jaringan di BPS Kabupaten/Kota di Sulawesi Selatan? Tujuan Penelitian 1. Mengetahui rancangan TAM yang sesuai dengan penerimaan teknologi pada pengolahan data berbasis jaringan di BPS Kabupaten/Kota di Sulawesi Selatan 2. Mengetahui variabel apa saja yang berpengaruh terhadap penerimaan teknologi pada pengolahan data berbasis jaringan di BPS Kabupaten/Kota di Sulawesi 3. Mengetahui struktur TAM yang optimal untuk penerimaan teknologi pada pengolahan data berbasis jaringan di BPS Kabupaten/Kota di Sulawesi Selatan. Manfaat Penelitian 1. Menambah wawasan keilmuwan 2. Dapat dijadikan masukan bagi BPS dalam mengambil kebijakan penerapan p teknologi informasi di lingkungan BPS. Batasan Penelitian 1. Komputer berbasis jaringan di lingkungan BPS Kabupaten/Kota di wilayah Propinsi Sulawesi Selatan. 2. Sasaran responden yang digunakan adalah pegawai dan mitra BPS yang memanfaatkan teknologi pengolahan data berbasis jaringan di Kabupaten/Kota di Propinsi Sulawesi Selatan. Technology Acceptance Model TAM (Davis 1989) > Perceived Usefulness derajat dari keyakinan seseorang bahwa menggunakan suatu sistem akan meningkatkan prestasi kerjanya Perceived Ease of Use derajat keyakinan seseorang bahwa menggunakan suatu sistem tidak perlu banyak usaha atau bebas usaha 3
Beberapa penelitian sebelumnya mengenai penerimaan teknologi: Burton-Jones dan Hubono (2006) : tingkat pendidikan dan pengalaman signifikan terhadap perceived ease to use Wu,Chen dan Lin (2007) : computer self-efficacy signifikan terhadap perceived ease to use, Gallego, Luna dan Bueno (2008) : kemampuan sistem signifikan terhadap perceived usefulness dan perceived ease to use Magni dan Pennarola (1995) : dukungan organisasi signifikan terhadap perceived usefulness dan perceived ease to use Maholtra dan Galletta (1999) : social influence berpengaruh positif terhadap perilaku pengguna Structural Equation Modeling (SEM) merupakan teknik multivariat yang mengkombinasikan teknik dan ide-ide analisis regresi dan analisis faktor yang memungkinkan bagi peneliti melakukan analisis simultan antara variabel teruur dan variabel laten maupun antar beberapa variabel laten.(hair, dkk. 2006) Melibatkan variabel laten (endogen dan eksogen) dan variabel manifest/indikator Structural Equation Model (SEM) Fokus pada matrik kovarian S. Persamaan Pengukuran. Persamaan Struktural Menggunakan fungsi ML, GLS maupun ADF dengan berusaha meminimumkan perbedaan antara kovarian sampel S dengan kovarian populasi p (diprediksi( p oleh model teoritis) ) (Lee dan Song 2004; Lee 2007) Structural Equation Model (SEM) Pendekatan struktur kovarian pada matrik kovarian sampel bekerja baik pada SEM dengan kondisi asumsi normal, namun kurang baik diaplikasikan pada model yang lebih komplek (Lee 2007) Pengembangan metode untuk situasi komplek berdasarkan pada observasi individu Lee 2007 mengembangkan dengan : pendekatan Bayesian Strategi yang digunakan Lee 2007: Menerapkan ide dari data augmentation untuk menambah pengamatan Y dengan jumlah yang besar, kemudian bekerja dengan joint posterior dalam analisis posterior Menerapkan Marcov Chain Monte Carlo (MCMC) dan mengambil pengamatan dalam penghitungan statistik dari full conditional distribution 4
Dengan Gibbs Sampler dibangkitkan sampel yang cukup besar dari distribusi joint posterior pada iterasi ke (j+1) dengan nilai sekarang dari dan : Bangkitkan dari Bangkitkan dari Catatan: Meliputi Implementasi Gibbs Sampler tersebut memerlukan distribusi bersyarat dan Untuk mendapatkan distribusi bersyarat tersebut: Lee (2007) menggunakan tipe distribusi prior konjugat 5
Jaringan Komputer BPS Kabupaten /Kota : Komponen Jaringan : Komponen pasif : instalasi kabel, wiring patch, konektor dan aksesoris lain yang diperlukan Komponen aktif : hub, switch maupun router Protokol Utama : Transmission Control Protocol/Internet Protocol (TCP/IP) : file and print service, internet, dan relational database management System Komunikasi BPS Pusat dan Daerah : Web dan email BPS Pusat, BPS Propinsi, Pusdiklat, STIS dan BPS Kota : VPN BPS Kabupaten/Kota Local Area Network (LAN) Hub + wireless Peerto peermaupun clientserver (sesuaikebutuhan) 2. Gambaran Umum Sistem Dalam Organisasi 6
2. Gambaran Umum No. Kabupaten/Kota Eselon III Eselon IV STAF KSK Jumlah (1) (2) (4) (5) (6) (10) (11) 1 Selayar 1 2 7 7 17 2 Bulukumba 1 6 6 8 21 3 Bantaeng 1 6 5 7 19 4 Jeneponto 1 6 4 6 17 5 Takalar 1 6 7 8 22 6 Gowa 1 6 11 13 31 7 Sinjai 1 6 4 6 17 8 Maros 1 6 10 7 24 9 Pangkep 1 6 4 10 21 10 Barru 1 6 8 6 21 11 Bone 1 5 6 22 34 12 Soppeng 1 4 6 8 19 13 Wajo 1 5 5 13 24 14 Sidrap 1 6 8 8 23 15 Pinrang 1 6 5 11 23 16 Enrekang 1 5 5 9 20 17 Luwu 1 4 7 12 24 18 Tana Toraja 1 6 5 24 36 19 Luwu Utara 1 2 5 8 16 20 Luwu Timur 1 4 8 9 22 21 Makassar 1 6 9 12 28 22 Pare-Pare 1 6 6 4 17 23 Palopo 1 6 4 7 18 Jumlah Kab/Kota 23 121 145 225 514 3. Metodologi Penelitian Sumber data Data primer (Survei Penerimaan Teknologi pada Pengolahan data Berbasis Jaringan di BPS Kabupaten/Kota di Sulsel) Software : Minitab 15 dan WinBUGS 1.4 Variabel Penelitian Faktor Organisasi (FO) Faktor Individu (FI) Faktor System (FS) Faktor Psikologi (Psychological Attachment) (FL) Faktor psikologi Internalisasi (FLI) Faktor psikologi Identifikasi (FLID) Faktor Psikologi Pemenuhan (FLC) Perceived usefulness (PU) Perceived Ease to Use (PEU) Attitute Toward Use (ATU) Behavioral Intention to Use (BI) Actual System Use (AU) 7