UAS

(Kelompok)
Manajemen Sistem dan Teknologi Informasi
“Faktor Yang Berkontribusi Pada Keinginan Untuk Mengikuti Kuliah Online Saat Kondisi Terbatas Pada
Masa Pandemi COVID-19 Dengan menggunakan Teori TAM ( TECHNOLOGY ACCEPTANCE MODEL).”

Novita Sari Simanungkalit 2017 65 047

Mety Patabang 2018 65 049
Dhian Pramana Aschary 2017 65 074

PROGRAM STUDI S1 TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS PAPUA

MANOKWARI

2020
 DAFTAR ISI

I. PENDAHULUAN……………………………………………………………………
1.1 Latar Belakang…………………………………………………………………….
1.2 Rumusn Masalah………………………………………………………………….
1.3 Batasan Masalah………………………………………………………………….
1.4 Tujuan Penelitian…………………………………………………………………
1.5 Manfaat Penelitian………………………………………………………………..
II. TINJAUAN PUSTAKA…………………………………………………………….
2.1 Technology Acceptance Model(TAM)…………………………………………..

2.2 Partial Least Square (PLS)………………………………………………………………………………….

2.2.1 Model Indikator PLS………………………………………………………………………….

2.2.2 Model Spesifikasi PLS………………………………………………………………………..

2.2.3 Langkah-langkah Analisis PLS…………………………………………………………….

2.3 Kerangka Berpikir……………………………………………………………………………………………..

III. METODOLOGI PENELITIAN……………………………………………………..

3.1 Metode Penelitian…………………………………………………………………
3.2 Waktu dan Tempat Penelitian…………………………………………………….
3.3 Metode Penentuan Subyek Penelitian ……………………………………………
3.3.1 Populasi Penelitian…………………………………………………….
3.3.2 Sampel Penelitian……………………………………………………...
3.4 Jenis Data…………………………………………………………………………
3.5 Variabel Penelitian………………………………………………………………..
3.6 Metode Analisa Data……………………………………………………………..
3.6.1 Analisis Data Kualitatif………………………………………………..
3.6.2 Analisis Data Kuantitatif………………………………………………
3.7 Outer Model………………………………………………………………………
3.7.1 Uji Validasi……………………………………………………………
IV. HASIL DAN PEMBAHASAN………………………………………………………
4.1 Hasil Penyusunan Kuesioner……………………………………………………...
4.2 Statistik Deskriptif………………………………………………………………..
4.3 Analisis dan Pembahasan data Kuantitatif……………………………………….
4.4 Deskripsi Variabel Penelitian……………………………………………………..
4.5 Hasil Uji Validasi…………………………………………………………………
4.6 Hasil Uji Reabilitas………………………………………………………………
4.7 Hasil Uji inner Model…………………………………………………………….
4.8 Hasil Uji Hipotesis………………………………………………………………

V. PENUTUP…………………………………………………………………………………..
5.1. Kesimpulan……………………………………………………………………….
5.2 Saran………………………………………………………………………………
DAFTAR PUSTAKA………………………………………………………………………….
 I. PENDAHULUAN
1.1 Latar Belakang
Perkembangan Teknologi Informasi (TI) baik perangkat keras (hardware) maupun perangkat
lunak (software) saat ini sudah menjadi kebutuhan yang sangat penting bagi hampir semua organisasi
perusahaan, instansi maupun institusi pendidikan. Hal ini sebagai penunjang dalam meningkatkan
efektivitas dan efisiensi dalam rangka mencapai tujuan perusahaan. Untuk mencapai tujuan tersebut
diperlukan suatu pengelolaan TI yang baik dan benar, sehingga keberadaan TI dapat membantu mencapai
tujuan perusahaan tersebut.
Salah satu institusi pendidikan yang menerapkan TI yaitu Universitas Papua (UNIPA). UNIPA
merupakan salah satu perguruan tinggi yang memanfaatkan TI untuk mencapai tujuan-tujuannya. Di
UNIPA terdapat beberapa sistem informasi yang digunakan antara lain Sistem Informasi Akademik dan
Sistem Informasi Kepegawaian. Sistem informasi Akademik dikelola oleh Biro Perencanaan, Akademik
dan Kemahasiswaan. Sistem Informasi Kepegawaian dikelola oleh Biro Umum dan Keuangan melalui
Sub Bagian Kepegawaian.
Selain itu, UNIPA juga memiliki 1 divisi yang bertugas untuk menyediakan layanan Teknologi
Informasi dan Komunikasi (TIK) serta menjalankan peran utama untuk memelihara infrastruktur TIK,
antara lain : platform perangkat keras komputer, platform sistem operasi, platform perangkat lunak di
tingkat enterprise, platform jaringan dan telekomunikasi, perangkat lunak pengolah database. Divisi
tersebut diberi nama Unit Pelayanan Teknis (UPT) Teknologi Informasi dan Komunikasi (TIK).
Namun UNIPA belum mempunyai suatu indikator yang dapat menyatakan bahwa kinerja TI telah
sesuai dengan tujuan yang ingin dicapai. Oleh sebab itu maka, perlu dilakukan analisis untuk mengetahui
sejauh mana tingkat kematangan proses TI yang sudah diterapkan di lingkup UNIPA, apakah sudah
sesuai dengan yang diharapkan oleh UNIPA atau belum,Sehingga Unipa membuat suatu teori utama dan
tambahan sebagai rancangan dalam mendukung kinerja yang akan dilakukan dalam berkontribusi pada
keinginan untuk dapat mengikuti Kuliah Online saat Kondisi Terbatas Pada masa Pandemik COVID-19
dengan menggunakan teori utama yaitu TAM(Technology Acceptance Model) dan ditambahkannya teori
tambahan yaitu:TPB(Theory of Planned Behavior).
Berdasarkan uraian diatas, maka perlu dilakukan Percobaan dengan menggunakan
TAM(Technology Acceptance Model) dan ditambahkannya teori tambahan yaitu:TPB(Theory of Planned
Behavior).untuk mengetahui sejauh mana pencapaian kinerja dari mengikuti kuliah online pada masa
pandemik covid-19 yang terkait bidang TI di UNIPA. Serta memberikan rekomendasi perbaikan agar
penerapan TI di UNIPA menjadi lebih optimal.
1.2 Rumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan diatas, maka rumusan masalah pada penelitian
ini adalah ”Sejauh mana penerapan UNIVERSITAS dalam Mengikuti keputusan dalam kuliah online
pada masa pandemik covid-19 ?”.

1.3 Batasan Masalah

Berdasarkan rumusan masalah diatas, maka penelitian ini dibatasi pada :
 1. Evaluasi yag dilakukan hanya berfokus pada pengambilan keputusan UNIVERSITAS dalam
kuliah online pada masa pandemik covid-19 yang bisa membantu mahasiswa/i dalam menerima materi
perkuliahan ,sehingga tidak terjadi penyebaran covid-19 kepada setiap mahasiswa/i.
2. TPB(Theory of Planned Behavior) yang akan digunakan dalam TI untuk mengacu pada
TAM(Technology Acceptance Model).
1.4 Tujuan Penelitian
Berdasarkan latar belakang penelitian, rumusan masalah dan batasan masalah yang telah
dikemukakan, maka tujuan dari penelitian ini adalah untuk :
1. Mengetahui kondisi terkini penerapan UNIVERSITAS dalam Mengikuti keputusan kuliah online pada
masa pandemik covid-19. Yang dapat dapat menghindari terjadinya penyebaran dari virus corona.
1.5 Manfaat Penelitian
Adapun manfaat yang dapat diperoleh dari penelitian ini adalah sbb:
a. Bagi Penulis :
1. Menghindari penyebaran dari virus corona.
2. membuat mahasiswa agar memiliki niat dalam proses belajar dalam mengikuti kuliah online pada
masa pandemik covid-19,sehingga mahasiswa tidak dapat terkena virus corona,sehingga bisa mengurangi
pasien dan dapat membantu para medis,walaupun tidak berkulilah di kampus.
b. Bagi Universitas
1. Mengetahui kemampuan mahasiswa dalam menguasai materi ilmu yang telah diperoleh di bangku
perkuliahan sebagai bahan evaluasi.

2. Memberikan rekomendasi perbaikan guna meningkatkan kualitas dari penerapan TI di UNIPA agar
tujuan organisasi dapat dicapai secara maksimal.
 II TINJAUAN PUSTAKA

2.1 Technology Acceptance Model (TAM)

Technology Acceptance Model (TAM) atau Model Penerimaan Teknologi merupakan salah satu
teori tentang penggunaan sistem teknologi informasi yang dianggap sangat berpengaruh dan umumnya
digunakan untuk menjelaskan penerimaan individual terhadap penggunaan sistem teknologi informasi
(Jogiyanto, 2008: 111). TAM pertama dikembangkan oleh Davis (1985) berdasarkan model Theory of
Reasoned Action (TRA). Kelebihan TAM yang paling penting adalah TAM merupakan model parsimoni,
yaitu model yang sederhana tetapi valid (Jogiyanto 2007:134-135.) Selain itu, TAM juga telah diuji
dengan banyak penelitian yang hasilnya TAM merupakan model yang baik khususnya jika dibandingkan
dengan model TRA dan TPB.

Dalam TAM, penerimaan pengguna dalam penggunaan SI dipengaruhi oleh dua konstruk, yaitu
kegunaan (perceived usefulness) dan kemudahan penggunaan (perceived ease of use). Kedua konstruk
tersebut merupakan perbedaan paling mencolok yang ada pada TAM jika dibandingkan dengan TRA dan
TPB. Selain itu, dalam TAM juga tidak terdapat konstruk norma subjektif (subjectif norm) dan kontrol
perilaku (perceived behavioral control). Konstruk lain dalam TAM sama dengan TRA, hanya karena lebih
dikhususkan untuk penggunaan teknologi, maka istilahnya pun menyesuaikan. Model TAM ditunjukkan
pada Gambar 2.1.

Perceived
Usefulness

Attitude
Behavioral Actual Technology
toward Using
Intention to Use Use
Technology
Perceived Ease
Of Use

Gambar 2.1 Model TAM

Sumber : Jogiyanto (2008:113)

TAM memiliki 5 konstruk utama, yaitu: (1) Perceived Usefulness (kegunaan), (2) Perceived Ease
Of Use (kemudahan penggunaan), (3) Attitude Toward Using Technology (sikap), (4) Behavioral Intention
to use (intensi), dan (5) Actual Use (penggunaan teknologi sesungguhnya). Penjelasan masing-masing
konstruk adalah sebagai berikut:

Konstruk pertama adalah Perceived Usefulness (PU) yang selanjutnya disebut kegunaan.
Kegunaan didefinisikan sebagai sejauh mana seseorang percaya bahwa menggunakan suatu teknologi
akan meningkatkan kinerja pekerjaannya (Davis, 1985: 26). Konstruk ini dipengaruhi oleh konstruk
kemudahan penggunaan. Penelitian terdahulu menunjukkan bahwa kegunaan merupakan konstruk yang
paling banyak signifikan dan penting yang mempengaruhi sikap, intensi dan perilaku (Jogiyanto, 2008:
114). Terdapat 6 indikator untuk mengukur konstruk kegunaan yaitu pekerjaan lebih cepat selesai (work
more quickly), meningkatkan kinerja (job performance), meningkatkan produktivitas (increase
productivity), meningkatkan efektivitas kerja (effectiveness), memudahkan pekerjaan (makes job easier)
dan berguna (useful) (Davis, 1989 dalam Jogiyanto,152).

Konstruk kedua adalah Perceived Ease Of Use (PEOU) yang selanjutnya disebut kemudahan
penggunaan. Kemudahan penggunaan didefinisikan sebagai sejauh mana orang percaya bahwa
menggunakan suatu teknologi akan bebas dari usaha (Davis, 1985: 25). Konstruk ini memengaruhi
konstruk kegunaan, sikap,intensi dan penggunaan teknologi sesungguhnya. Namun yang paling
signifikan adalah pengaruh ke konstruk kegunaan, sementara terhadap konstruk lain pengaruhnya tidak
signifikan (Jogiyanto, 2008: 115). Terdapat 6 indikator untuk mengukur konstruk kemudahan
penggunaan yaitu kemudahan sistem untuk dipelajari (easy of learn), kemudahan sistem untuk dikontrol
(controllable), interaksi dengan sistem yang jelas dan mudah dimengerti (clear and understandable),
fleksibilitas interaksi (flexibility), mudah untuk terampil menggunakan sistem (easy to become skillful)
dan mudah untuk digunakan (easy to use) (Davis, 1989 dalam Jogiyanto, 2008: 152).

Konstruk ketiga adalah Attitude Toward Using Technology (ATU) yang selanjutnya disebut sikap.
Sikap dapat didefinisikan sebagai perasaan positif atau negatif dari seseorang jika harus melakukan
perilaku yang akan ditentukan (Davis dkk, 1989 dalam Jogiyanto, 2008: 116). Dalam model TAM, sikap
berpengaruh pada intensi serta dipengaruhi oleh kemudahan penggunaan dan kegunaan. Jogiyanto
(2008) juga menyatakan bahwa dalam penelitian-penelitian yang sudah pernah dilakukan, sebagian
menunjukkan bahwa sikap memiliki pengaruh positif pada intensi, namun sebagian yang lain juga
menunjukkan bahwa sikap tidak memiliki pengaruh yang signifikan ke intensi. Oleh sebab itu, ada
penelitian TAM tidak menyertakan konstruk sikap dalam modelnya.

Konstruk keempat adalah Behavioral Intention to use (BI) yang selanjutnya disebut intensi.
Mengacu pada Gambar 2.1, intensi memiliki pengaruh pada penggunaan teknologi sesungguhnya serta
dipengaruhi oleh sikap dan kegunaan. Terdapat 2 indikator untuk mengukur konstruk intensi, yaitu
penggunaan sistem untuk menyelesaikan pekerjaan (carrying out the task) dan rencana pemanfaatan di
masa depan (planned utilization in the future) (Amoroso dan Gardner, 2004).

Konstruk kelima adalah Actual Use (AU) yang selanjutnya disebut penggunaan teknologi
sesungguhnya atau penggunaan. Dalam TAM, penggunaan teknologi sesungguhnya setara dengan istilah
perilaku (behavior) pada TRA namun untuk digunakan dalam konteks teknologi. Konstruk ini dipengaruhi
langsung oleh intensi dan kegunaan. Terdapat 3 indikator pengukuran konstruk penggunaan teknologi
yaitu penggunaan sesungguhnya, frekuensi sesungguhnya dan kepuasan pengguna (Wibowo, 2006).

2.2 Partial Least Square (PLS)

Dalam mengolah data kuantitatif yang diperoleh maka peneliti menggunakan sebuah tools yang
dinamakan Partial Least Square (PLS). PLS adalah metode analisis yang tidak mengasumsikan data harus
dengan pengukuran skala tertentu. PLS juga menggunakan pendekatan distribution free di mana data
tidak harus mengikuti suatu distribusi tertentu. (Marina, 2017). Metode PLS dikenalkan oleh Herman
O.A Wold untuk penciptaan dan pembangunan model dan metode untuk ilmu-ilmu sosial dengan
pendekatan yang berorientasi pada prediksi. PLS memiliki asumsi data penelitian bebas distribusi,
artinya data penelitian tidak mengacu pada salah satu distribusi tertentu (misalnya distribusi normal).
PLS merupakan metode alternatif dari Structural Equation Modeling (SEM) yang dapat digunakan untuk
mengatasi permasalahan hubungan di antara variabel yang kompleks namun ukuran sampel datanya
kecil (30 sampai 100), mengingat SEM memiliki ukuran sampel data minimal 100 (Hair/et.al./, 2010).

2.2.1 Model Indikator PLS

PLS mempunyai dua model indikator dalam penggambarannya. Dua model indikator dalam PLS
antara lain:

1) Model Indikator Refleksif

Model indikator refleksif sering disebut juga principal factor model dimana kovarian pengukuran
indikator dipengaruhi oleh konstruk laten atau mencerminkan variasi dari konstruk laten. Pada model
refleksif konstruk unidimensional digambarkan dengan bentuk elips dengan beberapa anak panah dari
konstruk ke indikator, model ini menghipotesiskan bahwa perubahan pada konstruk laten akan
mempengaruhi perubahan pada indikator.Model indikator refleksif harus memiliki internal konsistensi
oleh karena semua ukuran indikator diasumsikan sebagai valid indikator yang mengukur suatu konstruk,
sehingga dua ukuran indikator yang sama reliabilitasnya dapat saling dipertukarkan. Walaupun
reliabilitas (cronbach alpha) suatu konstruk akan rendah jika hanya ada sedikit indikator, tetapi validitas
konstruk tidak akan berubah jika satu indikator dihilangkan.

2) Model Indikator Formatif

Model indikator formatif tidak mengasumsikan bahwa indicator dipengaruhi oleh konstruk
tetapi mengasumsikan semua indicator mempengaruhi single konstruk. Arah hubungan kausalitas
mengalir dari indikator ke konstruk laten dan indikator sebagai grup secara bersama-sama menentukan
konsep atau makna empiris dari konstruk laten. Indikator diasumsikan mempengaruhi konstruk laten
maka ada kemungkinan antar indikator saling berkorelasi, tetapi model formatif indikator sebagai grup
secara bersama-sama menentukan konsep atau makna empiris dari konstruk laten. Indikator
diasumsikan mempengaruhi konstruk laten maka ada kemungkinan antar indikator saling berkorelasi,
tetapi model formatif tidak mengasumsikan perlunya korelasi antar indikator, sehingga tidak
memerlukan internal konsistensi reliabilitas (cronbach alpha) untuk menguji reliabilitas konstruk
formatif. Implikasi lain dari model indikator formatif adalah dengan menghilangkan satu indikator dapat
menghilangkan bagian yang unik dari konstruk laten dan merubah makna dari konstruk.

2.2.2 Model Spesifikasi PLS

1) Model Struktural (Inner Model)

Model struktural atau inner model menggambarkan hubungan antar konstruk laten
berdasarkan pada teori. Perancangan model structural hubungan antar konstruk laten
didasarkan pada rumusan masalah atau hipotesis penelitian. Model persamaan dasar dari inner
model atau model struktural dapat ditulis sebagai berikut:

η n = Σi βni ηi + Σi γnj ξj + ζn

Keterangan :
 ξ = Ksi, konstruk laten eksogen

η = Eta, konstruk laten endogen

β = Beta, koefisien pengaruh konstruk endogen terhadap endogen

γ = Gamma, koefisien pengaruh konstruk eksogen terhadap endogen

ζ = Zeta, galat model

Dimana βni dan γnj merupakan koefisien jalur yang menghubungkan

prediktor endogen (η) dan konstruk laten eksogen (ξ) sepanjang indeks i dan

j, dan ζn adalah inner residual variable.

2) Model Pengukuran (Outer Model)

Model pengukuran atau outer model mendefinisikan bagaimana setiap blok indikator
berhubungan dengan konstruk latennya. Perancangan model pengukuran menentukan sifat
indikator dari masing-masing konstruk laten, apakah refleksif atau formatif, berdasarkan definisi
operasional variabel.

Model persamaan dasar dari model pengukuran atau outer model dapat ditulis

sebagai berikut: Untuk konstruk laten eksogen :

x = Λx ξ + εx

Untuk konstruk laten endogen :

y = Λy η + εy

Keterangan :

x = indikator untuk konstruk latent eksogen

y = indikator untuk konstruk laten endogen

Λx = Lamda (besar), matrik loading faktor konstruk latent eksogen

Λy = Lamda (besar), matrik loading faktor konstruk laten endogen

ε = Epsilon galat pengukuran pada konstruk latent endogen

Dimana x dan y merupakan indikator dari konstruk laten endogen (η) dan konstruk laten
eksogen (ξ), sedangkan Λx dan Λy merupakan matrik loading yang menggambarkan koefisien regresi
sederhana yang menghubungkan konstruk laten dengan indikatornya. Residual yang diukur dengan εx
dan εy dapat diinterpretasikan sebagai kesalahan pengukuran (Destiana, 2012).
2.2.3 Langkah-langkah Analisis PLS

Analisis data dan pemodelan persamaan struktural dengan menggunakan software PLS adalah
sebagai berikut (Ghazali,2006):

1) Merancang Model Struktural (Inner Model)

Model Struktural menggambarkan hubungan antar variabel laten berdasarkan pada substantive
theory. Perancangan model struktural hubungan antar variabel laten didasarkan pada rumusan masalah
atau hipotesis penelitian.

2) Merancang Model Pengukuran (Outer Model)

Model Pengukuran mendefinisikan bagaimana setiap blok indicator berhubungan dengan

variabel latennya. Perancangan model pengukuran menentukan sifat indikator dari masing-masing
variabel laten, apakah refleksif atau formatif, berdasarkan definisi operasional variabel.

3) Konversi Diagram Jalur ke Sistem Persamaan

a. Model persamaan dasar dari Inner Model dapat ditulis sebagai berikut : Ŋ

= β0 + βŋ + Гξ + ζ Ŋj = Σi βji ŋi + Σi үjb ξb + ζj

b. Model persamaan dasar Outer Model dapat ditulis sebagai berikut: X = Λx

ξ + εx Y = Λy ŋ + εy

4) Estimasi: Weight, Koefisien Jalur, dan Loading metode pendugaan parameter (estimasi) di dalam PLS
adalah metode kuadrat terkecil (least square methods). Proses perhitungan dilakukan dengan cara
iterasi, di mana iterasi akan berhenti jika telah tercapai kondisi konvergen. Pendugaan parameter di
dalam PLS meliputi 3 hal, yaitu:

a. Weight estimate yang digunakan untuk menghitung data variabel laten.

b. Path estimate yang menghubungkan antar variabel laten dan estimasi loading antara variabel laten
dengan indikatornya.

c. Means dan parameter lokasi (nilai konstanta regresi, intersep) untuk indikator dan variabel laten.

5) Evaluasi Goodness of Fit Goodness of Fit Model diukur menggunakan R2 variabel laten dependen
dengan interpretasi yang sama dengan regresi. Q2 predictive relevance untuk model struktural
mengukur seberapa baik nilai observasi dihasilkan oleh model dan juga estimasi parameternya.

6) Pengujian Hipotesis (Resampling Bootstraping) Pengujian Hipotesis (β, γ, dan λ) dilakukan dengan
metode resampling Bootstrap yang dikembangkan oleh Geisser & Stone. Statistik uji yang digunakan
adalah statistik t atau uji t. Penerapan metode resampling,memungkinkan berlakunya data berdistribusi
bebas (distribution free) tidak memerlukan asumsi distribusi normal, serta tidak memerlukan sampel
yang besar (direkomendasikan sampel minimum 30). Pengujian dilakukan dengan t-test.

2.3 Kerangka Berpikir

 Penelitian ini menggunakan model TAM, yaitu model penerimaan teknologi yang paling banyak
digunakan pada studi di bidang SI. Seperti yang telah dibahas dalam subbab sebelumnya bahwa
pengembangan model TAM dapat disesuaikan dengan penelitian yang sedang dilakukan. Pada penelitian
ini, penulis menggunakan tiga konstruk yang terdapat dalam TAM, yaitu konstruk PEOU (persepsi
kemudahan penggunaan), PU (persepsi kegunaan/kemanfaatan) dan AU(penggunaan teknologi
sesungguhnya). Berdasarkan uraian sebelumnya, maka kerangka pemikiran yang menggambarkan
hubungan antar konstruk yang akan diuji dijelaskan melalui Gambar 2.3

Perceived Easy Of Use

(Persepsi kemudahan
Penggunaan)
H1

Actual Use

(Penggunaan teknologi
secara nyata)

H2
Perceived Usefulness

(Persepsi Kemanfaatan)

Gambar 2.3 Kerangka Berpikir Penelitian

Bagan kerangka berpikir tersebut gambaran bahwa ada pengaruh secara langsung kontruk dari
PEOU yang selanjutnya disebut H1 dan PU yang selanjutnya H2 terhadap AU yang selanjutnya H3.

2.4 Hipotesis penelitian

Dengan demikian dapat disusun hipotesis sebagai berikut:

H1 : Persepsi kemudahan penggunaan (PEOU) memiliki pengaruh positif terhadap keberlanjutan

mengikuti kuliah Online dalam masa pandemik COVID-19

H2 : Persepsi kemanfaatan (PU) memiliki pengaruh positif terhadap keberlanjutan mengikuti kuliah
online pada masa pandemik COVID-19
 III METODOLOGI PENELITIAN

3.1 Metode Penelitian

Penelitian umumnya terbagi atas tiga jenis penelitian yakni penelitian eskploratori (explorative
research), penelitian deskriptif (descriptive research), dan penelitian eksplanatori (explanatory research)
(Husein, 1999). Jenis penelitian yang digunakan pada penelitian kali ini adalah penelitian ekplanatori
atau eksplanatif. Penelitian eksplanatif merupakan penelitian yang menguji suatu teori atau hipotesis
guna memperkuat atau bahkan menolak teori atau hipotesis hasil penelitian yang sudah ada. Penelitian
eksplanatif bertujuan untuk menjelaskan hubungan antara dua atau lebih variabel (Destiana, 2012).

Metode yang digunakan dalam penelitian ini yaitu metode pendekatan kuantitatif yang
didukung dengan pendekatan kualitatif. Pendekatan kuantitatif adalah pendekatan yang di dalam usulan
penelitian, proses, hipotesis, turun kelapangan, analisis data dan kesimpulan data sampai dengan
penulisannya mempergunakan aspek pengukuran, perhitungan, rumus dan kepastian data numerik.

Sedangkan pendekatan kualitatif ialah pendekatan yang di dalam usulan penelitian, proses,
hipotesis, turun ke lapangan, analisis data dan kesimpulan data sampai dengan penulisannya
mempergunakan aspek-aspek kecenderungan, non perhitungan numerik, situasional deskriptif,
interview mendalam, analisis isi dan story. (Musianto, n.d.). Penelitian ini dilakukan dengan
menggunakan pendekatan TAM, suatu model yang dibangun untuk menganalisis faktor-faktor apa saja
yang mempengaruhi penerimaan penggunaan teknologi (Destiana, 2012).

3.2 Waktu dan Tempat Penelitian

Penelitian dilakukan di Universitas Papua yang berlokasi di Kabupaten Manokwari, Provinsi
Papua Barat. Pelaksanaan penelitian dimulai pada tanggal 04 Juni 2020 sampai dengan 11 Juni 2020.
3.3 Metode Penentuan Subyek Penelitian
Pada subyek penelitian pada dasarnya ada du acara yang digunakan yaitu populasi dan sampel
(Sugiyono, 2008).
3.3.1 Populasi Penelitian
Menurut (Sugiyono)(2008), populasi merupakan sekumpulan orang/subyek dan obyek yang
diamati, mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan
ditarik kesimpulan. Populasi dalam penelitian ini adalah pengguna akhir dari Kuliah online Manokwari,
yaitu UNIPA Amban.
3.3.2 Sampel Penelitian
Menurut (Sugiyono)(2008), sampel merupakan bagian dari jumlah populasi yang dapat mewakili
karakteristik yang dimiliki populasi tersebut. Ada beberapa hal yang perlu diperhatikan dalam
menentukan jumlah sampel penelitian menggunakan PLS, salah satunya yaitu jumlah minimum sampel
yang digunakan dalam penelitian.

3.4 Jenis Data

 Jenis data yang digunakan dalam penelitian ini yaitu data primer.Yang dimaksud data primer
adalah data penelitian yang diperoleh secara langsung dari sumber asli (tidak melalui perantara). Data
primer secara khusus dikumpulkan untuk menjawab pertanyaan penelitian (Indriaty, 2010).Data primer
dikumpulkan melalui kuesioner yang berisi pernyataan-pernyataan yang berkaitan dengan kontruk-
kontruk yang digunakan dalam penelitian ini dan juga melalui wawancara kepada pihak-pihak yang
terkait seperti Dosen di UNIPA, yang melakukan dan yang melaksakan Kuliah Online yang telah
diterapkan oleh Rektor UNIPA.
3.5 Variabel Penelitian
Berdasarkan pada model penelitian yang digunakan yaitu TAM,yang dikembangkan oleh Davis
(1989). Maka variabel dan definisi dalam penelitian ini sebagai berikut:
3.5.1 Variabel Independen
Variabel independen (Variabel Oksigen) : variabel Independen dalam penelitian ini berdasarkan
pada model TAM adalah persepsi kemudahan penggunaan (Perceived Ease of Use) dan persepsi
kegunaan (Perceived Usefulness).
3.5.2 Variabel Dependen
Variabel Dependen (Variabel Endogen): Variabel dependen dalam penelitian ini berdasarkan
model TAM adalah Actual Use yaitu penggunaan dalam Mengikuti Kuliah Online

3.6 Metode Analisis Data

Metode analisis data yang digunakan dalam penelitian ini yaitu:

3.6.1Analisis Data Kualitatif

Analisis kualitatif merupakan penganalisisan data yang tidak dapat dinominalkan dengan
menggunakan angka-angka, melainkan disajikan berupa keterangan, penjelasan dan
pembahasan teori. Dari analisis tersebut kemudian dibuat suatu penyajian atau pengujian.

3.6.2 Analisis Data Kuantitatif

Analisis kuantitatif adalah suatu bentuk analisis yang penyajiannya dalam angka-angka
yang dapat diukur dan dihitung. Tingkat ukuran yang dipakai dalam pengukuran variabel
adalah dengan skala Likert, dimana seorang responden dihadapkan pada beberapa
pertanyaan kemudian diminta memberikan jawabannya (Algifari, 2001). Hasil perhitungan
dari skor atau nilai kemudian digunakan dalam analisis statistik yang dilakukan dengan
bantuan komputer, menggunakan aplikasi SmartPLS untuk membuktikan hubungan dan
pengaruh antar variabel-variabel penelitian dengan menggunakan uji data.

3.7 Outer Model

 Outer Model merupakan model pengukuran untuk menilai validitas, parameter model
pengukuran (Convergent validity, discriminant validity, composite reliability dan cronbach’s alpha)
termasuk nilai R2 sebagai parameter ketepatan model prediksi (Jogiyanto dan Abdillah, 2009). Oleh
karena itu model pengukuran (outer model) digunakan untuk menguji validitas konstruk dan
reliabilitas instrument. Outer model sering juga disebut outer relation atau measurement model
yang mendefinisikan bagaimana setiap blok indikator berhubungan dengan variabel latennya.

3.7.1 Uji Validitas (Convergent Validity)

Uji Validitas yang dimaksud adalah pengujian terhadap indikator dalam variabel laten
untuk memastikan bahwa indikator yang digunakan dalam penelitian ini benar-benar
mampu dipahami dengan baik oleh responden sehingga responden tidak mengalami
kesalahpahaman terhadap indikator yang digunakan.

Convergent validity dari measurement model dapat dilihat dari korelasi antara skor
indikator dengan skor variabelnya (Jogiyanto dan Abdillah, 2009). Indikator dianggap valid
jika memiliki nilai AVE diatas 0,5 atau memperlihatkan seluruh outer loading dimensi
variabel memiliki nilai loading > 0,5 sehingga dapat disimpulkan bahwa pengukuran
tersebut memenuhi kriteria.

Convergent validity dari model pengukuran dengan model reflektif indikator dinilai
berdasarkan loading factor (korelasi antara item score atau component score dengan
construct score) yang dihitung dengan SmartPLS.
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Penyusunan Kuesioner Penelitian

1. Indikator Penelitian

Kuesioner penelitian disusun berdasarkan konstruk-kontruk Technology Acceptance Model

(TAM) yang digunakan dalam penelitian ini, yaitu Perceived Easy Of Use (PEOU), Perceived
Usefulness (PU) dan Actual Use (AU). Indikatorindikator untuk mengukur masing-masing konstruk
disajikan dalam Tabel 3.3.

Tabel 3.3 Indikator Konstruk Penelitian

No Konstruk Indikator

1. PEOU Fleksibilitas
Mudah digunakan/dioperasikan
Mudah dipelajari
2. PU Meningkatkan efektivitas
Menjawab kebutuhan informasi
Meningkatkan kinerja
3. AU Penggunaan sesungguhnya

Setelah indikator-indikator dalam kontruk telah ditentukan maka selanjutnya yang harus dilakukan adalah
menyusun instrumen-instrumen penelitian. Instrumen penelitian yang akan digunakan pada penelitian ini
disusun berdasarkan adaptasi item-item kuesioner yang sudah digunakan pada penelitian penelitian
sebelumnya. Hal ini dilakukan karena konstruk-konstruk penelitian kali ini merupakan konstruk-konstruk
dari teori TAM yang sudah lama dikembangkan.

Item yang digunakan dalam kuesioner sejumlah 7 item yang tersusun atas 3 konstruk. Masing-
masing kontruk terdiri dari :

1. Konstruk PEOU = 6 item,

2. Konstruk PU = 8 item,
3. Konstruk AU = 3 item.
Susunan item-item kuesioner setiap konstruk penelitian yang digunakan sebagai berikut :

1) PEOU diadaptasi dari (J.H. Wu, S.C. Wang, 2005) (Park, S.Y. 2009) (Ratri, Saras Margareta. 2016)
dan (Subektianto, Rahmad Adi. 2018).
2) ) PU diadaptasi dari (J.H. Wu, S.C. Wang, 2005) (Park, S. Y. , 2009) (Ratri, Saras Margareta. 2016)
dan (Subektianto, Rahmad Adi. 2018).
3) AU diadaptasi dari (B. Destiana, 2012).

Kuesioner Dampak Buruk Mengadopsi Kuliah Online Saat Kondisi Terbatas Pada Masa
Pandemic COVID – 19

Pertanyaan Ya Tidak
Apakah dengan adanya kuliah online bisa mempermudah anda dalam
menerima materi yang telah dijelaskan oleh dosen?

Apakah disekitar daerah rumah, kost, dan tempat tinggal anda memiliki
koneksi jaringan yang memadai ?

Selain Jaringan yang dapat mempengaruhi kuliah online pada masa

pandemik Covid - 19 sekarang ini, Apakah ada kendala yang anda
rasakan?

Apakah ada resiko yang anda alami ketika mengadopsi atau mengambil
kuliah online pada saat kondisi terbatas ini ?

Apakah anda mendapatkan bantuan berupa bama dan kouta internet gratis
untuk kuliah online dalam masa pandemik Covid - 19 ?

Apakah fasilitas yang anda gunakan seperti laptop dan Hp tersedia dan
memadai untuk mengikuti kegiatan kuliah online ?

Menurut pendapat anda, apakah dosen yang mengajar kuliah online ini
mendorong anda (baik secara langsung maupun tidak langsung) untuk
memanfaatkan Teknologi Informasi (contohnya: tugas yang diberikan
oleh dosen dan harus dikerjakan menggunakan media komputer dan
mengharuskan mahasiswa/i mendonwload bahan tugas dari internet,dan
mengumpulkan tugas dalam softcopy) ?
4.2 Statistik Deskriptif

Statistik deskriptif ditujukan untuk memberikan gambaran tentang demografi responden

penelitian dan gambaran tentang variabel-variabel penelitian untuk mengetahui distribusi
frekuensi absolut yang menunjukkan angka rata-rata (mean) kisaran aktual, penyimpangan baku
(standard deviation), dan kecenderungan jawaban responden.

4.3 Analisis dan Pembahasan Data Kuantitatif

Dalam penelitian ini, analisis data yang dilakukan menggunakan pendekatan PLS. PLS adalah
model persamaan Structural Equation Modeling (SEM) yang berbasis komponen atau varian.
Menurut Ghozali (2006), PLS merupakan pendekatan alternatif yang bergeser dari pendekatan
SEM berbasis kovarian menjadi berbasis varian. Untuk analisis menggunakan PLS maka dapat
dilakukan dengan cara berikut:

1. Unduh dan Install software SmartPLS terlebih dahulu. Dalam penelitian ini, peneliti
menggunakan SmartPLS versi 3.0. SmartPLS3 dapat diunduh gratis melalui link
https://www.smartpls.com/. SmartPLS3 dipilih oleh penulis sebagai aplikasi bantuan
dalan mengolah data kuantitatif karena data tidak harus berdistribusi normal
multivariate (indikator dengan skala kategori, ordinal, interval sampai rasio dapat
digunakan pada model yang sama) dan ukuran sampel tidak harus besar (Gahazali,
2006). Selain itu, dalam aplikasi tersebut, skema model TAM yang digunakan dalam
penelitian dalam langsung digambar pada SmartPLS3.
2. Setelah melakukan instalasi software SmartPLS3. Maka yang perlu dilakukan adalah
menyiapkan data yang akan diolah kedalam SmartPLS3. Data yang dimaksud adalah data
yang diperoleh dari kuesioner yang telah disebar kepada 52 responden. Sebelum diolah
kedalam SmartPLS3, maka data yang sebelumnya telah diperoleh dari pengisian
kuesioner responden, dimasukkan kedalam file dalam format Excel dan disusun dalam
bentuk tabel. Data tersebut disusun berdasarkan indikator dari masing-masing
variable/konstruk yang ada. Gambar 4.1 menampilkan data yang telah diolah kedalam
format Excel:
 P1 P2 P3 P4 P5 P6 P7
3 5 4 5 4 3 5
5 4 5 5 5 4 4
5 5 5 4 5 5 5
2 2 5 4 5 3 4
5 5 5 4 4 5 4
5 4 5 4 5 5 5
4 5 5 5 5 5
5
5 4 5 4 5 4 5
5 4 5 5 5 5 5
5 4 5 4 5 5 5
5 5 4 5 5 3 5
5 4 4 5 5 5 5
5 5 5 5 4 5 5
5 5 5 5 4 4 5
4 5 4 5 4 5 5
5 5 5 4 5 4 5
5 5 5 5 5 3 4
5 5 5 4 5 5 5
5 5 5 4 5 5 5
5 5 5 4 5 5 5
5 4 5 5 4 5 5
5 5 4 5 5 5 5
5 5 5 5 5 5 5
4 5 5 5 5 4 5
5 5 5 5 5 5 4
4 5 5 5 5 5 4
5 5 5 5 4 4 4
4 5 4 4 5 5 4
5 4 5 5 5 5 4
4 5 5 5 5 4 5
5 5 5 5 5 4 4
4 5 3 5 5 4 5
5 5 5 4 4 5 4

Karena SmartPLS tidak dapat mengambil format file asli Excel, sehingga data harus diubah menjadi
format .csv dengan melakukan Save As dan memilih tipe CSV (Comma delimeted),seperti Digambar
berikut.
1. Jika data telah siap, maka langkah selanjutnya adalah mengolah dataset tadi kedalam
aplikasi SmartPLS3. Caranya dengan membuka aplikasi SmartPLS3, pilih File lalu pilih
Create New Project, agar lebih jelas maka lihat Gambar 4.3.

Gambar 4.3 Membuat Project Baru dalam PLS

2. Masukkan nama project yang ingin dibuat lalu klik OK. Maka akan muncul Gambar 4.4.
 Gambar 4.4 Tampilan Project Baru Yang Telah Dibuat

Skema Model Partical Least Square (PLS)

Berikut ini adalah skema model program PLS yang digunakan :

4.4 Deskripsi Variabel Penelitian

Deskripsi variabel dalam statistik deskriptif yang dihitung melalui analisis PLS yang digunakan
dalam penelitian ini meliputi nilai mean (nilai rata-rata), median (nilai tengah setelah data
diurutkan), minimum (nilai terendah), maksimum (nilai tertinggi), dan standar deviasi (simpangan
baku) dari satu variabel dependen yaitu AU dan dua variabel independent yaitu PEOU dan PU.
Statistik deskriptif berkaitan dengan pengumpulan dan peringkat data. Statistik deskriptif
menggambarkan karakter sampel yang digunakan dalam penelitian ini. Berikut merupakan rumus
yang digunakan untuk menghitung mean, median dan standar deviasi:
1) Mean

Mean atau rata-rata adalah nilai yang mewakili sekelompok data. Ratarata diperoleh dari
penjumlahan seluruh nilai data dibagi dengan banyaknya data. Rumus nilai rata-rata diuraikan
sebagai berikut:

Keterangan:

fi = Frekuensi ke-i xi = Data ke-i

∑(fi.xi) = Jumlah fi dikali xi n = Total

frekuensi

2) Median
Median adalah nilai yang terletak di tengah dari data yang nilainya telah diurutkan.
Bayaknya data di bawah median sama dengan banyaknya data di atas median. Rumus median
diuraikan sebagai berikut:

Median ganjil memiliki rumus :

Median genap memiliki rumus :

3) Standar Deviasi

Standar deviasi adalah nilai statistik yang digunakan untuk menentukan bagaimana
sebaran data dalam sampel, dan seberapa dekat titik data individu ke mean – atau rata-rata –
nilai sampel
 Keterangan :

s = standar deviasi x = nilai x ke i n =

ukuran banyaknya data

Hasil pengolahan statistik deskriptif melalui PLS ditampilkan dalam gambargambar berikut:

1. Statistik Deskriptif PEOU1 dibawah menunjukkan nilai rata - rata (4.71), median (5,00), min
(2,00), max (5,00), dan standar deviasi (0,61).

Gambar

2. Statistik Deskriptif PEOU2 dibawah menunjukkan nilai Rata - rata (4,73), median (5,00), min
(2,00), max (5,00), dan standar deviasi (0,58).

3.
Statistik Deskriptif PEOU3 dibawah menunjukkan nilai Rata - rata (4.75), median (5,00), min
(3,00),
max
(5,00),
dan standar deviasi (0,51).

4. Statistik Deskriptif PEOU4 dibawah menunjukkan nilai Rata - rata (4,68), median (5,00), min
(3,00), max (5,00), dan standar deviasi (0,53).
 5. Statistik Deskriptif PEOU5 dibawah menunjukkan nilai Rata - rata(4,76), median (5,00), min
(3,00), max (5,00), dan standar deviasi (0,49).

6.
Statistik Deskriptif PEOU6 dibawah menunjukkan nilai Rata - rata (4,61), median (5,00), min

(3,00), max (5,00), dan standar deviasi (0,64).

7. Statistik Deskriptif PU1 dibawah menunjukkan nilai Rata – rata (4,59), median (5,00), min
(3,00), max (5,00), dan standar deviasi (0,52).

4.5 Hasil Uji Validitas

Untuk menguji convergent validity digunakan nilai outer loading atau loading factor. Sesuai
dengan tabel 3.6, Indikator dianggap valid jika memiliki nilai AVE diatas 0,5 atau memperlihatkan
seluruh outer loading dimensi variabel memiliki nilai loading > 0,5 sehingga dapat disimpulkan
bahwa pengukuran tersebut memenuhi kriteria (Chin, 1995). Berikut adalah nilai outer loading dari
masing-masing indikator pada variabel penelitian:
Hasil Uji Discriminant Validity

Pada bagian ini akan diuraikan hasil uji discriminant validity. Uji discriminant validity
menggunakan nilai cross loading. Jika korelasi konstruk dengan item pengukuran lebih besar
daripada ukuran konstruk lainnya, maka akan menunjukkan bahwa konstruk laten memprediksi
ukuran pada blok yang lebih baik daripada ukuran blok lainnya.

Atau dengan kata lain suatu indikator dinyatakan memenuhi discriminant validity apabila
nilai cross loading indikator pada variabelnya adalah yang terbesar dibandingkan pada variabel
lainnya. Direkomendasikan nilai AVE harus lebih besar 0,50 (Fornnel dan Larcker, 1981 dalam
Ghozali, 2006). Gambar 4.30 akan menguraikan hasil dari uji Discriminant Validity melalui Cross
Loading pada penelitian ini.

Berdasarkan hasil yang diperoleh tersebut, dapat dinyatakan bahwa indikator-indikator yang
digunakan dalam penelitian ini telah memiliki discriminant validity yang baik dalam menyusun
variabelnya masing-masing. Selain mengamati nilai cross loading, discriminant validity juga dapat
 diketahui melalui metode lainnya yaitu dengan melihat nilai average variant extracted (AVE) untuk
masing-masing indikator dipersyaratkan nilainya harus > 0,5. Gambar 4.31 menunjukkan nilai AVE.

4.6 Hasil Uji Reabilitas

Composite Reliability merupakan bagian yang digunakan untuk menguji nilai reliabilitas indikator-
indikator pada suatu variabel. Suatu konstruk dikatakan reliabel jika nilai composite reliability harus
lebih dari 0,7. (Jogiyanto dan Abdillah, 2009). Kriteria indeks koefisien reabilitas juga dapat dilihat
melalui Tabel 3.7. Berikut ini merupakan hasil uji reabilitas melalui SmartPLS3.

4.7 Hasil Uji Inner Model

Menurut Vincenzo (2010) Uji pada model struktural dilakukan untuk menguji hubungan
antara konstruk laten. Ada beberapa cara untuk melakukan uji inner model, salah satunya dengan
melihat nilai R Square pada konstruk endogen. Nilai R Square adalah koefisien determinasi pada
konstruk endogen. Menurut Chin (1995), nilai R square sebesar 0.67 (kuat), 0.33 (moderat) dan
0.19 (lemah).
 4.8 Uji Hipotesis

Berdasarkan olah data yang telah dilakukan, hasilnya dapat digunakan untuk menjawab hipotesis pada
penelitian ini. Uji hipotesis pada penelitian ini dilakukan dengan melihat nilai T-Statistics dan nilai P-
Values. Bila (P Value) < 0,05 maka H1 dan H2 diterima. Artinya variabel independen secara parsial
mempengaruhi variabel dependen. Bila (P Value) > 0,05 maka H1 dan H2 ditolak. Artinya variabel
independen secara parsial tidak mempengaruhi variabel dependen. Berikut ini merupakan hasil
hipotesis yang diperoleh:

Berdasarkan sajian data pada Gambar 4.35, dapat diketahui bahwa dari dua hipotesis yang
diajukan dalam penelitian ini, yaitu:

H1 : Persepsi kemudahan penggunaan (PEOU) memiliki pengaruh positif terhadap keberlanjutan

adopsi SIMPUS

H2 : Persepsi kemanfaatan (PU) memiliki pengaruh positif terhadap

keberlanjutan adopsi SIMPUS
 Sesuai dengan data tersebut maka dapat dikatakan bahwa kedua hipotesis yang diajukan
dapat diterima karena masing-masing pengaruh yang ditunjukkan memiliki nilai P-Values < 0,05.
Sehingga dapat dinyatakan variabel independen ke dependennya memiliki pengaruh yang
signifikan.

V PENUTUP
5.1 Kesimpulan
Berdasarkan hasil penelitian dan pembahasan mengenai kajian tentang pengelolaan Pengambilan
kuliah online dalam TI di UNIPA pada masa pandemik covid-19 di Kabupaten Manokwari, Provinsi
Papua Barat, maka dapat ditarik kesimpulan sebagai berikut:
1. Hasil penelitian ini menemukan bahwa persepsi kemudahan penggunaan (PEOU)
berpengaruh positif terhadap penggunaan pengambilan Kuliah Online secara nyata
(AU).Hal ini berarti kemudahan dalam menggunakan Kuliah online akan mempengaruhi
keberlanjutan adopsi kuliah online pada UNIPA Amban untuk menggunakan SI tersebut
karena dianggap akan meningkatkan kualitas layanan proses belajar di kabupataen
Manokwari
2. Hasil penelitian ini menemukan bahwa persepsi kegunaan (PU) positif terhadap
berkelanjutan adopsi kuliah online pada UNIPA kabupaten Manokwari.Hal ini
membuktikan bahwa semakin tinggi manfaat yang didapatkan dari Kuliah Online,maka
pengguna juga semakin puas dalam menggunakan SI tersebut.
5.2 Saran
Berdasarkan hasil pembahasan dan kesimpulan yang diperoleh maka diajukan beberapa saran:
1. Penelitian ini hanya berfokus pada TAM ( TECHNOLOGY ACCEPTANCE MODEL) dan
ditambahkannya teori tambahan yaitu:TPB(Theory of Planned Behavior).penulis
menyarankan yang akan datang dapat menggunakan Teori TAM ( TECHNOLOGY
ACCEPTANCE MODEL ) dan menambahkan teori tambahan yang lainnya.
 2. UNIVERSITAS perlu memenuhi kriteria yang ada pada Teori TAM ( TECHNOLOGY
ACCEPTANCE MODEL

DAFTAR PUSTAKA

Indriaty, D. R. (2010). Analisis Pengaruh Tingkat Kualitas Pelayanan Jasa

Puskesmas Terhadap Kepuasan Pasien.
Jogiyanto. (2007). Sistem Informasi Keperilakuan. Yogyakarta: Andi.
Jogiyanto. (2008). Sistem Informasi Keperilakuan. Yogyakarta: Andi.
https://classroom.google.com/u/0/c/NTE4NzUxNTY1NzRa/m/MTM1MTMxNjE4NDMw/details
Yang dikerjakan dari masing” anggota kelompok:

NAMA NIM YANG DIKERJAKAN

Novita Sari Simanungkalit 2017 65 047 Pembuatan Lapaoran dan Kuesioner
Mety Patabang 2018 65 049 Kuesioner
Dhian Pramana Aschary 2017 65 074 Menghitung nilai pada Responden
Dan Kuesioner